Forrásvidékek blog

Közvetlen kutatási előzmények

A területi egyenlőtlenségekkel kapcsolatos legújabb, még folyamatban lévő kutatások, amelyek a Bölcsészettudományi Kutatóközpont Történettudományi Intézetéhez, a Debreceni Egyetem Történelmi és Földtudományi Intézeteihez kapcsolódnak, lehetővé teszik, hogy minden korábbitól eltérő módon alkossunk képet a Kárpát-medence területi egyenlőtlenségeiről a 20. század elején.

A GISta Hungarorum történelem- és földtudományi kutatási projekt keretében az elmúlt években olyan adatbank (GHA) épült Demeter Gábor vezetésével, amely a korabeli népszámlálási statisztikai adatok jelentős részét magába foglalja.^[1] Ez azt jelenti, hogy az 1913-as helységnévtár^[2] alapján pontosan 12 542 Kárpát-medencei település fejlettségi adatsora konstruálható meg utólagosan, különféle szempontok alapján. A fejlettségi vizsgálathoz szükséges adatok valamelyike azonban 133 település (0,02%) esetében hiányzik,^[3] ami ennek ellenére nem befolyásolja érdemben a végső képet a táj fejlettségi különbségeiről a századelőn.

Jelen kutatás közvetlen előzményeként tekinthető Győri Róbert 2005-ben megvédett doktori értekezése, amelyben a szerző, többek között, a Dél-Kisalföld fejlettségi területi egyenlőtlenségeit vizsgálta 1910-re vonatkozóan.^[4] Eredményeit egy évvel később külön tanulmányban publikálta.^[5] Munkájában hat alapmutatóval dolgozott (1. táblázat), mely változók standardizált értékeinek számtani átlaga adja a komplex fejlettségi mutatót (KFM).

1. táblázat A Győri-féle területi fejlettségi vizsgálat mutatói

Győri munkássága nyomán további kutatások indultak előbb az Alföld,^[6] később az egész Kárpát-medence területére nézve.^[7] Az utóbbi esetben egymástól független vizsgálatok, az eltérő statisztikai, matematikai, tértudományi módszerek ellenére is rendkívül hasonló tudományos eredményekre jutottak. Ezek az egybehangzó eredmények egyértelműen bizonyították már 2018-ban, hogy a 20. század elején a Kárpát-medencét egy markáns térszerkezeti elem, a táji fejlettség főszerkezeti töréslépcsője határozta meg. Ez a töréslépcső Turócszentmárton, Poprád, Kassa, Beregszász, Szatmárnémeti, Nagyvárad, Arad és Temesvár vonalában mutatható ki a felhasznált források alapján. Ettől a vonaltól délre és nyugatra egy többnyire átlagos vagy átlag feletti fejlettségű, míg északra és keletre egy főként átlag alatti vagy mélyen átlag alatti fejlettségű vidék (régió?) terült el.

A domborzati adatvizualizáció (DAV) módszertani leírása

A fejlettségi számítások és a települések földrajzi koordinátái alapján az elmúlt években – a hagyományos adatvizualizációs eljárások mellé – sikerült egy módszertanilag új eljárást, a domborzati adatvizualizációt (DAV) kifejlesztenem. Alkalmazásával látványosabb formában jeleníthetők meg térben a területi egyenlőtlenségi adatok (KFM). Amíg a képalkotáshoz a szoftveres környezetet az ESRI ArcGIS ArcMap rendszere biztosította,^[8] addig a számításokhoz szükséges adatok az említett, nyílt hozzáférésű adatbankból kerültek felhasználásra. A munkát tovább segítette, hogy az utóbbi években elkészült egy szintén nyílt hozzáférésű olyan összetett, jól strukturált térinformatikai platform is a GISta Hungarorum projekt keretében (GHTP), amely a táj századfordulós településeinek pontszerű és poligonalapú shape fájljait, s egyebek mellett a táj korabeli folyóvíz-, út- és vasúthálózatának vektoros anyagait is tartalmazza. Mind a GHA, mind a GHTP tehát tudományos kutatási célokra ingyenesen letölthető és felhasználható.^[9] A GHA adatai alapján MsExcelben végzett számításaimat hozzákapcsolva a GHTP rendszerhez a DAV eljárást az alábbiak szerint végeztem el.

Az adatvizualizáció során minden egyes, forrásadottság alapján vizsgálatba bevonható település KFM adata megjelenítésre került. Nem a poligonalapú, hanem a pontszerű településábrázolást választottam. Ez lehetővé tette, hogy az adatok ne homogenizált térstruktúrában, hanem pontszerű formában jelenjenek meg a térképen, mely eljárás lényegében a települések horizontális térbeli kiterjedését dimenziótlanította. Vagyis a földrajzi térben csakis az épített környezet (a falu, a város) földrajzi koordinátapontja kapott fejlettségi értéket. Önmagában azonban e megjelenítési forma kevésbé látványos eljárás, valójában a megszokott ábrázolásmódok egyike. A közigazgatási településfogalommal szemben az alkalmazott földrajzi településkoncepció^[10] azt is lehetővé teszi, hogy interpolációval a pontszerűen lokalizált fejlettségi értékek közti fizikai tér potenciális (statisztikailag megbízható módon becsült) fejlettségét is meghatározhassuk. Ez az adatvizualizációs technika több szempontból is előnyösebb a korábbi eljárásokkal szemben. Egyrészt: bár ez esetben is az adatok bizonyos értelemben vett térbeli „homogenizálásáról” van szó, mégis egészen másképp: kifinomultabb, átmenetiséget is érzékeltető formában. A földrajzi település pontszerűen megjelenített KFM értéke ugyanis nem egészében vetül rá ugyanazon színkód formájában a földrajzi környezetére, jelen esetben a település saját és a szomszédos települések külterületére, hanem az interpolációs becslés alapján e környezet potenciális fejlettsége fokozatos színátmenet formájában kerül ábrázolásra. Ezzel az eljárással épp a leggyakrabban etnikai jellegű, tematikus térképeknél tapasztalható, nemzeti (nemzetállami) indíttatású térbeli homogenizáció kerülhető el. Másrészt: az eljárással elérhető, hogy a külterületen fekvő tanyák és az egyébként lakatlan külterületi részek is értelmezhetővé váljanak a földrajzi szomszédság elve alapján s a fejlettség területi egyenlőtlenségének összefüggésében. Végtére is a fizikai térben pontszerűen lokalizált fejlettségi értékek és e pontok közti területek interpolált fejlettségi értékeinek vizualizációja teszi lehetővé azt, hogy a számítások alapján alacsony fejlettségűnek tekinthető vidékeken a centrumok a (transzformált) valósághoz legközelebb álló módon tűszerűen emelkedhessenek ki a környezetükből abban az esetben, ha a mérsékelt szomszédsági hatás miatt az adott centrum „kisugárzása” a közvetlen földrajzi környezetre alacsony.

Jelen esetben a pontszerűen lokalizált települések közti területre az interpolációt a történeti Magyarország határain belül (a horvát-szlavón területek nélkül) végeztem el.^[11] Az így nyert raszteres réteg (R1) mint ábrázolástechnikai felület nemcsak a fejlettség két szélső értékéhez kapcsolt komplementerszín (a vörösesnarancs és a kékeszöld szín) közti finom színátmenetet biztosította, hanem egy másik eljárás keretében a 3D megjelenítési formát is lehetővé tette. A DAV eljárás bizonyos értelemben egy árnyékolástechnikával előállított kétdimenziós (2D) domborzati modell. A domborzat megformálásához még az adatok előkészítésének fázisában szükség volt arra, hogy a KFM értékek a térinformatikai rendszer által (domborzatvizualizációs tekintetben) is értelmezhető, metrikus értéktartományba kerüljenek. Mivel a Kárpát-medence eredeti KFM értékei −2,8 és +7,8 közötti intervallumban szóródtak, mint magasságadatok úgy értelmeződtek volna, hogy egy tengerszint alatt 3 méter és tengerszint felett 8 méter közti értéktartományt jelöltek volna ki. Ezt a 11 méternyi szintkülönbséget a térinformatikai rendszerben viszont csak kevéssé látványos formában lehetett volna megjeleníteni. Megoldást kínált a KFM értékek 100-as vagy 1000-es koefficienssel történő szorzása. Az utóbbi esetben a transzformált értékek egy tengerszint alatt 2800 méter és tengerszint felett 7900 méter közötti intervallumba kerültek. Ezek az értékek már ábrázolástechnikai szempontból is jól értelmezhetők. A DAV-eljárás során szükség volt egy domborzati árnyékolást biztosító újabb raszteres rétegre is (R2),^[12] amely a KFM értékeket mint tengerszint feletti magasságot vagy az alatti mélységet jelenítette meg. Ez a felület tette lehetővé a Kárpát-medence századeleji fejlettségének újszerű vizualizálását, a táj fejlettségi domborzatmodelljének (FDM) a megszerkesztését. Az interpolációs raszteres felület (R1) mögötti adatmező arra is alkalmas, hogy felhasználásával kiszámítsuk és ábrázoljuk az azonos fejlettségi szinten álló területeket összekötő, úgynevezett fejlettségi szintvonalakat is (ezeket a rendszer mint domborzati szintvonalakat értelmezi).^[13]

Végül arra kellett még figyelni, hogy az előbb bemutatott rétegek vertikálisan az alábbi sorrendben helyezkedjenek el: legfelül a fejlettségi domborzat szintvonalai, alatta az interpolált raszteres réteg (R1), legalul pedig a domborzatárnyékolást megjelenítő raszteres felület (R2), amelynél a megvilágítás szöge, így az árnyékok iránya, sőt azok mérete is tetszés szerint állítható, akár utólag is. A középső réteg (R1) esetében elengedhetetlen, hogy a felületet áttetszővé tegyük, hogy az alatta elhelyezkedő domborzatárnyékolás is láthatóvá váljék (1. ábra).

1. ábra A Kárpát-medence fejlettségi domborzata a 20. század elején (FDM a DAV módszer alkalmazásával)
Nagy felbontású letölthető változat: jpg / svg

Az eredmények lehetséges történeti interpretációja

A fent részletezett módszerrel előállított fejlettségi domborzati térkép egyértelművé teszi, hogy Kárpát-medencei viszonylatban nem releváns – a hosszú évtizedek óta hazai történeti kánonnak részét képező – nyugat–keleti irányú fejlettségi lejtőről beszélni. A DAV meglepő szemléletességgel mutatja, hogy a Kárpát-medence központi, medence része általában véve átlagos, átlag feletti vagy magasan átlag feletti fejlettségű terület volt a 20. század elején. A Nyugat- és a Közép-Felvidék, a Bécs környéki területek valamint a Bácska–Bánát vidék ehhez foghatóan hasonló fejlettségű régiónak minősült. A modell egyúttal jól tükrözi a Beluszky-féle ipari régiók és iparvidékek struktúráját is.^[14] A korábbi térbeli ábrázolásokkal szemben a DAV részletgazdagabb megjelenítést tesz lehetővé, hiszen pontosabb kontúrokkal rajzolódnak körbe például a gazdaságtörténetileg is jól ismert területek, mint a Központi (vagy Budapesti), a Felvidéki, a Krassó–Szörény–hunyadi vagy a Kisalföldi ipari régió. Ez utóbbi kettőt Beluszky Pál csak kvázi ipari régiónak tekintette. Szemléletét a DAV is meggyőzően igazolja, mivel e vidékeken a századelő fejlettségi térszerkezete sem mutatott összefüggő átlagon felüli vagy magasan átlag feletti fejlettségű részeket. Ezekre a vidékekre inkább a pontszerű fejlettségi términtázat volt jellemző, így valóban nem tűnnek utólag sem egybefüggő fejlettségű területeknek, régióknak.

Az eredmények vizualizálásának másik szembeötlő vonása, hogy az 1920 és 1923 között kijelölt trianoni államhatár csehszlovák–magyar szakaszának keleti része és a román–magyar határszakasz egésze úgyszólván tökéletesen egybeesett egykoron a Kárpát-medence belső, fejlettségi (főszerkezeti) töréslépcsőjének futásvonalával. (Hosszú ideig, egészen 2018-ig erről a sajátos egybeesésről még csak fogalmunk sem volt!) Érthető, hogy mindez más megvilágításba helyezi a trianoni Magyarországgal kapcsolatban a „határmentiség” tudományos kánonját is. Vajon az ország keleti határa mentén fekvő területekről, de gyakran kiterjesztően általánosítva a Tiszántúl egészéről is, miért állíthatták (axiómaszerűen) csaknem egy évszázadon keresztül a történészek, a geográfusok vagy akár a politikusok is, hogy e térség hátrányos helyzete a 20. században a trianoni államhatár működésére vezethető vissza? Nem vitatom, hogy a keleti határ menti térség hátrányos helyzetének alakulásában jelentős szerepet játszhatott a trianoni államhatár kijelölése, és hogy e térség fejlettségi szintjének formálódásában ez korlátot jelentett a század folyamán. Azt viszont határozottan ellenzem – a bemutatott, új kutatási eredmények alapján –, hogy továbbra is fenntartsuk azt a gyakran csak implicit formában megfogalmazott kánont, miszerint a határ menti perifériák Trianon következtében jöttek volna létre. Hiszen a kvantitatív források tömeges feldolgozása, jelen esetben a Kárpát-medence fejlettségi domborzati modellje ennek gyökeresen ellentmond. Általa ugyanis éppen az bizonyítható, hogy a későbbi trianoni Magyarország belső perifériái már Trianon előtt, azaz legkésőbb a 19–20. század fordulójára kialakultak: egyszerűen „adottak voltak”. Különösen igaz ez az Alföld északkeleti és a Dunántúl délnyugati területére. A 19. századi centrum-perifériaképződés körülményeit és következményeit további kutatásokkal szükséges vizsgálni. Jelenleg úgy tűnik, Trianon nem kiváltója, hanem a már létező, működő folyamatok katalizátora volt, idővel pedig konzerválója lett.

A DAV alkalmazása arra is rámutat, hogy a kárpátaljai terület és Erdély legnagyobb része (Szász- és Székelyföld kivételével) Kárpát-medencei viszonylatban átlagon aluli, még inkább mélyen átlagon aluli fejlettségű vidéknek bizonyult a 20. század elején. Mindez a centrum–periféria elmélet kontextusában azt jelenti, hogy döntően a kevésbé vagy legkevésbé fejlett, végsősoron a perifériális részeket csatolták el Magyarországtól 1920-ban. Ezeken a területeken mind a humán tőkeerőforrás, mind az egészségügyi ellátórendszer (mint infrastruktúra), mind a foglalkozásszerkezeti átrétegződés, mind pedig a jövedelmi viszonyok általában véve rendkívül kedvezőtlenek voltak Kárpát-medencei viszonylatban. A DAV lehetővé teszi, hogy eddig nem érzékelt formában szemlélhessük e perifériális régiók városainak mikrokörnyezetre gyakorolt modernizációs-urbanizációs hatását. Mindaddig, amíg más kutatások nem árnyalják ezt a képet, az FDM meggyőzően bizonyítja, hogy a perifériális régiókban elhelyezkedő városok környező településekre, illetve azok lakosságára gyakorolt gazdasági-kulturális hatása (Kárpát-medencei viszonylatban) mérsékelt, mi több, kifejezetten alacsony volt a századfordulón. Megfigyelhető, hogy a vasútvonalak mentén füzérszerűen, lineáris términtázatot alkotva helyezkedtek el a fejlettebb települések a periférikus régiókban; miközben e fejlettebb líneák a tág környezetüket – mint forgalomárnyékos, mélyen átlag alatti fejlettségű vidékeket – ekkor még csak gyéren hálózhatták be. Kolozsvár vagy Beszterce „kisugárzása” a tágabb, de még a szűkebb környezetre is, az adatok alapján, alig volt mérhető a századelőn. A perifériális területek városai, mint környezetükre alacsony hatással bíró központok, egyenként, különálló magaslatok formájában emelkedtek hinterlandjuk fölé. A fejlettségük alapján e vertikálisan kiemelkedő, ám horizontálisan lényegében kiterjedés nélküli mikrocentrumok sajátos vonását adták a Kárpát-medence periférikus vidékeinek a századfordulón a DAV tanúsága szerint.

További térszerkezeti jellegzetesség, hogy Kárpát-medencei viszonylatban a trianoni Magyarország egy, egyszerre több, számos magasan fejlett központtal rendelkező centrumterület volt a századelőn. Ez az összetett térstruktúra érthetőbbé teszi és jelentősen árnyalja azt a gazdaság- és politikatörténeti kánont, amelynek középpontjában mindmáig a túlhangsúlyozott népszövetségi kölcsön szerepének jelentősége áll, amikor az ország helyzetének Trianon utáni konszolidációjáról esik szó. Bár a nemzetközi kölcsön elnyerése fontos elem ahhoz, hogy megértsük, miként állt talpra az ország az 1920-as években, arra viszont nem ad meggyőző magyarázatot, hogyan regenerálódhatott kevesebb mint egy évtized alatt, ily gyorsan az ország gazdasága. E meglepően gyors folyamat, érthetőbbé válik, ha figyelembe vesszük, hogy a trianoni Magyarország területe a Kárpát-medence legfejlettebb, központi fekvésű centrumrégiója volt már a századfordulón is. Olyan területnek tekinthető tehát még az 1920-as években is, a maga belső perifériái ellenére, amely fejlettségét nézve egy több központú régió volt. Az említett gazdasági teljesítmény elérésben pedig ennek a sajátos térszerkezeti vonásnak alighanem kulcsszerepe volt.

Végül a 20. század elején, noha még mindig meghatározó volt az egyes gazdasági ágazatok esetében a szükséges nyersanyaglelőhely és energiaforrások viszonylagos közelsége Európában, mégis a kontinentális vasúthálózat kiépülésével mindez, beruházási szempontból egyre inkább veszíteni kezdett a jelentőségéből a századelőn. A közeli – jelen esetben a nemzetállami territóriumon belül elérhető – nyersanyag- vagy energiaforrássokkal szemben egyre meghatározóbbá vált a humán tőkeerőforrás.^[15] A Trianon utáni gazdasági folyamatoknak e perspektívából történő értelmezése más utakat is megnyit a vonatkozó múlt utólagos történelmiesítése előtt. Egy olyan centrumrégióban, mint amilyen a Kárpát-medence medence része (lényegében a trianoni Magyarország) is volt a századelőn, a nyersanyagokkal szemben, utólag, igencsak felértékelődik a humán tőkeerőforrás magasabb koncentrációja s kedvezőbb összetétele az elcsatolt perifériális régiók viszonyaival szemben. Tulajdonképpen ez a kontextus, ha nem is írja felül a politikatörténetírás uralkodó narratíváját, de mindenképpen alkalmas a DAV eljárással együtt arra, hogy a jelen és jövő történetírása a korszak gazdasági, társadalmi, politikai és kulturális folyamatait a veszteségnarratíván túl, összetettebb, többszólamú formában értelmezze és szólaltassa meg.

Felhasznált források és irodalmak

Forrás

MH 1913. A Magyar Szent Korona Országainak helységnévtára 1913. Szerkeszti és kiadja a Magyar Királyi Központi Statisztikai Hivatal. Pesti Könyvnyomda-Részvény-Társaság, Budapest.

MSK Ús. 39. kötet. Magyarország községeinek háztartása az 1908. évben. Magyar Királyi Központi Statisztikai Hivatal, Pesti Könyvnyomda Részvénytársaság, Budapest, 1913. (Magyar Statisztikai Közlemények. Új sorozat 39.)

MSK Ús. 42. kötet. A Magyar Szent Korona országainak 1910. évi népszámlálása. Első rész. A népesség főbb adatai községek és népesebb puszták, telepek szerint. Magyar Királyi Központi Statisztikai Hivatal, Athenaeum Irodalmi és Nyomdai R.-Társulat, Budapest, 1912. (Magyar Statisztikai Közlemények. Új sorozat 42.)

MSK Ús. 46. kötet. A Magyar Szent Korona országainak 1901–1910. évi népmozgalma községenkint. Magyar Királyi Központi Statisztikai Hivatal, Athenaeum Irodalmi és Nyomdai Részvénytársulat, Budapest, 1913. (Magyar Statisztikai Közlemények. Új sorozat 46.)

MSK Ús. 48. kötet. A Magyar Szent Korona országainak 1910. évi népszámlálása. Második rész. A népesség foglalkozása és a nagyipari vállalatok községenként. Magyar Királyi Központi Statisztikai Hivatal. Athenaeum Irodalmi és Nyomdai R.-Társulat, Budapest, 1913. (Magyar Statisztikai Közlemények. Új sorozat 48.)

Irodalom

Beluszky Pál 2005. Magyarország ipara a századelőn. In: Uő (szerk.): Magyarország történeti földrajza. I. kötet. Dialóg Campus Kiadó, Budapest–Pécs. 396–443. (Studia Geographica, Dialóg Campus Tankönyvek, Területi és Települései Kutatások 27.)

Demeter Gábor 2018. Perifériák és fejlett régiók a történeti Magyarországon (1890–1910). In: Demeter Gábor – Szulovszky János (szerk.): Területi egyenlőtlenségek nyomában a történeti Magyarországon. Módszerek és megközelítések. Magyar Tudományos Akadémia Bölcsészettudományi Kutatóközpont, Debreceni Egyetem Társadalomföldrajzi és Területfejlesztési Tanszék, Budapest–Debrecen. 145–194.

Győri Róbert 2005. A térszerkezet átalakulásának elemei a Kisalföld déli részén (a XVIII. század végétől a XX. század elejéig). Doktori értekezés. Témavezető: Beluszky Pál, Nemes-Nagy József. ELTE TTK, Földtudományi Doktori Iskola, Földrajz–Meteorológia Program, Budapest.

Győri Róbert 2006. Bécs kapujában. Területi fejlettségi különbségek a Kisalföld déli részén a 20. század elején. Korall (24–25) 231–250.

Pénzes János 2018. Fejlettségi különbségek és centrum-periféria viszonyok a történelmi Magyarországon (1910). In: Demeter Gábor – Szulovszky János (szerk.): Területi egyenlőtlenségek nyomában a történeti Magyarországon. Módszerek és megközelítések. Magyar Tudományos Akadémia Bölcsészettudományi Kutatóközpont, Debreceni Egyetem Társadalomföldrajzi és Területfejlesztési Tanszék, Budapest–Debrecen. 85–116.

Szilágyi Zsolt 2015. A fejlettség területi különbségei az Alföldön a 20. század elején. In: Varga Zsuzsanna – Pallai László (szerk.): Föld, parasztság, agrárium. Tanulmányok a XX. századi földkérdésről a Kárpát-medencében. DE Történelmi Intézet, DE Történelmi és Néprajzi Doktori Iskola, Hajdúnánás Város Önkormányzata, ELTE Új- és Jelenkori Magyar Történelem Doktori Program, MTA Agrártörténeti és Faluszociológiai Osztályközi Állandó Bizottság, Hajdúnánás. 37–112.

Szilágyi Zsolt 2018. A Kárpát-medence fejlettségi membránja (1910). A fogalomalkotás és a vizualizálás egy lehetséges módszertani megoldása, az eredmények kontextualizálási kísérlete. In: Demeter Gábor – Szulovszky János (szerk.): Területi egyenlőtlenségek nyomában a történeti Magyarországon. Módszerek és megközelítések. Magyar Tudományos Akadémia Bölcsészettudományi Kutatóközpont, Debreceni Egyetem Társadalomföldrajzi és Területfejlesztési Tanszék, Budapest–Debrecen. 47–84.

Timár Lajos 1993. Vidéki városlakók. Debrecen társadalma 1920–1944. Magvető Könyvkiadó, Budapest. (Mikrotörténelem 6.)

Tomka Béla 2019. Az első világháború és a trianoni béke gazdasági hatásai Magyarországon. In: Bódy Zsombor (szerk.): Háborúból békébe: a magyar társadalom 1918 után. Konfliktusok, kihívások, változások a háború és az összeomlás nyomán. MTA Bölcsészettudományi Kutatóközpont, Történettudományi Intézet, Budapest, 47–79. (Magyar Történelmi Emlékek, Értekezések, Trianon-dokumentumok és -tanulmányok 2.)

^[1] https://www.gistory.hu/g/hu/gistory/index

^[2] MH 1913.

^[3] Szilágyi 2018: 53.

^[4] Győri 2005: 108–128.

^[5] Győri 2006.

^[6] Szilágyi 2015.

^[7] Demeter 2018, Pénzes 2018, Szilágyi 2018.

^[8] https://www.esri.com/en-us/home

^[9] http://gistory.hu/g/hu/gistory/otka

^[10] Timár 1993: 30–45.

^[11] Ennek megfelelően előbb a több mint 12 ezer településpontot fedvénybe kellett hozni Magyarország államterületével (parancssor, a továbbiakban: ps. ArcToolbox / Analysis Tools / Extract / Clip). Az így nyert rétegen már elvégezhető volt az interpoláció (ps. ArcToolbox / Spatial Analyst Tools / Interpolation / IDW). Az interpolációs felület az égtájak szerinti legtávolabbi földrajzi koordináták közti területen képződik. Ennek a felületnek az államhatárhoz történő igazításához egy maszkot kell készíteni: ps. ArcToolbox / Spatial Analyst Tools / Extraction / Extract by Mask.

^[12] A domborzatárnyékoláshoz szükséges: ps. ArcToolbox / Spatial Analyst Tools / Surface / Hillshade.

^[13] A fejlettségi szintvonalak előállításához szükséges: ps. ArcToolbox / Spatial Analyst Tools / Surface / Contour. A Contour párbeszédpanelben, a Contour interval mezőben a szintvonalak léptéke tetszőleges értékben megadható, pl. 100, 500 vagy 1000 méter stb. (Emlékezzünk, hogy többek között ezért is volt fontos a KFM értékek – metrikus tartományban is értelmezhető – transzformációjára az adatelőkészítő munkafázisban.)

^[14] Beluszky 2005: 430–443.

^[15] Tomka 2019: 70–75.