Soil Texture Prediction with Bayesian Generalized Additive Models for Spatial Compositional Data

कल्पना कीजिए कि आप एक स्मूदी का वर्णन करने की कोशिश कर रहे हैं। आप सिर्फ यह नहीं कह सकते, "यह 50% स्ट्रॉबेरी है।" आपको कहना होगा, "यह 50% स्ट्रॉबेरी, 30% केला और 20% दूध है।" यदि आप स्ट्रॉबेरी की मात्रा बदलते हैं, तो अन्य दो के प्रतिशत को 100% के बराबर करने के लिए बदलना ही होगा। यह कंपोजिशनल डेटा (compositional data) की पेचीदा दुनिया है: ऐसी जानकारी जो केवल पूरे के सापेक्ष हिस्सों के रूप में देखने पर ही समझ आती है। वैज्ञानिक इस तरह के डेटा का हर जगह उपयोग करते हैं, जैसे हवा में गैसों के मिश्रण को ट्रैक करने से लेकर आपके पेट में बैक्टीरिया का अध्ययन करने तक। लेकिन इसका विश्लेषण करना मानक गणितीय उपकरणों के लिए एक दुःस्वप्न है क्योंकि वे संख्याओं को एक सीधी रेखा पर स्वतंत्र बिंदुओं की तरह मानते हैं, न कि एक एकल, अटूट पाई (pie) के टुकड़ों की तरह।

अब, कल्पना कीजिए कि आप यह अनुमान लगाना चाहते हैं कि फल कहाँ उगाया गया था, मौसम कैसा था और मिट्टी का प्रकार क्या था, इसके आधार पर आपकी स्मूथी का स्वाद कैसा होगा। आप जानते हैं कि संबंध एक सीधी रेखा नहीं है; शायद थोड़ी अधिक बारिश स्ट्रॉबेरी के लिए अच्छी है, लेकिन बहुत अधिक बारिश केले के लिए बेहतर है। आपको एक ऐसे उपकरण की आवश्यकता है जो इन टेढ़े-मेढ़े, जटिल पैटर्न को खोजने के लिए मुड़ सके और झुक सके। यहीं पर जनरलाइज्ड एडिटिव मॉडल्स (Generalized Additive Models - GAMs) काम आते हैं—वे लचीले रूलर (पैमानों) की तरह हैं जो डेटा के अनुरूप मुड़ने के लिए डिज़ाइन किए गए हैं। हालाँकि, अब तक, इन लचीले रूलरों को कंपोजिशनल डेटा के "पाई" वाले गणित के साथ जोड़ना, विशेष रूप से अनिश्चितता और स्थान (जैसे एक मानचित्र) को संभालने के तरीके से, एक लापता कड़ी बना हुआ था।

यह शोध पत्र इस कहानी के बारे में है कि कैसे शोधकर्ताओं की एक टीम ने ठीक इसी समस्या को हल करने के लिए एक नया, अत्यंत लचीला उपकरण बनाया। उन्होंने एक "बेयसियन जियोएडिटिव" (Bayesian Geoadditive) मॉडल बनाया, जो सुनने में थोड़ा कठिन लग सकता है, लेकिन इसे एक स्मार्ट, आकार बदलने वाले जासूस के रूप में सोचें जो पूरे क्षेत्र में मिट्टी की बनावट (soil textures) का मानचित्र तैयार कर सकता है। उन्होंने केवल उपकरण ही नहीं बनाया; उन्होंने यह मापने का एक नया तरीका भी आविष्कार किया कि वह जासूस केस सुलझाने में कितना अच्छा है। स्पेन के बास्क कंट्री (Basque Country) के डेटा का उपयोग करके, उन्होंने दिखाया कि उनका तरीका सटीक रूप से यह भविष्यवाणी कर सकता है कि मिट्टी रेतीली है, सिल्टी है या क्ले (clay) युक्त है, और साथ ही यह भी बता सकता है कि वह अपनी भविष्यवाणियों के बारे में कितना आश्वस्त (या अनिश्चित) है। यह हमारे ग्रह की त्वचा (मिट्टी) को समझने के लिए एक बड़ा कदम है, जो किसानों और पर्यावरणविदों को गणित में उलझे बिना बेहतर निर्णय लेने में मदद करता है।

समस्या: "पाई" का जाल और सीधी रेखा का संघर्ष

मिट्टी की बनावट मूल रूप से मिट्टी की एक रेसिपी है। यह तीन मुख्य सामग्रियों से बनी है: रेत (sand), सिल्ट (silt) और क्ले (clay)। नियम सरल है: उन्हें हमेशा 100% जोड़ना चाहिए। यदि आपके पास अधिक रेत है, तो स्वतः ही अन्य दो में से कम हो जाएगा। यह डेटा को "कंपोजिशनल" बनाता है। मानक गणितीय उपकरण, जिनका उपयोग ऊंचाई या तापमान जैसी चीजों के लिए किया जाता है, इसे पसंद नहीं करते। वे संख्याओं के साथ ऐसा व्यवहार करते हैं जैसे वे स्वतंत्र रूप से ऊपर या नीचे जा सकती हैं। यदि आप मिट्टी के डेटा पर उनका उपयोग करने का प्रयास करते हैं, तो आप ऐसी भविष्यवाणी प्राप्त कर सकते हैं जो कहती है "110% मिट्टी" या "ऋणात्मक 5% क्ले", जो असंभव है।

इसे ठीक करने के लिए, सांख्यिकीविद आइसोमेट्रिक लॉग-रेशियो (isometric log-ratio - ilr) ट्रांसफॉर्मेशन नामक एक विशेष ट्रिक का उपयोग करते हैं। कल्पना कीजिए कि आप उस 100% वाली पाई को एक सपाट, खुली मेज पर फैला देते हैं जहाँ सामान्य गणित के नियम लागू होते हैं। आप वहां अपनी गणना कर सकते हैं, और अंत में उसे वापस एक पाई के रूप में मोड़ सकते हैं। यह शोध पत्र उस ट्रिक का उपयोग उस "पाई" की समस्या को "सपाट मेज" की समस्या में बदलने के लिए करता है जिसे कंप्यूटर आसानी से संभाल सकते हैं।

लेकिन एक और समस्या है। मिट्टी एक सीधी रेखा में नहीं बदलती। एक पहाड़ी में घाटी की तुलना में अलग मिट्टी हो सकती है, और संबंध वक्रीय (curvy) हो सकता है, सीधा नहीं। अधिकांश मौजूदा मॉडल कठोर डंडों की तरह हैं; वे केवल सीधी रेखाएं खींच सकते हैं। शोधकर्ता एक ऐसा उपकरण चाहते थे जो वास्तविक दुनिया से मेल खाने के लिए वक्र (curves), उभार और लहरें बना सके। वे जनरलाइज्ड एडिटिव मॉडेल्स (GAMs) का उपयोग करना चाहते थे, जो अपने लचीलेपन के लिए प्रसिद्ध हैं, लेकिन उन्हें मिट्टी की "पाई" के लिए काम करने की आवश्यकता थी।

समाधान: एक आकार बदलने वाला जासूस

लेखकों, जोकिन मार्टिनेज-मिनियाया, लोरे ज़ुमेटा-ओलास्कोआगा और डे-जिन ली ने brms (जो Stan का उपयोग करके बेयसियन रिग्रेशन मॉडल्स है) नामक एक सॉफ्टवेयर पैकेज का उपयोग करके एक नया मॉडल बनाया। brms को एक हाई-टेक किचन के रूप में सोचें जहाँ आप जटिल सांख्यिकीय रेसिपी बनाने के लिए सामग्री को मिला और मिला सकते हैं।

उनकी रेसिपी में तीन मुख्य सामग्रियां हैं:

1. द पाई ट्रांसफार्मर (ilr): वे पहले मिट्टी के प्रतिशत (रेत, सिल्ट, क्ले) को सपाट निर्देशांकों (coordinates) में बदलते हैं ताकि मानक गणित उन पर काम कर सके।
2. द फ्लेक्सिबल रूलर (पेनलाइज्ड स्प्लाइन्स): सीधी रेखाएं खींचने के बजाय, वे "स्प्लाइन्स" का उपयोग करते हैं। कल्पना कीजिए कि एक पतली, लचीली लकड़ी की पट्टी है जिसे आप एक वक्र (curve) बनाने के लिए मोड़ सकते हैं। मॉडल इन पट्टियों को डेटा के अनुरूप मोड़ता है। यदि मिट्टी ऊंचाई के साथ धीरे-धीरे बदलती है, तो पट्टी धीरे से मुड़ती है। यदि यह तेजी से बदलती है, तो पट्टी तेजी से मुड़ती है। उन्होंने "टेन्सर प्रोडक्ट्स" (tensor products) का भी उपयोग किया, जो लचीली पट्टियों के एक ग्रिड की तरह हैं, ताकि यह मैप किया जा सके कि मिट्टी एक 2D मानचित्र (अक्षांश और देशांतर) पर कैसे बदलती है।
3. द बेयसियन ब्रेन: उन्होंने एक "बेयसियन" दृष्टिकोण का उपयोग किया। सरल शब्दों में, इसका अर्थ है कि मॉडल आपको केवल एक उत्तर नहीं देता; यह आपको संभावित उत्तरों का एक पूरा बादल (cloud) देता है, जो यह दिखाता है कि वह कितना आश्वस्त है। यदि डेटा अव्यवस्थित है, तो बादल चौड़ा होता है (कम विश्वास)। यदि डेटा स्पष्ट है, तो बादल सघन होता है (उच्च विश्वास)।

नया स्कोरकार्ड: सफलता को मापना

सांख्यिकी में सबसे बड़ी समस्याओं में से एक यह जानना है कि आपका मॉडल वास्तव में कितना अच्छा है। आमतौर पर, वैज्ञानिक यह कहने के लिए R-squared नामक स्कोर का उपयोग करते हैं, "मेरा मॉडल X% रहस्य को समझाता है।" लेकिन मिट्टी की पाई के लिए, पुराना R-squared काम नहीं करता क्योंकि यह पाई के नियमों को तोड़ देता है।

लेखकों ने इस काम के लिए विशेष रूप से दो नए स्कोरकार्ड बनाए: BR-CoDa-R2 और BM-CoDa-R2।

• BR-CoDa-R2 को मॉडल के अनुमानों और वास्तविक मिट्टी के नमूनों के बीच की दूरी पर आधारित स्कोर के रूप में सोचें।
• BM-CoDa-R2 को मॉडल के अपने आंतरिक अनुमान पर आधारित स्कोर के रूप में सोचें कि डेटा में कितना "शोर" (noise) या यादृच्छिकता (randomness) है।

ये नए स्कोर वैज्ञानिकों को यह कहने की अनुमति देते हैं कि, "हमारा मॉडल मिट्टी की बनावट में 34.6% भिन्नता की व्याख्या करता है," और वे जानते हैं कि वह संख्या गणितीय रूप से ईमानदार है और 100% के नियम का सम्मान करती है।

टेस्ट ड्राइव: बास्क कंट्री का मानचित्रण

यह देखने के लिए कि उनका नया उपकरण कैसे काम करता है, शोधकर्ताओं ने इसे बास्क कंट्री (स्पेन) में आजमाया। उनके पास 2,279 मिट्टी के नमूनों का डेटा था जो 2010 और 2018 के बीच 30 सेमी की गहराई पर लिए गए थे। उन्होंने मॉडल को निम्नलिखित जानकारी दी:

• ऊंचाई (Elevation): नमूना कितनी ऊंचाई पर था।
• ढलान (Slope): जमीन कितनी ढालू थी।
• लिथोलॉजी (Lithology): वह प्रकार की चट्टान जिससे मिट्टी आई थी (जैसे बलुआ पत्थर, चूना पत्थर या ज्वालामुखीय चट्टान)।
• स्थान (Location): सटीक मानचित्र निर्देशांक।
• वर्ष (Year): नमूना कब लिया गया था।

उन्होंने यह देखने के लिए विभिन्न संस्करणों का परीक्षण किया कि कौन सा जासूस सबसे अच्छा है। उन्होंने पाया कि जिस मॉडल में सभी कारक शामिल थे—विशेष रूप से स्थान (जहाँ नमूना लिया गया था) और चट्टान का प्रकार—वह विजेता था।

उन्हें क्या मिला?

• स्थान सबसे महत्वपूर्ण है: मानचित्र पर स्थान ने रहस्य का एक बड़ा हिस्सा समझाया (मॉडल जिसमें स्थान शामिल नहीं था, उससे लगभग 14% अधिक)। इसका मतलब है कि मिट्टी परिदृश्य में जटिल तरीकों से बदलती है जिसे केवल साधारण चट्टानों के प्रकार अकेले नहीं समझा सकते।
• समय भी मायने रखता है: नमूने के वर्ष को शामिल करने से व्याख्या में लगभग 3% की वृद्धि हुई, जो दर्शाता है कि मिट्टी हर साल बिल्कुल एक जैसी नहीं होती।
• पैटर्न: मॉडल ने खुलासा किया कि उच्च ऊंचाई वाले क्षेत्रों में रेत और सिल्ट अधिक लेकिन क्ले कम होती है। खड़ी ढलान वाले क्षेत्रों में भी क्ले अधिक होने की प्रवृत्ति होती है। ये केवल अनुमान नहीं हैं; मॉडल ने दिखाया कि ये परिवर्तन कैसे होते हैं।

वे कितने आश्वस्त हैं?

शोधकर्ताओं ने केवल यह दावा नहीं किया कि उनका मॉडल अच्छा है; उन्होंने इसे सिमुलेशन के माध्यम से सिद्ध किया। उन्होंने नकली मिट्टी का डेटा बनाया जहाँ वे सटीक उत्तर (ग्राउंड ट्रुथ) जानते थे और अपने मॉडल को उसे खोजने दिया।

• इन सिमुलेशन में, मॉडल ने वास्तविक पैटर्न को सफलतापूर्वक खोज लिया, भले ही डेटा शोर भरा था या संबंध बहुत अधिक वक्रीय थे।
• उन्होंने दिखाया कि उनके नए स्कोरकार्ड (BR-CoDa-R2 और BM-CoDa-R2) एक अच्छे मॉडल और एक बुरे मॉडल के बीच अंतर करने में सक्षम थे। उदाहरण के लिए, जब उन्होंने मॉडल में एक नकली, बेकार वेरिएबल जोड़ा, तो स्कोरकार्ड ने सही ढंग से कहा, "इससे कोई मदद नहीं मिलती।"

जब उन्होंने इसे वास्तविक बास्क कंट्री डेटा पर लागू किया, तो परिणाम सुसंगत थे। मॉडल ने मिट्टी की बनावट का एक ऐसा मानचित्र तैयार किया जो यथार्थवादी दिखता है और जो मिट्टी वैज्ञानिकों की अपेक्षाओं से मेल खाता है। उन्होंने यहाँ तक कि एक मानचित्र भी तैयार किया जो USDA बनावट वर्गीकरण (जैसे "सैंडी लोम" या "क्ले") को दर्शाता है, जो मिट्टी के बारे में बात करने का एक मानक तरीका है।

निष्कर्ष

यह शोध पत्र केवल यह नहीं कहता है, "हमने एक नया मॉडल बनाया है।" यह कहता है, "हमने एक ऐसा मॉडल बनाया है जो मिट्टी की 'पाई' के नियमों का सम्मान करता है, जटिल परिदृश्यों के अनुरूप मुड़ सकता है, और हमें बताता है कि हमें कितना आश्वस्त होना चाहिए।"

उन्होंने स्पष्ट रूप से इस विचार को खारिज कर दिया कि आप मिट्टी के घटकों (रेत, सिल्ट, क्ले) को अलग-अलग, स्वतंत्र संख्याओं के रूप में मान सकते हैं। उन्होंने दिखाया कि ऐसा करने से निरर्थक परिणाम मिलते हैं। उन्होंने यह भी दिखाया कि जबकि सरल रैखिक मॉडल (सीधी रेखाएं) कुछ चीजों के लिए ठीक हो सकते हैं, वे मिट्टी के निर्माण की जटिल, वक्रीय वास्तविकता को छोड़ देते हैं।

इन निष्कर्षों में विश्वास दो जगहों से आता है: उनके नए स्कोरकार्ड के काम करने का गणितीय प्रमाण और नकली डेटा में छिपे पैटर्न को खोजने में मॉडल की सफलता के सिमुलेशन परीक्षण। जब इसे वास्तविक दुनिया में लागू किया गया, तो मॉडल ने केवल एक एकल भविष्यवाणी नहीं दी; इसने अनिश्चितता की एक पूरी तस्वीर दी, जिससे यह पता चला कि मिट्टी कहाँ अच्छी तरह से समझी गई है और कहाँ यह अभी भी एक रहस्य है। यह भूमि प्रबंधन, फसल उगाने या पर्यावरण की रक्षा करने वाले किसी भी व्यक्ति के लिए एक शक्तिशाली उपकरण है, क्योंकि यह एक बिखरे हुए, भ्रमित करने वाले पहेली को एक स्पष्ट, लचीले मानचित्र में बदल देता है।