Symbolisering
Utfordringer ved symbolisering
Kartografiens målsetting er vanligvis å oppnå en intuitiv gjenkjenning og forståelse av et eller flere budskap i kartet. Kartforståelse er en mental prosess som i stor grad baserer seg på leserens evne til å gjenkjenne mønstre, sammenhenger og forskjeller.
Leserens forståelse av kartet kan lettes ved å bruke kartografiske virkemidler. Det er seks variabler for symbolisering av grafiske fenomener: størrelse, tetthet, farge, form, tekstur og orientering. Kartografen må være klar over at det ikke er hver grafisk effekt eller hvert symbol i seg selv som er vesentlig. Det er konteksten variablene framstår i, sammen med de geometriske variablene punkter, linjer og flater som har betydning. Når det gjelder de grafiske variablene, så er det differansene i størrelse, i tetthet, i farge osv. som assosieres med differanser i antall eller differanser i målte verdier. Farger egner seg godt til å skille mellom ulike kvalitative fenomener. Farger gir et behagelig estetisk inntrykk og er enkelt å kombinere med andre variabler. Variasjoner i fargen fra lys til mørkere oppfattes umiddelbart som kvantitative (Bernhardsen 2006).
I dagens samfunn kan mange flere lage kart og dette fører til utfordringer fordi kunnskap om kartografi ikke er påkrevd. Så det vil være viktig at den som lager kartet har kompetanse om hvordan klasseinndelingen foregår og ikke misbruker teknologien til å lage et kart som kun viser det man selv ønsker. Man kan med fordel ta med metoden for klasseinndelingen som er brukt som dokumentasjon til kartet. Dette krever naturligvis at leser av kartet er i stand til å gjøre vurderinger på bakgrunn av metoden som er brukt. I denne analysen er det til enhver tid brukt naturlige brudd med 15 klasser, symboliseringen er helt lik hverandre, slik at det skal være lett for leser å kunne se forskjeller fra år til år. Symboliseringen representerer ikke faste verdier, men er satt for å vise et best mulig lesbart kart, og for å få fram de forskjellene man ønsker å finne.
Det har vært og er mange diskusjoner i forbindelse med klasseinndelte kart. Menneskeøyets evner til å skille mellom intensiteten til forskjellige lys er begrenset. Så når det er store dataområder er det behov for en grov generalisering. Antall klasser kan f. eks variere fra 4 til 15 inndelinger. Så her må en ofte velge mellom at det skal være et ”lesekart” eller et ”se kart”. Er det behov for eksakte verdier kan det kombineres med verdier som merkelapper på vært objekt eller at det kommer opp ved ”mouseover”. Klasseinndelte kart kan ha en kraftfull effekt i forhold til å kunne fort danne seg et inntrykk av hvordan tilstanden er i området.
Tegnforklaring
Tegnforklaringen til analysen av Rovbasen tolkes slik at symboliseringen varierer fra høy til lav tetthet av rovdyr skader (se figur 1). Det ble valgt farger i symboliseringen som er gir assosiasjoner til mennesker. Der rødt visualiserer fare og der fargene grønt og blått føles tryggere.
Figur 1: Symbolisering i kartet
For symbolisering av kloroplettkartene i RovdyrVSBeite er det brukt et fargespekter lik visualiseringen i rasterene i analysen av rovbasen. Men her er det dekkende farge for beitelagsflatene. Variasjon i en farges tetthet er mer åpenbar, enn variasjoner i ulike farger, og er godt egnet til illustrere en ordnet rekkefølge. (Bernhardsen 2006)
Eksempler på forskjeller ved ulike klasseinndelinger
Figur 2: Ved ulike klasseinndelinger blir resultatet svært ulikt, selv ved bruk av samme datagrunnlag
Klasseinndelte data
Ved bruk av klasseinndeling av data, kan det enten brukes en av de ferdige statistiske klasseinndelingene som følger med programvaren ArcMap, eller det kan lages egne klasseinndelinger etter egne ønsker og behov. Ved bruk av de standardiserte klassene som er med i programvaren, er det bare å velge type av klasse og antall klasser. Hvis det er ønskelig å definere egne klasser, kan dette gjøres ved å manuelt legge inn ønsket klasseinndeling som passer datasettene. En annen metode er å starte med en standardisert klasseinndeling og gjøre de endringene som er nødvendig. En regel er at jo flere klasser man bruker jo mer forvirrende blir kartet. I de fleste tilfeller er det nok med fem klasser for å visualisere egenskapene uten å forvirre bruker av kartet (Heywood et.al. 2006).
Det kan på forhånd ligge bestemte standarder eller retningslinjer ved datasettet som brukes. For eksempel i et temperaturkart er det ofte vist med 10 grader i klasseinndelingen, dette vil kanskje ikke være brukbart i en annen sammenheng, og behovet for å justere klassen manuelt er nødvendig. Det er viktig å med god forklaring over hva kartet viser.
Quantile
Hver klasse inneholder ett likt antall av egenskaper. En quantile klasseinndeling er godt rustet til å behandle data som har en fordeling som er lineær. På grunn av at egenskapene er gruppert etter antallet forekomster i hver klasse, kan resultatet i kartet være missledende. Egenskaper med like verdier kan bli plassert i ulike klasser, og egenskaper med ulike verdier kan også bli plassert i samme klasse.
Equal interval
Denne klasseinndelingen rangerer attributt verdiene i like store grupper, og gjør det opp til brukeren å velge hvor mange intervall det skal være. For eksempel så kan det være egenskaper med attributtverdier fra 0-300, og disse skal deles opp i tre klasser. Da vil hver klasse inneha verdiene fra 0-100, 101-200 og 201-300. Antallet forekomster kan variere innen de ulike klassene. Denne metoden er best å bruke når man har data som er rangert på samme måte, f. eks. data om temperatur.
Standard deviation
Denne klassefiseringen viser hvor mye attributtene til egenskapsdataene varierer fra gjennomsnittet. ArcMap regner ut gjennomsnittet og standardavviket fra gjennomsnittet. Bruddene i klasseinndelingen blir konstruert ut fra disse verdiene. Det kan være ufornuftig å bruke data som ikke er kvalitetssikret i denne metoden. Ettersom at det blir regnet ut fra gjennomsnittet kan uriktige data få store konsekvenser og gi store utslag på visualiseringen.
Defined interval
Denne klasseinndelingen lar brukeren spesifisere hvor mange intervall det skal være. Velger man 4 intervall blir intervallet 0.25. ArcMap deler automatisk opp antall verdier i henhold til antall intervall. Ved å bruke denne metoden lar man brukeren selv få bestemme hvordan kartet blir med tanke på hvordan man setter opp intervallet. Ved for eksempel høydepunkt som skal klassifiseres er det naturlig å bruke vektøyet defined interval, der du selv kan bestemme klasseinndelingen basert på en fast ekvidistanse.
Naturlige brudd
Det er brukt naturlige brudd, med 15 klasser, som klasseinndeling i dette prosjektet (se figur 3). Klassene er basert på naturlige grupperinger arvet fra datasettet. Programmet identifiserer brytepunkt og klasseskille som har mest lik verdi og maksimerer forskjellen mellom klassene. Egenskapene blir delt i klasser og grensene blir satt der det er store forskjeller i dataverdiene.
Figur 3: Naturlige brudd med 15 klasser. Exclusion ble satt til 0, slik at alle verdier med 0 ikke ble tatt med i kartet. Det vises at bruddene ikke er proporsjonale, det er tettere mellom klassene der det flere punkt-registreringer, mens det blir lengre mellom klassene der det er mindre registreringer.