přesná, důvěryhodná a dostatečná pro rozhodování uživatele, to jsou kvalitní data
standardy a normy
formalizují kvalitu dat
nejčastěji se jedná o kvalitu prostorových dat ve vztahu k nejistotě
dimenze prostorových dat
prostor
čas
měřítko
atribut
vztah
komponenty kvality dat
polohová přesnost
atributová přesnost
časová přesnost
úplnost
logická konzistence
sémantická přesnost
správnost
rozlišení
původ
účel
použití
rodokmen
metakvalita
homogenita
spolehlivost
nejistota
= naše nedokolané a nepřesné znalosti o světě
představuje rozdíl mezi obsahem datové sady a jevem, který by data měla reprezentovat
neúplná reprezentace našeho světa
nejsme si jisti, co přesně měříme nebo vidíme v přírodě nebo ve společnosti, ani jakké závěry vyvodit i z těch dokonalých údajů
není možné vytvořit dokonalou reprezentaci světa
GISy nejsou založené na přirozených jednotkách analázy
3 filtry zkreslení
reálný svět → konceptualizace → reprezentace → analýza
nejistota může existovat jednak v umístění hranic zóny, ale také ve vlastnostech dané zóny
chyba (error)
rozdíl mezi hodnotou vlastnosti objektu měřenou s neznámou chybou (v testovací sadě) a skutečnou hodnotou vlastnosti objektu měřenou bez chyby (v referenční sadě)
1. konceptualizace
vágnost
kvůli absenci objektivních geografických jednotek
tranformace bodových událostí na plošné jednotky
vyskytuje se v důsledku špatné definice způsobené špatnou dokumentací nebo pokud jsou sledované objekty rozmazané
nejednoznačnost (ambiguity)
návrh vazby mezi ukazatelem a jevem je nejednoznačný
nastává tehdy, pokud se místo samotných jevů používají jejich nedokolané indikátory
např. při řetězení dat, kdy si dle meta-kategorií nejsme jisti zařazením konkrétní třídy do dané kategorie
fuzzy přístup ke klasifikaci atributů
frekvenční pojetí → pravděpodobnost daného výsledku je definovaná jako podíl, kolikrát se výsledek vyskytuje v reálném nebo imaginárním experimentu, kdy je počet testů velmi vysoký
→ problém GIS - má 1 pole s jednou přesnou charakteristikou a 1 pozorovatele
proto subjektivní koncepce pravděpodobnosti
ve fuzzy logice může být stupeň příslušnosti objektu ke třídě částečný
landuse, hranice, půdní typy, vegetační typy, …
2. reprezentace
rozdíl jestli dělám vektor nebo rastr
mixel = prvky, u nichž výsledek statistické klasifikace naznačuje výskyt více kategorií (landcover)
chybová matice
3. analýza
dobrá GIS analýza nemůže napravit špatné pojetí geografie ani špatnou reprezentaci, ale může oslabit jejich pravděpodobné negativní důsledky
zpracovávání nejistoty
Soft Computing
fuzzy logika, ANN, GA, teorie chaosu, pravděpodobnostní metody
vizualizace nejistoty
grafické proměnné:
vnitřní
mění svoji hodnotu v souvislosti s měnící se nejistotou
systost barvy
vnější
ke standardnímu kartografickému vyjídření jsou přidány další objekty
šipky, grafy, …
MacEachren
srovnávací mapy
mapa pro atribut a mapa pro nejistotu
kombinované mapy
oboje na jedné mapě
interaktivní explorační nástroj
sekvenční prezentacex
Permalink kvalita_dat_nejistota.txt · Last modified: 2017/01/16 17:33 by efox