Machine Learning-Based Landslide Susceptibility Mapping and Environmental Controls in Hanang District, Northern Tanzania
यह अध्ययन हनांग जिला, तंजानिया में भूस्खलन की संवेदनशीलता को मैप करने के लिए जीआईएस (GIS) और रिमोट सेंसिंग डेटा के साथ एकीकृत एक रैंडम फॉरेस्ट मशीन लर्निंग मॉडल का उपयोग करता है, जिसने 93.5% सटीकता प्राप्त की है और एनडीवीआई (NDVI) को प्राथमिक भविष्यवक्ता के रूप में पहचाना है, जबकि यह भी प्रकट किया है कि जिले का लगभग 44% हिस्सा भविष्य में भूस्खलन के प्रति अत्यधिक संवेदनशील 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 पृथ्वी एक विशाल, थोड़े हिलते हुए जेली मोल्ड (Jell-O mold) की तरह है जो एक प्लेट पर रखा हुआ है। कभी-कभी प्लेट हिलती है (भूकंप), या कभी-कभी कोई ऊपर बहुत सारा पानी डाल देता है, जिससे जेली फिसलकर एक गंदे ढेर की तरह नीचे गिर जाती है। वास्तविक दुनिया में, इस "फिसलन" को भूस्खलन (landslide) कहा जाता है। यह तब होता है जब ज़मीन, आमतौर पर किसी पहाड़ी या पर्वत पर, अपना वजन संभालने में असमर्थ हो जाती है और नीचे गिर पड़ती है। यह एक बड़ी बात है क्योंकि जब ज़मीन हिलती है, तो वह अपने साथ घरों, सड़कों और जंगलों को भी ले जा सकती है, जिससे वहां रहने वाले लोगों के लिए बड़ी समस्याएँ पैदा होती हैं।
इसे रोकने के लिए, वैज्ञानिक यह अनुमान लगाने की कोशिश करते हैं कि ज़मीन कहाँ फिसलने की सबसे अधिक संभावना है। वे इसे कई सुरागों को देखकर करते हैं, जैसे कि पहाड़ी कितनी खड़ी है, कितनी बारिश होती है, और वहां कितने पेड़ उग रहे हैं। इसे एक जासूस की तरह समझें जो रहस्य सुलझाने की कोशिश कर रहा है: "कौन फिसला?" जासूस फर्श के गीलेपन, ढलान के कोण और यह देखता है कि क्या व्यक्ति ने फिसलन भरे मोज़े पहने थे। विज्ञान की दुनिया में, कंप्यूटर "सुपर-डिटेक्टिव" बन रहे हैं। वे "मशीन लर्निंग" नामक चीज़ का उपयोग करते हैं, जो मूल रूप से कंप्यूटर को पिछली गलतियों (या इस मामले में, पिछले भूस्खलों) से सीखने के लिए सिखाना है ताकि वह अनुमान लगा सके कि अगला भूस्खलन कहाँ हो सकता है। यह बहुत महत्वपूर्ण है क्योंकि यदि हमें खतरे का पता चल जाए, तो हम सुरक्षित घर बना सकते हैं और आपदा आने से पहले लोगों को चेतावनी दे सकते हैं।
अब, आइए तंजानिया की एक विशिष्ट कहानी पर ध्यान केंद्रित करें। अस्वनाथ अल्बर्ट मालेकेला नामक एक शोधकर्ता ने हनांग जिले में जासूसी करने का निर्णय लिया, जो उत्तरी तंजानिया का एक ऐसा स्थान है जो हाल ही में 2023 के अंत में एक बड़े भूस्खलन आपदा से बुरी तरह प्रभावित हुआ था। वहां की ज़मीन एक ऊबड़-खाबड़, ऊबड़-खाबड़ कालीन की तरह है, और जब भारी बारिश आई, तो कालीन फर्श से फिसल गया। अस्वनाथ यह पता लगाना चाहती थीं कि जिले के कौन से हिस्से फिर से फिसलने की सबसे अधिक संभावना रखते हैं, इसलिए उन्होंने "रैंडम फॉरेस्ट" (Random Forest) नामक एक कंप्यूटर प्रोग्राम का उपयोग करके एक डिजिटल क्रिस्टल बॉल बनाई।
आप सोच सकते हैं कि "रैंडम फॉरेस्ट" क्या है? कल्पना कीजिए कि आप मौसम का अनुमान लगाने की कोशिश कर रहे हैं। केवल एक व्यक्ति से पूछने के बजाय, आप 100 अलग-अलग दोस्तों के एक पूरे जंगल से पूछते हैं। प्रत्येक मित्र सुरागों के एक थोड़े अलग सेट को देखता है (कुछ बादलों को देखते हैं, कुछ हवा को, कुछ पक्षियों को)। फिर, आप वोट लेते हैं। यदि आपके 90 दोस्त कहते हैं, "बारिश होने वाली है," तो आप शायद उन पर विश्वास करेंगे। रैंडम फॉरेस्ट मॉडल ने बिल्कुल यही किया। इसने 100 डिजिटल "पेड़ों" से परिदृश्य को देखने और इस पर वोट देने को कहा कि क्या किसी विशेष स्थान पर भूस्खलन होगा।
इस डिजिटल जंगल को सिखाने के लिए, अस्वनाथ ने अंतरिक्ष और ज़मीन से सुरागों की एक विशाल सूची एकत्र की। उन्हें 859 विशिष्ट स्थान मिले: 429 जहाँ वास्तव में भूस्खलन हुआ था ("फिसलन वाले" स्थान) और 430 जहाँ ज़मीन पूरी तरह से स्थिर थी ("सुरक्षित" स्थान)। फिर उन्होंने कंप्यूटर को हर स्थान के लिए दस अलग-अलग प्रकार की जानकारी दी, जिसमें शामिल हैं:
- यह कितनी ऊंचाई पर है (ऊंचाई/Elevation)।
- पहाड़ी कितनी खड़ी है (ढलान/Slope)।
- पहाड़ी किस दिशा में है (पक्ष/Aspect)।
- कितनी बारिश हुई (एक बड़ी तूफान में और पूरे वर्ष में)।
- पौधे कितने हरे हैं (NDVI नामक एक विशेष उपग्रह माप का उपयोग करके)।
- मिट्टी कितनी गीली होने की संभावना है (टोपोग्राफिक वेटनेस इंडेक्स/Topographic Wetness Index)।
- यह नदी के कितने करीब है।
- भूमि का उपयोग किस लिए किया जाता है (जैसे खेती या जंगल)।
फिर कंप्यूटर ने इन सभी सुरागों की तुलना करने के लिए काम शुरू किया कि कौन से सुराग सबसे अधिक मायने रखते हैं। परिणाम क्या रहा? मॉडल अपने काम में अविश्वसनीय रूप से अच्छा था। उसने 93.5% बार सही उत्तर दिया! यह एक बहुत कठिन परीक्षा में ए+ (A+) प्राप्त करने जैसा है। कंप्यूटर इतना स्मार्ट था कि जब उसने उस मानचित्र को देखा जिसे उसने बनाया था, तो उसने पाया कि पूरे हनांग जिले का लगभग 4% हिस्सा "उच्च" या "बहुत उच्च" खतरे वाले क्षेत्र में है। यह लगभग आधे जिले के बराबर है!
लेकिन यहाँ कहानी का सबसे आश्चर्यजनक हिस्सा है। आप सोच सकते हैं कि पहाड़ी का ढलान या बारिश की मात्रा सबसे बड़े खलनायक होंगे। और जबकि वे निश्चित रूप से महत्वपूर्ण थे, कंप्यूटर ने एक विशाल डिजिटल उंगली किसी और चीज़ की ओर उठाई: हरियाली।
अध्ययन में पाया गया कि वनस्पति की स्थिति (पौधे कितने स्वस्थ और घने हैं) सबसे महत्वपूर्ण सुराग था। कंप्यूटर ने "हरियाली" कारक को सबसे अधिक स्कोर दिया। इसे इस तरह से सोचें: पौधे प्रकृति के अपने सुरक्षा जाल की तरह हैं। उनकी जड़ें मिट्टी को एक कंबल को पकड़ने वाले लाखों छोटे हाथों की तरह थामे रखती हैं। जब पौधे स्वस्थ और घने होते हैं, तो वे ज़मीन को कसकर पकड़ते हैं। लेकिन जब पौधे विरल, क्षतिग्रस्त या गायब होते हैं, तो मिट्टी नग्न और असुरक्षित छोड़ दी जाती है। अस्वनाथ के शोध का सुझाव है कि ज़मीन को स्वस्थ पौधों से ढका रखना जेली को फिसलने से रोकने का सबसे अच्छा तरीका है।
कंप्यूटर ने यह भी पता लगाया कि जबकि एक भारी बारिश का तूफान आग लगाने वाली चिंगारी है, तूफान से पहले मिट्टी का सूखापन या गीलापन भी उतना ही मायने रखता है। यह एक स्पंज की तरह है: यदि स्पंज हफ्तों की बारिश से पहले से ही भीगा हुआ है, तो थोड़ा सा और पानी उसे हर तरफ से टपकाने के लिए पर्याप्त होगा। अध्ययन ने दिखाया कि लंबे समय के मौसम के पैटर्न और छोटी, तीव्र तूफानों का मेल, भूमि के आकार और पौधों के स्वास्थ्य के साथ मिलकर, भूस्खलन का सही नुस्खा बनाता है।
यह सुनिश्चित करने के लिए कि कंप्यूटर केवल अनुमान नहीं लगा रहा है, अस्वनाथ ने वास्तविक इतिहास के विरुद्ध इसके काम की जाँच की। उन्होंने अतीत के 429 वास्तविक भूस्खलन स्थलों को देखा और देखा कि वे कंप्यूटर के मानचित्र पर कहाँ आए। परिणाम अद्भुत था: वास्तविक भूस्खलनों में से 93.71% ठीक उन्हीं "उच्च" या "बहुत उच्च" खतरे वाले क्षेत्रों में गिरे जिनका कंप्यूटर ने भविष्यवाणी की थी। यह ऐसा था जैसे कंप्यूटर के पास एक मानचित्र था जो अपराध स्थल से पूरी तरह मेल खाता था।
तो, भविष्य के लिए इसका क्या अर्थ है? यह अध्ययन केवल यह नहीं कहता कि "सावधान रहें।" यह एक विशिष्ट रोडमैप देता है। यह हमें बताता है कि यदि हम हनांग में भूस्खलन को रोकना चाहते हैं, तो हमें वनस्पति की रक्षा करने और उसे बहाल करने पर ध्यान केंद्रित करने की आवश्यकता है। यह यह भी सुझाव देता है कि हमें नदियों के पास के ढलान वाले, हरे क्षेत्रों में नए सड़क या घर बनाते समय अतिरिक्त सावधानी बरतने की आवश्यकता है, क्योंकि वहीं खतरा सबसे अधिक है। यह अध्ययन साबित करता है कि स्मार्ट कंप्यूटर प्रोग्रामों का उपयोग करके और अंतरिक्ष से सही सुरागों को देखकर, हम खतरे को होने से पहले देख सकते हैं। यह एक शक्तिशाली उपकरण है जो लोगों को बेहतर योजना बनाने, सुरक्षित रहने और यह समझने में मदद करता है कि कभी-कभी, पहाड़ को थामे रखने वाली सबसे महत्वपूर्ण चीज़ वह घास और पेड़ हैं जिन्हें हम हमेशा दूर से नहीं देख पाते।
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।