Andmete rühmitamine
Kui kaardil soovitakse esile tuua kujutatavate objektide mõnd omadust, sobib selleks punktobjektide puhul kasutada sümboli suurust (näiteks mida suurem linn, seda suurema ringina ta kujutatakse) ja joonobjektide puhul joone jämedust (näiteks mida veerohkem on jõgi, seda jämedam on teda kujutav joon). Pindobjektide puhul eeltoodud viise kasutada ei saa, vaid tuleb objekt värvida sellisel viisil, et see sobiks omadust edasi andma (näiteks puhta veega järved helesiniseks, reostunuma veega järved aga üha "määrdunuma" sinisega kuni pruunikashallini välja).
Sageli ei ole tehnilistel põhjustel või kaardi ülevaatlikkuse huvides otstarbekas igat objekti omadust erinevalt esitada, vaid nad tuleb rühmitada.
Näiteks tuhande erineva suurusega asula tuhande erineva suurusega sümboli asemel on kaardil tuhat sümbolit vaid viies erinevas suuruses, mis kujutavad asulate suurusklasse. Ideaaljuhul on asulate klassideks jaotamine sisuliste kaalutluste alusel juba tehtud ja klassid on omaduste tabelisse kantud. Selline klassifikatsioon on tavaliselt arvesse võtnud lisaks elanike arvule ka muid olulisi näitajaid.
Kui aga sellist klassifikatsiooni pole, saab asulaid elanike arvu alusel gruppeerida ka erinevate formaalsete võtetega. Sellist tegevust nimetamegi rühmitamiseks, rõhutamaks seda, et saadud klassid on suhteliselt suvalised.
Nagu allpool näha, annavad erinevad võtted tulemuseks erinevad rühmad. Ebasobiva rühmitamisvõtte kasutamine annab kas ebaülevaatliku või moonutatud tulemuse.
Vaatame näitena hästi lihtsa rahvastikukaardi koostamist erinevaid rühmitamisvõtteid kasutades. Aluseks
on maakondade rahvaarv, mille jaotus on graafiliselt järgmine:
Nagu näha, pole jaotus ühtlane: Harjumaal on rahvast tunduvalt rohkem, ligemale pooled maakondadest on aga üsna ühesuguse rahvaarvuga. Koostame nende andmete alusel temaatilise kaardi, rühmitades andmed nn. kvantiilide meetodil, mis tagab, et igasse rühma satub võrdne arv objekte. Seda meetodit kasutavad nii ArcExplorer (ainus võimalus) kui ka Microsoft Map (vaikimisi võimalus).
Igasse klassi jääb 3 maakonda.
Microsoft Map võimaldab ka teist rühmitamisviisi, mille rühmade aluseks on võrdsed vahemikud:
Kuna elanike arvu jaotus on ebaühtlane, siis tekkiv kaart toob esile, et Harjumaaga võrreldes on kõik teised väikesed.
Võrdseid vahemikke kasutatakse küllaltki sageli ka "käsitsi" klassifitseerimisel, valides vahemike piirideks ümmargused arvudvt! ja klasside arvu vastavalt andmete ulatusele (amplituudile).
Kolmas mitmetes tarkvarapakettides kasutatav rühmitamismeetod püüab leida sellised klassid, et elanike koguarv kõigis klassides oleks võrdne. Kuna seda tehakse jaotuskõvera alusel, nii et erinevatesse rühmadesse jäävad jaotuskõvera osad oleksid võrdse pindalaga, kutsutakse seda võrdpindsuse (equal area) meetodiks:
See meetod tõstab esile rahvarohkemate maakondade erinevusi ja surub alla väiksema rahvaarvuga maakondade erinevusi.
Kui kaardistatav omadus on normaaljaotusegavt!, siis on seda jaotust iseloomustavateks suurusteks keskmine M ja standardhälve STD. Normaaljaotuse puhul võime öelda, et kahel kolmandikul objektidest ei erine omaduse väärtus keskmisest rohkem kui ühe standarhälbe võrra (M±STD), 95 % jääb aga vahemikku S±2STD ja 99 % vahemikku S±3STD.
Eeltoodust lähtuvalt valitaksegi klassipiirid standarhälbe ühikutes:
Nagu näha, ei kirjelda see rühmitamisviis rahvastikku hästi, osutades vaid, et ülejäänud Eestimaaga võrreldes on Harjumaa "ebanormaalne".
Sageli niisugustest lihtsatest kuid jäikadest rühmitamismeetoditest ei piisa. Eriti tüüpiline on kaugseire andmete kasutamisel, et vaja on rakendada keerukaid matemaatilisi meetodeid, mis võimaldavad paljude tunnuste alusel leida niisugused objektide rühmad, mis oleksid võimalikult lähedased sisulistele klassidele. Vaatleme siinkohal näitena vaid ühte meetodit, mis praegu on olemas ESRI kasutajatasemele vastavas kohateabetarkvaras ArcView GIS.
Üldtuntud on ütlemine "nagu haigla keskmine temperatuur", mis iseloomustab olukorda, kus üht keskmistavat näitajat rakendada ei tohi: haiglas on nii palavikus hõõguvaid kui ka alajahtunud patsiente; nende kahe grupi keskmine kehatemperatuur võib olla üsna lähedane normaalsele kehatemperatuurile. Lisaks on ka selliseid haigeid, kelle kehatemperatuur on normis, mõni muu näitaja aga mitte. Uurides seda, kui palju on haiglas ühe- või teistsuguse kehatemperatuuriga patsiente, saame teha nende sagedusjaotuse (nagu ülalpool on tehtud maakondade elanike sagedusjaotus). Eeldades, et igal patsientiderühmal on oma, korrapärane sagedusjaotus (ning tegelik jaotus on moodustunud nende korrapäraste jaotuste summana), saab arvutuslikult leida patsientide niisuguse rühmitamisviisi, et iga rühma sisene sagedusjaotus oleks võimalikult korrapärane (vastav etteantud jaotuse näitajatele).
Niisugust meetodit nimetatakse loomulike vahemike (natural breaks) meetodiks:
Selline jaotus peaks olema üsna lähedane sellele, mille saaksite, kui jagaksite ise maakondade jaotuskõvera viide ossa. Vaadake, võrrelge.
