|
|
Kaarten en satellietgegevens 
Een kaart kan een overzicht geven van een groot geografisch gebied. De mate van detaillering van het gebied is echter beperkt en hangt af van het gezichtspunt van de samensteller en/of het doel van de kaart.
Een thematische kaart beperkt zich vaak tot de ruimtelijke verdeling van een enkel kenmerk, bijvoorbeeld temperatuur of bevolkingsdichtheid.
Chorologische cartagrofie wordt tegenwoordig gebruikt bij digitale beeldverwerking. Het maken van kaarten van nederzettingen kan dit illustreren. De dichtheid van nederzettingen kan chorologisch in kaart worden gebracht door een rooster over een topografische kaart te leggen. In elke vierkantje wordt het aantal huizen geteld.
Het resultaat is een chorologische matrix van getallen in een coördinatenstelsel. De geografische verdeling van de nederzettingen is nu in zekere zin gedigitaliseerd ('digit' = cijfer) en daarmee geschikt voor verwerking met de computer. We kunnen nu een overzicht krijgen door de statistische gegevens over de verdeling van de huizen te verzamelen.
Het histogram laat de spreiding van de gegevens in de chorologische matrix zien. Op basis van het histogram kunnen we de beeldgegevens in verschillende klassen onderbrengen. In de illustratie zien we twee voorbeelden van classificatie op basis van het getoonde histogram: De ene classificatie telt vier klassen (landbouw, dorp, stad en overig) en de andere classificatie telt twee klassen (land en stad)
Voor de chorologische matrix kunnen we een gewoon rooster gebruiken om het aantal huizen in elk vierkantje te tellen, bijv. (0, 1, 2, enz). Het rooster kan worden gebaseerd op geografische coördinaten of op het UTM-coördinatenstelsel. We moeten ook de grootte van het rooster definiëren. Voor een UTM-rooster kan dat honderd meter of tien kilometer zijn, naargelang de schaal van de kaart en de verdeling van de in kaart te brengen kenmerken. Het overzicht in het histogram vormt het uitgangspunt voor het definiëren van groepen (klassen): Zo zou je de vierkantjes met 0 huizen bijvoorbeeld kunnen definiëren als bos- en recreatiegebied, die met 1 tot 7 huizen als bouwland, die met 8 tot 11 huizen als dorpen en de vierkantjes met meer dan 11 huizen als steden.
De maker van de kaart kiest zelf een voor zijn doeleinden geschikte classificatie. Classificaties zijn deels een subjectieve kwestie en van dezelfde chorologische matrix kunnen veel verschillende kaarten worden gemaakt.
De gekozen classificatie wordt in het histogram gezet en elke klas wordt aangegeven met arcering, een grijze achtergrond of kleuren. De vierkantjes in het rooster krijgen de arcering die overeenkomt met hun classificatie (aantal huizen), zodat een themakaart ontstaat.
In een classificatiesysteem met veel klassen kun je veel details laten zien , zodat een fijnmazig onderscheid mogelijk is tussen de vierkantjes. Daarentegen kunnen er bij groepering in te weinig (grote) klassen veel details verloren gaan.
De chorologische matrix wordt in de computer ingevoerd en de afzonderlijke vierkantjes van het rooster worden op het scherm weergegeven als een stip: een pixel (= beeldelement). De pixelpositie van de getalwaarde in elk vierkantje wordt aangegeven met x-y-coördinaten. De achtergrond van elke pixel krijgt een grijswaarde die overeenkomt met de pixelwaarde. De matrix komt er op het scherm dan uit te zien als een beeld of themakaart.
Elk gescand deelgebiedje krijgt een getal overeenkomstig de hoeveelheid straling. Als bovendien de geografische coördinaten van elk deelgebied bekend zijn, is het resultaat een chorologische matrix. Door de matrix te bewerken kunnen we hem als een kaart weergeven. We moeten dan de nieuwe rij- en kolomnummers berekenen en de betreffende pixelwaarden toekennen. We moeten die waarden dan wel interpoleren, wat betekent dat ze enigszins wijzigen. Je kunt een matrix eindeloos bewerken door optelling, aftrekking, vermenigvuldiging of deling van gegevens uit andere bronnen of kaarten. Die technieken noemen we digitale beeldverwerking. Ze worden gebruikt voor het verwerken van de grote chorologische matrixen die worden samengesteld op basis van remote sensing-gegevens.
Dit soort informatie is tegenwoordig onmisbaar voor het maken van kaarten. Remote sensing en digitale beeldverwerking zijn snelle, voordelige technieken die ons verzekeren van actuele kaarten. We hebben ze ook nodig om milieuveranderingen lokaal en wereldwijd in real time in kaart te brengen.
|
