यह लेख इस बैच में कहीं और न छुए गए भूगोल के एक पूर्णतः नए तकनीकी आयाम को कवर करता है: उपग्रह व स्थिति-निर्धारण प्रणालियां वास्तव में मानचित्रों, फसल पूर्वानुमानों, व नेविगेशन के पीछे का डेटा कैसे उत्पन्न करती हैं — भारत के अपने उपग्रह कार्यक्रम व साथी लेखों में पहले ही उल्लिखित वन-आवरण आंकड़ों के अंतर्निहित पद्धति को शामिल करते हुए।
पैसिव बनाम एक्टिव सेंसर: मूलभूत भेद
परीक्षा नोट: उम्मीदवारों को इस भेद को सटीक रूप से सीखना चाहिए, क्योंकि यह बताता है कि भारत को एक एकल "सर्वोत्तम" उपग्रह के बजाय एक से अधिक प्रकार की आवश्यकता क्यों है। पैसिव सेंसर पृथ्वी की सतह से परावर्तित या उत्सर्जित सूर्य के प्रकाश को रिकॉर्ड करते हैं, जिसका अर्थ है कि वे दिन के उजाले व स्वच्छ आकाश पर निर्भर करते हैं — वे विस्तारित बादल आवरण, जैसे भारत की मानसून ऋतु, के दौरान प्रभावी रूप से अंधे हो जाते हैं। इसके विपरीत, एक्टिव सेंसर, अपना स्वयं का संकेत (सामान्यतः रेडार) उत्सर्जित करते हैं व जो वापस उछलता है उसे मापते हैं, उन्हें बादल आवरण के माध्यम से व रात में कार्य करने देते हैं। उम्मीदवारों को पहचानना चाहिए कि यही ठीक कारण है कि भारत दोनों प्रकारों को साथ-साथ संचालित करता है: नियमित स्वच्छ-आकाश मानचित्रण हेतु ऑप्टिकल उपग्रह, व विशेष रूप से मानसून महीनों के दौरान निगरानी निरंतरता बनाए रखने हेतु रेडार उपग्रह जब ऑप्टिकल सेंसर बादल के माध्यम से बिल्कुल नहीं देख सकते।
भारत की उपग्रह श्रृंखला: रिसोर्सेसैट, कार्टोसैट, व RISAT
उम्मीदवारों को नोट करना चाहिए कि रिसोर्सेसैट एक पैसिव ऑप्टिकल उपग्रह श्रृंखला है जो एक ही प्लेटफॉर्म पर भिन्न रिज़ॉल्यूशन स्तरों पर सेंसर ले जाती है — सामान्यतः उल्लिखित उदाहरणों में LISS-III (मध्यम रिज़ॉल्यूशन, लगभग 23-24 मी) व AWiFS (कम रिज़ॉल्यूशन, लगभग 56 मी, परंतु व्यापक स्वाथ व तेज़ पुनरावृत्ति कवरेज के साथ) शामिल हैं — उम्मीदवारों को सटीक रिज़ॉल्यूशन आंकड़ों को उपग्रह-पीढ़ी-विशिष्ट मानना चाहिए व एक संख्या पर स्थिर होने के बजाय सत्यापित करने योग्य। उम्मीदवारों को नोट करना चाहिए कि कार्टोसैट भी पैसिव व ऑप्टिकल है परंतु बहुत उच्च-रिज़ॉल्यूशन पैन्क्रोमैटिक (एक-बैंड, बहु-स्पेक्ट्रल नहीं) इमेजिंग हेतु निर्मित है, सामान्यतः उप-मीटर से कुछ मीटर के आसपास उल्लिखित, इसे व्यापक कृषि निगरानी के बजाय विस्तृत मानचित्रकला मानचित्रण हेतु पसंदीदा श्रृंखला बनाते हुए। उम्मीदवारों को पहचानना चाहिए कि RISAT भारत की एक्टिव रेडार क्षमता का प्रतिनिधित्व करता है, हर मौसम में संचालित होते हुए व खरीफ-ऋतु फसलों व बाढ़ विस्तार की निगरानी हेतु स्पष्ट रूप से मूल्यवान ठीक तब जब बादल आवरण एक ऑप्टिकल उपग्रह को अंधा कर देगा — उम्मीदवारों को यह भी नोट करना चाहिए कि नया NISAR मिशन (एक संयुक्त ISRO-NASA दोहरे-बैंड रेडार उपग्रह) इस हर-मौसम रेडार क्षमता को आगे बढ़ाता है, मृदा-नमी व जैवभार माप जोड़ते हुए।
NRSC, भुवन, व वन-आवरण पद्धति
उम्मीदवारों को नोट करना चाहिए कि राष्ट्रीय सुदूर संवेदन केंद्र (NRSC), हैदराबाद में मुख्यालयित, उपग्रह पृथ्वी-अवलोकन डेटा प्राप्त करने, संसाधित करने, व वितरित करने हेतु भारत का प्राथमिक ग्राउंड स्टेशन है, व उम्मीदवारों को याद रखना चाहिए कि NRSC भुवन जियोपोर्टल संचालित करता है — एक खुली-सुलभ प्लेटफॉर्म जो सार्वजनिक को उपग्रह इमेजरी व बहु-क्षेत्रीय GIS लेयर प्रदान करता है, अक्सर वैश्विक व्यावसायिक मानचित्रण प्लेटफॉर्मों के भारत के उत्तर के रूप में वर्णित, हालांकि उम्मीदवारों को नोट करना चाहिए कि उच्च-रिज़ॉल्यूशन कार्टोसैट-श्रेणी इमेजरी स्वयं सामान्यतः ISRO/NRSC की डेटा नीति के अंतर्गत मूल्य-निर्धारित व प्रतिबंधित रहती है बजाय स्वतंत्र रूप से डाउनलोड करने योग्य होने के। उम्मीदवारों को इसे साथी मृदा, वनस्पति, व वन लेख के भारत वन स्थिति रिपोर्ट (ISFR) आंकड़ों से सीधे जोड़ना चाहिए: वे वन-आवरण आंकड़े स्वयं ठीक इस प्रकार के उपग्रह-आधारित सुदूर-संवेदन वर्गीकरण के माध्यम से उत्पन्न होते हैं, NRSC की पद्धति को अन्यत्र पहले ही चर्चित आंकड़ों के नीचे की तकनीकी नींव बनाते हुए बजाय एक पृथक, असंबंधित तथ्य के।
FASAL: उपग्रह-आधारित फसल पूर्वानुमान
उम्मीदवारों को नोट करना चाहिए कि FASAL (अंतरिक्ष, कृषि-मौसम विज्ञान, व भूमि-आधारित अवलोकनों का उपयोग करते हुए कृषि उत्पादन का पूर्वानुमान) कृषि व किसान कल्याण विभाग की एक योजना है जो जिला-से-राष्ट्रीय पूर्व-फसल कटाई फसल पूर्वानुमान उत्पन्न करने हेतु उपग्रह, मौसम विज्ञान, व क्षेत्र डेटा को संयोजित करती है, महालनोबिस राष्ट्रीय फसल पूर्वानुमान केंद्र के माध्यम से चलती है भारतीय मौसम विज्ञान विभाग, अंतरिक्ष अनुप्रयोग केंद्र (अहमदाबाद), व NRSC स्वयं सहित साझेदारों के साथ। उम्मीदवारों को पहचानना चाहिए कि FASAL की पद्धति ऊपर पहले ही समझाए गए पैसिव-बनाम-एक्टिव भेद को सीधे प्रतिबिंबित करती है: गैर-मानसून फसलों हेतु पूर्वानुमान (उम्मीदवारों को गन्ने को एक सामान्यतः उल्लिखित उदाहरण के रूप में नोट करना चाहिए, बहु-तिथि AWiFS ऑप्टिकल डेटा का उपयोग करते हुए जारी एक प्रारंभिक पूर्वानुमान के साथ) ऑप्टिकल इमेजरी पर निर्भर करते हैं, जबकि मानसून (खरीफ) फसलों हेतु पूर्वानुमान विशेष रूप से बहु-कालिक SAR (रेडार) डेटा का उपयोग करते हैं ठीक इसलिए क्योंकि ऑप्टिकल सेंसर बढ़ती मौसम के दौरान मानसून बादल आवरण के माध्यम से विश्वसनीय रूप से नहीं देख सकते।
भारतीय सर्वेक्षण: सबसे पुराना मानचित्रकला निकाय
परीक्षा नोट: उम्मीदवारों को नोट करना चाहिए कि भारतीय सर्वेक्षण की संस्थागत वंशावली कई उम्मीदवारों की अपेक्षा से आगे जाती है। इसका उद्गम सामान्यतः जेम्स रेनेल की 1767 में बंगाल के सर्वेक्षक जनरल के रूप में नियुक्ति से दिनांकित है, महान त्रिकोणमितीय सर्वेक्षण (1818 में स्थापित) आधुनिक संगठन का सीधा संस्थागत आधार बनाते हुए — उम्मीदवारों को पहचानना चाहिए कि यह भारतीय सर्वेक्षण को देश के सबसे पुराने वैज्ञानिक विभागों में से एक बनाता है, इस बैच में कवर किए गए अधिकांश अन्य सरकारी निकायों से काफी पहले का। उम्मीदवारों को याद रखना चाहिए कि भारतीय सर्वेक्षण मानक स्केलों पर सामस्थलिक चित्र (टोपोशीट) उत्पन्न करता है, 1:50,000 श्रृंखला (1956 से राष्ट्रव्यापी विस्तारित) व 1:250,000 श्रृंखला जो संपूर्ण भारत को 394 शीटों में कवर करती है दो सबसे सामान्यतः उल्लिखित मानक उत्पादों के रूप में, एक कार्यक्रम के अंतर्गत समय-समय पर संशोधित जो किसी भी शीट को लगभग 15 वर्ष से पुराना न रखने का लक्ष्य रखता है।
DILRMP: भूमि अभिलेखों का डिजिटलीकरण
उम्मीदवारों को नोट करना चाहिए कि डिजिटल इंडिया भूमि अभिलेख आधुनिकीकरण कार्यक्रम (DILRMP) दो पहले की योजनाओं — भूमि अभिलेखों का कंप्यूटरीकरण, व राजस्व प्रशासन को मजबूत करना व भूमि अभिलेखों का अद्यतनीकरण — के विलय से शुरू हुआ, 2008 में कैबिनेट द्वारा विलय हेतु स्वीकृत, व बाद में 2016 से एक पूर्णतः केंद्रीय-वित्तपोषित केंद्रीय क्षेत्र योजना के रूप में पुनर्गठित। उम्मीदवारों को याद रखना चाहिए कि इसका मूल उद्देश्य पाठ्य भूमि अभिलेखों को डिजिटलीकृत स्थानिक (GIS-आधारित) मानचित्रों के साथ एकीकृत करना व एक निर्णायक भूमि-स्वामित्व प्रणाली की ओर बढ़ना है, हालांकि उम्मीदवारों को नोट करना चाहिए कि आधिकारिक समीक्षा समितियों ने हाल की समीक्षाओं में भी कई घटकों को — आधुनिक अभिलेख कक्ष, सर्वेक्षण/पुनर्सर्वेक्षण, व पाठ्य-स्थानिक एकीकरण स्वयं — राज्यों भर में अपूर्ण बने रहने के रूप में चिह्नित किया है, इसे पूर्ण होने के बजाय वास्तव में एक अधूरा सुधार बनाते हुए।
NavIC व GAGAN: भारत की अपनी स्थिति-निर्धारण प्रणालियां
परीक्षा नोट: उम्मीदवारों को इन दो पूरक परंतु कार्यात्मक रूप से भिन्न प्रणालियों को सावधानीपूर्वक अलग करना चाहिए। NavIC (पूर्व में IRNSS, भारतीय क्षेत्रीय नेविगेशन उपग्रह प्रणाली) भारत की स्वतंत्र क्षेत्रीय स्थिति-निर्धारण प्रणाली है, भारतीय भूभाग व आसपास के क्षेत्र को कवर करती है (सामान्यतः लगभग 5°S-50°N अक्षांश व 55°E-110°E देशांतर के बीच उल्लिखित) भूस्थिर व भू-तुल्यकालिक कक्षाओं में उपग्रहों के एक समूह के माध्यम से, अमेरिकी GPS प्रणाली पर बिल्कुल निर्भर न हुए बिना समर्पित आवृत्ति बैंडों पर नागरिक स्थिति-निर्धारण प्रदान करते हुए। इसके विपरीत, GAGAN, विशेष रूप से नागरिक विमानन हेतु GPS सटीकता में सुधार करने हेतु ISRO व भारतीय विमानपत्तन प्राधिकरण द्वारा संयुक्त रूप से निर्मित एक उपग्रह-आधारित वृद्धि प्रणाली है — उम्मीदवारों को याद रखना चाहिए कि इसे चरणों में भारतीय विमानन-नियामक प्रमाणन प्राप्त हुआ (पहले मार्ग-पर संचालन हेतु, बाद में सटीक-दृष्टिकोण सेवाओं हेतु), साथी विमानन, जलमार्ग, व माल ढुलाई गलियारे लेख में पहले ही चर्चित विमानन भूगोल का सीधे समर्थन करते हुए।
CGPSC के लिए यह क्यों महत्वपूर्ण है
GIS व सुदूर संवेदन प्रश्न पैसिव-बनाम-एक्टिव सेंसर भेद व भारत को दोनों की आवश्यकता क्यों है को, रिसोर्सेसैट-बनाम-कार्टोसैट-बनाम-RISAT रिज़ॉल्यूशन व उद्देश्य व्यापार-बंद को, NRSC के हैदराबाद मुख्यालय व इसके भुवन जियोपोर्टल को, उपग्रह सुदूर संवेदन व साथी वन लेख में पहले ही कवर किए गए वन-आवरण आंकड़ों के बीच सीधे संबंध को, FASAL की गैर-मानसून हेतु ऑप्टिकल-बनाम-मानसून हेतु रेडार फसल-पूर्वानुमान पद्धति को, भारतीय सर्वेक्षण के 1767/1818 संस्थागत उद्गमों व इसकी टोपोशीट श्रृंखला को, DILRMP के 2008 विलय उद्गम व इसकी अभी भी अपूर्ण कार्यान्वयन स्थिति को, व एक स्वतंत्र क्षेत्रीय स्थिति-निर्धारण प्रणाली व एक GPS-सटीकता-बढ़ाने वाली विमानन वृद्धि प्रणाली के बीच NavIC-बनाम-GAGAN भेद को जानने को पुरस्कृत करते हैं।