Quantification of soil carbon and moisture content in varying-moisture soils withLaser-Induced Breakdown Spectroscopy and machine learning
यह अध्ययन प्रदर्शित करता है कि लेजर-इंड्यूस्ड ब्रेकडाउन स्पेक्ट्रोस्कोपी (LIBS) को LED-आधारित विज़-एनआईआर (vis-NIR) परावर्तन और कर्नेल रिज रिग्रेशन के साथ संयोजित करने से न्यूनतम संसाधित, परिवर्तनशील नमी वाले नमूनों में मृदा कुल कार्बन और नमी की मात्रा का सटीक पूर्वानुमान सक्षम होता है, जिसमें नमी-जागरूक अंशांकन (moisture-aware calibration) कार्बन पूर्वानुमान सटीकता को महत्वपूर्ण रूप से बढ़ाता 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
हमारे पैरों के नीचे की मिट्टी केवल धूल मात्र नहीं है; यह एक विशाल, जीवित भंडार है जो वायुमंडल और दुनिया के सभी वनों के कुल कार्बन से भी अधिक कार्बन को अपने भीतर समेटे हुए है। यह छिपा हुआ कार्बन पृथ्वी की जलवायु को नियंत्रित करने में महत्वपूर्ण भूमिका निभाता है, फिर भी किसी विशिष्ट भूखंड में कितना कार्बन जमा है, इसका मापन करना एक कठिन कार्य बना हुआ है। पारंपरिक रूप से, वैज्ञानिकों को मिट्टी के नमूने एकत्र करने होते हैं, उन्हें ओवन में सुखाना होता है, उन्हें बारीक पाउडर में पीसना होता है, और कार्बन की मात्रा निर्धारित करने के लिए उन्हें प्रयोगशाला में जलाना होता है। यह प्रक्रिया धीमी, महंगी है और इसमें नमूनों को खेत से प्रयोगशाला तक ले जाने की आवश्यकता होती है, जो परीक्षण किए जा जाने वाले स्थानों की संख्या को सीमित कर देती है। जैसे-जैसे दुनिया मिट्टी के स्वास्थ्य की निगरानी करने और कार्बन भंडारण को ट्रैक करने के बेहतर तरीके खोज रही है, एक ऐसी विधि की बढ़ती आवश्यकता है जो तेज़, सटीक हो और जिसे बिना किसी व्यापक तैयारी के बोझ के, ठीक वहीं उपयोग किया जा सके जहाँ मिट्टी पाई जाती है।
शोधकर्ता 'लेजर-इंड्यूस्ड ब्रेकडाउन स्पेक्ट्रोस्कोपी' नामक एक तकनीक का पता लगा रहे हैं, जो किसी सामग्री की सतह पर एक शक्तिशाली, केंद्रित प्रकाश पुंज का उपयोग करके एक छोटा, अत्यंत गर्म प्लाज्मा बनाता है। ऊर्जा की यह चमक मिट्टी के परमाणुओं को चमका देती है, जिससे प्रकाश उत्सर्जित होता है जो यह प्रकट करता है कि उसमें कौन से तत्व मौजूद हैं। हालांकि यह विधि धातुओं और पोषक तत्वों की पहचान करने के लिए आशाजनक रही है, लेकिन इसे ताजी, गीली मिट्टी के साथ संघर्ष करना पड़ा है क्योंकि पानी प्रकाश के व्यवहार को नाटकीय रूप रूप से बदल देता है, जिससे सटीक माप कठिन हो जाता है। इस समस्या को हल करने के लिए, वैज्ञानिकों की एक टीम ने इस लेजर तकनीक को एक सरल प्रकाश-परावर्तक सेंसर और उन्नत कंप्यूटर एल्गोरिदम के साथ जोड़ा। उन्होंने परीक्षण किया कि क्या यह हाइब्रिड सिस्टम प्रयोगशाला में सावधानीपूर्वक तैयार किए गए या प्राकृतिक, गीली अवस्था में मापे गए मिट्टी के नमूनों में कार्बन की मात्रा और नमी की मात्रा दोनों का सटीक अनुमान लगा सकता है।
इस अध्ययन में फिनलैंड के आठ अलग-अलग कृषि स्थलों से एकत्र किए गए 116 मिट्टी के नमूनों को शामिल किया गया, जो मिट्टी की विभिन्न बनावट और कार्बन स्तरों का प्रतिनिधित्व करते हैं। शोधकर्ताओं ने इन नमूनों को विभिन्न परिदृश्यों का परीक्षण करने के लिए अलग-अलग समूहों में विभाजित किया। कुछ नमूनों को सुखाया गया, बारीक पाउडर में पीसा गया और आदर्श प्रयोगशाला स्थितियों की नकल करने के लिए पेलेट्स (pellets) के रूप में दबाया गया। अन्य को ताज़ा छोड़ा गया, जिसमें उनकी प्राकृतिक नमी और बड़े पत्थरों को हाथ से हटा दिया गया था। टीम ने इन नमूनों को लेजर और लाइट सेंसर के अधीन किया, और फिर प्राप्त डेटा को छह अलग-अलग प्रकार के मशीन लर्निंग मॉडल में डाला। ये मॉडल अनिवार्य रूप से डेटा के जटिल पैटर्न खोजने के लिए प्रशिक्षित कंप्यूटर प्रोग्राम हैं, जो मिट्टी के विशिष्ट प्रकाश संकेतों को पारंपरिक, धीमी विधियों द्वारा मापे गए वास्तविक कार्बन और जल स्तर से जोड़ने के लिए सीखते हैं।
परिणामों से पता चला कि कंप्यूटर मॉडल आश्चर्यजनक सटीकता के साथ वास्तविक दुनिया के अव्यवस्थित डेटा की व्याख्या करना सीख सकते हैं। सबसे अच्छा प्रदर्शन करने वाला मॉडल, जिसे 'कर्नेल रिज रिग्रेशन' (kernel ridge regression) नामक एल्गोरिदम के रूप में जाना जाता है, उच्च स्तर की सटीकता के साथ कुल कार्बन सामग्री की भविष्यवाणी करने में सक्षम था। उन नमूरों के लिए जिन्हें पाउडर में पीसा गया था और एक स्थिर नमी स्तर पर रखा गया था, मॉडल के अनुमान संदर्भ मापों के अत्यंत करीब थे। इससे भी महत्वपूर्ण बात यह है कि ताजे, न्यूनतम संसाधित नमूनों के लिए, जो एक किसान या वैज्ञानिक द्वारा खेत में सामना किए जाने वाले परिदृश्य का प्रतिनिधित्व करते हैं, मॉडल अभी भी बहुत अच्छा प्रदर्शन करता रहा, और केवल एक छोटे अंतर के साथ कार्बन सामग्री को पकड़ लिया। अध्ययन ने पाया कि कंप्यूटर की पहले नमी के स्तर का अनुमान लगाने और फिर उस अनुमान का उपयोग करके कार्बन स्तर की गणना करने की क्षमता ने गीले, प्राकृतिक नमानों के लिए सटीकता में काफी सुधार किया। यह सुझाव देता है कि यह प्रणाली उस परिवर्तनशील जल सामग्री की भरपाई कर सकती है जो आमतौर पर इन मापों को भ्रमित करती है।
इस शोध का एक प्रमुख निष्कर्ष यह था कि मिट्टी को व्यापक रूप से पीसना और सुखाना, जो दशकों से एक मानक अभ्यास रहा है, इस तकनीक के काम करने के लिए आवश्यक नहीं हो सकता है। जब शोधकर्ताओं ने नियंत्रित परिस्थितियों में पिसे हुए नमूनों की तुलना ताजे नमूनों से की, तो भविष्यवाणी की सटीकता में अंतर नगण्य था। इसका तात्पर्य यह है कि सुखाने और पीसने के समय लेने वाले चरणों को पूरी तरह से छोड़ा जा सकता है, जिससे त्वरित, ऑन-साइट विश्लेषण संभव हो सके। यह प्रणाली स्वयं मिट्टी की नमी की मात्रा मापने में भी सक्षम सिद्ध हुई, जो मिट्टी के एक निश्चित आयतन में संग्रहीत कार्बन की कुल मात्रा की गणना करने के लिए एक महत्वपूर्ण जानकारी है। नमी को सीधे मापकर, यह विधि अंततः प्रयोगशाला में सुखाने के लिए नमूने ले जाए बिना, खेत में मिट्टी के कार्बन स्टॉक की गणना करने की अनुमति दे सकती है।
अध्ययन में यह भी देखा गया कि मिट्टी के विभिन्न प्रकार और विशिष्ट स्थान परिणामों को कैसे प्रभावित करते हैं। भविष्यवाणी में त्रुटियां मिट्टी की सामान्य बनावट (जैसे कि मिट्टी क्ले या रेत है) के बजाय विशिष्ट स्थान और वहां मौजूद कार्बन मूल्यों की सीमा से अधिक संबंधित पाई गईं। एक स्थान पर जहाँ मिट्टी में असामान्य रूप से उच्च कार्बन स्तर था, मॉडल थोड़ा संघर्ष करता रहा क्योंकि उसने अपने प्रशिक्षण के दौरान ऐसे उच्च मूल्यों के पर्याप्त उदाहरण नहीं देखे थे। यह इस बात पर प्रकाश डालता है कि इस तकनीक को हर जगह काम करने के लिए, कंप्यूटर मॉडल को मिट्टी के विविध प्रकारों, जिनमें अत्यधिक कार्बन स्तर शामिल हैं, पर प्रशिक्षित करने की आवश्यकता है। हालांकि, समग्र प्रदर्शन इतना मजबूत था कि यह सुझाव देता है कि यह दृष्टिकोण पारंपरिक तरीकों के एक व्यवहार्य विकल्प के रूप में काम कर सकता है, जो वर्तमान में संभव है उससे कहीं अधिक गति और घनत्व के साथ मिट्टी के कार्बन को मैप करने का एक तरीका प्रदान करता है।
मिट्टी के तात्विक संरचना को पढ़ने वाले लेजर को पानी और कार्बनिक पदार्थों का पता लगाने वाले सेंसर के साथ जोड़कर, और फिर कंप्यूटर को इन संकेतों और वास्तविक मिट्टी के गुणों के बीच संबंध सीखने देकर, शोधकर्ताओं ने व्यावहारिक, क्षेत्र-परिवर्तनीय (field-deployable) मिट्टी विश्लेषण की दिशा में एक मार्ग प्रदर्शित किया है। यह कार्य पुष्टि करता है कि सही डेटा प्रोसेसिंग के साथ, गीली, अप्राशस्कृत मिट्टी को मापने की चुनौतियों को दूर किया जा सकता है। इसका मतलब यह नहीं है कि यह तकनीक पूर्ण है या बिना और परीक्षण के हर स्थिति के लिए तैयार है, लेकिन यह सिद्ध करता है कि श्रम-साध्य तैयारी के बिना मिट्टी के कार्बन और नमी का सटीक, तीव्र मापन प्राप्त करना संभव है। अगले चरणों में इन विधियों को वास्तविक दुनिया के फील्ड प्रोटोकॉल में परीक्षण करना शामिल है ताकि यह देखा जा सके कि वे पूरे परिदृश्य के कुल कार्बन स्टॉक को मापने में कितनी अच्छी तरह टिकते हैं, जो संभावित रूप से हमारे ग्रह की मिट्टी के स्वास्थ्य की निगरानी करने के तरीके में क्रांति ला सकते हैं।
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।