Distortion Effects in Equal Area Unit Maps

Abstract

Maps that correctly represent the geographic size and shape of regions, taking into account scaling and generalization, have the disadvantage that small regions can easily be overlooked or not seen at all. Hence, for some map use tasks where small regions are of importance, alternative map types are needed. One option is the so-called equal area unit maps (EAUMs), where every enumeration unit has the same area size, possibly also the same basic shape such as squares or hexagons. The geometrical distortion of EAUMs, however, leads to a more difficult search for regions as well as a falsification of topological relationships and spatial patterns. To describe these distortions, a set of analytical measures is proposed. But it turns out that the expressiveness of these measures is rather limited. To better understand and to model the influence of distortions, two user studies were conducted. The study on the search in EAUMs (also with the aim of reconstruct the search strategies of the users) revealed how important it is to consider the local topology (e.g. corner or border positions of regions) during the generation process. With regard to pattern identification, it could be shown that EAUMs significantly increase the detection rate of local extreme values. On the other hand, global lateral gradients or geostatistical hot spots often get blurred or even lost. As a consequence, a task-oriented selection of map types and further developments are recommended.

Karten, die unter Beachtung des Maßstabes und der Generalisierung die geographische Größe und Form von Regionen korrekt wiedergeben, haben den Nachteil, dass kleine Regionen leicht übersehen oder gar nicht gesehen werden. Daher werden für einige Kartennutzungsaufgaben, bei denen kleine Regionen von Bedeutung sind, alternative Kartentypen benötigt. Eine Option sind sogenannte Equal Area Unit Maps (EAUMs), bei denen jede Einheit dieselbe Flächengröße und zumeist auch dieselbe Grundform wie Quadrate oder Hexagone besitzt. Die geometrische Verzerrung von EAUMs führt jedoch zu einer schwierigeren Suche nach Regionen sowie zu einer Verfälschung topologischer Beziehungen und räumlicher Muster. Um diese Verzerrungen zu beschreiben, wird ein Satz von analytischen Maßzahlen vorgeschlagen. Es zeigt sich jedoch, dass die Aussagekraft dieser Maßzahlen eher begrenzt ist. Um den Einfluss von Verzerrungen besser verstehen und modellieren zu können, wurden zwei Anwenderstudien durchgeführt. Die Studie zur Suche in EAUMs (auch mit dem Ziel, die Suchstrategien der Benutzer nachzuvollziehen) ergab, wie wichtig es ist, die lokale Topologie (z. B. Eck- oder Randpositionen von Regionen) während des Generierungsprozesses zu berücksichtigen. In Bezug auf die Identifikation räumlicher Muster konnte gezeigt werden, dass EAUMs die Erkennungsrate lokaler Extremwerte signifikant erhöhen. Andererseits verschwimmen globale laterale Gradienten oder geostatistische Hot Spots häufig oder gehen sogar verloren. Infolgedessen werden eine aufgabenorientierte Auswahl von Kartentypen sowie weitere Entwicklungen empfohlen.