Prediction of Soil Organic Carbon Using Machine Learning Algorithm in Long-Term Ecological Monitoring Plots of Southern Dry Mixed Deciduous Forests, Telangana, India

हमारे पैरों के नीचे की मिट्टी केवल धूल मात्र नहीं है; यह एक जीवित, सांस लेती हुई जलाशय है जिसमें दुनिया के सभी वनों और वायुमंडल के संयुक्त कार्बन से भी अधिक कार्बन समाहित है। यह छिपा हुआ कार्बन, जो सड़ती हुई पत्तियों और जड़ों जैसे जैविक पदार्थों के भीतर संग्रहित होता है, ग्रह की जलवायु को नियंत्रित करने में महत्वपूर्ण भूमिका निभाता है। जब यह जैविक पदार्थ टूटता है, तो यह कार्बन को वापस हवा में छोड़ देता है, लेकिन जब इसे संरक्षित किया जाता है, तो यह जलवायु परिवर्तन के विरुद्ध एक शक्तिशाली उपकरण के रूप में कार्य करता है। जमीन में कितना कार्बन जमा है, और कौन से कारक इसे वहां बनाए रखने में मदद करते हैं, इसे समझना वनों का सतत प्रबंधन करने के लिए आवश्यक है। हालांकि, इस कार्बन को मापना कठिन है क्योंकि मिट्टी की स्थितियां एक स्थान से दूसरे स्थान तक बहुत भिन्न होती हैं, जो वर्षा से लेकर पौधों के लिए उपलब्ध विशिष्ट पोषक तत्वों तक हर चीज़ से प्रभावित होती हैं। वैज्ञानिक लंबे समय से इन छिपे हुए भंडारों की भविष्यवाणी करने के बेहतर तरीके खोज रहे हैं ताकि उन्हें हर एक वर्ग मीटर जंगल को खोदकर और परीक्षण करके न देखना पड़े।

तेलंगाना, भारत के दक्षिणी शुष्क मिश्रित पर्णपाती वनों में, शोधकर्ताओं की एक टीम ने यह परीक्षण करके इस पहेली को सुलझाने का प्रयास किया कि क्या आधुनिक कंप्यूटर प्रोग्राम पारंपरिक तरीकों की तुलना में मिट्टी के कार्बन स्तर की अधिक सटीक भविष्यवाणी करना सीख सकते हैं। उन्होंने एक विशिष्ट दस-हेक्टेयर के वन क्षेत्र पर ध्यान केंद्रित किया, जो एक स्थायी निगरानी स्थल है जहाँ उन्होंने पहले ही अवलोकन के लिए एक विस्तृत ग्रिड स्थापित कर लिया था। अपने मॉडलों को बनाने के लिए, टीम ने इस भूखंड के विभिन्न गहराइयों से सैकड़ों मिट्टी के नमूने एकत्र किए। उन्होंने प्रत्येक नमूने का प्रमुख विशेषताओं के लिए विश्लेषण किया: मिट्टी कितनी अम्लीय या तटस्थ थी, इसमें कितनी नमी थी, और नाइट्रोजन, फास्फोरस और पोटेशियम जैसे आवश्यक पौधों के पोषक तत्वों का स्तर क्या था। इस समृद्ध डेटासेट के साथ, उन्होंने इस जानकारी को पांच अलग-अलग प्रकार के मशीन लर्निंग एल्गोरिदम में डाला। ये ऐसे कंप्यूटर प्रोग्राम हैं जिन्हें डेटा में पैटर्न खोजने के लिए डिज़ाइन किया गया है, जो सरल सांख्यिकीय उपकरणों से लेकर जटिल प्रणालियों तक विस्तृत हैं जो मानव मस्तिष्क द्वारा सूचना संसाधित करने के तरीके की नकल करते हैं। लक्ष्य यह देखना था कि कौन सा प्रोग्राम अन्य मिट्टी के गुणों के आधार पर मिट्टी के कार्बनिक कार्बन की मात्रा का सबसे अच्छा अनुमान लगा सकता है।

परिणामों ने इन डिजिटल उपकरणों के प्रदर्शन में एक स्पष्ट पदानुक्रम को प्रकट किया। सबसे सफल दृष्टिकोण 'रैंडम फॉरेस्ट' (Random Forest) नामक एक विधि थी, जो एक तकनीक है जो कई छोटे निर्णय वृक्षों (decision trees) का निर्माण करती है और एक निष्कर्ष तक पहुँचने के लिए उनके उत्तरों को जोड़ती है। इस मॉडल ने अन्य सभी से बेहतर प्रदर्शन किया, और उच्च स्तर की विश्वसनीयता के साथ कार्बन सामग्री की सटीक भविष्यवाणी की। इसके ठीक बाद एक अन्य उन्नत विधि 'एक्सट्रीम ग्रेडिएंट बूस्टिंग' (Extreme Gradient Boosting) और एक प्रणाली आई जो न्यूरल नेटवर्क की नकल करती है। इसके विपरीत, 'मल्टीपल लीनियर रिग्रेशन' (Multiple Linear Regression) नामक एक सरल पारंपरिक विधि, जो चरों के बीच एक सीधी रेखा वाले संबंध को मानती है, मध्यम रूप से अच्छा प्रदर्शन करती रही, लेकिन वह मिट्टी की पूरी जटिलता को पकड़ने में सक्षम नहीं थी। सबसे कम प्रभावी उपकरण 'सपोर्ट वेक्टर मशीन' (Support Vector Machine) था, जो एक परिष्कृत एल्गोरिदम है जो इस विशिष्ट डेटासेट के साथ काफी संघर्ष करता है, जिससे बहुत कम सटीक और अन्य की तुलना में बहुत अधिक अनिश्चित भविष्यवाणियाँ हुईं।

इन मॉडलों के सफल या विफल होने के पीछे के कारणों की गहरी जांच ने एक महत्वपूर्ण कारक को उजागर किया: मिट्टी की नमी। सबसे सफल मॉडलों में से एक के रूप में, मिट्टी में पानी की मात्रा यह अनुमान लगाने के लिए सबसे महत्वपूर्ण सुराग के रूप में उभरी कि कितना कार्बन जमा है। जबकि नाइट्रोजन और फास्फोरस जैसे पोषक तत्वों की उपलब्धता ने भी एक मजबूत भूमिका निभाई, नमी की मात्रा प्रमुख चालक थी। शोधकर्ताओं ने पाया कि इस शुष्क पर्णपाती वन की मिट्टी आम तौर पर तटस्थ अम्लता के करीब थी, जिसमें नाइट्रोजन और पोटेशियम का स्तर मध्यम था, लेकिन फास्फोरस का स्तर अपेक्षाकृत कम था। कार्बन की मात्रा स्वयं भूखंड में काफी भिन्न थी, जो बहुत कम से लेकर मध्यम रूप से उच्च स्तर तक फैली हुई थी, जो वन तल की जटिल और असमान प्रकृति को दर्शाती है। अध्ययन ने पुष्टि की कि हालांकि पोषक तत्व महत्वपूर्ण हैं, लेकिन मिट्टी की भौतिक अवस्था, विशेष रूप रूप से पानी को रोकने की इसकी क्षमता, इन शुष्क वातावरणों में कार्बन भंडारण को समझने की प्राथमिक कुंजी है।

यह कार्य यह प्रदर्शित करता है कि समान शुष्क क्षेत्रों के वन प्रबंधकों और वैज्ञानिकों के लिए, मिट्टी के कार्बन का अनुमान लगाने का सबसे अच्छा तरीका सरल औसत या पुराने सांख्यिकीय तरीकों के माध्यम से नहीं, बल्कि उन्नत कंप्यूटर मॉडलों के माध्यम से है जो जटिल, गैर-रेखीय संबंधों को संभाल सकते हैं। अध्ययन सुझाव देता है कि मिट्टी की नमी और पोषक तत्वों के स्तर पर ध्यान केंद्रित करके, और रैंडम फॉरेस्ट जैसे मजबूत मशीन लर्निंग उपकरणों का उपयोग करके, मिट्टी के स्वास्थ्य का अधिक सटीकता के साथ मानचित्रण करना संभव है। यह सटीकता यह समझने के लिए महत्वपूर्ण है कि ये वन कार्बन सिंक के रूप में कैसे कार्य करते हैं और उन्हें सुरक्षित करने के लिए रणनीतियाँ विकसित करने के लिए भी आवश्यक है। जबकि कुछ अधिक जटिल एल्गोरिदम संघर्ष करते रहे, वृक्ष-आधारित मॉडलों की सफलता एक व्यावहारिक मार्ग प्रदान करती है, जो यह सिद्ध करती है कि सही डिजिटल उपकरण हमारे पैरों के नीचे की धरती में छिपे रहस्यों को खोल सकते हैं।