GIS, 2. utgave (9788245045222)

Copyright © 2023 by Vigmostad & Bjørke AS

All Rights Reserved

1. utgave 2015

2. utgave 2023 / 1. opplag 2023

ISBN: 978-82-450-4522-2

Grafisk produksjon: John Grieg, Bergen Omslagsdesign ved forlaget

Omslagsbilde: Honduras. Foto: NASA Goddard Space Flight Center © https://www.flickr.com/photos/gsfc/14400721705/in/photostream/ Creative Commons License

Spørsmål om denne boken kan rettes til: Fagbokforlaget Kanalveien 51

5068 Bergen

Tlf.: 55 38 88 00

e-post: fagbokforlaget@fagbokforlaget.no www.fagbokforlaget.no

Materialet er vernet etter åndsverkloven. Uten uttrykkelig samtykke er eksemplarfremstilling bare tillatt når det er hjemlet i lov eller avtale med Kopinor.

Vigmostad & Bjørke AS er Miljøfyrtårn-sertifisert, og bøkene er produsert i miljøsertifiserte trykkerier.

Forord

Jeg har undervist studenter i bruk av geografiske informasjonssystemer lenge, men tenker fremdeles at å undervise er en av de beste måtene å lære på. Etter å ha blitt lærebokforfatter tenker jeg imidlertid at det å skrive lærebøker om mulig er enda mer lærerikt. Særlig siden jeg gjerne ville gå litt mer i dybden enn det jeg synes er vanlig i andre lærebøker om geografiske informasjonssystemer.

Ønsket om å gå i dybden medfører imidlertid at det er temaer som ikke nevnes i denne boken. Deltagende GIS (PGIS/PPGIS), web-basert geografisk visualisering samt flere detaljer om redigering, generalisering, databaseteknologier, nettverksanalyser og 3D-analysemuligheter er eksempler på temaer som jeg enten måtte utelate eller kun nevner kort. Heller enn å gi en overfladisk oversikt over alle bruksområdene for et GIS, har jeg lagt vekt på å dekke grundig noen klassiske tematiske områder samt noen områder som i liten grad er dekket av andre lærebøker. De klassiske temaene inkluderer representasjon, datainnsamling, grunnleggende vektor- og rasteroperasjoner og romlig interpolasjon. Dette er temaer som finnes i de fleste lærebøker i GIS, men som stadig fornyes slik at eldre lærebøker fort blir gammeldagse. Andre temaer, som synlighetsanalyse og måling av solinnstråling, er mer sjeldne emner. Andre lærebøker beskriver disse emnene heller overfladisk, om i det hele tatt. Bruk av skripting ville jeg også gi plass til, og det finnes derfor i boken flere eksempler på Python-kode for å effektivisere og automatisere oppgaver.

Nytt for den andre utgaven er et kapittel om tilgjengelighet av geografiske data der mange eksempler på offentlig tilgjengelig kartgrunnlag presenteres sammen med noen eksempler på bruk av GIS for planlegging. Dette var et av ønskene fra brukerne av boken. Et annet ønske var å ha med noe om kartdesign og kartografisk kommunikasjon. Andre endringer er at de to siste kapitlene fra førsteutgaven, som var relevante for statistisk analyse i GIS, er tatt ut.

Om du synes å lese en lærebok blir noe gammeldags, kan du gjerne besøke YouTubekanalen «GIS – Tools to understand the world», der jeg jevnlig legger ut korte forelesningsvideoer (typisk 15 min lengde) og enda kortere demovideoer (typisk 3 min lengde). Søk etter denne i din nettleser, og om du ser et skjermbilde noenlunde lik det nedenfor, har du funnet dette.

Jeg vil rette en varm takk til Trond Arve Haakonsen, Ragnvald Larsen og Knut Stanley Jacobsen som kritisk har lest og kommentert deler av første utgave til boken. Til andreutgaven har jeg fått god hjelp fra Lars Mardal og Thomas Lakeman. Tomasz Opach har bidratt med fine figurer til denne utgaven, og jeg er også takknemlig overfor Canadian Centre for Remote Sensing, Ianko Tchoukanski, Steinar Myrabø, ET SpatialTechniques, Kartverket, ESRI, NASA Landsat og Ethnologue for at de har gitt meg rettigheter til å bruke deres figurer og bilder. Takk også til Det faglitterære fond som ga meg skrivestipend til førsteutgaven, og til Lasse Postmyr i forlaget for at de hadde tro på bokprosjektet.

Takk også til Diana for generell støtte og til Sofia, Bea og Mateus for deres tålmodighet.

Om du oppdager noen feil eller har synspunkter på denne boken, positive så vel som negative, hører jeg gjerne fra deg.

Trondheim, mars 2023

Jan Ketil Rød

Introduksjon

Det som av de fleste anses for å være verdens første GIS, ble etablert i 1966 og het det kanadiske geografiske informasjonssystem (CGIS). Det kanadiske instituttet for skog og landskap hadde stort behov for en mer effektiv forvaltning av arealbruksressurser for jordbruk, skogbruk, dyreliv og rekreasjon. Roger Tomlinson (1933–2014), som var ansvarlig for arealbrukskartlegging i Canada, mente at selv med kapasiteten til datidens elektroniske datamaskiner ville en forvaltning basert på elektronisk analyse være mer lønnsomt enn en forvaltning basert på manuell analyse. Arbeidet med å etablere verdens første GIS ble derfor initiert i 1963 (Longley mfl., 2011). Tomlinson var den første som brukte betegnelsen «geografisk informasjonssystem» og regnes for å være GIS’ «far».

Noe det kanadiske geografiske informasjonssystem ble brukt til, var noe så trivielt som arealberegninger, men før løsninger ble mulig ved hjelp av elektronisk databehandling, var måling av areal et omfattende manuelt arbeid. Tradisjonelle metoder for arealbestemmelse inkluderer rutemetoden, strimmelmetoden og trekantmetoden og er godt dokumentert i eldre lærebøker i kartografi (se for eksempel Campbell, 2001). Prinsippet for manuell arealberegning basert på rutemetoden, vises i figur 1.1.

Figur 1.1a viser en polygon som representerer et jordbruksområde med ukjent areal. Over dette legges det et rutenett med kjent størrelse, og i dette eksempelet dekker hver rute et areal på 50 x 50 m, eller 2500 m2. Antall ruter som er helt dekket av polygonen, vises markert med mørkere farge i figur 1.1b, og antall ruter som er delvis dekket av polygonen, vises markert i figur 1.1c. De hele og delvis dekkede rutene telles, og for sistnevnte angis noe grovt en tilnærmet verdi for arealet – en antar at de opptar halve rutecellen. Arealet som polygonen dekker, kan dermed estimeres som vist i formel 1.1.

Figur 1.1 Arealmåling ved hjelp av rutemetoden

Dette er en unøyaktig arealmåling og tidkrevende selv for kun en enkel polygon. For de store skogsområdene i Canada ble slike tradisjonelle og manuelle metoder vurdert som en altfor omfattende oppgave. Det var behov for andre løsninger, og det kanadiske geografiske informasjonssystem ble løsningen. Med et GIS automatiseres arealberegninger, og disse ligger lagret for polygontema som en geometrisk egenskap. Derfor kan vi for eksempel meget effektivt identifisere områder av en bestemt størrelse og arealbrukskategori uten å gjøre arealmålingene da disse allerede er utført. La oss demonstrere med et eksempel.

Forestill deg at du jobber som planlegger i eller for Trondheim kommune, og at du er interessert i å få svar på følgende spørsmål:

Finn alle områder klassifisert som innmarksbeite i Trondheim kommune som er mindre enn 100 dekar (100 000 m2 eller 0,1 km2 i areal).

Det kan være at du som planlegger ønsker å finne potensielle områder som kan benyttes til boliger for å få øket boligtettheten i sentrumsnære områder, eller det kan være at nettopp små innmarksbeiteområder representerer så spesielle landskapselementer at de kan være bevaringsverdige. Uansett motivasjon til å stille spørsmålet er ikke svaret så enkelt å finne uten å benytte kart. Som vist ovenfor vil dette være en arbeidskrevende prosedyre hvis en baserer seg på papirkart og tradisjonelle, manuelle arealmålingsmetoder. Dersom en har utstyr, programvare, kompetanse samt et digitalt kart som viser jordbruksområdene i Trondheim kommune, kan en ved hjelp av et GIS identifisere områder basert på bestemte kriterier ved hjelp av det som kalles spørringer (queries på engelsk). Arealtyper er tilgjengelig for hele Norge og er en del av Felles kartdatabase (FKB). FKB inneholder detaljerte kartdata tilpasset målestokker 1:500 til 1:30 000 og egner seg for kartproduksjon, saksbehandling, prosjektering og geografiske analyser. Arealtype (AR5) er et av flere datasett i FKB. AR5 beskriver arealressursene og deres egnethet for plantedyrking og naturlig planteproduksjon. Landarealet er delt inn i klasser med samme verdier for egenskapene arealtype, skogsbonitet, treslag og grunnforhold (Bjørdal & Bjørkelo, 2006). For eksempel finnes polygoner som representerer fulldyrket jord, overflatedyrket jord og innmarksbeite.

For at et GIS skal gi svaret på spørsmålet stilt ovenfor, må det oversettes til et strukturert spørrespråk vi kaller SQL:

SELECT * FROM Arealressurs WHERE: ARTYPE = 23 AND Shape_Area < 100 000

Arealressurs er navnet på karttemaet med arealressursklassene. ARTYPE = 23 identifiserer alle arealressursklasser som er klassifisert som innmarksbeite, mens uttrykket

Shape_Area < 100 000 legger til en betingelse om at disse skal være mindre enn 100 000 m2, eller 100 dekar. Mye mer kan forklares om strukturelle spørringer, men dette tar vi opp igjen i kapittel 8. Nå skal vi nøye oss med å se på svaret som vises i figur 1.2.

Polygoner som representerer arealtypen Innmarksbeite og som er mindre enn 100 dekar, er markert (med rød omrissfarge) som resultat av spørringen

Resultatet, og dermed svaret på spørsmålet, vises i kartet i figur 1.2. De områdene som oppfyller betingelsene (innmarksbeiteområder med areal mindre enn 0,1 km2), er fremhevet.

Figur 1.2 Arealressurs-datasettet vist med klasser for arealtyper (ARTYPE).

1.1 Hva er GIS?

Geografiske informasjonssystemer har fått en voldsom utbredelse innenfor mange fagområder i de siste tiårene, og fremdeles er det nye områder der det tas i bruk. Ved Norges teknisk-naturvitenskapelige universitet (NTNU) er det i dag flere institutter som benytter GIS innen undervisning og/eller forskning. Mange studenter tar emner og kurs der de tilegner seg kunnskap om og ferdigheter med GIS da de ser at GIS er tre bokstaver som ofte opptrer i stillingsannonser. Stadig flere private bedrifter, forvaltningsetater og forskningsinstitusjoner etterspør kunnskap om bruk av GIS.

Siden GIS brukes innen mange ulike fag og i mange forskjellige sammenhenger, er det er mange definisjoner på GIS. Felles for dem alle er at de betrakter geografiske data som en unik type data som beskriver jordoverflaten eller deler av denne (geografi betyr beskrivelse av jorden). I stedet for geografiske data foretrekker noen å bruke termen romlige data (engelsk: spatial data), som i engelsk språkdrakt er en mer generell term som beskriver en hvilken som helst romlighet. Spatial data kan beskrive miljøet rundt oss, men kan også beskrive så forskjellige romligheter som overflaten av månen, menneskehjernen og innsiden av bygninger. Som en presisering benytter derfor enkelte forfattere termen geospatial som lyder noe merkelig på norsk. Begrepet georomlig er derfor lite brukt. I denne boken vil jeg følge Bjørke (1987) og betrakte geografiske data som bestående av romlige data og egenskapsdata (se figur 1.3). Prinsippene for hvordan GIS-verktøy anvendes, vil imidlertid være overførbare til andre romligheter.

1.1.1 Geografiske data

Figur 1.3 viser hvordan det er vanlig å organisere geografiske data, nemlig som romlige data og egenskapsdata (Bjørke, 1987). Egenskapsdata kalles også attributtdata eller beskrivende data. Romlige data har en posisjon – en stedfesting gitt ved koordinater – og en geometrisk form: punkt, linje eller polygon (flate). Egenskapsdata er enten av kvalitativ eller kvantitativ art. Kvantitative data finnes på tre ulike målenivå: ordinaldata, intervalldata og forholdsdata. I et geografisk informasjonssystem er romlige data og egenskapsdata knyttet sammen, som illustrert i figur 1.3 med en sammenknyttende strek. Denne koblingen mellom romlige data og egenskapsdata gjør det mulig å utføre analyser ved hjelp av GIS som du ikke kan utføre med annen programvare. Et annet aspekt ved koblingen mellom romlige data og egenskapsdata er at den er ment å etterligne vår forståelse av geografiske data slik vi forstår dem fra topografiske kart. For eksempel vil de fleste oppfatte at en blå linje på et topografisk kart representerer en elv. En slik «kobling» mellom romlige data og beskrivende data gjør at vi forstår topografiske kart, enten ved hjelp av erfaring eller ut fra tegnforklaringen. I geografiske informasjonssystemer må en tilsvarende kobling være realisert i datastrukturen – det må knyttes beskrivelser til de geometriske objektene. Alle objekter får derfor tilordnet kvalitative og/eller kvantitative data.

Kvalitative data (eller nominaldata) sier noe om forskjellighet – som at en gul flate (dyrket mark) er forskjellig fra en blå (innsjø). Nominaldata er klassifisering av data i gjensidig utelukkende kategorier. Et areal kan for eksempel ikke være klassifisert som både vann og skog. Kvantitative data sier noe om størrelsesforhold, og de kan angis på tre ulike målenivåer: ordinalnivå, intervallnivå og forholdsnivå. Ordinalnivå beskriver en rangert klassifikasjon av enhetene. Enhetene kan settes i en rekkefølge. Om enhetene er polygoner som representerer skogsområder, kan de ulike polygonene ha beskrivelser knyttet til seg om deres bonitet som typisk deles inn i tre klasser: lav bonitet, middels bonitet og høy bonitet. Et annet eksempel kan være kart som viser erosjonsrisiko der polygonene symboliseres med mørkere farge for desto høyere erosjonsrisiko. Inndelingen som benyttes, kan være svært stor erosjonsrisiko, stor erosjonsrisiko, middels erosjonsrisiko og liten erosjonsrisiko. Rekkefølgen er tydelig.

Vi kan enkelt avgjøre om noe er «bedre» enn noe annet, men vi kan ikke avgjøre hvorvidt forskjellen i «godhet» mellom lav og middels er like stor som fra middels til høy

Det neste målenivået, intervallnivået, gir mulighet til dette. Ved data på intervallnivå kan en sammenligne differanser. Dette er mulig ved at intervallnivå uttrykkes med numeriske verdier på en ekvidistant skala. En ekvidistant skala betyr at målepunktene har en konstant avstand slik som centimetermarkeringene på en linjal. Intervallnivået benytter en ekvidistant skala og skiller seg dermed fra ordinalnivået ved at avstanden mellom klassene er kjent.

Temperatur målt på celsiusskalaen er et klassisk eksempel på data som er på intervallnivå. Temperaturforskjellen mellom 0 °C og 40 °C er dobbelt så stor som mellom 20 °C og 40 °C. Vi mangler imidlertid et absolutt nullpunkt. Uten et absolutt nullpunkt blir uttrykk om forhold mellom enheter målt på intervallnivå, meningsløse: 40 °C er ikke «dobbelt så varmt» som 20 °C. Om temperatur er målt på kelvinskalaen, opererer vi imidlertid med et absolutt nullpunkt, og det gir mening å angi forhold mellom variabelverdier. 20 °C og 40 °C tilsvarer henholdsvis om lag 293 K og 313 K på kelvinskalaen, og ingen vil vel hevde at den siste verdien representerer et tall dobbelt så stort som den første.

Har vi absolutt nullpunkt, er dataene på forholdsnivå (ratio på engelsk). Ofte skilles det ikke mellom nivåene intervall og forhold, og det er sjelden at en ser andre eksempler enn temperatur målt i celsius for intervallnivået. Tidsreferanser og høydereferanser benytter også tilfeldig valgte nullpunkt: Tidsangivelse fordi valget av Greenwich-meridianen som

Figur 1.3 Geografiske data (tilpasset fra Bjørke, 1987, Geomatikk, Institutt for bygg og miljøteknikk, NTNU)

utgangspunkt for måling av tid kan betraktes som tilfeldig og høydeangivelse da denne vil variere avhengig av hvilket datum en tar utgangspunkt i.

Temperatur målt på kelvinskalaen er et eksempel på data på forholdsnivå. To andre vanlige eksempler er avstandsmål og folketall. Data på forholdsnivå kan både være absolutte tall og relative tall. Relative tall er absolutte tall som er relatert til andre datasett. Dette gjør vi for å gjøre data mer nyttige, for ved å gjøre absolutte tall relative setter vi dataene inn i en kontekst. Relative data benyttes ofte i geografiske undersøkelser der en ønsker å sammenligne regioner. Det er to hovedtyper av relative data (Kraak & Ormeling, 2003): tetthet og andel uavhengig av areal. Det mest kjente tetthetsmålet er nok befolkningstetthet – et mål som oppstod etter teoriene til Thomas Robert Malthus (1766–1834). Som vist i formel 1.2, er befolkningstetthet forholdet mellom totalbefolkning og areal:

Den andre hovedtypen av relative tall, andel uavhengig av areal, uttrykker forholdet mellom to datasett slik som forholdet mellom et utvalg av befolkningen og den totale befolkningen. Ved å anvende formel 1.3 vil du finne andelen av total befolkning som er 14 år eller yngre.

Urbaniseringsgrad, sysselsettingsandel og legedekningsandel er andre eksempler på data på relative forholdsnivå. Mulighet til romlig analyse og kartografisk presentasjon er noe av det unike ved geografiske data, og enkelte definisjoner på GIS legger vekt på dette. Innen romlig analyse, som innen annen statistisk analyse, er det viktig å vite hvilket målenivå variablene er på siden dette avgjør hvilke analyser og tester for signifikans en kan utføre. Innenfor GIS er det dessuten viktig å kjenne til målenivået da dette angir hvilke typer kart du bør benytte for å presentere de aktuelle data (for detaljer, se kap. 17). Med dette i minne returnerer vi til ulike definisjoner av GIS, som det finnes mange av. Maguire fant allerede på begynnelsen av 1990-tallet ikke mindre enn elleve ulike definisjoner på GIS (1991). I dag vil det finnes flere definisjoner enn i 1991 siden både teknologi og anvendelse har utviklet seg. Blant de mer levedyktige definisjonene på GIS er de som er verktøybaserte.

1.1.2 GIS som verktøykasse

Mange definisjoner kan sorteres under overskriften verktøy-definisjoner og er nok, direkte eller indirekte, inspirert av Burroughs klassiske definisjon, her med min oversettelse: «Et geografisk informasjonssystem er en samling verktøy for å samle inn, lagre, endre, analysere og presentere romlige data fra den virkelige verden for et eller flere bestemte formål» (1986:6).

· GIS – verktøy for å forstå verden

Om GIS er en verktøykasse, kan en spørre seg hva slags verktøy denne boksen inneholder. I flere lærebøker med tilsvarende GIS-definisjoner fremstilles GIS som et IKT-basert verktøy med følgende funksjoner (Clarke, 2003):

1. Innsamling og lagring av geografiske data

2. Endre og transformere geografiske data

3. Geometriske operasjoner og romlig analyse

4. Presentasjon av geografiske data

Etter en gjennomgang av flere definisjoner på GIS hevder Green (2001) at de fleste definisjoner plasserer GIS i en informasjons- og kommunikasjonsteknologikontekst med henvisninger til maskinvare, programvare, databaser og andre heller tekniske begreper. Green mener dette vanskeliggjør en forståelse av hva GIS er for folk som mangler denne relevante tekniske bakgrunnen. En alternativ definisjon med kognitive heller enn tekniske termer, og som likevel tilsvarer Burroughs verktøydefinisjon, kan formuleres slik: GIS er et sett av verktøy som omdanner geografiske data til geografisk informasjon og som derved bidrar til øket kunnskap og/eller til å løse geografirelaterte problemer.

1.1.3 Data, informasjon, kunnskap og intelligens

For å forklare definisjonen fra siste delkapittel må begrepene data, informasjon, kunnskap og intelligens avklares. Ordet data er fra latin, flertallsformen av datum, og betyr det som er gitt. Data er rå, uorganiserte fakta, oftest uten en kontekst. Data kan være tekst, bilder eller tall − som for eksempel temperaturen et gitt sted på et bestemt tidspunkt. I dagligtale benyttes ofte data og informasjon som synonymer. Luciano hevder at informasjon = data + mening (Luciano, 2010), men om vi bruker begrepet informasjon i en meget snever betydning, blottet for mening, er data og informasjon det samme. Selv om det meg bekjent ikke finnes noen allmenn enighet om hvordan data og informasjon skal defineres, vil nok de fleste anvende informasjon i en noe snevrere forstand, som data + mening. Longley og kolleger hevder at informasjon er data med en hensikt eller data som er tolket (2011). Når data er bearbeidet, strukturert og presentert i en kontekst slik at en kan ha nytte av det, kalles det informasjon.

Selv om vi i dag har tilgang til store mengder informasjon, og selv om informasjon spres meget effektivt, betyr ikke dette at kunnskap følger automatisk. En student som bærer på en bunke bøker, bærer ikke på mye kunnskap. Hun bærer på mye informasjon. Likevel, når informasjon er tilgjengelig, kan kunnskap dannes, og derfor er, ifølge Luciano, meningsfull informasjon det essensielle utgangspunktet for all vitenskapelig undersøkelse (2010). Når informasjonen som er lagret i en bok er lest og forstått, har informasjonen bidratt til kunnskap. Som en bok lagrer tekst, lagrer et kart punkt-, linjeeller polygonsymboler. Når kartet er lest og symbolene forstått, har kartet bidratt til kunnskap. Kunnskap er å få svar på et spørsmål, og med GIS kan en stille og få besvart mange spørsmål. Anvendelse av kunnskap for å løse reelle problemer kalles av flere for intelligens (se for eksempel Penzias, 1989; Sui, 1995).

1.2 GIS som verktøy eller som vitenskap?

Forkortelsen GIS har i engelsk språkdrakt to betydninger: geografiske informasjonssystemer og geografisk informasjonsvitenskap. Skillet er mer tydelig på engelsk der det skilles mellom geographical information system versus geographical information science, eller GISystems versus GIScience. Skillet ble innført av Goodchild i 1992 som mente at studiet om teknologiene, teoriene og begrepene som underbygger GIS og tilsvarende verktøy, hadde nådd et visst modningsnivå slik at det utgjorde en egen vitenskap (1992). Goodchild mente dessuten at å fremme GIS som vitenskap ville være nødvendig for å sikre at de tilgrensende teknologier, teorier og begreper som GIS er avhengig av, forble aktive forskningstemaer. Skillet ble bredt akseptert og medførte, blant annet, at et av de ledende vitenskapelige tidsskriftene for GIS-forskere skiftet navn fem år senere, fra International Journal of Geographical Information Systems til International Journal of Geographical Information Science.

1.3 Ontologi og epistemologi

Denne boken handler om hvordan GIS kan brukes som et verktøy for å skaffe ny kunnskap om virkeligheten, og hvordan vi kan forstå denne bedre. Men hva er kunnskap, og hva er virkelighet? Dette er klassiske filosofiske spørsmål, og innen vitenskapsfilosofi diskuteres disse spørsmålene gjerne under overskriftene epistemologi og ontologi. Epistemologi betyr erkjennelsesteori, eller læren om erkjennelse, altså hvordan vi kan oppnå kunnskap. Epistemologi omhandler dermed hvilke metoder vi kan benytte for å analysere virkeligheten. Ontologi betyr læren om det værende, hva vi kan vite noe om, om hvordan virkeligheten er. Virkeligheten kan være det vi ser og som vi kan måle, men virkeligheten kan også være noe vi ikke ser og som er vanskelig å måle, som for eksempel opplevelse av frykt, usikkerhet eller glede. Uansett er virkeligheten noe som er meget sammensatt og komplisert. Når forskere utforsker og analyserer virkeligheten, skjer dette derfor aldri direkte, men ved hjelp av representasjoner. De konklusjonene en forsker trekker, er basert på analyser av representasjoner av virkeligheten heller enn virkeligheten selv. Om konklusjonene skal være riktige, må derfor representasjonene være så «tett på virkeligheten» som mulig. Da jeg studerte landmåling, lærte jeg at en måling uten kontroll ikke er noen måling. Vi måtte med andre ord være sikre på at de målingene vi foretok, var riktige – eller nøyaktige. Det samme gjelder for kvalitativ forskning basert på intervjuer. Om informantene ikke snakker sant, får du ikke ny kunnskap om virkeligheten, men manipulerte versjoner av denne.

Alle vitenskapelige undersøkelser tar utgangspunkt i representasjoner. Representasjoner kan være i form av bilder, tekst eller kart. Felles for dem alle er at de forenkler virkeligheten. Lyder og lukter utelukkes. Siden representasjonen er et utvalg av virkeligheten, vil elementer som av noen blir betraktet som uviktige, bli utelatt. Alle utsagn om virkeligheten vil ha ulike og noen ganger motstridende meninger. Hva ulike personer vil se og gjenkjenne i et landskap, avhenger av hvordan vi tolker det vi ser. Noen vil betrakte landskapet som en prosess av geomorfologiske prosesser, mens andre vil

GIS – verktøy for å forstå verden

betrakte det som et resultat av menneskelig bruk. Videre utelates også elementer som er for små. Som et resultat vil feilkilder bli gjeldende, og representasjonene vil være beheftet med usikkerhet.

For kart er det hovedsakelig to strategier for å representere fenomener i virkeligheten: den kontinuerlige feltanskuelse og den diskrete objektanskuelse. Er virkeligheten et kontinuerlig varierende felt av fenomener, eller en tom konteiner som fylles med diskrete objekter? Som GIS-brukere har vi ikke andre valg enn å representere virkeligheten enten som diskrete objekter eller som kontinuerlige felt. Schuurman mener dermed at objektanskuelsen og feltanskuelsen definerer de ontologiske mulighetene til GIS (2004). Begge strategier har begrensninger, begge er reduksjonistiske, men begge har vist seg å være meget nyttige. I den diskrete objektanskuelse er verden representert som objekter med veldefinerte grenser i et ellers tomt rom. Objekter er spredt i rommet, de tilhører en kategori, og de kan telles og/eller måles. I den kontinuerlige feltanskuelse er virkeligheten representert med et sett av variabler der hver variabel har en verdi for en hvilken som helst posisjon, og har en kontinuerlig og uavbrutt spredning over feltet. Typiske variabler er høyde over havet, temperatur, lufttrykk og jordegenskaper som surhet og fuktighet. I prinsippet kan både vektor- og rasterdatamodellen brukes for å representere både diskrete objekter og kontinuerlige felt, men i praksis er det en sterk forening mellom vektor og diskrete objekter og mellom raster og kontinuerlige felt.

For noen tiår tilbake var GIS-verktøy enten rene vektor-GIS eller rene raster-GIS, men i dag er ikke dette skillet relevant. I dag er de fleste GIS-verktøy hybride med funksjoner for både vektor- og rasteroperasjoner. O’Sullivan og Unwin (2010) hevder at skillet mellom vektor og raster ikke er særlig nyttig, og at det kan hemme en forståelse av en viktigere forståelse, nemlig skillet mellom objekt- og feltanskuelsene av virkeligheten. Det viktigste er ikke hvilken av representasjonsstrategiene som er den mest korrekte eller nøyaktige, men hvilken strategi som er best egnet for de analytiske oppgavene en ønsker å utføre.

1.4 GIS, romlig analyse og positivisme

Romlig analyse forbindes av mange med GIS, men det har ikke alltid vært slik. En kritikk av GIS som særlig gjorde seg gjeldende på begynnelsen av 90-tallet, var mangelen på analytisk funksjonalitet. Selgere av GIS-programvare brukte romlig analyse som reklame, men funksjonaliteten til disse var begrenset til database- og/eller geometriske operasjoner. Statistisk analyse var begrenset, og det var generell mangel på verktøy for å analysere punktmønstre, romlig autokorrelasjon, geostatistikk, og utforskende analyse manglet også (Brimicombe, 2003). Schuurman hevder imidlertid at det er viktig å huske på at ikke all romlig analyse er avhengig av matematisk modellering eller sofistikerte spørringer. Det menneskelige øye er i stand til å oppdage mønstre som kan finnes i data gjennom visualiseringsprosesser (Schuurman, 2004).

Visualiseringsprosesser er i dag meget populære i en tidlig fase av geografiske analyser siden en da blir kjent med data og ofte oppdager mønstre. Slike analyser er ofte GIS-baserte, og resultatet av analysen kan typisk gi svar på hvor noe er. For eksempel

den beste lokaliteten for en ny virksomhet, områder spesielt utsatt for kriminalitet, spesielt skredutsatte steder eller hvor det er en høy andel av eldre mennesker. Identifisering av hvor disse spesielle områdene er vil være nyttig i mange sammenhenger, men vil som oftest ikke være tilstrekkelig om en ikke samtidig får vite hvorfor disse områdene skiller seg ut. Først da kan en gjennomføre strategiske tiltak for å gjøre situasjonen bedre, som for eksempel tiltak for å bekjempe kriminalitet eller for å unngå bosetning og infrastruktur i skredutsatte områder. Dagens GIS-programvare har mye bedre analytiske muligheter enn på 90-tallet. På 90-tallet var det store utfordringer med datainnsamling, lagring og forvaltning av data. I dag lever vi, i alle fall i vår del av verden, med en overflod av data. Data er tilgjengelig fra en rekke kilder, og GIS er den dataintegrerende teknologien (Sinton, 2009) som muliggjør GIS-baserte multivariate romlige analysemetoder.

Mange av de fundamentale funksjonene som brukes i romlig analyse, ble utviklet av kvantitativt orienterte geografer på 1950- og 1960-tallet og har siden blitt tilpasset og endret. Av ulike årsaker var romlig analyse ikke særlig populært (blant samfunnsgeografer) på 1970-tallet og i de følgende tiårene. Dette var delvis et resultat av positivismekritikken som fremdeles er fremtredende. Mye av antipatien mot kvantitative metoder synes imidlertid fremdeles å være basert på synspunkter på kvantitativ forskning fremført på 1950- og 1960-tallet heller enn å være basert på en vurdering av et mer fullstendig spekter av kvantitativt basert forskning som er utført de siste tiårene (Robinson, 1998).

Positivismekritikken rettet seg særlig mot antagelsen av objektivitet og nøytralitet. Filmen Salmer fra kjøkkenet av Bent Hamer fra 2003 illustrerer problemet veldig godt. Filmens handling er fra tidlig på 1950-tallet da en fokuserte sterkt på husmorens yrke og kjøkkenet som arbeidsplass. Husmorarbeidet ble løftet opp på samme nivå som annet fagarbeid, og utviklingen av tekniske nyvinninger for det moderne kjøkkenet ble ansett som samfunnstjenlig. Etter en grundig kartlegging av den svenske husmorens adferd på kjøkkenet er forskerne på Hemmens forskningsinstitut,1 HFI, i Stockholm modne for å vende blikket ut over sine egne geografiske og kjønnsrollebestemte grenser. På begynnelsen av 50-tallet sender de tolv av sine beste feltobservatører over Kjølen til den vesle bygda Landstad i Norge, med sitt overskudd av ugifte menn, der de skal studere enslige menns kjøkkenrutiner. Feltobservatørene skal lage nettverksdiagrammer over hvordan de ugifte mennene bruker kjøkkenet, slik de har gjort i Sverige for gifte kvinner (se figur 1.4), for å optimalisere kjøkkeninnredning og arkitektur.

· GIS – verktøy for å forstå verden

1 sv.wikipedia.org/wiki/Hemmens_forskningsinstitut

I filmen Salmer fra kjøkkenet er Folke Nilsson (Tomas Norström) satt til å studere kjøkkenrutinene til Isak Bjørvik (Joachim Calmeyer). Referansen til positivismens naive tro på objektivitet og nøytralitet er åpenbar. Feltobservatøren Folke Nilsson skal under ingen omstendighet snakke med Isak Bjørvik eller inkluderes i kjøkkenets gjøremål og rutiner. For å få avstand mellom objekt og subjekt sitter feltobservatøren på en høy stol i et hjørne av kjøkkenet. Imidlertid slutter Isak å bruke kjøkkenet, plasserer seg i etasjen over, borer et hull i gulvet og observerer Folke. Rollene er byttet om. Etter hvert overvinner de to ensomme mennene etterkrigstidens mistro mellom svensker og nordmenn – og de blir venner. De positivistiske vitenskapsidealene er latterliggjort.

Prinsippet for nettverksdiagrammet i figur 1.4 er imidlertid en vanlig fremstillingsmåte for flyt langs nettverk. Figur 1.5 viser et tilsvarende nettverksdiagram der kjøkkenet er erstattet med landområdet Trøndelag og husmorens vandringsruter på kjøkkenet er erstattet med veinettverket (europaveier, riksveier og fylkesveier). Slik tykkelsen på vandringsrutene i figur 1.4 viser de mest «trafikkerte» rutene for husmoren, representerer tykkelsen på veiene i figur 1.5 årsdøgntrafikk (ÅDT).2

2 ÅDT – årsdøgntrafikk – er den totale trafikken på en trafikklenke (veisegment) i løpet av et kalenderår dividert med antall dager i året.

Figur 1.4 Nettverksdiagram over husmødres bruk av kjøkken (Holger.Ellgaard, CC BY-SA 3.0, via Wikimedia Commons)

Mønstre som dem som vises i figur 1.4 og 1.5, gir svar på hvordan rommet brukes av henholdsvis husmødre og kjøretøy, men kan ikke alltid gi gode svar på hvorfor. Et spørsmål som ofte kjennetegnes som kjernen av hva geografi er, er spørsmålet «Hvorfor er det slik akkurat her?» (Holt-Jensen, 1990). I dag er de fleste GIS i mye bedre stand til også å besvare slike spørsmål og er dermed et mye mer relevant verktøy for geografer og andre enn hva tilfelle var for noen få tiår tilbake.

GIS – verktøy for å forstå verden

Figur 1.5 Veinettverk skalert med ÅDT

Representasjon

Som nevnt i innledningskapittelet, er det to hovedstrategier for å representere virkeligheten i et GIS: ved hjelp av vektordata (som vanligvis er assosiert med den diskrete objektanskuelse) og rasterdata (som vanligvis er assosiert med den kontinuerlige felt-

2.1 Vektordata

I virkeligheten har fenomener mange ulike former, men i en vektorrepresentasjon forenkles dette (som vist i figur 2.1) til tre geometriske objekttyper: punkt, linje og polygon.

anskuelse).

Figur 2.1 Eksempler på fenomener i virkeligheten, deres geometriske representasjoner i en vektorrepresentasjon og tilhørende egenskapstabeller (attributtabeller)

Uansett geometritype så er det i vektor-GIS alltid en kobling mellom de romlige data (kartet) og deres egenskaper (attributtabellen). I kvantitative emner brukes ofte termen datatabell om en tabell som består av et antall enheter (rader) og variabler (kolonner). Egenskapstabell eller attributtabell er termer som brukes innen GIS-terminologi for samme type tabell, men her benyttes gjerne egenskap eller attributt i stedet for variabel. Til forskjell fra en datatabell er det i et GIS en kobling mellom romlige data og egenskapsdata. For eksempel, om du klikker på et objekt blant de romlige data, vil dette markeres ikke bare i kartet, men også i egenskapstabellen. Om du klikker på et annet objekt (som et av de andre punktene / linjene / polygonene), vil kart og tabell oppdateres med markering av sist valgte objekt og rad. Hver rad i egenskapstabellen svarer til en geografisk enhet i kartet.

Figur 2.1 viser eksempler på fenomener i virkeligheten, deres geometriske representasjoner i en vektorrepresentasjon (punkt-, linje- og polygontema) og tilhørende egenskapstabeller. Koblingene mellom de romlige data og egenskapsdata muliggjøres ved hjelp av en felles indikator. I egenskapstabellene i figur 2.1 ser du disse som første kolonne. Når denne koblingen er etablert, kan vi legge inn flere kolonner med data som er med på å beskrive de romlige objektene. Ved hjelp av egenskapstabellene i figur 2.1 ser vi, for punkttemaet, navnet på de to hovedstedene og hvilke land de hører hjemme i. For linjetemaet – som er en internasjonal grense – ser vi landkodene til landene som ligger henholdsvis til høyre og til venstre for grensen. I egenskapstabellen for linjetema er det dessuten vanlig å ha lengden for linjen lagret. Polygontema kan være, som vist i figur 2.1, ulike arealbruksklasser, og egenskapstabellen kan inneholde en beskrivelse av disse, som for eksempel om det er skog, dyrket mark, vann eller annen arealbruk. Typisk for polygontema er dessuten lagring av areal og omkrets. For vektormodellen er punktet den minste enheten. Et punkt har koordinater slik at punktet angir en bestemt posisjon på jordens overflate. En linje er en samling av punkter som er definert slik at de tilhører samme linje. En linje kan minimum bestå av to punkter som da vil være henholdsvis start- og sluttknutepunkt. En linje starter og slutter alltid med et knutepunkt (node på engelsk). Dermed har linjen en retning og en venstreside og en høyreside. Det er denne egenskapen som gjør at vi – som vist i figur 2.1 – kan vite hvilke to land som deler en grense. Mellom start- og sluttknutepunkt kan det være et eller flere knekkpunkter (vertex på engelsk) for å representere linjeforløpet (se figur 2.3).

En polygon er en lukket linje eller en samling av linjer som definerer en lukket flate. En lukket linje betyr at start- og sluttknutepunktene har nøyaktig samme posisjon. Om start- og sluttknutepunkt ikke har nøyaktig samme posisjon, vil objektet være definert som en linje og ikke en polygon (se figur 2.2). En linje har lengde, mens polygoner har to geometriske egenskaper: omkrets og areal.

Vanligvis er hvert objekt i kartet koblet til en rad i egenskapstabellen: Et temalag med fire punkter vil ha fire rader i egenskapstabellen, et temalag med fem linjer vil ha fem rader, og et temalag med tre polygoner vil ha tre rader i egenskapstabellen. Unntaket er såkalte flerpartsobjekter (multifeatures på engelsk) som for eksempel en kommune ved kysten bestående av flere øyer. Selv om det dermed er flere polygoner som til sammen utgjør en kommune, er det hensiktsmessig at befolkning, areal og annen beskrivende informasjon er samlet i én rad (se boks 2.1).

GIS – verktøy for å forstå verden

Figur 2.2 Polygon som ikke er lukket, er en linje

Boks 2.1 Flerpartsobjekt

Et flerpartsobjekt er en geometri (punkt, linje eller polygon) som består av flere deler, men som er representert med kun én rad i egenskapstabellen. For eksempel kan en kommune langs Norskekysten bestå av flere øyer, men GIS-tema som representerer kommunen, gjør dette med et flerpartsobjekt som har én rad i egenskapstabellen.

Polygoner er todimensjonale og har derfor areal lagret i egenskapstabellen. Lengdeinformasjonen for polygoner er omkretsen. Linjer er endimensjonale og har derfor ikke areal, kun lengde. Punkter har verken areal eller lengde og angis derfor som nulldimensjonale.

2.1.1 Representasjon av z

Inntil nylig hadde en i GIS kun mulighet til å representere høyde over havet som egenskapsdata. En klassisk måte å representere høyde over havet er ved hjelp av høydekurver, men tidligere var disse avhengig av et felt i egenskapstabellen for lagring av høyde. Ennå lagres høydeinformasjon som egenskapsdata,3 men i dag er det vanlig med z-geometri for geografiske data. Z-geometri betyr at et punkt er lagret med tre koordinater: x-, y- og z-koordinat. For linjer og polygoner er alle knute- og knekkpunkt lagret med x-, y- og z-koordinat. Figur 2.3 viser dette for en sti representert som linje.

Figur 2.3 En linje består av knutepunkter og eventuelt knekkpunkter

3 Se etter feltet «hoyde» neste gang du bruker norske høydekurvedata.

Når høydeverdi lagres som en egenskap, gjelder høydeverdien for hele linjen. Fordelen med å lagre høydeverdi som en del av geometrien, er at hvert punkt på linjen har en z-verdi (se figur 2.3). Siden høydekurver per definisjon er en linje som går gjennom punkter med samme høyde over havet, vil ikke disse ulike metodene å representere z-verdier på, utgjøre noen forskjell. For andre linjetemaer, som for eksempel veier, vil dette imidlertid bli forskjellig. Dette er demonstrert i figur 2.4, der den samme stien som er tegnet i figur 2.3, er tegnet i et 3D-visualiseringsverktøy. Rød linje viser stien slik denne tegnes med høydeinformasjon fra egenskapstabellen – en verdi for hele linjen som derfor ligger horisontalt i modellen. Oransje linje viser stien slik denne tegnes med høydeinformasjon som er lagret som en del av geometrien – da vil det være en z-verdi for hvert knekkpunkt.

2.1.2 Lagdeling

Hvilken geometritype som brukes for et bestemt tema, er avhengig av målestokk. I store målestokker er gjerne byer og hovedsteder representert som polygoner, men representeres som punkter i mindre målestokker som i figur 2.1.4 De tre ulike geometriene blandes ikke, men ulike temaer lagres i temalag som enten er et punkttema, et linjetema eller et polygontema. Et temalag består for eksempel aldri av både punkter og linjer, men et tema kan representeres med flere geometrier. Temaet elv, for eksempel, kan være lagret

4 Betegnelsene stor og liten målestokk blir ofte forvekslet. Målestokken 1:10 000 (eller 0,0001) er større enn målestokken 1:50 000 (eller 0,00002) fordi 0,0001 er et større tall enn 0,00002.

Figur 2.4 Sti tegnet to ganger i 3D med henholdsvis z-verdi lagret som egenskap (rød linje) og lagret som del av geometri (oransje linje)

både som linje- og polygontema der brede elver er representert med polygoner. For vektorrepresentasjoner skiller en ikke bare mellom geometrityper, men også mellom temaer. For å gjengi den samme informasjonen som for eksempel finnes i et topografisk papirkart, behøves mange temalag. Figur 2.5 viser noen utvalgte temalag fra FKB-data over Trondheim sentrum. FKB, eller Felles kartdatabase, er et offentlig digitalt kartverk i vektorformat. I FKB er vann- og avløpstemaet (VA) kummer og sluker representert som punkttema. Da FKB-data er data tilpasset målestokker fra 1:500 til 1:30 000, er bygg representert som polygoner. Veitema finnes som både polygon og linjetema, men kun linjetemaet vises i figur 2.5. Selv om høydekurver også er linjetema, vises dette i et eget temalag. Vannflater vises i figur 2.5 med polygoner, men dette finnes også som linjetema. Figur 2.5 viser en del av Trondheim der Nidelven renner ut i Trondheimsfjorden. Linjetemaet for innsjøer og større elver som Nidelven, representerer omriss. Mindre elver er representert med senterlinje.

Figur 2.5 demonstrerer den diskrete objektanskuelsen: Verden er representert som objekter i et ellers tomt rom. Mellom veiene er det ingenting, men veiene og de andre temaene tilhører en kategori, og de kan telles og/eller måles. For veier kan vi summere, for eksempel, antall kilometer som er i kategorien europavei. Et annet eksempel er fjelltopper, og i Norge er det blant enkelte populært å samle på (les: telle) antall fjelltopper over 2000 meter som en har besteget. Å plassere fjell i kategorier på denne måten er imidlertid ikke alltid uproblematisk, noe som har resultert i noe så sjeldent som en film om landmåling, lokal identitet og kjærlighet (se boks 2.2).

Figur 2.5 Ulike temalag fra FKB-data over Trondheim sentrum

Boks 2.2 Om kategoriene fjell og ås i film

Filmen Engelskmannen som gikk opp på en ås, men kom ned fra et fjell fra 1995 er om landmåling og problematiske kategorier. Filmens handling foregår i 1917 med første verdenskrig som bakteppe. To engelske kartografer (landmålere), Garrad og Anson (Hugh Grant), ankommer den fiktive walisiske landsbyen Ffynnon Garw for å måle høyden på landsbyens fjell (mountain). Landsbybeboerne blir sterkt forurettet ved at kartografene konkluderer med at det kun er en ås (hill) siden fjellet er en smule lavere enn de påkrevde 1000 fot. De får lokket kartografene til å utsette avreisen mens de samtidig bygger åsen høyere med en steinrøys slik at åsen deres kan bli kategorisert (og markert i kart) som et fjell. Etter gjentatte forsøk blir landmålerne overtalt, gjør en ny oppmåling og registrerer landsbyens stolthet som et fjell.

I Burroughs klassiske lærebok Principles of Geographical Information Systems for Land Resources Assessment advares det mot at grenser på kart er elegante, men uriktige representasjoner av endringer som ofte er gradvise, vage eller utydelige (1986). Brimicombe (2003) har et godt eksempel på dette som er noe fritt gjengitt i figur 2.7. Kartlegging av arealbruksklasser er sjelden slik som vist i figur 2.7a der grensene mellom skog og kratt, og mellom kratt og gresslette, er opplagte. Vegetasjon og andre naturlig varierende fenomener er sjelden samlet i slike homogene klynger. Mer realistisk er situasjonen illustrert i figur 2.7b der grensene mellom kategoriene er vanskelig å etablere.

GIS – verktøy for å forstå verden

Figur 2.6 Fjellet The Garth har en sentral rolle i filmen med sine 1007 fot (Foto: Alan Hughes / Garth hill / CC BY-SA 2.0)

2.1.3 Representasjon av tid

Tid representeres vanligvis som en egenskap til objekter som angir startdato og sluttdato for når objektet er gyldig. Et datasett som har representert tid slik, er CShapes (Weidmann mfl., 2010). CShapes er et globalt datasett over uavhengige stater fra 1946. Hver uavhengig stat er representert med en polygon, og endringer i statsgrenser løses ved hjelp av overlappende polygoner. I figur 2.8 vises statene i Afrika i 3D der tid avtegnes langs tredjeaksen. I 1946 var kun fire afrikanske land uavhengige: Egypt, Etiopia, Liberia og Sør-Afrika. I 1956 ble Sudan uavhengig, og i 2011 ble landet delt i Sør-Sudan og Sudan. Eritrea ble uavhengig fra Etiopia 23. mai 1993. I CShapes-datasettet løses disse, og andre grenseendringer, med overlappende polygoner. Det finnes derfor en polygon for det gamle Etiopia og to nye for henholdsvis Etiopia og Eritrea etter 1993. Som vanlig for vektordata inneholder egenskapstabellen én rad per polygon. Startdato og sluttdato er en del av denne beskrivende informasjonen og er gitt med år, måned og dag. Annen beskrivende informasjon er navn på land (CNTRY_NAME) og hovedstad (CAPNAME) samt en landkode (COWCODE).

Figur 2.7 (a) Sjelden uproblematisk inndeling i kategorier (b) og mer vanlig problematisk inndeling i kategorier i diskrete klasser

Geografiske informasjonssystemer (GIS) er om geografi – om steder –og om hvordan steder er knyttet sammen. For å forstå verden, eller deler av den, trenger vi digitale verktøy. For å forstå hva som finnes og skjer på ett sted – og hvorfor dette ikke finnes og skjer andre steder, trenger vi digitale verktøy. GIS gjør oss i stand til å forstå verden og se sammenhenger lettere enn om vi bare leser om dem i en bok. GIS bruker et visuelt språk som gjør problemer mer konkrete og slik lettere å løse.

GIS er et informasjonssystem som gir deg svar på spørsmål der lokaliserring er viktig. Med GIS begynner du også å stille nye spørsmål som du kan undersøke videre. Ved hjelp av GIS kan du visuelt utforske problemer, du blir i stand til å oppdage komplekse sammenhenger og du oppdager geografiske mønstre.

Betegnelsen «geografiske informasjonssystemer» ble første gang brukt tidlig på 1960-tallet for et system brukt i Canada for å kunne administrere enorme skogressurser. Lenge var GIS en nisjeteknologi kun noen få behersket og så nytten av. I løpet av de siste tiårene er GIS blitt en hverdagsteknologi som du – kanskje uten å vite det – bruker hver dag, og som brukes i alle sektorer i samfunnet.

Verden er kompleks og endres raskt. Én endring er ganske sikker: Fremtiden blir mer digital og mer basert på digitale stedsbaserte tjenester. Ferdigheter i bruk av GIS er kunnskap som verden trenger, og denne boken er skrevet for studenter og andre som vil lære seg dette verktøyet for å forstå verden.

2.utgave er faglig oppdatert og tilpasset kurs på universiteter og høyskoler etter tilbakemeldinger fra brukerne.

Jan Ketil Rød er professor i geografisk informasjonsvitenskap ved Institutt for geografi, NTNU.

ISBN 978-82-450-4522-2