ලාභ:
- PyQGIS සහ ආකෘති නිර්මාණකරු සමඟ AI සහාය ඇතිව වැඩ ප්රවාහ ස්වයංක්රීයකරණය සැකසීමට සහ ක්රියාත්මක කිරීමට ඇති හැකියාව
- පුද්ගලික දත්ත රහස්යතාව, ප්රකාශන හිමිකම්, බලපත්ර සහ ඉංජිනේරු වගකීම් සීමාවන් අන්තයේ සිට අවසානය දක්වා කළමනාකරණය කිරීමේ හැකියාව
- AI-සක්රීය නමුත් සත්යාපන කේන්ද්රීය ප්රවාහයකින් දත්ත රැස්කිරීමේ සිට බෙදා හැරීම දක්වා භූ විද්යා ව්යාපෘතියක් සැලසුම් කිරීමේ හැකියාව
මොඩියුල විභාගය
1. සමීක්ෂණ ඉංජිනේරු විද්යාවේදී AI ප්රතිදානයක අවදානම තීරණය කරන මූලික මූලධර්මය පහත සඳහන් මොනවාද?
- A) ප්රතිදානයක අවදානම එම ප්රතිදානය දෝෂ සහිත නම් එයින් සිදුවන හානියට සමාන වේ; ඒ අනුව වලංගු කිරීමේ පරිමාණයන් ✔
- B) AI ප්රතිදානය සාමාන්යයෙන් ආරක්ෂිත වන්නේ එය චතුර ලෙස සහ විශ්වාසයෙන් ලියා ඇති බැවිනි
- C) වඩාත්ම වත්මන් ආකෘතිය භාවිතා කරන විට වලංගු කිරීම අනවශ්යය
- D) ප්රතිදානය ප්රමිතියකට යොමු කරන්නේ නම්, අමතර පාලනයක් අවශ්ය නොවේ
පැහැදිලි කිරීම: ප්රතිදානයක අවදානම එම ප්රතිදානය දෝෂ සහිත නම් එයින් සිදුවන හානියට සමාන වේ. සාහිත්ය සාරාංශයක ඇති සුළු දෝෂයක් බොහෝ දුරට හානිකර නොවන අතර, කැඩැස්තර මායිමක හෝ උන්නතාංශ අගයක දෝෂයක් දේපල උල්ලංඝනය කිරීම්, නුසුදුසු ඉදිකිරීම් යෙදීම් සහ දේපල හානිවලට හේතු විය හැක; එබැවින් විභව හානියක් සහිත සත්යාපන තීව්රතා පරිමාණයන්.
2. GNSS මිනුම් කට්ටලයක තත්ත්ව පාලනයේදී AI වෙත වඩාත් ආරක්ෂිතව සහ සුදුසු ලෙස පවරා ඇත්තේ කුමන කාර්යයද?
- A) අවසානයේ ලක්ෂ්ය ඛණ්ඩාංකවල නිරවද්යතාවය පිළිගෙන ඒවා ලියාපදිංචියට සූදානම් බව ප්රකාශ කිරීම
- B) අමු නිරීක්ෂණ වගු සංස්කරණය කිරීම සහ විය හැකි පිටස්තර/නොගැලපීම් ලකුණු කිරීම ✔
- C) මිනුම් මූලධර්ම දෙස නොබලා සෘජුවම යෙදුම් අගයන් තහවුරු කිරීම
- D) කිසිදු වැසීමේ දෝෂයක් ගණනය නොකර වලංගු ප්රතිඵලය සලකා බැලීම
පැහැදිලි කිරීම: AI හි ආරක්ෂිතම දායකත්වය වන්නේ, විසිරුණු අමු දත්ත සහ විවරණ සංවිධානය කිරීම, නොගැලපීම් සහ පිටස්තරයන් සලකුණු කිරීම වැනි ඉංජිනේරුවරයාට පාලනය කළ හැකි සහායක කාර්යයන් වේ. ලක්ෂ්ය ඛණ්ඩාංකයේ නිරවද්යතාවය පිළිබඳ අවසාන පිළිගැනීම ඉංජිනේරුවරයාගේ අනුමැතිය මත පවතී, වසා දැමීමේ දෝෂ සහ මිනුම් මූලධර්ම ඇතුළුව; AI 'පොයින්ට් එක පරම නිවැරදි' යැයි පැවසීම සාක්ෂි නොවේ.
3. සම්බන්ධීකරණ පරිවර්තන ඉල්ලීමේ දී AI වෙත පැහැදිලිව සඳහන් කළ යුතු තොරතුරු මොනවාද?
- A) ලකුණු වල නම් පමණි
- B) ඉලක්ක ප්රක්ෂේපණයේ නම පමණක්, දත්තය වැදගත් නොවේ
- C) මූලාශ්ර සහ ඉලක්ක ඛණ්ඩාංක පද්ධතිය (datum + projection/EPSG) සහ පරිවර්තන පරාමිතීන් ✔
- D) මිනුම් කරන පුද්ගලයාගේ නම
පැහැදිලි කිරීම: ඛණ්ඩාංක පරිවර්තනය අර්ථවත් වන්නේ මූලාශ්ර පද්ධතිය, ඉලක්ක පද්ධතිය (datum + ප්රක්ෂේපණය, උදා: EPSG කේතය) සහ අවශ්ය පරිවර්තන පරාමිතීන් නියම කර ඇත්නම් පමණි. 'මෙය UTM බවට පරිවර්තනය කරන්න' කී පමණින් කුමන දත්තය කුමන දත්තයෙන් කුමන දත්තයකට ගෙන යන්නේද යන්න අපැහැදිලි වන අතර මීටරවල දත්ත මාරුවක් ඇති කළ හැක.
4. පරිණාමනයක ප්රතිදානය සත්යාපනය කිරීමට ඇති වඩාත්ම ප්රායෝගික ක්රමය පහත සඳහන් කවරක් ද?
- A) නිමැවුමේ දශම ස්ථාන ගණන දෙස බැලීම
- B) ආකෘතිය කෙතරම් ඉක්මනින් පිළිතුර ලබා දෙන්නේද යන්න දෙස බැලීම
- C) ප්රතිඵලය කිසිසේත් පරීක්ෂා නොකර CAD වෙත මාරු කිරීම
- D) එම පරිවර්තනය හරහා ඛණ්ඩාංක දන්නා පාලන ලක්ෂ්යය තබා එය අපේක්ෂිත අගය සමඟ සංසන්දනය කිරීම ✔
පැහැදිලි කිරීම: එකම පරිවර්තනයක් හරහා ඛණ්ඩාංක දන්නා පාලන ලක්ෂ්ය එකක් හෝ කිහිපයක් පසුකර ඒවා අපේක්ෂිත අගය සමඟ සංසන්දනය කිරීමෙන් පරාමිති සහ දත්ත දෝෂ යන දෙකම ඉක්මනින් අනාවරණය වේ. මීටර දස ගණනක ක්රමානුකූල වෙනස සාමාන්යයෙන් වැරදි දත්ත/පරාමිති ලකුණකි. ප්රතිදානය සුමටව දිස් වීම නිවැරදි බව සනාථ නොවේ.
5. GIS හි නිවැරදි බෆරය සහ ප්රදේශ ගණනය කිරීම් සඳහා වඩාත්ම තීරණාත්මක පූර්ව අවශ්යතාවය කුමක්ද?
- A) ස්තරය සුදුසු මෙට්රික් (ප්රක්ෂේපණ) ඛණ්ඩාංක පද්ධතියේ ඇත ✔
- B) ස්ථරයේ වර්ණය
- C) ගුණාංග වගුවේ තීරු අනුපිළිවෙල
- D) ස්තරයේ ගොනු නාමය කෙටි විය යුතුය
පැහැදිලි කිරීම: දුර සහ ප්රදේශ ගණනය කිරීම් අර්ථවත් වන්නේ මෙට්රික් (ප්රක්ෂේපිත) ඛණ්ඩාංක පද්ධතියක පමණි. භූගෝලීය ඛණ්ඩාංකවල සෘජු බෆරින් කිරීම (අංශක අක්ෂාංශ/දේශාංශ) අංශක-මීටර් ව්යාකූලත්වය හේතුවෙන් සාවද්ය ප්රතිඵල ලබා දෙයි. එබැවින්, විශ්ලේෂණයට පෙර ස්තරය සුදුසු ප්රක්ෂේපණය තුළ තැබිය යුතුය.
6. චන්ද්රිකා ඡායාරූප වර්ගීකරණයේදී භූමි ආවරණ සිතියමක නිරවද්යතාවය මැනීමේ සම්මත ක්රමය කුමක්ද?
- A) සිතියමේ වර්ණ කෙතරම් විචිත්රවත් දැයි බැලීම
- B) ස්වාධීන බිම් සත්ය සාම්පල සමඟ දෝෂ න්යාසයක් ස්ථාපනය කිරීම සහ සමස්ත නිරවද්යතාවය/කප්පා ගණනය කිරීම ✔
- C) පන්ති විශාල සංඛ්යාවක් මත විශ්වාසය තැබීම
- D) රූපයේ විභේදනය දෙස බලා නිරවද්යතාවය උපකල්පනය කිරීම
විස්තරය: වර්ගීකරණ නිරවද්යතාවය තක්සේරු කරනු ලබන්නේ ස්වාධීන බිම් සත්ය සාම්පල සහිත ව්යාකූල න්යාසයක් ස්ථාපිත කිරීමෙන් සහ සමස්ත නිරවද්යතාවය සහ කැපා වැනි ප්රමිතික සමඟ එය වාර්තා කිරීමෙනි. සිතියමේ 'හොඳ පෙනුම' හෝ පන්ති වර්ණවල සජීවී බව නිරවද්යතාවයේ සාක්ෂි නොවේ.
7. ඡායාරූපමිතික විකලාංග සහ DSM නිෂ්පාදනයේ ස්ථානීය නිරවද්යතාවය සහතික කරන මූලික අංගය කුමක්ද?
- A) ඡායාරූප ගොඩක් ගන්න
- B) UAV මිල අධික ආකෘතියකි
- C) නිවැරදිව මනින ලද භූමි පාලන ලක්ෂ්ය සහ ස්වාධීන පාලන ලක්ෂ්ය සමඟ නිරවද්යතා පාලනය ✔
- D) ගුවන් යානය වළාකුළු පිරි දිනක සිදු කළ යුතුය
විස්තරය: බිම් පාලන ලක්ෂ්ය (GCP) ඡායාරූපමිතික ආකෘතිය සැබෑ ලෝක ඛණ්ඩාංක පද්ධතියට සම්බන්ධ කර පරිමාණය/ස්ථාන නිරවද්යතාව තීරණය කරයි. අතිරේකව, ආකෘතියට ඇතුල් නොවන ස්වාධීන පාලන ලක්ෂ්ය සමඟ RMSE ගණනය කිරීම මගින් නිරවද්යතාව පරීක්ෂා කරනු ලැබේ. පින්තූර ගණන වැඩි කිරීම හෝ UAV මිල අධික කිරීම නිරවද්යතාවය සහතික නොකරයි.
8. LiDAR ලක්ෂ්ය වලාකුළෙන් ඩිජිටල් භූමි ආකෘතිය (DTM) උත්පාදනය කිරීමට අනිවාර්ය වන්නේ කුමන පියවරද?
- A) සියලුම ලක්ෂ්ය පවතින ආකාරයටම මතුපිටක් බවට පත් කිරීම
- B) ඉහළම ලකුණු පමණක් භාවිතා කිරීම
- C) ඝනත්ව අගයන් මකා දැමීම
- D) බිම් පෙරීම සමඟ බිම් නොවන (ගොඩනැගිලි, ගස්) ස්ථාන වෙන් කිරීම ✔
විස්තරය: DTM හිස් බිම් මතුපිට නියෝජනය කරයි; එබැවින් ගොඩනැගිලි, ගස්, වාහන වැනි බිම් නොවන ස්ථාන වෙන් කිරීම අවශ්ය වේ (භූමියේ පෙරීම / වර්ගීකරණය). මෙම පියවර මඟ හැරියහොත්, DTM නොව ඉහළ මතුපිට (DSM) ලබා ගනී. AI හට වර්ගීකරණය වේගවත් කළ හැක, නමුත් ප්රතිඵලය පැතිකඩ හරස්කඩ සමඟ වලංගු කළ යුතුය.
9. AI සමඟින් ස්වයංක්රීය සිතියම් උත්පාදනය කිරීමේදී වඩාත් සුලභ සහ අවදානම් සහිත වැරදි මොනවාද?
- A) පරිමාණය, පුරාවෘත්තය, ඛණ්ඩාංක පද්ධතිය සහ නිරවද්යතා ශ්රේණිගත කිරීම වැනි අනිවාර්ය අංග මඟ හැරීම ✔
- B) බොහෝ මුරපොලවල් භාවිතා කිරීම
- C) ස්ථර සමූහගත කිරීම
- D) පත්රයට මාතෘකාවක් එක් කිරීම
පැහැදිලි කිරීම: ස්වයංක්රීය සංකේතකරණය සහ ලේබල් කිරීම වේගවත් වේ, නමුත් පරිමාණය, පුරාවෘත්තය, උතුරු ඊතලය, ඛණ්ඩාංක පද්ධතිය සහ නිරවද්යතා සටහන වැනි අත්යවශ්ය සිතියම් මූලද්රව්ය අස්ථානගත වී ඇත්නම්, සිතියම නොමඟ යවන අතර නිල වශයෙන් භාවිත කළ නොහැකි වේ. දෘශ්ය ආයාචනය මෙම අත්යවශ්ය අංග සඳහා ආදේශකයක් නොවේ.
10. කැඩැස්තර සහ ඉඩම් රෙජිස්ට්රි දත්ත සමඟ වැඩ කිරීමේදී AI ප්රතිදානයේ තත්ත්වය කුමක් විය යුතුද?
- A) හිමිකම් ඔප්පුවේ සෘජුවම සටහන් කළ හැකි නිශ්චිත දත්ත ලෙස සැලකේ.
- B) මූලික චෙක්පතක්/කෙටුම්පතක් ලෙස ගනු ලැබේ; අවසාන වලංගු භාවය මැනීම, නීති සම්පාදනය සහ අධිකාරියේ අනුමැතිය මත රඳා පවතී ✔
- C) දේපල ආරවුල් තනිවම විසඳන්න
- D) එය කිසිදු පාලනයක් අවශ්ය නොවන නිල ලේඛනයක් බවට පත් වේ.
පැහැදිලි කිරීම: කැඩැස්තර මායිම, ප්රදේශය සහ හිමිකාරිත්වය පිළිබඳ තොරතුරු නීතිමය ප්රතිවිපාක ඇත; AI වැඩිපුරම පෙර පියාසර කිරීම්, නොගැලපීම් ස්කෑන් සහ කෙටුම්පත් නිෂ්පාදනය කරයි. අවසාන වලංගුභාවය මැනීම, නීති සම්පාදනය සහ බලයලත් ඉංජිනේරු/ආයතන අනුමැතිය මත රඳා පවතී. AI ප්රතිදානය 'අවසාන' ලෙස ප්රකාශ කිරීම නීතිමය සහ වෘත්තීය අවදානමක් ඇති කරයි.
11. AI-ජනනය කරන ලද GeoPandas/PyProj ස්ක්රිප්ට් එකක් භාවිතා කිරීමට පෙර සිදු කළ යුතු වැදගත්ම පරීක්ෂාව කුමක්ද?
- A) කේතය දිගු බැවින් එය නිවැරදි යැයි උපකල්පනය කිරීම
- B) එය දෝෂයකින් තොරව වැඩ කිරීමට ප්රමාණවත් බව සලකමින්
- C) කුඩා, දන්නා පරීක්ෂණ දත්ත සමඟ එය ධාවනය කර CRS සහ ශ්රේණිගත කිරීම සත්යාපනය කරන්න ✔
- D) විචල්ය නම් ලස්සන ලෙස අනුමත කිරීම
පැහැදිලි කිරීම: නිෂ්පාදිත කේතය කුඩා පරීක්ෂණ දත්තයක් සමඟ ධාවනය කළ යුතු අතර එහි ප්රතිඵලය දන්නා අතර අපේක්ෂිත ප්රතිදානය සහ ශ්රේණිය පරීක්ෂා කළ යුතුය. විශේෂයෙන්ම, CRS (ඛණ්ඩාංක පද්ධතිය) නිර්වචනය නිවැරදිව පවරා තිබේද යන්න තීරණාත්මක දෝෂයකි; ව්යාජ CRS නිශ්ශබ්දව ප්ලාවිත මීටර නිපදවයි. කේතය 'වැඩ කරන' පමණින් එය නිවැරදි බව අදහස් නොවේ.
12. ස්ථාන දත්ත සහ පුද්ගලික තොරතුරු අඩංගු කැඩැස්තර/ලිපින දත්ත කට්ටලයක් AI වෙත ලබා දීමේදී නිවැරදි ප්රවේශය කුමක්ද?
- A) සියලුම සැබෑ හිමිකරු සහ අනන්යතා තොරතුරු එලෙසම යවන්න
- B) එය ප්රයෝජනවත් වනු ඇති බැවින් පෞද්ගලිකත්වය නොසලකා හැරීම
- C) පොදු සංසදයකට දත්ත ඇලවීම
- D) පුද්ගලික දත්ත නිර්නාමික කිරීම හෝ නියෝජිත අගයන්/අනුමත පරිසරය සමග වැඩ කිරීම ✔
පැහැදිලි කිරීම: පුද්ගලික දත්ත අඩංගු දත්ත (හිමිකරුගේ නම, TR ID, සංවේදී ස්ථානය) ආයතනික ප්රතිපත්ති සහ නීති උල්ලංඝනය කරමින් බාහිර ආකෘතියකට නොයැවිය යුතුය. දත්ත නිර්නාමික කළ යුතුය, නියැදි/නියෝජිත අගයන් භාවිතා කළ යුතුය, නැතහොත් අනුමත/ගෘහස්ථ පරිසරයක් භාවිතා කළ යුතුය. 'කෙසේ වෙතත් ප්රයෝජනවත්' යන සාධාරණීකරණය රහස්යභාවයේ වගකීම ඉවත් නොකරයි.
13. ඉඩම් ආවරණ වර්ගීකරණයකදී NDVI දර්ශකය භාවිතා කිරීමේ ප්රධාන අරමුණ කුමක්ද?
- A) අධෝරක්ත සහ රතු කලාප ආසන්නයේ සිට වෘක්ෂලතා ශක්යතාව/ඝනත්වය මැනීම ✔
- B) ඉඩමේ උස මීටර් වලින් මැනීම
- C) පාර්සල් හිමිකරු තීරණය කිරීම
- D) ඛණ්ඩාංක පද්ධතිය පරිවර්තනය කිරීම
විස්තරය: NDVI (සාමාන්ය වෙනස්කම් වෘක්ෂලතා දර්ශකය) අධෝරක්ත සහ රතු කලාපවල වෙනස භාවිතා කරමින් හරිත වෘක්ෂලතා වල ජවය/ඝනත්වය මනිනු ලබයි. වෘක්ෂලතාදිය ජලය සහ හිස් බිම අතර වෙනස හඳුනා ගැනීමේ ප්රබල සලකුණකි. උස පමණක් හිමිකාරිත්වය මනින හෝ තීරණය නොවේ.
14. ආරක්ෂිත තීරණාත්මක යෙදුමක හෝ කැඩැස්තර කාර්යයක AI ප්රතිදානයේ භූමිකාව සඳහා වඩාත් නිවැරදි ප්රකාශය කුමක්ද?
- A) AI ප්රතිදානය ප්රමාණවත් තරම් චතුර නම්, ඉංජිනේරු අනුමැතිය අවශ්ය නොවේ
- B) AI යනු ත්වරණයකි; දක්ෂ ඉංජිනේරු අනුමැතිය සහ වගකීම ප්රතිස්ථාපනය නොකරයි ✔
- C) ආකෘතිය නිෂ්පාදනය කරන සමාගමට වගකීම පැවරේ
- D) වඩාත්ම මිල අධික ආකෘතිය භාවිතා කරන විට අනුමැතිය අවශ්ය නොවේ
ප්රකාශය: ඉංජිනේරු සහ සිතියම් නිෂ්පාදනයේදී, AI ප්රතිදානය ආරක්ෂාව සහ නීතිමය ප්රතිවිපාක ඇති කාර්යයේ දක්ෂ විශේෂඥයෙකුගේ පාලනය සහ අනුමැතිය ප්රතිස්ථාපනය නොකරයි; එය හුදෙක් ඇක්සලරේටරය සහ කෙටුම්පත් උත්පාදක මෙවලමකි. අවසාන වගකීම සහ අත්සන බලයලත් ඉංජිනේරුවරයා සතුව පවතී.