भारतीय प्रौद्योगिकी संस्थान (आईआईटी) बॉम्बे ने एक परिष्कृत कृत्रिम बुद्धिमत्ता (एआई) आधारित प्रणाली विकसित की है जो बाढ़ की संवेदनशीलता की भविष्यवाणी कर सकती है और दक्षिणी भारत के कमजोर पश्चिमी घाट क्षेत्र में 30 मीटर के रिज़ॉल्यूशन पर बाढ़ के पानी की गहराई का अनुमान लगा सकती है।

यह भी पढ़ें: ईरान युद्ध के दौरान जेट ईंधन की बढ़ती कीमतों के कारण ग्रीष्मकालीन उड़ानें अधिक महंगी होने की संभावना है

इस पहल का उद्देश्य बाढ़ के बढ़ते खतरे को संबोधित करना है, जिसने भारी बारिश के कारण अचानक आई बाढ़ के कारण लाखों लोगों की जान ले ली है और लाखों लोग विस्थापित हो गए हैं।

यह भी पढ़ें: उत्तर पूर्वी राज्यों की पुलिस को लोगों के अधिकारों पर अधिक ध्यान देना चाहिए: अमित शाह

सैटेलाइट रडार डेटा को उन्नत मशीन लर्निंग के साथ जोड़कर, आईआईटी बॉम्बे के शोधकर्ताओं ने एक उच्च-रिज़ॉल्यूशन बाढ़ मानचित्रण प्रणाली विकसित की है जो 93 प्रतिशत से अधिक सटीकता के साथ बाढ़-प्रवण क्षेत्रों की पहचान करती है। यह प्रणाली लगभग 55,000 वर्ग किलोमीटर के क्षेत्र को कवर करती है, जो कर्नाटक के उत्तर कन्नड़ जिले में ताड़ी से लेकर दक्षिणी भारत में पश्चिमी घाट तट के साथ कन्याकुमारी तक फैली हुई है। शोधकर्ताओं के अनुसार, यह संरचना भारत के सबसे अधिक बाढ़-प्रवण तटीय क्षेत्रों में रहने वाले लाखों लोगों की रक्षा करने में मदद कर सकती है।

आईआईटी बॉम्बे टीम ने केवल वर्षा के आंकड़ों पर निर्भर रहने के बजाय कई कंडीशनिंग कारकों का विश्लेषण करके एक पैटर्न-पहचान दृष्टिकोण अपनाया।

यह भी पढ़ें: सीबीएसई ने कक्षा 3 से एआई पाठ्यक्रम शुरू किया: इसका क्या मतलब है, यह कैसे काम करेगा, यह क्यों मायने रखता है

अध्ययन में पाया गया कि सतही जल अकेले वर्षा की तुलना में बाढ़ का अधिक विश्वसनीय भविष्यवक्ता है। शोध के बारे में बताते हुए, डॉ. साधवानी ने कहा, “हालांकि बाढ़ की घटनाओं में वर्षा प्राथमिक कारक है, लेकिन यह किसी दिए गए स्थान पर सीधे पानी में तब्दील नहीं होती है। सतही अपवाह एक परिदृश्य की एकीकृत जलवैज्ञानिक प्रतिक्रिया का प्रतिनिधित्व करता है, जो वर्षा की तीव्रता, मिट्टी की नमी, भूमि उपयोग, घुसपैठ क्षमता, घुसपैठ क्षमता के संयुक्त प्रभावों को पकड़ता है।”

शोधकर्ताओं ने डेटा को संसाधित करने के लिए दो-चरणीय एआई ढांचे का उपयोग किया। सबसे पहले, एक वर्गीकरण मॉडल यह पहचान करता है कि किसी क्षेत्र में बाढ़ का खतरा है या नहीं। इसके बाद एक प्रतिगमन मॉडल आता है जो बाढ़ के पानी की संभावित गहराई का अनुमान लगाता है, जिससे संभावित बाढ़ का एक सतत मानचित्र तैयार होता है।

यह भी पढ़ें: संयुक्त राष्ट्र ने पाकिस्तान को जम्मू-कश्मीर पर भारत की ‘बड़ी जिम्मेदारी’ की याद दिलाई

मॉडल को प्रशिक्षित करने के लिए, टीम ने यूरोपीय अंतरिक्ष एजेंसी के सेंटिनल -1 सिंथेटिक एपर्चर रडार (एसएआर) उपग्रह इमेजरी का उपयोग किया, जो मानसून बादल कवर को भेद सकता है और विश्वसनीय अवलोकनों को कैप्चर कर सकता है। पिछली बाढ़ की घटनाओं से पहले और उसके दौरान ली गई छवियों की तुलना करके, एआई मॉडल ने काले धब्बों की पहचान करना सीखा जो खड़े पानी का प्रतिनिधित्व करते हैं।

सिस्टम 30-मीटर ग्रिड रिज़ॉल्यूशन पर उच्च-रिज़ॉल्यूशन बाढ़ मानचित्र तैयार करता है। यह वर्तमान में लगभग 0.99 मीटर की मूल माध्य वर्ग त्रुटि (आरएमएसई) के साथ संचालित होता है। जबकि विस्तृत शहरी नियोजन के लिए लगभग एक मीटर का त्रुटि मार्जिन महत्वपूर्ण हो सकता है, डॉ. साधवानी ने कहा कि मॉडल की मुख्य ताकत बड़े क्षेत्रों में बाढ़ के जोखिमों का तेजी से आकलन करने की क्षमता में निहित है।

डॉ. साधवानी ने कहा, “यह मॉडल तेजी से, क्षेत्रीय स्तर पर बाढ़ मूल्यांकन के लिए डिज़ाइन किया गया है, जो उच्च कम्प्यूटेशनल दक्षता और बड़े क्षेत्रों में बाढ़ की सीमा और गहराई की जानकारी तेजी से उत्पन्न करने की क्षमता प्रदान करता है।” “यह प्रारंभिक चरण की योजना, कमजोर क्षेत्रों की प्राथमिकता और आपातकालीन प्रतिक्रिया सहायता के लिए इसे विशेष रूप से महत्वपूर्ण बनाता है।”

मौजूदा ढांचा 7% से कम ढलान वाले क्षेत्रों पर केंद्रित है। अध्ययन के अनुसार, यह एक जानबूझकर की गई पद्धतिगत पसंद है क्योंकि “बाढ़ की गहराई की गणना उन क्षेत्रों तक सीमित थी जहां ढलान 7% से कम था ताकि छवि कैप्चर के दौरान पानी की गति की संभावना को देखते हुए एसएआर छवियों के साथ सटीक बाढ़ घटाव मानचित्रण सुनिश्चित किया जा सके।”

शोधकर्ताओं ने नोट किया कि ऊंचे इलाकों में रडार सिग्नल छाया और लेओवर जैसी ज्यामितीय विकृतियों के प्रति संवेदनशील होते हैं। इसके अतिरिक्त, उपग्रह छवि अधिग्रहण के दौरान पानी की हलचल से बाढ़ की सीमा और गहराई के अनुमान की सटीकता कम हो सकती है। ढलान सीमा लागू करने से यह सुनिश्चित करने में मदद मिलती है कि बाढ़ की गहराई विश्वसनीय और भौतिक रूप से सुसंगत बनी रहे।

यह संरचना केरल और कर्नाटक जैसे राज्यों के लिए गेम-चेंजर साबित हो सकती है। मिट्टी से भरपूर मिट्टी वाले क्षेत्रों में, जो पानी को बनाए रखती हैं और निचले तटीय मैदानों में, 30-मीटर-रिज़ॉल्यूशन वाले बाढ़ मानचित्र अधिकारियों को यह पहचानने में मदद कर सकते हैं कि कौन से अस्पताल, स्कूल, सड़कें और अन्य महत्वपूर्ण बुनियादी ढाँचे जलमग्न होने की सबसे अधिक संभावना है।

डॉ. साधवानी ने कहा कि ढांचा “बाढ़-प्रवण क्षेत्रों की पहचान कर सकता है, शहरी नियोजन और भूमि उपयोग प्रबंधन का मार्गदर्शन कर सकता है,” जबकि “अधिकारियों को संसाधनों को प्रभावी ढंग से आवंटित करने और निकासी और राहत प्रयासों के लिए कमजोर क्षेत्रों को प्राथमिकता देने में सक्षम बनाकर आपदा तैयारियों और प्रतिक्रिया में महत्वपूर्ण भूमिका निभा सकता है।”

हालाँकि वर्तमान अध्ययन भारत के पश्चिमी तट के दक्षिणी भाग पर केंद्रित है, शोधकर्ताओं का मानना ​​है कि इस रूपरेखा को मुंबई और देश के पूर्वी तट जैसे जटिल शहरी क्षेत्रों तक बढ़ाया जा सकता है। हालाँकि, उन्होंने नोट किया कि ऐसा करने के लिए मॉडल के पुनर्गणना और पुनर्प्रशिक्षण के साथ-साथ अतिरिक्त चर को शामिल करने की आवश्यकता होगी।

डॉ. साधवानी ने बताया, “तटीय वातावरण अतिरिक्त जटिलताएँ पेश करता है, जैसे समुद्र के स्तर में उतार-चढ़ाव, तूफानी लहरें, समुद्र के स्तर में भिन्नता और जल निकासी बैकफ्लो प्रभाव।” “इन तट-विशिष्ट मानदंडों को मौजूदा ढांचे में शामिल करके, कार्यप्रणाली को प्रभावी ढंग से अपनाया जा सकता है।”