सुदूर संवेदन, GIS व नगरीय विश्लेषिकी: प्रतिबिंब, फोटोग्रामिति, स्थानिक आँकड़े, SQL, Python व मशीन लर्निंग

यह अध्याय AR भाग B2, खंड B2.5 “आँकड़ा विश्लेषण, सुदूर संवेदन व भू-सूचना विज्ञान” के दूसरे आधे भाग का उत्तर देता है: “उपग्रह सुदूर संवेदन की मूल अवधारणाएँ, उपग्रह, संवेदक व आच्छादन; अंकीय प्रतिबिंब संसाधन के सिद्धांत; उपग्रह आँकड़ा उत्पाद व उनका उपयोग; हवाई फोटोग्राफी; फोटोग्रामिति के सिद्धांत; नगरीय व क्षेत्रीय अध्ययनों में सुदूर संवेदन का अनुप्रयोग; योजना में GIS अनुप्रयोग; भू-संदर्भन; स्थानिक आँकड़ों का भंडारण; संसाधन उपकरण; 2D (स्थानिक), 3D (उन्नयन) व 4D (कालिक) आँकड़ा विश्लेषण व प्रतिरूपण; डेटाबेस प्रबंधन प्रणालियाँ; संरचित क्वेरी भाषा; स्थानिक क्वेरी; नगर नियोजन में मशीन लर्निंग का अनुप्रयोग; स्मार्ट सिटी IoT अनुप्रयोग; Python मूल बातें; नगरीय विश्लेषिकी; स्थानिक आँकड़ा अवसंरचना”। यह आँकड़ों का संवेदक से निर्णय तक अनुसरण करता है: प्रतिबिंब कैसे प्राप्त, संसाधित व जाँचे जाते हैं, फोटो से मापनी व ऊँचाई कैसे मिलती है, GIS स्थान को कैसे संगृहीत व विश्लेषित करता है, डेटाबेस व SQL प्रश्नों का उत्तर कैसे देते हैं, और मशीन लर्निंग, IoT, Python व विश्लेषिकी उपकरण-समूह को कैसे बढ़ाते हैं। संख्यात्मक प्रश्न फोटो मापनी व भू-दूरी, उच्चावच विस्थापन व उड़ान ऊँचाई, NDVI, समग्र शुद्धता व काप्पा, रैस्टर कोशिका-गणना व फ़ाइल-आकार, SQL परिणाम-गणना, परिशुद्धता व प्रत्याह्वान, तथा Python आउटपुट अनुरेखण हैं।

1. सुदूर संवेदन की अवधारणाएँ: स्पेक्ट्रम, खिड़कियाँ, हस्ताक्षर व विभेदन

सुदूर संवेदन पृथ्वी को छुए बिना, सतह द्वारा परावर्तित या उत्सर्जित विद्युत-चुंबकीय (EM) ऊर्जा को अभिलिखित कर, उसकी सूचना प्राप्त करता है। निष्क्रिय संवेदक सतह द्वारा परावर्तित सूर्य-प्रकाश या उसके द्वारा उत्सर्जित ऊष्मा अभिलिखित करते हैं; सक्रिय संवेदक (रडार, लाइडार) अपना स्पंद स्वयं भेजते हैं, अतः रात में भी काम करते हैं, और रडार बादलों के पार भी देखता है। आपतित ऊर्जा परावर्तित, अवशोषित या पारगमित होती है, और संवेदक जो अभिलिखित करता है वह पदार्थ व तरंगदैर्घ्य पर निर्भर है।

सुदूर संवेदन में प्रयुक्त EM स्पेक्ट्रम के क्षेत्र
क्षेत्रलगभग तरंगदैर्घ्यप्रारूपिक उपयोग
दृश्य0.4 से 0.7 µmवास्तविक-रंग प्रतिबिंब, निर्मित क्षेत्र, जल
निकट अवरक्त (NIR)लगभग 0.7 से 1.3 µmवनस्पति-सशक्तता, भूमि–जल सीमा
लघु-तरंग अवरक्त (SWIR)लगभग 1.3 से 3 µmनमी-मात्रा, मृदा व निर्मित क्षेत्र का पृथक्करण
तापीय अवरक्तलगभग 8 से 14 µm पर खिड़कीभू-सतह तापमान, नगरीय ऊष्मा द्वीप
सूक्ष्म-तरंगलगभग 1 mm से 1 mरडार: बादलों के पार, दिन-रात, खुरदरापन, बाढ़

वायुमंडलीय खिड़कियाँ वे तरंगदैर्घ्य-पट्टियाँ हैं जिनमें वायुमंडल भली-भाँति संचारित करता है; अन्यत्र जलवाष्प, कार्बन डाइऑक्साइड व ओज़ोन प्रबल अवशोषण करते हैं, और संवेदक-बैंड खिड़कियों के भीतर रखे जाते हैं। गैस-अणुओं द्वारा प्रकीर्णन (रैले) छोटे तरंगदैर्घ्यों हेतु प्रबल है, इसीलिए आकाश नीला है और प्रतिबिंब का नीला बैंड धुँधला होता है। स्पेक्ट्रमी हस्ताक्षर किसी पदार्थ का परावर्तकता–तरंगदैर्घ्य वक्र है। स्वस्थ वनस्पति नीले व लाल में निम्न है (क्लोरोफ़िल अवशोषित करता है), हरे में हल्का शिखर बनाती है, 0.7 µm के निकट (रेड एज) तेज़ी से चढ़कर पत्ती की कोशिका-संरचना के कारण उच्च NIR पठार पर पहुँचती है, और SWIR में गिरती है जहाँ पत्ती का जल अवशोषित करता है। जल सर्वत्र गहरा और NIR में लगभग काला है; शुष्क नग्न मृदा तरंगदैर्घ्य के साथ लगातार चढ़ती है।

किसी प्रतिबिंब का वर्णन चार विभेदन करते हैं। स्थानिक: पिक्सेल का भू-आकार (भू-नमूना दूरी, GSD = उड़ान ऊँचाई × IFOV; 800 km पर IFOV 50 µrad हो तो GSD = 800,000 m × 50 × 10⁻⁶ = 40 m)। स्पेक्ट्रमी: बैंडों की संख्या व संकीर्णता (एक चौड़ा पैंक्रोमैटिक बैंड, कुछ बहुस्पेक्ट्रमी बैंड, सैकड़ों अतिस्पेक्ट्रमी बैंड)। विकिरणमितीय: चमक-स्तरों की संख्या, n बिट हेतु 2ⁿ (8 बिट 256 देते हैं, 10 बिट 1,024)। कालिक: उसी भूमि का कितनी बार प्रतिबिंबन होता है। एक को सुधारना प्रायः दूसरे की कीमत पर होता है: महीन पिक्सेल का अर्थ संकरा स्वैथ व लंबा पुनः-दर्शन।

⚠️ महीन विभेदन का अर्थ छोटी संख्या
5 m का प्रतिबिंब 30 m के प्रतिबिंब से महीन है, यद्यपि 30 बड़ी संख्या है। इसी प्रकार “उच्च स्थानिक विभेदन” व “उच्च स्पेक्ट्रमी विभेदन” भिन्न दावे हैं: पैंक्रोमैटिक प्रतिबिंब के पिक्सेल तीक्ष्ण हो सकते हैं पर बैंड केवल एक।

2. उपग्रह, संवेदक, कक्षाएँ व आच्छादन

दो महत्त्वपूर्ण कक्षाएँ
विशेषतासूर्य-तुल्यकालिक (निकट-ध्रुवीय)भूस्थिर
ऊँचाईकई सौ km (निम्न पृथ्वी कक्षा)भूमध्य रेखा से लगभग 36,000 km ऊपर
गतिध्रुवों के निकट से गुज़रता है, पृथ्वी नीचे घूमती हैआवर्तकाल पृथ्वी के घूर्णन के बराबर, अतः एक बिंदु पर टिका रहता है
मुख्य गुणहर परिक्रमा में अक्षांश को वही स्थानीय सौर समय पर पार करता है: तुलनीय रोशनीएक बड़े मंडल का सतत दृश्य
प्रारूपिक उपयोगभू-आवरण, नगरीय मानचित्रण, परिवर्तन-संसूचन (महीन पिक्सेल)मौसम, चक्रवात, संचार (स्थूल पिक्सेल)

स्वैथ वह भू-पट्टी है जिसका उपग्रह एक परिक्रमा में प्रतिबिंबन करता है। पुशब्रूम (pushbroom) संवेदक में पथ के आर-पार संसूचकों की पंक्ति होती है, अतः स्वैथ = संसूचकों की संख्या × GSD (10 m पर 6,000 संसूचक 60 km देते हैं); विस्कब्रूम (whiskbroom) संवेदक कम संसूचकों के साथ पथ के आर-पार दर्पण घुमाता है। पुनः-दर्शन समय वह अवधि है जिसके बाद उसी क्षेत्र का फिर प्रतिबिंबन होता है। चौड़ा स्वैथ बार-बार पुनः-दर्शन पर स्थूल पिक्सेल देता है; संकरा स्वैथ महीन पिक्सेल पर धीमा पुनः-दर्शन देता है, जिसकी भरपाई संवेदक अधोबिंदु से हटकर इंगित करके या तारामंडल उड़ाकर करते हैं।

सुविख्यात उदाहरण (सांकेतिक)
प्रणालीस्थानिक विस्तारपुनः-दर्शन व टिप्पणी
Landsat 8 व 930 m बहुस्पेक्ट्रमी, 15 m पैंक्रोमैटिकप्रत्येक 16 दिन; सबसे लंबा संग्रह
Sentinel-2दृश्य व NIR बैंडों में 10 mदो उपग्रहों से 5 दिन; निःशुल्क आँकड़े
Sentinel-1C-बैंड रडार (SAR)बादलों के पार, दिन-रात प्रतिबिंबन
MODIS250 m से 1 kmलगभग दैनिक; क्षेत्रीय निगरानी
भारतीय प्रणालियाँIRS व Resourcesat बहुस्पेक्ट्रमी संवेदक; Cartosat उच्च-विभेदन पैंक्रोमैटिकमौसम हेतु भूस्थिर कक्षा में INSAT श्रृंखला
🎯 नगरीय मानचित्रण सूर्य-तुल्यकालिक उपग्रह क्यों प्रयोग करता है
परिवर्तन-संसूचन दो तिथियों की तुलना करता है, अतः छाया-लंबाई व चमक में अंतर केवल इसलिए नहीं होना चाहिए कि सूर्य भिन्न कोण पर था। सूर्य-तुल्यकालिक कक्षा हर परिक्रमा में दिन का लगभग वही स्थानीय समय देती है, जिससे रोशनी तुलनीय रहती है। भूस्थिर उपग्रह 36,000 km से मीटर-स्तर के पिक्सेल नहीं दे सकता, उसका दृश्य कितना भी सतत हो।

3. अंकीय प्रतिबिंब संसाधन, NDVI व शुद्धता आकलन

प्रतिबिंब प्रति बैंड अंकीय संख्याओं (DN) का रैस्टर है। पूर्व-संसाधन दोष हटाता है: विकिरणमितीय संशोधन (DN से विकिरणता व परावर्तकता), वायुमंडलीय संशोधन (जैसे धुंध हेतु अंधकार-वस्तु व्यवकलन) व ज्यामितीय संशोधन (भू-संदर्भन)। संवर्धन निर्वचन सुधारता है: रैखिक विरोधाभास तनन DN को (DN − न्यूनतम)/(अधिकतम − न्यूनतम) × 255 पर प्रतिचित्रित करता है; आयतचित्र समकरण बारंबार मानों को फैलाता है; निम्न-पास फ़िल्टर चिकना व उच्च-पास फ़िल्टर किनारे तीक्ष्ण करते हैं; मुख्य घटक सहसंबद्ध बैंडों को संपीडित करते हैं। NIR, लाल व हरे को क्रमशः लाल, हरे व नीले के रूप में दिखाने वाला मिथ्या-रंग संयोजन स्वस्थ वनस्पति को लाल दिखाता है।

वर्गीकरण: पर्यवेक्षित बनाम अपर्यवेक्षित
पक्षपर्यवेक्षितअपर्यवेक्षित
प्रशिक्षणविश्लेषक पहले प्रत्येक वर्ग के नामांकित प्रतिदर्श देता हैकोई प्रतिदर्श नहीं; कलन-विधि पिक्सेलों को स्पेक्ट्रमी समानता से समूहित करती है
विधियाँन्यूनतम दूरी, अधिकतम संभाविता, सपोर्ट वेक्टर मशीन, रैंडम फ़ॉरेस्टK-means, ISODATA
वर्गसूचना-वर्ग पहले से निश्चितस्पेक्ट्रमी गुच्छ, जिन्हें विश्लेषक बाद में नाम देता है
कब श्रेष्ठविश्वसनीय भू-आँकड़े व स्पष्ट वर्ग-योजना होंपूर्व ज्ञान कम; अन्वेषणात्मक कार्य

सूचकांक। NDVI = (NIR − लाल)/(NIR + लाल) का मान −1 व +1 के बीच होता है: जल, बादल व हिम ऋणात्मक या शून्य के निकट, नग्न मृदा व निर्मित क्षेत्र निम्न धनात्मक, सघन स्वस्थ वनस्पति उच्च (सांकेतिक रूप से 0.5 से ऊपर)। NIR परावर्तकता 0.52 व लाल 0.08 हो तो NDVI = 0.44/0.60 = 0.73। निर्मित भूमि हेतु NDBI = (SWIR − NIR)/(SWIR + NIR) तथा जल हेतु NDWI = (हरा − NIR)/(हरा + NIR) जैसे प्रसामान्यीकृत अनुपात भी हैं।

त्रुटि आव्यूह: 150 परीक्षण प्रतिदर्श (पंक्तियाँ मानचित्र-वर्ग, स्तंभ संदर्भ-वर्ग)
मानचित्र-वर्गसंदर्भ निर्मितसंदर्भ वनस्पतिसंदर्भ जलपंक्ति योग
निर्मित453250
वनस्पति438850
जल124750
स्तंभ योग504357150

समग्र शुद्धता = Σ विकर्ण/N = (45 + 38 + 47)/150 = 130/150 = 86.7 %। उपयोगकर्ता शुद्धता (विकर्ण/पंक्ति योग) बताती है कि मानचित्रित वर्ग कितना विश्वसनीय है: वनस्पति 38/50 = 76 %। उत्पादक शुद्धता (विकर्ण/स्तंभ योग) बताती है कि संदर्भ वर्ग का कितना अंश पकड़ा गया: वनस्पति 38/43 = 88 %। काप्पा संयोगिक सहमति का संशोधन करता है: κ = (po − pe)/(1 − pe), जहाँ po समग्र शुद्धता है और pe = Σ(पंक्ति योग × स्तंभ योग)/N² = (2,500 + 2,150 + 2,850)/22,500 = 0.333, अतः κ = (0.867 − 0.333)/0.667 = 0.80।

⚠️ वे पिक्सेल जाँचें जो वर्गीकारक ने नहीं देखे
शुद्धता स्वतंत्र संदर्भ प्रतिदर्शों पर मापी जानी चाहिए, प्रशिक्षण पिक्सेलों पर कभी नहीं, अन्यथा वह फूली हुई होगी। समग्र शुद्धता उस मानचित्र की भी चापलूसी करती है जिसमें एक वर्ग हावी हो, क्योंकि सब कुछ उसी वर्ग का कहने वाला मानचित्र पहले से ऊँचा अंक पाता है; काप्पा उस संयोगिक सहमति को घटाता है और कम, अधिक न्यायसंगत आँकड़ा है।

4. उपग्रह आँकड़ा उत्पाद, हवाई फोटोग्राफी व फोटोग्रामिति

उपग्रह आँकड़ा उत्पाद व योजना में उनका उपयोग
उत्पादयह क्या हैयोजना में उपयोग
संशोधित बहुस्पेक्ट्रमी प्रतिबिंबकई बैंडों में विकिरणमितीय व ज्यामितीय रूप से संशोधित दृश्यभू-आवरण व नगरीय विस्तार मानचित्रण
उच्च-विभेदन पैंक्रोमैटिक प्रतिबिंबतीक्ष्ण एकल-बैंड प्रतिबिंब, प्रायः रंग-बैंडों से संलयितआधार मानचित्र, भवन व मलिन बस्ती मानचित्रण
व्युत्पन्न परतेंसतही परावर्तकता, NDVI, भू-सतह तापमान, संयुक्त उत्पादहरियाली प्रवृत्तियाँ, ऊष्मा-द्वीप अध्ययन
उन्नयन मॉडलत्रिविम प्रतिबिंब या रडार से DEM व DSMभू-आकृति, जल-निकासी, बाढ़ प्रतिरूपण
रडार व रात्रि-प्रकाश उत्पादSAR दृश्य; रात्रिकालीन दीप्तिबाढ़-विस्तार, अवतलन; नगरीय गतिविधि प्रतिनिधि

हवाई फोटो ऊर्ध्वाधर (कैमरा-अक्ष साहुल-रेखा से कुछ अंशों के भीतर), निम्न तिर्यक (क्षितिज दृश्य नहीं) या उच्च तिर्यक (क्षितिज दृश्य) होते हैं। ऊर्ध्वाधर फोटो हेतु मापनी S = f/H = फोटो-दूरी/भू-दूरी है, f फ़ोकस दूरी व H भूमि से ऊपर उड़ान ऊँचाई है; ऊँची होती भूमि पर यह f/(H − h) हो जाती है और अतः बढ़ती है। f = 150 mm व H = 3,000 m पर S = 0.15/3,000 = 1:20,000, और फोटो पर 62 mm भूमि पर 62 mm × 20,000 = 1,240 m है। सर्वेक्षण-उड़ानें लगभग 60 % अग्र अतिव्यापन व 20 से 30 % पार्श्व अतिव्यापन देती हैं।

उच्चावच विस्थापन। ऊर्ध्वाधर फोटो पर, आधार-तल से ऊपर खड़े लक्षण अधोबिंदु (कैमरे के ठीक नीचे का बिंदु) से अरीय रूप से बाहर की ओर खिसकते हैं: d = r·h/H, जहाँ r लक्षण के शीर्ष की अधोबिंदु से अरीय दूरी, h लक्षण की ऊँचाई व H लक्षण के आधार से ऊपर उड़ान ऊँचाई है। यह अधोबिंदु पर शून्य है और उससे दूरी व ऊँचाई के साथ बढ़ता है, तथा H बढ़ने पर घटता है। r = 90 mm, h = 40 m व H = 2,000 m हेतु d = 90 × 40/2,000 = 1.8 mm। यही संबंध मापे गए विस्थापन से लक्षण की ऊँचाई भी देता है।

त्रिविम-दर्शन व फोटोग्रामिति। भिन्न एक्सपोज़र स्थलों से लिए गए दो अतिव्यापी फोटो, इस प्रकार देखे जाएँ कि प्रत्येक आँख एक देखे, तो त्रि-विमीय मॉडल देते हैं। ऊँचे बिंदु बड़ा लंबन दिखाते हैं, और लंबन का अंतर ऊँचाई देता है: h = H·Δp/(p + Δp), जहाँ p आधार का लंबन व Δp शीर्ष का अतिरिक्त लंबन है (H = 1,800 m, p = 88 mm, Δp = 2 mm से h = 1,800 × 2/90 = 40 m)। इस प्रकार फोटोग्रामिति समोच्च रेखाएँ, DEM, 3D नगर मॉडल व ऑर्थोफ़ोटो बनाती है, जिनमें उच्चावच विस्थापन व झुकाव हटा दिए जाते हैं ताकि दूरियाँ मानचित्र की भाँति मापी जा सकें। ड्रोन फोटो उसी प्रकार structure-from-motion सॉफ़्टवेयर से संसाधित होते हैं, और लाइडार सतह मॉडल (वृक्षों व छतों के शीर्ष) तथा भू-आकृति मॉडल (नग्न भूमि) देता है।

ℹ️ फोटो पढ़ना: निर्वचन के तत्त्व
निर्वचनकर्ता लक्षण पहचानता है वर्ण-छटा, गठन, आकृति, आकार, प्रतिरूप, छाया व साहचर्य से (विद्यालय खेल-मैदान व भवन-आकृति से, बंदरगाह जल के निकट क्रेनों से)। छाया ऊँचाई दिखाती है पर उसके भीतर का छिपा देती है, अतः नगरीय कार्य हेतु फोटो दिन के ऐसे समय उड़ाए जाते हैं जो उसे सीमित करे।

5. नगरीय व क्षेत्रीय अध्ययनों में सुदूर संवेदन

योजना-प्रश्न से सुदूर संवेदन विधि तक
योजना-प्रश्नआँकड़ेविधि व निर्गत
नगर कितनी तेज़ी से और किस दिशा में बढ़ रहा है?बहु-तिथि बहुस्पेक्ट्रमी प्रतिबिंबप्रत्येक तिथि पर निर्मित भूमि वर्गीकृत करें; तुलना करें
मास्टर प्लान हेतु वर्तमान भू-आवरण क्या है?भू-सत्यापन सहित उच्च-विभेदन प्रतिबिंबपर्यवेक्षित या वस्तु-आधारित वर्गीकरण
नगरीय ऊष्मा द्वीप कहाँ हैं?तापीय बैंड: भू-सतह तापमानतापमान को हरित आवरण व घनत्व से संबद्ध करें
अनौपचारिक बस्तियाँ कहाँ हैं?अति-उच्च विभेदन प्रतिबिंबछत का आकार, घनत्व व अनियमित प्रतिरूप; हस्त या ML संसूचन
क्या झीलें व हरित क्षेत्र खो रहे हैं?NDVI, NDWI काल-श्रेणीघटते जल व वृक्ष-आवरण का अनुसरण; अतिक्रमण चिह्नित करें
कौन-से क्षेत्र जलमग्न होते हैं?रडार दृश्य, पहले-बाद के ऑप्टिकल, DEMबाढ़-विस्तार व बाढ़-प्रवण क्षेत्र
क्षेत्र में क्या हो रहा है?स्थूल काल-श्रेणी (MODIS, Landsat), DEMफसल व वन मानचित्रण, जलविभाजक, सूखा निगरानी
कौन-सी संपत्तियाँ व परिसंपत्तियाँ हैं?ड्रोन व हवाई प्रतिबिंबसंपत्ति-कर मानचित्रण, उपयोगिता परिसंपत्ति मानचित्रण, ग्राम आबादी मानचित्रण

परिवर्तन-संसूचन तिथियों की तुलना करता है, या तो प्रत्येक तिथि का वर्गीकरण कर परिणामों की अंतर-सारणी “से–को” आव्यूह (from–to matrix; वर्गीकरणोत्तर तुलना) बनाकर, या प्रतिबिंबों का अंतर लेकर। इसके लिए सह-पंजीकृत, एक ही ऋतु के और आदर्शतः एक ही संवेदक के प्रतिबिंब चाहिए। प्रत्येक वर्गीकृत मानचित्र की त्रुटियाँ तुलना में जुड़ जाती हैं, और बादल, छाया व मिश्रित पिक्सेल (अनेक आवरणों पर फैला स्थूल पिक्सेल) मिथ्या परिवर्तन बनाते हैं।

⚠️ भू-आवरण भू-उपयोग नहीं है
सुदूर संवेदन देखता है कि भूमि पर क्या आच्छादित है (छतें, वृक्ष, जल), यह नहीं कि भूमि किस उपयोग में है। एक ही पदार्थ की दो छतें एक घर और एक दुकान हो सकती हैं। आवासीय, वाणिज्यिक व संस्थागत उपयोग को सहायक आँकड़ों, जैसे भूकर मानचित्र, क्षेत्र-सर्वेक्षण या भवन-पदचिह्नों, से पृथक करना होगा।

क्षेत्रीय अध्ययनों में वही प्रतिबिंब संसाधन-सूची (फसलें, वन, आर्द्रभूमि), जलविभाजक व जल-निकासी निर्धारण, कृषि-जलवायविक व सूखा आकलन तथा गलियारा-चयन में सहायक हैं, जबकि नगर-स्तर पर वे वह अद्यतन आधार मानचित्र देते हैं जिस पर मास्टर प्लान, उपयोगिता जाल या संपत्ति-पंजिका बनती है।

6. योजना में GIS: भू-संदर्भन व स्थानिक आँकड़ों का भंडारण

GIS स्थानिक-संदर्भित आँकड़ों को ग्रहण, भंडारित, प्रबंधित, विश्लेषित व प्रदर्शित करता है; इसके अंग हैं हार्डवेयर, सॉफ़्टवेयर, आँकड़े, लोग व प्रक्रियाएँ। योजना में यह भू-उपयुक्तता व मास्टर-प्लान आधार मानचित्र, भू-उपयोग निगरानी, उपयोगिता व परिसंपत्ति मानचित्रण, संपत्ति-कर अभिलेख, परिवहन अभिगम्यता, आपदा-जोखिम क्षेत्रीकरण व जन वेब-मानचित्रों के काम आता है। इसकी विशिष्ट शक्ति एक ही निर्देशांक-ढाँचे पर अनेक परतों का अध्यारोपण है, जिससे स्थान संबंधी प्रश्न का उत्तर सभी में दिया जा सके।

भू-संदर्भन प्रतिबिंब या मानचित्र को वास्तविक-जगत निर्देशांक देता है। निर्देशांक संदर्भ प्रणाली डेटम (संदर्भ दीर्घवृत्तज) को निर्देशांक प्रणाली से जोड़ती है, जो भौगोलिक (अंशों में अक्षांश व देशांतर; WGS 84 GPS द्वारा प्रयुक्त डेटम है) या प्रक्षेपित (समतल मीटर, जैसे UTM में) होती है। प्रत्येक प्रक्षेप विकृत करता है: अनुकोणी आकृति व कोण रखते हैं, समक्षेत्रीय क्षेत्रफल, अतः क्षेत्रफल निकालने हेतु समक्षेत्रीय प्रक्षेप लें। चरण हैं: भू-नियंत्रण बिंदु (GCP) चुनें जो प्रतिबिंब व संदर्भ दोनों में पहचाने जा सकें, जैसे सड़क-चौराहे; रूपांतरण बैठाएँ (एफ़ाइन के छह प्राचल होते हैं, अतः न्यूनतम तीन असंरेख GCP चाहिए, और त्रुटि आँकने हेतु अधिक लिए जाते हैं); RMSE = √(dx² + dy² का माध्य) जाँचें, आदर्शतः एक पिक्सेल से कम; और पुनर्प्रतिचयन करें। निकटतम-पड़ोसी पुनर्प्रतिचयन मूल मान रखता है, अतः वर्गीकृत मानचित्रों हेतु लें; द्विरेखीय या घन पुनर्प्रतिचयन चिकना करता है और सतत प्रतिबिंबों के उपयुक्त है।

रैस्टर व सदिश भंडारण
विशेषतारैस्टरसदिश
मॉडलसमान कोशिकाओं का ग्रिड, प्रत्येक का एक माननिर्देशांकों से बिंदु, रेखाएँ व बहुभुज, गुण-सारणी सहित
किसके लिए श्रेष्ठसतत सतहें (उन्नयन, तापमान) व प्रतिबिंबविविक्त लक्षण: भूखंड, सड़कें, वार्ड, उपयोगिताएँ
सूक्ष्मताकोशिका-आकार से सीमित; उसे आधा करने पर कोशिकाएँ चौगुनीयथार्थ निर्देशांक; स्पष्ट सीमाएँ
आकारपंक्तियाँ × स्तंभ × बिट/8 बाइट; तेज़ी से बढ़ता हैलक्षण कम हों तो संहत
विश्लेषणमानचित्र बीजगणित, सतह विश्लेषणजाल विश्लेषण, सांस्थिति, यथार्थ लंबाई व क्षेत्रफल

सांस्थिति स्थानिक संबंधों को स्पष्टतः संगृहीत करती है: संयोजकता (रेखाएँ नोड पर मिलती हैं), सटापन (प्रत्येक चाप के बाएँ व दाएँ का बहुभुज) तथा समावेश (द्वीप व छिद्र)। इससे GIS रिक्तियाँ, अतिव्यापन व लटकती रेखाएँ पकड़ सकता है, पड़ोसी खोज सकता है और जाल के अनुदिश मार्ग निकाल सकता है। साधारण शेपफ़ाइलों में सांस्थिति नहीं होती, जिसे नियमों से जाँचना पड़ता है। रैस्टर अंकगणित: 30 m कोशिकाओं पर 12 km × 9 km क्षेत्र में (12,000/30) × (9,000/30) = 400 × 300 = 120,000 कोशिकाएँ हैं; 16 बिट (2 बाइट) पर फ़ाइल में 240,000 बाइट होते हैं, और 15 m कोशिकाओं पर 480,000 कोशिकाएँ होतीं।

7. संसाधन उपकरण, तथा 2D, 3D व 4D विश्लेषण

मूल GIS संसाधन उपकरण
उपकरणयह क्या करता हैयोजना-उदाहरण
बफ़रबिंदुओं, रेखाओं या बहुभुजों की निर्धारित दूरी के भीतर का क्षेत्रपारगमन स्टेशनों के आसपास 500 m; ध्वनि या पश्च-हट क्षेत्र
अध्यारोपण (प्रतिच्छेद, संघ, क्लिप, मिटाना)परतें मिलाता है; प्रतिच्छेद केवल अतिव्यापन दोनों के गुणों सहित रखता है; संघ सब रखता हैबाढ़ क्षेत्र में भूखंड; भारित उपयुक्तता
जाल विश्लेषणसमय जैसी लागत वाले संयोजित जाल पर लघुतम पथ, सेवा क्षेत्र, निकटतम सुविधाएम्बुलेंस द्वारा 8 मिनट में पहुँचा जाने वाला क्षेत्र
थिसेन बहुभुजवे बिंदु जो किसी एक स्थल के अन्य से निकट हैं, उनके बहुभुजनिकटतम-सुविधा जलग्रहण क्षेत्र
अंतर्वेशन (IDW, क्रिगिंग)प्रतिदर्श बिंदुओं से सतह का आकलनवायु गुणवत्ता या भूमि-मूल्य सतहें
स्थानिक जोड़, ज़ोनल सांख्यिकीस्थान के अनुसार गुण स्थानांतरित या सारांशित करता हैरैस्टर से प्रति वार्ड जनसंख्या

बफ़र का क्षेत्रफल ज्यामिति से आता है: त्रिज्या r के बिंदु-बफ़र का क्षेत्रफल πr² (1 km त्रिज्या: 3.14 km²); लंबाई L की रेखा को प्रत्येक ओर r का बफ़र देने पर गोल सिरों सहित क्षेत्रफल 2rL + πr²; अतिव्यापी बफ़रों को डिज़ॉल्व कर मिलाया जाता है। मेट्रो रेखा के 500 m के भीतर भूखंडों की सूची हेतु, पहले रेखा का बफ़र बनाएँ, फिर भूखंडों से प्रतिच्छेद करें; नंगी रेखा को भूखंडों से प्रतिच्छेद करने पर केवल वही मिलते हैं जिन्हें वह काटती है।

2D विश्लेषण गुणों सहित समतलमितीय x, y आँकड़ों पर चलता है। 3D उन्नयन जोड़ता है। DEM भूमि-ऊँचाइयों का रैस्टर है; TIN अनियमित दूरी के बिंदुओं (x, y, z) को अन-अतिव्यापी त्रिभुजों में जोड़ता है, जो जटिल भू-आकृति में सघन और समतल में विरल होते हैं। DSM में वृक्ष व छतें शामिल हैं, DTM नग्न भूमि है। DEM से ढाल (उत्थान/क्षैतिज: 30 m कोशिका पर 9 m = 30 %), दिशा-मुखता, समोच्च रेखाएँ, हिलशेड (छायांकित उच्चावच), दृश्य-क्षेत्र, जलविभाजक व कटाई-भराई आयतन मिलते हैं। सच्चे 3D नगर मॉडल धूप, छाया, दृश्य व ध्वनि अध्ययन हेतु भवन-ऊँचाइयाँ रखते हैं।

4D का अर्थ है 3D जमा समय: प्रतिबिंबों व संवेदक-स्रोतों की काल-श्रेणी जो दिखाती है कि स्थान कैसे बदलता है। कोशिकीय स्वचालित व मार्कोव शृंखला जैसे नगर-वृद्धि मॉडल भावी भू-आवरण का अनुकरण करने हेतु पिछले परिवर्तन का उपयोग करते हैं (मार्कोव मॉडल संक्रमण आव्यूह लेता है, अतः अगली अवस्था वर्तमान अवस्था गुणा उस आव्यूह है); डिजिटल ट्विन 3D नगर मॉडल को जीवंत आँकड़ों से अद्यतन रखता है।

⚠️ सतह या भू-आकृति, रैस्टर या त्रिभुज
बाढ़ मॉडल को DTM चाहिए, क्योंकि छतें व वृक्ष भूमि नहीं हैं; DSM भवनों के पीछे जल को रोक देगा। DEM का कोशिका-आकार एकसमान होता है और वह भू-आकृति के अनुरूप ढल नहीं सकता, जबकि TIN ढल सकता है: दोनों के वर्णन आपस में न बदलें।

8. डेटाबेस, SQL व स्थानिक क्वेरी

डेटाबेस प्रबंधन प्रणाली (DBMS) अनेक उपयोगकर्ताओं हेतु आँकड़े परिभाषित, भंडारित, पुनः-प्राप्त व सुरक्षित करती है। संबंधपरक मॉडल में आँकड़े सारणियों में रहते हैं: पंक्ति एक अभिलेख व स्तंभ एक क्षेत्र है। प्राथमिक कुंजी प्रत्येक पंक्ति की अद्वितीय पहचान करती है; विदेशी कुंजी दूसरी सारणी की प्राथमिक कुंजी रखती है और सारणियों को जोड़ती है (विद्यालय-सारणी का ward_id वार्ड की ओर संकेत करता है)। प्रसामान्यीकरण दोहराए गए आँकड़े हटाता है। GIS परत ऐसी ही सारणी है जिसमें ज्यामिति स्तंभ है, और PostGIS सहित PostgreSQL जैसे स्थानिक DBMS ज्यामिति-प्रकार व स्थानिक सूचकांक जोड़ते हैं।

SQL इस प्रकार पढ़ी जाती है: SELECT स्तंभ FROM सारणी WHERE पंक्ति-शर्त GROUP BY स्तंभ HAVING समूह-शर्त ORDER BY स्तंभ। समुच्चयन फलन COUNT, SUM, AVG, MIN व MAX हैं। तार्किक क्रम है FROM व JOIN, फिर WHERE, फिर GROUP BY, फिर HAVING, फिर SELECT: WHERE समूहन से पहले पंक्तियाँ छानता है, HAVING उसके बाद समूह। COUNT(*) पंक्तियाँ गिनता है, जबकि COUNT(स्तंभ) NULL छोड़ देता है। INNER JOIN केवल मेल खाती पंक्तियाँ रखता है; LEFT JOIN प्रत्येक बायीं पंक्ति रखता है और मेल न होने पर NULL भरता है।

इन आँकड़ों पर अनुरेखण। सारणी wards(ward_id, zone, pop): (1, N, 12000), (2, N, 8000), (3, S, 15000), (4, S, 5000), (5, E, 9000)। सारणी schools(school_id, ward_id): (1, 1), (2, 1), (3, 3), (4, 3), (5, 3), (6, 5)।

क्वेरी व उनके परिणाम
क्वेरीपरिणाम
क्वेरी 1: SELECT COUNT(*) FROM wards WHERE pop > 80003 (वार्ड 1, 3 व 5; वार्ड 2 में ठीक 8000 है)
क्वेरी 2: SELECT zone, SUM(pop) FROM wards GROUP BY zoneN 20000; S 20000; E 9000
क्वेरी 3: SELECT zone, COUNT() FROM wards WHERE pop >= 8000 GROUP BY zone HAVING COUNT() >= 2एक पंक्ति: N 2 (WHERE से वार्ड 1, 2, 3, 5 बचते हैं, अतः S में 1 व E में 1)
क्वेरी 4: SELECT COUNT(*) FROM wards w JOIN schools s ON w.ward_id = s.ward_id6 (प्रति विद्यालय एक पंक्ति; वार्ड 2 व 4 बाहर)
क्वेरी 5: क्वेरी 4 पुनः, LEFT JOIN के साथ8 (6 मेल व वार्ड 2 तथा 4 की एक-एक NULL पंक्ति)

स्थानिक क्वेरी गुण-मानों के बजाय स्थान-संबंधों के बारे में पूछती हैं: कोई भूखंड किसी क्षेत्र को प्रतिच्छेद करता है, उसके भीतर है या उसे स्पर्श करता है; 500 m के भीतर क्या है; कौन-सी सुविधा निकटतम है। स्थानिक SQL में ये ST_Intersects, ST_Within, ST_Distance व ST_Buffer जैसे विधेय व फलन हैं; उदाहरणतः बाढ़ क्षेत्र के भीतर के भूखंड WHERE ST_Intersects(parcels.geom, flood.geom) से चुने जाते हैं। स्थानिक जोड़ स्थान के अनुसार गुण स्थानांतरित करता है, और स्थानिक सूचकांक (परिबद्ध-बक्सों पर R-tree) ऐसी क्वेरी को तेज़ रखता है।

9. मशीन लर्निंग व स्मार्ट-सिटी IoT

पर्यवेक्षित अधिगम नामांकित उदाहरणों (ज्ञात निर्गत वाले निवेश) पर प्रशिक्षित होता है: वर्गीकरण श्रेणी (भू-आवरण वर्ग, भवन या नहीं) और समाश्रयण संख्या (किराया, यात्रा-समय) का पूर्वानुमान करता है; विधियों में निर्णय वृक्ष, रैंडम फ़ॉरेस्ट, सपोर्ट वेक्टर मशीन व तंत्रिका जाल हैं। अपर्यवेक्षित अधिगम नामांकन बिना संरचना खोजता है: पड़ोसों को प्रकारों में समूहित करने हेतु गुच्छन (k-means), या बैंडों को संपीडित करने हेतु मुख्य घटक। आँकड़े प्रशिक्षण व परीक्षण समूहों में बाँटे जाते हैं (जैसे 70:30 या 80:20); परीक्षण-समूह अंतिम जाँच तक अदृष्ट रहना चाहिए, और प्रति-वैधीकरण (cross-validation) विभाजन दोहराता है। अति-संयोजन (overfitting) वह मॉडल है जो शोर को रट लेता है: उच्च प्रशिक्षण शुद्धता, बहुत कम परीक्षण शुद्धता; उपाय हैं अधिक आँकड़े, सरल मॉडल, नियमितीकरण व प्रति-वैधीकरण। निकटवर्ती पिक्सेल समान होने से यादृच्छिक विभाजन परीक्षण पिक्सेलों को प्रशिक्षण पिक्सेलों के पास बैठा देता है और शुद्धता फुला देता है, अतः स्थानिक रूप से पृथक क्षेत्रों पर परीक्षण करें।

हाँ/नहीं संसूचक हेतु भ्रम आव्यूह (confusion matrix) सत्य धनात्मक (TP), मिथ्या धनात्मक (FP), मिथ्या ऋणात्मक (FN) व सत्य ऋणात्मक (TN) गिनता है। शुद्धता = (TP + TN)/N; परिशुद्धता (precision) = TP/(TP + FP), चिह्नित मदों में सही का अंश; प्रत्याह्वान (recall) = TP/(TP + FN), वास्तविक मदों में खोजे गए का अंश; F1 = 2PR/(P + R)। उदाहरण: TP = 40, FP = 10, FN = 20, TN = 130 से परिशुद्धता 40/50 = 0.80, प्रत्याह्वान 40/60 = 0.67, शुद्धता 170/200 = 0.85 व F1 = 0.73। लक्ष्य दुर्लभ हो तो शुद्धता भ्रामक होती है: अनौपचारिक बस्तियाँ क्षेत्र का 2 % हों तो एक भी बस्ती न खोजने वाला मॉडल 98 % शुद्ध है।

  • योजना में उपयोग: प्रतिबिंबों से भू-आवरण वर्गीकरण व भवन-पदचिह्न निष्कर्षण; अनौपचारिक बस्ती संसूचन; यातायात व माँग पूर्वानुमान; किराया व भूमि-मूल्य पूर्वानुमान; नगर-वृद्धि अनुकरण।
  • सावधानियाँ: अभिनत या विरल प्रशिक्षण आँकड़े, अन्य नगरों में कमज़ोर अंतरण, स्थानिक रिसाव, और ऐसे मॉडल जो अपना निर्गत समझा नहीं सकते जबकि योजनाकार को निर्णय का औचित्य देना हो।

स्मार्ट-सिटी IoT नेटवर्कित संवेदकों व प्रवर्तकों को आँकड़ा-मंच से जोड़ता है। इसकी परतें हैं: संवेदन (वायु-गुणवत्ता व ध्वनि संवेदक, जल-प्रवाह व दाब संवेदक, स्मार्ट मीटर, यातायात गणक, पार्किंग व कूड़ेदान-भराव संवेदक, पथ-प्रकाश नियंत्रक), संयोजकता (सेलुलर, Wi-Fi, LoRaWAN व NB-IoT जैसे निम्न-शक्ति व्यापक-क्षेत्र नेटवर्क), मंच (एज व क्लाउड भंडारण, आँकड़ा मानक, विश्लेषिकी) तथा अनुप्रयोग (कमान व नियंत्रण केंद्र पर डैशबोर्ड व सतर्कताएँ, जैसे भारत के स्मार्ट सिटीज़ मिशन के एकीकृत कमान व नियंत्रण केंद्र)। उदाहरण: अनुकूली यातायात संकेत, जल-मुख्य लाइनों में रिसाव-संसूचन, कचरा-संग्रहण का मार्ग-अनुकूलन तथा प्रदूषण हॉट-स्पॉट सतर्कताएँ। कठिनाइयाँ हैं अंतर-संचालनीयता, संवेदक अंशांकन व स्थल-चयन अभिनति, निजता, साइबर-सुरक्षा व रखरखाव लागत।

⚠️ परिशुद्धता व प्रत्याह्वान विपरीत दिशाओं में खींचते हैं
अधिक मदें चिह्नित करने से प्रत्याह्वान बढ़ता है पर प्रायः परिशुद्धता घटती है। यदि प्रत्येक क्षेत्र-निरीक्षण महँगा हो तो उच्च परिशुद्धता (कम मिथ्या चेतावनी) का लक्ष्य रखें; यदि किसी मामले का छूटना खतरनाक हो तो उच्च प्रत्याह्वान का। दुर्लभ वर्ग हेतु केवल शुद्धता न बताएँ।

10. Python मूल बातें, नगरीय विश्लेषिकी व स्थानिक आँकड़ा अवसंरचना

Python मूल बातें। चर किसी मान से बँधा नाम है (int, float, str, bool, list, tuple, dict)। संक्रियक: + − * व (घात); / सदा float देता है (7 / 2 = 3.5); // तल-विभाजन है (7 // 2 = 3) व % शेषफल (7 % 2 = 1)। सूचियाँ 0 से अनुक्रमित होती हैं, ऋणात्मक सूचकांक अंत से गिनता है, और खंड a[i:j] में i शामिल व j बाहर रहता है; range(start, stop, step) में भी stop बाहर रहता है। इंडेंटेशन खंड चिह्नित करता है; if, elif व else चुनाव करते हैं; for किसी सूची या range पर चलता है; def फलन परिभाषित करता है और return मान लौटाता है (return रहित फलन None देता है)।

अनुरेखण अभ्यास
कोडनिर्गत
कोड 1: print(7 // 2, 7 % 2, 2 3)3 1 8
कोड 2: a = [10, 20, 30, 40, 50]; print(a[1:4], a[-1])[20, 30, 40] 50
कोड 3: print(list(range(2, 10, 3)))[2, 5, 8]
कोड 4: pop = [12, 8, 15, 5, 9]; total = 0; फिर for p in pop: if p > 8: total += p; फिर print(total)36 (12 + 15 + 9)

योजना-कार्य में Python पुस्तकालयों के माध्यम से प्रयुक्त होता है: सरणियों हेतु NumPy (पूरे प्रतिबिंब का NDVI एक पंक्ति में, (nir − red)/(nir + red)), सारणियों हेतु pandas, सदिश परतों हेतु GeoPandas, रैस्टरों हेतु Rasterio, चार्टों हेतु Matplotlib तथा मशीन लर्निंग हेतु scikit-learn। प्रश्नों में छोटा लूप या फलन देकर उसका मुद्रित मान पूछे जाने की अपेक्षा रखें, अतः उसे पंक्ति-दर-पंक्ति अनुरेखित करें और चरों की चालू सारणी रखें।

नगरीय विश्लेषिकी नगरों को समझने व योजित करने हेतु आँकड़ों, मॉडलों व दृश्यीकरण को लगाती है। यह वर्णनात्मक (घनत्व व भू-उपयोग के डैशबोर्ड), निदानात्मक (क्यों: समाश्रयण, मोरान I से स्थानिक स्वसहसंबंध, जो लगभग −1 व +1 के बीच रहता है, और हॉट-स्पॉट विश्लेषण), पूर्वानुमानात्मक (मशीन लर्निंग, वृद्धि मॉडल) व निर्देशात्मक (परिदृश्य, अनुकूलन, स्थान–आबंटन) चरणों से गुज़रती है। प्रारूपिक उपकरण अभिगम्यता समकाल-रेखाएँ, कर्नेल-घनत्व मानचित्र व स्पेस सिंटैक्स हैं, जो मापता है कि जाल में प्रत्येक सड़क कितनी संयोजित व एकीकृत है और उसे गति से जोड़ता है। नए स्रोत (मोबाइल अवशेष, स्मार्ट कार्ड, GPS, सोशल मीडिया) समृद्ध हैं पर उपकरण-धारकों की ओर अभिनत हैं और निजता संबंधी प्रश्न उठाते हैं।

स्थानिक आँकड़ा अवसंरचना (SDI) नीतियों, संस्थाओं, मानकों, प्रौद्योगिकी, आँकड़ों व लोगों का वह ढाँचा है जो भू-स्थानिक आँकड़ों को खोजने, साझा करने व पुनः-उपयोग करने देता है। इसके घटक हैं: ढाँचा आँकड़े (सीमाएँ, परिवहन, जलविज्ञान, उन्नयन, प्रतिबिंब, भूकर), मेटाडेटा (आँकड़ों के बारे में आँकड़े, ताकि डेटासेट खोजे जा सकें), अंतर-संचालनीयता मानक (जैसे ओपन जियोस्पेशियल कंसोर्टियम की वेब सेवाएँ: मानचित्रों हेतु WMS, लक्षणों हेतु WFS, आच्छादनों हेतु WCS), पहुँच हेतु जियोपोर्टल या समाशोधन-गृह, तथा अभिरक्षा, अनुज्ञप्ति, मूल्य-निर्धारण व निजता को समेटने वाली नीति व संस्थागत व्यवस्थाएँ। भारत की राष्ट्रीय स्थानिक आँकड़ा अवसंरचना (NSDI) व भुवन जियोपोर्टल राष्ट्रीय उदाहरण हैं। SDI दोहराए गए सर्वेक्षण टालती है और मास्टर प्लानिंग से उपयोगिताओं तक प्रत्येक विभाग को एक सुसंगत आधार देती है।

मुख्य बिंदु

  • स्थानिक विभेदन पिक्सेल-आकार है (GSD = H × IFOV), विकिरणमितीय विभेदन 2ⁿ स्तर है, और महीन पिक्सेल स्वैथ व पुनः-दर्शन की कीमत पर आते हैं। सूर्य-तुल्यकालिक कक्षाएँ तुलनीय रोशनी देती हैं; भूस्थिर कक्षाएँ सतत स्थूल दृश्य।
  • NDVI = (NIR − लाल)/(NIR + लाल)। समग्र शुद्धता = विकर्ण/N; काप्पा = (po − pe)/(1 − pe) संयोगिक सहमति हटाता है; शुद्धता स्वतंत्र प्रतिदर्शों पर परखी जानी चाहिए।
  • फोटो मापनी S = f/H; उच्चावच विस्थापन d = r·h/H (अरीय बाहर की ओर, अधोबिंदु पर शून्य, उड़ान ऊँचाई के साथ घटता है); त्रिविम लंबन ऊँचाई देता है; ऑर्थोफ़ोटो विस्थापन हटाते हैं।
  • सुदूर संवेदन भू-आवरण देता है, भू-उपयोग नहीं। भू-संदर्भन में GCP, RMSE जाँच व पुनर्प्रतिचयन का चुनाव चाहिए; रैस्टर आकार = पंक्तियाँ × स्तंभ × बिट/8, और कोशिका आधी करने पर कोशिकाएँ चौगुनी।
  • सदिश सांस्थिति सहित यथार्थ लक्षण रखता है; रैस्टर सतहें रखता है। DEM रैस्टर है, TIN त्रिभुज; DSM में छतें हैं, DTM नग्न भूमि। पहले बफ़र, फिर प्रतिच्छेद। WHERE पंक्तियाँ छानता है, HAVING समूह, LEFT JOIN बिना मेल की बायीं पंक्तियाँ रखता है।
  • पर्यवेक्षित अधिगम को नामांकन चाहिए, अपर्यवेक्षित को नहीं; अति-संयोजन प्रशिक्षण शुद्धता के परीक्षण शुद्धता से बहुत ऊपर होने में दिखता है। परिशुद्धता = TP/(TP + FP), प्रत्याह्वान = TP/(TP + FN)। Python को पंक्ति-दर-पंक्ति अनुरेखित करें; SDI का अर्थ साझा आँकड़े, मेटाडेटा व मानक।

अभ्यास प्रश्न (20)

उत्तर खोलने से पहले प्रत्येक प्रश्न हल करें। हर व्याख्या सही विकल्प के साथ लुभावना गलत विकल्प भी बताती है, क्योंकि अंक वहीं जाते हैं।

  1. अधिकांश भू-प्रेक्षण उपग्रह सूर्य-तुल्यकालिक कक्षाओं में क्यों रखे जाते हैं?

    1. वे भूमध्य रेखा के एक बिंदु पर स्थिर रहते हैं और इसलिए किसी एक नगर को पूरे दिन सतत देख सकते हैं
    2. वे लगभग 36,000 km पर परिक्रमा करते हैं, जो वह ऊँचाई है जो अंतरिक्ष से प्राप्य सबसे महीन पिक्सेल-आकार देती है
    3. वे हर परिक्रमा में अक्षांश को लगभग वही स्थानीय सौर समय पर पार करते हैं, अतः रोशनी तुलनीय रहती है
    4. वे किसी भी अन्य कक्षा से चौड़ा स्वैथ देते हैं, जिससे पृथ्वी के प्रत्येक स्थान का प्रतिदिन एक बार प्रतिबिंबन होता है
    उत्तर देखें

    उत्तर: C — वे हर परिक्रमा में अक्षांश को लगभग वही स्थानीय सौर समय पर पार करते हैं, अतः रोशनी तुलनीय रहती है

    सूर्य-तुल्यकालिक कक्षा उपग्रह को प्रत्येक अक्षांश लगभग एक ही स्थानीय सौर समय पर पार कराती है, अतः भिन्न तिथियों के प्रतिबिंबों की तुलना में छाया व चमक तुलनीय रहती हैं। भूमध्य रेखा के ऊपर स्थिर स्थिति व लगभग 36,000 km ऊँचाई भूस्थिर उपग्रह का वर्णन है, जो सतत पर स्थूल दृश्य देता है, महीन पिक्सेल नहीं।

  2. स्वस्थ हरी वनस्पति की परावर्तकता लाल बैंड में निम्न पर निकट-अवरक्त में उच्च होती है, क्योंकि

    1. क्लोरोफ़िल लाल को प्रबल अवशोषित करता है, जबकि पत्ती की आंतरिक संरचना निकट-अवरक्त को प्रबल प्रकीर्णित करती है
    2. पत्ती का जल निकट-अवरक्त को सर्वाधिक अवशोषित करता है, जबकि लाल प्रकाश कोशिका-भित्तियों से वापस प्रकीर्णित होता है
    3. वायुमंडल स्पेक्ट्रम के लाल क्षेत्र में अपारदर्शी व निकट-अवरक्त क्षेत्र में पारदर्शी है
    4. क्लोरोफ़िल लाल प्रकाश को प्रबल परावर्तित करता है, जबकि पत्ती की सतह की बाहरी परत निकट-अवरक्त ऊर्जा को अवशोषित करती है
    उत्तर देखें

    उत्तर: A — क्लोरोफ़िल लाल को प्रबल अवशोषित करता है, जबकि पत्ती की आंतरिक संरचना निकट-अवरक्त को प्रबल प्रकीर्णित करती है

    क्लोरोफ़िल प्रकाश-संश्लेषण हेतु नीला व लाल प्रकाश अवशोषित करता है और पत्ती की स्पंजी कोशिका-संरचना निकट-अवरक्त को प्रबल प्रकीर्णित करती है, जिससे लगभग 0.7 µm पर तीव्र उठान आता है। पत्ती का जल मुख्यतः लघु-तरंग अवरक्त में अवशोषित करता है, निकट-अवरक्त में नहीं, अतः जल-आधारित व्याख्या गलत है; वायुमंडल लाल में अपारदर्शी नहीं है।

  3. एक नगर अपने वितरण जाल में शोधित जल की हानि घटाना चाहता है। कौन-सी स्मार्ट-सिटी IoT तैनाती इस लक्ष्य के सबसे उपयुक्त है?

    1. मुख्य सड़क-चौराहों पर वायु-गुणवत्ता व ध्वनि संवेदक, जो प्रदूषण-स्तर के जन डैशबोर्ड को आँकड़े दें
    2. व्यस्त चौराहों पर अनुकूली संकेत नियंत्रक जो संसूचकों द्वारा मापी गई यातायात-कतारों पर प्रतिक्रिया करें
    3. सड़क के कूड़ेदानों में भराव-स्तर संवेदक जो कचरा-संग्रहण वाहनों को पहले भरे कूड़ेदानों की ओर मोड़ें
    4. मापित ज़िलों की पाइपों पर प्रवाह व दाब संवेदक, जो नियंत्रण केंद्र पर रिसाव सतर्कता दें
    उत्तर देखें

    उत्तर: D — मापित ज़िलों की पाइपों पर प्रवाह व दाब संवेदक, जो नियंत्रण केंद्र पर रिसाव सतर्कता दें

    प्रत्येक मापित ज़िले में अंतर्प्रवाह व बहिर्प्रवाह की तुलना और दाब का अवलोकन दिखाता है कि जल कहाँ रिस रहा है, अतः सतर्कता नियंत्रण केंद्र को भेजी जा सकती है। अन्य तैनातियाँ स्मार्ट-सिटी के ठोस उपयोग हैं (वायु व ध्वनि निगरानी, यातायात प्रबंधन, कचरा-रसद), पर कोई भी जल-जाल को नहीं मापती।

  4. किसी क्षेत्र का, जो 90 प्रतिशत वनस्पति है, भू-आवरण मानचित्र 92 प्रतिशत समग्र शुद्धता पर केवल 0.45 काप्पा रखता है। सर्वोत्तम व्याख्या यह है कि

    1. काप्पा केवल प्रमुख वर्ग की शुद्धता मापता है, जिसका अतः खराब मानचित्रण हुआ होगा क्योंकि वह 90 प्रतिशत है
    2. काप्पा संयोगिक सहमति हटाता है, जो एक वर्ग के हावी होने पर उच्च होती है, अतः मानचित्र 92 प्रतिशत के सुझाव से दुर्बल है
    3. एक ही त्रुटि आव्यूह हेतु काप्पा व समग्र शुद्धता सदा बराबर होने चाहिए, अतः दोनों में से एक आँकड़ा गलत निकाला गया है
    4. समग्र शुद्धता प्रशिक्षण पिक्सेलों पर निकाली गई जबकि काप्पा उसी मानचित्र के स्वतंत्र परीक्षण पिक्सेलों पर निकाला गया
    उत्तर देखें

    उत्तर: B — काप्पा संयोगिक सहमति हटाता है, जो एक वर्ग के हावी होने पर उच्च होती है, अतः मानचित्र 92 प्रतिशत के सुझाव से दुर्बल है

    यदि 90 % क्षेत्र वनस्पति है, तो लगभग सब कुछ वनस्पति कहने वाला मानचित्र संयोग से ही अधिकांशतः संदर्भ से मेल खा जाता (यहाँ pe लगभग 0.85, क्योंकि 0.45 = (0.92 − pe)/(1 − pe) से pe = 0.85 आता है)। काप्पा = (po − pe)/(1 − pe) उसे घटाता है, अतः 92 % समग्र शुद्धता साधारण काप्पा के अनुरूप हो सकती है। काप्पा पूरे त्रुटि आव्यूह को लेता है, केवल प्रमुख वर्ग को नहीं।

  5. 12 km × 9 km का अध्ययन क्षेत्र 30 m कोशिकाओं व 16 बिट प्रति कोशिका वाले एकल-बैंड रैस्टर के रूप में असंपीडित संगृहीत है। 1 KB = 1,000 बाइट लेने पर फ़ाइल का आकार लगभग है

    1. 120 KB
    2. 480 KB
    3. 240 KB
    4. 1,920 KB
    उत्तर देखें

    उत्तर: C — 240 KB

    पंक्तियाँ × स्तंभ = (9,000/30) × (12,000/30) = 300 × 400 = 120,000 कोशिकाएँ। प्रत्येक 16 बिट = 2 बाइट पर फ़ाइल में 240,000 बाइट = 240 KB। 120 KB दूसरा बाइट भूल जाता है, 480 KB 15 m कोशिका व 8 बिट का या 30 m व 32 बिट का आकार है, और 1,920 KB 16 बिट को 16 बाइट मान लेता है।

  6. एक योजनाकार को प्रस्तावित मेट्रो संरेखण के 500 m के भीतर के भूखंड चाहिए, प्रत्येक भूखंड 500 m सीमा पर कटा हुआ और दोनों परतों के गुण सुरक्षित। उपयुक्त क्रम है

    1. संरेखण-रेखा को सीधे भूखंड-परत से प्रतिच्छेद करना, क्योंकि रेखा ही क्षेत्र चिह्नित कर देती है
    2. भूखंड-परत का संरेखण-रेखा से संघ बनाकर फिर परिणाम को भूखंड-पहचानक पर डिज़ॉल्व करना
    3. भूखंडों के चारों ओर थिसेन बहुभुज बनाकर फिर उन्हें रेखा से दूरी के आधार पर पुनर्वर्गीकृत करना
    4. संरेखण का 500 m बफ़र बनाकर फिर बफ़र-बहुभुज को भूखंड-परत से प्रतिच्छेद करना
    उत्तर देखें

    उत्तर: D — संरेखण का 500 m बफ़र बनाकर फिर बफ़र-बहुभुज को भूखंड-परत से प्रतिच्छेद करना

    बफ़र रेखा को 500 m चौड़े क्षेत्र में बदलता है, और उस क्षेत्र का भूखंडों से प्रतिच्छेद प्रत्येक भूखंड का उसके भीतर का भाग दोनों परतों के गुणों सहित रखता है। नंगी रेखा को भूखंडों से प्रतिच्छेद करने पर केवल वे भूखंड मिलते हैं जिन्हें वह काटती है, क्योंकि रेखा की चौड़ाई नहीं होती: यही भ्रामक शॉर्टकट है।

  7. भू-आकृति मॉडलों के विषय में कौन-सा कथन सही है?

    1. TIN अनियमित दूरी के उन्नयन बिंदुओं को त्रिभुजों में जोड़ता है, अतः बिंदु ऊबड़-खाबड़ भूमि पर सघन व समतल पर विरल हो सकते हैं
    2. रैस्टर DEM अनियमित दूरी के बिंदुओं को त्रिभुजों में जोड़ता है और इसलिए समतल क्षेत्रों को कुशलता से बिल्कुल निरूपित नहीं कर सकता
    3. DTM की ऊँचाइयों में भवनों व वृक्षों के शीर्ष शामिल हैं, जबकि DSM केवल नग्न भूमि-सतह दिखाता है
    4. DEM का कोशिका-आकार एकसमान होता है और इसी कारण भू-आकृति विश्लेषण में उससे ढाल या दिशा-मुखता नहीं निकाली जा सकती
    उत्तर देखें

    उत्तर: A — TIN अनियमित दूरी के उन्नयन बिंदुओं को त्रिभुजों में जोड़ता है, अतः बिंदु ऊबड़-खाबड़ भूमि पर सघन व समतल पर विरल हो सकते हैं

    TIN अन-अतिव्यापी त्रिभुजों की सदिश सतह है जिसके शीर्ष प्रतिदर्शित (x, y, z) बिंदु हैं, जो जटिल भू-आकृति में सघन रखे जा सकते हैं। DEM एकसमान कोशिकाओं का रैस्टर है, और उससे ढाल व दिशा-मुखता नियमित रूप से निकाली जाती हैं। DSM/DTM वाला कथन उलटा है: DSM में छतें व वृक्ष हैं, DTM नग्न भूमि है।

  8. सारणी wards(ward_id, zone, pop) में (1, N, 12000), (2, N, 8000), (3, S, 15000), (4, S, 5000), (5, E, 9000) हैं। क्वेरी
    SELECT zone, COUNT(*) FROM wards WHERE pop >= 8000 GROUP BY zone HAVING COUNT(*) >= 2;
    लौटाती है

    1. दो पंक्तियाँ: N के साथ 2 और S के साथ 2
    2. एक पंक्ति: N के साथ 2
    3. तीन पंक्तियाँ: N के साथ 2, S के साथ 1 और E के साथ 1
    4. कोई पंक्ति नहीं
    उत्तर देखें

    उत्तर: B — एक पंक्ति: N के साथ 2

    WHERE पहले चलता है और वार्ड 4 हटा देता है (5000, 8000 से कम है), वार्ड 1, 2, 3 व 5 बचते हैं। zone से समूहन N 2, S 1, E 1 देता है, और HAVING COUNT(*) >= 2 केवल N रखता है। S को 2 गिनना भूल जाता है कि WHERE ने समूहन से पहले वार्ड 4 हटा दिया; तीनों समूह दिखाना HAVING भूल जाता है।

  9. एक मॉडल 50 भवनों को अनधिकृत चिह्नित करता है। निरीक्षण पर उनमें से 40 अनधिकृत निकलते हैं, और 20 अन्य अनधिकृत भवन चिह्नित नहीं हुए थे। प्रत्येक क्षेत्र-निरीक्षण महँगा होने से योजनाकार कम मिथ्या चेतावनियाँ चाहता है। कौन-सा कथन सही है?

    1. परिशुद्धता 0.67 व प्रत्याह्वान 0.80 है, और योजनाकार को प्रत्याह्वान बढ़ाना चाहिए
    2. परिशुद्धता व प्रत्याह्वान दोनों 0.80 हैं, अतः किसी को सुधारने की आवश्यकता नहीं
    3. परिशुद्धता 0.80 व प्रत्याह्वान 0.67 है, और प्रत्याह्वान ही वह आँकड़ा है जो मिथ्या चेतावनियाँ मापता है
    4. परिशुद्धता 0.80 व प्रत्याह्वान 0.67 है, और योजनाकार को परिशुद्धता बढ़ानी चाहिए
    उत्तर देखें

    उत्तर: D — परिशुद्धता 0.80 व प्रत्याह्वान 0.67 है, और योजनाकार को परिशुद्धता बढ़ानी चाहिए

    TP = 40 व FP = 10 (50 चिह्नित), FN = 20। परिशुद्धता = 40/50 = 0.80 और प्रत्याह्वान = 40/60 = 0.67। मिथ्या चेतावनियाँ परिशुद्धता घटाती हैं, प्रत्याह्वान नहीं, अतः निरीक्षण महँगे होने पर लक्ष्य उच्च परिशुद्धता है। दोनों अनुपात उलटना, या मिथ्या चेतावनियों को प्रत्याह्वान से जोड़ना, सामान्य त्रुटियाँ हैं।

  10. स्थानिक आँकड़ा अवसंरचना (SDI) पर कौन-सा वर्णन सबसे अच्छा बैठता है?

    1. नीतियों, मानकों, संस्थाओं व मेटाडेटा का ढाँचा जो भू-स्थानिक आँकड़ों को खोजने व साझा करने देता है
    2. एकल डेस्कटॉप GIS सॉफ़्टवेयर पैकेज जिसमें एक नगर नियोजन कार्यालय के सभी मानचित्र, परतें व सारणियाँ रहती हैं
    3. पृथ्वी-प्रेक्षण उपग्रहों का तारामंडल जो सरकार के प्रत्येक विभाग हेतु प्रतिबिंब एकत्र करता है
    4. अकेले राजस्व विभागों द्वारा रखी और अद्यतन की जाने वाली भू-स्वामित्व व धारणाधिकार अभिलेखों की राष्ट्रीय पंजिका
    उत्तर देखें

    उत्तर: A — नीतियों, मानकों, संस्थाओं व मेटाडेटा का ढाँचा जो भू-स्थानिक आँकड़ों को खोजने व साझा करने देता है

    SDI समर्थकारी ढाँचा है (नीति, मानक, संस्थागत व्यवस्थाएँ, मेटाडेटा, पहुँच प्रौद्योगिकी व लोग), कोई एकल उत्पाद नहीं। GIS पैकेज या उपग्रह कार्यक्रम SDI को आँकड़े दे सकते हैं, और भू-पंजिका उसका एक डेटासेट हो सकती है, पर इनमें से कोई स्वयं अवसंरचना नहीं है।

  11. ऊर्जा-स्रोतों, संवेदकों व वायुमंडल के विषय में निम्नलिखित में से कौन-से कथन सही हैं?

    1. सिंथेटिक अपर्चर रडार बादलों के पार और रात में भू-प्रतिबिंबन कर सकता है
    2. लगभग 8 से 14 µm की तापीय अवरक्त खिड़की भू-सतह तापमान आँकने में प्रयुक्त होती है
    3. रैले प्रकीर्णन लाल प्रकाश को नीले प्रकाश से अधिक प्रबलता से प्रभावित करता है
    4. निष्क्रिय संवेदक अपनी ऊर्जा देने के बजाय परावर्तित सूर्य-प्रकाश या उत्सर्जित विकिरण अभिलिखित करता है
    उत्तर देखें

    उत्तर: A — सिंथेटिक अपर्चर रडार बादलों के पार और रात में भू-प्रतिबिंबन कर सकता है; B — लगभग 8 से 14 µm की तापीय अवरक्त खिड़की भू-सतह तापमान आँकने में प्रयुक्त होती है; D — निष्क्रिय संवेदक अपनी ऊर्जा देने के बजाय परावर्तित सूर्य-प्रकाश या उत्सर्जित विकिरण अभिलिखित करता है

    रडार सूक्ष्म-तरंगें प्रयोग करता है जो बादलों के पार जाती हैं और अपनी रोशनी साथ रखता है; 8 से 14 µm खिड़की उत्सर्जित ऊष्मा अभिलिखित करती है, अतः सतह-तापमान; और निष्क्रिय संवेदक सूर्य या सतह के अपने उत्सर्जन पर निर्भर हैं। रैले प्रकीर्णन छोटे तरंगदैर्घ्यों पर प्रबल है, अतः नीला लाल से अधिक प्रकीर्णित होता है, इसीलिए आकाश नीला है।

  12. ऊर्ध्वाधर हवाई फोटो के विषय में निम्नलिखित में से कौन-से कथन सही हैं?

    1. ऊँचे भवन का प्रतिबिंब अधोबिंदु से अरीय रूप से बाहर की ओर विस्थापित होता है
    2. उसी वस्तु व अरीय दूरी हेतु अधिक उड़ान ऊँचाई कम उच्चावच विस्थापन देती है
    3. भू-उच्चावच कुछ भी हो, फोटो के प्रत्येक बिंदु पर मापनी एक ही रहती है
    4. त्रिविम-दर्शन को भिन्न एक्सपोज़र स्थलों से लिए गए दो अतिव्यापी फोटो चाहिए
    उत्तर देखें

    उत्तर: A — ऊँचे भवन का प्रतिबिंब अधोबिंदु से अरीय रूप से बाहर की ओर विस्थापित होता है; B — उसी वस्तु व अरीय दूरी हेतु अधिक उड़ान ऊँचाई कम उच्चावच विस्थापन देती है; D — त्रिविम-दर्शन को भिन्न एक्सपोज़र स्थलों से लिए गए दो अतिव्यापी फोटो चाहिए

    उच्चावच विस्थापन d = r·h/H आधार-तल से ऊपर के लक्षणों हेतु अधोबिंदु से बाहर की ओर होता है और H बढ़ने पर घटता है; त्रिविम मॉडलों को दो अतिव्यापी एक्सपोज़र चाहिए। मापनी S = f/(H − h) भू-उन्नयन के साथ बदलती है, अतः पहाड़ी भू-भाग पर एकसमान नहीं है; केवल समतल भूमि पर स्थिर है।

  13. स्थानिक आँकड़ा भंडारण व भू-संदर्भन के विषय में निम्नलिखित में से कौन-से कथन सही हैं?

    1. सदिश सांस्थिति संयोजकता व सटापन अभिलिखित करती है, जिससे जाल-मार्ग निर्धारण व पड़ोसी क्वेरी संभव होती हैं
    2. रैस्टर की कोशिका-आकार आधा करने पर कोशिकाओं की संख्या चौगुनी हो जाती है
    3. निकटतम-पड़ोसी पुनर्प्रतिचयन मूल वर्ग-कोड रखता है, अतः वर्गीकृत रैस्टरों के उपयुक्त है
    4. रैस्टर उन स्पष्ट भूखंड-सीमाओं का स्वाभाविक मॉडल है जिनकी यथार्थ लंबाई व क्षेत्रफल बताना हो
    उत्तर देखें

    उत्तर: A — सदिश सांस्थिति संयोजकता व सटापन अभिलिखित करती है, जिससे जाल-मार्ग निर्धारण व पड़ोसी क्वेरी संभव होती हैं; B — रैस्टर की कोशिका-आकार आधा करने पर कोशिकाओं की संख्या चौगुनी हो जाती है; C — निकटतम-पड़ोसी पुनर्प्रतिचयन मूल वर्ग-कोड रखता है, अतः वर्गीकृत रैस्टरों के उपयुक्त है

    सांस्थिति संयोजकता व सटापन संगृहीत करती है; कोशिका-आकार आधा करने पर पंक्तियाँ व स्तंभ दुगुने होते हैं, अतः कोशिकाएँ चौगुनी; और निकटतम-पड़ोसी पुनर्प्रतिचयन नए मान नहीं गढ़ता, अतः वर्ग-कोड बने रहते हैं। यथार्थ सीमाओं, लंबाइयों व क्षेत्रफल वाले भूखंड सदिश मॉडल का स्वाभाविक कार्य हैं, क्योंकि रैस्टर किनारों को केवल कोशिका-आकार से आसन्न करता है।

  14. नगर नियोजन में मशीन लर्निंग के विषय में निम्नलिखित में से कौन-से कथन सही हैं?

    1. परीक्षण शुद्धता से बहुत अधिक प्रशिक्षण शुद्धता अति-संयोजन की ओर संकेत करती है
    2. K-means गुच्छन अपर्यवेक्षित विधि है क्योंकि उसे नामांकित उदाहरण नहीं चाहिए
    3. परीक्षण-समूह मॉडल को ट्यून करने हेतु बार-बार प्रयुक्त होना चाहिए, क्योंकि वह सबसे ईमानदार शुद्धता देता है
    4. पर्यवेक्षित भू-आवरण वर्गीकरण को ग्राउंड-ट्रूथ बहुभुज जैसे नामांकित प्रशिक्षण प्रतिदर्श चाहिए
    उत्तर देखें

    उत्तर: A — परीक्षण शुद्धता से बहुत अधिक प्रशिक्षण शुद्धता अति-संयोजन की ओर संकेत करती है; B — K-means गुच्छन अपर्यवेक्षित विधि है क्योंकि उसे नामांकित उदाहरण नहीं चाहिए; D — पर्यवेक्षित भू-आवरण वर्गीकरण को ग्राउंड-ट्रूथ बहुभुज जैसे नामांकित प्रशिक्षण प्रतिदर्श चाहिए

    प्रशिक्षण व परीक्षण शुद्धता के बीच बड़ा अंतर अति-संयोजन का लक्षण है; k-means बिना नामांकन वाले आँकड़े समूहित करता है; पर्यवेक्षित वर्गीकरण को नामांकित प्रतिदर्श चाहिए। परीक्षण-समूह से बार-बार ट्यून करने पर उससे सूचना मॉडल में रिस जाती है, अतः उसका अंक अदृष्ट आँकड़ों का ईमानदार आकलन नहीं रहता। ट्यूनिंग हेतु पृथक वैधीकरण-समूह या प्रति-वैधीकरण लेना चाहिए।

  15. फोकस दूरी 150 mm के कैमरे से समतल भूमि के 3,000 m ऊपर की उड़ान ऊँचाई से ऊर्ध्वाधर हवाई फोटो लिया गया। फोटो पर दो बिंदु 62 mm की दूरी पर हैं। उनकी भू-दूरी, मीटर में, ____ है।

    संख्यात्मक उत्तर — मान टाइप करें।

    उत्तर देखें

    उत्तर: 1240

    मापनी S = f/H = 0.150/3,000 = 1/20,000। भू-दूरी = फोटो-दूरी × 20,000 = 62 mm × 20,000 = 1,240,000 mm = 1,240 m। जाँच: 62 mm = 0.062 m, और 0.062 × 20,000 = 1,240 m।

  16. ऊर्ध्वाधर फोटो पर 50 m ऊँचे मीनार के शीर्ष का प्रतिबिंब अरीय रूप से 4.0 mm विस्थापित है। फोटो पर मीनार का शीर्ष अधोबिंदु से 80 mm दूर है। मीनार के आधार से ऊपर उड़ान ऊँचाई, मीटर में, ____ है।

    संख्यात्मक उत्तर — मान टाइप करें।

    उत्तर देखें

    उत्तर: 1000

    उच्चावच विस्थापन d = r·h/H, अतः H = r·h/d = 80 mm × 50 m / 4.0 mm = 1,000 m। r व d की इकाइयाँ कट जाती हैं, h से मीटर बचते हैं। जाँच: H = 1,000 m पर d = 80 × 50/1,000 = 4.0 mm।

  17. दो-वर्गीय मानचित्र (नगरीय, अनगरीय) का शुद्धता आकलन 100 स्वतंत्र प्रतिदर्शों से होता है। जिन 60 प्रतिदर्शों को मानचित्र नगरीय कहता है, उनमें 50 संदर्भ में नगरीय हैं और 10 नहीं। जिन 40 को मानचित्र अनगरीय कहता है, उनमें 20 संदर्भ में नगरीय हैं और 20 नहीं। कोहेन का काप्पा, दो दशमलव स्थानों तक शुद्ध, ____ है।

    संख्यात्मक उत्तर — मान टाइप करें।

    उत्तर देखें

    उत्तर: 0.35

    प्रेक्षित सहमति po = (50 + 20)/100 = 0.70। पंक्ति योग (मानचित्र): नगरीय 60, अनगरीय 40। स्तंभ योग (संदर्भ): नगरीय 50 + 20 = 70, अनगरीय 10 + 20 = 30। संयोगिक सहमति pe = (60 × 70 + 40 × 30)/100² = (4,200 + 1,200)/10,000 = 0.54। κ = (0.70 − 0.54)/(1 − 0.54) = 0.16/0.46 = 0.348, अर्थात् 0.35।

  18. किसी पिक्सेल की सतही परावर्तकता निकट-अवरक्त बैंड में 0.52 व लाल बैंड में 0.08 है। उसका NDVI, दो दशमलव स्थानों तक शुद्ध, ____ है।

    संख्यात्मक उत्तर — मान टाइप करें।

    उत्तर देखें

    उत्तर: 0.73

    NDVI = (NIR − लाल)/(NIR + लाल) = (0.52 − 0.08)/(0.52 + 0.08) = 0.44/0.60 = 0.733, अर्थात् 0.73। इतना उच्च मान सघन, स्वस्थ वनस्पति दर्शाता है। सरल अनुपात NIR/लाल लेने पर 6.5 आता, जो NDVI के सदा रहने वाले −1 से +1 परास से बहुत बाहर है।

  19. सारणी wards(ward_id) में पाँच वार्ड-पहचानक 1, 2, 3, 4, 5 हैं। सारणी schools(school_id, ward_id) में (1, 1), (2, 1), (3, 3), (4, 3), (5, 3), (6, 5) हैं। क्वेरी
    SELECT COUNT(*) FROM wards w LEFT JOIN schools s ON w.ward_id = s.ward_id;
    मान ____ लौटाती है।

    संख्यात्मक उत्तर — मान टाइप करें।

    उत्तर देखें

    उत्तर: 8

    LEFT JOIN में प्रति वार्ड पंक्तियाँ: वार्ड 1 के 2 विद्यालय (2 पंक्तियाँ), वार्ड 2 के कोई नहीं (NULL सहित 1 पंक्ति), वार्ड 3 के 3 (3 पंक्तियाँ), वार्ड 4 के कोई नहीं (1 पंक्ति), वार्ड 5 का 1 (1 पंक्ति)। योग = 2 + 1 + 3 + 1 + 1 = 8। INNER JOIN केवल 6 मेल खाती पंक्तियाँ देता; COUNT(*) NULL-भरी पंक्तियाँ भी गिनता है।

  20. यह Python कोड क्या मुद्रित करता है?
    def f(n):
    s = 0
    for i in range(1, n + 1):
    if i % 3 != 0:
    s += i
    return s
    print(f(7))

    संख्यात्मक उत्तर — मान टाइप करें।

    उत्तर देखें

    उत्तर: 19

    range(1, 8) से i = 1 से 7 मिलता है। शर्त i % 3 != 0, 3 के गुणज (3 व 6) छोड़ देती है। लूप 1 + 2 + 4 + 5 + 7 = 19 जोड़ता है, और फलन 19 लौटाता है। 28 सातों मानों का योग होता, जो छन्नी भूलने से आता।