પ્રકરણ 03 ડેટાનું ગ્રાફિકલ પ્રતિનિધિત્વ
તમે જુદા જુદા પ્રકારના ડેટા દર્શાવતા આલેખ, રેખાકૃતિઓ અને નકશા જોયા હશે. ઉદાહરણ તરીકે, ધોરણ XI ની પુસ્તક ‘પ્રેક્ટિકલ વર્ક ઇન જ્યોગ્રાફી, પાર્ટ-I’ (NCERT, 2006) ના પ્રકરણ 1 માં દર્શાવેલા વિષયવાળા નકશા મહારાષ્ટ્રના નાગપુર જિલ્લામાં રાહત અને ઢાળ, આબોહવાની પરિસ્થિતિઓ, ખડકો અને ખનિજોનું વિતરણ, માટી, વસ્તી, ઉદ્યોગો, સામાન્ય જમીન વપરાશ અને પાકની રચના દર્શાવે છે. આ નકશા એકત્રિત, સંકલિત અને પ્રક્રિયા કરાયેલા મોટા જથ્થાના સંબંધિત ડેટાનો ઉપયોગ કરીને દોરવામાં આવ્યા છે. શું તમે ક્યારેય વિચાર્યું છે કે જો આ જ માહિતી કોષ્ટક સ્વરૂપમાં અથવા વર્ણનાત્મક લેખમાં હોત તો શું થયું હોત? કદાચ, આવા સંચાર માધ્યમમાંથી આપણને આ નકશા દ્વારા મળતી દ્રશ્ય છાપો દોરવાનું શક્ય ન હોત. તે ઉપરાંત, બિન-ગ્રાફિકલ સ્વરૂપમાં રજૂ કરવામાં આવતી બાબતો વિશે તારણો દોરવાનું પણ સમય ખાઈ જનારું કાર્ય હોત. તેથી, આલેખ, રેખાકૃતિઓ અને નકશા રજૂ કરાયેલી ઘટનાઓ વચ્ચે અર્થપૂર્ણ સરખામણીઓ કરવાની આપણી ક્ષમતાઓ વધારે છે, આપણો સમય બચાવે છે અને રજૂ કરાયેલી લાક્ષણિકતાઓનો સરળ દૃશ્ય પ્રસ્તુત કરે છે. વર્તમાન પ્રકરણમાં, આપણે વિવિધ પ્રકારના આલેખ, રેખાકૃતિઓ અને નકશા બનાવવાની પદ્ધતિઓની ચર્ચા કરીશું.
ડેટાનું નિરૂપણ
ડેટા તેમની દર્શાવેલી ઘટનાઓના ગુણધર્મોનું વર્ણન કરે છે. તેમને વિવિધ સ્ત્રોતો (પ્રકરણ 1) માંથી એકત્રિત કરવામાં આવે છે. ભૂગોળશાસ્ત્રીઓ, અર્થશાસ્ત્રીઓ, સંસાધન વૈજ્ઞાનિકો અને નિર્ણય લેનારાઓ આજકાલ ઘણો ડેટા વાપરે છે. કોષ્ટક સ્વરૂપ ઉપરાંત, ડેટા કેટલાક ગ્રાફિક અથવા રેખાકૃતિ સ્વરૂપમાં પણ રજૂ કરી શકાય છે. આલેખ, રેખાકૃતિઓ, નકશા અને ચાર્ટ જેવી દ્રશ્ય પદ્ધતિઓ દ્વારા ડેટાનું રૂપાંતરણ ડેટાનું નિરૂપણ કહેવાય છે. ડેટાની આવી પ્રસ્તુતિનું સ્વરૂપ ભૌગોલિક પ્રદેશમાં વસ્તી વૃદ્ધિ, વિતરણ અને ઘનતા, લિંગ ગુણોત્તર, ઉંમર-લિંગ રચના, વ્યવસાયિક માળખું વગેરેની રચનાઓને સમજવાનું સરળ બનાવે છે. એક ચાઇનીઝ કહેવત છે કે ‘$a$ ચિત્ર હજારો શબ્દો જેટલું છે’. તેથી, ડેટાના નિરૂપણની ગ્રાફિક પદ્ધતિ આપણી સમજણને વધારે છે અને સરખામણીઓ સરળ બનાવે છે. તે ઉપરાંત, આવી પદ્ધતિઓ લાંબા સમય સુધી મન પર છાપ પાડે છે.
આલેખ, રેખાકૃતિઓ અને નકશા દોરવાના સામાન્ય નિયમો
1. યોગ્ય પદ્ધતિની પસંદગી
ડેટા તાપમાન, વરસાદ, વસ્તીની વૃદ્ધિ અને વિતરણ, વિવિધ ચીજવસ્તુઓનું ઉત્પાદન, વિતરણ અને વેપાર વગેરે જેવા વિવિધ વિષયોનું પ્રતિનિધિત્વ કરે છે. ડેટાની આ લાક્ષણિકતાઓને યોગ્ય ગ્રાફિકલ પદ્ધતિ દ્વારા યોગ્ય રીતે રજૂ કરવાની જરૂર છે. ઉદાહરણ તરીકે, વિવિધ સમયગાળા અને વિવિધ દેશો/રાજ્યો માટે તાપમાન અથવા વસ્તી વૃદ્ધિ સંબંધિત ડેટા લાઇન આલેખનો ઉપયોગ કરીને શ્રેષ્ઠ રીતે રજૂ કરી શકાય છે. તે જ રીતે, વરસાદ અથવા ચીજવસ્તુઓના ઉત્પાદનને દર્શાવવા માટે બાર રેખાકૃતિઓ શ્રેષ્ઠ રીતે અનુકૂળ છે. માનવ અને પશુધન બંનેનું વસ્તી વિતરણ, અથવા પાક ઉત્પાદક વિસ્તારોનું વિતરણ ડોટ નકશા પર અને વસ્તી ઘનતા કોરોપ્લેથ નકશાનો ઉપયોગ કરીને યોગ્ય રીતે રજૂ કરી શકાય છે.
2. યોગ્ય સ્કેલની પસંદગી
સ્કેલનો ઉપયોગ રેખાકૃતિઓ અને નકશા પર રજૂઆત માટે ડેટાના માપ તરીકે થાય છે. તેથી, આપેલા ડેટા સેટ માટે યોગ્ય સ્કેલની પસંદગી કાળજીપૂર્વક કરવી જોઈએ અને રજૂ કરવામાં આવનારા સંપૂર્ણ ડેટાને ધ્યાનમાં લેવો જોઈએ. સ્કેલ ન તો ખૂબ મોટો હોવો જોઈએ અને ન તો ખૂબ નાનો હોવો જોઈએ.
3. ડિઝાઇન
આપણે જાણીએ છીએ કે ડિઝાઇન એ એક મહત્વપૂર્ણ કાર્ટોગ્રાફિક કાર્ય છે (ધોરણ XI ની પાઠ્યપુસ્તક ‘પ્રેક્ટિકલ વર્ક ઇન જ્યોગ્રાફી, પાર્ટ-I’ (NCERT, 2006) ના પ્રકરણ 1 માં ચર્ચા કર્યા મુજબ ‘એસેન્શિયલ્સ ઓફ મેપ મેકિંગ’નો સંદર્ભ લો). કાર્ટોગ્રાફિક ડિઝાઇનના નીચેના ઘટકો મહત્વપૂર્ણ છે. તેથી, આ ઘટકો અંતિમ રેખાકૃતિ/નકશા પર કાળજીપૂર્વક દર્શાવવા જોઈએ.
શીર્ષક
રેખાકૃતિ/નકશાનું શીર્ષક વિસ્તારનું નામ, વપરાયેલા ડેટાનું સંદર્ભ વર્ષ અને રેખાકૃતિનું કૅપ્શન સૂચવે છે. આ ઘટકો વિવિધ ફોન્ટ કદ અને જાડાઈના અક્ષરો અને નંબરોનો ઉપયોગ કરીને રજૂ કરવામાં આવે છે. તે ઉપરાંત, તેમનું સ્થાન પણ મહત્વનું છે. સામાન્ય રીતે, શીર્ષક, ઉપશીર્ષક અને અનુરૂપ વર્ષ નકશા/રેખાકૃતિની ટોચ પર કેન્દ્રમાં દર્શાવવામાં આવે છે.
લેજન્ડ
લેજન્ડ અથવા ઈન્ડેક્સ કોઈપણ રેખાકૃતિ/નકશાનો એક મહત્વપૂર્ણ ઘટક છે. તે નકશા અને રેખાકૃતિમાં વપરાયેલા રંગો, છાંયો, પ્રતીકો અને ચિહ્નોની સમજૂતી આપે છે. તે પણ કાળજીપૂર્વક દોરવો જોઈએ અને નકશા/રેખાકૃતિની સામગ્રીને અનુરૂપ હોવો જોઈએ. તે ઉપરાંત, તેને યોગ્ય રીતે પોઝિશન આપવાની પણ જરૂર છે. સામાન્ય રીતે, લેજન્ડ નકશા શીટની નીચે ડાબી બાજુ અથવા નીચે જમણી બાજુ દર્શાવવામાં આવે છે.
દિશા
નકશા, પૃથ્વીની સપાટીના ભાગના નિરૂપણ હોવાથી, દિશાઓ તરફ દિશા નિર્દેશિત કરવાની જરૂર છે. તેથી, દિશા પ્રતીક, એટલે કે ઉત્તર, પણ દોરવો જોઈએ અને અંતિમ નકશા પર યોગ્ય રીતે મૂકવો જોઈએ.
રેખાકૃતિઓનું નિર્માણ
ડેટામાં લંબાઈ, પહોળાઈ અને વોલ્યુમ જેવી માપી શકાય તેવી લાક્ષણિકતાઓ હોય છે. આ ડેટા સંબંધિત લાક્ષણિકતાઓને રજૂ કરવા માટે દોરવામાં આવતી રેખાકૃતિઓ અને નકશાઓ નીચેના પ્રકારોમાં વર્ગીકૃત કરી શકાય છે:
(i) એક-પરિમાણીય રેખાકૃતિઓ, જેમ કે લાઇન આલેખ, પોલી આલેખ, બાર રેખાકૃતિ, હિસ્ટોગ્રામ, ઉંમર, લિંગ, પિરામિડ, વગેરે;
(ii) બે-પરિમાણીય રેખાકૃતિ, જેમ કે પાઇ રેખાકૃતિ અને લંબચોરસ રેખાકૃતિ;
(iii) ત્રણ-પરિમાણીય રેખાકૃતિઓ, જેમ કે ઘન અને ગોળાકાર રેખાકૃતિઓ.
મુખ્યત્વે સમયની મર્યાદાને કારણે આ ઘણા પ્રકારની રેખાકૃતિઓ અને નકશા બનાવવાની પદ્ધતિઓની ચર્ચા કરવી શક્ય નથી. તેથી, આપણે સૌથી સામાન્ય રીતે દોરવામાં આવતી રેખાકૃતિઓ અને નકશાઓ અને તેમને કેવી રીતે બનાવવામાં આવે છે તેનું વર્ણન કરીશું. આ છે :
- લાઇન આલેખ
- પાઇ રેખાકૃતિ
- બાર રેખાકૃતિઓ
- પવન ગુલાબ અને તારા રેખાકૃતિ
- ફ્લો ચાર્ટ
લાઇન આલેખ
લાઇન આલેખ સામાન્ય રીતે તાપમાન, વરસાદ, વસ્તી વૃદ્ધિ, જન્મ દર અને મૃત્યુ દર સંબંધિત સમય શ્રેણીના ડેટાને રજૂ કરવા માટે દોરવામાં આવે છે. કોષ્ટક 3.1 આકૃતિ 3.2 ના નિર્માણ માટે વપરાયેલા ડેટા પૂરા પાડે છે.
લાઇન આલેખનું નિર્માણ
(a) ડેટાને ગોળ નંબરોમાં રૂપાંતરિત કરીને સરળ બનાવો, જેમ કે કોષ્ટક 3.1 માં દર્શાવેલ વર્ષ 1961 અને 1981 માટે વસ્તી વૃદ્ધિ દર અનુક્રમે 2.0 અને 2.2 તરીકે ગોળ કરી શકાય છે.
(b) $\mathrm{X}$ અને $\mathrm{Y}$-અક્ષ દોરો. સમય શ્રેણીના ચલો (વર્ષો/મહિનાઓ) ને $\mathrm{X}$ અક્ષ પર અને પ્લોટ કરવાના ડેટાની માત્રા/મૂલ્ય (વસ્તી વૃદ્ધિ ટકાવારીમાં અથવા ${ }^{\circ} \mathrm{C}$ માં તાપમાન) ને $\mathrm{Y}$ અક્ષ પર ચિહ્નિત કરો.
(c) યોગ્ય સ્કેલ પસંદ કરો અને તેને Y-અક્ષ પર લેબલ કરો. જો ડેટામાં નકારાત્મક આંકડો હોય, તો પસંદ કરેલ સ્કેલે તેને આકૃતિ 3.1 માં દર્શાવ્યા પ્રમાણે પણ દર્શાવવું જોઈએ.
આકૃતિ 3.1 : લાઇન આલેખનું નિર્માણ
(d) Y-અક્ષ પર પસંદ કરેલ સ્કેલ અનુસાર વર્ષ/મહિના-વાઈઝ મૂલ્યો દર્શાવવા માટે ડેટા પ્લોટ કરો, પ્લોટ કરેલા મૂલ્યોનું સ્થાન ડોટ દ્વારા ચિહ્નિત કરો અને આ ડોટ્સને હાથથી દોરેલી લાઇન દ્વારા જોડો.
ઉદાહરણ 3.1 : કોષ્ટક 3.1 માં આપેલા ડેટાને રજૂ કરવા માટે લાઇન આલેખ બનાવો:
કોષ્ટક 3.1 : ભારતમાં વસ્તી વૃદ્ધિ દર - 1901 થી 2011
| વર્ષ | વૃદ્ધિ દર ટકાવારીમાં |
|---|---|
| 1901 | - |
| 1911 | 0.56 |
| 1921 | -0.30 |
| 1931 | 1.04 |
| 1941 | 1.33 |
| 1951 | 1.25 |
| 1961 | 1.96 |
| 1971 | 2.20 |
| 1981 | 2.22 |
| 1991 | 2.14 |
| 2001 | 1.93 |
| 2011 | 1.79 |
આકૃતિ 3.2 : ભારતમાં વાર્ષિક વસ્તી વૃદ્ધિ 1901-2011
પ્રવૃત્તિ
આકૃતિ 3.2 માં દર્શાવ્યા મુજબ 1911 અને 1921 વચ્ચે વસ્તીમાં અચાનક ફેરફાર માટેના કારણો શોધો.
પોલીગ્રાફ
પોલીગ્રાફ એક લાઇન આલેખ છે જેમાં બે અથવા બેથી વધુ ચલો તાત્કાલિક સરખામણી માટે સમાન સંખ્યાની રેખાઓ દ્વારા દર્શાવવામાં આવે છે, જેમ કે ચોખા, ઘઉં, દાળ જેવા વિવિધ પાકોનો વૃદ્ધિ દર અથવા જન્મ દર, મૃત્યુ દર અને જીવન અપેક્ષા અથવા વિવિધ રાજ્યો અથવા દેશોમાં લિંગ ગુણોત્તર. વિવિધ ચલોના મૂલ્યને સૂચવવા માટે સીધી રેખા ( _ _ ), તૂટેલી રેખા (- – ), ડોટેડ લાઇન (…..) અથવા ડોટેડ અને તૂટેલી રેખાનું સંયોજન (-…-) અથવા વિવિધ રંગોની રેખા જેવી વિવિધ લાઇન પેટર્નનો ઉપયોગ કરી શકાય છે (આકૃતિ 3.3).
ઉદાહરણ 3.2 : કોષ્ટક 3.2 માં આપેલા વિવિધ રાજ્યોમાં લિંગ ગુણોત્તરની વૃદ્ધિની તુલના કરવા માટે પોલીગ્રાફ બનાવો:
કોષ્ટક 3.2 : પસંદ કરેલા રાજ્યોનો લિંગ ગુણોત્તર (1000 પુરુષ દીઠ સ્ત્રીઓ) - 1961-2011
| રાજ્યો/કેન્દ્રશાસિત પ્રદેશો | 1961 | 1971 | 1981 | 1991 | 2001 | 2011 |
|---|---|---|---|---|---|---|
| દિલ્હી | 785 | 801 | 808 | 827 | 821 | 866 |
| હરિયાણા | 868 | 867 | 870 | 860 | 846 | 877 |
| ઉત્તર પ્રદેશ | 907 | 876 | 882 | 876 | 898 | 908 |
સ્ત્રોત : વસ્તી ગણતરી, 2011
આકૃતિ 3.3 : પસંદ કરેલા રાજ્યોનો લિંગ ગુણોત્તર 1961-2011
બાર રેખાકૃતિ
બાર રેખાકૃતિ સમાન પહોળાઈના કૉલમ દ્વારા દોરવામાં આવે છે. તેને કૉલમનાર રેખાકૃતિ પણ કહેવામાં આવે છે. બાર રેખાકૃતિ બનાવતી વખતે નીચેના નિયમોનું પાલન કરવું જોઈએ:
(a) બધા બાર અથવા કૉલમની પહોળાઈ સમાન હોવી જોઈએ.
(b) બધા બાર સમાન અંતરાલ/અંતર પર મૂકવા જોઈએ.
(c) બારને તેમને અલગ અને આકર્ષક બનાવવા માટે રંગો અથવા પેટર્નથી છાંયો આપી શકાય છે.
ડેટાની લાક્ષણિકતાઓને અનુરૂપ સરળ, સંયુક્ત અથવા પોલીબાર રેખાકૃતિ બનાવી શકાય છે.
સરળ બાર રેખાકૃતિ
સરળ બાર રેખાકૃતિ તાત્કાલિક સરખામણી માટે બનાવવામાં આવે છે. આપેલા ડેટા સેટને ચડતા અથવા ઉતરતા ક્રમમાં ગોઠવવાની અને તે મુજબ ડેટા ચલોને પ્લોટ કરવાની સલાહ આપવામાં આવે છે. જો કે, સમય શ્રેણી ડેટા સમયગાળાના ક્રમ અનુસાર રજૂ કરવામાં આવે છે.
ઉદાહરણ 3.3 : કોષ્ટક 3.3 માં આપેલા તિરુવનંતપુરમના વરસાદના ડેટાને રજૂ કરવા માટે સરળ બાર રેખાકૃતિ બનાવો:
કોષ્ટક 3.3 : તિરુવનંતપુરમનો સરેરાશ માસિક વરસાદ
| મહિનાઓ | જાન્યુ | ફેબ્રુ | માર્ચ | એપ્રિલ | મે | જૂન | જુલાઈ | ઑગસ્ટ | સપ્ટે | ઑક્ટો | નવે | ડિસે |
|---|---|---|---|---|---|---|---|---|---|---|---|---|
| વરસાદ સે.મી.માં | 2.3 | 2.1 | 3.7 | 10.6 | 20.8 | 35.6 | 22.3 | 14.6 | 13.8 | 27.3 | 20.6 | 7.5 |
નિર્માણ
ગ્રાફ પેપર પર $X$ અને Y-અક્ષ દોરો. $5 \mathrm{~cm}$ નું અંતરાલ લો અને તેને Y-અક્ષ પર ચિહ્નિત કરો જેથી વરસાદના ડેટાને $\mathrm{cm}$ માં પ્લોટ કરી શકાય. $\mathrm{X}$-અક્ષને 12 મહિનાઓ રજૂ કરવા માટે 12 સમાન ભાગોમાં વિભાજીત કરો. દરેક મહિનાના વાસ્તવિક વરસાદ મૂલ્યો પસંદ કરેલ સ્કેલ અનુસાર આકૃતિ 3.4 માં દર્શાવ્યા પ્રમાણે પ્લોટ કરવામાં આવશે.
આકૃતિ 3.4 : તિરુવનંતપુરમનો સરેરાશ માસિક વરસાદ
લાઇન અને બાર આલેખ
અલગથી દોરવામાં આવેલા લાઇન અને બાર આલેખને સરેરાશ માસિક તાપમાન અને વરસાદ જેવી સંબંધિત લાક્ષણિકતાઓ સંબંધિત ડેટા દર્શાવવા માટે પણ જોડી શકાય છે. આવું કરતી વખતે, એક જ રેખાકૃતિ દોરવામાં આવે છે જેમાં મહિનાઓ X-અક્ષ પર રજૂ કરવામાં આવે છે જ્યારે તાપમાન અને વરસાદના ડેટા રેખાકૃતિની બંને બાજુઓ પર Y-અક્ષ પર દર્શાવવામાં આવે છે.
ઉદાહરણ 3.4 : કોષ્ટક 3.4 માં આપેલા દિલ્હીના સરેરાશ માસિક વરસાદ અને તાપમાનના ડેટાને રજૂ કરવા માટે લાઇન આલેખ અને બાર રેખાકૃતિ બનાવો:
કોષ્ટક 3.4 : દિલ્હીમાં સરેરાશ માસિક તાપમાન અને વરસાદ
| મહિનાઓ | તાપમાન ${ }^{\circ} \mathrm{C}$ માં | વરસાદ સે.મી.માં |
|---|---|---|
| જાન્યુ. | 14.4 | 2.5 |
| ફેબ્રુ. | 16.7 | 1.5 |
| માર્ચ | 23.30 | 1.3 |
| એપ્રિલ | 30.0 | 1.0 |
| મે | 33.3 | 1.8 |
| જૂન | 33.3 | 7.4 |
| જુલાઈ | 30.0 | 19.3 |
| ઑગસ્ટ | 29.4 | 17.8 |
| સપ્ટે. | 28.9 | 11.9 |
| ઑક્ટો. | 25.6 | 1.3 |
| નવે. | 19.4 | 0.2 |
| ડિસે. | 15.6 | 1.0 |
નિર્માણ
(a) યોગ્ય લંબાઈના $\mathrm{X}$ અને $\mathrm{Y}$-અક્ષ દોરો અને વર્ષના મહિનાઓ દર્શાવવા માટે $\mathrm{X}$-અક્ષને 12 ભાગોમાં વિભાજીત કરો.
(b) $5^{\circ} \mathrm{C}$ અથવા $10^{\circ} \mathrm{C}$ ના સમાન અંતરાલ સાથે યોગ્ય સ્કેલ પસંદ કરો $\mathrm{Y}$-અક્ષ પર તાપમાનના ડેટા માટે અને તેને તેની જમણી બાજુએ લેબલ કરો.
(c) તે જ રીતે, $5 \mathrm{~cm}$ અથવા $10 \mathrm{~cm}$ ના સમાન અંતરાલ સાથે ય