Kartograafiline generaliseerimine (0)

Eesti Maaülikool
Põllumajandus- ja keskkonnainstituut
Kartograafiline generaliseerimine
Referaat
Koostajad: …
Juhendaja : …
Tartu 2015
Sisukord
Table of Contents
Sissejuhatus 3
Generaliseerimine ja selle kasulikus 4
Kriteeriumid näitamaks generaliseerimise vajadust 4
Generaliseermise meetodi 6
Generaliseerimine GIS-i programmides 7
Ramer Douglas Peucker ’i ja Lang’i algoritm 8
Kokkuvõte 11
Kasutatud kirjandus 12
Sissejuhatus
Referaadi teemaks on kartograafiline generaliseerimine, kus räägitakse generaliseerimisest, selle vajadusest, generaliseerimis meetodites ja algoritmidest, mida kasutatakse generaliseerimisel. Esimese peatükkis räägitakse, mis asi on generaliseerimine ja selle vajalikusest, seal tuuakse abistavaid näiteid, mis aitavad teemat paremini mõista. Järgmiseks teemaks kriteeriumid näitamaks generaliseerimise vajadust. Selles peatükis on välja toodud 6 aspekti, mis vajavad generaliseerimist. Kolmanda osa teemaks on generaliseerimis meetodid. Seal on 6 meetodit, millest on illustreeriv ja abistav joonis, mis seletab meetodid lahti. Peale kolmandat teemat kirjeldatakse generaliseerimis etappe GIS-i programmides, milleks on ArcGIS ja QGIS . Selles peatükis tuuakse täpsed juhised, kuidas raster - ja vektorandmeid generaliseerida. Viimases peatükis kirjeldatakse kahte algoritmi . Algoritmideks on Ramer Douglas Peucker’i ja Lang’i algoritm, mõlemad põhimõte on sama, kuid need algoritmid teevad erinevaks paar nüansi. Referaadis on toodud välja valdkondi, mis aitavad generaliseerimist mõista ja annavad ülevaate generaliseerimise kasutamisest.
Generaliseerimine ja selle kasulikus
Generaliseerimine on kaardi ruumiandmete detailsuse vähendamine, rõhutamine vastavalt kaardi eesmärgist ja mõõtkavast. Generaliseerimine on protsess, kus otsustatakse, milliseid objekte kaartil tuleks välja jätta, esitada, lihtsustada, et üldine esitus oleks selgem. Selle protsessi teeb keeruliseks geograafilise maailma esitlemine võimalikult tõetruult, et liigse detailsuse vähendamisel säiliks ruumiandmete omavaheline iseloomulik suhe. Generaliseerimisel ei saa arvestada ainult üksikuid objekte vaid objektide omavahelist ruumilisi ja sisuslisi seoseid, et iseloomulikud maastikumustrid oleks edasi antud. (Sisas, Suurna 2012: 35)
Näiteid generaliseerimisest. Topograafiline kaart sisaldab peamiselt informatsiooni maapinnakohta, aga rahvastiku kaart võib rõhutada administratiivpiire, kuid ei pruugi maapinna kohta informatsiooni üldse näidata. Kaarti mõõtkavast tulenevalt oleneb, kui palju kaardiruumi saab kasutada ja kui detailne on andmete esitus. Kaardimõõtkava vähendamisel võib sama andmestiku esitamine muutuda kaardi andmetega liiga ülekoormatuks ja ka loetamatuks. Suuremõõtkavalisel kaardil üksikud hooned kõik detailselt. Keskmise mõõtkavalistel kaartidel võidakse üksikobjektid kujundada punktleppemärkidega ja teised eemaldada, kuid ka muuta see ala üheks hoonestatud alaks, kui mõõtkava veel vähendada võidakse esitada see ala linna alana või punktina. Sellepärast ongi generaliseerimine vajalik, kuna ruumiandmete esitamine erinevates mõõtkavades tekitab vajadust ruumiandmete muutmisele.( Sisas, Suurna 2012: 35)
Kriteeriumid näitamaks generaliseerimise vajadust
Järgnevalt on välja toodud baaskriteeriumid, millega määrata, kas kaarti tuleb generaliseerida ( McMaster , Shea s.a:59).
1. Tihedusnäitajad ( density measures ): Antud meetmeid hinnatakse mitmete andmete põhjal, milleks on mitu punkti, joont või polügoni esineb teatud mõõtmetega alal. Generaliseerimise vajadust mõjutab ka punktide, joonte ja polügonide paiknemise tihedus või antud andmete klastri keskpunkt.
2. Jaotusnäitajad (distribution measures): Antud meetmetega hinnatakse üleüldist kaardi andmete jaotust. Punktandmeid võib uurida hindamaks antud andmete hajutavust, kaootilisust ja klastrilisust. Joonelisi andmeid võib uurida hindamaks nende andmete komplekssust. Näiteks pole vaja suuremõõtkavalisele kaardile märkida kõiki tee pöördeid täpselt vaid märgitakse pigem üldisemalt tee kulgemine kaardil.
3. Kujunäitajad (shape measures): Kuju hindamine on kasulik määrates, kas polügooni piirjooni saab esitada kaardi mõõtkava muutmisel samasugusena või mitte.
4. Vahemaa näitajad ( distance measures): Distantsi punktide, joonte ja polügoonide vahel saab hinnata mitut moodi. Võimalusteks antud vahemaid hinnata on lühima ristsirge vahemaana või eukleidilise vahemaana punktide, joonte või polügoonide vahel. Mõlemil juhul on võimalik vahemaad arvutada ainult kolmel erineval moel. Nendeks on vahemaa punktist punkti, vahemaa punkti puhvrist punkti puhvrisse ja vahemaa punktide puhvri vahel. Puhvri all on mõeldud antud juhul objekti reaalse asukoha ja kaardile märgitud objekti sümboli suuruse erinevust. Antud piiritlustega saab määrata, kas generaliseerimise probleem esineb tulenevalt sellest, kas objektid ja nende sümbolid on kaardi mõõtkava muutmisel kooskõlas või on nende vahel tekkinud mingisugune konflikt.
5. Gestalt näitajad (gestalt measures): Antud näitajate all peetakse silmas sulgumist, jätku, sarnasust , lähedust, kujundi alust ning tavapärasulisust.
6. Abstraktsed näitajad ( abstract measures): Antud näitajateks võivad olla komplektsus, sümmeetria, homogeensus , heanaaberlikkus, kordumine, perioodilisus.
Viimaseid kahte näitajat võrreldes ülejäänud näitajatega on raskem hinnata ja arvutada. Üleüldiselt, et rakendada ülaltoodud näitajaid generaliseerimaks erinevaid kaarte, pole olemas täpseid suuniseid vaid vaja on ka antud teema kohta kõrgetasemelisi teadmisi.
Generaliseermise meetodi
Joonis 1. Kartograafilise generaliseerimise meetodid Esri järgi. Allikas: ( Sisas, Suurna 2012: 35).
Erinevaid situatsioone käsitletakse erinevalt. Esri järgi on 9 generaliseerimis meetodit. Generaliseerimis meetodid aitavad erinevaid objekte muuta, et kaart oleks loetav ning poleks üleliigseid andmeid. Need meetodid on välja toodud joonisel 1. Joonisel 1 on toodud meetodite teemad, nende seletused ja abistavad pildid.
Generaliseerimine GIS-i programmides
Generaliseerimist on võimalik ta teha GIS-i programmides. Programmides on võimalik eemaldada liigseid detaile nagu eemaldades väiksemad maanteed ja jätta kaardile põhimaantee või näidata kõiki maakonnapiire vaid ainult riigi piire . GIS-i programmides generaliseerimisel saab kasutada joonte silumist. Näiteks igasugused rannajoone teravamad tipud ja üldiselt muudetakse rannajoon sujuvamateks. Kuna generaliseerimisel muudetakse geograafiline objekt lihtsamaks on andmed ebatäpsed. Need, kes kasutavad generaliseeritud andmeid arvutades kauguseid, perimeetreid, piirkonna pindala, tekivad arvutustel vead. (Morais s.a)
ArcGIS-is erinevaid vahendeid sõltuvalt, kas üldistatakse vektorit või rasterandmeid. Töövahendiks on Spatial Analyst toolbox , mis võimaldab mitmeid erinevaid meetodeid üldistamaks rasterandmeid. Toolbox on jagatud kolme kategooriasse: tsoonide andmete koondamine , silub andmete jooni, vähendab rasteri resulotsiooni.Vektorandmete lihtsutamisel kasutatakse Editing Toolset-i, kus kasutatakse Dpuglas-Peucker-i algoritmi, et lihtsustada jooni. Generalization toolset ja Cartography toolbox kasutatakse vektorandmete lihtsustamisel ja resolutsiooni vähendamisel. (Morais s.a)
Simplify Geometries tool kasutatakse QGIS-is generaliseerimisel. Joonisl 2 on näidatud kuidas valida Simplify Geometries: Vector -> Geometry Tools -> Simplify geometries, peale seda tuleb lahti hüpikaken, kus on võimalik valida joone või polügooni vahel ning valida soovitud meetod. (Morais s.a)
Joonis 2. Simplify Geometries tool kasutamise näidis (Morais s.a).
Ramer Douglas Peucker’i ja Lang’i algoritm
Ramer Douglas Peucker’i algoritmi ülesandeks on vähendada kurvide moodustumisel esinevaid punkte. Antud algoritm vähendab antud punkte ’’mõeldes’’ kurvi moodustumiseks reas olevate punktide esimese ja viimase punkti vahel olevale joonele. Olenevalt epsilonist (määratud kaugus kahe punkti vahel olevast joonest), kaotatakse kurvis olevad vahepealsed punktid ning jäävad alles punktid, mille kaugus kurvilise teekonna algus ja lõpp-punkti vahelisest joonest on kaugemal, kui epsiloniga määratud kaugus. Antud algoritmi illustreeriv pilt on ära toodud joonisel 3. (Karthaus 2012)
Joonis 3. Ramer Douglas Peucker’i algoritmi illustratsioon (Karthaus 2012).
Antud joonisel on näidatud kollasega märgitud jooni ja punkte algse teekonnana ning siniseid jooni ning punkte kasutades Douglas Peucker’i algoritmi. Kollasega märgitud punktid antud joonisel on välja jäetud seetõttu, et sinisega märgitud joonele asuvad antud punktid lähemal, kui epsiloniga ära määratud kaugus ette näeb.
Lang’i algoritm on Ramer Douglas-Peucker’i algoritmile väga sarnane. Samuti, nagu Douglas-Peucker’i algoritm, kaotab ka Lang’i algoritm kurvilise teekonna punkte algus ja lõpp-punkti vahelise joone ristsirge kauguse kaudu. Ainukeseks erinevuseks Lang’i algoritmi puhul on see, et vahepealseid punkte esimese ning viimase punkti vahel valitakse teisiti. Nimelt juhul, kui esimese ja viimase punkti vahel on mõni punkt, mis jääb alg ja lõpp-punkti vahelisest joonest epsiloniga määratud kaugusest välja, võetakse antud juhul uus lõpp-punkt nii kaua, kuni seda enam ei juhtu. Douglas-Peucker’i algoritmi puhul võetakse antud vahepealne punkt kohe viimaseks punktiks, misjärel liigutakse edasi. (About the Lang 2012)
Kokkuvõte
Generaliseerimine on kaardi lihtsustamine, mis muudab kaardi loetavaks ja eemaldab ebavajalikud andmed, kuid muudab kaardi andmed ebatäpseks. Generaliseerimise vajadust näitavad teatud kriteeriumid, milleks on tihedusnäitajad, jaotusnäitajad, kujunäitajad, gestalt näitajad, vahemaanäitajad, abstraktsed näitajad. Kaardi kriteeriumite aluselt lihtsustatakse, muudetakse või eemaldatakse kaardiandmeid. Näiteks sarnased ja kõrvuti olevad polügoonid muudetakse üheks polügooniks, seda nimetatakse agregeerimis meetodiks . Lihtsustamis meetodis muudetakse joon- või polügoonobjektid sujuvamateks , kus eemaldatakse ebavajalikud osad üldist kuju muutmata. Joonobjektide lihtsustamisel kasutatakse algoritme nagu Ramer Douglas Peucker’i ja Lang’i algoritm. Generaliseemisel on GIS-i programmides olemas eraldi tööriistad, millega tagatakse vajalik eesmärk.
Kasutatud kirjandus

• About the Lang Algorithm. (2012). SUNY Institute of Technology. Kättesaadav: http://web.cs.sunyit.edu/~poissad/projects/Curve/about_algorithms/lang.php (30.11.15)
  
• Karthaus, M. (2012). Javascript implementation of the Ramer Douglas Peucker Algorithm. Kättesaadav: http://karthaus.nl/rdp/ (30.11.15)
  
• McMaster, R.,B. (s.a.). Cartographic generalization in a digitaal enviroment: when and how to generalize. lk. 59.Kättesaadav: http://www.mapcontext.com/autocarto/proceedings/auto-carto-9/pdf/cartographic-generalization-in-a-digital-environment-when-and-how-to-generalize.pdf (30.11.15)
  
• Morais, C., D. (s.a). Generalization in GIS. Kättesaadav: http://www.gislounge.com/generalization-gis/ (30.11.15)
  
• Sisas, E., Suurna, R. (2012). Kartograafia alused. Tallinn. lk 35. Kättesaadav: http://www.ekk.edu.ee/vvfiles/0/kartograafia_oppematerjal.pdf (30.11.15)