Assessing Hourly and Daily Reference Evapotranspiration from NASA POWER Data: Implications for Irrigation Water Requirement
यह अध्ययन प्रदर्शित करता है कि नासा पावर (NASA POWER) के दैनिक औसत मौसम संबंधी डेटा का उपयोग करके संदर्भ वाष्पोत्सर्जन (ET₀) की गणना करना, प्रति घंटा-एकत्रित डेटा की तुलना में सिंचाई के लिए आवश्यक जल की मात्रा को व्यवस्थित रूप से बढ़ाकर दिखाता है, विशेष रूप से उच्च-ऊर्जा वाले ग्रीष्मकालीन काल के दौरान, क्योंकि FAO-56 पेनमैन-मोंटेथ समीकरण की गैर-रेखीय प्रकृति शिखर वाष्पशील मांगों को सुचारू (smooth) कर देती है।
मूल पेपर CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
कल्पना कीजिए कि आप यह पता लगाने की कोशिश कर रहे हैं कि एक प्यासे बगीचे को जीवित रहने के लिए कितने पानी की आवश्यकता है। खेती और जल प्रबंधन की दुनिया में, वैज्ञानिक इस अनुमान के लिए एक विशेष संख्या का उपयोग करते हैं जिसे "संदर्भ वाष्पोत्सर्जन" (या संक्षेप में ET₀) कहा जाता है। ET₀ को बगीचे के "प्यास मीटर" के रूप में समझें। यह मापता है कि हवा मिट्टी और पौधों से वाष्पीकरण (पानी का वाष्प में बदलना) और वाष्पोत्सर्जन (पौधों का पसीना छोड़ना) की प्रक्रिया के माध्यम से कितना पानी चुराने की कोशिश कर रही है। इस प्यास की गणना करने के लिए, वैज्ञानिक एक प्रसिद्ध रेसिपी का उपयोग करते हैं जिसे FAO-56 पेनमैन-मोंटेथ विधि कहा जाता है। यह रेसिपी धूप, हवा की गति, तापमान और हवा कितनी शुष्क है जैसे तत्वों को आपस में मिलाती है।
यहाँ पेचीदा बात यह है कि यह रेसिपी एक सीधी रेखा नहीं है; यह थोड़े बहुत रोलरकोस्टर की तरह है। यदि आपके पास थोड़ी सी धूप है, तो प्यास थोड़ी बढ़ जाती है। लेकिन यदि आपके पास केवल एक घंटे के लिए धूप का एक बहुत बड़ा विस्फोट होता है, तो प्यास केवल थोड़ी सी नहीं बढ़ती; यह तेजी से ऊपर की ओर उछलती है क्योंकि इसके घटक आपस में कैसे मिलते हैं। आमतौर पर, किसान और योजनाकार "दैनिक" मौसम रिपोर्टों का उपयोग करते हैं—जो पूरे दिन का औसत होती है—को इस रेसिपी में डालने के लिए। यह यह कहने जैसा है कि "आज धूप तेज थी," बिना यह समझे कि धूप दो घंटों के लिए अंधा कर देने वाली थी और बाकी समय शायद बहुत कम थी। बड़ा सवाल यह है कि क्या पूरे दिन को एक औसत संख्या में बदलकर सुचारू बनाना हमें सही उत्तर देता है, या यह हमें धोखा देता है?
द ग्रेट टाइम-ट्रैवल एक्सपेरिमेंट (समय-यात्रा प्रयोग)
दो शोधकर्ताओं, पंकज अग्रवाल और प्रतीक गीते ने NASA के POWER डेटाबेस से मौसम के डेटा के साथ जासूसी करने का निर्णय लिया। वे यह देखना चाहते थे कि दो अलग-अलग "टाइम-ट्रैवल" विधियों का उपयोग करके बगीचे की प्यास की गणना करने पर क्या होता है।
विधि A (द ऑवरली डिटेक्टिव - प्रति घंटा जासूस): उन्होंने मौसम के डेटा को हर एक घंटे के हिसाब से लिया, हर एक घंटे के लिए प्यास की गणना की, और फिर दिन के अंत में उन सबको जोड़ दिया। यह सूप का हर 15 मिनट में स्वाद चखने जैसा है ताकि यह देखा जा सके कि वह ठीक कब बहुत नमकीन हो जाता है।
विधि B (द डेली समराइज़र - दैनिक सारांशकर्ता): उन्होंने पूरे दिन के औसत मौसम (औसत धूप, औसत हवा, औसत गर्मी) को लिया और उस एकल संख्या को प्यास की रेसिपी में एक बार चलाया। यह रात के खाने पर केवल एक बार सूप का स्वाद चखने और यह मान लेने जैसा है कि पूरे दिन स्वाद एक जैसा ही था।
उन्होंने यह एक पूरे वर्ष के लिए भारत के एक अर्ध-शुष्क (सूखे) क्षेत्र में किया, जहाँ फसलों के लिए सिंचाई को सही ढंग से करना जीवन-मरण का प्रश्न है।
द बिग रिवील: दैनिक विधि अधिक अनुमान लगाती है
परिणाम स्पष्ट और सुसंगत थे। "दैनिक सारांशकर्ता" (विधि B) हमेशा, हर एक दिन, किसानों को यह बता रहा था कि बगीचे को वास्तव में जितनी प्यास थी, उससे कहीं अधिक पानी की आवश्यकता है।
औसतन, दैनिक विधि ने पानी की आवश्यकता का 1.2055 मिमी प्रति दिन अधिक अनुमान लगाया। यह सुनने में छोटा लग सकता है, लेकिन पूरे एक साल में, इसने 439.99 मिमी अतिरिक्त पानी जोड़ दिया जिसकी वास्तव में आवश्यकता नहीं थी। शोधकर्ताओं ने पाया कि दैनिक विधि, अधिक सटीक प्रति घंटा विधि की तुलना में 8.4% बार गलत थी।
ऐसा क्यों हुआ? यह उन "रोलरकोस्टर" चोटियों (peaks) के कारण हुआ। बगीचे की प्यास दिन के सबसे गर्म, सबसे धूप वाले घंटों के दौरान (आमतौर पर सुबह 11:00 बजे से दोपहर 3:00 बजे के बीच) तेजी से बढ़ती है। जब आप प्रति घंटा विधि का उपयोग करते हैं, तो आप इन उछालों को पकड़ लेते हैं और उन्हें सही ढंग से जोड़ देते हैं। लेकिन जब आप दैनिक औसत का उपयोग करते हैं, तो आप उन उछालों को सपाट कर देते हैं। आप उस भीषण गर्मी वाले दोपहर को ठंडी रात के साथ मिला देते हैं, जिससे एक "औसत दर्जे का" तापमान बन जाता है। क्योंकि प्यास की रेसिपी गैर-रेखीय (non-linear) है, यह "औसत दर्जे का" औसत वास्तव में वास्तविक, उतार-चढ़ाव भरी वास्तविकता की तुलना में अधिक कुल प्यास की गणना करता है। यह एक कार की गति की गणना करने जैसा है जिसने रेड लाइट पर रुककर फिर 100 मील प्रति घंटे की रफ्तार से दौड़ लगाई, और आपने यह कहकर गणना की कि वह पूरे समय स्थिर 50 मील प्रति घंटे की रफ्तार से चली; आपको लगेगा कि उसने अधिक दूरी तय की है।
यह गलती कब बदतर हो जाती है?
शोधकर्ताओं ने पाया कि यह गलती पूरे साल एक जैसी नहीं रहती है। यह एक गिरगिट की तरह है जो कुछ विशेष परिस्थितियों में अधिक चमकीला हो जाता है।
- सर्दियाँ: जब मौसम शांत होता है और धूप बहुत तीव्र नहीं होती, तो दोनों विधियाँ काफी हद तक सहमत होती हैं। दैनिक औसत, प्रति घंटा सच्चाई के काफी करीब होता है।
- गर्मी: यहीं से समस्या शुरू होती है। उच्च-ऊर्जा वाले गर्मियों के महीनों के दौरान, जब सूरज चमक रहा होता है और हवा शुष्क होती है, तो दैनिक विधि बेकाबू हो जाती है। इसने केवल गर्मी के मौसम के दौरान ही 165.6 मिमी अधिक पानी का अनुमान लगाया।
- दोषी तत्व: शोधकर्ताओं ने पाया कि यह गलती तब सबसे खराब होती है जब हवा शुष्क (कम आर्द्रता) होती है और धूप तेज होती है। उन्होंने हवा के सूखेपन (नकारात्मक सहसंबंध -0.8337) और इस त्रुटि के बीच एक बहुत मजबूत संबंध पाया। हवा जितनी शुष्क और गर्म होगी, दैनिक औसत बगीचे की वास्तविक प्यास के बारे में उतना ही अधिक झूठ बोलेगा।
आपको इसकी परवाह क्यों करनी चाहिए?
कल्पना कीजिए कि आप एक विशाल खेत के लिए पानी के वाल्व (valves) के प्रभारी व्यक्ति हैं। यदि आप "द डेली समराइज़र" पर भरोसा करते हैं, तो आप पानी बहुत अधिक चालू कर देंगे, खासकर गर्मियों में। आपको लग सकता है कि फसलें पानी के लिए चिल्ला रही हैं जबकि वे वास्तव में ठीक हैं। इससे पानी की बर्बादी होगी और संभावित रूप से पौधों की जड़ों को डुबोया जा सकता है।
पेपर सुझाव देता है कि सिंचाई की योजना बनाने के लिए, विशेष रूप से गर्म, शुष्क स्थानों में, हमें केवल आसान "दैनिक औसत" संख्याओं पर निर्भर नहीं रहना चाहिए। हमें प्रति घंटा होने वाले उछालों का सम्मान करना चाहिए। हालांकि दीर्घकालिक, मोटे अनुमानों के लिए दैनिक डेटा ठीक है, लेकिन जब हमें चरम जल आवश्यकताओं के बारे में सटीक होने की आवश्यकता होती है, तो यह विफल हो जाता है।
निचोड़ (The Bottom Line)
अग्रवाल और गीते ने केवल एक छोटी सी गड़बड़ी नहीं ढूंढी; उन्होंने एक व्यवस्थित पूर्वाग्रह (systematic bias) पाया। उन्होंने साबित किया कि भले ही आप एक ही मौसम डेटा स्रोत (NASA POWER) का उपयोग कर रहे हों, केवल उस पर नज़र रखने के समय को बदलने से (प्रति घंटा बनाम दैनिक) उत्तर बदल जाता है। दैनिक विधि चोटियों (peaks) को सपाट कर देती है, लेकिन ऐसा करने में, यह उच्च मांग का एक झूठा आभास पैदा करती है।
इसलिए, अगली बार जब आप सुनें कि किसी खेत को कितने पानी की आवश्यकता है, तो उस रोलरकोस्टर को याद रखें। यदि आप केवल ट्रैक की औसत ऊंचाई को देखते हैं, तो आप उस भयानक गिरावट को मिस कर सकते हैं जो वास्तव में इस सवारी को परिभाषित करती है। सूखे जलवायु वाले किसानों के लिए, औसत और शिखर (peak) के बीच के अंतर को जानना, एक अच्छी फसल और सूखे के बीच का अंतर हो सकता है।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।