Analytical solution of Advection diffusion equation in three dimensional through Atmospheric Boundary Layer

द ग्रेट एटमॉस्फेरिक बैलून रेस

हमारे चारों ओर की हवा को खाली स्थान के रूप में नहीं, बल्कि एक विशाल, अदृश्य महासागर के रूप में कल्पना करें। ठीक नदी के पानी की तरह, यह "वायु महासागर" बहता है, घूमता है और चीजों को अपने साथ बहा ले जाता है। जब कोई फैक्ट्री धुएं का एक झोंका छोड़ती है, या कोई ज्वालामुखी राख उगलता है, तो वह सामग्री वहीं नहीं रुकती; उसे धारा में बहा लिया जाता है। यह एटमॉस्फेरिक डिस्पर्शन (वायुमंडलीय फैलाव) की दुनिया है, जो एक ऐसा विज्ञान है जो इस बात पर केंद्रित है कि प्रदूषक आकाश के माध्यम से कैसे यात्रा करते हैं।

इस यात्रा को समझने के लिए, वैज्ञानिक दो मुख्य विचारों पर भरोसा करते हैं। पहला है एडवेक्शन (Advection), जो सरल शब्दों में हवा द्वारा प्रदूषक को आगे धकेलना है, जैसे एक पत्ता धारा में बह रहा हो। दूसरा है डिफ्यूजन (Diffusion), जो चीजों के फैलने और आपस में मिलने की स्वाभाविक प्रवृत्ति है, जैसे पानी के गिलास में स्याही की एक बूंद तब तक घूमती रहती है जब तक कि पूरा गिलास रंगीन न हो जाए। वास्तविक दुनिया में, हवा एक स्थिर गति से नहीं चलती, और हवा समान रूप से मिश्रित नहीं होती; यह उबड़-खाबड़ और अशांत (turbulent) हो जाती है। वैज्ञानिक यह अनुमान लगाने के लिए जटिल गणित का उपयोग करते हैं कि गैस का बादल अंततः कहाँ पहुँचेगा, जो शहरों को सुरक्षित रखने और यह समझने के लिए महत्वपूर्ण है कि हमारा पर्यावरण प्रदूषण के प्रति कैसी प्रतिक्रिया देता है। लेकिन इन गणितीय पहेलियों को हल करना बेहद कठिन है, विशेष रूप से तब जब ऊंचाई बढ़ने के साथ हवा की गति बदलती है और हवा कम या ज्यादा अशांत होती है।

शोध का मिशन: 3D स्काई पहेली को सुलझाना

इस शोध में, लेखक—खालिद एस. एम. एसा और उनकी टीम, जो मिस्र के न्यूक्लियर रिसर्च सेंटर से हैं—एटमॉस्फेरिक बाउंड्री लेयर (वायुमंडल का सबसे निचला हिस्सा जहाँ हम रहते हैं) में प्रदूषकों के घूमने के तरीके की भविष्यवाणी करने की चुनौती से निपटते हैं। उन्होंने तीन आयामों (3D) में एडवेक्शन-डिफ्यूजन समीकरण का एक सटीक, "एनालिटिकल" समाधान खोजने का लक्ष्य रखा। इस समीकरण को प्रदूषक के बादल के व्यवहार के लिए अंतिम नियम पुस्तिका के रूप में समझें, जो हवा द्वारा उसे आगे धकेलने, हवा द्वारा उसे अगल-बगल मिलाने और अशांति (turbulence) द्वारा उसे ऊपर-नीचे हिलाने को ध्यान में रखता है।

टीम ने केवल यह नहीं माना कि हवा एक स्थिर गति से चलती है या हवा समान रूप से मिश्रित होती है। इसके बजाय, उन्होंने एक अधिक यथार्थवादी मॉडल बनाया जहाँ हवा की गति और ऊर्ध्वाधर मिश्रण (एडी डिफ्यूज़िविटी) आपकी ऊंचाई के आधार पर बदलते हैं, जो एक "पावर लॉ" का पालन करते हैं। उन्होंने यह भी माना कि क्षैतिज (horizontal) और क्रॉसविंड दिशाओं में मिश्रण हवा की गति पर निर्भर करता है। इस जटिल कोड को तोड़ने के लिए, उन्होंने लैप्लेस ट्रांसफॉर्म्स (Laplace transforms) और इंटीग्रल ट्रांसफॉर्म्स (integral transforms) से जुड़े एक परिष्कृत गणितीय टूलकिट का उपयोग किया। आप इसे एक उलझी हुई गणितीय गांठ को सुलझाने, उसे एक सीधी रेखा में व्यवस्थित करने और फिर उसे वापस एक ऐसे समाधान में बदलने के रूप में देख सकते हैं जो वास्तविक दुनिया का वर्णन करता है। परिणाम एक नया, नॉन-गौसियन मॉडल (जिसका अर्थ है कि यह प्रदूषक के बादल के लिए केवल एक साधारण बेल-कर्व आकार मानकर नहीं चलता) है जो सटीक रूप से गणना करता है कि अंतरिक्ष के किसी भी बिंदु पर प्रदूषकों की सांद्रता (concentration) क्या होगी।

"प्रेरी ग्रास" के विरुद्ध सिद्धांत का परीक्षण

यह देखने के लिए कि उनका नया गणित वास्तव में काम करता है या नहीं, लेखकों ने केवल अनुमान नहीं लगाया; उन्होंने प्रसिद्ध प्रेरी ग्रास प्रयोग के वास्तविक दुनिया के डेटा के विरुद्ध इसका परीक्षण किया। यह एक ऐतिहासिक अध्ययन था जहाँ वैज्ञानिकों ने एक खेत में सल्फर डाइऑक्साइड गैस छोड़ी थी और स्थिर, शांत रात की स्थितियों के तहत इसके प्रसार को मापा था। शोधकर्ताओं ने अपने नए मॉडल की भविष्यवाणियों की तुलना 50, 200 और 800 मीटर की डाउनविंड दूरियों पर लिए गए वास्तविक मापों के साथ की।

परिणाम उत्साहजनक थे। लेखकों ने पाया कि उनका मॉडल अवलोकनों (observations) के साथ अच्छी तरह मेल खाता है। जब उन्होंने डेटा को देखा, तो अनुमानित सांद्रता लगभग वास्तविक माप के समान थी। विशेष रूप से, मॉडल की भविष्यवाणियां लगभग 94% परीक्षण मामलों के लिए वास्तविक डेटा के "फैक्टर ऑफ टू" (यानी भविष्यवाणी कभी भी वास्तविक माप से दोगुनी अधिक या आधी कम नहीं थी) के भीतर रहीं। यह पिछले अध्ययनों की तुलना में एक सुधार था, जो केवल लगभग 82% डेटा के लिए उस स्तर तक पहुँच पाए थे।

टीम ने सटीकता को मापने के लिए सांख्यिकीय उपकरणों का उपयोग किया, जिसमें कोरिलेशन कोएफिशिएंट (अनुमानित और वास्तविक वक्रों के आकार का मिलान) और फ्रैक्शन बायस (क्या मॉडल लगातार बहुत अधिक या बहुत कम अनुमान लगा रहा है) जैसी चीजें शामिल थीं। उनके मॉडल ने 50 मीटर पर 0.99, 200 मीटर पर 0.96 और 800 मीटर पर 0.93 का कोरिलेशन दिखाया, जो उनके गणित और वास्तविकता के बीच एक बहुत मजबूत संबंध का संकेत देता है।

यह शोध क्या खारिज करता है और वे कितने आश्वस्त हैं

यह ध्यान रखना महत्वपूर्ण है कि यह शोध क्या दावा नहीं करता है। लेखक स्पष्ट रूप से इस विचार को खारिज करते हैं कि सटीक मॉडलिंग के लिए सरल, निरंतर धारणाएं (जैसे हवा की गति हर जगह समान होना) पर्याप्त हैं। उनका तर्क है कि उनका दृष्टिकोण, जो बदलती हवा की गति और मिश्रण दरों को ध्यान में रखता है, "नॉन-गौसियन" व्यवहार को सही ढंग से समझने के लिए आवश्यक है।

हालाँकि, लेखक अपनी निश्चितता के स्तर को लेकर सावधान हैं। वे यह दावा नहीं करते कि उन्होंने वायुमंडलीय प्रदूषण को हमेशा के लिए "हल" कर दिया है। इसके बजाय, वे कहते हैं कि उनका मॉडल उस विशिष्ट डेटासेट (प्रेरी ग्रास स्टेबल एक्सपेरिमेंट रन 1-16) के साथ "अच्छा मेल खाता है" और "अच्छा सहसंबंध (correlate) दिखाता है"। निष्कर्ष एनालिटिकल सॉल्यूशंस (गणितीय प्रमाण) पर आधारित हैं जिन्हें प्रायोगिक अवलोकनों के विरुद्ध मान्य किया गया है। वे सुझाव देते हैं कि स्थिर वायुमंडलीय स्थितियों के लिए, उनकी विधि प्रदूषक फैलाव की भविष्यवाणी करने का एक मजबूत तरीका है, लेकिन वे यह दावा नहीं करते कि यह हर मौसम की स्थिति के लिए काम करता है या यह अन्य सभी मॉडलों की जगह लेता है। सफलता इस बात से मापी जाती है कि उनके नंबर प्रेरी ग्रास डेटा के कितने करीब हैं, जो यह दर्शाता है कि इन विशिष्ट स्थिर स्थितियों के लिए, आकाश का उनका गणितीय "मानचित्र" अत्यधिक सटीक है।