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