طراحی نقشه
همانطور که در بخش قبل مورد بحث قرار گرفت، نقشه ها نماد ویژگی های جغرافیایی با توجه به ابعاد (نقطه، خط، مساحت یا سطح) و سطح اندازه گیری (کیفی یا کمی) ویژگی های آنها هستند. چه ویژگیهای جغرافیایی باید ارائه شود، چگونه باید طبقه بندی شوند، از چه نمادهایی باید استفاده شود، چگونه باید متن ها قرار داده شوند و چگونه عناصر نقشه نگاری باید چیده شوند، مسائل اصلی در طراحی نقشه هستند. به طور کلی طراحی نقشه شامل انتخاب، طبقه بندی، نمادسازی و طراحی طرح است.
انتخاب
طراحی نقشه بستگی به هدف نقشه دارد. پس از تعیین هدف، منطقه جغرافیایی که باید روی نقشه قرار گیرد باید مشخص شود. که ممکن است شهر، حوضه آبریز، منطقه یا کل جهان باشد. هرچه مساحت بزرگتر باشد، انحنای زمین در نقشه بیشتر می شود. بنابراین انتخاب ممکن است شامل انتخاب پیش بینی نقشه باشد، به ویژه برای نقشه برداری در مقیاس کوچک از منطقه بزرگ یا زمانی که نیاز به اندازه گیری دقیق از نقشه باشد.
همه نقشه های پیش بینی شده به نوعی تحریف شده اند (بخش ۲-۲ را ببینید). طرح نقشه باید به گونه ای انتخاب شود که الگوی مکانی را تحریف نکند یا تحریف ها را از منطقه مورد علاقه اصلی بر روی نقشه منتقل کند. مساحت مساوی یا پیش بینی های معادل عموماً برای ترسیم موضوعی توزیع داده ها بهترین هستند. به عنوان مثال برای تفسیر صحیح الگوها و چگالی های نقطه، طرح معادل مورد نیاز است. هنگام اندازه گیری فاصله از یک نقطه باید از پیش بینی نقشه های مساوی استفاده کرد. غالباً برای نقشه های مرجع در مقیاس بزرگ و برای نقشه هایی که مسیرها یا اشکال را نشان می دهند، استفاده می شود زیرا زاویه ها را حفظ می کنند تا مناطق. شکل ، اندازه و موقعیت ناحیه نقشه برداری نیز تعیین کننده های مهمی در تصمیم گیری در مورد پیش بینی نقشه هستند. جدول ۲-۲ توصیه های مفیدی را ارائه می دهد.
مهمترین وظیفه در مرحله انتخاب، انتزاع نقشه برداری و تعمیم است. همه ویژگی های جغرافیایی و ویژگی های آنها را نمی توان در نقشه نشان داد. هدف فرآیند انتخاب شناسایی آنچه با توجه به هدف نقشه مرتبط است، و انتخاب و سازماندهی اطلاعات برای کمک به کاربران برای تفسیر الگوها و فرآیندهای مکانی است. بخش ۱-۲ اصول و روش های انتزاع و تعمیم نقشه برداری را مورد بحث قرار داد.
طبقه بندی
برای اکثر نقشه ها ، طبقه بندی داده ها قبل از ترسیم آنها ضروری است. معمولاً استفاده از نماد منحصر به فرد برای هر پرونده داده برای هر ویژگی کاربردی نیست ، زیرا چشم انسان فقط توانایی محدودی برای تشخیص تعداد زیادی از نمادها یا سایه های رنگی مختلف دارد. طبقه بندی داده ها وسیله ای برای تعمیم نقشه های موضوعی است. تعمیم به درک داده های پیچیده کمک می کند. طبقه بندی شامل گروه بندی ویژگی های مشابه در کلاس ها برای کاهش پیچیدگی و سازماندهی داده ها است. این اساساً بر اساس ویژگیهای مرتبط با ویژگیهای جغرافیایی است. داده های ویژگی کیفی اغلب در کلاس ها (دسته ها) و زیر کلاس ها سازماندهی می شوند. به عنوان مثال ، تولید از محیط های نسبتاً طبیعی ، طبقه ای از کاربری زمین است. می توان آن را به دو زیر طبقه تقسیم کرد: چرای گیاهی طبیعی و جنگلداری تولیدی. جنگلداری تولیدی را می توان به دو زیر طبقه تقسیم کرد: تولید چوب و سایر تولیدات جنگل. هنگام نگاشت مقادیر ویژگی کیفی ویژگی های جغرافیایی، آنها به کلاس ها یا زیر کلاس ها گروه بندی می شوند. هر کلاس یا زیر کلاس با استفاده از یک رنگ یا الگوی مشخص نمادین می شود.
شکل ۸-۹ طبقه بندی داده ها: (الف) فاصله مساوی ، (ب) شکاف های طبیعی ، (ج) کمی و (د) انحراف استاندارد
داده های کمی ویژگی، توصیف تعداد، مقادیر، نسبت ها یا مقادیر رتبه بندی شده، به طور کلی در تعدادی از کلاس ها طبقه بندی می شوند که هر کدام طیف وسیعی از مقادیر عددی را نشان می دهند. بسیاری از روشهای طبقه بندی داده ها وجود دارد. روشهای طبقه بندی که بیشتر در GIS موجود است شامل فاصله یکسان، شکاف های طبیعی، کمی و انحراف استاندارد است.
فاصله برابر
این روش طبقه بندی داده ها را به محدوده های مساوی تقسیم می کند. به عنوان مثال ، اگر ویژگی ها از ۰ تا ۱۰۰۰ متغیر باشند و باید در پنج کلاس گروه بندی شوند، هر کلاس دارای فاصله ۲۰۰ و پنج کلاس ۰ تا ۲۰۰ ، ۲۰۱ تا ۴۰۰ ، ۴۰۱ تا ۶۰۰ ، ۶۰۱ تا ۸۰۰ و ۸۰۱-۱۰۰۰ خواهد بود. به طور کلی فاصله کلاس با تقسیم کل دامنه همه داده ها (بالاترین مقدار داده منهای پایین ترین مقدار داده) بر تعداد کلاس ها تعیین می شود. شکل ۸-۱ نقشه خانوار غنی ای است که با استفاده از روش فاصله مساوی، با فاصله کلاسی ثابت ۳۰۰ به شش طبقه طبقه بندی شده است. برای مقایسه در شکل ۸-۹ a بازتولید شده است.
روش بازه مساوی به راحتی قابل درک است و برای محدوده های داده آشنا مانند درصد مناسب ترین است. همچنین برای مقایسه مقدار یک مقدار با سایر مقادیر مفید است. به عنوان مثال می توان نشان داد که منطقه تولید کشاورزی بخشی از گروه مناطق تولید کشاورزی است که یک پنجم برتر درآمد ناخالص سالانه تولیدات کشاورزی را تشکیل می دهد. با این حال این روش طبقه بندی ممکن است کلاسهایی با توزیع نابرابر ویژگیها ایجاد کند و در برخی موارد ممکن است کلاسهایی تولید کند که هیچ ویژگی ندارند. در مثال نشان داده شده درشکل ۸-۹ a ، طبقه پنجم هیچ داده ای ندارد (یعنی هیچ منطقه دولتی محلی دارای تعدادی خانوار غنی در محدوده ۱۲۰۱ الی ۱۵۰۰ نیست)، بنابراین در نقشه نشان داده نشده است.
شکاف های طبیعی
روش شکاف های طبیعی روش طبقه بندی با حداقل واریانس (در کلاس ها) است. این بر اساس گروه بندی طبیعی مقادیر داده مرتبط با ویژگی های جغرافیایی است. این روش با شناسایی الگوهای ذاتی در داده ها، شکاف های طبیعی را شناسایی می کند. داده ها به کلاس هایی تقسیم می شوند که مرزهای آنها در جایی که تغییرات نسبتاً زیادی در مقادیر داده ها وجود دارد، تنظیم می شوند به طوری که تفاوت در مقدار داده ها بین کلاس ها به حداکثر می رسد در حالی که تفاوت در مقادیر داده در کلاس به حداقل می رسد. این روش در GIS با استفاده از الگوریتم خاصی مانند الگوریتم جنکس (جنکس و کاسپال، ۱۹۷۱) انجام می شود. الگوریتم جنکس بر اساس به حداقل رساندن مجموع انحرافات مربعی اعضای کلاس از مقادیر میانگین است. با مجموعه ای تصادفی از کلاس ها شروع می شود، این روش در مواقعی که شکاف های طبیعی رخ می دهد استفاده می شود، اما اغلب داده ها بیش از حد پراکنده هستند تا شکاف های واضحی را ارائه دهند. به طور کلی در آشکارسازی الگوهای ذاتی داده ها خوب است. با این حال، شکاف های کلاس معمولاً ناهموار، غیر معمول و مختص داده ها است. بنابراین برای مقایسه نقشه ها بر اساس اطلاعات زیربنایی مختلف مناسب نیست. شکل ۸-۹ b نقشه خانواده غنی طبقه بندی شده با استفاده از روش شکاف طبیعی را نشان می دهد.
مقدار
این روش داده ها را به گونه ای گروه بندی می کند که هر کلاس دارای تعداد مساوی از ویژگی ها باشد. هر کلاس تقریباً به طور مساوی روی نقشه نشان داده شده است. برای داده های توزیع شده خطی مناسب است و برای داده های معمولی بسیار مفید است ، زیرا طبقه بندی چگالی ها بر اساس داده های رتبه بندی شده است. محدوده کلاسها معمولاً نامنظم هستند زیرا ویژگیها بر اساس تعداد هر کلاس گروه بندی می شوند ، همانطور که در تصویر نشان داده شده است شکل ۸٫۹cبه این روش ممکن است یک نقشه بصری جذاب اما گمراه کننده ایجاد کند. این به این دلیل است که طبقه بندی ممکن است منجر به موقعیتی شود که ویژگی های مشابه در کلاس های مجاور قرار داده شود ، در حالی که ویژگی هایی با مقادیر بسیار متفاوت در یک کلاس قرار می گیرند. این اعوجاج را می توان با افزایش تعداد کلاس ها به حداقل رساند.
انحراف معیار
این روش داده ها را با توجه به انحراف آنها از میانگین مجموعه داده طبقه بندی می کند. ابتدا مقدار میانگین را محاسبه می کند، سپس با افزودن یا کم کردن انحراف استاندارد از میانگین، شکاف های کلاس ایجاد می کند. فواصل کلاس می تواند انحراف استاندارد، ation انحراف معیار، devi انحراف استاندارد یا ation انحراف استاندارد باشد. این اغلب منجر به ایجاد کلاس مرکزی به عنوان میانگین مقدار +/- نیم فاصله کلاس می شود. مثلا اگر فاصله کلاسها انحراف استاندارد باشد، کلاس مرکزی از میانگین منهای ۵/۰ انحراف استاندارد تا میانگین بعلاوه ۵/۰ انحراف استاندارد متغیر است، با کلاسهای اضافی در فواصل انحراف استاندارد +/- ۱ فراتر از این کلاس مرکزی است. شکل ۸-۹ d مثالی ارائه می دهد این روش به ویژه هنگامی مفید است که هدف نشان دادن انحراف از میانگین باشد.
نقشه های نشان داده شده در شکل ۸-۹ با استفاده از روش های مختلف طبقه بندی داده ها بر اساس مجموعه داده یکسان طبقه بندی می شوند. بدیهی است که روش های مختلف می تواند منجر به نمایش متفاوت داده های یکسانی شود که از آنها نتیجه گیری های متفاوتی می توان گرفت. هیچ روش منحصر به فردی برای طبقه بندی داده ها وجود ندارد. آزمایش و قضاوت بسیار مهم است. روش طبقه بندی مناسب باید به آشکارسازی الگوها و ناهنجاری هایی که در غیر این صورت ممکن است مبهم باشند، کمک کند. اصل کلی این است که روش طبقه بندی انتخاب شده باید الگوهای معنی داری تولید کند، پیام های واضح را منتقل کند و به راحتی توسط کاربران قابل تفسیر باشد. برای سهولت در تفسیر، توجه مهم در هر روش طبقه بندی، انتخاب تعداد مناسب کلاس است. به دلیل ناتوانی کاربران در تمایز بین نمادهای مختلف، به طور کلی توصیه می شود که پنج تا هشت کلاس داشته باشید. کلاسهای بیشتر ممکن است چیزهای زیادی به نقشه اضافه نکنند و تفسیر ویژگیهای اصلی را ساده تر نکنند. علاوه بر این کل دامنه داده ها باید بدون کلاسهای همپوشانی و بدون شکاف در محدوده داده ها گنجانده شود. کادر ۸-۴ نحوه طبقه بندی داده های کمی برای نقشه برداری موضوعی در ArcGIS را نشان می دهد.
نماد سازی
نمادسازی فرایند انتخاب نمادها و استفاده از متغیرهای بصری برای نشان دادن ویژگی های جغرافیایی به شیوه ای منطقی است. برای موفقیت نقشه بسیار مهم است، زیرا همه چیز روی نقشه، نماد است. GIS مجموعه بزرگی از نمادها را ارائه می دهد و به کاربران اجازه می دهد تا متغیرهای بصری را برای ایجاد انواع جدید تنظیم کنند. با این حال نمادهای نقشه باید آگاهانه و مناسب انتخاب شوند. به عنوان یک اصل کلی، نمادهای نقشه باید ساده، شهودی، سیستماتیک و سازگار باشند.
بدون دیدگاه