The predictive power of new remote sensing data for biological distributions
यह अध्ययन प्रदर्शित करता है कि नवीन रिमोट सेंसिंग डेटा, जैसे कि GEDI LiDAR-व्युत्पन्न कैनोपी ऊंचाई और हाइपरस्पेक्ट्रल फोलीयर गुणों को एकीकृत करना, कैलिफोर्निया के सिएरा नेवाडा में पक्षियों की स्वर गतिविधि (bird vocal activity) की भविष्यवाणी करने वाले मॉडलों की सटीकता और व्याख्यात्मकता को महत्वपूर्ण रूप से बढ़ाता है, क्योंकि यह सूक्ष्म, प्रजाति-विशिष्ट आवास आवश्यकताओं को पकड़ता है।
मूल पेपर CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। यह एक ऐसे प्रीप्रिंट की AI से तैयार की गई व्याख्या है जिसकी अभी सहकर्मी समीक्षा नहीं हुई है। यह चिकित्सकीय सलाह नहीं है। इस सामग्री के आधार पर स्वास्थ्य संबंधी फैसले न लें। पूरा डिस्क्लेमर पढ़ें
वन्यजीव कहाँ रहते हैं और उनकी संख्या कितनी है, इसे समझने के लिए वैज्ञानिक लंबे समय से मौसम के पैटर्न, भूमि के आकार और कहाँ कौन से पौधे उगते हैं, इसके मानचित्रों के संयोजन पर निर्भर रहे हैं। ये कारक उस मंच का निर्माण करते हैं जिस पर जीव अपना दैनिक जीवन व्यतीत करते हैं। एक पक्षी को जीवित रहने के लिए एक विशिष्ट तापमान सीमा, घोंसला बनाने के लिए एक निश्चित प्रकार के भूभाग और भोजन खोजने के लिए एक विशेष प्रकार की वनस्पति की आवश्यकता होती है। दशकों से, शोधकर्ताओं ने इन व्यापक पर्यावरणीय स्थितियों को ट्रैक करने के लिए उपग्रह चित्रों का उपयोग किया है, जिससे एक वैश्विक चित्र बना है कि प्रजातियाँ कहाँ मौजूद हो सकती हैं। हालाँकि, ये पारंपरिक मानचित्र अक्सर जलवायु या जंगल के सामान्य प्रकार का वर्णन करते हैं, जो इस विवरण को छोड़ देते हैं कि पौधे वास्तव में कैसे दिखते हैं और उनकी संरचना कैसी है। जैसे-जैसे दुनिया तेजी से जैव विविधता के नुकसान का सामना कर रही है, यह जानना कि जानवर वास्तव में कहाँ हैं और वे उन स्थानों को क्यों चुनते हैं, अत्यंत आवश्यक हो गया है, फिर भी हर जंगल में चलकर यह जानकारी एकत्र करना असंभव है।
शोधकर्ताओं की एक टीम यह देखने के लिए निकली कि क्या पृथ्वी को देखने के नए, उच्च-तकनीकी तरीके इन छूटे हुए विवरणों को भरने में सक्षम हो सकते हैं। उन्होंने कैलिफोर्निया के सिएरा नेवादा पहाड़ों पर ध्यान केंद्रित किया, जो ऊंचाई में एक नाटकीय वृद्धि वाला क्षेत्र है और जहाँ पक्षियों की विभिन्न प्रजातियाँ निवास करती हैं। टीम ने इस परिदृश्य के 553 स्थानों से ध्वनि रिकॉर्डिंग एकत्र की, और 94 विभिन्न पक्षी प्रजातियों के गीतों और पुकारों को सुना। केवल यह पूछने के बजाय कि एक पक्षी कहाँ पाया गया था, उन्होंने प्रत्येक स्थान पर पक्षियों की सक्रियता को मापा, जिसमें उनकी पुकारों की आवृत्ति का उपयोग इस बात के संकेत (प्रॉक्सी) के रूप में किया गया कि उन्हें वह आवास कितना पसंद है। इन पैटर्नों की व्याख्या करने के लिए, उन्होंने पर्यावरण के बारे में 129 अलग-अलग डेटा बिंदुओं का उपयोग करके कंप्यूटर मॉडल बनाए। ये डेटा बिंदु छह समूहों में विभाजित थे: जलवायु, भूमि का आकार, मानवीय गतिविधि, पौधों के विकास का समय, जंगल की भौतिक संरचना, और पत्तियों की रासायनिक संरचना। शोधकर्ता यह जानना चाहते थे कि क्या जंगल की संरचना और पत्तों के गुणों के बारे में नए, विस्तृत डेटा को जोड़ने से उन्हें पुराने, अधिक सामान्य डेटा की तुलना में पक्षी गतिविधि की बेहतर भविष्यवाणी करने में मदद मिलेगी।
अध्ययन में पाया गया कि नए डेटा ने वास्तव में एक महत्वपूर्ण अंतर पैदा किया। जबकि जलवायु और भूभाग सभी पक्षियों के लिए महत्वपूर्ण थे, जंगल की संरचना और पत्तों के गुणों की जानकारी जोड़ने से दर्जनों प्रजातियों के मॉडलों की सटीकता में सुधार हुआ। शोधकर्ताओं ने पाया कि इन नए डेटा स्रोतों ने ऐसी अनूठी जानकारी प्रदान की जो पुराने मानचित्र सरल रूप से नहीं दे सकते थे। उदाहरण के लिए, दो क्षेत्रों का तापमान और वर्षा समान हो सकती है, लेकिन यदि एक में ऊँचा, घना चंदवा (कैनोपी) है और दूसरे में छोटी, झाड़ीदार वनस्पतियां हैं, तो वे पूरी तरह से अलग समूहों के पक्षियों को आकर्षित करेंगे। नए डेटा ने मॉडलों को इन अंतरों को देखने की अनुमति दी। विशेष रूप से, पेड़ कितने ऊँचे थे और उनकी पत्तियों की रासायनिक संरचना कैसी थी, इन मापों ने यह समझाने में मदद की कि कुछ पक्षी एक स्थान को दूसरे स्थान की तुलना में क्यों पसंद करते हैं। यह विशेष रूप से उन प्रजातियों के लिए सच था जो विशिष्ट प्रकार के पेड़ों पर निर्भर करते हैं या जिन्हें विशिष्ट संरचनात्मक विशेषताओं की आवश्यकता होती है, जैसे घोंसले बनाने के लिए ऊँचे तने या उनके द्वारा खाए जाने वाले कीटों के लिए विशिष्ट पत्तों के पोषक तत्व।
शोधकर्ताओं ने यह भी पाया कि किसी एक प्रकार का डेटा हर पक्षी के लिए सबसे अच्छा काम नहीं करता है। प्रत्येक प्रजाति की अपनी अनूठी आवश्यकताओं का सेट होता है, जिसका अर्थ है कि एक पक्षी के लिए सबसे महत्वपूर्ण कारक दूसरे के लिए अप्रासंगिक हो सकता है। उदाहरण के लिए, रेड-ब्रेस्टेड नथैच (Red-breasted Nuthatch), जो परिपक्व चीड़ के जंगलों में रहता है, की भविष्यवाणी ऊँचे चंदवे और शंकुधारी (conifers) पेड़ों में पाए जाने वाले विशिष्ट पत्तों के रसायनों द्वारा मजबूती से की गई थी। इसके विपरीत, खुले घास के मैदानों या झाड़ियों को पसंद करने वाले पक्षियों की भविष्यवाणी छोटी वनस्पतियों वाले डेटा द्वारा बेहतर तरीके से की जा सकी। यह इस बात पर प्रकाश डालता है कि जीवन के जटिल जाल को समझने के लिए, वैज्ञानिक केवल एक प्रकार के मानचित्र पर निर्भर नहीं रह सकते। उन्हें एक व्यापक टूलकिट की आवश्यकता है जिसमें मौसम, भूमि का आकार और अब, पौधों के विस्तृत दृश्य शामिल हों। अध्ययन सुझाव देता है कि जैसे-जैसे उपग्रह वनस्पतियों के इन सूक्ष्म विवरणों को पूरी दुनिया में मापने में सक्षम होंगे, वैज्ञानिक वन्यजीवों के रहने के स्थानों के बहुत अधिक सटीक मानचित्र बना सकेंगे। यह बेहतर समझ आवासों की सुरक्षा करने और भूमि के प्रबंधन के लिए आवश्यक है ताकि जैव विविधता को समर्थन मिले, और यह सुनिश्चित हो सके कि उन प्रजातियों के लिए सही वातावरण उपलब्ध रहे जो उन पर निर्भर हैं।
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।