GIS-cartografie

Vier GIS-studies: een dal in het noorden van Vermont uit de LiDAR-survey van de staat, twee Nederlandse steden uit kadastrale gegevens en OpenStreetMap, en een strook Braziliaanse grensstreek uit Sentinel-2-beelden. De pipeline draait in QGIS, GDAL en Python. De kaarten zijn gemaakt om naar te kijken, en elke kaart noemt de dataset waaruit ze is gemaakt.

De Lamoille getekend als een felwitte lijn die over een zwart veld kronkelt, met de lichtblauwe bodem van het dal aan weerszijden — De Lamoille in het noorden van Vermont. Wit is het water zoals het nu loopt. Blauw is de dalbodem, uit de LiDAR-survey van de staat.

De brug die de verkeerde kant op wijst

Een brug bij Cambridge, Vermont, kruist de Lamoille, en de weg buigt van de rivier weg voordat hij het brugdek bereikt. Wie ermee opgroeide, ging uit van een meetfout, of een mislukte binnenweg richting St. Albans.

De brug werd in 1950 gebouwd als begin van een verlenging van Route 15 die langs een spoorcorridor op de zuidoever zou lopen. Het dal liep telkens onder water, de verlenging ging niet door, en het talud van de oprit behield de richting van een weg die nooit is gebouwd.

Vermont stelt zijn LiDAR openbaar, dus de grond komt binnen als een hoogtemodel dat fijn genoeg is om een weguitgraving vast te houden. Het USGS-kaartblad Mount Mansfield uit 1948 toont het dal twee jaar voordat de brug er kwam. Daartussen laat de geometrie zich dateren.

Voor de kaart heb ik alles weggelaten behalve hoogte en water. Geen wegen, geen labels, geen percelen, geen gebouwen. De rivier is wit, en het blauw is de bodem die ze heeft uitgesleten.

Hetzelfde dal weergegeven in oranje en violet op een lichtgele ondergrond, de rivier een donkere draad met terrassen en verlaten meanders die er in banen vandaan trappen — Dezelfde LiDAR, nu gekleurd naar hoogte. De banen aan weerszijden van de geul zijn oude beddingen van de rivier.

Haarlem naar bouwjaar

Het Nederlandse gebouwenregister legt voor elk pand in het land een bouwjaar vast. Voor Haarlem heb ik de jaren gegroepeerd naar de perioden waarin de stad groeide: voor 1850, van 1850 tot de Eerste Wereldoorlog, het interbellum, de naoorlogse uitbreiding, en recente inbreiding.

Het middeleeuwse centrum komt geel uit langs het Spaarne. De negentiende-eeuwse gordel ligt er blauw omheen. De naoorlogse wijken zijn grijs, en hun stratenpatroon is zichtbaar ontworpen in plaats van aangegroeid.

Haarlem getekend als gebouwcontouren op zwart, het oude centrum geel langs de bocht van de rivier, een ring van blauwe negentiende-eeuwse blokken eromheen, en grijze naoorlogse wijken daarbuiten — Haarlem naar bouwjaar, uit het nationale gebouwenregister. Geel is het oudste weefsel, blauw de negentiende-eeuwse uitbreiding, grijs de naoorlogse wijken.

Straatnamen

Een straatnaam legt vast wat iemand besloot te gedenken. Het register geeft de namen en de geometrie. Het zegt niet dat Anton de Kom een Surinaams-Nederlandse verzetsschrijver was, of dat de Egelantiersgracht naar een roos is vernoemd.

Dus ik heb de namen door een taalmodel op mijn eigen machine gehaald en het om drie dingen gevraagd: waar de naam naar verwijst, tot welk thema hij hoort, en de reden, in één zin.

name: Anton de Komplein
theme: helden
sub: verzetsmensen
reason: Anton de Kom was een Surinaams-Nederlands verzetsstrijder en dichter, en zijn naam is in Amsterdam bekend.

Eén rij zoals het model die teruggaf: helden, verzetsmensen, en de reden. Elke naam op de kaart draagt er een.

Het model kan antwoorden dat een naam nergens in het bijzonder naar verwijst, en dat geldt voor een groot deel van de Amsterdamse namen. Die straten blijven donker. Ik heb de lijst ook door een tweede model gehaald en de twee sets antwoorden vergeleken.

De kaart tekent de hele stad in vaag grijs en licht alleen de straten van één thema op. Bloem- en boomnamen klonteren samen in de Jordaan, waar zeventiende-eeuwse speculatiebouw ze in rijen aanlegde. Ze duiken opnieuw op in naoorlogse wijken.

Amsterdam getekend in vage grijze lijnen op zwart, met verspreide straten uitgelicht in rood en oranje, het dichtst in een klein gebied ten westen van het centrum — Bloem- en boomnamen door heel Amsterdam, en de blokken waar ze het dichtst opeenstaan: Egelantiersgracht, Bloemgracht, Rozengracht, Lindengracht.

Een detail van de Jordaan met zijn grachten en dwarsstraten in rood, elk gelabeld: Egelantiersgracht, Bloemgracht, Rozengracht, Lindengracht, Laurierstraat — Bloem- en boomnamen door heel Amsterdam, en de blokken waar ze het dichtst opeenstaan: Egelantiersgracht, Bloemgracht, Rozengracht, Lindengracht.

In Haarlem heb ik dezelfde vraag anders getekend. Over de stad ligt een raster, en elke cel neemt het thema dat er het meest in voorkomt, zodat de kaart iets zegt over buurten in plaats van losse straten. Kerknamen liggen bij de oude parochies. Waternamen volgen het Spaarne en de oude haven. Militaire en overzeese namen, veel ervan koloniaal, liggen in de latere uitbreidingen.

Een raster van gekleurde cellen over de kaart van Haarlem, dat aangeeft waar straatnamen die naar kerken en religie verwijzen overheersen, geconcentreerd bij het historische centrum — Haarlem naar overheersend straatnaamthema: religie links, water rechts.

Hetzelfde raster over Haarlem dat laat zien waar waternamen overheersen, langs de rivier en de oude havencorridors — Haarlem naar overheersend straatnaamthema: religie links, water rechts.

Dit was één dag werk, van data-extractie tot render, dus het is geen bron die iemand zou moeten aanhalen. Het is genoeg om te laten zien waar een tragere doorloop de moeite zou lonen.

Brandintensiteit in Rondônia

Ontbossing en verbranding in Rondônia volgen een jaarlijkse cyclus. In zichtbaar licht vanuit een baan om de aarde oogt het resultaat ordelijk: rechthoeken, rechte randen, blokken weidegrond.

Ik nam twee Sentinel-2-scenes van weerszijden van een brand, een uit augustus en een uit de maand erna, en berekende voor elk een genormaliseerde brandratio uit de nabij-infrarode en kortgolvig-infrarode banden. Het verschil tussen de twee data geeft de intensiteit. Waar rook of bewolking over de scene ligt, valt de index uiteen, dus die gebieden heb ik gemaskeerd in plaats van gladgestreken.

Onder de index vallen de rechthoeken uiteen. Oude kapvlaktes, nieuwe kapvlaktes, hergroei en verse littekens komen los van elkaar. De helderste gebieden zijn het zwaarste verlies, en de meeste ervan liggen langs de bosrand.

Een satellietbeeld van Rondônia weergegeven in diep violet met felle oranje en gele vlekken, een rivier die als een dunne zwarte lijn doorheen kronkelt, en het veldpatroon van weideblokken overal zichtbaar — Brandintensiteit in een deel van Rondônia, uit het verschil tussen twee Sentinel-2-data. Oranje is het zwaarste verlies.

Hoe ik werk

Elk van deze kaarten begint bij een dataset die een vreemde kan downloaden. Ik maak een klein aantal vormgevingskeuzes om één ding naar voren te halen, en ik houd bij waar elke laag vandaan komt, zodat de kaart standhoudt wanneer iemand ernaar vraagt. Classificaties dragen hun redenen mee. De delen die snel waren in plaats van grondig, zeggen dat zelf.

Heb je een dataset en een vraag over een plek, mail me dan op jason@storybynumbers.com.