2.2.3 Природні розриви

З попередніх прикладів ми бачили, що для змінних, які розподілені недостатньо рівномірно, застосування більшості описаних методів не дає задовільного результату. Часто близькі значення відносяться до різних класів, а значення, що сильно розрізняються, можуть бути поміщені в один клас. Природним завданням картографії став, таким чином, пошук методу угрупування, який оптимізував би розділення на класи, мінімізуючи розбіжності між значеннями усередині класів і максимізувавши відмінності між класами.

Завдання може бути вирішене за допомогою візуального аналізу розподілу даних і подальшого вибору розривів між класами. Приклади використання такого підходу наведено на рис. 2.22. Для темпів народжуваності вибір меж очевидний, оскільки він диктується декількома точками розриву в розподілі.

Рис. 2.22. Результат застосування класифікації на основі природних розривів для картографування щільності населення, рівня грамотності та народжуваності

Для двох інших ознак завдання дещо складніше. Для щільності населення пряме застосування цього методу може віднести всі низькі значення до одного класу, а високі значення розподілити по декількох окремих класах. В цьому випадку необхідно вжити заходи для збереження тонких варіацій в нижній частині діапазону.

Для щодо рівномірно розподіленого рівня грамотності природні межі між класами не виділяються, оскільки різниця значень між сусідніми спостереженнями скрізь приблизно однакова.

Не дивлячись на ці складності, класифікація з використанням природних розривів, заснована на безпосередньому аналізі розподілу значень змінної, зазвичай призводить до точного картографічного відображення даних з хорошим візуальним контрастом.

Замість того щоб покладатися на суб'єктивні оцінки, можна для визначення оптимальних або природних розривів використовувати комп'ютер. У деяких ГІС передбачені функції для визначення природних розривів на основі автоматичної оцінки розподілів даних. Можна використовувати також класифікаційні функції або кластерні функції статистичних програмних пакетів.

2.2.4 Хороплетні карти без інтервалів

Так звані некласифіковані хороплетні карти не вимагають від картографа вибору якого-небудь методу класифікації. Завдяки збільшеним технічним можливостям монітори і принтери можуть відтворювати велику кількість різних кольорових тонів або відтінків сірого. На некласифікованій карті значення змінної може безпосередньо визначати, наприклад, процентний рівень сірого. Для змінної типу відсотків ми можемо вибрати відповідний рівень сірого на шкалі від 0% сірого (білий) 100% сірого (чорний) для кожного значення змінної. Відзначимо, що, якщо техніка дозволяє відтворювати достатню кількість помітних відтінків, то рекомендується уникати використання білого як позначення, оскільки він може зливатися з білим фоном сторінки.

Проте на практиці цей прийом може не дати оптимальних результатів. Одна з причин полягає в тому, що багато змінних не змінюються від 0 до 100, а мають значення, зосереджені у вужчому діапазоні. Одержана при цьому карта матиме тільки дуже світлі або дуже темні відтінки. Цю проблму можна обійти, розтягуючи розподіл даних: використовуючи найсвітліший колір для найменшого значення і найтемніший колір для найбільшого, ми одержимо легко сприйману карту.

Насправді, існує граничне число помітних кольорів або відтінків сірого. Забарвлення з використанням безперервно змінних відтінків зручне для аналітичних цілей, тоді як поділ значень даних на невелике число класів частіше застосовуються на картах для ілюстрування доповідей.