पॉइंट डेटा आहे:

एक बिंदू डेटा आहे: 0D - आकारहीन

पॉइंट डेटाचा वापर नॉन-लग्न वैशिष्ट्यांचे प्रतिनिधित्व करण्यासाठी आणि वेगळ्या डेटा पॉइंट्सचे प्रतिनिधित्व करण्यासाठी केला जातो. बिंदूंना शून्य परिमाणे आहेत आणि ते संबंधित स्थानाचे अक्षांश आणि रेखांश देते.

पॉइंट वैशिष्ट्य वैशिष्ट्यांची लांबी आणि क्षेत्र प्रदान करणार नाही. उदाहरणे म्हणजे शाळा, आणि रूचीचे ठिकाण जसे की रुग्णालये, शाळा, महाविद्यालये, पूजा केंद्रे आणि इतर ठिकाणे

भौगोलिक माहिती प्रणालीतील महत्त्वाचे मुद्दे (GIS

GIS डेटा, वेक्टर डेटा आणि रास्टर डेटाचे दोन भिन्न प्रकार आहेत.

वेक्टर डेटा

व्हेक्टर डेटा हा बहुतेक लोक परिचित असलेला अवकाशीय डेटा आहे, कारण तो ओपन स्ट्रीट मॅप्स आणि Google नकाशे सारख्या मॅपिंग पोर्टलमध्ये सादर केलेला फॉरमॅट आहे. हे संगणक ग्राफिक्स आणि संगणक-सहाय्यित डिझाइन (CAD) मध्ये देखील मोठ्या प्रमाणावर वापरले जाते. यात बिंदू, रेषा आणि बहुभुज असतात.

पॉइंट डेटा -

• पॉइंट डेटा विशेषत: जवळ नसलेली वैशिष्ट्ये किंवा वेगळे डेटा बिंदू दर्शवतो. गुण शून्य परिमाण आहेत ,
• त्यामुळे तुम्ही त्यांची लांबी किंवा क्षेत्रफळ मोजू शकत नाही . पॉइंट डेटाची उदाहरणे शहरे, आवडीची ठिकाणे आणि शाळा असतील.

लाइन डेटा

• - लाइन डेटाला आर्क डेटा असेही म्हणतात. हे नद्या, रस्ते आणि पायवाटा यासारख्या रेषीय वैशिष्ट्यांचे प्रतिनिधित्व करते.
• रेषा डेटाचा प्रारंभ आणि शेवटचा बिंदू असतो आणि, त्याला फक्त एक परिमाण असल्याने, फक्त लांबी मोजण्यासाठी वापरला जाऊ शकतो.

बहुभुज डेटा -

• बहुभुज सामान्यत: शहरे, तलाव किंवा जंगले यासारख्या क्षेत्रांचे प्रतिनिधित्व करतात. बिंदू आणि रेषा डेटाच्या विपरीत, बहुभुज द्विमितीय आहेत आणि भौगोलिक वैशिष्ट्याचा परिमिती किंवा क्षेत्र मोजू शकतात.
• बहुभुज वैशिष्ट्ये ओळखण्यासाठी रंग योजना, नमुने किंवा श्रेणीकरण रंग योजना वापरल्या जाऊ शकतात.

वेक्टर प्रतिमा ही प्रतिमा किंवा आकाराचे उच्च-गुणवत्तेचे प्रतिनिधित्व करतात. गुणवत्तेचे नुकसान न करता ते मोठे किंवा कमी केले जाऊ शकतात. वेक्टर प्रतिमा तयार करण्यासाठी किंवा हाताळण्यासाठी, तुम्ही Adobe Illustrator सारखा प्रोग्राम वापरला पाहिजे. कॅमेरा वेक्टर प्रतिमा कॅप्चर करू शकत नाही.

अतिरिक्त माहिती

रास्टर डेटा,

ग्रिड डेटा म्हणूनही ओळखला जातो, तो पिक्सेलचा बनलेला असतो आणि प्रत्येक पिक्सेलचे मूल्य असते. तुम्हाला सामान्यतः टोपोग्राफिक नकाशे, उपग्रह प्रतिमा आणि हवाई सर्वेक्षणांवर रास्टर डेटा मिळेल. हवामानशास्त्र, आपत्ती व्यवस्थापन आणि उद्योगांसाठी रास्टर डेटा महत्त्वाचा आहे जेथे जोखमीचे विश्लेषण करणे आवश्यक आहे.

रास्टर डेटाचे दोन प्रकार आहेत, सतत आणि स्वतंत्र

• सतत डेटा - सतत रास्टर हे ग्रिडवरील सेल असतात जे हळूहळू बदलतात. काही उदाहरणे हवाई फोटो, उंची आणि तापमान असतील. सतत रास्टर पृष्ठभाग निश्चित नोंदणी बिंदूपासून येतात. उदाहरणार्थ, डिजिटल एलिव्हेशन मॉडेल्समध्ये, समुद्र पातळी नोंदणी बिंदू म्हणून वापरली जाते. प्रत्येक सेल समुद्रसपाटीपासून वर किंवा खाली असलेले मूल्य दर्शवते.
• डिस्क्रिट डेटा - डिस्क्रिट रास्टर्सची एक विशिष्ट थीम किंवा वर्ग असतो आणि प्रत्येक पिक्सेल विशिष्ट वर्गाला नियुक्त केला जातो. सतत डेटाच्या विपरीत, स्वतंत्र डेटा केवळ विशिष्ट मूल्ये घेऊ शकतो, श्रेणीतील मूल्ये नाही. उदाहरणार्थ, एका स्वतंत्र रास्टर लँड कव्हरमध्ये/ma p वापरताना , तुम्ही प्रत्येक टी हेमॅटिक वर्ग पाहू शकता, आणि ते कोठे सुरू होते आणि समाप्त होते ते परिभाषित केले आहे.