Satellite-Based Estimation of Monthly Rainfall Across the Indonesian Archipelago: A Month-Specific Multiple Linear Regression Framework Using Bias-Corrected NASA POWER Data over Java, Bali, Nusa Tenggara, and Maluku

वर्षा उष्णकटिबंधीय दुनिया की धड़कन है, एक परिवर्तनशील शक्ति जो यह निर्धारित करती है कि फसलें कब बढ़ेंगी, नदियाँ कब उफान पर होंगी, और भूमि कब कीचड़ में बदल जाएगी। इंडोनेशिया में, जो भूमध्य रेखा के पार फैले हजारों द्वीपों का एक द्वीपसमूह है, यह लय विशाल मौसमी हवाओं द्वारा नियंत्रित होती है जो हिंद महासागर से ऑस्ट्रेलियाई महाद्वीप की ओर नमी स्थानांतरित करती हैं। किसानों, नगर नियोजकों और आपदा प्रतिक्रिया टीमों के लिए, किसी दिए गए महीने में कितनी वर्षा होगी, यह जानना केवल जिज्ञासा का विषय नहीं है; बल्कि यह अस्तित्व और आर्थिक स्थिरता के लिए एक आवश्यकता है। हालाँकि, एक निरंतर समस्या ने सटीक योजना बनाने में लंबे समय से बाधा डाली है: ज़मीन पर आधारित मौसम केंद्र जो इस वर्षा को मापते हैं, वे अक्सर विरल होते हैं, और उनके द्वारा रखे गए ऐतिहासिक रिकॉर्ड अक्सर अधूरे होते हैं। देश के कई हिस्सों में, स्वतंत्र रूप से उपलब्ध डेटा केवल कुछ वर्षों के बाद ही समाप्त हो जाता है, जिससे वैज्ञानिकों के पास जलवायु रुझानों को समझने या विश्वसनीय भविष्यवाणी मॉडल को कैलिब्रेट करने के लिए आवश्यक दीर्घकालिक दृष्टिकोण नहीं बचता। इन गहरे अभिलेखों के बिना, भविष्य में जल उपलब्धता का पूर्वानुमान लगाने या बाढ़ के लिए तैयार रहने की क्षमता सीमित रहती है।

इस अंतर को पाटने के लिए, कई इंडोनेशियाई विश्वविद्यालयों के शोधकर्ताओं के दल ने आकाश की ओर अपना ध्यान केंद्रित किया, विशेष रूप से एक उपग्रह-आधारित डेटासेट की ओर जो मौसम की स्थितियों का एक निरंतर, अटूट रिकॉर्ड प्रदान करता है। उनका लक्ष्य इंडोनेशियाई द्वीपसमूह के चार विशिष्ट क्षेत्रों में मासिक वर्षा का अनुमान लगाने का एक नया तरीका विकसित करना था: जावा का घनी आबादी वाला द्वीप, छोटा द्वीप बाली, सूखा और मौसमी नूसा टेंगारा द्वीप, और बिखरे हुए, संवहनीय (convective) मालाकू द्वीप। ज़मीनी स्टेशनों के छोटे, खंडित रिकॉर्ड पर निर्भर रहने के बजाय, उन्होंने NASA POWER नामक एक वैश्विक डेटासेट का उपयोग किया, जो वायुमंडलीय मॉडल और उपग्रह अवलोकनों से प्राप्त मौसम संबंधी जानकारी का एक सुसंगत प्रवाह प्रदान करता है। इस डेटासेट में वायु तापमान, आर्द्रता और हवा की गति जैसे चर शामिल हैं, जो भौतिक रूप से इस बात से जुड़े हैं कि बादल कैसे बनते हैं और वर्षा कैसे होती है। शोधकर्ताओं ने परिकल्पना की कि उपलब्ध सीमित जमीनी डेटा के साथ इन दीर्घकालिक उपग्रह रीडिंग को जोड़कर, वे उच्च सटीकता के साथ वर्षा का अनुमान लगाने में सक्षम गणितीय मॉडल बना सकते हैं, यहाँ तक कि उन क्षेत्रों में भी जहाँ मौसम केंद्र बहुत कम और दूर-दूर हैं।

दल ने एक ऐसी पद्धति पर ध्यान केंद्रित किया जो वर्ष के प्रत्येक महीने को एक अद्वितीय घटना के रूप में मानती है, यह पहचानते हुए कि जनवरी में बारिश को चलाने वाले बल जुलाई में होने वाले बलों से मौलिक रूप से भिन्न होते हैं। उन्होंने चार क्षेत्रों में 66 आधिकारिक मौसम केंद्रों से वर्षा के अवलोकन एकत्र किए और उन्हें 2011 से 2026 की अवधि के लिए उपग्रह डेटा के साथ मिलाया। अपने भविष्यवाणी उपकरण को बनाने से पहले, उन्होंने उपग्रह डेटा को सुधारने के लिए पहले उसे ठीक किया ताकि यह ज़मीन पर मापे गए वास्तविकता के साथ संरेखित हो सके, यह प्रक्रिया रेडियो को 'स्टैटिक' हटाने के लिए ट्यून करने के समान है ताकि सिग्नल स्पष्ट रूप से आ सके। एक बार उपग्रह डेटा समायोजित हो जाने के बाद, उन्होंने तापमान, आर्द्रता और हवा की गति के उपग्रह मापों और स्टेशनों द्वारा दर्ज वास्तविक वर्षा के बीच संबंध खोजने के लिए एक सांख्यिकीय दृष्टिकोण का उपयोग किया। चूंकि मौसम के इन कारकों का प्रभाव मौसम के अनुसार बदल जाता है, इसलिए उन्होंने पूरे वर्ष के लिए एक एकल सूत्र नहीं बनाया। इसके बजाय, उन्होंने बारह अलग-अलग नियमों के सेट विकसित किए, प्रत्येक महीने के लिए एक, जिससे मॉडल को बदलते मानसून के अनुकूल होने में मदद मिली।

उनके इस प्रयास के परिणाम उत्साहजनक थे। मॉडल ने सभी चार क्षेत्रों में मासिक वर्षा का अनुमान लगाने में अच्छी सटीकता के स्तर के साथ क्षमता प्रदर्शित की, जिसे शोधकर्ताओं ने 'अच्छा' बताया। बाली क्षेत्र में, मॉडल की भविष्यवाणियों ने देखे गए वर्षा पैटर्न के साथ 0.73 का सहसंबंध (correlation) दिखाया, जिसका अर्थ है कि अनुमानित मान वास्तविक मापों के साथ निकटता से ऊपर-नीचे हुए। नूसा टेंगारा क्षेत्र ने समान मजबूती दिखाई, जिसमें 0.70 का सहसंबंध था। यहाँ तक कि जावा में भी, जो जटिल शहरी वातावरण और विविध भूभाग का घर है जो वर्षा को अनुमानित करना कठिन बना सकता है, मॉडल ने 0.65 का सहसंबंध प्राप्त किया। शायद सबसे महत्वपूर्ण बात यह है कि मॉडल ने पूर्वी क्षेत्रों मालाकू और नूसा टेंगारा में, जहाँ जमीनी अवलोकन कम हैं, अच्छा प्रदर्शन किया। इन क्षेत्रों में, मॉडल ने वर्षा के सामान्य रुझानों को सफलतापूर्वक पकड़ा, जिससे पता चलता है कि संशोधित उपग्रह डेटा, दीर्घकालिक जमीनी रिकॉर्ड के एक विश्वसनीय विकल्प के रूप में कार्य कर सकता है।

निष्कर्षों के सूक्ष्म विश्लेषण से पता चला कि विभिन्न मौसम कारकों ने भविष्यवाणियों को कैसे प्रभावित किया। सभी क्षेत्रों में, आर्द्रता वर्षा के सबसे सुसंगत चालक के रूप में उभरी; जब हवा अधिक नम थी, तो मॉडल ने सही ढंग से अधिक वर्षा की भविष्यवाणी की। वायु तापमान ने भी एक प्रमुख भूमिका निभाई, हालांकि इसका प्रभाव मौसम और स्थान के अनुसार बदलता रहा। हवा की गति ने एक विशिष्ट पैटर्न दिखाया, जो अक्सर शुष्क मानसून के दौरान वर्षा को रोकने वाले कारक के रूप में कार्य करती है, विशेष रूप से पूर्वी द्वीपों में जहाँ ऑस्ट्रेलिया से आने वाली शुष्क हवा पूरे द्वीपसमूह में बहती है। शोधकर्ताओं ने नोट किया कि हालांकि मॉडल ने व्यापक मासिक कुल योग के लिए अच्छा काम किया, लेकिन इसे जावा के शहरी केंद्रों में होने वाली अत्यधिक, स्थानीयकृत भारी बारिश या मालाकू के अत्यधिक संवहनीय तूफानों को पकड़ने में चुनौतियों का सामना करना पड़ा। इन क्षेत्रों में भूमि, समुद्र और वायुमंडल के बीच जटिल अंतःक्रियाएं शामिल हैं जिन्हें एक सरल रैखिक मॉडल पूरी तरह से हल नहीं कर सकता है। फिर भी, समग्र प्रदर्शन ने पुष्टि की कि यह दृष्टिकोण क्षेत्रीय योजना के लिए व्यवहार्य है।

अध्ययन निष्कर्ष निकालता है कि यह विधि डेटा अंतराल से जूझ रहे एक देश के लिए एक व्यावहारिक, कम लागत वाला समाधान प्रदान करती है। NASA POWER से लंबे, निरंतर रिकॉर्ड का उपयोग करके और उपलब्ध सर्वोत्तम जमीनी डेटा के साथ इसे सुधारकर, वैज्ञानिक और नीति निर्माता अब उन क्षेत्रों के लिए विश्वसनीय मासिक वर्षा अनुमान उत्पन्न कर सकते हैं जो पहले विश्लेषण करने में कठिन थे। यह जल संसाधनों के प्रबंधन, बाढ़ सुरक्षा डिजाइन करने और बदलते जलवायु में कृषि चक्रों की योजना बनाने के लिए अत्यंत महत्वपूर्ण है। शोधकर्ता इस बात पर जोर देते हैं कि हालांकि उनका मॉडल एक पूर्ण 'क्रिस्टल बॉल' (भवि भविष्य बताने वाला यंत्र) नहीं है, फिर भी यह साक्ष्य-आधारित निर्णय लेने के लिए एक ठोस आधार प्रदान करता है। वे सुझाव देते हैं कि भविष्य के कार्य अधिक जटिल जलवायु चालकों को शामिल करके और उन्नत मशीन लर्निंग तकनीकों के विरुद्ध इस दृष्टिकोण का परीक्षण करके इन अनुमानों को परिष्कृत कर सकते हैं, लेकिन फिलहाल, यह अध्ययन प्रदर्शित करता है कि एक पारदर्शी, महीने-दर-महीने के सांख्यिकीय ढांचे का उपयोग प्रभावी रूप से इंडोनेशियाई द्वीपसमूह के वर्षा पैटर्न को स्पष्ट करने के लिए किया जा सकता है।