Real-time physics inversion for retrieval of sub-pixel wildfire temperatures from VSWIR imaging spectroscopy

कल्पना कीजिए कि आप उपग्रह से बहुत ऊपर से एक कैंपफायर (कैंप के पास जलने वाली आग) की एक धुंधली सी फोटो देखकर केवल उसके तापमान का अनुमान लगाने की कोशिश कर रहे हैं। यह वह चुनौती है जिसका सामना वैज्ञानिक अंतरिक्ष से जंगल की आग (wildfires) का अध्ययन करते समय करते हैं। समस्या यह है कि एक एकल "पिक्सेल" (मानचित्र पर सबसे छोटा बिंदु) अक्सर चीजों का एक अराजक मिश्रण होता है: एक छोटा, अत्यधिक गर्म लौ, राख का एक सुलगता हुआ ढेर, और आसपास की ठंडी, हरी घास। यह एक कमरे के औसत तापमान का अनुमान लगाने के लिए एक छोटे से छेद के माध्यम से थर्मामीटर डालने जैसा है, जहाँ आपको पता चलता है कि वह छेद कभी गर्म चूल्हे के ऊपर है तो कभी बर्फ के टुकड़े के ऊपर। पारंपरिक तरीके अक्सर एक एकल "औसत" तापमान का अनुमान लगाते हैं, लेकिन यह भ्रामक हो सकता है क्योंकि आग एकसमान नहीं होती; यह जलने और सुलगने का एक जंगली मिश्रण है। यह महत्वपूर्ण है क्योंकि हमें आग के सटीक ताप का पता होने से यह अनुमान लगाने में मदद मिलती है कि वह कितनी धुआं और प्रदूषण हवा में छोड़ रही है, वह कितनी तेजी से फैल सकती है, और लोगों एवं जानवरों के लिए कितनी खतरनाक है।

अब, एक नई टीम के वैज्ञानिकों के बारे में सोचिए जिन्होंने इस पहेली को सुलझाने के लिए एक "डिजिटल डिटेक्टिव" (डिजिटल जासूस) बनाया है। एक एकल संख्या का अनुमान लगाने के बजाय, उन्होंने एक ऐसी प्रणाली बनाई है जो आग से आने वाली रोशनी को देखती है और उस छोटे से बिंदु के भीतर छिपे तापमान की पूरी रेंज (सीमा) का पता लगाती है। इसे एक बैंड (बैंड संगीत समूह) द्वारा गाना बजाने की तरह समझें। एक साधारण श्रोता केवल यह कह सकता है कि "यह तेज़ है।" लेकिन यह नया जासूस व्यक्तिगत वाद्ययंत्रों को सुन सकता है—तेज़ आवाज़ वाली वॉयलिन (गर्म लपटें) और गहरी, गूंजती हुई बेस (सुलगती हुई राख)—और बता सकता है कि प्रत्येक कितना ज़ोर से बज रहा है। उन्होंने अपने जासूस का परीक्षण नासा (NASA) के हाई-टेक हवाई जहाज कैमरे के डेटा पर किया, जो ऐसी रोशनी देख सकता है जिसकी हम कल्पना भी नहीं कर सकते, और पाया कि यह आग के ताप प्रोफाइल को सटीक रूप से पुनर्गठित कर सकता है, भले ही आग इतनी गर्म हो कि वह कैमरे के सेंसर को "ब्लो आउट" (संतृप्त) कर दे।

शोध पत्र की कहानी: एक सुपरपावर वाला अग्नि जासूस

इस कार्य में, लेखक बताते हैं कि AVIRIS-3 नामक एक विशेष कैमरे के डेटा का उपयोग करके जंगल की आग कितनी गर्म होती है, इसका पता लगाने का एक नया तरीका कैसे निकाला गया है, जो एक हवाई जहाज से उड़ता है। यह कैमरा केवल तस्वीरें नहीं लेता; यह एक अत्यंत संवेदनशील प्रिज्म की तरह काम करता है, जो दृश्य स्पेक्ट्रम से लेकर शॉर्ट-वेव इन्फ्रारेड तक सैकड़ों सूक्ष्म रंगों (बैंड्स) में प्रकाश को विभाजित करता है। यह महत्वपूर्ण है क्योंकि गर्म आग इन अदृश्य रंगों में चमकती है, और उस चमक का आकार तापमान के बारे में एक कहानी बताता है।

पुराना तरीका बनाम नया तरीका
पहले, वैज्ञानिक इस समस्या को इस धारणा के साथ हल करने की कोशिश करते थे कि एक फायर पिक्सेल केवल दो चीजों का एक सरल मिश्रण है: एक एकल "गर्म" तापमान और एक एकल "ठंडा" बैकग्राउंड। यह ऐसा था जैसे यह मान लेना कि एक स्मूदी केवल स्ट्रॉबेरी और दूध का मिश्रण है। लेकिन वास्तव में, एक आग एक अराजक स्मूदी की तरह है जिसमें बर्फ के टुकड़े, गर्म फल और गर्म सिरप सब एक साथ घूम रहे हैं। पुराने तरीके भी संघर्ष करते थे जब आग इतनी गर्म होती थी कि वह कैमरे को सैचुरेट (संतृप्त) कर देती थी (जैसे किसी के चिल्लाने पर माइक्रोफोन का फटना), जिससे अक्सर वैज्ञानिकों को वह डेटा फेंकना पड़ता था।

हालाँकि, नया तरीका तापमान को एक वितरण (distribution) के रूप में देखता है। यह पूछने के बजाय कि "यह पिक्सेल कितना गर्म है?", यह पूछता है कि "इस पिक्सेल के भीतर तापमान का फैलाव क्या है?" वे इसे दो मुख्य समूहों के मिश्रण के रूप में मॉडल करते हैं: एक "फ्लेमिंग" (लपटों वाला) समूह (गर्म, सक्रिय आग) और एक "स्मोलडरिंग" (सुलगने वाला) समूह (ठंडी, मरती हुई राख)। एक चतुर गणितीय तकनीक जिसे "गौसियन मिक्सचर" (Gaussian mixture) कहा जाता है, का उपयोग करके, वे औसत तापमान और यह अनुमान लगा सकते हैं कि उस एकल बिंदु के भीतर तापमान कितना भिन्न होता है।

उन्होंने यह कैसे किया
टीम ने एक "फॉरवर्ड मॉडल" बनाया, जो अनिवार्य रूप से एक भौतिक सिम्युलेटर है। उन्होंने इसे प्रोग्राम किया कि यदि किसी आग का एक निश्चित तापमान और एक निश्चित बैकग्राउंड हो, तो प्रकाश कैसा दिखना चाहिए। फिर, उन्होंने एक सुपर-फास्ट कंप्यूटर ब्रेन (जो हवाई जहाज के अंदर GPU पर चल रहा है) का उपयोग करके पीछे की ओर काम किया। उन्होंने कैमरे द्वारा देखे गए वास्तविक प्रकाश की तुलना उनके सिम्युलेटर द्वारा अनुमानित प्रकाश से की, और तापमान के नंबरों को तब तक बदला जब तक कि दोनों पूरी तरह से मेल न खा गए।

इसे वास्तविक समय (real-time) में काम करने के लिए, उन्होंने एक स्मार्ट ऑप्टिमाइज़ेशन टूल (जिसे Adam कहा जाता है) का उपयोग किया जो तेज़ी से अभिसरित (converge) होता है। उन्होंने एक कठिन समस्या को भी हल किया: वायुमंडलीय जल वाष्प। ठीक वैसे ही जैसे कोहरा आपकी दृष्टि को धुंधला कर सकता है, हवा में मौजूद जल वाष्प आग की रोशनी को विकृत कर सकता है। टीम ने पहले से गणना की कि ज़मीन के हर स्थान के लिए हवा में कितना जल वाष्प है और उसे स्थिर रखा, ताकि कंप्यूटर पूरी तरह से आग के तापमान को हल करने पर ध्यान केंद्रित कर सके।

परिणाम: एक गर्म सफलता
टीम ने अपने सिस्टम का परीक्षण तीन मुख्य तरीकों से किया:

1. "नकली आग" का परीक्षण: उन्होंने सामान्य ज़मीन (कोई आग नहीं) की तस्वीरें लीं और उसमें गुप्त रूप से एक ज्ञात, नकली आग का तापमान डेटा में डाल दिया। फिर उन्होंने अपने सिस्टम को यह देखने के लिए चलाया कि क्या वह उस तापमान को ढूंढ सकता है जिसे उन्होंने छिपाया था। परिणाम? यह अविश्वसनीय रूप से सटीक था। 500 K से 1700 K के सिम्युलेटेड तापमान की एक श्रृंखला में, सिस्टम की औसत त्रुटि केवल 34.1 केल्विन (K) थी और रूट मीन स्क्वायर एरर (RMSE) 41.8 K था। सहसंबंध (correlation) अत्यंत उच्च 0.987 था, जिसका अर्थ है कि अनुमानित तापमान नकली तापमान से लगभग पूरी तरह मेल खाता है।

2. असली आग का परीक्षण: उन्होंने अपने सिस्टम को 168 फ्लाइट लाइन्स पर लागू किया, जो 2025 फायरसेंस (FireSense) अभियान से संबंधित थीं, जिसमें 4 मिलियन से अधिक संभावित फायर पिक्सेल शामिल थे। उन्होंने जांचा कि उनका मॉडल वास्तविक प्रकाश डेटा के साथ कितनी अच्छी तरह फिट बैठता है। सबसे महत्वपूर्ण इन्फ्रारेड बैंड्स में, उनके मॉडल और वास्तविक अवलोकन के बीच का अंतर बहुत कम था—10% से भी कम रेसिडुअल एरर। चमक में औसत अंतर 1 W m⁻² sr⁻¹ nm⁻¹ से कम था, जो दर्शाता है कि भौतिकी मॉडल बहुत ठोस है।

3. "ज़ूम आउट" परीक्षण: यह भविष्य के लिए सबसे रोमांचक हिस्सा था। वे यह देखना चाहते थे कि क्या यह तरीका उपग्रहों (satellites) के लिए काम करेगा, जिनके पिक्सेल हवाई जहाज की तुलना में बहुत अधिक "कोर्स" (धुंधले) होते हैं। उन्होंने अपने तीक्ष्ण, 5-मीटर रिज़ॉल्यूशन वाले डेटा को उपग्रह दृश्य की नकल करने के लिए 60-मीटर ब्लॉक्स में औसत किया। फिर उन्होंने "उपग्रह" परिणाम की तुलना नीचे के सभी तीक्ष्ण पिक्सेल्स के "औसत" से की। परिणामों ने दिखाया कि यह विधि मजबूत है: मोटे अनुमान और बारीक सत्य के बीच का माध्य पूर्ण त्रुटि (mean absolute error) केवल 27.16 K था। यह सुझाव देता है कि इस विधि का उपयोग EMIT जैसे भविष्य के अंतरिक्ष मिशनों के लिए बिना सटीकता खोए किया जा सकता है।

उन्होंने आग के बारे में क्या पाया
जब उन्होंने पूरे अभियान के डेटा को देखा, तो उन्होंने जंगल की आग की प्रकृति के बारे में कुछ दिलचस्प खोजा। उनके द्वारा विश्लेषण किए गए अधिकांश पिक्सेल सुलगते हुए (smoldering) थे (ठंडे, 900 K से कम), जो लगभग 95.3% फायर पिक्सेल्स का हिस्सा थे। केवल लगभग 4.7% ही वास्तव में लपटों वाले (flaming) थे (900 K से अधिक गर्म)। इसका मतलब है कि हर एक पिक्सेल के लिए जो भीषण लपटें दिखा रहा है, वहाँ बीस से अधिक पिक्सेल सुलगती हुई आग दिखा रहे हैं।

उन्होंने फोर्ट स्टीवर्ट में एक निर्धारित दहन (prescribed burn) को कई घंटों तक ट्रैक किया। जैसे-जैसे आग जलती रही, वे तापमान वितरण की "फ्लेमिंग" पूंछ को सिकुड़ते हुए और "स्मोलडरिंग" आबादी को बढ़ते हुए देख सकते थे, जो यह दिखाता है कि कैसे आग सक्रिय रूप से जलने से धीरे-धीरे धुएँ के साथ क्षय होने की अवस्था में बदल गई।

निष्कर्ष
यह शोध पत्र हमें केवल एक संख्या नहीं देता; यह हमें देखने का एक नया तरीका देता है। एक एकल तापमान के अनुमान से एक पूर्ण तापमान वितरण की ओर बढ़कर, लेखकों ने एक ऐसा उपकरण बनाया है जो मजबूत, तेज़ और अंतरिक्ष के लिए तैयार है। उन्होंने दिखाया कि भले ही आग इतनी गर्म हो कि वह कैमरे को संतृप्त कर दे, या जब हम इसे धुंधले उपग्रह दृश्य से देखते हैं, तब भी हम गर्मी का सटीक अनुमान लगा सकते हैं। यह बेहतर अग्नि निगरानी की दिशा में एक बड़ा कदम है, जो हमें न केवल यह समझने में मदद करता है कि आग कहाँ है, बल्कि यह भी कि वह कितनी गर्म है और वह हमारे वायुमंडल में कितनी ऊर्जा छोड़ रही है।