ESAEducationHoofdpaginaWeer en klimaatOpwarming van de AardeNatuurrampen
   
Over Eduspace
Wat is Eduspace?Welke instrumenten worden aangeboden?
Talen
Remote Sensing
Wat is remote sensing?Beginselen van 'Remote Sensing'Geschiedenis van aardobservatie
Kaarten en satellietgegevens
SatellietbanenAardobservatie
satellieten
Bronnen
Multimedia
Earth images galleryImage GalleryVideo Gallery
Services
Contact usZoek in Eduspace
 
 
 
 
 
printer friendly page
A model with a grid
Model van een kaart met een raster
Kaarten en satellietgegevens
 
Inleiding
 
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.  
 
Choropletische kaarten zijn speciale thematische kaarten die veel overeenkomst vertonen met digitale beelden.

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.
 
 
Chorological matrix
Chorologische matrix
Chorologische matrix
 
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.
 
 
Two classification examples based on a histogram
Twee voorbeelden van classificatie op basis van een histogram
Histogram
 
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.
 
 
Suitable classification depends on the purpose of the map
De geschikte classificatie hangt af van het doel van de kaart
Classificatie
 
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.
 
 
Classifications often require compromise
Voor classificaties is vaak een compromis nodig
Voor classificaties is vaak een compromis nodig. Bijvoorbeeld, in het geval van vier klassen krijgt een voorstedelijk gebied de status van een dorp. Het aantal klassen is belangrijk.

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.
 
 
Digitale beelden
 
Een digitaal beeld is een chorologische matrix. De grootte van de vierkantjes in het rooster is gelijk aan de ruimtelijke resolutie van het (satelliet)beeld en hangt af van het instrument waarmee de gegevens worden verkregen. De getallen in het rooster zijn afhankelijk van de mate waarin de apparatuur variaties kan onderscheiden. Digitale beelden bevatten vaak waarden tussen 0 en 255. Deze waarden komen exact overeen met de capaciteit van 1 byte in de computer.

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.
 
 
A digital image is a chorological matrix
Een digitaal beeld is een chorologische matrix
Voor het maken van kaarten wordt al sinds vele jaren gebruik gemaakt van luchtfotografie, waarbij de luchtfoto direct als kaart dienst kan doen. Tegenwoordig wordt meer en meer gewerkt met scanners in vliegtuigen en satellieten. Daarmee wordt de elektromagnetische straling van het oppervlak gemeten over een groot aantal kleine deelgebiedjes (pixels in het beeld).

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.
 
 

 


 
 
 
   Copyright 2000 - 2015 © European Space Agency. All rights reserved.