Geografiska informationssystem – användning

2002-02-15 14:07

Geografiska informationssystem – användning idag och utvecklingstendenser Lars Eklundh Naturgeografiska institutionen Lunds Universitet Lars Harrie Institutionen för Teknik och Samhälle Lunds Tekniska Högskola

Inledning Geografiska informationssystem (GIS) är etablerade verktyg för hantering och analys av geografisk information i Sverige. Från att för tio år sedan ha varit en teknik som relativt få personer och organisationer behärskade så finns den idag inom i stort sett alla organisationer där geografisk information hanteras. I en enkät genomförd av ULI (Utvecklingsrådet för Landskapsinformation) kan man utläsa att över 14 000 personer inom 327 organisationer i Sverige dagligen använder GIS. Användandet av GIS har sedan 1995 ökat med 39 %. GIS befanns också vara en integrerad del av organisationerna i 41 % av fallen, och ytterligare 42 % planerar att integrera GIS (Andersson, 2001). Dessa siffror visar med önskvärd tydlighet det genomslag som GIS har fått i samhället. Enkäten visar också att den övervägande delen av de tillfrågade organisationernas kartmaterial idag är digitalt. Särskilt viktiga digitala data är fastighetsgränser och samfälligheter med koppling till fastighetsdatasystemet. Andra viktiga data är belägenhetsadresser med koppling till fastigheter och koordinater samt väg- och gatunät. De allra viktigaste användningsområdena finns inom fysisk planering, allmän kartframställning, tekniska försörjningssystem, fastigheter, miljövård och skogsvård (Andersson, 2001). Ökningen av GIS-användning i samhället går hand i hand med en generell ökning av utnyttjande av geografisk information och med en ökad medvetenhet om nyttan i geografiska analyser. Idag föreligger behov för geografiska analyser inte bara inom de organisationer som traditionellt använt kartor, utan också inom helt andra sektorer i samhället. Några exempel på nya tillämpningsområden för GIS eller områden där GIS relativt nyligen fått en märkbart större betydelse är: arkeologi, där GIS används för t.ex. dokumentation och visualisering av fyndplatser; transportsektorn, där GIS används bl.a. för att optimera transportrutter; totalförsvar och räddningstjänst, där GIS används bl.a. för att effektivisera insatser, analysera katastrofscenarier och kartera minområden; jordbruk, där GIS används bl.a. för att optimera driften och sammanställa arealstatistik; kriminologi, där brott kan sättas in i sitt rumsliga sammanhang med hjälp av GIS; samt bilindustrin, där GIS och GPS-teknik används för att förse bilar med navigationssystem och system för att hjälpa bilister i nödsituationer. Listan kan göras mycket längre.

1

2002-02-15 14:07 Det finns många bidragande faktorer till denna ökning, men det är klart att den ökade tillgängligheten till datorer, program och digitala data underlättat för GISanvändningen och därför öppnat för en ökad medvetenhet och spridning av tekniken till nya sektorer. I det här bidraget till Svensk Geografisk Årsbok kommer vi att börja med en översiktlig genomgång av de fundament som dagens GIS-tekniken bygger på, och därefter ger vi vår personliga syn på de utvecklingstendenser som finns inom tekniken, med tonvikt på försörjning, distribution, analys och visualisering av geografiska data.

Vad är rumslig analys och GIS? Rumslig analys innebär studier av hur geografisk placering, spridning och form påverkar olika processer och samband (Eklundh, 2001). De enskilda rumsliga förhållanden man studerar kan var mycket enkla, som avstånd eller area, eller mer komplicerade, som t.ex. rumslig samvariation eller spridningsmönster. Man studerar också dynamiska förlopp, dvs. förlopp genom tiden, som flöden och förändringar. Att studera hur rumsliga mönster förändrar sig över tiden kan ge mycket god insikt i de underliggande processer som påverkar ett förlopp. För att bygga en databas med GIS skapar man en modell av verkligheten, en förenkling, som består av mindre beståndsdelar. Man börjar ofta med att skilja mellan kontinuerliga ytor och enskilda objekt. Kontinuerliga ytor varierar mer eller mindre jämnt i rummet, som temperatur, lufttryck el. dyl., medan enskilda objekt är klart avgränsade och kan modelleras som punkter, linjer, ytor eller kroppar. Exempel på enskilda objekt är byggnader, vägar, administrativa regioner och vattenreservoarer. Med denna första indelning som grund har det utvecklats detaljerade beskrivningar av hur de olika objekttyperna ska modelleras och representeras i datorn. De kontinuerliga ytorna behandlas nästan uteslutande som raster i datorn. Ett raster är ett rutnät där varje enskild cell svarar mot en punkt eller yta i rummet. Varje cell har ett värde som motsvarar värdet av variabeln i motsvarande yta i verkligheten. Som exempel kan man nämna de svenska höjddatabaserna i skala 1:50 000 som lagras som raster, där varje rastercell motsvarar höjden i mitten av en 50 x 50 m ruta på marken. Man kan utöver kontinuerliga ytor även lagra enskilda objekt som raster, men vanligare är att man här använder en vektorrepresentation. Detta innebär att man lagrar koordinater som beskriver objektens utbredning i rummet. För att beskriva t.ex. en homogen yta (polygon) lagrar man bara de koordinater som beskriver ytans yttre begränsningslinje. Man kan i viss mån även representera kontinuerliga ytor. Dessa förenklas då till klasser, och lagras som isolinjer (jmf. höjdkurvor). Figur 1 visar raster- och vektordata.

2

2002-02-15 14:07

S S S S S S S S S

S S S S S S S S Ö

S S S S S S S Ö V

S S S S S S Ö V Ö

S S S S Ö Ö V Ö Ö

Ö Ö Ö Ö V V Ö Ö Ö

V V V V Ö Ö Ö Ö Ö

Ö Ö Ö Ö Ö B B B Ö

Ö Ö Ö Ö Ö B B B Ö

Ö Ö Ö Ö Ö Ö Ö Ö Ö

(b)

(a)

Sjö

Väg

S – Sjö V – Väg B – Byggnad Ö – Övrigt

Byggnad

Figur 1. Rasterdata (a) och vektordata (b). Objekten i (b) består av vektorer vars brytpunkter (fyllda cirklar i figuren) lagras som x- och y-koordinater. I de första vektordatabaserna lagrades objekten oberoende av varandra. Om man ville analysera vilka objekt som satt ihop, t.ex. i ett vägnät, var man tvungen att göra tidskrävande jämförelser av de olika linjernas koordinater. Idag är de flesta geografiska databaser lagrade i en s.k. topologisk datastruktur vilket innebär att man förutom koordinaterna även explicit lagrar information om de topologiska förhållandena (grannskap, sammankoppling etc.). Detta innebär att många analyser kan göras snabbare och tillförlitligare. Utöver de geometriska beståndsdelarna definieras också beskrivande attribut som ger möjlighet att lagra detaljerade specifikationer för varje objekt. Till ett ytobjekt som ska representera en sjö kan man lagra t.ex. sjöns namn, djup och vattenvolym. Attributinformationen lagras i tabeller som kan hanteras internt i GIS-programmen eller med externa program, t.ex. databashanterare. En större samling geografiska data relaterad till någon särskild verksamhet benämner vi databas. Man kan urskilja tematiska delar av denna, t.ex. enbart vägarna, husen eller trottoarerna i en databas över en stad. Sådana delar benämner vi dataskikt. När nu den rumsliga informationen är definierad ska vi kort diskutera hur man arbetar med den i GIS. Ett GIS är ”Ett datoriserat informationssystem för hantering och analys av geografiska data” (Eklundh, 2001). Viktiga funktioner som ska ingå i ett komplett GIS är: • •

Inläsning och utleverans av data, t.ex. import från andra system, digitalisering m.m. Datahantering, dvs. genom en rationell lagring tillåta sökning och sortering av data som gör att man kan modifiera informationen, hantera tilläggsdata av olika slag m.m.

3

2002-02-15 14:07 • •

Analys, dvs. undersökning av geometriska och topologiska förhållanden för enskilda variabler och för samband mellan olika variabler. Presentation av data och resultat i form av kartbilder, statistik, tabeller m.m.

Denna traditionella definition av GIS syftar till att poängtera allsidigheten hos systemen, i kontrast mot system som enbart är gjorda för att klara av någon enstaka funktion. Således räknar man inte ett CAD-system eller ett rent kartpresentationssystem till GIS eftersom de sällan klarar av särskilt mycket rumslig analys. Emellertid får man studera kravlistan ovan i ljuset av den utveckling som har skett på senare år. Utvecklingen har gått åt två håll, dels mot vidareutvecking och förbättring av programmen i de generella geografiska informationssystemen, dels mot system som är specialiserade på en viss uppgift. Det är idag vanligt med system som är helt anpassade till användaren, där denne inte med nödvändighet måste besitta någon större teknisk GIS-kunskap. Som exempel kan nämnas de navigationssystem som idag sitter i många taxibilar och där en dator utför avancerade rumsliga sökningar, medan användaren bara behöver mata in en enkel fråga för att få ett utförlig vägbeskrivning som svar. Ett annat exempel är geografiska databaser som används som planeringsunderlag, och som användaren kan nå via ett enkelt Internet-gränssnitt och få tillbaka kart- eller annan information, utan att behöva kunna något om den bakomliggande tekniken. Utan tvivel har utvecklingen gått mycket starkt i denna riktning, vilket klart har inneburit en breddning av användningen av geografisk information. Att inte räkna denna utveckling som GIS vore givetvis felaktigt.

Utvecklingen av IT och geografisk informationsteknik GIS har inte utvecklats i något tomrum, utan är nära kopplat till den generella ITutvecklingen. En starkt bidragande orsak till den snabba spridningen av GIS är att program och datorer blivit billigare, bättre och mer användarvänliga. Inte minst för hårdvara är utvecklingen enastående. Beräkningskapaciten per krona hos persondatorer har i grova tal fördubblats ungefär var 14:e månad under 1990-talet, och hårddiskkapaciteten per krona har fördubblats ungefär var 11:e månad (Blok, 2001). Denna utveckling har varit mycket gynnsam för GIS-utvecklingen eftersom man ofta måste hantera stora geografiska datamängder vilket ställer krav på både hastighet och utrymme. Vidare har utvecklingen av Internet medfört en revolution genom möjligheter till snabb spridning av geografiska data. Www-standarden utnyttjas för att göra geografiska datbaser sökbara över Internet. Flera program ger möjlighet att skapa interaktiva webb-sidor med kartinnehåll. Den generella IT-utvecklingen går idag mot mobila lösningar, och motsvarande utveckling sker även inom GIS – mobila lösningar för digital kartinformation. Distribution av kartdata till mobiltelefoner kräver snabb kommunikation, och därmed blir tredje generationens mobilnät nödvändiga. Samtidigt krävs detaljerade tredimensionella geografiska data för att optimera utplaceringen av basstationer för näten – ett exempel på ömsesidigt beroende mellan de båda teknikområdena. Vi ska nu granska några utvecklingsområden inom GIS lite närmare genom att studera kedjan dataförsörjning, lagring och distribution, dataanalys samt visualisering. 4

2002-02-15 14:07

Dataförsörjning År 1628 fick Andreas Bureus i uppdrag av kung Gustav II Adolf att bygga upp det svenska lantmäteriet. Detta kan ses som det första uppdraget att kartlägga landet. Behovet av kartor och geografiska data har sedan ökat och idag finns det mängder av kartor och geografiska databaser för de mest skiftande tillämpningar. GIS är i sig en pådrivande faktor i uppbyggandet av nya geografiska databaser. Genom att GIS har ökat möjligheter av analys av geografiska data har också behovet av data ökat. Insamling av digitala geografiska data kan delas in i två kategorier: primär datafångst och sekundär datafångst. Vid primär datafångst samlar man in data genom observationer av verkligheten, medan sekundär datafångst utnyttjar andra geografiska data som källa. I detta avsnitt behandlas några av de metoder som används för primär datafångst: flygfoto, fjärranalys, GPS, och totalstationer. Dessa metoder har använts för att samla in stora mängder geografiska data. Eftersom det är en dyr process att insamla nya data, är det ofta ekonomiskt fördelaktigt att utnyttja sekundär datafångst som digitalisering/skanning och generalisering. Dessa tekniker beskrivs också i detta avsnitt. GIS möjliggör en gemensam analys av flera geografiska dataskikt; för att en sådan analys skall vara möjlig ställs det höga krav på data. För det första måste innehåll och kvalitet i data vara kända. Detta specificeras i geografiska informationsmodeller. För det andra krävs att de geografiska positionerna i de olika dataskikten är i samma koordinatsystem. Båda dessa aspekter tas upp i närmare detalj nedan. Flygfoto Flygfoto är den viktigaste metoden för insamling av data för den allmänna topografiska kartläggningen i skala 1:10 000 till 1:50 000. Denna kartläggning baseras på flygfoto tagna på 4600 meters höjd. Även för den storskaliga kommunala primärkartläggningen och för projekteringskartor är flygfoto viktiga. Flyghöjden varierar beroende på önskad skala i kartmaterialet. Fotogrammetri är läran om mätningar i fotografiska bilder i syfte att bestämma geometriska egenskaper hos objekt i bilderna. Inom fotogrammetrin utnyttjar man att det går att återskapa den tredimensionella verkligheten ur två bilder som avbildar samma objekt från olika vinklar. Inom den analoga fotogrammetrin placerar man fotografierna relativt varandra på samma sätt som de var vid fotograferingsögonblicket. Med hjälp av optiska metoder återskapas den tredimensionella verkligheten. Fram till nittiotalet var den analoga fotogrammetrin den vanligaste mätmetoden, men den har nu alltmer ersatts av den analytiska fotogrammetrin. Inom den analytiska fotogrammetrin görs punktvisa mätningar i bilderna och den tredimensionella modellen återskapas numeriskt i datorer. Under senare år har den digitala fotogrammetrin blivit vanligare. Denna mätmetod bygger på mätningar i digitala bilder som behandlas i datorer. Inom den digitala fotogrammetrin automatiseras alltfler operationer. Det finns idag (halv-) automatiska metoder för att matcha korresponderande objekt i olika bilder. Det pågår också forskning i att automatiskt identifiera objekt i bilder, bl.a. har Wiman (1997) studerat metoder för automatisk mätning av byggnader.

5

2002-02-15 14:07 Även inom själva flygfotoprocessen sker det en utveckling. Det har tagits fram digitala kameror för flygfototillämpningar, men de flesta föredrar fortfarande analoga bilder som skannas vid behov. Vidare används GPS, och även tröghetspositionering, för att positionera kameran vid exponeringsögonblicket. Burman (2000) har studerat hur detta förfarande medför ett minskat behov av stödpunkter; dvs. markerade punkter på marken med kända koordinater. Satellitbaserad fjärranalys Fjärranalys innebär informationsinhämtning på avstånd, t.ex. från flygplan eller satellit. Data från civila jordobservationssatelliter har använts relativt länge för att inhämta information om jordytan, i synnerhet avseende miljöförhållanden. Satelliterna går i banor runt jorden och är utrustade med instrument som känner av reflekterat ljus från jordytan (passiv fjärranalys), alternativt sänder ut energipulser som analyseras då de återvänder till satelliten (aktiv fjärranalys, t.ex. radar och laser). Utvecklingen har gått starkt framåt under de senaste åren, och det är omöjligt att i denna korta uppsats ge en komplett redogörelse för denna. Några punkter ska dock beröras. För användare av fjärranalysdata är det tre faktorer som är särskilt viktiga: rumslig upplösning, tidsmässig upplösning och spektral upplösning. Den rumsliga upplösningen har under relativt lång tid varit en faktor som starkt begränsat skalan på satellitdatabaserade GIS-tillämpningar. Fortfarande har merparten av fjärranalysdata en så låg upplösning att användning i större skala än 1:50 000 bara är meningsfull i begränsad omfattning. De nyaste satelliterna har emellertid en upplösning som är så god att de kan konkurrera med flygbilder tagna från hög höjd. Satelliten IKONOS skickades upp 1999 och genererar bilder som har en upplösning av 1 m pankromatiskt (svart-vitt) och 4 m multispektralt (det registrerade ljuset uppdelat i spektralband). En annan ny satellit är EROS, som genererar bilder med en upplösning av 1.8 m. Nästa generation av satelliten skickas upp i rymden 2003 och kommer att generera bilder med en upplösning av 0.8 m. Satelliten Quickbird som nyligen har skickats upp beräknas börja leverera pankromatiska bilder med 61 cm upplösning och multispektrala bilder med 2.5 m upplösning under 2002. Priset för användaren för högupplösande satellitdata ligger idag på ca. 250-350 kronor per kvadratkilometer. Figur 2 visar ett utsnitt ur en pankromatisk IKONOS-bild över San Diego.

6

2002-02-15 14:07

Figur 2. IKONOS pankromatisk bild över en del av San Diego. Rumslig upplösning 1 m. Bild: Spaceimaging.com. För vetenskapliga tillämpningar är den radiometriska och den tidsmässiga upplösningen lika viktiga faktorer som den geometriska upplösningen, något som har uppmärksammats av tillverkarna av satellitsensorer. Många nya satellitsystem har sensorer som registrerar information inom ett stort antal våglängdsband. Även den tidsmässiga upplösningen har förbättrats, och idag finns ett antal satelliter som registrerar hela jordytan minst en gång om dagen. Emellertid har data från dessa system fortfarande ganska låg rumslig upplösning. Utvecklingen inom aktiv fjärranalys, t.ex. mikrovågsradar och laser, går fort framåt. Inte minst flygburna radarinstrument har visat sig mycket användbara för analys av t.ex. vegetationsstruktur. Satellitburen radar är viktig inom satellitaltimetri, där man använder laser för bestämning av havsytenivåer. Tillämpningsområdena ligger främst inom fysisk oceanografi, marin geofysik och geodesi. För mätning av marktopografi kommer ett antal satelliter utrustade med laserinstrument att skickas upp inom kort. ICESat är en sådan satellit, designad för mätning av höjd över glaciärer, moln och marktopografi, och planeras att skickas upp under 2002. Man har också planerat en lasersatellit för mätning av topografi och vegetationshöjd, med planerad uppskjutning 2003. Den rumsliga upplösningen på dessa mätningar kommer till en början att vara alltför låg för generell användning. Det finns dock möjligheter att samla in detaljerade höjddata med flygburen laserskanning. Denna metod bygger på att man flyger med helikopter eller flygplan och mäter avståndet till marken med hjälp av en skannande laser. Eftersom laserns position är känd (med hjälp av GPS- och/eller tröghetsteknik) kan man samla in data till t.ex. en tredimensionell stadsmodell (se t.ex. TopEye, 2001).

7

2002-02-15 14:07 De aktiva fjärranalysmetoderna är i hög grad specialiserade, och steget till generell användning i GIS tämligen långt. Däremot kommer resultaten från dessa mätningar att betyda mycket för våra kunskaper om jordytan. GPS Global Positioning System (GPS) är ett satellitbaserat system som används för att bestämma positioner med hög noggrannhet. Systemet består av omkring 24 satelliter som sänder ut tidssignaler samt data som beskriver satellitens bana runt jorden. Genom att ta emot signaler från fyra eller fler satelliter kan en GPS-mottagare bestämma sin position. GPS används idag inom de mest skiftande tillämpningar. En vanlig användning är navigation. I stort sett alla kommersiella fartyg är utrustade med GPS och även en hel del fritidsbåtar. Så långt har inte utvecklingen gått för landnavigation, men GPSmottagare används idag bland annat inom lokaltrafiken, räddningstjänsten och transportnäringen. Andra användningsområden för GPS är att mäta in objekt vid fältinventeringar och andra kartläggningar. De mest noggranna tillämpningar finns inom geofysik och geodesi där kraven på noggrannhet ofta är högre än en centimeter. Det finns två olika mätmetoder för GPS: kodmätning och bärvågsmätning. Kodmätning är den vanligaste och billigaste metoden. Metoden ger en noggrannhet på ett tiotal meter vilket är tillräckligt för de flesta tillämpningar inom navigering, småskalig kartläggning etc. För noggrannhetskrav ner till cm-nivå måste man använda bärvågsmätning. Denna mätmetod kräver dyra mottagare och ostörda mätförhållande. Vidare fungerar endast bärvågsmätning för relativa mätningar, dvs. för att bestämma det relativa avståndet mellan två mottagare. Bärvågsmätning har fram till för ett par år sedan krävt efterbearbetning av mätdata; dvs. man har överfört mätdata från mottagarna till en dator som har beräknat avståndet. Idag kan man dock göra bärvågsmätningar i realtid, dvs. man får resultatet i mätögonblicket, med så kallad RTK-teknik. Dock klarar RTK-tekniken inte längre avstånd än ca 10 km mellan mottagarna. För att underlätta relativ mätning med GPS har man byggt upp nät av fasta referensstationer. Idén är att en användare kan bestämma sin position relativt dessa fasta stationer, och således behövs endast en rörlig mottagare även för noggrannare tillämpningar. I Sverige har Lantmäteriet och Onsala rymdobservatorium (Göteborg) byggt upp ett nät, SWEPOS, som består av ett tjugotal referensstationer. Data från dessa stationer distribueras till användarna via radionätet, och man kan med hjälp av denna tjänst uppnå meternoggrannhet med kodmätare. Idag finns det rikstäckande tjänster för kodmätning samt tjänster för bärvågsmätning i några större städer. Utvecklingen inom satellitpositionering är snabb. En utvecklingslinje är att GPSmottagare (kodmätning) byggs in i annan teknisk utrustning såsom bilar och mobiltelefoner, där de utgör en del i ett integrerat informationssystem. En annan utveckling är att tekniken (och beräkningsmodellerna) för bärvågsmätning i realtid förbättras. I framtiden är det troligtvis möjligt att i realtid bestämma sin position med ett par centimeters noggrannhet i alla tätbefolkade delar av Sverige. GPS används oftast för att bestämma den horisontella positionen, men det går även att bestämma höjden. Dock är det så att GPS ger höjden över ellipsoiden, medan de

8

2002-02-15 14:07 traditionella höjdsystemen anger höjden över geoiden (havsytans tänkta förlängning in under land). Därför kräver GPS-mätning av höjder kunskap om differensen mellan ellipsoiden och geoiden, den s.k. geoidhöjden. Att beräkna geoidhöjder med hög noggrannhet är dock mycket svårt, både vad det gäller tillgång till mätdata (främst tyngdkraftsvärden) och de beräkningsmodeller som används (för aktuella studier utförda i Sverige se Hunegnaw, 2001 och Mårtensson, 2001). GPS är designat och ägs av amerikanska försvaret även om de flesta användarna idag är civila. Från ett europeiskt perspektiv kan det kännas osäkert att vara beroende av ett positioneringssystem som man inte har någon reell kontroll över. Bland annat därför planeras ett civilt europeiskt satellitpositioneringssystem kallat Galileo. Enligt planerna skall det vara färdigt år 2008. Ägarna till systemet blir EU och ESA (European Space Agency), men det är i skrivande stund osäker om finansieringen går att ordna. Totalstationer Teknik att mäta vinklar noggrant har funnits i över hundra år. Vinkelmätare, s.k. teodoliter, var de viktigaste instrumenten i uppbyggnaden av äldre tiders geodetiska referenssystem (triangelnät). Under 1950-talet skedde en utveckling av längdmätarna, bland annat genom pionjärarbete av svensken Erik Bergstrand. Idag har man byggt ihop längdmätare och vinkelmätare i en gemensam enhet: totalstationen. Dessa instrument är de vanligaste för terrester mätning (dvs. mätning på marken). Under senare år har totalstationer kommit ut på marknaden som kan styras av endast en person. Personen går runt med ett mätprisma som placeras vid de föremål som ska mätas in, medan teodoliten som utför själva mätningen fjärrstyrs av personen. Vidare finns det integrerade totalstationer och GPS-mottagare, samt totalstationer och GISprogram. Genom att mätningarna med de senare systemen lagras direkt i en GISdatabas blir de direkt användbara för analyser, och mycket arbete med att konvertera data mellan olika format undviks. Digitalisering och skanning De vanligaste typerna av sekundär datafångst är digitalisering och skanning. Inom digitaliseringen överför man geografiska data från en papperskarta till en digital karta i vektorformat, medan skanning omvandlar kartan till rasterformat. Digitalisering kräver mycket manuellt arbete. Till viss del kan man automatisera digitaliseringen genom att först skanna papperskartan till en digital rasterkarta och sedan använda automatiska metoder att vektorisera rasterkartan. Detta är möjligt för ”enklare” typ av kartor, medan andra kartor kräver en hel del interaktivt arbete i vektoriseringssteget. Bland de avancerade GIS-programmen finns de som i senare versioner hjälper användaren att direkt digitalisera kartan till en topologiskt korrekt form. Vid större digitaliseringsarbeten betalar det sig att använda denna typ av program eftersom man minskar riskerna för fel. Generalisering Generalisering innebär att man förenklar innehållet i en karta så att innehållet anpassas till en mindre skala. Denna process är vanlig inom traditionell

9

2002-02-15 14:07 kartframställning. Inom den digitala karthanteringen försöker man numera automatisera processen. Inom dagens kartproduktion används flera automatiska generaliseringsmetoder. I Kilpeläinen (1999) finns en sammanställning av de automatiska metoder som används av kartverken i de nordiska länderna. Främst används automatiska metoder för att förenkla linjer och slå ihop ytor (t.ex. markanvändningsytor). Dock är det så att omkring 70-80% av generaliseringsarbetet fortfarande måste utföras manuellt. Detta är kostsamt, särskilt som kraven ständigt ökar på att hålla de geografiska databaserna i olika skalor aktuella. Figur 3 visar exempel på manuell och automatisk generalisering av kartor. Generaliseringsarbetet kan grovt delas in i två problemställningar. För det första måste man klassificera om objekt eftersom olika klassificeringssystem används i olika geografiska databaser. Ahlqvist (2000) menar att det inte alltid går att hitta enkla regler för samband mellan olika klassificeringssystem, och han förordar användning av en icke-klassisk mängdlära (rough set theory) för att beskriva dessa samband. För det andra måste geometriska egenskaper hos objekten förändras, såsom att räta ut vägar, slå ihop mindre byggnader, flytta och omforma överlappande symboler, etc. (se Dunkars, 2001 och Harrie, 2001). Ett idealiskt sätt att arbeta skulle vara att endast behöva lagra geografiska data i en skala, och därifrån generera kartor i andra skalor automatiskt vid behov. Detta är idén bakom realtidsgeneralisering vilket är ett relativt nytt forskningsområde som främst drivs av behovet att hitta en flexibel metod för att förmedla kartor via Internet eller till en mobiltelefon eller annan mobil enhet.

10

2002-02-15 14:07

a) Uppdaterad karta i skala 1:10 000

b) Originalkarta i skala 1:50 000

c) Karta i skala 1:50 000 uppdaterad av ett automatiskt generaliseringsprogram.

d) Karta i skala 1:50 000 uppdaterad manuellt av en kartograf.

Figur 3. Test av ett generaliseringssystem för att fortplanta uppdateringar från en databas till andra databaser. Karta a innehåller en karta i skala 1:10 000 från Lantmäteriet. De grå vägarna och ihåliga husen är uppdateringar. Dessa uppdateringar har fortplantats till en karta i skala 1:50 000 dels manuellt (d), dels via ett automatiskt generaliseringssprogram (c). (Harrie och Hellström, 2000; © Lantmäteriet, tryckt med tillstånd 507-98-4091) Modellering För att använda geografiska data i en analys måste man veta innebörden av data. Traditionellt har man tillsammans med data lämnat uppgifter om använt klassificeringssystem, dvs. uppgifter om hur varje klass (eller objekttyp) är definierad. För flera tillämpningar är dock detta förfaringssätt inte tillräckligt. Man måste också veta relationerna mellan olika objekttyper. Dessa relationer är av typen: en fastighet består av ett eller flera skiften, ett servitut belastar en fastighet, etc. Det som behövs för att beskriva detta är, med ett modernt ord, en informationsmodell. Inom Stanli (Standardisering av landskapsinformation) har man tagit fram en grafisk notation för att beskriva informationsmodeller (se t.ex. Lantmäteriverket, 1994). Denna notation har använts inom arbetet att ta fram informationsmodeller (tillämpningsstandarder), som skall användas av skilda organisationer som arbetar inom samma område. Bland annat har man tagit fram standardiserade informationsmodeller för belägenhetsadresser (SS 63 70 03) och väg- och järnvägsnät (SS 63 70 04). Lundholm (2001) har utrett nyttan av dessa två standarder. Han menar att det är svårt att fastställa nyttan av standarderna ur ett rent ekonomiskt perspektiv, men att standarderna har en positiv inverkan på leveranskvalitet och effektivitet.

11

2002-02-15 14:07 Att bygga informationsmodeller blir allt vanligare inom GIS-området. Bland annat har Lantmäteriet ett pågående projekt för att bygga informationsmodeller över sina grundläggande databaser, och verktyg för informationsmodellering börjar integreras i GIS-program (även om de är långt ifrån användarvänliga idag). Denna utveckling underlättar analyser som kräver modelleringsarbete. Koordinatsystem Vid användning av papperskartor är man oftast intresserade av kartobjektens relativa lägen på kartan. Med hjälp av dessa relativa lägen kan man bestämma vilken väg man skall åka, hur landskapet är format i ett visst område, etc. I dessa kartanalyser är det sällan man behöver veta vilket koordinatsystem kartan använder. Om man däremot gör en GIS-analys där man använder två eller flera geografiska dataskikt är koordinatsystemen viktiga eftersom samanalys av olika skikt kräver ett gemensamt system. Ett uppmärksammat problem under senare år är hur man skall jämföra gammalt kartmaterial med nya fältdata uppmätta med GPS. Dessa problem har tvingat GIS-användare att lära sig grunderna om kartornas koordinatsystem. Ett koordinatsystem för en karta har två fundament. I botten ligger ett geodetiskt referenssystem. Detta innebär att inmätningen har skett (direkt eller indirekt) utifrån ett antal punkter på marken som definierar det geodetiska referenssystemet. Men ett referenssystem är inte tillräckligt för att definiera ett koordinatsystem. Man måste också veta vilken kartprojektion som använts för att avbilda den buktiga jordytan. Man kan se en kartprojektion som en funktion som har ingångsvärdena latitud och longitud (som bestämmer läget på jordens buktiga yta) och som ger utgångsvärden som x- och y-koordinater för kartplanet. Idag används det geodetiska referenssystemet RT 90 och kartprojektionen Gauss (2,5 gon väst) vid allmän kartläggning. Detta koordinatsystem, populärt kallat rikets nät, har hållit tillräckligt hög kvalitet för de flesta tillämpningar. Dagens mätmetoder kräver dock geodetiska referenssystem med cm-noggrannhet, och dessutom måste system vara internationellt anpassade. Därför kommer inom en snar framtid den allmänna kartläggningen att baseras på SWEREF 99 och en ny projektion (eventuellt UTM) (Lantmäteriet, 2000:5; 2001:1). SWEREF 99 är ett globalt anpassat referenssystem som är certifierat enligt gemensamma europeiska regler (förenklat kan man säga att SWEREF 99 är WGS 84 på marken i Sverige). I ett initialt skede kommer detta byte av koordinatsystem att innebära problem för GIS-användare eftersom man ofta kommer att använda data som använder RT 90 och SWEREF 99 i samma projekt. På lång sikt kan man dock förutse att bytet av referenssystem kommer att vara positivt för GIS-användare. Hur gör man då man har data i olika referenssystem i ett projekt? Det första man måste bestämma sig för är i vilket koordinatsystem som analysen skall utföras, och sedan måste alla data transformeras till detta system. Det innebär att man måste ändra det geodetiska referenssystemet och/eller kartprojektionen. Att byta kartprojektion är oftast en enkel operation; de flesta GIS-program har färdiga rutiner som är relativt lättanvända. Ett större problem är att transformera mellan olika geodetiska referenssystem. Samband mellan referenssystem tas fram rent empiriskt. För framtida projekt där man måste transformera mellan RT 90 och SWEREF 99 kommer det att finnas framtagna formler man kan använda. Om man däremot behöver kombinera SWEREF 99 med ett kommunal koordinatsystem står man inför ett svårare problem

12

2002-02-15 14:07 eftersom sambanden mellan dessa system inte alltid är helt kända. För att klara detta problem har man inlett ett projekt, RIX 95, där man arbetar med att etablera transformationssamband mellan kommunala system och de nationella systemen RT 90 / SWEREF 99 (Lantmäteriet, 1994:24). RIX 95 är ett samarbetsprojekt mellan Lantmäteriet, Vägverket, Banverket, Försvarsmakten, Telia AB, Sjöfartsverket och kommunerna.

Lagring och distribution av geografiska data Förra avsnittet behandlade metoder för insamling av geografisk data. I detta avsnitt skall vi gå vidare i användarkedjan. Avsnittet inleds med att beskriva databastekniker för att lagra geografisk data. Resterande delen av avsnittet behandlar pågående standardiseringsarbete för att underlätta utbyte och distribution av geografiska data. Utveckling från filer till databaser En databashanterare är ett program som sköter administrationen av data i en databas. Detta gör att man som användare inte ska behöva förstå hur data är lagrat på hårddisken, utan man behöver bara lära sig att kommunicera med databashanteraren. Eftersom det finns standardiserade språk att kommunicera med en databas (t.ex. SQL) innebär databastekniken en förenkling av hantering av data jämfört med att lagra data i filer. Under GIS-teknikens barndom lagrades alla data i filer. Tidigt insåg man dock att det var fördelaktigt att lagra attributdata i en standardiserad databas; dock fanns det ingen bra teknik för att hantera geometriska data i en databas. Lösningen blev att man lagrade attributdata i en standardiserad databas och geometriska data i ett eget lagringssystem. För att skapa en länk mellan attributdata och geometrisk data skapades ett identifieringsnummer som var unikt för varje objekt. Denna lagringsteknik har varit den dominerande inom GIS-området under decennier. Under senare år har databastekniken utvecklats och det är idag möjligt att även lagra geometriska data i samma databaser som attributdata. En trend är att alltfler organisationer lagrar alla geografiska data (både attribut och geometri) i en och samma databas. Relationsdatabaser och objektorienterade databaser Relationsdatabasen är den vanligaste typen av databas. Den består, något förenklat, av en samling tabeller. Varje tabell är uppbyggd av ett antal rader och kolumner. Varje kolumn beskriver ett attribut och varje rad ett objekt (se Figur 4). Relationsdatabasen fungerar bra för data som enkelt lagras i en tabell, t.ex. siffror och text, och den har varit dominerande för lagring av attributdata i GIS. Under senare år har relationsdatabassystem utvecklats som är bra även på att hantera geometriska data. Objektorienterade databaser har blivit vanligare under senare år. En skillnad mot relationsdatabaserna är att en objektorienterad databas inte bara lagrar objektens attributdata utan även knyter metoder till objekten. En metod är t.ex. en funktion som automatiskt beräknar en polygons area när man frågar efter den (istället för att arean är lagrad som ett attribut till polygonen), eller en funktion som ritar ut en linje (genom att sätta linjens utseende som funktion av förändliga variabler kan man dynamiskt ändra utseende på en linje). En annan karakteristik är att objektorienterade databaser är väl lämpade för att lagra komplexa data såsom geometriska data. Således är den 13

2002-02-15 14:07 objektorienterade tekniken intressant för GIS. Det finns idag ett antal kommersiella GIS-program som bygger på en objektorienterad teknik (främst program från Smallworld och Laser-Scan). Dessa program är dock relativt ovanliga i Sverige. Men även andra programleverantörer, som t.ex. ESRI, börjar bygga in objektorienterade koncept i sina program. Utvecklingen mot objektorienterade GIS kommer nog på sikt att ändra de geografiska analyserna. I traditionella GIS-program har vi vant oss att dela in geografiska data i skikt (vägskikt, markanvändningskikt, etc.). Varje skikt har lagrats skilt från de andra. Bland annat har man bara kunnat definiera topologiska relationer mellan objekt i ett och samma skikt. Inom objektorienterade system fungerar det annorlunda. Utifrån en objektorienterad modell skapas relationer fritt mellan olika objekttyper, och en indelning i skikt existerar inte. Den objektorienterade utvecklingen kan på sikt låta oss komma bort från (det onaturliga) skikttänkandet i GIS. Kolumn Kommun Lund Lund Lund …

Trakt Berga Berga Hult

Block 1 1 12

Enhet 2 12 23

…

Rad

Figur 4 En tabell över fastighetsinformation i en relationsdatabas Distribuerade databaser och lagring vid källan I många fall är det önskvärt om olika organisationer har ansvaret för att samla in och underhålla olika delar av en gemensamt geografisk databas. Ett exempel är den nationella vägdatabasen (NVDB). Vägverket står som huvudman för NVDB, men är beroende av data från kommuner, Lantmäteriet och skogsbolag. Rent teoretiskt skulle man kunna tänka sig att varje organisation lagrar sina egna data; dvs. att hela databasen är lagrat på fysiskt skilda ställen. Detta är iden bakom distribuerade databassystem. Det torde dock ta lång tid innan vi får stora geografiska databaser lagrade på detta vis. Ett alternativ till distribuerade databaser är att varje organisation samlar in och uppdaterar sina egna data, men att data skickas iväg digitalt till en gemensam geografisk databas. Detta är grundtanken bakom, bland annat, uppbyggandet av en nationell digital registerkarta (NDRK). Denna karta skall skapas och underhållas genensamt av staten (Lantmäteriet) och kommunerna (Målbild, 2000). Att förverkliga NDRK kräver dock att alla organisationer är överens om kartans innehåll. Därför har man lagt ner arbete på att skapa en gemensam informationsmodell, kallad Gränssnitt 2000. Målsättningen är att NDRK skall vara komplett år 2003. Metadata Metadata är data som beskriver en samling data, populärt uttryck som: Metadata är data om data. Metadata fyller en viktig funktion för att användarna ska kunna hitta rätt geografisk data (se Figur 5). Sökningar görs i en metadatabas, dvs. en databas som innehåller metadata om flera olika dataskikt (och från flera olika organisationer). Ansvaret för att tillhandahålla en nationell metadatabas är oftast en uppgift för de 14

2002-02-15 14:07 nationella kartverken. Exempel på nationella metadatabaser, som kan nås via Internet, är MEGI i Sverige (Lantmäteriet, 2001) och Infodatabas i Danmark (KMS, 2001). DGMSÖ står för Digitalt Geografiskt ManagementSystem för Öresundsregionen, och det är ett EU-projekt där statliga, regionala och kommunala organisationer i Danmark och Sverige ingår. En av målsättningarna med DGMSÖ-projektet är att bygga upp en regional metadatabas för Öresundsregionen (DGMSÖ, 2001b). En grundläggande idé med metadatabasen är att de olika organisationerna i projektet ska lagra sina metadata digitalt på en lokal server. En central katalogtjänst ska sedan söka upp de olika servrarna, dvs. denna katalogtjänst ska kunna tillhandahålla en metadatabas på Internet för hela regionen trots att de olika organisationerna endast lagrar sina metadata lokalt (DGMSÖ, 2001a; jämför också studier i Östman, 1999). Detta förutsätter att alla organisationer har lagrat sina metadata enligt en specifik standard: CEN-standarden (CEN, 1998). Geografiska data

Metadata Datamängdens namn: Ägare: Skala: Geografiskt område: Geodetiskt referenssystem: Kartprojektion:

Figur 5. Geografiska data och metadata. Att skapa och tillhandahålla metadata är en förutsättning för att hitta relevanta geografiska databaser. En annan förutsättning är sökmotorer som är anpassade för geografiska data. Dagens sökmotorer på Internet (AltaVista, Google, etc.) är inte anpassade för att söka efter geografiska data. Det pågår dock utveckling för att ta fram verktyg för att kunna söka på geografiska koordinater, genom att klicka i kartor, etc. Distribution av geografisk data via Internet Distribution av data via Internet har gått igenom olika faser. Den första användningen var att överföra filer med geografiska data via tjänsten ftp (file transfer protocol). Omkring 1995 slog world wide web (www) igenom. World wide web möjliggör distribution av text och bild i ett HTML-format via Internet. Denna teknik har visat sig utmärkt för distribution av rasterkartor. Tekniken möjliggör även viss form av interaktivitet i kartorna. Genom att klicka i en karta (eller i en meny) skickar en användare en önskan från sin dator till webbsidans dator om hur kartan skall förändras, kartan skapas på webbsidans dator och skickas till användarens dator i form av en ny rasterkarta. För närvarande är det inte möjligt att läsa en vektorkarta med en vanlig webb-läsare (typ Netscape eller Internet explorer). Anledningen är att inte har funnits någon standard för att distribuera vektordata på Internet. Nu har W3C (World Wide Web Consortium) enats om en standard för överföring av vektordata: SVG (W3C, 2001).

15

2002-02-15 14:07 Denna standard, som är byggd med hjälp av märkningspråket XML, kommer troligen snart att byggas in i de vanliga webb-läsarna. Dessutom har OGC (Open GIS Consortium) tagit fram en annan XML-standard speciellt för överföring av geografisk data som heter GML (Geographic Markup Language) (OGC, 2001). Eftersom flera av de stora GIS-leverantörerna är medlemmar i OGC kan man förutse att denna standard kommer att finnas i framtida GIS-program. Skillnaden mellan GML och SVG är följande. GML är anpassad för att beskriva geografiska data. Här kan man lagra uppgifter om koordinatsystem, objektens attribut, etc. SVG är till för presentation och beskriver linjer, ytor, linjebredder, typsnitt för texter, etc. Dessa två standarder kompletterar varandra bra och bildar tillsammans en viktig kedja för att distribuera geografiska vektordata från en leverantör till en slutanvändares webbläsare. Kommer de nya standarderna för vektorkartor att förändra användningen av kartor på Internet? Det finns redan ett stort utbud av kartor i form av rasterkartor, och det finns kommersiella aktörer som distribuerar kartor över hela världen (t.ex. Mapquest, 2001). Nationella kartverk tillhandahåller också en hel del kartor, en del gratis och en del mot betalning. Dessutom finns det flera tjänsteföretag och organisationer som använder kartor som del i sina hemsidor. Några exempel är fastighetsmäklare (Bovision, 2001 och Hemnet, 2001), Gula sidorna (Gula sidorna, 2001) och kommuner (se t.ex. Malmös översiktplan på Malmö, 2001). Alla dessa tjänster fungerar bra redan idag och man kan ställa sig frågan om och hur de kan förbättras om man går över till vektorkartor. Rent generellt gäller det att vektorkartor är lättare att skräddarsy för användarens behov. Bland annat är det lättare att integrera olika data och det är lättare att generalisera till önskad skala. Om detta kommer att påverka kartanvändningen på Internet återstår dock att se. Vidare kräver vektordata mindre lagringsutrymme än motsvarande rasterdata, vilket gör att överföringshastigheten kommer att öka med vektordata. Distribution till mobila enheter Under de senaste åren har det lanserats mobiltelefoner (eller ska man säga små bärbara datorer?) som har en så stor skärm att det är meningsfullt att visa en karta i den. Det har också utvecklats program för överföring till och visning av enkla kartor i telefonerna. Systemen kan användas t.ex. för att förse servicepersonal med kartor och ritningar i fält. Nya system utvecklas idag där stora delar av informationshanteringen sker centralt i en server och resultatet distribueras till användaren. GSM-system ger möjlighet till en grov lägesbestämning av telefonen. Detta utnyttjas t.ex. i Gula sidornas wap-tjänst där man från telefonen kan söka upp ett företag i närheten av var man befinner sig. För mer exakt positionsangivelse används GPS, t.ex. i Volvo On Call-tjänsten. Denna består av en fast monterad mobiltelefon och en GPS i bilen samt ett datorsystem som automatiskt kan sända ut information om t.ex. en olycka eller ett överfall, samt koordinater så att bilen kan spåras. Med framtidens snabba mobiltelefoninät kommer distribution av kartor till mobila enheter troligen att bli vanligt. Vi befinner oss idag bara i början på denna utveckling, och exakt hur den kommer att se ut är för tidigt att säga. Kanske kommer en ny typ av kartografi utvecklas som är speciellt anpassad till mobilsystemens små skärmar.

16

2002-02-15 14:07

Analys av data med GIS GIS ger genom sin mångsidighet stora möjligheter till effektiv analys av geografisk information. Genom att attributen kan hanteras både internt i programmen och med externa databashanterare eller andra program så kan utsökningar av data och generering av statistik ske mycket effektivt. När man pratar om geografisk analys i GIS menar man emellertid ofta rumsliga geometriska och topologiska operationer av olika slag. I en geografisk analys får man oftast utföra en sekvens av ett antal olika rumsliga operationer för att nå fram till ett slutmål. De flesta GIS-program kan idag utföra många olika typer av rumslig operationer. De vanligaste är olika slags distans- eller avståndsoperationer. Om man har linjedata i topologiska nätverk kan man t.ex. analysera dessa avseende kortaste väg, snabbaste väg etc. Man kan också analysera närmaste vägen över en kontinuerlig yta, där ytan kan beskriva t.ex. hur svårt det är att genomkorsa terrängen, hur dyrt det är att bygga en väg el.dyl. En annan typ av operationer är de som benämns överlagring, och som innebär att man samanalyserar olika dataskikt över samma geografiska område. Detta är användbart för att lokalisera eller klassificera områden enligt vissa kriterier, för att kombinera olika data i modeller, m.m. Man kan också studera rumsliga mönster och fördelningar, samt hur olika rumsliga variabler samvarierar. För många användare är den geografiska analysen slutmålet, eller åtminstone det som ger GIS ett mervärde. Men i alltför många fall används GIS-databaserna aldrig till någon egentlig analys. Ibland ställs kraven från slutanvändrarna säkert inte tillräckligt högt, utan man nöjer sig med en färggrann karta som slutprodukt. Ibland saknas säkert också en vision av vilken nytta man skulle kunna ha av en rumslig analys. Flera andra faktorer kan också spela in, t.ex. bristfälliga kunskaper hos användarna, brister i programmen samt databaser som är inkompatibla med den analys man skulle vilja göra. De flesta rumsliga analyser ställer stora krav på användaren då det gäller att omformulera en generell problemställning, t.ex. ”Vilket samband finns mellan variablerna A och B?” till sekvenser av operationer som ska utföras i programmen. Ibland kan dessa sekvenser vara ganska så komplicerade, och man kan sällan läsa sig till precis hur man ska gå tillväga i programmens manualer. I vissa program är antalet möjliga analyser tämligen begränsat, och på det hela taget skiljer sig analysfunktionerna i dagens GIS-program inte nämnvärt från de som fanns redan på 1980-talet. Undantag finns givetvis, och många program har enskilda funktioner som kan vara mycket avancerade, men de kräver ofta specialistkunskap för att kunna användas. Som exempel har flera moderna GIS-program lagt in funktioner för geostatistisk analys. I vissa rasterprogram läggs idag in funktioner för dynamisk rumslig modellering (se kapitel PETTER O LENNART i denna årsbok). Stor ansträngning läggs ner på att bygga detaljerade databaser med mycket hög noggrannhet. Men, hög noggrannhet gör inte med automatik att en databas är lätt att analysera. I många fall är det tvärtom, detaljeringsgraden är så hög att användningen vid t.ex. översiktlig planering blir mycket svår. Vad användaren behöver är databaser med rätt informationsmängd för det skalområde som ska användas vid analysen. Automatiska metoder för generalisering av data kan betyda mycket för att underlätta denna dataförsörjning. Många existerande databaser som används för GIS har fortfarande inte den topologiska struktur som krävs för att kunna analysera data. Det

17

2002-02-15 14:07 gäller t.ex. de stora mängder detaljkartor som byggts upp med CAD-system, och som översatts till GIS-format med bristfälliga metoder. En ytterligare möjlig orsak till att så lite rumslig analys utförs med GIS är den totala dominansen av vektor-orienterade system inom många organisationer i Sverige idag. Med vektorsystem finns en klar begränsning i det att rumsligt kontinuerliga data som höjd, temperatur, grundvattennivå eller befolkningstäthet bara kan behandlas om det först har generaliserats till breda zoner eller klasser, där varje zon är internt homogen. Om man således vill beskriva avstånd från ett visst objekt, vilket ju är en kontinuerlig storhet, får man istället skapa en sk. buffert-zon, som definierar en polygon med utbredning upp till ett visst givet avstånd från objektet. Befinner man sig inuti polygonen vet man att man är närmare än avståndet, men inte hur nära. Befinner man sig utanför vet man att man är längre bort än avståndet, men inte hur långt bort. Med ett rastersystem så innebär rumsligt kontinuerliga data inga sådana begränsningar. Analys av rasterdata är också ofta förhållandevis okomplicerat. Ett exempel: föreställ dig att du vill undersöka vilken medelhöjd olika åkerfält ligger på (Figur 6).

Figur 6. Höjddata i rasterform (vänster) respektive vektorform (höger) samt tre åkerfält (a-c). Ett höjdsegment har markerats i fält a till vänster.

I den vänstra kartan är höjden representerad i rasterform medan den till vänster är representerad som höjdkurvor i form av vektorer. Att beräkna medelhöjden för de tre fälten är mycket enkelt i den vänstra kartan. Det är bara att summera höjdvärdena för samtliga rasterceller som faller inom vardera polygon, och sedan dividera med antalet celler. I vektorkartan måste man börja med att skapa polygoner mellan höjdlinjerna, och tilldela polygonerna rätt höjdintervall. Därefter räknar man ut arean för vart och ett av de höjdsegment som faller innanför åkerfälten (I figur 6 t.h. visas ett höjdsegment). Sedan multipliceras segmentets area med mittpunkten för det höjdintervall som segmentet ligger inom (t.ex. 5-10 m). Detta upprepas för varje segment inom åkerfältet, varefter produkterna läggs ihop och man dividerar med den totala arean av fältet. Alltså en krångligare procedur, som dessutom ger upphov till ett resultat som är inexakt. I rasterdata har vi en ytterligare fördel, nämligen att vi lätt får tillgång till annan information om fälten, t.ex. höjdvariationen (variansen), medellutningen, åt vilket håll det lutar m.m.

18

2002-02-15 14:07 Ovanstående mycket enkla exempel är till för att belysa hur svår en redan mycket enkel analys kan bli i vektordata. Går man till något mer sofistikerade analyser finner man att det finns många sådana som är näst intill omöjliga att utföra med vektordata, t.ex. flöden över ytor, dynamisk rumslig modellering, vissa typer av lokaliseringsanalys, m.m. Men, hävdar skeptikern, noggrannheten i rasterdata kan ju aldrig motsvara den i vektordata. Svaret på det är att datorernas beräknings- och lagringskapacitet idag är så stor att man ofta kan ha mycket god upplösning även i rasterdata. Dessutom är det ytterst sällsynt att man har någon verklig nytta av hög precision vid den geografiska analysen. Lösningen kan istället vara att man arbetar med båda datatyperna, dels geometriskt noggranna databaser i vektorform för mätning och kartpresentation, dels generaliserade rasterdatabaser i rätt skalområde för den geografiska analysen. Analys av 3D-data är fotfarande relativt sällsynt. Ett aktuellt exempel då 3D-data används för analys är utplacering av sändare i de nya mobiltelefonsystemen. Användning av tredimensionell data kan antas ökas i en nära framtid. Dels för att nya tillämpningar tas fram och dels för att nya tekniker och standarder gör tredimensionella data billigare och mer lättillgängliga. Att GIS-utvecklingen avseende geografisk analys inte motsvarar utvecklingen när det gäller dataförsörjning, databasuppbyggnad m.m. är tydligt. Vad som inte är lika klart är hur man ska förändra detta. Man måste säkerligen angripa problemet på flera sätt. Dels måste vi som är aktiva inom GIS-utbildning bidra genom att bättre träna våra studenter i dataanalys. Dels måste vi arbeta på att utveckla mer lättanvända metoder för analys, i samarbete med användarna i samhället. Användarna måste sätta press på programtillverkarna så att de anpassar sina produkter till användarnas behov. Det är därvidlag viktigt att studera hela den process som pågår vid t.ex. fysisk planering eller annan verksamhet, och identifiera de huvudtyper av analyser som är aktuella. Ett aktivt samarbete mellan användare och GIS-utvecklare är nödvändigt, liksom att framsteg inom andra informationstekniker tas tillvara. I ett framtida perspektiv skulle rumsliga analyser kunna vara integrerade i kunskapsbaserade beslutstödssystem. Om allmängiltiga analysmetoder i GIS ska kunna utvecklas krävs bl.a. standardiserade informationsmodeller.

Visualisering Visualisering, eller mer generellt, presentation av geografisk information, innebär att kartor som visar vissa teman skapas ur de geografiska databaserna, samt resultat från analyser presenterade i kartor och tabeller. Framtagande av kartor är utan tvivel ett av de största användningsområdena för GIS. Trots detta kan det innebära mycket arbete att med ett generellt GIS-program skapa en karta som uppfyller även relativt lågt ställda kartografiska krav. Användaren ges sällan någon vägledning avseenden val av symboler, färger eller klassindelningar, och standardurvalet av symboler är ofta begränsat. Automatiska funktioner för textsättning är i många program närmast oanvändbara. Ofta är det nödvändigt att skapa en baskarta i GIS-programmet som sedan text- och färgsätts manuellt i ett kartografiskt eller grafiskt program.

19

2002-02-15 14:07 Mer sällan används GIS för att presentera avancerade 3D-visualiseringar eller animationer, även om det finns program som ger möjligheter till detta. Det finns dock en del aktuella exempel på tredimensionella tillämpningar. Man har t.ex. använt tredimensionella modeller för visualisering av vägprojekt (Ottoson, 2001) och för visualisering av byggnader/stadsbilder i storstäder. Fotografier från luften och av husfasader appliceras digitalt på de uppmätta byggnaderna, vilket ger verklighetstrogna stadsmiljöer som kan användas för stadsplanering, miljöstudier eller turism. Inom trycktekniken har det skett en snabb utveckling. Idag är det ekonomiskt möjligt att trycka kartor i små serier, till och med i enstaka exemplar. Man säljer och trycker t.ex. fastighetskartan endast på begäran. Detta innebär att man faktiskt kan få ett exemplar av en dagsaktuell karta (vad det gäller fastighetsbilden) för en rimlig summa pengar. För den enskilde användaren av GIS innebär den nya trycktekniken också att det är ekonomiskt möjligt att trycka små serier av kartor som visar resultatet av ens egna analyser.

Slutsatser Vi har sett hur utvecklingen inom GIS har gått hand i hand med den generella ITutvecklingen under de senaste 10 åren. Betydande framsteg har gjorts avseende dataförsörjning, distribution och hantering av data i GIS. Särskilt viktig utveckling har skett inom dataförsörjning, såsom tillgång till högupplösande satellitdata, noggranna data från GPS, distribution av digitala kartor via Internet och till mobila system. Utvecklingen har gått mot fler och mer detaljerade databaser, vilket dock ställer krav på standardisering. För att de geografiska databaserna ska vara optimala för GIS krävs det att data är lagrade enligt fastlagda informationsmodeller och att man känner till alla nödvändiga transformationer mellan de använda koordinatsystemen. Avseende lagringen har utvecklingen gått från filer till lagring i standardiserade databassystem. Detta är ett steg i att GIS mer och mer blir en del av den övriga informationshanteringen. Ett annat sådant steg kommer troligen att bli introduktionen av XML-baserade tekniker (GML, SVG, etc.) för överföring av geografisk information på Internet. I framtiden kommer vi att få se flera exempel på tjänster (på Internet eller i mobiltelefonen) där kartanvändning är en integrerad del av en större informationstjänst. Sammantaget har GIS-utvecklingen lett till en generellt ökad användning av geografiska data i samhället. Vi kan se fram emot en fortsatt spridning av tekniken i takt med dess förbättring och med en ökande datatillgång. Allmänheten kommer att få ökad tillgång till enkla digitala kartor via Internet och mobila system. Avseende de mer generella systemen, som låter användaren samla in, hantera, analysera och presentera information, så finns det ett flertal sektorer inom samhället där GIS ännu inte är särskilt vanligt, men dit man kan förvänta sig en spridning. Samtidigt ser vi att utvecklingen inom analyssidan inte har följt med. Detta kan säkert verka hämmande på spridningen av tekniken, särskilt inom de sektorer där geografisk databasuppbyggnad i sig inte har något större egenvärde. Det är viktigt att vi kan förbättra och utveckla analysmetoderna så att GIS får ett mervärde även för dessa sektorer.

20

2002-02-15 14:07

Referenser Ahlquist, O., 2000. Context Sensitive Transformation of Geographic Information, Doktorsavhandling, Naturgeografiska institutionen, Stockholms universitet. Andersson, M., 2001, GI i Sverige 2000 Redovisning och analys av ULIs enkät avseende användandet av geografisk information. Rapport från ULI, 2001:3. Blok, R., 2001. Trends in computing. http://eame.ethics.ubc.ca/users/rikblok/ComputingTrends/, 2001-11-22. Bovision, 2001. http://www.bovision.se, 2001-11-23. Burman, H., 2000. Calibration and Orientation of Airborne Image and Laser Scanned Data Using GPS and INS, Photogrammetry Reports No 69, Doktorsavhandling, Institutionen för Geodesi och Fotogrammetri, KTH, Stockholm. CEN, 1998. ENV 12657 Geographic information– Data description– metadata, Central Secretariat, Belgien. DGMSÖ, 2001a. Metadata projektrapport, del C. DGMSÖ, 2001b. Metadatabas för Öresundsregionen. http://www.dgms.org/metadb/metadb.htm, 2001-04-27. Dunkars, M., 2001. Automatic generation of a view to a geographic database, Licentiatavhandling, Institutionen för Geodesi och Fotogrammetri, KTH, Stockholm. Eklundh, L., 2001, Introduktion till geografisk informationsbehandling, i Geografisk informationsbehandling – metoder och tillämpningar, red. L. Eklundh, Stockholm: Byggforskningsrådet, andra upplagan, pp. 11-30. Gula sidorna, 2001. http://www.gulasidorna.se/, 2001-11-23. Harrie, L. och A.-K. Hellström, 2000. A Prototype System for Propagating Updates between Cartographic Data Sets, The Cartographic Journal, Vol. 36, Num. 2, sid. 133-140. Harrie, L., 2001. An Optimisation Approach to Cartographic Generalisation, Doktorsavhandling, Avdelningen för Fastighetsvetenskap, LTH, Lunds universitet. Hemnet, 2001. http://www.hemnet.se/, 2001-11-23. Hunegnaw, A., 2001.Geoid Determination over Ethiopia with Emphasis on Downward Continuation of Gravity Anomalies, Doktorsavhandling, Institutionen för Geodesi och Fotogrammetri, KTH, Stockholm. Kilpeläinen, T., 1999. Map Generalization in the Nordic countries, Reports from the Finnish Geodetic Institute 99:6.

21

2002-02-15 14:07 KMS, 2001. Infodatabase - metadatabas. http://www.geodata-info.dk, 2001-04-27. Lantmäteriverket, 1994, HMK-databaser. Gävle: Lantmäteriverket. Lantmäteriet, 1994:24. RIX 95 – en utredning om förtätning av de geodetiska riksnäten och anslutning av lokala stomnät. Lantmäteriet, 2000:5. RefStrat – strategier för referenssystem och referensnät. Lantmäteriet, 2001:1. Geodesi 2000 – svensk geodesiverksamhet under kommande tioårsperioden. Lantmäteriet, 2001. MEGI - metadatabas. http://www.megi.lm.se, 2001-04-27. Lundholm, H.-G., 2001. Nyttan med standardisering – Väg- och järnvägsnät, Belägenhetsadresser, ULI-rapport 2001:2. Malmö, 2001. Översiktsplan för Malmö 2000, http://www.stadsbygg.malmo.se/oplan/index.html , 2001-11-23. Mapquest, 2001. http://www.mapquest.com, 2001-11-23. Målbild, 2000. Målbild 2000. http://www.malbild2000.lm.se/, 2001-11-23. Mårtensson, S.-G., 2001. Height Determination by GPS - A Practical Experiment in Central Sweden, Doktorsavhandling, Institutionen för Geodesi och Fotogrammetri, KTH, Stockholm. OGC, 2001. Open GIS Consortium, http://www.opengis.org/, 2001-11-23. Ottoson, P., 2001. Geographic Indexing and Data Management for 3D-Visualisation, Doktorsavhandling, Institutionen för Geodesi och Fotogrammetri, KTH, Stockholm. SS 63 70 03. Geografisk information – Belägenhetsadresser – Begreppsmodell, Allmänna standardiseringsgruppen, STG. SS 63 70 04. Geografisk information – Väg- och järnvägsnät – Begrepps- och tillämpningsmodell, Allmänna standardiseringsgruppen, STG. TopEye, 2001. TopEye, an Airborne Topographic Survey System, http://www.topeye.com/iconcept.html, 2001-11-22. W3C, 2001. World wide web consortium, http://www.w3.org/, 2001-11-23. Wiman, H., 1997. Area Based Segmentation and Matching of Aerial Images for Geometric Descripion of Buildings, Photogrammetry Reports No 65, Doktorsavhandling, Institutionen för Geodesi och Fotogrammetri, KTH, Stockholm. Östman, A., 1999. Distribuerade geografiska metadata – problem och möjligheter, ULI-rapport 1999:2.

22