एक सामान्य उद्देश्य वाला map आपको सब कुछ बताने की कोशिश करता है: सड़कें कहां हैं, भू-भाग कैसा दिखता है, शहर कहां बसे हैं, सीमाएं कहां से गुजरती हैं। विषयगत मानचित्र इसके विपरीत करता है। यह एक विषय चुनता है, जैसे जनसंख्या घनत्व, चुनाव परिणाम या वर्षा, और बाकी भूगोल को एक शांत पृष्ठभूमि में बदल देता है। पृष्ठ पर मौजूद सब कुछ उस एक dataset को सुपाठ्य बनाने के लिए होता है।
विषयगत मानचित्र वही तरीका हैं जिनसे पत्रकार चुनाव परिणाम समझाते हैं, महामारी विज्ञानी प्रकोप ट्रैक करते हैं, planners बुनियादी ढांचे का आकार तय करते हैं, और product teams तय करती हैं कि किन बाजारों में प्रवेश करना है। यदि आपने कभी किसी map को देखकर तुरंत वह pattern समझा है जो spreadsheet में आपसे छूट जाता, तो आपने एक विषयगत मानचित्र देखा है।
यह गाइड बताती है कि विषयगत मानचित्र क्या है, आपको कौन से मुख्य प्रकार मिलेंगे, किसका उपयोग कब करना चाहिए, और MapAtlas Maps API से इसे कैसे बनाया जाए।
क्या किसी मानचित्र को "विषयगत" बनाता है
एक reference map (atlas के पन्ने की कल्पना करें) एक साथ कई features दिखाता है और उन्हें लगभग बराबर मानता है। विषयगत मानचित्र भूगोल को एक base layer में डिमोट कर देता है और एक dataset को अग्रभूमि में प्रमोट कर देता है। Base layer जानबूझकर मद्धम रखी जाती है, अक्सर धूसर सीमाएं या एक हल्का road network, ताकि आंख उन रंगों, dots या प्रतीकों की ओर खिंचे जो data को दर्शाते हैं।
एक अच्छे विषयगत मानचित्र को दो चीजें परिभाषित करती हैं। पहला, एक स्पष्ट विषय: एक variable, अच्छी तरह प्रस्तुत, पांच variables से बेहतर है जो ध्यान के लिए लड़ रहे हों। दूसरा, एक ईमानदार visual encoding: रंग योजना, classification और symbol type का चुनाव data के pattern को उजागर करना चाहिए, उसे आविष्कृत नहीं करना चाहिए।
विषयगत मानचित्र के मुख्य प्रकार
Choropleth maps
एक choropleth map पूर्वनिर्धारित क्षेत्रों को (देश, राज्य, postcodes, hex grids) एक रंग से भरता है जो किसी मूल्य को encode करता है। ये तब अच्छा काम करते हैं जब आपका data पहले से ही प्रशासनिक सीमाओं से जुड़ा हो और जब आपने उसे normalise किया हो। प्रति क्षेत्र मतदाता turnout एक classic उदाहरण है। Data को हमेशा normalise करें, क्योंकि choropleth maps में raw counts बड़े क्षेत्रों को बढ़ा-चढ़ाकर दिखाते हैं और छोटे क्षेत्रों के patterns छिपा देते हैं।
Dot density maps
एक dot density map किसी घटना के प्रति N उदाहरणों के लिए एक dot बिखेरता है। एक population dot density map प्रति 1,000 लोगों पर एक dot रख सकता है। आंख dots के बादल को घनत्व के रूप में पढ़ती है, बिना आपको संख्याएं गणना या label करने की ज़रूरत के। ये raw counts के लिए अच्छा काम करते हैं और choropleths की area-bias समस्या से बचते हैं।
Proportional symbol maps
एक proportional symbol map हर location पर एक circle (या अन्य आकार) रखता है और उसे एक मूल्य के अनुसार आकार देता है। Point locations पर raw counts के लिए ये बेहतरीन हैं: प्रति store ग्राहकों की संख्या, भूकंप की तीव्रता, प्रति शहर जनसंख्या। पाठक दो शहरों की सीधे तुलना दो circles की तुलना करके कर सकता है, चाहे हर शहर कितना भी भू-भाग क्यों न घेरता हो।
Isarithmic और heat maps
Isarithmic maps (जिन्हें contour maps भी कहा जाता है) एक continuous surface पर समान मूल्य की रेखाएं या भरी हुई पट्टियां बनाते हैं। स्थलाकृतिक contour रेखाएं, मौसम isotherms और दबाव isobars सभी isarithmic maps हैं। एक web heat map एक निकटता से जुड़ा visualisation है जो point data को एक continuous coloured surface में चिकना करता है, जो किसी शहर या website में activity के clusters दिखाने के लिए उपयोगी है।
Dasymetric और cartogram variations
Dasymetric maps एक choropleth को परिष्कृत करते हैं, सहायक data (जैसे land use) का उपयोग करके मूल्य को क्षेत्र के उन हिस्सों में धकेलते हैं जहां वह वास्तव में होता है। Cartograms क्षेत्रों के आकार को data से मेल खाने के लिए विकृत कर देते हैं, ताकि बड़ी जनसंख्या वाला देश map पर बड़ा बने, चाहे उसका भौतिक क्षेत्रफल कुछ भी हो। दोनों तब शक्तिशाली होते हैं जब standard प्रकार भ्रामक होते हैं।
सही प्रकार चुनना
Data से शुरू करें। यदि यह प्रशासनिक क्षेत्रों से जुड़ी एक rate या percentage है, तो choropleth का उपयोग करें। यदि यह point locations से जुड़ी एक raw count है, तो proportional symbols का उपयोग करें। यदि यह किसी क्षेत्र पर एक raw count है, तो dot density का उपयोग करें। यदि यह तापमान या ऊंचाई जैसी continuous variable है, तो isarithmic map का उपयोग करें। यदि भौतिक क्षेत्र संदेश को विकृत करेगा, तो cartogram का उपयोग करें।
फिर एक रंग योजना चुनें। Sequential schemes (हल्के से गहरे) ordered data के लिए काम करती हैं। Diverging schemes (एक midpoint पर मिलने वाले दो रंग) सार्थक शून्य वाले data के लिए काम करती हैं, जैसे किसी baseline के मुकाबले परिवर्तन। Categorical palettes unordered श्रेणियों के लिए हैं। इनमें से किसी के लिए भी ColorBrewer palettes अब भी standard reference बनी हुई हैं।
MapAtlas के साथ विषयगत मानचित्र बनाना
MapAtlas Maps API आपको vector tiles और styling controls देता है जो ऊपर बताए किसी भी प्रकार के लिए उपयुक्त हैं। आप प्रशासनिक सीमाओं के साथ एक base style लोड करते हैं, अपना data GeoJSON के रूप में fetch करते हैं, और एक fill layer (choropleths के लिए), एक circle layer (proportional symbols के लिए), या density visualisation के लिए एक heatmap layer जोड़ते हैं।
प्रशासनिक क्षेत्रों के लिए, सबसे आसान workflow यह है कि आप अपनी सीमाओं को GeoJSON के रूप में host करें, हर feature पर एक property के रूप में वह मूल्य attach करें जिसे आप map करना चाहते हैं, और एक fill layer जोड़ें जिसमें एक data-driven colour expression हो जो property को एक colour ramp से जोड़े। Point data के लिए, मूल्य को एक property के रूप में attach करें और मूल्य के अनुसार आकार वाले circle-radius expression का उपयोग करें, साथ ही व्यस्त maps पर सुपाठ्यता के लिए एक circle-stroke लगाएं।
यदि आपका लक्ष्य interactive विश्लेषण है (किसी क्षेत्र पर click करके सटीक संख्याएं देखना, श्रेणी के अनुसार filter करना, समय के साथ animate करना), तो Maps API को एक छोटी client-side state layer के साथ जोड़ें। Blog posts या reports के लिए one-shot static maps के लिए, यही API एक static image render कर सकती है जिसे आप PNG के रूप में save कर सकते हैं।
आप एक address को उस lat/lng में भी बदल सकते हैं जिसकी आपको एक symbol रखने के लिए ज़रूरत है, coordinates lookup tool के साथ, या accessibility-थीम वाले maps के लिए routing API से drive-time catchments calculate कर सकते हैं।
आम गलतियां जिनसे बचें
सबसे आम विफलता एक choropleth में raw counts का उपयोग है: एक क्षेत्र जो दोगुना बड़ा है, दोगुना महत्वपूर्ण दिखेगा। दूसरी है बहुत अधिक colour bins के साथ over-classifying करना, जो pattern को धुंधला कर देता है; पांच से सात classes आमतौर पर पर्याप्त हैं। तीसरी है colour-blindness को अनदेखा करना, default red-green palette उपयोगकर्ताओं के एक सार्थक हिस्से के लिए अपठनीय है।
विषयगत मानचित्र संचार का एक माध्यम है। गणित ईमानदार होना चाहिए, encoding स्पष्ट होनी चाहिए, और पाठक को pattern कुछ ही सेकंड में समझ में आ जाना चाहिए। जब ऐसा होता है, तो एक अकेला map एक spreadsheet की हज़ार पंक्तियों की जगह ले सकता है।
अक्सर पूछे जाने वाले प्रश्न
विषयगत मानचित्र क्या होता है?
विषयगत मानचित्र (thematic map) ऐसा map है जो किसी एक खास विषय का स्थानिक पैटर्न दिखाने के लिए बनाया जाता है, जैसे जनसंख्या घनत्व, औसत आय, चुनाव परिणाम या वर्षा। सामान्य reference map के विपरीत, जो एक साथ कई features (सड़कें, नदियां, शहर, भू-भाग) दिखाने की कोशिश करता है, विषयगत मानचित्र बाकी सब कुछ एक ही dataset के अधीन कर देता है और रंग, छायांकन या प्रतीकों का उपयोग करके उस dataset को एक नज़र में पढ़ने योग्य बना देता है।
विषयगत मानचित्र के मुख्य प्रकार कौन से हैं?
चार सबसे आम प्रकार हैं: choropleth maps (जो देशों या जिलों जैसे पूर्वनिर्धारित क्षेत्रों को मूल्य के अनुसार रंग देते हैं), dot density maps (जो किसी घटना के प्रति N उदाहरणों पर एक dot लगाते हैं), proportional symbol maps (जो हर location पर एक circle या square को मूल्य के अनुसार आकार देते हैं), और isarithmic या contour maps (जो समान मूल्य की रेखाएं या भरी हुई पट्टियां बनाते हैं, जैसे तापमान isotherm या स्थलाकृतिक contour)। Heat maps और dasymetric maps इनके व्यापक रूप से उपयोग होने वाले variations हैं।
Choropleth map का उपयोग कब करें और कब इससे बचें?
Choropleth map का उपयोग तब करें जब आपका data स्वाभाविक रूप से प्रशासनिक क्षेत्रों से जुड़ा हो और normalised हो (rates, percentages, या per-capita values, raw counts नहीं)। Raw counts के लिए इससे बचें, क्योंकि बड़े क्षेत्र केवल अपने आकार के कारण छोटे क्षेत्रों से अधिक महत्वपूर्ण दिखाई देंगे। Raw counts के लिए, proportional symbol map या dot density map आमतौर पर बेहतर विकल्प होता है।
