বিষয়ভিত্তিক মানচিত্র: এটি কী, প্রধান প্রকারভেদ এবং কীভাবে তৈরি করবেন

একটি সাধারণ মানচিত্র আপনাকে সবকিছু বলার চেষ্টা করে: রাস্তা কোথায়, ভূখণ্ড কেমন দেখায়, শহরগুলো কোথায় অবস্থিত, সীমানা কোথায় টানা। বিষয়ভিত্তিক মানচিত্র ঠিক উল্টোটা করে। এটি একটি বিষয় বেছে নেয়, যেমন জনসংখ্যার ঘনত্ব, নির্বাচনের ফলাফল বা বৃষ্টিপাত, এবং বাকি ভূগোলকে একটি শান্ত পটভূমিতে পরিণত করে। পৃষ্ঠার সবকিছু সেই একটিমাত্র ডেটাসেটকে পাঠযোগ্য করে তোলার জন্যই থাকে।

বিষয়ভিত্তিক মানচিত্র দিয়েই সাংবাদিকরা নির্বাচনের ফলাফল ব্যাখ্যা করেন, এপিডেমিওলজিস্টরা প্রাদুর্ভাব ট্র্যাক করেন, পরিকল্পনাকারীরা অবকাঠামোর আকার নির্ধারণ করেন এবং প্রোডাক্ট টিম সিদ্ধান্ত নেয় কোন বাজারে প্রবেশ করতে হবে। আপনি যদি কখনো কোনো কিছুর মানচিত্রের দিকে তাকিয়ে এমন একটি প্যাটার্ন তাৎক্ষণিকভাবে বুঝতে পেরেছেন যা spreadsheet-এ মিস করতেন, তবে আপনি একটি বিষয়ভিত্তিক মানচিত্রই দেখেছেন।

এই গাইডে আছে বিষয়ভিত্তিক মানচিত্র কী, আপনি যে প্রধান প্রকারগুলোর সম্মুখীন হবেন, কখন কোনটি ব্যবহার করবেন, এবং MapAtlas Maps API দিয়ে কীভাবে একটি তৈরি করবেন।

কোন বিষয়টি একটি মানচিত্রকে "বিষয়ভিত্তিক" করে তোলে

একটি রেফারেন্স মানচিত্র (atlas-এর একটি পৃষ্ঠার কথা ভাবুন) একসঙ্গে অনেক বৈশিষ্ট্য দেখায় এবং সেগুলোকে মোটামুটি সমান হিসেবে বিবেচনা করে। বিষয়ভিত্তিক মানচিত্র ভূগোলকে একটি base layer-এ নামিয়ে আনে এবং একটি নির্দিষ্ট ডেটাসেটকে সামনে নিয়ে আসে। base layer ইচ্ছাকৃতভাবে নিরব রাখা হয়, প্রায়ই ধূসর সীমানা বা একটি নরম রাস্তা নেটওয়ার্ক হিসেবে, যাতে চোখ সেই রঙ, ডট বা প্রতীকগুলোর দিকে আকৃষ্ট হয় যেগুলো ডেটা বহন করে।

দুটি বিষয় একটি ভালো বিষয়ভিত্তিক মানচিত্রকে সংজ্ঞায়িত করে। প্রথমত, একটি স্পষ্ট বিষয়: একটিমাত্র ভ্যারিয়েবল ভালোভাবে উপস্থাপন করা পাঁচটি ভ্যারিয়েবল মনোযোগের জন্য লড়াই করার চেয়ে ভালো। দ্বিতীয়ত, একটি সৎ ভিজ্যুয়াল এনকোডিং: রঙের স্কিম, শ্রেণীবিভাগ এবং প্রতীকের ধরন বেছে নেওয়ার সময় ডেটার প্যাটার্ন প্রকাশ করা উচিত, কোনো প্যাটার্ন উদ্ভাবন করা নয়।

বিষয়ভিত্তিক মানচিত্রের প্রধান প্রকারভেদ

Choropleth মানচিত্র

একটি choropleth মানচিত্র পূর্বনির্ধারিত অঞ্চলগুলো, যেমন দেশ, রাজ্য, postcode, hex grid, একটি রঙ দিয়ে ভরাট করে যা একটি মানকে এনকোড করে। এগুলো তখনই ভালো কাজ করে যখন আপনার ডেটা ইতিমধ্যে প্রশাসনিক সীমানার সঙ্গে যুক্ত এবং আপনি এটিকে নর্মালাইজ করেছেন। অঞ্চল অনুযায়ী ভোটার উপস্থিতি এর একটি ক্লাসিক উদাহরণ। সবসময় ডেটা নর্মালাইজ করুন, কারণ choropleth মানচিত্রে কাঁচা সংখ্যা বড় অঞ্চলগুলোকে স্ফীত করে এবং ছোট অঞ্চলগুলোর প্যাটার্ন লুকিয়ে ফেলে।

Dot density মানচিত্র

একটি dot density মানচিত্র একটি ঘটনার প্রতিটি N সংখ্যক উপস্থিতির জন্য একটি করে ডট ছড়িয়ে দেয়। একটি জনসংখ্যা dot density মানচিত্র প্রতি ১,০০০ জনের জন্য একটি করে ডট স্থাপন করতে পারে। চোখ ডটের মেঘকে ঘনত্ব হিসেবে পড়ে, আপনাকে কোনো সংখ্যা গণনা বা লেবেল করতে হয় না। এগুলো কাঁচা সংখ্যার জন্য ভালো কাজ করে এবং choropleth-এর area-bias সমস্যা এড়িয়ে যায়।

Proportional symbol মানচিত্র

একটি proportional symbol মানচিত্র প্রতিটি অবস্থানে একটি বৃত্ত (বা অন্য কোনো আকৃতি) স্থাপন করে এবং একটি মান অনুযায়ী এর আকার নির্ধারণ করে। পয়েন্ট অবস্থানে কাঁচা সংখ্যার জন্য এগুলো চমৎকার: প্রতি স্টোরে গ্রাহকের সংখ্যা, ভূমিকম্পের তীব্রতা, প্রতি শহরে জনসংখ্যা। পাঠক দুটি বৃত্তের তুলনা করে সরাসরি দুটি শহরের তুলনা করতে পারেন, প্রতিটি শহর কতটুকু ভূমি দখল করে তা নির্বিশেষে।

Isarithmic এবং heat মানচিত্র

Isarithmic মানচিত্র (contour মানচিত্র নামেও পরিচিত) একটি ক্রমাগত পৃষ্ঠ জুড়ে সমান মানের রেখা বা ভরাট ব্যান্ড আঁকে। টপোগ্রাফিক contour রেখা, আবহাওয়ার isotherm এবং চাপের isobar সবই isarithmic মানচিত্র। একটি web heat map এর সঙ্গে ঘনিষ্ঠভাবে সম্পর্কিত একটি ভিজ্যুয়ালাইজেশন যা পয়েন্ট ডেটাকে একটি ক্রমাগত রঙিন পৃষ্ঠে মসৃণ করে, যা একটি শহর বা ওয়েবসাইটে কোথায় কার্যকলাপ ক্লাস্টার করে তা দেখানোর জন্য উপযোগী।

Dasymetric এবং cartogram রূপভেদ

Dasymetric মানচিত্র সহায়ক ডেটা (যেমন ভূমি ব্যবহার) ব্যবহার করে choropleth-কে পরিশোধিত করে, যাতে মানটিকে অঞ্চলের সেই অংশগুলোতে ঠেলে দেওয়া হয় যেখানে এটি আসলে ঘটে। Cartogram অঞ্চলের আকারকে ডেটার সঙ্গে মানানসই করার জন্য বিকৃত করে, যাতে বড় জনসংখ্যার একটি দেশ মানচিত্রে বড় হয়ে ওঠে, এর প্রকৃত আকার নির্বিশেষে। স্ট্যান্ডার্ড প্রকারগুলো বিভ্রান্তিকর হলে উভয়ই শক্তিশালী।

সঠিক প্রকার বেছে নেওয়া

ডেটা দিয়ে শুরু করুন। যদি এটি প্রশাসনিক অঞ্চলের সঙ্গে যুক্ত একটি হার বা শতাংশ হয়, choropleth ব্যবহার করুন। যদি এটি পয়েন্ট অবস্থানের সঙ্গে যুক্ত একটি কাঁচা সংখ্যা হয়, proportional symbol ব্যবহার করুন। যদি এটি একটি অঞ্চলের উপর কাঁচা সংখ্যা হয়, dot density ব্যবহার করুন। যদি এটি তাপমাত্রা বা উচ্চতার মতো একটি ক্রমাগত ভ্যারিয়েবল হয়, isarithmic মানচিত্র ব্যবহার করুন। যদি প্রকৃত আকার বার্তাটিকে বিকৃত করে, cartogram ব্যবহার করুন।

তারপর একটি রঙের স্কিম বেছে নিন। Sequential স্কিম (হালকা থেকে গাঢ়) ক্রমিক ডেটার জন্য কাজ করে। Diverging স্কিম (একটি মধ্যবিন্দুতে মিলিত দুটি রঙ) এমন ডেটার জন্য কাজ করে যেখানে একটি অর্থপূর্ণ শূন্য আছে, যেমন একটি baseline-এর সঙ্গে পরিবর্তন। Categorical প্যালেট ক্রমহীন ক্যাটেগরির জন্য। ColorBrewer প্যালেটগুলো এই যেকোনোটির জন্য স্ট্যান্ডার্ড রেফারেন্স হিসেবে রয়ে গেছে।

MapAtlas দিয়ে একটি বিষয়ভিত্তিক মানচিত্র তৈরি করা

MapAtlas Maps API আপনাকে vector tile এবং styling control দেয় যা উপরের যেকোনো প্রকারের জন্য উপযুক্ত। আপনি প্রশাসনিক সীমানা সহ একটি base style লোড করেন, GeoJSON হিসেবে আপনার ডেটা ফেচ করেন এবং একটি fill layer (choropleth-এর জন্য), একটি circle layer (proportional symbol-এর জন্য) বা ঘনত্ব ভিজ্যুয়ালাইজেশনের জন্য একটি heatmap layer যোগ করেন।

প্রশাসনিক অঞ্চলের জন্য, সবচেয়ে সহজ workflow হলো GeoJSON হিসেবে আপনার সীমানা hosting করা, প্রতিটি ফিচারের একটি property হিসেবে আপনি যে মান ম্যাপ করতে চান তা সংযুক্ত করা এবং একটি data-driven color expression সহ একটি fill layer যোগ করা যা property-কে একটি color ramp-এ ম্যাপ করে। পয়েন্ট ডেটার জন্য, মানটিকে একটি property হিসেবে সংযুক্ত করুন এবং মান অনুযায়ী আকারের একটি circle-radius expression ব্যবহার করুন, ব্যস্ত মানচিত্রে পঠনযোগ্যতার জন্য একটি circle-stroke সহ।

যদি আপনার লক্ষ্য হয় ইন্টারেক্টিভ বিশ্লেষণ (সঠিক সংখ্যা দেখতে একটি অঞ্চলে ক্লিক করা, ক্যাটেগরি অনুযায়ী ফিল্টার করা, সময়ের সঙ্গে অ্যানিমেট করা), Maps API-কে একটি ছোট client-side state layer-এর সঙ্গে যুক্ত করুন। ব্লগ পোস্ট বা রিপোর্টের জন্য one-shot static মানচিত্রের জন্য, একই API একটি static image render করতে পারে যা আপনি PNG হিসেবে সংরক্ষণ করতে পারেন।

আপনি coordinates lookup tool দিয়ে একটি ঠিকানাকে একটি প্রতীক স্থাপন করার জন্য প্রয়োজনীয় lat/lng-এ রূপান্তর করতে পারেন, বা accessibility-থিমযুক্ত মানচিত্রের জন্য routing API দিয়ে drive-time catchment গণনা করতে পারেন।

এড়ানোর মতো সাধারণ ভুল

সবচেয়ে সাধারণ ব্যর্থতা হলো একটি choropleth-এ কাঁচা সংখ্যা ব্যবহার করা: দ্বিগুণ বড় একটি অঞ্চল দ্বিগুণ গুরুত্বপূর্ণ মনে হবে। দ্বিতীয়টি হলো অত্যধিক রঙের bin দিয়ে অতিরিক্ত শ্রেণীবিভাগ করা, যা প্যাটার্নকে অস্পষ্ট করে; পাঁচ থেকে সাতটি শ্রেণী সাধারণত যথেষ্ট। তৃতীয়টি হলো বর্ণান্ধতা উপেক্ষা করা, ডিফল্ট লাল-সবুজ প্যালেট ব্যবহারকারীদের একটি উল্লেখযোগ্য অংশের জন্য পাঠযোগ্য নয়।

একটি বিষয়ভিত্তিক মানচিত্র যোগাযোগের একটি মাধ্যম। গণিত সৎ হওয়া উচিত, এনকোডিং স্পষ্ট হওয়া উচিত এবং পাঠক কয়েক সেকেন্ডের মধ্যে প্যাটার্নটি ধরতে সক্ষম হওয়া উচিত। যখন এটি ঘটে, একটি একক মানচিত্র একটি spreadsheet-এর হাজার সারিকে প্রতিস্থাপন করতে পারে।