2.2.7 Невеликі серії карт

Розподіл даних по декількох картах дозволяє також ефективно подавати динамічну інформацію. На рис. 2.25 показано приріст населення в часі за даними чотирьох послідовних переписів.

Рис. 2.25. Невеликі серії - зображення змін в часі

Карти щільності населення показують, де це зростання було найбільшим. Для зіставлення даних в різні моменти необхідно, щоб поділ на класи було однаковим для всіх карт. Це означає, що методи поділу на класи, засновані на розподілі даних (наприклад, природні розриви), в цьому випадку неприйнятні. Карти щільності населення доповнені трьома картами меншого розміру, що показують середньорічний приріст населення між переписами.

Зображення, аналогічні показаному на рис. 2.25, називаються невеликими серіями. Один і той же дизайн карти повторюється для кожного року або кожної підгрупи населенна. Однаковий дизайн всіх карт дозволяє користувачу легко інтерпретувати зміст карт. Це дасть можливість автору карти використовувати вищу щільність інформації, чим це було б можливо в інших випадках. Багатофакторні співвідношення часто сприймаються краще, якщо вони подані на декількох картах, чим на одній комбінованій карті, яка може бути ще більше ускладнена громіздкою легендою.

Очевидно, колір покращує сприйняття карт. Не дивлячись на велику кількість інформації, карти легко інтерпретуються, оскільки кластери близьких значень добре виділяються. Очевидно, що таблиця з великою кількістю значень була б значно важчою для сприйняття, ніж та ж інформація, відображена географічно.

2.2.8Узагальнені рекомендації

У приведеному вище огляді розглянуто низку відомих методів розподілу значень показників картографування на класи. Більшість ГІС підтримують методи рівних інтервалів, квантилів, стандартних відхилень і природних розривів. Крім того, всі пакети дозволяють користувачу визначати свою власну класифікацію.

У кожного методу є свої сильні і слабкі сторони. Ці особливості порівнюються в таблиці 2.1. Вибір конкретного методу залежить від характеру розподілу даних та від призначення карти. Зазвичай рекомендується починати з оцінки розподілу даних за допомогою статистичних графіків типу рангових, розглянутих вище. Іноді цього буває достатньо, щоб оптимальне число категорій і найкращі точки розриву між класами стали очевидними.

Необхідно підкреслити, що точки розриву не слід застосовувати у випадках, коли декілька карт одночасно подаються для зіставлення, наприклад карти спостережень за співвідношенням між чоловіками і жінками по районах або карти забезпеченості безпечною питною водою для двох різних областей. В цьому випадку необхідно, щоб класифікація на картах була однаковою. Для цього доведеться скористатися класифікацією, що задається користувачем на основі аналізу всіх рядів даних. Іноді можна використовувати карти з класифікацією по квантилях, за умови, що завдання зводиться до зіставлення ранжирування різних спостережень за часом і простором та не припускає порівняння власне значень даних.

Tаблиця 2.1. Порівняння різних методів класифікації

Метод класифікації	Переваги	Недоліки
Рівні інтервали	Легко реалізується. Дає добрі результати для рівномірно розподілених данних	Немає зв'язку між класифікацією і розподіленням данних.Оскільки границі класів зафіксовані, близькі значення можуть бути віднесені до різних класів, а значення, що розрізняються, до одного класу. Не може застосовуватися для даних з асиметричним розподілом або даних з піками
Геометрична прогресія	Легко реалізується дає добрі результати для данних з сильно асиметричним розподілом (наприклад якщо дуже багато малих значень і дуже багато великих)	Відповідну геометричну прогресію доводиться вибирати користувачу. Оскільки межі класів фіксовані, близькі значення можуть бути віднесені до різних класів, а значення, що розрізняються, до одного класу
Квантилі (рівні частоти)	Забеспечує хороший візуальний контраст. Дає добрі результати для достатньо розподіленихданих	Близькі або рівні значення можуть врезультаті опинитися в різних категоріях
Стандартне відхилення	Зручний для демонстрування тенденції, що проявляється з віддаленням від середнього. Зв’язує окремі класи з глобадьним середнім. Дає добрі результати для даних з нормальним розподілом	При використанні для даних з асиметричним розподілом або наборами даних, що мають піки (невелика кількість дуже маленьких або дуже великих значень), утворюється значне число класів
Природні розриви	Близькі значення потрапляють в один клас. Число класів часто визначається кількістю точок розриву	Може дати класи, що значно відрізняються за розмірами.Вимагає об′єктивної оцінки(візуального аналізу). Не забезпечує зіставлення серії карт.
Некласифіковані хороплетні карти	Не потрібно визначати точки розриву. Відтінок сірого або тон кольору визначається безпосередньо значенням змінної. Підкреслює безперервністьрозподілу змінної у множені.	Більшість пристроїв виведення підтримують обмежене число помітних відтінків сірого або кольорових тонів.Карти з тонкими відмінностями у відтінках сірого погано відтворюються..