Geo-Exploration Visualisatie als tool voor Geo-Exploration

Intro GVis = kan hulpmiddel zijn bij onderzoek naar ruimtelijk data (geen presenteren) andere fasen: in database zetten KDD (Knowledge Discovery in Databases) ontwerp user interface moet duidelijk overzicht geven

GIS MacEachren en Howard, 3 fasen in systeem bouw (bv. GIS) conceptual (waarvoor en voor wie is het) operational (onderverdelen van de doelen in groepen) implementational (de doelen worden hier gerealiseerd) Conceptual level: 4 doelen (MacEachren, Kraak)

MacEachren Human-map

Multi-Dimensionaal meer variabelen hoe deze representeren (explore) aantal veelvoorkomende (bv. scatterplot, PCP) met fout (MD Scaling, PC’s)

GVis vb Geografische MD = wegenbouwer Verschillende standpunten zien Basis voor dynamische statistische grafieken door Becker et al o.a. Scatterplot, Glyphs

GVis DiBiase en Reeves voorwaarden gebruikersinterface voor gebruikersgroep interactief niet alleen tonen, maar kennis uit halen Dynamic Linked Maps (MacEachren 1998)

Soorten data met een temporal-component (tijd) heel veel maps of anders zonder temporal-component geen fouten fouten mogen

Choropleth map stap 1

Choropleth map stap 2

Choropleth map stap 3

Choropleth map stap 4

Choropleth map kan ook isoline 2 dimensies, 3e kan = bins 3e kan bivariate map niet veel interactie

Scatterplot meest gebruikt / andere 1D/2D/3D

Scatterplot niet te veel anders onoverzichtelijk niet veel dimensies makkelijk clusters zien

Graphs voor hogere dimensies observatie = node, variabelen vormen samen een afstand/edge Gabriel, Delaughny niet om teveel edges

Graphs Minimum Spanning Tree nodes = 50 staten, 30 vars, witte = west

Graphs of variabelen als nodes en edges zijn corr. coeff.

Graphs losse variabelen niet te zien, alleen een compilatie van variabelen

Parallel Component Plot variabelen zijn verticale lijnen.

Parallel Component Plot nadeel: meer lijnen in plot (verticale) visualisatie technieken overeenkomsten

Cartograms statistische informatie land, staat 3 soorten

Contiguous

non-Contiguous

Rectangular

Glyphs andere mogelijke vormen

Met Temporal component bijvoorbeeld tijd variabelen veranderden elke keer

Static Map een kaart symbolen en variabelen op map voorbeeld: Charles Minard 1861

Static Map

moeilijk te begrijpen niet voor alle toepassingen

Small Multiples 1967 Bertin ‘collections’ variabele tijd uitgesmeerd over meerdere displays om variabelen te herkennen kunnen Data Visualisatie Technieken gebruikt worden

Animated map een display meerdere snapshots makkelijker te interpreteren interactie maakt nog beter (bv. tijdslider, knoppen)

Space-Time-Cube

Virtual Reality zoveel mogelijk op echte wereld in de data staan HMD beter, goedkoper is VRML (andere 3D visualisatie’s hebben nadelen) (beperkt) interactief dynamisch vaak educatie, training, presentatie

Static map is moeilijker te interpreteren dan de andere vormen Climatologen hebben toch liever een Static map Interactie belangrijk, dus een aantal vis. methoden niet aan te raden.

EDA Exploratory Data Visualization techniques helpen onderzoeker bij bekijken van visualisaties

Linked Brushing variabele(n) selecteren Deze in alle andere ook zichtbaar bewerking: highlighting: punten in brush andere kleur masking: punten in brush uitgeschakeld moving average: punten in brush voor gemiddelde gebruikt

Brushing

Focusing drempelwaarde selecteren van een van de 2 gebieden

Dynamic Classification

Bivariate mapping scatterplot voor data ruimte bivariate mapping voor geografische ruimte texture gebruikt bovenop de kaart als variabele

Bivariate Mapping

Assignment door Bertin 1981 bedacht (statistiek) verschillende variabelen verwisselen beter patroon zichtbaar ook bij andere visualisatie methoden mogelijk bv. PCP

Assignment

ArView – GIS bevat veel van deze methoden technieken ook voor andere visualisatie methoden

Experiment artikel van MacEachren is een rapport van een onderzoek naar visualisatie methoden 9 testpersonen (in vakgebied (health)) interacties en praten opgenomen (MacSHAPA) (interactieve) animatie, br, fo, dyclass, buttons 2 typen visualisatie fouten: verkeerde patronen gevonden patronen worden niet gevonden

Experiment interactieve animatie bleek dan animatie en knoppen animaties bleek beter dan time-stepping clusters in animaties beter herkend na focussing voor anderen ook