- 12 minutes ago
Spatial interpolation is the procedure of estimating unknown values using known values at neighbouring locations. Usually by means of a mathematical function e.g., interpolation of elevation values. Most GIS software offer a number of interpolation methods for use with point, line and area data.
Category
📚
LearningTranscript
00:00Let's see, you have some measurements in different places, some samples collect
00:05their values are available, but there are a lot of areas where you don't have data
00:10to do so, such as PMD or Pakistan Metrology Department, there are some
00:17precipitation and temperature values available, but in all Pakistan, every city, every area,
00:23there are different locations in different areas. Now, you have different areas
00:31of data available in different locations. Let's say, precipitation value, but there are
00:37some areas where we don't have precipitation value. So, we will interpolate. We will
00:43estimate from known points, where you have value available in known locations.
00:50So, we have a lot of areas where you can estimate the value. So, estimation,
00:56interpolation, estimation is one thing. And especially, it is the location of
01:00information, latitude, longitude, and location of the base. So, we have different
01:08methods, terrain surfaces, which you can apply, interpolation techniques,
01:15techniques are, and season polygon, water resources department, which are
01:19precipitation measures, which are very much used for precipitation measures,
01:22then triangulated irregular network, inverse distance weighted, krill gang, this is
01:26all you have different techniques available. So, you have different techniques available
01:30in which you can interpret interpolate. So, interpolation, which I have said before,
01:34that I have said before. And what we needed to do, if I had said before. So,
01:38I have said, unknown values in the call. So, you have different functions that are
01:54key base, you can see the next point of unknown value.
01:58In the input dataset, which is the key point, line and polygon.
02:07So, special interpolation, the method of previous, you can say that
02:12season polygon, triangulated, irregular network, inverse distance,
02:16printing.
02:17We can explain and briefly explain how to do it.
02:21So let's say here we have a dot which is filled dots which means that let's say here
02:29we have a value available. Let's say different cities and we have a population of pollution
02:35available. So let's say here we have a value available. So let's say here we have a
03:11value available. So let's say here we have a value available. We have a value available
03:19and we have a value available. So if we have a value available, we have a value available.
03:27So this is the basic theme that depends on your input data. If it is equally distributed
03:41well distributed control points or where you have elevation or precipitation value
03:46well you have a value that is evenly spaced. So the output of your accuracy will be
03:52good. Plus this also needs to be in mind that if you have a value of krigging
03:56and idw both interpolation and interpolation from the surface generated
04:00then it can be different from both sides. Because the results of the different data
04:07are the same data that you work with the same data that you work with
04:13you have to do the same data. So if you want to interpolate
04:21on the different techniques through them, if you have a value of different
04:24techniques, then you can see which results are different. So you can see
04:31sorry, this data set to which interpolation technique is suit.
04:36Okay, now I'm talking about this.
04:38You can display here that there are dots that are left.
04:43Left, you can apply a interpolation technique.
04:47You can apply it to the 3D surface.
04:48You can generate it from bottom to blue.
04:51The right interpolation technique is applied to the same data.
04:55You can apply it to the output.
04:56The output is different.
04:57So, if we can apply it to the same data,
04:59but the different techniques will be applied to the background
05:04and the algorithm is different.
05:06So, the output of the output also has different.
05:09Next, we have one by one in the explore.
05:13The season polygon is a polygon.
05:15The season polygon is a point of influence.
05:19The area of influence is a result of influence.
05:21The area of influence is the result of this.
05:27So, why do we think about it is the same value itself?
05:32That is why we believe that this is the same value itself,
05:33if we think about it.
05:34The region polygon is the level of influence.
05:37We can create borders.
05:38And we can see the point that one point of influence has a function.
05:44The same value itself will be the same value itself.
05:45The shape of the spherical lattice.
05:47We can perform this.
05:49So, the right side of this function does not exist.
05:53The right side of the mass function is the same value itself.
05:55and polygon create
05:56let's say
05:57different cities
05:58are
05:58where we have
05:58precipitation
05:59value available
06:00so
06:01here
06:02there are
06:03many areas
06:04where there is
06:05precipitation
06:05not going to be
06:06so in points
06:07in a specific location
06:09where there is
06:10what can be
06:10what can be
06:11what can be
06:11what can be
06:12what can be
06:13that you
06:14select a control
06:15point
06:16which is
06:16the beach
06:17which is
06:18the mid
06:18point
06:18which is
06:19the point
06:20to connect
06:20all the points
06:21to connect
06:21to the point
06:23that you
06:23that you
06:23can draw
06:24on line
06:25to be
06:26perpendicular
06:27by sector
06:2790 degree
06:29which is
06:29intersect
06:30perpendicularly
06:32and center
06:33which is
06:33cut
06:34that you
06:35will
06:35point
06:36identify
06:37if you
06:38point
06:39identify
06:39you
06:40have
06:40you
06:41point
06:41to
06:41join
06:42to
06:43join
06:43that you
06:44can give
06:46a line
06:47to
06:47make sure
06:48that you
06:48can make
06:49a proper
06:50polygon
06:51to
06:52we
06:52say
06:53that you
06:55will
06:56do
06:57this
06:57that you
06:59can do
07:01this
07:02the
07:03polygon
07:03under
07:04every
07:04area
07:05same
07:05value
07:06going
07:06to
07:07have to
07:07do
07:07thing
07:07you
07:09can do
07:11can do
07:13even
07:14then
07:15you
07:15can do
07:16you
07:16can do
07:17you
07:17can do
07:19this
07:19season
07:20polygon
07:21go on جو ہے وہ apply ہو رہا ہوتا ہے کہ آپ line کو پہلے join
07:24کرتے ہیں perpendicular bisector ہوتے ہیں اور ان کو افس میں perpendicular
07:27bisector کو join کرنے کے بعد ایک ایسا polygon بنا لیتے ہیں جس کے
07:31اندر ایک point کی جو value ہے اس کا distance suppose اس point کا distance
07:37control point کے ساتھ سب سے زیادہ ہوتا ہے ٹھیک ہے اس کا سوری
07:41سب سے کم ہوتا ہے یعنی اس polygon کے اندر کوئی بھی آپ point draw
07:45کریں وہ آپ کی اس control point سے قریب ہوگا بجائے اس کے کی next
07:49والے control point سے اس کا distance دکھا جائے تو next والے control
07:52point سے تو اس triangle کا distance زیادہ ہو سکتا ہے لیکن اس والے
07:56control point سے اس کا distance کم ہی ہوگا تو اس کی base پہ ہم
08:01perpendicular bisectors draw کر کے season polygon draw کرتے ہیں اب season
08:07polygon basically کیا ہوتا ہے کہ اس کے اندر ایک control point آ رہا
08:11ہوتا ہے اور اس control point کا distance اس polygon کے اندر آنے
08:17والے حر سے کم ہوتا ہے as compared to کہ باہر والے polygon کے اندر
08:23والے control point کا اس space کے اندر والے point سے distance نکالا جائے
08:27تو اس جو میں نے ابھی یہ rectangle draw کی ہے اس کا اس control point سے
08:32جو polygon کے اندر آ رہا ہے اس سے تو distance کم ہوگا لیکن اس سے
08:36زیادہ ہوگا اس کے کسی کونے پہ بھی اگر draw کر لیں تو polygon کی
08:41boundary ایسے بن رہی ہوتی ہے کہ اس polygon کے اندر آنے والے ہر
08:44point کا distance polygon کے اندر لائے کرنے والے control point
08:50سے کم ہوتا ہے as compared to کسی اور polygon کے اندر آنے والے
08:55control point سے distance اس کا نکالا جائے اگر ایک different suppose
09:00ہمارے پاس points تھے ہم نے اس کا analysis کیا اور season polygon
09:04draw کر کے ہمیں یہ پتہ چل گیا کہ یہ جو areas ہیں color wise کس
09:08elevation range پہ یا کس height پہ آ رہے ہیں ٹھیک ہے تو ایک season
09:12polygon کی application ہے کہ آپ اس کے through اگر آپ کے پاس elevation
09:16data set ہو تو آپ space پہ جہاں پہ elevation آپ نے measure نہیں بھی
09:20کیوئی اس کی بھی elevation آپ measure کر سکتے ہیں یہ ہو گئی first
09:24technique جس پہ ہم نے season polygon پڑھا اس کے علاوہ جو second technique
09:28ہے اس کو بولتے ہیں triangulated irregular network ٹھیک ہے جس کو ہم بولتے ہیں
09:33tin جو ہے یہ triangles create کرتی ہے triangles اس طرح سے create کرتی ہے
09:39کہ جہاں point سے آپ نے measurement لی تھی ان point of measurements کے
09:44گرد ایک circum circle بنے گا ٹھیک ہے circum circle کیا ہوتا ہے کہ ایک
09:49triangle کے گرد آپ circle draw کریں تو وہ triangle کے تینوں vertices
09:53اس circle کے اندر آ رہے ہوتے ہیں تو circle اس طرح سے بنتے جاتے ہیں
09:58اور جو وہ triangle ہوتے ہیں ان کی shape ایسے بنتی ہے کہ وہ ایک دوسرے
10:01کو overlap نہیں کرتے وہ intact رہتے ہیں تو ڈیلانی algorithm ہے جو اس کی
10:07base پہ یہ circum circle draw triangle generate کر رہا ہوتا ہے جس کی base
10:11پہ ہمیں unsampled point پہ بھی ہمیں اپنے point کی value کا estimate
10:16مل جاتا ہے ٹھیک ہے اب circum circle کی buy book اگر definition دیکھیں تو
10:22کسی triangle کے تین vertices کو جو circle cross کرتا ہے اس کو circum circle
10:25بولتے ہیں اس کا جو radius ہوتا ہے اس کو circum radius بولتے ہیں اس کا
10:31center جو ہے وہ circum center کہلاتا ہے اور تین اس کے legs سے perpendicular
10:35bisectors ہوتے ہیں اور ان کے بیچ پہ پھر ہم لوگ یہ elevation تو یہ
10:39legs ہے ہمارے پاس آپ کے ایک سکرین پہ یہ image upload ہو جاتا ہے یہ
10:45slide آ جاتی ہے تو آپ کو نظر آ رہا ہوگا کہ آپ کے پاس کچھ red dots
10:49ہوں گے ان red dots کے اوپر circum circle generate ہوئے circum circle سے
10:55کچھ triangles بنیں اور triangles اس طرح سے بنیں کہ وہ triangle
10:58ایک دوسرے کو overlap نہیں کر رہے تو ان triangle کو different color
11:02دیکھیں ہم نے جب visualize کیا تو وہ اس طرح سے 3d surfaces generate
11:07ہوگی اور 3d surfaces کا فائدہ کیا ہو گیا کہ ہمیں ایسے point
11:11پہ بھی elevation کی value مل گئی ہے ایسے point پہ بھی unknown parameter
11:15کی value مل گئی جہاں پہ ہم نے sample data collect نہیں کیا تھا
11:19ٹھیک ہے تو اس کی base پہ یہ جو tin surface ہے جس کو ہم triangulated
11:24irregular network ہے اس کو create کر سکتے ہیں اب اس کا disadvantage
11:28یہ کہ یہ بڑا jag surface ہوتا ہے smooth نہیں ہوتا کیوں کیونکہ
11:33آپ کے different جو triangles ہیں ان کے edges پہ slope continuous نہیں ہوتا
11:39ٹھیک ہے تو اس کی base پہ یہ اس کا نقصان جو ہوتا ہے کہ ہم
11:45extrapolate نہیں کر سکتے جس area کے اندر اندر آپ نے survey کیا
11:49ہوا ہے اس ہی کا آپ کو output ملے گی اس area کے باہر اگر extrapolate
11:54کر کے آپ survey کرنا چاہ رہے ہیں تو آپ کو نہیں مل سکتا جیسے
11:58لیٹسے ہم نے university کے اندر different points پہ elevation کی value پڑی تھی
12:02اور اس کو ہم extrapolate کر کے یہ بھی دیکھتے ہیں کہ university
12:05کے باہر within 5 km تک elevation کتنی change ہوگی تو وہاں پہ بھی ہم
12:10اس کو اگر apply کریں گے تو یہ tin surfaces وہاں پہ ہمیں output
12:14نیک دے گی کیونکہ وہاں ہم extrapolate کر رہے ہوں گے یہ interpolation
12:19کے لیے ہی کام کرتی ہے اس کے جو متوازل میں ہمارے پاس option
12:23available ہوتا ہے اس کو بولتے ہیں inverse distance weighted method
12:26inverse distance weighted method میں آپ کیا کرتے ہو کہ آپ نے let's say
12:30different sample points collect کیے اور یہ دیکھنا چاہ رہے ہو کہ
12:34ایک point پہ آپ نے value کو predict کرنا ہے تو وہاں پہ value
12:39کو predict کرنے میں جو geographically location wise جس جگہ پہ sample
12:44point کا data available ہوگا وہ unknown value کی prediction میں سب سے زیادہ
12:49effect کرے گا آپ کو یعنی کہ یہاں پہ let's value یہ اب مجھے
12:53یہ لگ رہا ہے کہ یہ والا point جو ہے نا یہ اس یہ اس unknown point
12:58سے یہ والا point سب سے قریب لائے کر رہا ہے تو اس value کی estimation
13:03کے لیے جہاں پہ آپ کا اپنے question mark لگایا ہوا ہے اس point کی estimation
13:09کے لیے آپ کا یہ جو yellow والا یہ point ہے کیونکہ اس کے قریب
13:13لائے کر رہا ہے تو اس کا effect اس کی estimation کے لیے سب سے زیادہ
13:19ہوگا as compared to اب کسی بھی اور point کو لے تو unknown point کے پاس
13:25والا point اس کی estimation پہ زیادہ role play کرے گا اس کا weight زیادہ
13:30ہوگا as compared to کہ ایک ایسا point جو unknown point سے سب سے زیادہ دور
13:35بیٹھا ہوا ہے ٹھیک ہے تو یہ inverse designated method logic جو ہے وہ یہ
13:41اس طرح سے کام کر رہا ہوتا ہے تو ہم different points کو based on distance
13:45from unknown point ایک weight assign کر لیتے ہیں جو سب سے دور والا point ہوتا
13:52ہے جس جو آپ کے location جہاں پہ آپ نے point predict کرنا ہے اس سے جو
13:57سب سے دور والا known simple والا point ہوتا ہے اس کا effect کم ہوتا جاتا
14:02ہے اور وہ والا point جو آپ کے unknown point کے قریب ہوتا ہے sample
14:06data والا اس کا effect زیادہ ہوتا ہے اب جب یہ idw کے product آتی ہے تو
14:12چونکہ اس میں uneven point distribution ہو سکتی ہے آپ نے ہو سکتا ہے
14:17equally space پہ ایک regular interval کے ساتھ data اکٹھانا کیا ہوا ہو تو
14:23اس کی output یا interpolation کی جو result ہوتے ہیں وہ ہو سکتا ہے
14:27اتنے appealing نہ ہو ان کی quality اچھی نہ ہو کیوں کیوں کہ
14:31minimum اور maximum value جو آپ کے idw کی آتی ہیں وہ exactly انہی
14:36points کی آ رہی ہوتی ہیں جہاں پہ آپ نے data کو sample کیا تھا
14:41کسی unknown point کے اوپر minimum maximum value کا result وہ نہیں
14:45provide کرتا تو اس میں pits اور peaks different آ رہے ہوتے ہیں تو اس
15:00جو last والا interpolation technique جو ہم اس میں پڑھیں گے ویسے تو بہت سے
15:06ہندرڈز میں یہ interpolation کے methods ہوں گے لیکن جو basically
15:09سب سے زیادہ use ہوتے ہیں وہ ہم نے پہلے season polygon پڑھا پھر
15:13tin surface بنا کے پڑھا پھر idw اور اب krigging پڑھنے جا رہے ہیں جو
15:17krigging ہے یہ basically south african mining engineer تھی جن کا نام تھا ڈی
15:22جی crime انہوں نے develop کیا تھا اور یہ semi value gram بناتا ہے جس
15:28کی base پہ unknown point کا estimated point سے error اور ان کی correlation
15:33کا estimate ملتا ہے تو basically یہ کیا کرتا ہے کہ prediction کی estimation
15:38with prediction error کر کے ایک quality کا parameter بھی check کر رہا ہوتا
15:43ہے کہ آپ نے جو estimate کیا اور جو actual value تھی ان کے بیچ میں
15:48کیا کیا error آ سکتے ہیں ان میں کتنا difference آ سکتا ہے
15:52تو basically جو krigging کام کرتا ہے وہ تین components پہ کام کرتا ہے
15:56ایک ہوتا ہے اس کا structural component ایک specially correlated component
15:59اور ایک ہوتا ہے random error term structural component یہ ہوتا ہے
16:03کہ وہ trend بتا رہا ہوتا ہے کہ ایک parameter کی change ہونے سے
16:07دوسرے parameter پہ کیا effect پڑھ رہا ہے ان کے بیچ میں trend کیسا
16:11ہے کہ دو parameter جو ہے وہ ایک دوسرے کے supportively positive
16:15trend دے رہے ہیں یا negative trend دے رہے ہیں کہ ایک parameter
16:19بڑھائیں تو دوسرا کم تو نہیں ہو رہا negative trend ہو گیا جس
16:22طرح correlation check کرتے ہیں اب دوسرا یہ option ہوتا ہے کہ اس
16:26specially correlated component بن رہا ہوتا ہے specially correlated component
16:30کو سمجھنے کے لئے یوں کر لیں کہ اگر location کا element بھی
16:34correlation کے ساتھ assign کر دیا جائے تو ایک specially correlated
16:38component بن جاتا ہے جیسے اگر ہم universities کو دیکھیں تو
16:42universities کا specially correlated component کیا ہو سکتا ہے
16:46hostels ہو سکتے ہیں آپ کے book shops ہوتے ہیں جیسے university
16:50ہوگی تو وہاں پہ book shop اور hostel لازمی ہوں گے کوئی hospital
16:54ہے تو اس کے پاس کونسی چیز ہو سکتی ہے hospital کے پاس
16:57medical stores زیادہ ہو سکتے ہیں تو ان کا آپس میں specially
17:02relationship ہو سکتا ہے اسی طرح جو error آتا ہے وہ بھی یہ
17:06calculate کر کے بتاتا ہے تو جو semi vary gram ہے یہ basically
17:10special auto correlation of measured points آپ کو generate
17:14کر کے دکھا رہا ہوتا ہے تو آپ کیا کرتے ہو کہ جیسے ایک
17:17axis کے اوپر distance ہے اور y axis کے اوپر دوسرا parameter ہے
17:21آپ نے یہ جو plus icon لیا ہے کہ آپ نے لیٹ سے یہاں
17:26پہ کوئی sample create کیا تھا لیکن ان کے بیچے ایک line اگر draw
17:30کر دو ایک model draw کر دو ایک line or draw کر کے predict
17:34کر لو کہ یہاں پہ ان میں کیا error آ رہا ہے یہاں پہ کیا
17:37sorry point کے اوپر کیا value آ رہی ہے ایک line کی اوپر تو
17:42یہاں پہ ایک line draw کر کے اس line point کے اوپر سے تو نہیں
17:47pass کر رہی ہے تو یہ کیا کرتا ہے کہ یہ different
17:50characteristics جو ہے نا وہ assign کر دیتا ہے model line basically
17:54prediction ہے unknown point کے اوپر جہاں سے یہاں پہ ہم نے اگر
17:58error نہیں value estimate کی تھی تو یہ ایک line draw کر کے
18:02آپ کو بتا دیتا ہے کہ آپ کے اس point کے اوپر کیا value
18:06آ سکتا ہے ٹھیک ہے تو اس کے through ہم لوگ estimate
18:09کر سکتے ہیں اپنے points کی values کو predict کر سکتے ہیں اب
18:13یہ سب پڑھنے کے بعد جب ہم نے interpolation بھی دیکھ لی
18:17overlay کے analysis بھی دیکھ لیا proximity اور geoprocessing
18:20کے tools بھی different دیکھ لیا اب ہم اس کو آپ کی جو environmental
18:24engineering کی different sections ہیں اس پہ کیسے apply کر سکتے ہیں
18:29تو let's say ابھی ایک stadium کرتے ہیں اور ہم نے یہ
18:32دیکھنا ہے کہ ایک nuclear waste repository ہے وہ کہاں پر
18:36لگانی ہے ہم نے اس کی possible location کہاں پہ ہو سکتی ہے
18:40تو آپ کے پاس different data set selects
18:42سے available ہیں آپ کے پاس geology کا data ہے آپ کے پاس population
18:46کی density ہے آپ کے پاس roads ہیں اور کچھ conservation areas
18:50ہیں جہاں پہ آپ کو construction allowed نہیں ہوتی ہے ٹھیک ہے آپ
18:54کا task ہی ہے کہ آپ نے ایک ایسا product بنانا ہے جہاں پہ geology
18:58بھی suitable ہو ایسا area select کرنا ہے وہ population density
19:02سے ذرا دور ہو وہاں پہ value کو estimate نہ آ رہا اور وہ road
19:05سے ذرا دور ہونا چاہیے ہم کیا بات کر رہے تھے ہم یہ دیکھ رہے
19:10تھے کہ let's say nuclear waste repository آپ نے کہیں پہ بنانی ہے تو let's
19:14say different data sets ہیں کہ آپ کی geology اچھی ہونی چاہیے population
19:18سے ہو والا area دور ہونا چاہیے major roads سے دور ہونا چاہیے conservation
19:22areas اس کو overlay نہ کر رہے ہوں تو ہم نے ان پہ کچھ operations
19:26کرنے کہ suitable geology کا تو data already ہمارے پاس available
19:30ہے لیکن ہم نے ایک ایسا data select کرنا ہے جو population density جہاں
19:35پہ کم سے کم ہو تو population density کو ہم reclassify کر لیں گے ہم
19:40ہمارے پاس less populated area ہاں دائے گا اور پھر اس less populated
19:44اور suitable geology والے area کو جب overlay کریں گے تو یہاں پہ ہمارے
19:48پاس ایک اور product آ جائے گی پھر ہم نے roads کو دیکھنا ہے کہ ہم
19:52نے کچھ ایسے roads reselect کرنا ہے جو major roads ہیں ان پہ ہم different
19:57buffer apply کر رہیں گے ٹھیک ہے کہ یہ roads سے ذرا دور کر کے ہم نے
20:01area apply کرنا ہے تو آپ کے پاس suitable product آ جائے گی road کی کہ جو
20:06existing road سے دور دور والا area ہے وہ آپ کے پاس apply ہوگا آپ overlay
20:11a کو جہاں پہ آپ نے population density اور suitable geology کو overlay
20:15کیا تھا اس کو اور یہ road proximity والے area کو جب overlay کریں گے تو آپ
20:20کے پاس ایک اور product آ جائے گا جس کو ہم لوگ یہاں پہ کہیں گے
20:24یہ وہ area ہے جہاں پہ geology بھی suitable ہے population بھی زیادہ نہیں ہوگی
20:29اور یہ road سے بھی دور ہے جب اس product کو اور ایسا conservation area جہاں
20:34پہ ہم نے construction نہیں کرنی اس کو overlay کریں گے تو آپ کے پاس final
20:38map آ جائے گا اب next ہم یہ دیکھیں گے کہ اس پہ ہم لوگ کون کون سے
20:45functions ہیں جو analysis کے tools ہیں جو پہلے ہم نے دیکھے تھے وہ apply
20:49کر سکتے تو یہ جو circle کے اندر ہیں یہ missing tools تھے جو ہم نے پہلے
20:55خود سے predict کیے تھے اور اس کی base پہ ہمارا ایک final map generate
20:59ہو رہا ہے جو یہ بتا رہا ہے کہ یہ وہ area ہوگا جہاں پہ آپ نے nuclear
21:03waste کی repository generate کر سکتے ہیں ٹھیک ہے اب ایک اور let's
21:08ایک اور criteria ہے ہم just اس کو physically ان چیزوں سے correlate
21:11کر کے دیکھنا چاہ رہے جو ہم نے پہلے چیزیں پڑھ لی تھی کہ ہم
21:15نے let's say a site بنانی ہے lab کے لیے وہاں پہ کیا ہو کہ وہ different
21:20اگر land کی categories ہیں جیسے land cover میں water body ہے vegetation ہے
21:25ہم نے جو construction کرنی ہے وہ ایسے area میں کرنی ہے جہاں
21:28fresh land ہو سب سے پہلی بات اس کی soil جو وہ suitable for development ہو
21:33site جو ہے وہ existing saver line سے 300 میٹر کے اندر اندر آ رہی
21:38ہو لیکن جو streams آئے وہ اس سے 20 میٹر دور ہو کب از کب باہر ہو
21:45اور site جو آپ select کریں گے وہ اس کو two thousand square میٹر
21:50کا area کم از کم اس کا ہونا چاہیے اس سے زیادہ ہو سکتا کم نہیں
21:54ہو سکتا تو یہ ہمارے different criteria's ہیں تو for example میں
21:58میرے پاس آپ کے lift پہ اگر یہاں پہ figure load ہو جائے جس کو
22:03بول رہے ہیں land use آپ کے پاس use کا ایک راستر ہے ایک polygon
22:07اس پول پولیگون ہے یہاں پہ vector data ہے اس میں آپ نے کیوری
22:11apply کی آپ نے کہا کہ جس وہ والا area مجھے highlight
22:15کر کے بتا دو پہ آپ کی brush land آ رہی ہے تو یہ جو
22:20اور یہ جو black color میں polygon آ رہے ہیں black polygon
22:25بتا رہے ہیں کہ یہاں پہ brush land ہے لیکن جو white پاس
22:37ہم نے اب دوسرا کیا criteria تھا کہ ایسی جگہ پہ ہم نے
22:40اپنی lab بنانی ہے جہاں پہ soil اس کے وزن کو اس کے load
22:44کو resist بھی کر سکے اس کی اچھی soil ہونی چاہیے تو یہ
22:48different soil کا data تھا ہم نے depend کیا کیوری لگائی کہ کون
22:52کونسی ایسی soils ہیں جہاں پہ ہم develop کر سکتے ہیں development
22:55کر سکتے ہیں تو یہ جو آپ کے پاس آپ کی figure میں hatch
23:01والا یا cross area آ رہا ہے hatch ہواوا area یہ وہ بتا رہا ہے کہ
23:05جہاں پہ آپ اپنی development کر سکتے ہیں یہ suitable for development
23:09areas ہے ٹھیک ہے next ہمارے پاس option یہ تھا کہ ہم نے
23:13sewer line کے 300 میٹر کے اندر اندر lab بنانی ہے کہ let's say
23:18اس کا waste کسی sewerage line کے ساتھ ہی ہم connect کرلے تو یہ
23:22sewerage کی vector boundary تھی ہم نے کسی جگہ digitize کر کے یا
23:26survey کر کے اس جگہ سے data لے لیا یہ sewerage کی boundary ہے اس کے
23:30گرد ہم نے buffer لگا دیا یہ جو buffer ہے نا آپ کو یہ
23:34hatch area سے represent ہو رہا ہے یہ وہ area ہے جو existing
23:38sewer boundary کی 300 میٹر کے اندر اندر لائی کر رہا ہے جب ہم
23:43نے یہ area select کر لیا اب next ہمارا task یہ تھا کہ آپ کا
23:47جو site ہے وہ 200 میٹر دور ہونی چاہیے existing stream سے existing
23:53river سے تو یہ آپ کے پاس next جو ہے نا white color میں different
23:59streams تھیں آپ نے ان پہ buffer apply کر لیا 20 میٹر کا اور جو
24:05hatch area ہے وہ یہ بتا رہا ہے کہ اب آپ کے پاس جو site آ رہی ہے
24:09وہاں پہ آپ اپنا lab جو ہے نا وہ draw کر سکتے ہو اب lab draw
24:16کرنے کے بعد اب آپ نے تو area select کر لیا لیکن آپ کے پاس جو area
24:19بن رہے تھے اس میں different areas آپ نے دیکھنے ہیں ایسا area
24:24آپ نے select کرنا ہے جو 2000 square میٹر سے زیادہ کا area
24:27تو ان پورے analysis کے بعد ہمارے پاس جو output مل رہی تھی وہ
24:32دو طرح کے area ہمارے پاس آ رہے تھے جو hatch میں left والے
24:36figure میں آپ کو آ رہا ہے ٹھیک ہے یہ جو hatching ہوئی ہوئی ہے جس
24:39کے اوپر lineیں parallel lineیں black میں draw ہوئی ہوئی ہیں یہ دو
24:43طرح کے polygon آ رہے تھے ایک ہے جس کا area one double three one square
24:47of meter آ رہا تھا square of meter آ رہا تھا اور دوسرا والا area
24:53جو بڑے والا polygon تھا اس کا area seven eight seven six meter square
24:57آ رہا تھا تو ہم کہیں گے کہ ہمارے پاس جو suitable area
25:00ہے وہ کونسا ہو سکتا ہے جہاں پہ آپ کے پاس یہ hatch
25:03والا area آ رہا تو اس سے آپ نے ایک ایسی site select
25:08کرلی based on requirement جہاں پہ آپ اپنی lab construct
25:12کر سکتے ہیں باہر کے اف لاہور کا جو آہ گلبرگ
25:16ڈاؤن ہے اس کا water supply کا map ہے جس پہ different color
25:20کے through یہ بتایا ہوا ہے کہ کونسی ایسی water supply
25:23کی line ہے جو excellent condition میں b پہ good c پہ
25:28ڈی پہ اور کہیں failed یا flop area ہے جہاں پہ آپ کی
25:31water supply کی جو pipeline ہے وہ اچھی نہیں ہے تو اس طرح سے
25:35water supply conditioning بھی آپ gis کے through apply
25:39کر کے یہاں پہ دیکھ سکتے ہیں پھر urban unit کو ایک
25:42اور assignment ملا تھا energy department کی مدد
25:46department سے انہوں نے کیا کہتا تھا انہوں نے ایک
25:49coal site selection کرنی تھی کہ coal پار plant کے لیے
25:53coal plant کے لیے آپ نے کہیں site develop کرنی ہے وہ
25:56کہاں پر آپ نے ڈراؤ گا رہی جو ان کی requirement
25:59تھی کہ وہ ہم نے left پہ لکھ لی تھی وہ کہتے تھے کہ بھئی
26:03آپ نے ایسی جگہ پہ پار plant لگانا ہے coal site کا
26:06plant لگانا ہے جہاں پہ water channel
26:09قریب بڑھتا ہو major جو settlements ہیں جو cities ہیں وہاں سے وہ
26:13جگہ دور ہو airport pass میں نہیں ہونا چاہیے railway کے
26:18قریب قریب ہو جگہ ہونی چاہیے تاکہ وہاں پہ logistics
26:20اور transportation میں ان کو help ہو road networks جو ہے نا وہ
26:25بھی قریب ہونے چاہیے international border سے دور
26:27ہونا چاہیے اور کہیں flood کی range میں نہیں ہونا چاہیے کہ
26:30وہاں پہ flood effect نہ کرے جو right پہ انہوں نے اسی criteria
26:35کو different precise numbers کے ساتھ apply کیا یہ جو sbs ہے یہ
26:40special decision sport criteria ہوتا ہے انہوں نے یہ apply کیا
26:44انہوں نے دیکھا ٹھیک ہے different جو ہمارے کا water channels
26:47ہیں ان کے اوپر پانچ سو میٹر کا buffer لگا جو تو ہم نے جو
26:51آپ کی coal site selection کرنی ہے وہ اس کے اندر اندر ہونی چاہیے
26:56built up area کے پاس ہونی چاہیے آپ نے جو اس کا ائرپورٹ
27:01تھا اس کے اوپر ایک buffer لگا دیا 10 میٹر کا ٹھیک ہے 10
27:05km کا سوری اور یہ select کر لیا کہ یہ جو 10 km
27:09area اس کے اندر اندر تو آپ کی side نہیں آنی چاہیے پھر
27:13railway line پہ آپ نے buffer لگایا within 10 km آپ نے وہاں
27:17سے area select کرنا ہے major highways کے قریب ہونے چاہیے within 5
27:21km کے proximity میں آنا چاہیے اور international border پہ بھی buffer
27:25لگا دیا کہ وہ 5 km دور ہونے چاہیے اور اس طرح کا area
27:29پھر انہوں نے find کرنا تھا جہاں previously کوئی flood history
27:32نہ ہو کہیں تو اس کا flood نہ آیا کہ ان پوری requirements
27:35کو complete کرنے کے بعد جو maroon color کا circle ہے ٹھیک ہے یہ
27:41وہ area ہے جہاں پہ آپ جو ہے یہ اب sorry airport ہے ٹھیک ہے
27:46blue میں آ رہا ہے blue کا dot بناوا ہے ٹھیک ہے تو یہ airport
27:50ہے اور یہ جو maroon color ہے ٹھیک ہے یہ بتا رہا ہے کہ آپ کا
27:53basically یہ وہ area ہے جہاں پہ آپ جانا اپنا site جو ہے وہ select
27:58کر سکتے جو coal park plan کیلئے تو اس کے لئے different gs کے vector data
28:02layers ہیں انہوں نے وہ tools apply کیے analysis کے اور اس کے بعد یہ area
28:07select کرنا ہے یہ ایک اور interesting study ہے جو 2010 میں یہ ہوا
28:12تھا کہ مری میں بہت زیادہ deforestation ہو رہی تھی درختوں کی illegal
28:17cutting ہو رہی تھی تو وہاں پہ supreme court nissu motor notice لیا تھا اور انہوں
28:22نے کہا تھا کہ آپ ایک تو ایک وہ والے areas highlight کر کے دیں جہاں
28:27پہ illegal cutting ہو رہی ہے different societies بننا شروع ہو رہی ہے اور وہاں
28:31پہ کیا ہو رہا ہے کہ جو لوگوں نے encroachment کی ہوئی ہیں وہاں پہ society
28:38بنی ہوئی ہے کوئی ف آئی آر بنی ہو اس کا پورا record بنا کے ہمیں
28:41بتائے تو انہوں نے کیا کیا اس کے لئے different آپ کی جو organizations
28:45تھی انہوں نے حصہ لیا جس میں ایک survey of Pakistan تھا revenue department
28:51تھا WWF ہے مری کے forest department ہے انہوں نے مل کے جو ہے نا forest
28:56کی boundaryیاں بنائی تھی تو boundary لگانے کے لئے جو انہوں نے data set
29:00use کیے تھے ان میں تھی اور ایٹین سیونٹی سکس کی بنی ہوئی survey
29:04sheet forest department کے mavs لی ہے revenue department کے survey of
29:08Pakistan کے department کے بنی ہوئے mavs سے پھر high resolution ایک
29:12satellite ہے جس کا نام ہے جیو آئی ٹھیک ہے اس کا data لیا تھا
29:17کیونکہ یہ اب آپ کی ایک تو لاہور ہائی کورٹ لاہور ہائی کورٹ
29:22کی ہیرنگ اور سنٹی میٹر کی accuracy سے آپ نے کام کرنا تھا
29:26normal ہی تو آپ کو elevation model تو مل جاتا ہے پانچ سے دس میٹر کی
29:30یا 30 میٹر کی ایک اور ایسی پہ یا اس کی resolution پہ اب
29:34یہاں سنٹی میٹر کے ایک اور ایسی سے کام کرنے تھے تو اس کے لیے
29:38آپ کا جو normal data تھا جو ایسٹر جی ڈیم کا جو elevation
29:42model تھا وہ بھی use کیا گیا اب یہ ایک high resolution image
29:47ہے جیو آئی کا جو انہوں نے اس study کے لیے use کیا تو آپ دیکھ
29:51رہے ہیں یہاں پہ image کی quality کتنی اچھے آپ ڈوم نظر آ رہا ہے
29:55green area میں جو بڑے بڑے پتھر بنے ہوئے ہیں یہ بھی نظر آ رہے ہیں
29:58ٹھیک ہے اب یہ sorry یہ ڈوم area تھا ساتھ میں میں خیال ہے اب
30:03بھی load ہو گیا ہوگا ٹھیک ہے اور اس کے گھر جو بھر گھر بنے ہوئے ہیں
30:08اس کے پاس میں جو پتھر لگے ہوئے ہیں وہ بھی آپ کو یہ جاں
30:11نا اس high resolution image پہ display ہو کے آ رہے ہیں اب یہ ایک map
30:16ہے جو output آ رہی تھی جو final maps تھے وہ یہ آ رہے تھے اس طرح
30:20کہ انہوں نے جب بنا ہے تو انہوں نے کہا کہ اب یہ جو آپ کو red
30:23color کے بار نظر آ رہے ہیں یہ basically encourage areas ہیں اور اس کے
30:28ساتھ number of fir بھی آ رہی ہیں آپ کے پاس ٹھیک ہے جو یہ black
30:32color میں بار بنا ہوا ہے وہ fir ہے تو انہوں نے یہ کہا اب ہوتا
30:37ہی ہے کہ یہ یہاں پہ اب جو polygons ہیں اس کو اگر ہم دیکھیں
30:41تو یہ forest کی boundaries ہیں جس طرح ہمارے districts ہوتے ہیں نا اور
30:46divisions ہوتی ہیں تو forest والوں کی boundaries ہوتی ہیں ان کی divisions
30:49آ رہی ہوتی ہیں اب اگر ان کو تھوڑا سا اور سے دیکھیں تو اگر اس
30:54area پہ highlight آ تھوڑا focus کریں جہاں آہ یہ نمبر آپ کو نظر
31:02آ رہا ہے one zero two seven کا ہاں اب one zero two seven یہاں پہ
31:08encroachers آئے ہیں ٹھیک ہے انہوں نے illegal یہاں پہ کام کیا اور یہاں
31:13پہ number of fir دیکھیں تو وہ کتنی ہے black میں بارہ ٹھیک ہے اور اگر
31:18تھوڑا یہاں پہ آپ دیکھیں جیسے اس area میں آپ کے پاس جہاں نا four
31:23fifty three encroachers ہیں اور fir twenty seven ہے تو کوئی pattern نظر
31:28نہیں آ رہا کہ لوگ deforestation یا illegal cutting بھی کر رہے ہیں اور
31:32fir بھی ہو تو ایسے لگ رہا ہے کہ جہاں پہ political influence زیادہ
31:36تھا ادھر fir کم ہو گئی ہے ٹھیک ہے اور جہاں پہ political influence
31:41کم ہے وہاں پہ اگر encroachers بھی کم ہے لیکن fir وہاں پہ لوگ
31:45جا کے کام کروار تو اس طرح کے جو maps تھے وہ پھر بنائے گئے
31:49تھے ٹھیک ہے اب وہ یہاں پہ اگر آپ دیکھیں تو یہ جو سرخ رنگ
31:53میں جو area آپ کو نظر آ رہا ہے اگر یہ slide road ہو گئی ہے تو آپ
31:59کو یہاں پہ نا red color میں کچھ boundary نظر آ رہی ہیں یہ encroachment
32:04ہے ٹھیک ہے کہ forest land کے اندر یہاں یہاں پہ اتنا والا سارا
32:08area illegal لوگوں نے کاٹ کے اپنا جو ہے نا مصلاب deforestation
32:13کر لی تھی تو اس طرح اٹلیسز بنے تھے پورے پورے جو لوگ اٹھا
32:17کے دو دو تین تین لوگ اٹھا کے ایک proper جو ہے نا اٹلیسز اٹھا
32:21کے وہ high court میں submit کراتے تھے اور یہ آپ دیکھیں تو different areas
32:26color میں مزید جو ہے نا red color میں ساری illegal encroach جس میں
32:30OGDC کی کالونی بھی ہے judicial town بھی آ رہا ہے تو یہ ساری جو
32:35illegal societies بن رہی تھی وہ ایسا ہوا کہ اس study کے بعد جو نا وہ
32:41ختم ہو گئے اور پھر court نے اس پہ stay order لے لیا کہ کوئی جو
32:46ہے نا single tree کی cutting وہ ban ہے اب یہ study تھی دوہزار دس کی اور
32:51اب اگر ہم لوگ different images دیکھیں تو یہ دوہزار دو کا image
32:55ہے آپ کو نظر آ رہا ہے یہ image دوہزار دو لکھا ہوا ہے top
33:00سے اس کے بعد اب next two thousand six کا image ہے یہ بھی
33:05i guess load ہو گیا ہوگا اب یہاں پہ یہ دیکھیں OGDC بن گئی ہے پھر اور یہ
33:11اب چونکہ سارا court case جنہا وہ court میں گیا تھا لاہور
33:14ڈائی کوٹ کی یہ سو موٹو نوٹس تھا تو اس پہ انہوں نے جب سنگل
33:19cutting بین کر دی کہ کوئی encroachment دوبارہ نہیں ہونی تو یہ
33:23دوہزار بارہ کی study آپ دیکھ رہے ہیں اسی area پہ دوبارہ
33:26greenery آنا شروع ہو گیا ہے تو زمین basically forest
33:29والوں کی تھی اسی کے اندر انہوں نے سڑکیں اور societies
33:32وغیرہ بنائیں ہوئی تھی تو ایک جی ایس کی application
33:35deforestation کے control measures کے لیے بھی ہے اسی طرح آپ solid waste management
33:40میں بھی اس کو use کر سکتے ہیں forest جو ہے وہ کہاں پہ
33:44solid waste جو ہے اس کا کیا route ہونا چاہیے کہاں پہ آپ
33:48نے یہ solid waste کی studies کرنی ہے ٹھیک ہے تو ان requirement
33:53کو آپ پورا کرنے کے لیے کیا کرتے ہو آپ کے پاس کچھ data
33:56ہوتا ہے initial data جس میں آپ کے پاس collection of containers
33:59ہوتے ہیں GPS کی location ہوتے ہیں آپ کے پاس society
34:04یا let's say colony سے جو waste generate ہو رہا ہوتا ہے اس
34:07کی بھی آپ کوئی measures لیتے ہیں آپ یہ دیکھتے ہیں کہ کون
34:11سا ایسا route ہونا چاہیے کہ let's say
34:13commercial area وہاں پہ آپ نے avoid کرنا ہے کیونکہ وہاں
34:16پہ traffic stuck ہو جاتی ہے باقی جو issues ہیں اس کو آپ
34:19نے دیکھتے ہوئے پھر کوئی landfill کی suitable site کی selection
34:23کے لیے آپ اس کو جی ایس میں use کر سکتے ہیں اب یہاں
34:26پہ ایک اقبال town لاہور میں اگر کوئی لاہور سے ہے وہاں
34:31کا area ہے اور وہاں پہ یہ different جو containers لگے ہوئے ہیں
34:34waste bin کے لیے وہ yellow color میں highlight ہوئے ہیں تو آپ
34:38دیکھ رہے ہیں جو left والا image ہے وہاں پہ کوئی specific
34:44study اتنی نہیں ہوئی کہ کہاں پہ ان کی location ہونے چاہیے تو
34:48انہوں نے کچھ different areas پہ buffer لگا کے کچھ ایسے area
34:52highlight کر دیا جو right میں آپ کے پاس ہا رہے ہیں جس پہ
34:55آپ unservice area ہیں وہاں پہ location of containers اور waste bin کی
35:01آپ کو کچھ area وہاں پہ لگانا چاہیے تو یہ اس کا final analysis
35:05ہے اور آپ کے پاس yellow color میں yellow color میں کچھ proposed location
35:12of containers ہیں جو اس طرح سے اب distributed ہیں کہ پوری وہ area
35:17کو اچھی طرح سے serve کر رہے ہیں ٹھیک ہے تو یہ ان کی ایک کہہ
35:22لیں کہ waste bin کی location کی ایک study ہے جو لاہور کے
35:26area پہ ہوئی بھی ہے پھر different پورے پنجاب level پہ کتنا
35:31کوئی waste generate ہو رہا ہے ٹھیک ہے اس کو ایک map دیا ہوا ہے
35:35اب یہ اب مجھے idea نہیں ہے کہ یہ کس year کا ہے لیکن different
35:40districts جو waste generate ہو رہے ہیں ان کی جو quantity ہے وہ یہاں پہ
35:46mention ہوئی ہوئی ہے اس کو ایک اور جگہ پہ بھی ہم apply
35:49کر سکتے ہیں کہ جیسے least route cost analysis اب دیکھا ہوگا
35:53اپنے کے ڈبل ون ڈبل ٹو والوں کے offices ہیں تو انہوں نے یہ
35:57analysis کیا ہوتا ہے کہ offices کی distribution اور ان کا ایک ایسا
36:02network ہو کہ اگر کہیں سے کوئی emergency ہوتی ہے تو minimum
36:05اور shortest route کو adopt کر کے آپ وہاں تک پہنچ سکے تو اس کے
36:12پیچھے بھی اس طرح سے ہو سکتا ہے کہ آپ نے let's
36:14کوئی least route court analysis کرنا ہے تو وہاں پہ آپ کیا
36:18کریں گے کہ آپ traffic کو avoid کرتے ہوئے اس جگہ کی elevation
36:22road conditions اور cost کو دیکھتے ہوئے اور population کو دیکھتے ہو
36:26کہ کتنی population ہم نے serve کرنی ہے تو یہ پانچ سے
36:29چھے different parameters ہوتے ہیں اس سے آپ جو ہے نا ایک initial
36:33point select کر لیتے ہو ون آج ٹھیک ہے جہاں سے اور وہ initial
36:37point ہوتی ہے جہاں سے جب بالکل گاڑی خالی ہوگی تو وہ waste
36:42origin سے چلے گی اور وہ پھر آہستہ آہستہ جو ہے نا distance
36:46cover کرتی جائے گے وہاں سے گاڑی آتی جائے گی بر بر کے ٹھیک
36:50ہے اور گاڑی کو empty کر کے آپ نے پھر واپس جو ہے نا waste bin
36:53پہ پہنچا کے آپ نے خالی واپس لے آنا تاکہ easily اس کی
36:57access ہو تو یہ basically ایک waste origin اور waste destination کا
37:02map ہے جو ہم جی آئیس سے develop کر سکتے ہیں ٹھیک ہے جی
37:06different applications دیکھیں آج آج جی اس میں جو vector data ہے اس
37:11پہ کیا کیا analysis کر سکتے ہیں وہ ہم نے دیکھے اور اس کے
37:16بعد interpolation کو پڑھا ہم نے overlay analysis سیکھا proximity
37:19میں ہم نے buffer کا ٹھول اور اس کے علاوہ کچھ اور ٹھول سے وہ
37:24detail میں study کی ہے
Comments