Några utvecklingstendenser inom geografiska informationsbehandling

Några utvecklingstendenser inom geografiska informationsbehandling Lars Harrie Institutionen för Teknik och Samhälle Lunds Tekniska Högskola Lars Eklundh Naturgeografiska institutionen Lunds Universitet Inledning För femton år sedan var Geografiska informationssystem (GIS) en teknik som användes av relativt få personer och då nästan endast av specialister inom området. Idag är situationen annorlunda. Tekniken har dock spridit sig snabbt. Enligt en enkät genomförd av ULI (Utvecklingsrådet för Landskapsinformation) använder över 14 000 personer inom 327 organisationer i Sverige dagligen GIS. Användandet av GIS har sedan 1995 ökat med 39 %. GIS befanns vara en integrerad del av organisationerna i 41 % av fallen, och ytterligare 42 % planerar att integrera GIS (Andersson, 2001). Dessa siffror visar det genomslag som GIS har fått i samhället. Enkäten visar också att den övervägande delen av de tillfrågade organisationernas kartmaterial idag är digitalt. Särskilt viktiga digitala data är fastighetsgränser och samfälligheter med koppling till fastighetsdatasystemet. Andra viktiga data är belägenhetsadresser med koppling till fastigheter och koordinater samt väg- och gatunät. De allra viktigaste användningsområdena finns inom fysisk planering, allmän kartframställning, tekniska försörjningssystem, fastigheter, miljövård och skogsvård (Andersson, 2001). Användningen av GIS har skett samtidigt med en generell ökning av utnyttjande av geografisk information. Idag föreligger behov för geografiska analyser inte bara inom de organisationer som traditionellt använt kartor, utan också inom helt andra sektorer i samhället. Några exempel på nya tillämpningsområden för GIS eller områden där GIS relativt nyligen fått en märkbart större betydelse är: arkeologi, där GIS används för t.ex. dokumentation och presentation av fyndplatser; transportsektorn, där GIS används bl.a. för att optimera transportrutter; totalförsvar och räddningstjänst, där GIS används t.ex. för att effektivisera insatser, analysera katastrofscenarier och kartera minområden; jordbruk, där GIS används bl.a. för att optimera driften och sammanställa arealstatistik; kriminologi, där brott sätts in i sitt rumsliga sammanhang med hjälp av GIS; samt bilindustrin, där GIS och GPS-teknik används för att förse bilar med navigationssystem och system för att hjälpa bilister i nödsituationer. Denna lista kan göras mycket längre. 1

Figur 1. Exempel på GIS-program (ArcMap från ESRI). Grafen visar hur analfabetismen varierar i olika distrikt i Uganda beroende på avståndet från huvudstaden (Kampala). Den tekniska utvecklingen av GIS är nära kopplat till den generella IT-utvecklingen. En starkt bidragande orsak till den snabba spridningen av GIS är att program och datorer blivit billigare, bättre och mer användarvänliga (se Figur 1). Inte minst för hårdvara är utvecklingen enastående. Beräkningskapaciten per krona hos persondatorer har i grova tal fördubblats ungefär var 14:e månad under 1990-talet, och hårddiskkapaciteten per krona har fördubblats ungefär var 11:e månad (Blok, 2001). Denna utveckling har varit mycket gynnsam för GIS-utvecklingen eftersom man ofta måste hantera stora geografiska datamängder vilket ställer krav på både hastighet och utrymme. I denna artikel beskriver vi några utvecklingstendenser för lagring, distribution och analys av geografiska data. Andra viktiga områden, såsom insamling och presentation av geografiska data, behandlas inte. Vidare behandlas inte 3-dimensionella geografiska data, även om dessa data blir allt vanligare. Lagring av geografiska data Idag finns ett flertal nya tekniker för att samla in geografiska data (flygbilder, högupplösande satelliter, GPS, totalstationer, etc.). Det är viktigt att alla dessa insamlade data lagras på ett förnuftigt sätt så att data blir tillgängliga för användarna. Exempel på frågor som måste besvaras är: 2

Vilka data skall lagras? Hur skall data lagras? Var skall data lagras? Hur dokumenterar man lagrade data? Nedan skall vi studera dessa frågeställningar mer i detalj. Ovanstående lista är långt ifrån komplett var det gäller lagring av geografiska data. Andra aspekter som måste övervägas är vilket geodetsikt referenssystem och vilken kartprojektion som skall användas, hur datakvaliteten skall garanteras, etc. Vilka data skall lagras? För att använda geografiska data i ett GIS måste man veta innebörden av data. Traditionellt har man tillsammans med geografiska data lämnat uppgifter om använt klassificeringssystem, dvs. uppgifter om hur varje objekttyp (eller klass) är definierad. För flera tillämpningar är dock detta förfaringssätt inte tillräckligt. Man måste också veta relationerna mellan olika objekttyper. Dessa relationer är av typen: en fastighet består av ett eller flera skiften, ett servitut belastar en fastighet, etc. Det som behövs för att beskriva detta är, med ett modernt ord, en informationsmodell. Frågeställningen Vilka data skall lagras? kan alltså omformuleras till: Enligt vilken informationsmodell skall data lagras? Inom Stanli (Standardisering av landskapsinformation) har man tagit fram en grafisk notation för att beskriva informationsmodeller (se t.ex. Lantmäteriverket, 1994). Denna notation är en form av modelleringsspråk som används för att skapa informationsmodeller. Samtidigt har de facto standarder för modelleringsspråk kommit fram inom andra tillämpningsområden (t.ex. UML Unified Modelling Language). Dessa modelleringsspråk har använts inom arbetet med att ta fram informationsmodeller (tillämpningsstandarder), som skall användas av skilda organisationer som arbetar inom samma tillämpningsområde. Bland annat har man tagit fram standardiserade informationsmodeller för belägenhetsadresser (SS 63 70 03) och väg- och järnvägsnät (SS 63 70 04). Lundholm (2001) har utrett nyttan av dessa två standarder. Han menar att det är svårt att fastställa nyttan av standarderna ur ett rent ekonomiskt perspektiv, men att standarderna har en positiv inverkan på leveranskvalitet och effektivitet. Att bygga informationsmodeller blir allt vanligare inom GIS-området. Bland annat har Lantmäteriet ett pågående projekt för att bygga informationsmodeller över sina grundläggande databaser, och verktyg för informationsmodellering börjar integreras i GIS-program (även om de är långt ifrån användarvänliga idag). Hur skall data lagras? Under GIS-teknikens barndom lagrades alla data i filer. Tidigt insåg man dock att det var fördelaktigt att lagra data i en standardiserad databas; dock fanns det vid den tidpunkten ingen bra teknik för att hantera geometriska data i en standardiserad databas. Lösningen blev att man lagrade attributdata i en standardiserad databas och geometriska data i ett eget lagringssystem. För att skapa en länk mellan attributdata och geometrisk data skapades ett identifieringsnummer som var unikt för varje objekt. Denna lagringsteknik har varit den dominerande inom GIS-området under decennier. Under senare år har databastekniken utvecklats och det är idag möjligt att även lagra geometriska data i samma databaser som attributdata. En trend är att allt fler 3

organisationer lagrar alla geografiska data (både attribut och geometri) i en och samma databas. Relationsdatabasen är den vanligaste typen av databas. Den består, något förenklat, av en samling tabeller. Varje tabell är uppbyggd av ett antal rader och kolumner. Varje kolumn beskriver ett attribut och varje rad ett objekt. Relationsdatabasen fungerar bra för data som enkelt lagras i en tabell, t.ex. siffror och text, och den har varit dominerande för lagring av attributdata i GIS. Under senare år har relationsdatabassystem utvecklats som är bra även på att hantera geometriska data. Objektorienterade databaser har blivit vanligare under senare år. En skillnad mot relationsdatabaserna är att en objektorienterad databas inte bara lagrar objektens attributdata utan även knyter metoder till objekten. Exempel på metoder är en funktion som automatiskt beräknar en polygons area när man frågar efter den (istället för att arean är lagrad som ett attribut till polygonen), eller en funktion som ritar ut en linje (genom att sätta linjens utseende som funktion av förändliga variabler kan man dynamiskt ändra utseende på en linje). En annan karakteristik är att objektorienterade databaser är väl lämpade för att lagra komplexa data såsom geometriska data. Således är den objektorienterade databastekniken intressant för GIS. Det finns idag ett antal kommersiella GIS-program som baserat på en objektorienterad databas (främst program från Smallworld och Laser-Scan). Dessa program är dock relativt ovanliga i Sverige. Men även andra programleverantörer, som t.ex. ESRI, börjar bygga in objektorienterade koncept i sina program. Utvecklingen mot objektorienterade GIS kommer nog på sikt att ändra de geografiska analyserna. I traditionella GIS-program har vi vant oss att dela in geografiska data i skikt (vägskikt, markanvändningskikt, etc.). Varje skikt har lagrats skilt från de andra. Bland annat har man bara kunnat definiera topologiska relationer mellan objekt i ett och samma skikt. Inom objektorienterade system fungerar det annorlunda. Utifrån en objektorienterad informationsmodell skapas relationer fritt mellan olika objekttyper, och en indelning i skikt existerar inte. Den objektorienterade utvecklingen kan på sikt låta oss komma bort från (det onaturliga) skikttänkandet i GIS. Var skall data lagras? I många fall är det önskvärt om olika organisationer har ansvaret för att samla in och underhålla olika delar av en gemensam geografisk databas. Ett exempel är den nationella vägdatabasen (NVDB). Vägverket står som huvudman för NVDB, men är beroende av data från kommuner, lantmäteriet och skogsbolag. Rent teoretiskt skulle man kunna tänka sig att varje organisation lagrar sina egna data; dvs. att hela databasen är lagrad på fysiskt skilda ställen. Detta är iden bakom distribuerade databassystem. Det torde dock ta lång tid innan vi får stora geografiska databaser lagrade på detta vis. Ett alternativ till distribuerade databaser är att varje organisation samlar in och uppdaterar sina egna data, men att data också skickas iväg digitalt till en gemensam geografisk databas. Detta är grundtanken bakom, bland annat, NVDB och den nationella digitala registerkartan (NDRK). Den senare kartan skall skapas och underhållas gemensamt av statliga lantmäteriet och kommunerna (Målbild, 2000). Att förverkliga NVDB och NDRK kräver dock att alla organisationer är överens om databasernas innehåll. Därför har man lagt ner stort arbete på att enas om gemensamma informationsmodeller. 4

Hur dokumenterar man lagrade data? För en producent är det viktigt att ha kontroll över sina databaser. Och för en potentiell kund är det viktigt att få bra information om vilka geografiska data som finns tillgängliga. Med andra ord: det är viktigt att dokumentera data. Ett sätt att dokumentera data är att använda metadata. Metadata är data som beskriver en samling data, populärt uttryck som: Metadata är data om data (Figur 2). En som söker geografisk data till ett projekt vänder sig lämpligen till en metadatabas, dvs. en databas som innehåller metadata om flera olika databaser (och från flera olika organisationer). Ansvaret för att tillhandahålla en nationell metadatabas ligger oftast på de nationella kartverken. Exempel på nationella metadatabaser, som kan nås via Internet, är MEGI i Sverige (Lantmäteriet, 2001) och Infodatabas i Danmark (KMS, 2001). En metadatabas med god struktur drivs av DGMSÖ (DGMSÖ, 2001b). (DGMSÖ står för Digitalt Geografiskt ManagementSystem för Öresundsregionen, och det är ett EUprojekt där statliga, regionala och kommunala organisationer i Danmark och Sverige ingår). En grundläggande idé med DGMSÖ-metadatabasen är att de olika organisationerna i projektet skall lagra sina metadata digitalt på en lokal server. En central katalogtjänst skall sedan söka upp de olika servrarna, dvs. denna katalogtjänst skall kunna tillhandahålla en metadatabas på Internet för hela regionen trots att de olika organisationerna endast lagrar sina metadata lokalt (DGMSÖ, 2001a; jämför också studier i Östman, 1999). Detta förutsätter att alla organisationer har lagrat sina metadata enligt en specifik standard: CEN-standarden (CEN, 1998). Geografiska data Metadata Datamängdens namn: Ägare: Skala: Geografiskt område: Geodetiskt referenssystem: Kartprojektion: Figur 2. Geografiska data och metadata. Att skapa och tillhandahålla metadata är en förutsättning för att hitta relevanta geografiska databaser. En annan förutsättning är sökmotorer som är anpassade för geografiska data. Dagens sökmotorer på Internet (AltaVista, Google, etc.) är inte anpassade för att söka efter geografiska data. Det pågår dock utveckling för att ta fram verktyg för att kunna söka geografiska data genom att ange geografiska koordinater, klicka i kartor, etc. 5

Distribution av geografiska data Det vi avser med distribution i detta avsnitt är hur digitala geografiska data transporteras från leverantören till slutanvändaren. För denna typ av distribution av digitala data har Internet inneburit en smärre revolution. Nedan beskrivs kortfattat några utvecklingstendenser för distribution av geografisk data via Internet och till mobila enheter. Troligt är att det i framtiden blir vanligare med överföring av vektordata via Internet. En fördel med vektordata, jämfört med rasterdata, är att det är lättare att skräddarsy dem för speciella behov; detta beskrivs kortfattat i slutet av avsnittet. Distribution av geografisk data via Internet Distribution av geografiska data via Internet har gått igenom olika faser. Den första användningen var att överföra filer med geografiska data via tjänsten ftp (file transfer protocol). Omkring 1995 slog world wide web (www) igenom. World wide web möjliggör distribution av text och bilder i HTML-format via Internet. Denna teknik har visat sig utmärkt för distribution av rasterkartor. Tekniken möjliggör även viss form av interaktivitet i kartorna. Genom att klicka i en karta (eller i en meny) skickar en användare en önskan från sin dator till webb-sidans dator om hur kartan skall förändras, kartan skapas på webb-sidans dator och skickas till användarens dator i form av en ny rasterkarta. För närvarande är det inte möjligt att läsa en vektorkarta med en vanlig webb-läsare (typ Netscape eller Internet Explorer) utan att använda ett tilläggsprogram (en s.k. plug-in). Anledningen är att inte har funnits någon standard för att distribuera vektordata på Internet. Nu har W3C (World Wide Web Consortium) enats om en standard för överföring av vektordata: SVG (W3C, 2001). Denna standard, som är byggd med hjälp av märkningspråket XML, kommer troligen snart att byggas in i de vanliga webb-läsarna. Dessutom har OGC (Open GIS Consortium) tagit fram en annan XML-standard speciellt för överföring av geografisk data som heter GML (Geographic Markup Language) (OGC, 2001). Eftersom flera av de stora GISleverantörerna är medlemmar i OGC kan man förutse att denna standard kommer att finnas i framtida GIS-program. Skillnaden mellan GML och SVG är följande. GML är anpassad för att beskriva geografiska data. Här kan man lagra uppgifter om koordinatsystem, objektens attribut, etc. SVG är till för presentation och beskriver linjer, ytor, linjebredder, typsnitt för texter, etc. Dessa två standarder kompletterar varandra bra och bildar tillsammans en viktig kedja för att distribuera geografiska vektordata från en leverantör till en slutanvändares webb-läsare (Figur 3). 6

Geografisk databas lagrad på webb-sidans dator GML XSLtransformation SVG Figur 3. Geografisk data överförs från webb-sidans dator via en GML-fil. GML-filen översätts till en SVG-fil (i en extern dator) med hjälp av en XSL-transformation. I detta steg kan även viss manipulering av data förekomma. Slutligen visas SVG-filen i webb-läsaren eller i en mobil enhet. Kommer de nya standarderna för vektorkartor att förändra användningen av kartor på Internet? Det finns redan ett stort utbud av kartor i form av rasterkartor; bl.a. finns det kommersiella aktörer som distribuerar kartor över hela världen (se exempelvis Mapquest, 2001). Nationella kartverk tillhandahåller också en hel del kartor, en del gratis och en del mot betalning. Dessutom finns det flera tjänsteföretag och organisationer som använder kartor som del i sina hemsidor. Några exempel är fastighetsmäklare (Bovision, 2001; Hemnet, 2001), Gula sidorna (Gula sidorna, 2001) och kommuner (se t.ex. Malmös översiktplan på Malmö, 2001). Alla dessa tjänster fungerar bra redan idag och man kan ställa sig frågan om och hur de kan förbättras om man går över till vektorkartor. Rent generellt gäller det att vektorkartor är lättare att skräddarsy för användarens behov än rasterkartor. Bland annat är det lättare att integrera olika data och det är lättare att generalisera till önskad skala (se nedan). Om detta kommer att påverka kartanvändningen på Internet återstår dock att se. Vidare kräver vektordata mindre lagringsutrymme än motsvarande rasterdata, vilket gör att överföringshastigheten kommer att öka om man går över till vektordata. Distribution av geografiska data till mobila enheter Under de senaste åren har det lanserats mobiltelefoner (eller skall man säga små bärbara datorer?) som har en så stor skärm att det är meningsfullt att visa en kartor i dem. Det har också utvecklats program för överföring till och visning av enkla kartor i telefonerna. Systemen kan användas t.ex. för att förse servicepersonal med kartor och ritningar i fält. Nya system utvecklas idag där stora delar av informationshanteringen sker centralt i en server och resultatet distribueras till användaren. GSM-system ger 7

möjlighet till en grov lägesbestämning av telefonen. Dessa positioner kan användas för lokalbaserade tjänster (eng: location based services) som förutses vara en av de stora områdena inom framtidens mobiltelefontjänster. Ett exempel på lokalbaserade tjänster som finns tillgängliga idag är Gula sidornas wap-tjänst där man från telefonen kan söka upp ett företag i närheten av var man befinner sig. Andra lokalbaserade tjänster har valt GPS för att bestämma positionen, t.ex. i Volvo On Call-tjänsten. Denna tjänst kan sända ut information om t.ex. en olycka eller ett överfall, samt bilens positioner så att en stulen bil kan spåras. Med framtidens snabba mobiltelefoninät kommer distribution av kartor till mobila enheter troligen att bli vanligt. Vi befinner oss idag bara i början på denna utveckling, och exakt hur den kommer att se ut är för tidigt att säga. Kanske kommer en ny typ av kartografi utvecklas som är speciellt anpassad till de mobila enheternas små skärmar. Generalisering och integrering i realtid Med generalisering i realtid menas att geografiska data transformeras så att de anpassas till önskad skala och avsedd tillämpning i det ögonblick data efterfrågas. Denna typ av generalisering skiljer sig från den generalisering som man traditionellt använt inom kartproduktion, där syftet är att skapa en ny geografisk (kartografisk) databas (se Figur 4). Det är främst tre aspekter som skiljer de olika typerna av generalisering. För det första måste realtidsgeneralisering ske omedelbart; en användare tolererar inte någon väntetid för t.ex. en enkel zoomoperation. För det andra tillåter inte realtidsgeneralisering något manuellt ingrepp. Inom generalisering för kartproduktion är det fortfarande så att över hälften av all generalisering sker med manuella eller interaktiva metoder. För det tredje är syftet med realtidsgeneralisering att visa data på en skärm, där skärmens begränsade upplösning och storlek ställer nya kartografiska krav på generaliseringsmetoderna jämfört med papperskartor. De flesta karttjänster som idag finns tillgängliga på Internet bygger på att geografiska data har lagrats i flertal olika skalområden. När man zoomar i kartan levereras data från ett annat skalområde. Det finns dock ett fåtal exempel på program som klarar enklare typ av realtidsgeneraliseringar (såsom förenkla linjer, ta bort objekt, etc.), men några mer avancerade generaliseringar sker inte. I Lehto och Kilpeläinen (2000) beskrivs en teknik för realtidsgeneralisering. Deras metod bygger på en XSLtransformation, i en sådan transformation överförs en XML-fil till en annan XML-fil (jämför Figur 3). I deras studier implementerades borttagning och förenkling av objekt; troligen krävs dock andra tekniker än XSL-transformationer för att genomföra alla nödvändiga typer av generaliseringar. En fördel med vektordata är att det är lättare att integrera data från olika källor (för enkla presentationsändamål går det även bra att använda rasterdata). Integrering av data möjliggör skapandet av tjänster på Internet, eller till mobila enheter, där data finns lagrat på olika ställen. Det finns dock en hel del nya frågeställningar var det gäller integrering av geografisk data i realtid. Hur data skall integreras rent tekniskt för att presenteras snyggt och, i framtiden, stödja analyser är idag en öppen fråga. Troligt är att lösningar som endast bygger på XML-tekniker inte kommer att klara kraven, utan att andra tekniska lösningar måste tas fram. 8

Generalisera Figur 4. Exempel på generalisering. En karta (i skala 1:10 000) generaliseras till en mindre skala (motsvarande 1:50 000). (Harrie, 1998; Lantmäteriet, tryckt med tillstånd 507-98-4091) Analys av geografiska data Enligt ULIs användarundersökning (Andersson, 2001) så är presentation en mycket vanligare användning av GIS än analyser. Vad beror detta på? Ett skäl kan givetvis vara att behovet av analyser inte är större. Vi tror dock att behovet av analyser är större än det faktiska antal som utförs idag, och att man delvis måste söka efter orsaker till att så pass få analyser utförs i GIS. Vidare är det så att analys är det område där högskolor och universitet ser det största behovet av FoU inom GISområdet (Andersson, 2001; för alla typer av organisationer anges standardisering som det överlägset mest angelägna FoU-området). Nedan anger vi några potentiella skäl till att antalet analyser i GIS är relativt få. Problem med geografiska data Stor ansträngning läggs ner på att bygga detaljerade databaser med mycket hög noggrannhet. Men, hög noggrannhet gör inte med automatik att en databas är lätt att använda för analyser. I många fall är det tvärtom, detaljeringsgraden är så hög att användningen vid t.ex. översiktlig planering blir mycket svår. Vad användaren behöver är databaser med rätt informationsmängd för önskat skalområde och tillämpning. Automatiska metoder för generalisering av data kan betyda mycket för att underlätta denna dataförsörjning. Ett flertal geografiska databaser har fortfarande inte den topologiska struktur som krävs för att kunna använda dem för analyser i ett GIS. Det gäller t.ex. de stora mängder detaljkartor som byggts upp med CAD-system. Dessa data duger endast för presentation, fast de hade varit användbara i planering för i flertalet kommunala tillämpningar. Brister i programmen Att utföra realistiska analyser i ett GIS-program är fortfarande till stor del ett arbete för personer som är specialiserade på GIS, och inte för personer som är specialiserade inom det tillämpningsområde där analysen skall utföras. Orsaken till detta är att analyser i GIS är för tekniskt komplicerade; de flesta rumsliga analyser ställer stora krav på att omformulera en generell problemställning, t.ex. Vilket samband finns mellan variablerna A och B? till sekvenser av operationer som skall utföras i 9

programmen. Dessa sekvenser är ofta långa, och man kan sällan läsa sig till precis hur man skall gå tillväga i programmens manualer. Frågan är om man skulle kunna standardisera sekvenser av operationer för att underlätta analyser. Detta är nog möjligt, i alla fall om man hade tillgång till data lagrade enligt standardiserade informationsmodeller. Datastrukturen är viktigt för analyser i GIS. Ovan har vi nämnt att ett problem med att alla geografiska data inte är topologiskt strukturerade. Ett annat problem är att en topologisk datastruktur i sig inte heller är tillräcklig för många analyser. Topologiskt strukturerade data innehåller explicit lagrad information om topologiska relationer mellan objekt, men ingen information om t.ex. närhetsrelationer. I flertalet forskningstillämpningar använder man därför en datastruktur som stödjer sådana relationer. Dessa datastrukturer är dock mer komplicerade att hantera än de vanliga topologiska datastrukturerna och de används inte generellt i kommersiella programvaror. Frågan är om nyttan av att utöka mängden möjliga analyser överväger problemet med att hantera mer komplicerade datastrukturer. En lösning är att generera datastrukturerna när de behövs för en speciell analys. Eftersom datorerna blir allt snabbare är detta kanske den bästa lösningen. Brist på nytänkande För de flesta är GIS ett presentationsverktyg och det krävs nya idéer för att också använda GIS för analyser. Ett exempel är att alltför få utför rasteranalyser. Idag är vektordata den vanligaste typen av data inom statliga och kommunala organisationer i Sverige. Men vektorsystem har en klar begränsning i att hantera kontinuerliga data som höjd, temperatur, grundvattennivå eller befolkningstäthet, vilket gör att analyser av vektordata i dessa fall ofta blir ohanterliga. För analyser av rumsligt kontinuerliga data är det ofta fördelaktigt att använda rasterdata, men det är idag alltför få organisationer som använder program som tillåter analyser med rasterdata. Slutsatser Vi har sett hur utvecklingen inom GIS har gått hand i hand med den generella ITutvecklingen under de senaste 15 åren. Betydande framsteg har gjorts avseende lagring och distribution av geografiska data. Utvecklingen har gått mot fler och mer detaljerade databaser, vilket dock ställer krav på standardisering. För att de geografiska databaserna skall vara optimala för GIS krävs det att data är lagrade enligt fastlagda informationsmodeller. Avseende lagringen har utvecklingen gått från filer till lagring i standardiserade databassystem. Detta är ett steg i att GIS mer och mer blir en del av den övriga informationshanteringen. Ett annat sådant steg kommer troligen att bli introduktionen av XML-baserade tekniker (GML, SVG, etc.) för överföring av geografisk information på Internet. I framtiden kommer vi att få se flera exempel på tjänster (på Internet eller i mobiltelefonen) där presentation och analys av geografiska data är en integrerad del av en större informationstjänst. Samtidigt ser vi att utvecklingen inom analyssidan inte har följt med. Här krävs det mer samarbete mellan användare och programtillverkare inom GIS-området, samt en satsning på FoU. Referenser 10

Andersson, M., 2001, GI i Sverige 2000 Redovisning och analys av ULIs enkät avseende användandet av geografisk information. Rapport från ULI, 2001:3. Blok, R., 2001. Trends in computing. http://eame.ethics.ubc.ca/users/rikblok/computingtrends/, 2001-11-22. Bovision, 2001. http://www.bovision.se, 2001-11-23. CEN, 1998. ENV 12657 Geographic information Data description metadata, Central Secretariat, Belgien. DGMSÖ, 2001a. Metadata projektrapport, del C. DGMSÖ, 2001b. Metadatabas för Öresundsregionen. http://www.dgms.org/metadb/metadb.htm, 2001-04-27. Gula sidorna, 2001. http://www.gulasidorna.se/, 2001-11-23. Harrie, L., 1998. Generalisation Methods for Propagating Updates between Cartographic Data Sets, Licentiatavhandling, Avdelningen för Fastighetsvetenskap, LTH, Lunds universitet. Hemnet, 2001. http://www.hemnet.se/, 2001-11-23. KMS, 2001. Infodatabase - metadatabas. http://www.geodata-info.dk, 2001-04-27. Lantmäteriverket, 1994, HMK-databaser. Gävle: Lantmäteriverket. Lantmäteriet, 2001. MEGI - metadatabas. http://www.megi.lm.se, 2001-04-27. Lehto, L., och Kilpeläinen, 2000. Real-Time Generalization of Geodata in the Web. International Archives of Photogrammetry and Remote Sensing, Vol. XXXIII, Part B4, Amsterdam, sid. 559-566. Lundholm, H.-G., 2001. Nyttan med standardisering Väg- och järnvägsnät, Belägenhetsadresser, ULI-rapport 2001:2. Malmö, 2001. Översiktsplan för Malmö 2000, http://www.stadsbygg.malmo.se/oplan/index.html, 2001-11-23. Mapquest, 2001. http://www.mapquest.com, 2001-11-23. Målbild, 2000. Målbild 2000. http://www.malbild2000.lm.se/, 2001-11-23. OGC, 2001. Open GIS Consortium, http://www.opengis.org/, 2001-11-23. SS 63 70 03. Geografisk information Belägenhetsadresser Begreppsmodell, Allmänna standardiseringsgruppen, STG. 11

SS 63 70 04. Geografisk information Väg- och järnvägsnät Begrepps- och tillämpningsmodell, Allmänna standardiseringsgruppen, STG. W3C, 2001. World wide web consortium, http://www.w3.org/, 2001-11-23. Östman, A., 1999. Distribuerade geografiska metadata problem och möjligheter, ULI-rapport 1999:2. 12