02.03.2013 Views

Cecilia Pihl - Fastighetsvetenskap - Lunds tekniska högskola

Cecilia Pihl - Fastighetsvetenskap - Lunds tekniska högskola

Cecilia Pihl - Fastighetsvetenskap - Lunds tekniska högskola

SHOW MORE
SHOW LESS

You also want an ePaper? Increase the reach of your titles

YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.

5 Teori om datainsamling<br />

För att kunna diskutera vilken kvalitet något har måste det först bestämmas hur kvalitet definieras.<br />

Kvalitet har enligt GIS-Ordboken (Stanli, 1996) betydelsen ”egenskaper hos produkt<br />

eller tjänst som är av betydelse för dess förmåga att tillgodose ställda krav”. Kvalitet är alltså<br />

ingen absolut storhet, utan kvaliteten beror på vilka krav som ställs.<br />

För att en geografisk analys ska ge ett bra resultat räcker det inte bara med att ha en bra analysmetod<br />

utan det är viktigt att fråga sig vilken kvaliteten är på ingående data. Det viktiga är<br />

att kvalitet på indata är känt, för att därifrån kunna avgöra kvaliteten på data som kommer ut<br />

från en analys. Låg kvalitet på indata kan göra att fel fortplantas i analysen och på så sätt blir<br />

kvaliteten på utdata också låg. Fel i geografiska data kan uppstå på flera ställen under behandlingen<br />

av data. Vid insamling av data kan mätfel uppstå, data kan klassificeras fel och data<br />

kan läggas in fel i databasen.<br />

Som ett sista steg påverkas kvalitet av att modellen som används för analysen grundar sig på<br />

verkligheten, men det är väldigt svårt att modellera verklighetens komplexitet helt korrekt. Fel<br />

i modellen kan alltså leda till lägre kvalitet på analysen. I modellen sker representationen av<br />

verkligheten som geografisk data i form av punkter eller av kontinuerliga ytor. Antagandet<br />

om att verkligheten kan delas in i väl avgränsade områden som sen kan överföras till modellen<br />

är inte riktigt sann. De flesta attribut i verkligheten håller sig inte inom ett begränsat område,<br />

skilt från andra attribut. Som exempel kan nämnas växtlighet, där det är svårt att ta fram<br />

en skarp gräns mellan två sorters växtlighet. På en halvöppen mark växer det träd, buskar och<br />

blommor. Det är svårt att klassificera detta, eftersom det på något sätt alltid kommer att skilja<br />

sig från verkligheten. Problemet kan minskas genom införandet av nya klasser, men helt går<br />

det inte att komma ifrån problemet. Figur 5.1 visar ett ortofoto över ett område med bland<br />

annat åkermark, skog och bebyggelse. I figur 5.2 visas en karta över samma område. I ortofotot<br />

syns det tydligt att det finns flera olika sorters åkermark, men i kartan har hela området<br />

blivit klassat som en yta istället för flera. Områden med bebyggelse klassas som bara bebyggelse,<br />

trots att det finns mycket gröna ytor även inom bebyggelseområdet. För ruttplanering är<br />

det mer intressant att veta hur exempelvis en väg klassificeras. En väg kan beskrivas som bara<br />

väg, eller kan man välja att dela in den i klasser, såsom motorväg, landsväg eller cykelväg.<br />

När resultatet sen analyseras är det viktigt att vara medveten om att det finns brister i modellen<br />

och att det kan vara svårt att ta fram en realistisk modell av verkligheten och hur verkligheten<br />

ska analyseras (Heuvelink, 1998).<br />

Figur 5.1. Ortofoto över Kiaby med omnejd. Källa:<br />

Ortofoto Skåne 2004<br />

19<br />

Figur 5.2. Karta över Kiaby med omnejd. Källa:<br />

Skånekartan

Hooray! Your file is uploaded and ready to be published.

Saved successfully!

Ooh no, something went wrong!