ਲਾਭ:
- QGIS ਅਤੇ Python (ਲਾਈਬ੍ਰੇਰੀਆਂ ਜਿਵੇਂ ਕਿ ਜੀਓਪੈਂਡਸ) ਦੇ ਨਾਲ ਸਥਾਨਿਕ ਡੇਟਾ ਪ੍ਰੋਸੈਸਿੰਗ ਲਈ ਕੋਡ ਅਤੇ ਵਰਕਫਲੋ ਜਨਰੇਸ਼ਨ ਵਿੱਚ AI ਦੀ ਵਰਤੋਂ ਕਰਨ ਦੀ ਸਮਰੱਥਾ
- ਛੋਟੇ ਨਮੂਨੇ ਦੇ ਡੇਟਾ 'ਤੇ AI ਦੁਆਰਾ ਤਿਆਰ ਕੀਤੇ ਸਥਾਨਿਕ ਕੋਡ ਦੀ ਜਾਂਚ ਕਰਨ ਅਤੇ ਤਾਲਮੇਲ ਪ੍ਰਣਾਲੀ ਅਤੇ ਜਿਓਮੈਟਰੀ ਗਲਤੀਆਂ ਦੇ ਵਿਰੁੱਧ ਇਸ ਦੀ ਪੁਸ਼ਟੀ ਕਰਨ ਦੀ ਸਮਰੱਥਾ
- ਡੇਟਾ ਦੀ ਗੁਪਤਤਾ ਨੂੰ ਸਮਝਣ ਦੀ ਸਮਰੱਥਾ ਅਤੇ ਅਸਲ ਪ੍ਰੋਜੈਕਟ ਡੇਟਾ 'ਤੇ ਇਸ ਨੂੰ ਚਲਾਉਣ ਤੋਂ ਪਹਿਲਾਂ AI ਦੁਆਰਾ ਤਿਆਰ ਕੀਤੀ ਸਕ੍ਰਿਪਟ ਦੀ ਜਾਂਚ ਕਰਨ ਦੀ ਜ਼ਰੂਰਤ।
ਇੱਕ ਯੋਜਨਾਬੰਦੀ ਯੂਨਿਟ ਵਿੱਚ ਦੁਹਰਾਉਣ ਵਾਲੇ ਸਥਾਨਿਕ ਕਾਰਜ (ਲੇਅਰਾਂ ਨੂੰ ਕੱਟਣਾ, ਡਰਾਇੰਗ ਬਫਰਾਂ, ਖੇਤਰਾਂ ਦੀ ਗਣਨਾ ਕਰਨਾ, ਟੇਬਲਾਂ ਨੂੰ ਜੋੜਨਾ) ਘੰਟੇ ਲੈਂਦੇ ਹਨ ਅਤੇ ਹੱਥੀਂ ਕੀਤੇ ਜਾਣ 'ਤੇ ਗਲਤੀਆਂ ਪੈਦਾ ਹੁੰਦੀਆਂ ਹਨ। ਇੱਥੇ ਦੋ ਸ਼ਕਤੀਸ਼ਾਲੀ, ਮੁਫਤ ਅਤੇ ਓਪਨ ਸੋਰਸ ਟੂਲ ਹਨ ਜੋ ਇਹਨਾਂ ਕੰਮਾਂ ਨੂੰ ਸਵੈਚਾਲਤ ਕਰਦੇ ਹਨ: QGIS (ਇੱਕ ਡੈਸਕਟੌਪ GIS ਸੌਫਟਵੇਅਰ) ਅਤੇ ਪਾਈਥਨ (ਸਪੇਸ਼ੀਅਲ ਡੇਟਾ ਲਈ ਲਾਇਬ੍ਰੇਰੀਆਂ ਵਾਲੀ ਇੱਕ ਪ੍ਰੋਗਰਾਮਿੰਗ ਭਾਸ਼ਾ ਜਿਵੇਂ ਕਿ ਜੀਓਪੈਂਡਸ, ਸ਼ੇਪਲੀ, ਰਾਸਟਰਿਓ)। AI ਇਹਨਾਂ ਸਾਧਨਾਂ ਲਈ ਕੋਡ ਅਤੇ ਵਰਕਫਲੋ ਤਿਆਰ ਕਰਨ ਵਿੱਚ ਬਹੁਤ ਤੇਜ਼ ਹੈ: ਇਹ ਇੱਕ ਵਾਕ ਦੀ ਬੇਨਤੀ ਤੋਂ ਇੱਕ ਕਾਰਜਸ਼ੀਲ ਸਕ੍ਰਿਪਟ ਦਾ ਖਰੜਾ ਤਿਆਰ ਕਰਦਾ ਹੈ। ਪਰ AI ਉਹਨਾਂ ਧਾਰਨਾਵਾਂ ਦੇ ਨਾਲ ਕੋਡ ਲਿਖਦਾ ਹੈ ਜੋ ਤੁਸੀਂ ਨਹੀਂ ਦੇਖ ਸਕਦੇ - ਗਲਤ ਤਾਲਮੇਲ ਪ੍ਰਣਾਲੀ, ਗਲਤ ਯੂਨਿਟ, ਇੱਕ ਓਪਰੇਸ਼ਨ ਜੋ ਚੁੱਪਚਾਪ ਤੱਤਾਂ ਨੂੰ ਮਿਟਾ ਦਿੰਦਾ ਹੈ। ਇਸ ਲਈ ਹਰ ਸਥਾਨਿਕ ਕੋਡ ਜੋ AI ਪੈਦਾ ਕਰਦਾ ਹੈ, ਨੂੰ ਅਸਲ ਪ੍ਰੋਜੈਕਟ ਡੇਟਾ 'ਤੇ ਚਲਾਉਣ ਤੋਂ ਪਹਿਲਾਂ ਇੱਕ ਛੋਟੇ ਨਮੂਨੇ 'ਤੇ ਪੜ੍ਹਿਆ ਅਤੇ ਟੈਸਟ ਕੀਤਾ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ। ਇਹ ਯੂਨਿਟ AI ਨਾਲ ਸੁਰੱਖਿਅਤ ਸਥਾਨਿਕ ਆਟੋਮੇਸ਼ਨ ਸਿਖਾਉਂਦੀ ਹੈ, ਭਾਵੇਂ ਤੁਸੀਂ ਕੋਡ ਕਰਨਾ ਨਹੀਂ ਜਾਣਦੇ ਹੋ।
QGIS ਅਤੇ Python ਕਿਉਂ
QGIS ਤੁਹਾਨੂੰ ਕਲਿੱਕ ਕਰਕੇ ਵਿਸ਼ਲੇਸ਼ਣ ਕਰਨ ਦਿੰਦਾ ਹੈ; ਇਹ ਸਿੱਖਣਾ ਆਸਾਨ ਹੈ ਅਤੇ ਇਸ ਵਿੱਚ ਪਾਈਥਨ ਕੰਸੋਲ ਸ਼ਾਮਲ ਹੈ। ਦੂਜੇ ਪਾਸੇ, ਪਾਈਥਨ, ਤੁਹਾਨੂੰ ਇੱਕ ਵਾਰ ਦੁਹਰਾਉਣ ਵਾਲੇ ਕਾਰਜਾਂ ਨੂੰ ਲਿਖਣ ਅਤੇ ਉਹਨਾਂ ਨੂੰ ਸੈਂਕੜੇ ਫਾਈਲਾਂ ਵਿੱਚ ਚਲਾਉਣ ਦੀ ਆਗਿਆ ਦਿੰਦਾ ਹੈ। ਜੀਓਪੈਂਡਸ ਯੋਜਨਾਕਾਰਾਂ ਲਈ ਸਭ ਤੋਂ ਪ੍ਰੈਕਟੀਕਲ ਲਾਇਬ੍ਰੇਰੀ ਹੈ, ਟੇਬਲਯੂਲਰ ਡੇਟਾ (ਪਾਂਡਾ) ਨੂੰ ਭੂਗੋਲ ਨਾਲ ਜੋੜਦਾ ਹੈ: ਲੇਅਰਾਂ ਨੂੰ ਪੜ੍ਹਦਾ ਹੈ, ਫਿਲਟਰ ਕਰਦਾ ਹੈ, ਬਫਰਾਂ ਨੂੰ ਖਿੱਚਦਾ ਹੈ, ਕੋਡ ਦੀ ਇੱਕ ਲਾਈਨ ਨਾਲ ਖੇਤਰਾਂ ਦੀ ਗਣਨਾ ਕਰਦਾ ਹੈ। ਏਆਈ ਜੀਓਪਾਂਡਾ ਕੋਡ ਬਹੁਤ ਵਧੀਆ ਲਿਖਦਾ ਹੈ; ਪਰ ਕੋਡ ਜੋ ਚੰਗਾ ਲੱਗਦਾ ਹੈ ਹਮੇਸ਼ਾ ਸਹੀ ਕੋਡ ਨਹੀਂ ਹੁੰਦਾ।
ਸਾਵਧਾਨ: ਏਆਈ ਦੁਆਰਾ ਲਿਖੀ ਗਈ ਇੱਕ ਸਕ੍ਰਿਪਟ ਬਿਨਾਂ ਗਲਤੀ ਦੇ ਚੱਲ ਸਕਦੀ ਹੈ ਅਤੇ ਫਿਰ ਵੀ ਪੂਰੀ ਤਰ੍ਹਾਂ ਗਲਤ ਨਤੀਜੇ ਪੈਦਾ ਕਰ ਸਕਦੀ ਹੈ। "ਕੰਮ ਕੀਤਾ" ਅਤੇ "ਸਹੀ" ਦੋ ਵੱਖ-ਵੱਖ ਚੀਜ਼ਾਂ ਹਨ। ਪ੍ਰਮਾਣਿਕਤਾ ਇਹ ਨਹੀਂ ਹੈ ਕਿ ਕੋਡ ਫੇਲ ਹੋ ਜਾਂਦਾ ਹੈ, ਪਰ ਇਹ ਕਿ ਨਤੀਜਾ ਇੱਕ ਜਾਣੇ-ਪਛਾਣੇ ਹਵਾਲੇ ਨਾਲ ਮੇਲ ਖਾਂਦਾ ਹੈ।
ਇੱਕ ਹੋਰ ਮਹੱਤਵਪੂਰਨ ਧਾਰਨਾ ਪ੍ਰਜਨਨਯੋਗਤਾ ਹੈ: ਇੱਕ ਜਨਤਕ ਸੰਸਥਾ ਵਿੱਚ ਤੁਹਾਡੇ ਦੁਆਰਾ ਕੀਤੇ ਗਏ ਵਿਸ਼ਲੇਸ਼ਣ ਨੂੰ ਮਹੀਨਿਆਂ ਬਾਅਦ ਕਿਸੇ ਹੋਰ ਦੁਆਰਾ ਉਸੇ ਕਦਮਾਂ ਨਾਲ ਦੁਹਰਾਉਣ ਦੇ ਯੋਗ ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ। ਦਸਤੀ ਕਲਿਕ ਕਰਕੇ ਕੀਤੀਆਂ ਕਾਰਵਾਈਆਂ ਨੂੰ ਯਾਦ ਨਹੀਂ ਰੱਖਿਆ ਜਾਂਦਾ ਅਤੇ ਆਡਿਟ ਨਹੀਂ ਕੀਤਾ ਜਾ ਸਕਦਾ; ਜਦੋਂ ਕਿ ਪਾਈਥਨ ਸਕ੍ਰਿਪਟ ਦੋਵੇਂ ਕੰਮ ਦਾ ਰਿਕਾਰਡ ਹੈ ਅਤੇ ਉਸੇ ਨਤੀਜੇ ਨੂੰ ਦੁਬਾਰਾ ਪੇਸ਼ ਕਰਦੀ ਹੈ। AI ਨਾਲ ਤੁਹਾਡੇ ਦੁਆਰਾ ਤਿਆਰ ਕੀਤੇ ਗਏ ਕੋਡ ਨੂੰ ਇਸ ਦੀਆਂ ਟਿੱਪਣੀਆਂ ਦੇ ਨਾਲ ਸਟੋਰ ਕਰਨਾ ਜਵਾਬਦੇਹੀ ਅਤੇ ਕਾਰਪੋਰੇਟ ਮੈਮੋਰੀ ਦੋਵਾਂ ਨੂੰ ਮਜ਼ਬੂਤ ਕਰਦਾ ਹੈ। ਇਸ ਲਈ "ਪੜ੍ਹਨਯੋਗ, ਟਿੱਪਣੀ ਅਤੇ ਸਟੋਰ ਕੀਤੇ ਕੋਡ" ਲਈ ਟੀਚਾ ਰੱਖੋ, ਨਾ ਕਿ "ਵਰਕਿੰਗ ਕੋਡ"। ਇੱਕ ਚੰਗੀ ਆਦਤ ਇਹ ਹੈ ਕਿ ਹਰੇਕ ਸਕ੍ਰਿਪਟ ਦੇ ਸ਼ੁਰੂ ਵਿੱਚ ਇੱਕ ਛੋਟਾ ਵੇਰਵਾ ਬਲਾਕ ਜੋੜਨਾ, ਇਹ ਦੱਸਦੇ ਹੋਏ ਕਿ ਇਹ ਕਿਸ ਡੇਟਾ 'ਤੇ ਚੱਲਦਾ ਹੈ, ਕਿਸ ਮਿਤੀ ਨੂੰ, ਅਤੇ ਕਿਸ ਉਦੇਸ਼ ਲਈ।
AI ਨਾਲ ਕੋਡ ਬਣਾਉਣ ਦੇ ਸੁਨਹਿਰੀ ਨਿਯਮ
- ਪ੍ਰਸੰਗ ਦਿਓ. ਫਾਈਲ ਫਾਰਮੈਟ, CRS, ਕਾਲਮ ਦੇ ਨਾਮ, ਤੁਸੀਂ ਕੀ ਕਰਨਾ ਚਾਹੁੰਦੇ ਹੋ।
- ਛੋਟੇ ਲਈ ਪੁੱਛੋ. ਇੱਕ ਸ਼ੌਰਟਕੋਡ ਜੋ ਇੱਕ ਕੰਮ ਕਰਦਾ ਹੈ ਇੱਕ ਵਿਸ਼ਾਲ ਸਕ੍ਰਿਪਟ ਨਾਲੋਂ ਸੁਰੱਖਿਅਤ ਹੈ।
- ਸਪਸ਼ਟੀਕਰਨ ਮੰਗੋ। ਏਆਈ ਨੂੰ ਪ੍ਰਿੰਟ ਕਰੋ ਕਿ ਕੋਡ ਦੀ ਹਰੇਕ ਲਾਈਨ ਕੀ ਕਰਦੀ ਹੈ; ਉਹ ਕੋਡ ਨਾ ਚਲਾਓ ਜੋ ਤੁਸੀਂ ਨਹੀਂ ਸਮਝਦੇ।
- ਨਮੂਨੇ 'ਤੇ ਇਸ ਦੀ ਜਾਂਚ ਕਰੋ. ਪਹਿਲਾਂ ਇਸਨੂੰ 10-20 ਰਿਕਾਰਡਾਂ ਦੇ ਨਮੂਨੇ ਦੇ ਡੇਟਾ 'ਤੇ ਅਜ਼ਮਾਓ।
- ਹਵਾਲੇ ਨਾਲ ਤੁਲਨਾ ਕਰੋ. ਕਿਸੇ ਜਾਣੇ-ਪਛਾਣੇ ਮੁੱਲ ਨਾਲ ਖੇਤਰ/ਦੂਰੀ ਦੀ ਤੁਲਨਾ ਕਰੋ।
- ਬੈਕਅੱਪ ਕਰੋ। ਕਦੇ ਵੀ ਮਾਸਟਰ ਡੇਟਾ ਨੂੰ ਓਵਰਰਾਈਟ ਨਾ ਕਰੋ; ਕਾਪੀ ਵਿੱਚ ਕੰਮ ਕਰੋ.
ਕਦਮ ਦਰ ਕਦਮ: AI ਨਾਲ ਇੱਕ ਸੁਰੱਖਿਅਤ ਸਥਾਨਿਕ ਸਕ੍ਰਿਪਟ
- ਕੰਮ ਨੂੰ ਸਪੱਸ਼ਟ ਕਰੋ. "ਪਾਰਸਲ ਲੇਅਰ ਤੋਂ ਹਰੇ ਖੇਤਰਾਂ ਦੀ ਚੋਣ ਕਰੋ, ਉਹਨਾਂ ਦੇ ਖੇਤਰਾਂ ਦੀ ਗਣਨਾ ਕਰੋ, 5000 m² ਤੋਂ ਉੱਪਰ ਦੇ ਖੇਤਰ ਨੂੰ ਇੱਕ ਵੱਖਰੀ ਫਾਈਲ ਵਿੱਚ ਲਿਖੋ।"
- ਡੇਟਾ ਦੀ ਪਛਾਣ ਕਰੋ। ਫਾਰਮੈਟ (ਜੀਓਪੈਕੇਜ/ਸ਼ੇਪਫਾਈਲ), CRS, ਸੰਬੰਧਿਤ ਕਾਲਮ ਨਾਮ।
- AI ਲਈ ਪ੍ਰਿੰਟ ਕੋਡ + ਵਰਣਨ। ਲਾਈਨ ਦਰ ਲਾਈਨ ਟਿੱਪਣੀ ਕਰੋ।
- CRS ਅਤੇ ਯੂਨਿਟ ਕੰਟਰੋਲ ਕਰਵਾਓ। m² ਵਿੱਚ ਖੇਤਰ ਜਾਂ ਮੀਟ੍ਰਿਕ CRS ਵਿੱਚ ਪਰਤ?
- ਨਮੂਨਾ ਡਾਟਾ 'ਤੇ ਚਲਾਓ. ਨਤੀਜੇ ਦੀ ਦ੍ਰਿਸ਼ਟੀ ਨਾਲ ਜਾਂਚ ਕਰੋ।
- ਇੱਕ ਹਵਾਲੇ ਨਾਲ ਪੁਸ਼ਟੀ ਕਰੋ. ਪਾਰਸਲ ਦੇ ਖੇਤਰ ਦੀ ਤੁਲਨਾ ਇਸਦੇ ਸਿਰਲੇਖ ਡੀਡ ਮੁੱਲ ਨਾਲ ਕਰੋ।
- ਇਸਨੂੰ ਮਾਸਟਰ ਡੇਟਾ ਤੇ ਚਲਾਓ, ਨਵੀਂ ਫਾਈਲ ਵਿੱਚ ਆਉਟਪੁੱਟ ਲਿਖੋ.
ਕਮਜ਼ੋਰ ਪ੍ਰੋਂਪਟ / ਮਜ਼ਬੂਤ ਪ੍ਰੋਂਪਟ
ਕਮਜ਼ੋਰ ਪ੍ਰੋਂਪਟ: "ਪਾਰਸਲਾਂ ਦੇ ਖੇਤਰ ਦੀ ਗਣਨਾ ਕਰੋ।"
AI ਕੋਆਰਡੀਨੇਟ ਸਿਸਟਮ, ਫਾਰਮੈਟ ਅਤੇ ਕਾਲਮ ਨੂੰ ਜਾਣੇ ਬਿਨਾਂ ਲਿਖਦਾ ਹੈ; ਖੇਤਰ ਗਲਤ ਯੂਨਿਟ ਜਾਂ ਗਲਤ CRS ਵਿੱਚ ਦਿਖਾਈ ਦੇ ਸਕਦਾ ਹੈ।
ਮਜ਼ਬੂਤ ਪ੍ਰੋਂਪਟ: "ਜੀਓਪੈਂਡਸ ਦੇ ਨਾਲ, ਇੱਕ ਜੀਓਪੈਕੇਜ ਲੇਅਰ ('parcels.gpkg', ਇੱਕ ਮੀਟ੍ਰਿਕ ਰਾਸ਼ਟਰੀ ਪ੍ਰਣਾਲੀ ਜਿਵੇਂ ਕਿ CRS: EPSG:5254) ਨੂੰ ਪੜ੍ਹੋ ਅਤੇ m² ਵਿੱਚ ਹਰੇਕ ਪਾਰਸਲ ਦੇ ਖੇਤਰ ਨੂੰ ਇੱਕ ਨਵੇਂ 'ਏਰੀਆ_m2' ਕਾਲਮ ਵਿੱਚ ਲਿਖੋ। ਕੋਡ ਦੀ ਹਰੇਕ ਲਾਈਨ 'ਤੇ ਟਿੱਪਣੀ ਕਰੋ। ਉਸ ਜੰਗ ਖੇਤਰ ਵਿੱਚ ਇੱਕ Ccalculation ਲਾਈਨ ਜੋੜੋ ਜੋ ਕਿ ਜੰਗ ਖੇਤਰ ਵਿੱਚ CRS ਹੈ; ਜੇਕਰ ਇਹ ਨਹੀਂ ਹੈ ਤਾਂ ਇੱਕ ਨਵੀਂ ਫਾਈਲ ਵਿੱਚ ਆਉਟਪੁੱਟ ਲਿਖੋ, ਅਸਲੀ ਨੂੰ ਨਾ ਬਦਲੋ।"
ਦੂਜਾ ਪ੍ਰੋਂਪਟ ਆਡਿਟ ਕਰਨ ਯੋਗ, ਸੁਰੱਖਿਅਤ ਕੋਡ ਪੈਦਾ ਕਰਦਾ ਹੈ ਕਿਉਂਕਿ ਇਸ ਵਿੱਚ CRS, ਯੂਨਿਟ, ਸੁਰੱਖਿਅਤ ਆਉਟਪੁੱਟ, ਅਤੇ ਵੇਰਵਾ ਹੁੰਦਾ ਹੈ।
ਚਾਰ ਕਾਪੀ ਕਰਨ ਯੋਗ ਟੈਂਪਲੇਟ
ਟਾਸਕ: ਇੱਕ ਛੋਟਾ ਪਾਈਥਨ ਕੋਡ ਲਿਖੋ ਜੋ ਜੀਓਪੈਂਡਸ ਨਾਲ ਹੇਠਾਂ ਦਿੱਤੇ ਕੰਮ ਨੂੰ ਕਰਦਾ ਹੈ। ਹਰ ਲਾਈਨ ਨੂੰ ਤੁਰਕੀ ਵਿੱਚ ਟਿੱਪਣੀ ਕਰੋ। ਐਕਸ਼ਨ: [...]ਇਨਪੁਟ ਫਾਈਲ: [...] (ਫਾਰਮੈਟ, CRS: [...], ਸੰਬੰਧਿਤ ਕਾਲਮ: [...])ਨਿਯਮ: ਮੂਲ ਫਾਈਲ ਨੂੰ ਨਾ ਬਦਲੋ, ਨਵੀਂ ਫਾਈਲ ਵਿੱਚ ਆਉਟਪੁੱਟ ਲਿਖੋ। ਕਾਰਵਾਈ ਕਰਨ ਤੋਂ ਪਹਿਲਾਂ CRS ਮੈਟ੍ਰਿਕ ਦੀ ਜਾਂਚ ਕਰੋ; ਜੇ ਨਹੀਂ, ਚੇਤਾਵਨੀ ਦਿਓ.
ਟਾਸਕ: ਹੇਠਾਂ ਦਿੱਤੀ ਪਾਈਥਨ/ਜੀਓਪੈਂਡਸ ਕੋਡ ਲਾਈਨ ਨੂੰ ਲਾਈਨ ਦੁਆਰਾ ਸਮਝਾਓ ਅਤੇ ਜੋਖਮਾਂ 'ਤੇ ਨਿਸ਼ਾਨ ਲਗਾਓ: ਕਿਹੜੀ ਲਾਈਨ ਡੇਟਾ ਨੂੰ ਮਿਟਾ/ਓਵਰਰਾਈਟ ਕਰ ਸਕਦੀ ਹੈ, ਕਿਹੜਾ ਓਪਰੇਸ਼ਨ CRS ਜਾਂ ਵਾਲੀਅਮ ਨੂੰ ਮੰਨਦਾ ਹੈ, ਵੱਡੇ ਡੇਟਾ 'ਤੇ ਕਿਹੜਾ ਕਦਮ ਹੌਲੀ ਹੋਵੇਗਾ। ਕੋਡ ਬਦਲਣਾ; ਸਿਰਫ਼ ਸਮਝਾਓ ਅਤੇ ਚੇਤਾਵਨੀ ਦਿਓ। ਕੋਡ: [...]
ਕੰਮ: ਅਸਲ ਡੇਟਾ 'ਤੇ ਇਸ ਕੋਡ ਨੂੰ ਚਲਾਉਣ ਤੋਂ ਪਹਿਲਾਂ ਇੱਕ ਛੋਟੀ ਟੈਸਟ ਯੋਜਨਾ ਲਿਖੋ। ਕਿਸ ਨਮੂਨੇ ਦੇ ਡੇਟਾ ਦੇ ਨਾਲ, ਕਿਹੜੇ ਸੰਭਾਵਿਤ ਨਤੀਜੇ ਦੇ ਨਾਲ, ਕਿਸ ਸੰਦਰਭ ਮੁੱਲ ਨਾਲ ਇਸ ਨੂੰ ਪ੍ਰਮਾਣਿਤ ਕੀਤਾ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ? ਇੱਕ ਚੈਕਲਿਸਟ ਦਿਓ. ਕੋਡ/ਐਕਸ਼ਨ: [...]
ਟਾਸਕ: ਹੇਠਾਂ ਦਿੱਤੀ QGIS ਕਾਰਵਾਈ (ਕਲਿੱਕ ਸਟੈਪਸ) ਨੂੰ QGIS ਮੀਨੂ ਪਾਥ ਅਤੇ ਬਰਾਬਰ Python/GeoPandas ਕੋਡ ਦੇ ਰੂਪ ਵਿੱਚ ਵਰਣਨ ਕਰੋ। ਅੰਤਰ ਅਤੇ ਦਿਲਚਸਪੀ ਦੇ ਬਿੰਦੂ (CRS, ਯੂਨਿਟ) ਨਿਸ਼ਚਿਤ ਕਰੋ। ਪ੍ਰਕਿਰਿਆ: [...]
ਇੱਕ ਸਾਰਣੀ: ਅਕਸਰ ਸਥਾਨਿਕ ਓਪਰੇਸ਼ਨ ਅਤੇ ਉਹਨਾਂ ਦੇ ਨੁਕਸਾਨ
ਲੈਣ-ਦੇਣ
ਕੀ ਕਰਦਾ ਹੈ
AI ਕੋਡ ਵਿੱਚ ਫਸ
ਤਸਦੀਕ
ਫੀਲਡ ਖਾਤਾ
ਬਹੁਭੁਜ ਖੇਤਰ ਲੱਭਦਾ ਹੈ
ਭੂਗੋਲਿਕ CRS ਵਿੱਚ ਫੀਲਡ ਅਰਥਹੀਣ ਹੈ
ਜਾਣੇ-ਪਛਾਣੇ ਖੇਤਰ ਨਾਲ ਤੁਲਨਾ
ਬਫਰ
ਸਰਹੱਦ ਦੇ ਆਲੇ ਦੁਆਲੇ ਖੇਤਰ
ਯੂਨਿਟ (ਡਿਗਰੀ/ਮੀਟਰ) ਗਲਤੀ
ਮੀਟ੍ਰਿਕ CRS + ਮਾਪ
ਸਥਾਨਿਕ ਏਕੀਕਰਣ
ਐਸੋਸੀਏਟ ਲੇਅਰਾਂ
ਗਲਤ ਕੁੰਜੀ/ਡੁਪਲੀਕੇਟ ਰਜਿਸਟ੍ਰੇਸ਼ਨ
ਰਿਕਾਰਡ ਗਿਣਤੀ ਨਿਯੰਤਰਣ
ਕਲਿੱਪ
ਖੇਤਰ ਦੇ ਨਾਲ ਕੱਟ
ਸੀਮਾ ਤੋਂ ਬਾਹਰ ਡੇਟਾ ਦਾ ਨੁਕਸਾਨ
ਇਨਪੁਟ/ਆਊਟਪੁੱਟ ਦੀ ਤੁਲਨਾ ਕਰੋ
ਰੀਪ੍ਰੋਜੈਕਸ਼ਨ
CRS ਬਦਲਦਾ ਹੈ
ਗਲਤ ਟੀਚਾ CRS
EPSG ਕੋਡ ਦੀ ਪੁਸ਼ਟੀ
ਤਿੰਨ ਛੋਟੇ ਕੇਸ
ਕੇਸ 1 - ਚੁੱਪ ਓਵਰਰਾਈਟਿੰਗ। ਇੱਕ ਯੋਜਨਾਕਾਰ ਅਧਾਰ ਪਰਤ 'ਤੇ ਸਿੱਧੇ AI ਦੁਆਰਾ ਲਿਖੀ ਗਈ ਇੱਕ ਸਕ੍ਰਿਪਟ ਚਲਾਉਂਦਾ ਹੈ। ਕੋਡ ਇੱਕ ਫਿਲਟਰ ਨੂੰ ਗਲਤ ਢੰਗ ਨਾਲ ਲਾਗੂ ਕਰਦਾ ਹੈ, ਲੇਅਰ ਦੇ ਅੱਧੇ ਹਿੱਸੇ ਨੂੰ ਮਿਟਾ ਦਿੰਦਾ ਹੈ, ਅਤੇ ਇਸਨੂੰ ਉਸੇ ਫਾਈਲ ਵਿੱਚ ਸੁਰੱਖਿਅਤ ਕਰਦਾ ਹੈ। ਕਿਉਂਕਿ ਕੋਈ ਬੈਕਅੱਪ ਨਹੀਂ ਹੈ, ਇਸ ਲਈ ਕਈ ਦਿਨਾਂ ਤੱਕ ਚੱਲਣ ਵਾਲਾ ਡੇਟਾ ਖਤਮ ਹੋ ਜਾਂਦਾ ਹੈ। ਪਾਠ: ਆਉਟਪੁੱਟ ਹਮੇਸ਼ਾਂ ਨਵੀਂ ਫਾਈਲ ਵਿੱਚ, ਮਾਸਟਰ ਡੇਟਾ ਹਮੇਸ਼ਾਂ ਬੇਲੋੜਾ।
ਕੇਸ 2 - ਗਲਤ ਯੂਨਿਟ ਦੇ ਨਾਲ ਬਫਰ। ਇੱਕ ਟੀਮ ਸਕੂਲਾਂ ਲਈ 500-ਫੁੱਟ ਪਹੁੰਚ ਬਫਰ ਦੀ ਬੇਨਤੀ ਕਰਦੀ ਹੈ। AI ਕੋਡ ਜੀਓ CRS 'ਤੇ ਚੱਲਦਾ ਹੈ; 500 "ਡਿਗਰੀ" ਬਫਰ ਪੂਰੇ ਨਕਸ਼ੇ ਨੂੰ ਕਵਰ ਕਰਦਾ ਹੈ। ਕਿਉਂਕਿ ਟੀਮ ਇੱਕ ਛੋਟੇ ਨਮੂਨੇ 'ਤੇ ਟੈਸਟ ਕਰਦੀ ਹੈ, ਇਹ ਮੁੱਖ ਡੇਟਾ ਵਿੱਚ ਪਾਸ ਹੋਣ ਤੋਂ ਪਹਿਲਾਂ ਗਲਤੀ ਨੂੰ ਫੜ ਲੈਂਦਾ ਹੈ; ਮੈਟ੍ਰਿਕ CRS ਵਿੱਚ ਪ੍ਰੋਜੈਕਸ਼ਨ ਜੋੜਦਾ ਅਤੇ ਠੀਕ ਕਰਦਾ ਹੈ। ਪਰਖ ਦੀ ਆਦਤ ਤਬਾਹੀ ਤੋਂ ਬਚਦੀ ਹੈ।
ਕੇਸ 3 - ਵਿਆਖਿਆਤਮਕ ਸਿਖਲਾਈ। ਇੱਕ ਯੋਜਨਾਕਾਰ ਜੋ ਕੋਡ ਨੂੰ ਨਹੀਂ ਜਾਣਦਾ ਹੈ, AI ਦੁਆਰਾ ਹਰੇਕ ਲਾਈਨ ਦੀ ਵਿਆਖਿਆ ਕਰਕੇ ਇੱਕ ਜੁਆਇਨ ਕੋਡ ਤਿਆਰ ਕਰਦਾ ਹੈ। ਉਹ ਵਰਣਨ ਵਿੱਚ "ਇਹ ਕਤਾਰ ਬੇਮਿਸਾਲ ਰਿਕਾਰਡ ਛੱਡਦੀ ਹੈ" ਵੇਖਦਾ ਹੈ ਅਤੇ ਮਹਿਸੂਸ ਕਰਦਾ ਹੈ ਕਿ ਇਹ ਕੁਝ ਪਾਰਸਲ ਗੁਆ ਦੇਵੇਗਾ; ਇਹ AI ਨੂੰ ਅਜਿਹੇ ਸੰਸਕਰਣ ਲਈ ਪੁੱਛਦਾ ਹੈ ਜੋ ਗੈਰ-ਮੇਲ ਵੀ ਰੱਖਦਾ ਹੈ। ਕੋਡ ਨੂੰ ਸਮਝਣਾ ਇਸਨੂੰ ਸੁਰੱਖਿਅਤ ਢੰਗ ਨਾਲ ਵਰਤਣ ਲਈ ਇੱਕ ਪੂਰਵ ਸ਼ਰਤ ਹੈ।
ਆਮ ਗਲਤੀਆਂ
- ਮਾਸਟਰ ਡੇਟਾ 'ਤੇ ਸਿੱਧਾ ਚੱਲ ਰਿਹਾ ਹੈ। ਹਮੇਸ਼ਾ ਕਾਪੀ 'ਤੇ ਕੰਮ ਕਰੋ, ਨਵੀਂ ਫਾਈਲ 'ਤੇ ਆਉਟਪੁੱਟ ਲਿਖੋ।
- ਗਲਤੀ ਨਾਲ "ਸਹੀ" ਲਈ "ਕੰਮ ਕੀਤਾ"। ਗਲਤੀ-ਮੁਕਤ ਕੋਡ ਗਲਤ ਨਤੀਜੇ ਪੈਦਾ ਕਰ ਸਕਦਾ ਹੈ; ਹਵਾਲੇ ਨਾਲ ਪੁਸ਼ਟੀ ਕਰੋ।
- CRS ਅਤੇ ਵਾਲੀਅਮ ਨੂੰ ਮੰਨਣਾ। ਖੇਤਰ ਅਤੇ ਦੂਰੀ ਦੀਆਂ ਕਾਰਵਾਈਆਂ ਲਈ ਹਮੇਸ਼ਾਂ ਮੀਟ੍ਰਿਕ CRS ਦੀ ਜਾਂਚ ਕਰੋ।
- ਚੱਲ ਰਿਹਾ ਕੋਡ ਜੋ ਤੁਸੀਂ ਨਹੀਂ ਸਮਝਦੇ। ਬਿਨਾਂ ਸਪੱਸ਼ਟੀਕਰਨ ਪੁੱਛੇ ਅਤੇ ਇਹ ਜਾਣੇ ਬਿਨਾਂ ਕਿ ਲਾਈਨਾਂ ਕੀ ਕਰਦੀਆਂ ਹਨ ਇਸ ਨੂੰ ਚਲਾਉਣਾ ਜੋਖਮ ਭਰਿਆ ਹੈ।
- ਛੋਟਾ ਟੈਸਟ ਛੱਡੋ. ਨਮੂਨਾ ਡੇਟਾ ਦੀ ਕੋਸ਼ਿਸ਼ ਕੀਤੇ ਬਿਨਾਂ ਵੱਡੇ ਡੇਟਾ ਤੇ ਸਵਿਚ ਕਰਨਾ ਗਲਤੀ ਦਾ ਸਭ ਤੋਂ ਆਮ ਸਰੋਤ ਹੈ।
- ਬਿਨਾਂ ਸੋਚੇ ਸਮਝੇ ਕਲਾਊਡ ਡਿਵਾਈਸਾਂ ਨੂੰ ਗੁਪਤ ਡੇਟਾ ਦੇਣਾ। ਕੋਡ ਬਣਾਉਣ ਵੇਲੇ ਅਸਲ ਪਾਰਸਲ/ਵਿਅਕਤੀ ਡੇਟਾ ਨੂੰ ਸਾਂਝਾ ਨਾ ਕਰੋ; ਨਮੂਨਾ/ਅਗਿਆਤ ਡੇਟਾ ਦੀ ਵਰਤੋਂ ਕਰੋ।
ਸੰਖੇਪ ਵਿੱਚ
QGIS ਅਤੇ Python (ਖਾਸ ਤੌਰ 'ਤੇ GeoPandas) ਯੋਜਨਾਬੰਦੀ ਵਿੱਚ ਦੁਹਰਾਉਣ ਵਾਲੇ ਸਥਾਨਿਕ ਕਾਰਜਾਂ ਨੂੰ ਸਵੈਚਲਿਤ ਕਰਦੇ ਹਨ; AI ਇਹਨਾਂ ਸਾਧਨਾਂ ਲਈ ਤੇਜ਼ੀ ਨਾਲ ਕੋਡ ਤਿਆਰ ਕਰਦਾ ਹੈ। ਪਰ AI ਉਹਨਾਂ ਧਾਰਨਾਵਾਂ ਨਾਲ ਕੋਡ ਲਿਖਦਾ ਹੈ ਜੋ ਤੁਸੀਂ ਨਹੀਂ ਦੇਖ ਸਕਦੇ: ਗਲਤ CRS, ਗਲਤ ਵਾਲੀਅਮ, ਓਪਰੇਸ਼ਨ ਜੋ ਚੁੱਪਚਾਪ ਡੇਟਾ ਨੂੰ ਮਿਟਾਉਂਦੇ ਹਨ। ਸੁਰੱਖਿਅਤ ਵਰਤੋਂ ਛੇ ਨਿਯਮਾਂ 'ਤੇ ਅਧਾਰਤ ਹੈ: ਸੰਦਰਭ ਦਿਓ, ਛੋਟਾ ਮੰਗੋ, ਸਪੱਸ਼ਟੀਕਰਨ ਪ੍ਰਾਪਤ ਕਰੋ, ਉਦਾਹਰਣ ਵਜੋਂ ਜਾਂਚ ਕਰੋ, ਹਵਾਲੇ ਦੁਆਰਾ ਪੁਸ਼ਟੀ ਕਰੋ, ਬੈਕਅੱਪ ਕਰੋ। "ਕੰਮ ਕੀਤਾ" "ਸਹੀ" ਦੇ ਸਮਾਨ ਨਹੀਂ ਹੈ। ਭਾਵੇਂ ਤੁਸੀਂ ਕੋਡ ਨਹੀਂ ਜਾਣਦੇ ਹੋ, ਤੁਸੀਂ ਹਰ ਲਾਈਨ ਨੂੰ ਸਮਝ ਕੇ ਅਤੇ ਗੁਪਤ ਡੇਟਾ ਨੂੰ ਸਾਂਝਾ ਕੀਤੇ ਬਿਨਾਂ AI ਨਾਲ ਸੁਰੱਖਿਅਤ ਸਥਾਨਿਕ ਆਟੋਮੇਸ਼ਨ ਕਰ ਸਕਦੇ ਹੋ।
ਐਪਲੀਕੇਸ਼ਨ ਦਾ ਕੰਮ
ਇੱਕ ਦੁਹਰਾਉਣ ਵਾਲਾ ਸਥਾਨਿਕ ਕਾਰਜ ਚੁਣੋ (ਉਦਾਹਰਨ ਲਈ ਇੱਕ ਪਰਤ ਵਿੱਚ ਖੇਤਰਾਂ ਦੀ ਗਣਨਾ ਕਰਨਾ ਅਤੇ ਇੱਕ ਥ੍ਰੈਸ਼ਹੋਲਡ ਦੇ ਸਿਖਰ ਨੂੰ ਵੱਖ ਕਰਨਾ)। (1) ਪ੍ਰਿੰਟ ਕੋਡ + ਪਹਿਲੇ ਟੈਮਪਲੇਟ ਨਾਲ AI ਲਈ ਲਾਈਨ ਵੇਰਵਾ। (2) ਦੂਜੇ ਟੈਂਪਲੇਟ ਦੇ ਸਮਾਨ ਕੋਡ ਦੇ ਜੋਖਮਾਂ ਦੀ ਜਾਂਚ ਕਰੋ ਅਤੇ ਘੱਟੋ-ਘੱਟ ਇੱਕ "ਡੇਟਾ ਮਿਟਾ ਸਕਦਾ ਹੈ/ਸੀਆਰਐਸ ਮੰਨਦਾ ਹੈ" ਲਾਈਨ ਲੱਭੋ। (3) ਤੀਜੇ ਟੈਂਪਲੇਟ ਨਾਲ ਇੱਕ ਟੈਸਟ ਪਲਾਨ ਆਉਟਪੁੱਟ ਕਰੋ: ਕਿਹੜਾ ਨਮੂਨਾ ਡੇਟਾ, ਕਿਹੜਾ ਸੰਦਰਭ ਮੁੱਲ। (4) ਅਸਲ ਡੇਟਾ 'ਤੇ ਕੋਡ ਨੂੰ ਚਲਾਉਣ ਤੋਂ ਪਹਿਲਾਂ ਤੁਸੀਂ ਤਿੰਨ ਸੁਰੱਖਿਆ ਕਦਮਾਂ ਨੂੰ ਲਿਖੋ।
ਚੈੱਕਲਿਸਟ
- [ ] ਮੈਂ AI ਨੂੰ ਫਾਰਮੈਟ, CRS ਅਤੇ ਕਾਲਮ ਸੰਦਰਭ ਦਿੱਤਾ ਹੈ।
- [ ] ਮੈਂ ਕੋਡ ਦੀ ਹਰ ਲਾਈਨ ਦੀ ਵਿਆਖਿਆ ਕੀਤੀ ਹੈ; ਮੈਂ ਕੋਡ ਨਹੀਂ ਚਲਾਇਆ ਜੋ ਮੈਨੂੰ ਸਮਝ ਨਹੀਂ ਆਇਆ।
- [ ] ਮੈਂ ਛੋਟਾ, ਸਿੰਗਲ-ਫੰਕਸ਼ਨ ਕੋਡ ਚਾਹੁੰਦਾ ਸੀ।
- [ ] ਮੈਂ ਇਸਨੂੰ ਛੋਟੇ ਨਮੂਨੇ ਦੇ ਡੇਟਾ 'ਤੇ ਟੈਸਟ ਕੀਤਾ ਅਤੇ ਨਤੀਜੇ ਦੀ ਦ੍ਰਿਸ਼ਟੀ ਨਾਲ ਜਾਂਚ ਕੀਤੀ।
- [ ] ਮੈਂ ਇੱਕ ਜਾਣੇ-ਪਛਾਣੇ ਸੰਦਰਭ ਮੁੱਲ ਨਾਲ ਨਤੀਜੇ ਦੀ ਪੁਸ਼ਟੀ ਕੀਤੀ ਹੈ।
- [ ] ਮੈਂ ਮਾਸਟਰ ਡੇਟਾ ਦਾ ਬੈਕਅੱਪ ਲਿਆ ਹੈ; ਮੈਂ ਨਵੀਂ ਫਾਈਲ ਵਿੱਚ ਆਉਟਪੁੱਟ ਲਿਖਿਆ ਹੈ।
- [ ] ਮੈਂ ਕਲਾਉਡ ਉਪਕਰਣ ਨੂੰ ਅਸਲ ਗੁਪਤ ਡੇਟਾ ਨਹੀਂ ਦਿੱਤਾ; ਮੈਂ ਅਗਿਆਤ/ਨਮੂਨਾ ਡਾਟਾ ਵਰਤਿਆ।