Das Beispiel in Abbildung 10.1 zeigt ereignisgekoppelte Vektordaten mit einem Teil einer Hintergrundkarte (engl.: ,,basemap``) im Zentrum.
Abbildung 10.1: Fallbeispiel: Ereignisaktive Vektordaten mit Hintergrundkarte (Münster, Gewässer und Straßennetz)
Dargestellt sind Gewässerflächen und Straßennetz im Stadtgebiet Münster. Alle Einzelobjekte können über Ereignisse an weitere Daten zu dem betreffenden Objekt angebunden sein, z.B. Daten zur Gewässerqualität oder zu Sedimentablagerungen.
Neben der Anbindung von Ereignissen an beliebige Objekte, z.B. zur Verwendung externer Hilfs- und Anzeigeprogramme und der Manipulation der Eigenschaften der Objekte, kann für alle Objekte z.B. Grad der Transparenz, Füllmuster oder Farbe für aktive Objekte eingestellt werden.
In der Darstellung ist beispielsweise jeder der fast 18000 Teilstraßenzüge und jede der fast 700 Gewässerflächen ein eigenes Vektorobjekt. An die Gewässerflächen sind im Beispiel in Form von Attributen Daten zur Naturnähe angebunden, die z.B. innerhalb einer Komponente angezeigt werden können.
Bei einer derartig großen Zahl von Objekten ist die adäquate Geschwindigkeit bei der Handhabung, insbesondere in Kombination mit Rasterdaten und Vergrößerungsfunktionen, stark von der verwendeten Hardware abhängig.
Rasterdaten könnten für spezielle Beispiele alternativ in verschiedenen Vergrößerungsstufen bereitgestellt werden. Für den Fall, daß Rasterdaten beispielsweise für verschiedene Kartenblätter vorliegen, empfiehlt sich für eine flexiblere Handhabung die Erzeugung von Kacheln aus den einzelnen Blättern. Diese hat den Vorteil einer einfachen Attributvergabe für einzelne Kacheln und kann zum anderen für schnellere Ladezeiten bezüglich einzelner Ausschnitte ausgenutzt werden.
Vor allem für große Rasterdaten kann die Verwendung eines Graphikformates ohne Komprimierung, z.B. PPM , zusätzlich zu einer reduzierten Ladezeit auf schwächerer Hardware beitragen.
Über Ereignissteuerung und dynamische Visualisierung hinausgehend, wären hier im Rahmen allgemeinerer Tcl/Tk Entwicklungen z.B. die Modularisierung des Kerns und eine veränderte Speicherverwaltung, beispielsweise für die effizientere Handhabung von Rastergraphiken wünschenswert.
Ebenso können optimierte Algorithmen, längere und strukturierte Attribute zu einer besseren Anpassung und Skalierbarkeit beitragen. Die Erarbeitung von Kategorien derartiger Attribute sollte interdisziplinär erfolgen.