Flood risk assessment at the neighbourhood level using Spatially Adaptive Weighting
यह अध्ययन मल्टीस्केल भौगोलिक रूप से भारित प्रतिगमन (Multiscale Geographically Weighted Regression) का उपयोग करके मेलबर्न के 412 मोहल्लों के लिए एक स्थानिक रूप से अनुकूल बाढ़ जोखिम ढांचे को विकसित करता है ताकि खतरे, जोखिम और संवेदनशीलता संकेतकों को वस्तुनिष्ठ रूप से भारित किया जा सके, जिससे यह प्रकट होता है कि सामाजिक-आर्थिक कारक और भवन घनत्व प्रमुख जोखिम चालक हैं और तत्काल नदी तटों से परे पहले से अनदेखे उच्च-जोखिम वाले क्षेत्रों की पहचान होती 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
बाढ़ केवल पानी के बढ़ने का मामला नहीं है; यह भौतिक परिदृश्य और उस पर रहने वाले लोगों के बीच एक जटिल टकराव है। दशकों से, वैज्ञानिक और योजनाकार बाढ़ के खतरे को मापने के लिए पहेली के तीन अलग-अलग हिस्सों को देखने की कोशिश कर रहे हैं। पहला, स्वयं खतरा (हैज़र्ड): पानी का वास्तविक बल, यह कितना गहरा होता है, और यह कितनी दूर तक फैलता है। दूसरा, जोखिम में होना (एक्सपोज़र): लोगों, घरों और व्यवसायों का उस पानी के मार्ग में स्थित होने का सीधा तथ्य। तीसरा, संवेदनशीलता (वल्नरेबिलिटी): वे स्थितियाँ जो किसी विशिष्ट समुदाय के लिए बाढ़ को बदतर बना देती हैं, जैसे कि खराब स्वास्थ्य, उबरने के लिए धन की कमी, या ऐसे भवन जो प्रभाव को सहने में सक्षम नहीं हैं। पारंपरिक रूप से, जब विशेषज्ञों ने इन तीन तत्वों को एक एकल जोखिम स्कोर में मिलाने की कोशिश की, तो वे अक्सर हर जगह एक ही नियम लागू करते थे। उन्होंने यह मान लिया था कि एक निश्चित कारक, जैसे कि किसी क्षेत्र में रहने वाले लोगों की संख्या, हर पड़ोस में समान रूप से महत्वपूर्ण है, या वे यह तय करने के लिए विशेषज्ञ राय पर भरोसा करते थे कि कौन से कारक सबसे महत्वपूर्ण हैं। यह दृष्टिकोण अक्सर उन सूक्ष्म, स्थानीय वास्तविकताओं को चूक जाता था जो यह निर्धारित करते हैं कि क्यों एक सड़क विनाशकारी परिणामों के साथ बाढ़ का शिकार होती है जबकि पास की दूसरी सड़क, जो शायद नदी के और भी करीब हो, अपेक्षाकृत सुरक्षित रहती है।
मेलबर्न, ऑस्ट्रेलिया में मरीबर्नोंग नदी कैचमेंट पर केंद्रित एक नए अध्ययन में, शोधकर्ताओं ने इन स्थानीय अंतरों को बहुत अधिक स्पष्टता के साथ देखने का एक तरीका विकसित किया है। पूरे क्षेत्र में नियमों का एक ही सेट लागू करने के बजाय, उन्होंने एक ऐसी प्रणाली बनाई जो प्रत्येक पड़ोस के अद्वितीय चरित्र के अनुकूल होती है। 412 विशिष्ट पड़ोसों का विश्लेषण करके, टीम ने पाया कि बाढ़ का जोखिम केवल इस बात के बारे में नहीं है कि आप नदी के कितने करीब हैं। वास्तव में, पानी का भौतिक खतरा अक्सर लोगों और संपत्तियों के जोखिम में होने की तुलना में कम महत्वपूर्ण होता है, और वे सामाजिक स्थितियाँ जो उन लोगों को नुकसान के प्रति अधिक संवेदनशील बनाती हैं। अध्ययन से पता चलता है कि मुख्य जलमार्गों से दूर स्थित कुछ क्षेत्र भी पहले की तुलना में अधिक जोखिम में हैं, केवल इसलिए क्योंकि वे निचले इलाके में स्थित हैं, घनी आबादी वाले हैं, और वहां के निवासी आपदा से उबरने में संघर्ष कर सकते हैं।
शोधकर्ताओं ने अक्टूबर 2022 में हुई एक प्रमुख बाढ़ घटना के भौतिक वास्तविकता का मानचित्रण करके शुरुआत की। उच्च-रिज़ॉल्यूशन कंप्यूटर सिमुलेशन का उपयोग करते हुए, उन्होंने परिदृश्य के माध्यम से पानी के प्रवाह को फिर से बनाया, पानी की गहराई और प्रत्येक पड़ोस के कितने प्रतिशत हिस्से पर पानी छाया, इसका मापन किया। इसने "हैज़र्ड" (खतरे) की तस्वीर प्रदान की। इसके बाद उन्होंने मानवीय तत्व के बारे में डेटा की परतें जोड़ीं। उन्होंने गिना कि प्रत्येक क्षेत्र में कितने लोग रहते हैं, कितने भवन एक साथ सटे हुए हैं, और निवासियों की विशिष्ट जनसांख्यिकी क्या है, जैसे कि बुजुर्गों की संख्या, स्वास्थ्य संबंधी स्थितियाँ, या कम आय वाले लोग। उन्होंने ढलान, वनस्पतियों की मात्रा और सड़कों के घनत्व सहित भौतिक वातावरण को भी देखा।
इस विशाल मात्रा में डेटा को समझने के लिए, टीम ने एक परिष्कृत सांख्यिकीय पद्धति का उपयोग किया जिसने प्रत्येक पड़ोस से एक कारक के महत्व को बदलने की अनुमति दी। एक मानचित्र की कल्पना करें जहाँ जोखिम की गणना करने के नियम स्थिर नहीं हैं, बल्कि परिदृश्य की तरह ही बदलते रहते हैं। एक घने आवासीय क्षेत्र में, वहां रहने वाले लोगों की संख्या जोखिम स्कोर को चलाने वाला सबसे महत्वपूर्ण कारक हो सकती है। एक अलग क्षेत्र में जहाँ बहुत सारे पेड़ हैं, वनस्पति इस बात में बड़ी भूमिका निभा सकती है कि पानी कैसे व्यवहार करता है। इस दृष्टिकोण को 'स्पेशियली एडेप्टिव वेटिंग' (स्थानिक रूप से अनुकूलित भार) कहा जाता है, जिसका अर्थ था कि शोधकर्ताओं को यह अनुमान लगाने की आवश्यकता नहीं थी कि कौन से कारक सबसे महत्वपूर्ण हैं। डेटा ने स्वयं हर एक पड़ोस के लिए उन्हें बताया कि खतरा, जोखिम में होना और संवेदनशीलता का कौन सा संयोजन सबसे अधिक मायने रखता है।
परिणामों ने बाढ़ के जोखिम के बारे में कई सामान्य धारणाओं को चुनौती दी। अध्ययन में पाया गया कि भौतिक खतरा—पानी की गहराई और फैलाव—कुल जोखिम स्कोर में लगातार सबसे छोटा योगदानकर्ता था। खतरे के वास्तविक चालक जोखिम में होना (एक्सपोज़र) और संवेदनशीलता (वल्नरेबिलिटी) थे। दूसरे शब्दों में, लोगों और संपत्ति की उपस्थिति, और उनके सामना करने की क्षमता, पानी के स्वयं होने से कहीं अधिक महत्वपूर्ण थी। जनसंख्या घनत्व, भवन घनत्व और वनस्पति घनत्व, जोखिम के परिदृश्य को आकार देने वाली प्रमुख ताकतें बनकर उभरे।
सबसे उल्लेखनीय निष्कर्ष उन उच्च-जोखिम वाले क्षेत्रों की पहचान करना था जिन्हें पारंपरिक तरीकों द्वारा अनदेखा कर दिया गया था। जबकि नदी के निकटतम पड़ोस स्वाभाविक रूप से उच्च खतरा स्तर दिखाते थे, अध्ययन ने इस बात पर प्रकाश डाला कि दूर के क्षेत्र, जैसे वेस्ट फुटस्क्रे और टोमटन, भी महत्वपूर्ण खतरे का सामना कर रहे थे। ये पड़ोस मुख्य जलमार्गों के बगल में नहीं थे और इनका बाढ़ का कोई लंबा इतिहास भी नहीं था, फिर भी इन्हें उच्च-जोखिम वाले क्षेत्रों के रूप में चिह्नित किया गया। ऐसा इसलिए था क्योंकि वे निचले, समतल जमीन पर स्थित थे जहाँ पानी आसानी से जमा हो सकता था, और वहां घनी आबादी थी जिनके पास सीमित संसाधन थे। इसके विपरीत, अध्ययन ने दिखाया कि उच्च भौतिक खतरे वाले कुछ क्षेत्र, जैसे फ्लेमिंगटन रेसकोर्स, वास्तव में कम समग्र जोखिम स्कोर रखते थे। ऐसा इसलिए था क्योंकि रेसकोर्स में स्थायी निवासियों या इमारतों की कमी है; वहां पानी गहरा हो सकता है, लेकिन लोगों या घरों के बिना जिन्हें नुकसान पहुँच सके, समुदाय के लिए जोखिम न्यूनतम है।
शोधकर्ताओं ने यह भी नोट किया कि शहर में विशिष्ट कारकों का महत्व बहुत भिन्न था। कैचमेंट के मध्य और पश्चिमी भागों में, जहाँ आवासीय घनत्व अधिक है, जनसंख्या घनत्व जोखिम का सबसे मजबूत भविष्यवक्ता था। इसके विपरीत, औद्योगिक क्षेत्रों या हवाई अड्डे के पास के क्षेत्रों में, जहाँ जनसंख्या डेटा विरल या अविश्वसनीय है, मॉडल ने दिखाया कि जनसंख्या घनत्व जोखिम का एक उपयोगी संकेतक नहीं था। विवरण का यह स्तर संभव नहीं होता यदि शोधकर्ता पूरे क्षेत्र के लिए एक ही, समान नियम लागू करते।
इन निष्कर्षों को जोड़कर, यह अध्ययन सुरक्षा के बारे में शहर के योजनाकारों और आपातकालीन सेवाओं के सोचने का एक नया तरीका प्रदान करता है। यह सुझाव देता है कि किसी समुदाय की रक्षा करना केवल ऊँची दीवारें बनाने या पानी को मोड़ने के बारे में नहीं है। इसके लिए यह समझना आवश्यक है कि सबसे खतरनाक स्थान हमेशा वे नहीं होते जो नदी के सबसे करीब होते हैं। सबसे बड़ा जोखिम उन पड़ोसों में होता है जहाँ पानी एक घनी आबादी से मिलता है जिसके पास उबरने के लिए संसाधन नहीं होते। इस अध्ययन में विकसित ढांचा इन छिपे हुए खतरों की पहचान करने के लिए एक प्रतिलिपि योग्य विधि प्रदान करता है, जिससे यह सुनिश्चित होता है कि संसाधन और नियोजन प्रयास उन स्थानों की ओर निर्देशित हों जहाँ उनकी सबसे अधिक आवश्यकता है, न कि केवल वहां जहाँ अतीत में पानी रहा है। यह कार्य प्रदर्शित करता है कि एक वास्तव में वस्तुनिष्ठ, डेटा-संचालित दृष्टिकोण बाढ़ के जोखिम की जटिल, असमान वास्तविकता को प्रकट कर सकता है, जो केवल पानी की निकटता से आगे बढ़कर हमारे शहरों में खतरे की वास्तविक प्रकृति को समझने में मदद करता है।
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।