Monitoring farmland soil moisture status in semi-arid regions using multi-source remote sensing fusion data and machine learning algorithms

कल्पना कीजिए कि आप एक जासूस हैं जो एक रहस्य सुलझाने की कोशिश कर रहे हैं, लेकिन अपराध स्थल अदृश्य है। आप जमीन के नीचे छिपे पानी को देख नहीं सकते, फिर भी आप जानते हैं कि यही एक फलते-फूलते बगीचे और एक धूल भरे बंजर मैदान के बीच का अंतर है। यह मिट्टी की नमी (soil moisture) की निगरानी की दुनिया है। अतीत में, मिट्टी में कितना पानी था, इसका पता लगाने के लिए गड्ढे खोदने, भारी नमूने लेने और उन्हें सुखाने के लिए ओवन में दिनों तक इंतजार करने की आवश्यकता होती थी—एक धीमी, अव्यवस्थित और महंगी प्रक्रिया जो केवल एक बहुत छोटे हिस्से के बारे में बताती थी। लेकिन वैज्ञानिकों के पास एक नया तरीका है: रिमोट सेंसिंग (remote sensing)। इसे आकाश से पृथ्वी की "चेक-अप" करने के रूप में सोचें। कुछ कैमरे दृश्य प्रकाश (जैसे हमारी आँखें) देखते हैं, जबकि अन्य रडार तरंगों का उपयोग करते हैं जो बादलों के पार देख सकते हैं और सतह के थोड़ा नीचे भी झाँक सकते हैं। बड़ा सवाल जो शोधकर्ता पूछ रहे हैं वह यह है: क्या हम सटीक रूप से अनुमान लगाने के लिए कि मिट्टी कितनी गीली है, बिना जमीन को छुए, इन विभिन्न "सुपर-आँखों" को स्मार्ट कंप्यूटर दिमागों के साथ मिला सकते हैं?

यह शोध पत्र चीन के उत्तर-पश्चिमी अर्ध-शुष्क क्षेत्रों में वसंत ऋतु की मक्का (corn) की फसलों के लिए इस पहेली को सुलझाने के बारे में है। शोधकर्ता जानना चाहते थे कि क्या वे ऑप्टिकल डेटा (वे चित्र जो दिखाते हैं कि पौधे कितने हरे और स्वस्थ हैं) और रडार डेटा (संकेत जो मिट्टी से टकराकर वापस आते हैं) के संयोजन का उपयोग करके अलग-अलग गहराइयों पर मिट्टी की नमी का अनुमान लगा सकते हैं—जैसे कि 10 सेमी, 20 सेमी और 30 सेमी नीचे जल स्तर की जाँच करना। उन्होंने केवल अनुमान नहीं लगाया; उन्होंने इस डेटा को तीन अलग-अलग मशीन लर्निंग एल्गोरिदम (स्मार्ट कंप्यूटर प्रोग्राम जो पैटर्न से सीखते हैं) में डाला ताकि यह देखा जा सके कि कौन सा सबसे अच्छा जासूस बन सकता है। लक्ष्य एक ऐसा तरीका खोजना था जो किसानों को ठीक से बता सके कि कब और कहाँ फसलों को पानी देना है, जिससे कीमती पानी बचाया जा सके और मक्का मजबूती से बढ़ सके।

मक्का के जासूस की कहानी

शोधकर्ताओं ने चीन के झिंजियांग में एक मक्का के खेत में एक विशाल प्रयोग स्थापित किया। उन्होंने मक्का के खेत को एक जीवित प्रयोगशाला की तरह माना, पौधों को उनके जीवन के पांच विशिष्ट चरणों के माध्यम से ट्रैक किया: "जॉइंटिंग" चरण (जब तने अभी खिंचना शुरू ही होते हैं) से लेकर "मिल्किंग" (जब मक्का कटाई के लिए तैयार होता है) तक। सीजन के दौरान पांच अलग-अलग समय पर, उन्होंने खेत के ऊपर से एक ड्रोन उड़ाया और सैटेलाइट डेटा का उपयोग करके तस्वीरें लीं। साथ ही, वे वास्तविक दुनिया के जल स्तर (ग्राउंड ट्रुथ) को प्राप्त करने के लिए तीन अलग-अलग गहराइयों से 200 मिट्टी के नमूने लेने के लिए खेत में गए।

फिर उन्होंने इस सारी जानकारी को तीन अलग-अलग कंप्यूटर मॉडल में डाला: XGBoost, SVR, और KNN। आप इन मॉडलों को अलग-अलग शैलियों वाले तीन जासूसों के रूप में देख सकते हैं।

• KNN एक ऐसे जासूस की तरह है जो बस अपने निकटतम पड़ोसी को देखता है और कहता है, "यदि इस स्थान के बगल वाली मिट्टी गीली है, तो यह स्थान भी गीला ही होगा।"
• SVR एक ऐसा जासूस है जो डेटा के माध्यम से एक सटीक रेखा खींचने की कोशिश करता है ताकि पैटर्न पाया जा सके।
• XGBoost एक सुपर-जासूस है जो निर्णय वृक्षों (decision trees) की एक पूरी टीम बनाता है, जो सबसे सटीक उत्तर प्राप्त करने के लिए सैकड़ों छोटे-छोटे प्रश्न पूछता है।

बड़ी खोजें

संख्याओं का विश्लेषण करने के बाद, शोध पत्र कुछ दिलचस्प सच्चाइयों का खुलासा करता है कि मिट्टी की नमी कैसे व्यवहार करती है और इसे मापने का सबसे अच्छा तरीका क्या है।

1. "सुपर-टीम" की जीत
सबसे महत्वपूर्ण खोज यह है कि केवल एक प्रकार के डेटा का उपयोग करना पर्याप्त नहीं है। यह केवल एक सुराग के साथ रहस्य सुलझाने की कोशिश करने जैसा है। जब शोधकर्ताओं ने केवल ऑप्टिकल छवियों (पौधों के हरेपन) का उपयोग किया, तो जैसे-जैसे मक्का लंबा होता गया, कंप्यूटर गहरी मिट्टी की नमी का अनुमान लगाने में बेहतर होता गया। लेकिन जब उन्होंने केवल रडार डेटा का उपयोग किया, तो कंप्यूटर शुरुआत में सतह की नमी का अनुमान लगाने में बहुत अच्छा था, लेकिन जैसे-जैसे मक्का बड़ा हुआ और रडार संकेतों को बाधित करने लगा, इसकी सटीकता गिर गई।

हालाँकि, जब उन्होंने दोनों प्रकार के डेटा को एक साथ फ्यूज (fuse) किया (ऑप्टिकल + रडार), तो परिणाम अद्भुत थे। संयुक्त टीम ने हर स्थिति में एकल जासूसों से बेहतर प्रदर्शन किया। सबसे अच्छे मॉडल, XGBoost ने अपने टेस्ट रन पर 0.525 से 0.825 का स्कोर (जिसे R² कहा जाता है) हासिल किया। इसका मतलब है कि यह अत्यधिक सटीक था और इसने केवल डेटा को रटा नहीं था; इसने वास्तव में खेल के नियमों को सीखा था।

2. गहराई का रहस्य
पत्र ने यह भी सुलझाया कि पानी कहाँ है और इसे कैसे ढूँढा जाए।

• सतही मिट्टी (10 सेमी): यह परत एक घबराए हुए किशोर की तरह है; यह मौसम के साथ तेजी से बदलती है। शोध पत्र में पाया गया कि रडार संकेत इस परत का पता लगाने के लिए सबसे अच्छे हैं, खासकर जब मक्का छोटा होता है। रडार सीधे गीली मिट्टी से टकराकर वापस आता है।
• गहरी मिट्टी (30 सेमी): यह परत शांत और स्थिर है। जैसे-जैसे मक्का बढ़ता है, इसकी जड़ें गहराई से पानी पीती हैं। शोध पत्र में पाया गया कि वनस्पति सूचकांक (vegetation indices) (पत्तियां कितनी हरी और स्वस्थ दिखती हैं) वास्तव में इस गहरे पानी के लिए सबसे अच्छा सुराग हैं। यदि गहरी मिट्टी सूखी है, तो मक्का प्यासा हो जाता है और थोड़ा उदास (कम हरा) दिखने लगता है, भले ही सतह गीली हो।

3. मौसमी उतार-चढ़ाव
मिट्टी की नमी पूरी गर्मियों में एक जैसी नहीं रही। यह एक "यूनिमोडल" (unimodal) रुझान का पालन करती है, जो एक फैंसी तरीका है यह कहने का कि यह ऊपर गई और फिर नीचे आई, जैसे एक पहाड़ी।

• गिरावट: मिट्टी "जॉइंटिंग" चरण (चरण I) और "मिल्किंग" चरण (चरण V) के दौरान सबसे शुष्क थी।
• शिखर (Peak): मिट्टी "टैसेलिंग" चरण (चरण III) के दौरान सबसे अधिक गीली थी, जब मक्के में फूल आते हैं। इसी समय किसान सबसे अधिक पानी देते हैं, और पौधे भारी मात्रा में पानी पीते हैं, जिससे मिट्टी संतृप्त रहती है।
• पैटर्न: किसी भी दिए गए समय में, गहरी मिट्टी (30 सेमी) हमेशा सतह (10 सेमी) की तुलना में अधिक गीली थी। सतह की परत अनिश्चित और परिवर्तनशील थी, जबकि गहरी परत एक स्थिर, विश्वसनीय भंडार थी।

4. जादू के पीछे का "क्यों"
यह समझने के लिए कि कंप्यूटर ने सही अनुमान क्यों लगाए, शोधकर्ताओं ने SHAP नामक एक उपकरण का उपयोग किया। कल्पना कीजिए कि यह एक स्पॉटलाइट है जो सबसे महत्वपूर्ण सुरागों पर रोशनी डालती है।

• सतही मिट्टी के लिए, स्पॉटलाइट हमेशा VV (एक विशिष्ट प्रकार का रडार सिग्नल) पर पड़ी। यह पुष्टि करता है कि सतह की नमी देखने के लिए रडार ही राजा है।
• गहरी मिट्टी के लिए, स्पॉटलाइट वनस्पति सूचकांकों जैसे NDVI और DVI की ओर बढ़ गई। यह साबित करता है कि पौधे की पत्तियों का स्वास्थ्य ही जमीन के नीचे क्या हो रहा है, इसका सबसे अच्छा संकेतक है।

भविष्य के लिए इसका क्या अर्थ है

शोध पत्र निष्कर्ष निकालता है कि इन शुष्क क्षेत्रों में मिट्टी की नमी की निगरानी करने का सबसे अच्छा तरीका एक हाइब्रिड दृष्टिकोण अपनाना है: ड्रोन की "आँखों" (ऑप्टिकल) को सैटेलाइट के "स्पर्श" (रडार) के साथ मिलाएं और XGBoost कंप्यूटर को सोचने दें। यह विधि किसानों को उनके खेतों के अदृश्य जल मानचित्र को देखने की अनुमति देती है।

शोधकर्ता सावधानी बरतते हुए कहते हैं कि हालांकि उनकी विधि इस विशिष्ट मक्का के खेत के लिए अविश्वसनीय रूप से अच्छी तरह से काम करती है, लेकिन यह कोई जादुई छड़ी नहीं है जो हर जगह तुरंत काम करती है। वे स्वीकार करते हैं कि उनका अध्ययन एक ही स्थान और एक ही प्रकार की फसल तक सीमित था। वे यह भी बताते हैं कि उन्होंने "टाइम लैग" (समय अंतराल) को ध्यान में नहीं रखा—यह तथ्य कि गहरी मिट्टी के सूखने का असर पत्तियों पर दिखने में कुछ दिन लग सकते हैं। लेकिन फिलहाल के लिए, यह अध्ययन यह सिद्ध करता है कि अंतरिक्ष डेटा के विभिन्न प्रकारों को मिलाकर और स्मार्ट एल्गोरिदम का उपयोग करके, हम अंततः अपने पैरों के नीचे छिपे पानी की स्पष्ट, वास्तविक समय की तस्वीर प्राप्त कर सकते हैं, जिससे हमें कम बर्बादी के साथ अधिक भोजन उगाने में मदद मिलेगी।