1.         Introductie

Door metrische en ruimtelijke gegevens met elkaar te combineren wordt een aanvullend en vooral intuïtief beeld verkregen, waardoor ruimtelijke patronen, trends en kansen kunnen worden herkend. Ontdekkingen doen ten opzichte van gedetailleerde weergave van objecten zijn het belangrijkste onderdeel van de opdracht die ten dienste staat van de archeologische zoektocht in het zuidelijke deel van Euboia in Griekenland. Om na te gaan wat ontdekt dient te worden middels het construeren van een topografische kaart, wordt de definitie van Koopman (2017) gehanteerd om een beeld te krijgen wat archeologie precies is. Archeologie is de studie, reconstructie en verklaring van menselijke samenlevingen in het verleden aan de hand van materiële cultuur. Dit wordt veelal verward met geologie. Waarbij geologie zich bezighoudt met de ontstane opbouw van de aarde, richt archeologie zich op hetgeen dat terecht gekomen is door menselijk handelen.

Binnen het onderzoeksgebied van Euboia heeft dit onderzoek de volgende drie doelstellingen:

1.     Archeologische context creëren op basis van een topografische kaart. Deze wordt verkregen middels het vectoriseren van een satellietfoto;

2.     Evalueren van de strategie en proces ter verkrijging van de topografische kaart;

3.     Aanbevelingen doen ter verbetering van de werkwijze en resultaten.

 

Uit de doelstelling kan de volgende centrale vraagstelling geformuleerd worden:

In hoeverre kan een topografische kaart gemaakt worden op basis van een satellietfoto, waarbij archeologen waardevolle informatie kunnen verkrijgen?

Het resultaat van dit onderzoek is een reflectie van de uitgewerkte methode om te komen tot een geschikte topografische kaart ten behoeve van archeologisch onderzoek. 

**** 

2.         Voorbereiding

Een topografische kaart heeft als doel om het aardoppervlak volledig en nauwkeurig weer te geven door bepaalde elementen zoals bebouwing, infrastructuur, bestuurlijke en natuurlijke grenzen en hoogteverschillen abstract weer te geven. Middels een schaal wordt het detailniveau aangegeven (De Maeyer, 1990; Van den Berg, Bosschaart, Kolkman, Pauw, Van der Schee & Vankan, 2009).

Binnen de voorbereidingsfase wordt de Times Atlas of World History (Barraclough et al., 1981) als belangrijkste bron beschouwd om tot een goed resultaat te komen. De reden hiervoor is dat het ontstaan van beschavingen in Europa en Azië in de periode 3500 – 1500 v. Chr. in kaart gebracht is, waarbij Eubioa gekenmerkt wordt als handelsgebied met urbanisatie op beperkte schaal. Daarbij ligt de stad Karystos op de voornaamste handelsroute van het geürbaniseerde gebied tussen Troije en Mycene, zoals te zien is in figuur 1. In combinatie met het onderstaande citaat van Barraclough et al. (1981) wordt een beter beeld verkregen van de oorspronkelijke migratie binnen het onderzoeksgebied.

Figuur 1: de verbreiding van de beschaving in de periode 3500 – 1500 v. Chr. (bron: Barraclough et al., 1981)

‘’Omdat de snel groeiende bevolking van de vlakten veel grondstoffen nodig had, werd in het achterland op grote schaal handel gedreven. Ook werden contacten gelegd met kleine nederzettingen in de riviervalleien van tussenliggende gebieden, waar zich op beperkte schaal een soortgelijk verstedelijkingsproces voltrok’’.

Naast het gegeven dat de kaart interessante informatie biedt, laat het ook duidelijk zien hoe een kaart overzichtelijk en leesbaar gemaakt wordt:

• Tekst labels met geografische elementen zoals landen, oceanen en beschavingen;
• Helder kleurgebruik om gebieden te thematiseren naar urbanisatiegraad;
• Lijnen om handelsroutes, rivieren en leefgebieden aan te duiden;
• Reliëf schaduwen aanbrengen om hoger gelegen gebieden van lager gelegen gebieden te onderscheiden.

 

Om tot een goed resultaat te komen dient het inzicht in satellietbeelden vergroot te worden. Algemene voordelen van satellietfoto’s zijn pixelmatige nauwkeurigheid, goedkoper dan het maken van kaarten, dagelijkse vergelijkingen kunnen maken en nieuw te ontdekken kenmerken die niet op kaarten weergegeven worden. Zo goed als alle moderne topografische kaarten ten behoeve van geologie, vegetatie en landgebruik zijn gebaseerd op satellietfoto’s (Hickin, 2014). Ondanks de voordelen kleven er ook echter nadelen aan het gebruik van satellietfoto’s die interpretatie en analyses kunnen hinderen. Deze worden als volgt samengevat (Paine & Kiser, 2003; Jensen, 2000; Lillesand, Kiefer & Chipman, 2004):

• Geometrische fouten: positionele onnauwkeurigheid geven een vertekend beeld van de locatie alsmede bijbehorende kenmerken;
• Verplaatsing van het reliëf bij gebieden met grote topografische verschillen, waardoor hoger gelegen gedeelten die dichter bij de lens staan groter lijken dan zij daadwerkelijk zijn;
• Orthorectificatie: het proces waarbij x, y en z coördinaten afstanden, hoeken en gebieden moeten representeren;
• Radiometrische fouten zorgen voor een vertekend beeld door verkeerd kleurgebruik.

 

 

Figuur 2: het verschil tussen Google (links) en Bing (rechts) satellietfoto’s (bron: eigen bewerking van Google, 2018; Microsoft, 2018)

 

Om te zien in hoeverre deze algemene kenmerken zich voordoen, wordt een vergelijking gemaakt tussen twee bekende bronnen van satellietfoto’s: Google en Bing. Deze zijn terug te vinden in figuur 2. Hoewel ze erg op elkaar lijken, zijn er duidelijk verschillen te constateren die betrekking hebben op de volgende aspecten (Gustavsson, 2009; Hickin, 2014; Morgan, Gergel, Ankerson, Tomscha & Sutherland, 2017):

• Kleurgebruik: Bing werkt met groennuances en Google meer met grijstinten, waardoor heuvels meer begroeid lijken;
• Tijd van het jaar: hoewel Bing groener oogt, lijkt de satellietfoto zeer waarschijnlijk niet in de zomermaanden genomen te zijn. Het loof van de begroeiing in het dal oogt kaal in vergelijking met die van Google;
• De hoek waaronder de satelliet beelden verkrijgt: bij Google zijn linksboven in de figuur rotswanden en schaduwen waar te nemen, waarbij dit bij Bing alleen in het midden waar te nemen is. Dit kan een verschil betekenen in normaal, transversaal of scheef.
• Verbeelding van hoogteverschillen: bij Google worden deze scherper verbeeld, waardoor het eerder te zien is waar hoogteverschillen zich voordoen dan bij Bing.
• Detaillering: een bergweg rechtsonder in beeld is bij Google waar te nemen en bij Bing niet. Daarentegen is bij Bing linksboven een nuance in het groen waar te nemen terwijl bij Google dit veel moeilijker te zien is.

Op basis van de bovenstaande punten kan geconcludeerd worden dat bijvoorbeeld de nog in te tekenen wegen verkeerd worden gepositioneerd ten gevolge van positionele onnauwkeurigheid. Tevens kan de vegetatie, waarbij een onderscheid wordt gemaakt tussen maquis, garrigue, verspreide begroeiing en schaars begroeid verkeerd geïnterpreteerd worden door onbekende verschillen in seizoenen of kleurgebruik.

Gelet op de bovenstaande punten is de kans op verkeerde interpretatie van de brondata reëel of in ieder geval niet foutloos. Ook de brondata kan fouten bevatten zoals vervorming van het raster (Nijhuis, 2016). Bij het zien van de volledige satellietfoto in de omgeving van Karystos en het onderzoeksgebied dvn239 in figuur 3 lijkt het bij onderzoeksgebied dvn239 te gaan om een aardse omgeving in vergelijking met het maritieme karakter van Karystos als havenstad. De aanwezigheid van rivieren en bebouwing is onzekerder. Afgaand op de hypothese van Doxiadis (1981) maken nederzettingen onderdeel uit van een hiërarchisch systeem dat mensen met de ruimte verbindt. Een handelsroute is daar een belangrijk onderdeel van, maar ook de toegang tot water om te drinken en het land te irrigeren. Of denk aan een strategische ligging op een plateau om te kunnen bouwen. 

Figuur 3: onderzoeksgebied dvn239 ten noordoosten van de stad Karystos (bron: auteur)

Op basis van Rensink, Weerts, Kosian, Feiken & Smit (2016) zijn, met het beoogde gebruik archeologie, de volgende criteria opgesteld die uit de definitieve kaart te herleiden moeten zijn:

1.     Fysische eigenschappen van het landschap, zoals de textuur van rotsen en hellingen met de gedachte dat een onherbergzaam landschap de kans op menselijke activiteit verkleind;

2.     Eigenschappen van de bodem: begroeiing proberen te herkennen en nagaan in hoeverre landbouwactiviteiten mogelijk zijn geweest;

3.     Vormkenmerken en ouderdom van het landschap: zijn er verkavelingen terug te vinden, rivieren, steden, ruïnes en routes die gelieerd kunnen worden aan kolonisatie en/of menselijke activiteiten.

Aansluitend op de criteria wordt hieronder in figuur 4 een overzicht gegeven van de primaire data, waarvan de onderverdeling mede gebaseerd is op Nijhuis (2016), die aan de hand van de satellietfoto gedigitaliseerd dient te worden ten behoeve van doelstelling één. De classificatie is mede gebaseerd op EEA (2010) en Dallman (1998). De wegen worden gebaseerd op het idee dat primaire wegen een functie hebben voor een groter gebied, waarbij lokale wegen een functie hebben op lager schaalniveau.

Figuur 4: overzicht primaire data met omschrijving, classificatie en vectortype (bron: auteur)

3.         Strategie om de data te verkrijgen

Interoperabiliteit is het sleutelwoord als het gaat om de uitwisselbaarheid van kwalitatief hoogwaardige open databronnen die door een brede groep gebruikers benut kan worden ter ondersteuning van bijvoorbeeld overheidsbeleid en bedrijfsstrategieën (Maali, Cyganiak & Peristeras, 2010). Om daartoe te komen is een zekere mate van data standaardisatie benodigd en het is een zeer interessante discussie hoe standaardisatie bijdraagt aan interoperabiliteit en hoe dit het beste te bewerkstelligen is.

Hoewel er duidelijke argumenten voor data standaardisatie zijn zoals het borgen van veilige data, betrouwbare data, het vergroten van de efficiëntie en uitwisselbaarheid tussen verschillende schaalniveaus (lokaal, regionaal, landelijk en internationaal)  zijn er ook de nodige tegenargumenten te noemen om data standaardisatie niet als heilige graal te bestempelen. Het dwingt namelijk gebruikers om volgens een bepaalde manier te werken wat ten koste kan gaan van de creativiteit en het aanboren van nieuwe initiatieven. Daarbij kunnen ondanks goede standaardisatie onvolkomenheden zoals bugs nooit volledig voorkomen worden (Hornung, Krivosheev, Singh & Bilger, 2006).

Een mooi voorbeeld van verschillende ontstaanswijzen van data standaardisatie in de GIS-wereld is enerzijds de top-down benadering van de Basisregistratie Grootschalige Topografie (BGT) en anderzijds de bottom-up benadering van Open Street Maps (OSM).

Ramm (2017) stelt dat de openheid en flexibiliteit van het OSM project de reden is waarom het mogelijk is geweest om binnen een zeer korte tijdspanne een enorme hoeveelheid aan data te verkrijgen. Tegelijkertijd bemoeilijkt dit het gebruik, aangezien de dataverzameling tamelijk ad hoc is gebeurd. Door het gebrek aan standaardisatie zijn veel gebruikers niet in staat de data voor hun GIS project te gebruiken.

De BGT werkt meer daarentegen meer volgens de jure. Alvorens er data vrijgegeven wordt, is voldaan aan inhoudelijke uniformiteit en kwaliteitsborging. Volledigheid, actualiteit en nauwkeurigheid zijn daarin leidend alsmede gebiedsdekkende bestanden met schaalgebruik van 1 : 500 tot 1 : 5000.  De ISO 19107 Spatial Schema wordt gebruikt om geometrieën te beschrijven (Van Den Brink, Krijtenburg, Van Eekelen & Maessen, 2013).

Vanuit de praktijk voltrekt zich een dergelijk spanningsveld binnen talloze organisaties. De drang naar standaardisatie is groot vanwege de hang naar structuur en overzicht vanuit IT, maar innovatie en laagdrempelige initiatieven die uitgroeien tot een succes zijn van levensbelang om vooruit te komen als organisatie. Het citaat van Grace Hopper brengt de nodige relativering en uitkomst: “The wonderful thing about standards is that there are so many of them to choose from” (Hornung, Krivosheev, Singh & Bilger, 2006). 

Als gekeken wordt naar de enorme lijst aan ISO standaarden op GIS gebied heeft Hopper een duidelijk punt gemaakt. Ten behoeve van het digitaliseringsproces van de satellietfoto wordt de nadruk gelegd op de metadata standaard ISO 19115. Metadata maakt ruimtelijke informatie bruikbaarder voor uiteenlopende gebruikers door informatie te geven over de beschikbaarheid en interpretatie van de data (ESRI, 2003; Jones & Taylor, 2003).  

Archeologische context creëren staat centraal in dit onderzoek. Daarvoor dient de metadata onderzoekend van aard te zijn en dienen geen gedetailleerde beoordeling van kenmerken te zijn. Op basis van Beltman (2013), Trooster (2016), de QGIS browser en een eigen standaard welke een vertaling zijn van de ISO standaarden dienen idealiter de volgende onderdelen meegenomen te worden in de metadata in het digitaliseringsproces:

1.     Algemene omschrijving en doelstelling van de metadata om de vindbaarheid te vergroten en relevante ervan goed en snel te kunnen beoordelen. Denk aan: onderzoeksgebied, trefwoorden, codering, taal, samenvatting en status van de data;

2.     Datakwaliteit beoordeling op basis van ruimtelijke volledigheid, positionele nauwkeurigheid, actualiteit en consistentie;

3.     De ontwikkelaar, de datum van productie, de omvang en het formaat van de dataset dienen bekend te zijn;

4.     Thematische informatie op basis van de attributen met daarin de objecten, lengte van de velden, definities en coderingen;

5.     Het versienummer en de standaard van de metadata die gebruikt zijn alsmede een link waar deze richtlijnen terug te vinden zijn;**** 

4.         Het proces van data verkrijgen

Weliswaar ontstaan er abstracties van verschijnselen in de werkelijke wereld zoals ISO 19101 aangeeft (Beltman, 2013), maar het digitaliseren van de satellietfoto is essentieel om niet beschikbare historisch ruimtelijke gegevens te verkrijgen. Door te vergeten dat het om abstracties gaat ontstaan er nog al eens problemen wanneer data zomaar geselecteerd, bewerkt en geanalyseerd wordt (Goodchild, 1991).

Hoewel het proces nooit foutloos verloopt, is het zaak het proces zo goed mogelijk in beeld te brengen alvorens er naar te handelen. De inzichten voor een goed proces zijn verkregen door middel van ESRI (2006) en Fang-Chi, Ying & Yen-Hung (2012), waarna een eigen stroomschema is geëxtraheerd ten behoeve van het verkrijgen van de topografische kaart en is te zien in figuur 5. De processtappen zijn op hoofdlijnen in kleur aangegeven, waarbij in het stroomschema zelf de acties terug te vinden zijn die zijn uitgevoerd ter ondersteuning van de interpreteerbaarheid en de mogelijkheid om de stappen te kunnen herhalen.

Figuur 5: stroomschema proces van satellietfoto tot topografische kaart (bron: auteur)

Gekozen is om handmatig nagenoeg alle belangrijke elementen in kaart te brengen ten behoeve van consistentie en positionele nauwkeurigheid. Hoewel dit arbeidsintensief is, leveren resultaten vanuit geautomatiseerde processen om rasterdata te vectoriseren die gecorrigeerd dienen te worden nauwelijks efficiëntie op. Het enige element dat geautomatiseerd gegenereerd wordt, zijn de contourlijnen. Deze geven informatie over het reliëf in het gebied. Hier wordt expres voor een ad hoc benadering gekozen door te variëren met verschillende intervallen voor de contourlijnen om uiteindelijk te kiezen voor het beste resultaat dat ondersteunend is aan de overige elementen.

In figuur 6 is geïllustreerd dat bij het handmatig intekenen van punten, lijnen en vlakken het van belang om alles goed op elkaar aan te sluiten. Splinterpolygonen, duplicaten van objecten, objecten binnen objecten, overlappende polygonen, gaten tussen polygonen, zelf kruisende polygonen en duplicaten in knopen komen geregeld voor en dienen voorkomen te worden.

Figuur 6: typische fouten van geometrieën bij handmatig intekenen (bron: Longley, Goodchild, Maguire & Rhind, 2015) 

Hoewel fouten zoveel mogelijk worden voorkomen door de snapping tool van QGIS te gebruiken waarmee segmenten automatisch aan elkaar gekoppeld wanneer deze binnen enkele pixels van elkaar verwijderd zijn, kan niet voorkomen worden dat er fouten gemaakt worden. Eenmaal ingetekend worden de geometrieën gecontroleerd met de plugin ‘’geldigheid controleren’’, waarbij de uitkomsten worden opgedeeld in geldig, ongeldig en foutief.

Alle aangemaakte vectorlagen zijn op geldigheid gecontroleerd. Deze waren correct op de laag vegetatie na waar zoals in figuur 7 te zien is enkele fouten in terugkomen. Met de verbeterde data kan er een topografische kaart worden opgemaakt.

Figuur 7: Uitvoerbestand met fouten in geometrieën (bron: auteur) 

In figuur 8 is hiervan het resultaat te zien met een schaal 1: 5.000. Vanwege de lente-breedte verhouding van de kaart, valt deze in dit rapport wat klein uit. Ter ondersteuning van de zichtbaarheid is daarom een extra URL toegevoegd, waarin de kaart met bijna dezelfde opmaak terug te vinden is.

Figuur 8: topografische kaart opgemaakt uit de satellietfoto voor onderzoeksgebied dvn239 (bron: auteur)

Tot slot wordt in figuur 9 een overzicht gegeven van de metadata ten behoeve van de interoperabiliteit, die zoals gezegd gebaseerd is op Beltman (2013), Trooster (2016), de QGIS browser en ISO standaarden. 

Figuur 9: overzicht van de metadata (bron: auteur)

 

5.         Evaluatie, conclusies en aanbevelingen

In dit onderzoek is aan de hand van een satellietkaart voor het onderzoeksgebied dvn239 een topografische kaart geconstrueerd met als doel:

1.     Archeologische context creëren op basis van een topografische kaart;

2.     Evalueren van de strategie en proces ter verkrijging van de topografische kaart;

3.     Aanbevelingen doen ter verbetering van de werkwijze en resultaten.

Hieruit volgde de centrale vraagstelling:

In hoeverre kan een topografische kaart gemaakt worden op basis van een satellietfoto, waarbij archeologen waardevolle informatie kunnen verkrijgen?

 

De volgende criteria (Rensink, Weerts, Kosian, Feiken & Smit, 2016) zijn opgesteld om de topografische kaart inhoudelijk te beoordelen:

1.     Fysische eigenschappen van het landschap, zoals de textuur van rotsen en hellingen met de gedachte dat een onherbergzaam landschap de kans op menselijke activiteit verkleind;

2.     Eigenschappen van de bodem: begroeiing proberen te herkennen en nagaan in hoeverre landbouwactiviteiten mogelijk zijn geweest;

3.     Vormkenmerken en ouderdom van het landschap: zijn er verkavelingen terug te vinden, rivieren, steden, ruïnes en routes die gelieerd kunnen worden aan kolonisatie en/of menselijke activiteiten. 

De topografische kaart geeft een beeld van de vegetatie, geomorfologie, infrastructuur, urbanisatie en hydrologie van het gebied. Er is effectief gebruikgemaakt van verschillende objecten en contrasterende kleurgebruik om de kaart op intuïtieve wijze te interpreteren. Dit maakt het mogelijk in combinatie met literatuurstudie een gedegen inzicht te krijgen in de archeologische context.

Op basis hiervan kan geconcludeerd worden dat de aanwezigheid van menselijke activiteiten is in veel delen van het gebied niet waarschijnlijk is door:

• Veel hoogteverschillen zichtbaar zijn door snel opeenvolgende contourlijnen;
• Relatief veel droge gebieden (los van de gebieden met maquis) zonder toegang tot water, waardoor landbouw en menselijk leven in nederzettingen bemoeilijkt wordt;
• Het schaarse aantal objecten en de omvang ervan dat herkend kon worden als ‘’nader te onderzoeken’’. 

De textuur van rotsen en hellingen is middels een reliëf schaduw analyse verkregen, maar in het eindresultaat niet meegenomen vanwege visuele verstoring van de vegetatie. Veel interessanter analyses zijn 3D gebaseerd. Het creëren van een hoogtemodel in combinatie met de zichtveldmethode maakt heel duidelijk zichtbaar in hoeverre er zich strategische posities in het landschap zich aftekenen die geschikt waren voor urbanisatie (Tandy, 1967). Als voorwaarde dient daarvoor de metadata gedeeld te worden.

In vergelijking met de topografische kaarten Google en OSM valt het volgende op:

• Er is sprake van positionele onnauwkeurigheid van ingetekende elementen;
• Er zijn elektriciteitsmasten in het gebied aanwezig;
• Er wordt een grotere diversiteit aan informatie gegeven over het desbetreffende gebied dat door middel van veldwerk geverifieerd kan worden;
• Er is minder sprake van generalisatie van de infrastructuur;
• Bij de ‘’nader te bestuderen omgeving’’ is sprake van een Grieks-orthodokse kerk en een toeristische attractie in de vorm van een grot en biedt daadwerkelijk aanknopingspunten voor vervolgonderzoek.

Ten aanzien van het digitaliseringsproces zijn de volgende kanttekeningen te maken:

• Het intekenen behoeft meer structuur. Voortaan dienen eerst de puntgegevens, vervolgens de lijngegevens en tot slot de vlakgegevens ingetekend te worden zodat gegevens direct op elkaar aansluiten en minder correctiewerk nodig is;
• Allereerst volledig zeker zijn van de positionele nauwkeurigheid alvorens de volledige bestanden in te tekenen en er vervolgens achter komen dat hiervan sprake is;
• De ‘’nader te bestuderen omgeving’’ hadden wellicht beter als vlakdata weergegeven kunnen worden in plaats van puntdata, aangezien dit een zekere plaats nauwkeurigheid pretendeert terwijl een omgeving niet eenduidig gedefinieerd is.

Aanbevelingen die kunnen worden gedaan voor de werkwijze en het verkrijgen van betere resultaten liggen in lijn met het verkrijgen van de ideale dataset. Het is de uitdaging om richtlijnen te definiëren, die specificeren hoe de data is opgebouwd en op welke wijze deze gestructureerd dient te worden en tegelijkertijd betekenisvol is ten behoeve van interoperabiliteit (Toll, Zhu, Osman, Coombs, Li & Rouainia, 2014).

In retroperspectief betekent dat de brondata metadata had moeten bevatten die op zijn minst een algemene omschrijving, datakwaliteit, toepassingsmogelijkheden, productiedatum en thematische informatie beschreef. Tevens hadden de studenten idealiter onderling moet afstemmen waarom bepaalde elementen op een bepaalde manier moesten worden gedigitaliseerd (primaire data, classificatie, type data, kleurgebruik,etc.), zodat het eindresultaat van gebieden beter vergelijkbaar zijn met elkaar en bovendien het archeologisch onderzoek beter ondersteunt.

Literatuuroverzicht

Barraclough, G. (1981). Spectrum-Times Atlas van de Wereldgeschiedenis. Utrecht: Het Spectrum.

Bartha, G. & Kocsis, S. (2011). Standardization of geographic data: the European INSPIRE directive. European Journal of Geography, 2(2), 79-89.

Beltman, R. (2013). Nederlands profiel op ISO 19115 voor geografie. Amersfoort: Geonovum.

Berg, G. van den, Bosschaart, A., Kolkman, R., Pauw, J., Schee, J. van der & Vankan, L. (2009). Vakdidaktiek handboek aardrijkskunde. Amsterdam: ILO.

Dallman, P. (1998). Plant life in the world’s mediterrenean climates. Berkeley: University of California Press.**** 

Doxiadis, C. (1981). Architectural space in ancient Greece. Cambridge: The MIT Press.**** 

Brink, L. van den, Krijtenburg, D., Eekelen, H. van & Maerssen, B. (2013). Basisregistratie grootschalige topografie gegevenscatalogus BGT 1.1.1. Amersfoort: Geonovum.

EEA (2010). Corine land cover. Copenhagen: European Environment Agency.**** 

ESRI (2003). Spatial data standards and GIS interoperability. New York: ESRI.**** 

ESRI (2006). GIS best practices: map, chart and data production. New York: ESRI.

Fong-Chi, L., Ying, L. & Yen-Hung, L. (2012). Maps and GIS digitalization procedures guideline. Tapei: International Collaboration and Promotion of Taiwan e-Learning and Digital Archives Program.**** 

Goodchild, M. (1991). Geografical information science. Santa Barbara: University of California. Geraadpleegd op 25 februari 2018, van:

 <https://pdfs.semanticscholar.org/70e5/8a84c48d2c6b9f76eeaf143ed7a47b519bb9.pdf>

Google (2018). Google maps satelliet. Geraadpleegd op 22 februari 2018, van:

<https://www.google.com/maps/place/Griekenland/@38.0602976,19.99062,1442793m/data=!3m1!1e3!4m5!3m4!1s0x135b4ac711716c63:0x363a1775dc9a2d1d!8m2!3d39.074208!4d21.824312>**** 

Gustavsson, D. (2009). On texture and geometry in image analysis. Copenhagen: University of Copenhagen.**** 

Hendee, W. & Wells, P. (1997). The perception of visual information. New York: Springer.**** 

Hickin, E. (2014). Maps and mapping: a cartographic manual. Bumaby: Simon Fraser University.**** 

Hornung, A., Krivosheev, G., Singh, N. & Bilger, J. (2006). Standard Wars. Seattle: University of Washington.**** 

Jensen, J. (2000). Remote sensing of the environment: an earth resource perspective. Upper Saddle River: Prentice.**** 

Jones, M. & Taylor, G. (2003). Metadata: spatial data handling and integration issues. Newcastle: School of computing technical report.**** 

Koopman, S. (2017). Archeologie tussen Vecht en Eem. Hilversum: AWN Naerdincklant.**** 

Longley, P., Goodchild, M., Maguire, D. & Rhind, D. (2015). Geografic information science and systems. New York: John Wiley & Sons.**** 

Lillesand, T., Kiefer, R. & Chipman, J. (2004). Remote sensing and image interpretation. New York: Wiley.**** 

Maali, F., Cyganiak, R. & Peristeras, V. (2010). Enabling interoperability of government data catalogues. Galway: National University of Ireland.**** 

Maeyer, P. de (1990). Cartografie. Gent: Academia Press.**** 

Microsoft (2018). Bing maps vanuit de lucht. Geraadpleegd op 22 februari 2018, van: https://www.bing.com/maps> 

Morgan, J., Gergel, S., Ankerson, C., Tomscha, S. & Sutherland, I. (2017). Historical aerial photography for landscape analysis. In S.E. Gergel & M.G. Turner (reds.). Learning Landscape Ecology: a practical guide to concepts and techniques (pp. 21-40). New York: Springer-Verlag.

Nijhuis, S. (2016). GIS-toepassingen in onderzoek naar buitenplaatsen-landschappen. Delft: TU Delft. 

Paine, D. & Kiser, J. (2003). Aerial photography and image interpretation. Hoboken: Wiley. 

Pederson, P., Farrell, P. & McPhee, E. (2005) “Paper versus Pixel: Effectiveness of Paper versus Electronic Maps To Teach Map Reading Skills in an Introductory Physical Geography Course”. The Journal of Geography, 104(5), 195-202. 

Ramm, F. (2017). OpenStreetMap data in layered GIS format. Karlsruhe: Geofabrik GmbH. 

Rensink, E., Weerts, H., Kosian, M., Feiken, H. & Smit, B. (2016). Archeologische landschappenkaart van Nederland. Amersfoort: Rijksdienst voor het Cultureel Erfgoed.**** 

Tandy, C. (1967). The isovist method of landscape survey. In H.C. Murray (red.). Methods of landscape analysis (pp. 9-10). London: Landscape Research Group.**** 

Toll, G., Zhu, H., Osman, A., Coombs, W., Li, X. & Rouainia, M. (2014). Information technology in geo-engineering. Amsterdam: IOS Press.**** 

Trooster, M. (2016). Specificaties levering GIS-producten. Den Haag: Ministerie van Infrastructuur en Milieu/Rijkswaterstaat.