Diagnosing Spatial Disparities in Urban Flood Burden through Hydro- Environmental Normalization in Jakarta, Indonesia

द ग्रेट फ्लड डिटेक्टिव गेम (बाढ़ का जासूसी खेल)

कल्पना कीजिए कि आप यह पता लगाने की कोशिश कर रहे हैं कि बारिश के तूफान में कुछ मोहल्ले भीग जाते हैं जबकि अन्य सूखे रहते हैं। विज्ञान की दुनिया में, इसे "शहरी बाढ़ मूल्यांकन" (urban flood assessment) कहा जाता है। आमतौर पर, वैज्ञानिक दो मुख्य चीजों को देखते हैं: खतरा (कितनी बारिश हुई या नदी कितनी ऊँची हो गई) और एक्सपोज़र (वहाँ कितने लोग रहते हैं)। यह एक लहर के आकार को देखने और तैराधों की संख्या गिनने जैसा है। यदि लहर विशाल है और भीड़ बड़ी है, तो हम मान लेते हैं कि आपदा बहुत बड़ी है।

लेकिन यहाँ एक पेचीदा बात है: कभी-कभी एक विशाल लहर ऐसी जगह से टकराती है जहाँ बहुत कम लोग होते हैं, और "आपदा" छोटी महसूस होती है। दूसरी ओर, एक मध्यम आकार की लहर एक भीड़भाड़ वाले मोहल्ले से टकराती है, और अफरा-चिंगाड़ी बहुत बड़ी होती है। यह शोध पत्र एक चतुर प्रश्न पूछता है: क्या वह वास्तविक तबाही (mess) वास्तव में उतनी बड़ी या छोटी है जितनी कि मौसम और इलाके को देखते हुए हमें उम्मीद थी? इसका उत्तर देने के लिए, शोधकर्ता "ऑब्जर्व्ड-एक्सपेक्टेड डायग्नोस्टिक्स" (observed-expected diagnostics) नामक एक विधि का उपयोग करते हैं। इसे एक शिक्षक द्वारा परीक्षा ग्रेड करने जैसा समझें। यदि किसी छात्र को एक बहुत कठिन परीक्षा में 90% मिलता है, तो वह अद्भुत है। यदि उसे 90% मिलता है जहाँ बाकी सभी को 99% मिला है, तो शायद उसने पर्याप्त पढ़ाई नहीं की थी। यह शोध पत्र जकार्ता के मोहल्लों को केवल इस आधार पर नहीं आंकता कि वे कितने गीले हुए, बल्कि इस आधार पर कि वे मौसम और ज़मीनी स्थितियों के अनुसार कितने गीले होने चाहिए थे।

जकार्ता के बाढ़ जासूस की कहानी

इंडोनेशिया के हलचल भरे, निचले इलाकों वाले शहर जकार्ता में, बाढ़ भारी बारिश, समुद्र के बढ़ते स्तर, जमीन धंसने और भीड़भाड़ वाली सड़कों का एक जटिल मिश्रण है। शोधकर्ता, रिफकी हुसैनी, परदीनान और नोविन्द्रा, एक रहस्य सुलझाना चाहते थे: क्यों कुछ मोहल्ले दूसरों की तुलना में अधिक पीड़ित होते हैं, भले ही मौसम समान दिखता हो? वे केवल यह मैप नहीं करना चाहते थे कि पानी कहाँ गया; वे यह जानना चाहते थे कि क्या बोझ (पानी के टकराने से होने वाली परेशानी) असामान्य रूप से अधिक या कम था।

ऐसा करने के लिए, उन्होंने HNFBDev (हैज़र्ड-नॉर्मलाइज़्ड फ्लड बर्डन डेविएशन) नामक एक नया टूल बनाया। यह सुनने में किसी रोबोट के नाम जैसा लगता है, लेकिन वास्तव में यह एक सरल "उम्मीद बनाम वास्तविकता" (Expectation vs. Reality) जाँचकर्ता है। उन्होंने यह खेल कैसे खेला, यहाँ देखें:

चरण 1: "अपेक्षित" (Expected) स्कोर
सबसे पहले, उन्होंने जकार्ता के "बाढ़ व्यक्तित्व" का एक डिजिटल मॉडल बनाया। उन्होंने बारिश, ज़मीन का ढलान, समुद्र से निकटता, ज़मीन कितनी धंस रही है और वहाँ कितने भवन हैं, इन सब पर नज़र डाली। इन सामग्रियों के आधार पर, उन्होंने गणना की कि बाढ़ का बोझ क्या होना चाहिए। यदि कोई मोहल्ला तट पर है और ज़मीन धंस रही है, तो मॉडल कहता है, "आपको बहुत परेशानी की उम्मीद करनी चाहिए।" यदि कोई मोहला ऊँचाई पर है और नदी से दूर है, तो मॉडल कहता है, "आपको बहुत कम परेशानी की उम्मीद करनी चाहिए।"

चरण 2: "अवलोकित" (Observed) स्कोर
इसके बाद, उन्होंने देखा कि वास्तव में क्या हुआ। सैटेलाइट की आँखों (विशेष रूप से सेंटिनल-1 रडार, जो बादलों के पार देख सकता है) का उपयोग करके, उन्होंने 2020 और 2024 के बीच प्रमुख बाढ़ को ट्रैक किया। उन्होंने केवल पानी को नहीं गिना; उन्होंने पानी में खड़े लोगों को गिना। उन्होंने बाढ़ वाले क्षेत्रों के सैटेलाइट चित्रों को लोगों के रहने के नक्शों के साथ जोड़कर एक "बोझ स्कोर" (burden score) बनाया।

चरण 3: बड़ा खुलासा (डेविएशन/विचलन)
अंत में, उन्होंने "अपेक्षित" स्कोर में से "अवलोकित" स्कोर को घटा दिया।

• धनात्मक स्कोर (Positive Score): मोहल्ले को मौसम और ज़मीन के अनुमान से अधिक परेशानी हुई।
• ऋणात्मक स्कोर (Negative Score): मोहल्ले को अनुमान से कम परेशानी हुई।
• शून्य स्कोर (Zero Score): मोहल्ला बिल्कुल वैसा ही था जैसी उम्मीद थी।

उन्हें क्या मिला

परिणाम दिलचस्प थे और उन्होंने दिखाया कि जकार्ता की बाढ़ की कहानी केवल "बारिश + लोग = आपदा" से कहीं अधिक जटिल है।

मौसम कुछ हद तक समझाता है, लेकिन सब कुछ नहीं
शोधकर्ताओं ने पाया कि "बाढ़ व्यक्तित्व" (हाइड्रो-एनवायर्नमेंटल फोर्सिंग) ने बोझ का अनुमान लगाने में ठीक-ठाक काम किया। इसने मोहल्लों के बीच के अंतर को लगभग 22.8% तक समझाया। इसका मतलब है कि हालांकि बारिश और ज़मीन धंसना महत्वपूर्ण हैं, लेकिन वे पूरी कहानी नहीं बताते। बहुत सारा रहस्य अभी भी बाकी है।

"हाई-हाई" हॉटस्पॉट्स (High-High Hotspots)
"धनात्मक स्कोर" (वे स्थान जिन्हें उम्मीद से अधिक परेशानी हुई) का मानचित्र यादृच्छिक (random) नहीं था। इसने उत्तरी और मध्य जकार्ता में बड़े क्लस्टर बनाए। टांकी, कोटा बांबू उटारा, जेम्बान बेसी, दुरी सुलाटन और दुरी उटारा के मोहल्लों में उच्चतम "डेविएशन" स्कोर थे, जो 3.56 से 3.83 के बीच थे। ये स्थान मौसम और भूभाग के अकेले प्रभाव की तुलना में बहुत अधिक तीव्रता से प्रभावित हो रहे थे।

"लो-लो" कूल ज़ोन (Low-Low Cool Zones)
इसके विपरीत, दक्षिण और पश्चिम के कुछ क्षेत्रों में "ऋणात्मक स्कोर" थे। इन मोहल्लों को उम्मीद से कम परेशानी हुई। इसका मतलब यह हो सकता है कि उनके पास बेहतर जल निकासी (drainage), बेहतर सुरक्षा है, या शायद सैटेलाइट ने वहां के कुछ पानी को मिस कर दिया।

पैटर्न वास्तविक है
शोधकर्ताओं ने जांचा कि क्या ये पैटर्न उनके गणित का कोई इत्तेफाक थे। उन्होंने अपनी सामग्रियों के भार (weights) को बदलकर देखा (जैसे बारिश को अधिक महत्व देना, या ज़मीन धंसने को अधिक महत्व देना) और परिणाम लगभग समान रहे। सहसंबंध (correlation) अविश्वसनीय रूप से उच्च (0.990 मानक वेटिंग के साथ और 0.970 समान वेटिंग के साथ) था। यह सुझाव देता है कि इन मोहल्लों में "अतिरिक्त परेशानी" या "अतिरिक्त भाग्य" एक वास्तविक, भौतिक चीज़ है, न कि केवल गणित की गलती।

इसका क्या अर्थ है (और क्या नहीं)

लेखक हमें बहुत सावधानी से बताते हैं कि यह टूल क्या नहीं है। वे स्पष्ट रूप से कहते हैं कि उच्च स्कोर का अर्थ यह नहीं है कि स्थानीय सरकार खराब है, बुनियादी ढांचा टूटा हुआ है, या लोग असुरक्षित हैं। यह यह भी नहीं बताता कि बोझ अधिक क्यों है। यह केवल उस मोहल्ले को "संदिग्ध" के रूप में चिह्नित करता है।

HNFBDev को एक स्मोक अलार्म (धुआं पहचानने वाला यंत्र) की तरह समझें। यदि अलार्म बजता है, तो यह आपको यह नहीं बताता कि वहां आग लगी है, टोस्ट जल गया है, या गर्म भाप वाला शावर है। यह केवल कहता है, "हे, यहाँ कुछ हो रहा है जो सामान्य नियमों से मेल नहीं खाता।"

यह शोध पत्र सुझाव देता है कि ये "हाई-हाई" क्लस्टर वे स्थान हैं जहाँ हमें करीब से देखने की आवश्यकता है। शायद वहां कोई छिपा हुआ ड्रेनेज बॉटलनेक (जल निकासी की रुकावट), अवरुद्ध नदी, या इमारतों का एक विशिष्ट प्रकार है जो पानी को फँसा लेता है। "लो-लो" क्षेत्र वे स्थान हो सकते हैं जहाँ स्थानीय सुरक्षा व्यवस्था अच्छी तरह काम कर रही है, या शायद सैटेलाइट ने पानी को नहीं देखा।

निष्कर्ष (Takeaway)

यह अध्ययन बाढ़ के मानचित्रों को देखने का हमें एक नया तरीका देता है। केवल यह कहने के बजाय कि "यह क्षेत्र गीला है," अब हम कह सकते हैं, "यह क्षेत्र बारिश और ज़मीन के हिसाब से जितना गीला होना चाहिए था, उससे कहीं अधिक गीला है।" इस "ऑब्जर्व्ड-एक्सपेक्टेड" जासूसी कार्य का उपयोग करके, शहर के योजनाकार अनुमान लगाना बंद कर सकते हैं और उन विशिष्ट मोहल्लों की जांच शुरू कर सकते हैं जहाँ बाढ़ का बोझ अजीब व्यवहार कर रहा है। यह सुराग खोजने का एक उपकरण है, न कि एक बार में पूरे रहस्य को सुलझाने का। लेखक इस बात पर जोर देते हैं कि यह एक स्क्रीनिंग टूल है जो यह प्राथमिकता तय करने में मदद करता है कि वास्तविक विशेषज्ञों को जांच के लिए कहाँ भेजा जाए, जिससे यह सुनिश्चित हो सके कि संसाधन उन स्थानों पर जाएं जहाँ बाढ़ का बोझ वास्तव में असाधारण है।