Innovative Methods for Multi-source Air Dust Pollution Monitoring using Remote Sensing: A Comparative Study of Chalkidiki (Greece) and Ihalainen (Finland)
यह अध्ययन प्रदर्शित करता है कि जमीनी मापों को बहु-स्रोत रिमोट सेंसिंग डेटा (CAMS और MODIS) के साथ एकीकृत करना चाल्किडिकी और इहालेन में खनन संबंधी PM10 प्रदूषण की प्रभावी ढंग से निगरानी करता है, जो ग्रीस में उच्च और अधिक परिवर्तनशील धूल स्तरों, वायु गुणवत्ता में सामान्य दीर्घकालिक सुधार, और विभिन्न समयांतराल के पूर्वानुमान के लिए प्रोफ़ेट (Prophet) और XGBoost मॉडल की पूरक शक्तियों को प्रकट करता 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
जिस हवा में हम सांस लेते हैं, वह गैसों के एक जटिल मिश्रण और उसके भीतर निलंबित सूक्ष्म ठोस या तरल कणों का मिश्रण है। इनमें से कुछ कण प्राकृतिक रूप से होते हैं, जो रेगिस्तानों से हवा द्वारा उड़ाए जाते हैं या ज्वालामुखियों से निकलते हैं, जबकि अन्य मानवीय गतिविधियों जैसे ईंधन जलाने, कार चलाने या खनिजों के लिए पृथ्वी की खुदाई करने से उत्पन्न होते हैं। जब ये कण इतने छोटे होते हैं कि इन्हें सांस के जरिए शरीर के अंदर लिया जा सके, तो वे फेफड़ों में जलन पैदा कर सकते हैं, अस्थमा को बढ़ा सकते हैं और समय के साथ हृदय और फेफड़ों की गंभीर बीमारियों का कारण बन सकते हैं। क्योंकि ये कण नग्न आंखों से अदृश्य होते हैं और लंबी दूरियां तय कर सकते हैं, इसलिए उन्हें ट्रैक करना कठिन है। वैज्ञानिक पारंपरिक रूप से प्रदूषण को मापने के लिए जमीन पर रखे भौतिक सेंसरों पर निर्भर रहे हैं, लेकिन ये सेंसर बनाने और रखरखाव में महंगे होते हैं, जिससे दुनिया के विशाल क्षेत्र बिना किसी प्रत्यक्ष माप के रह जाते हैं। इन कमियों को भरने के लिए, शोधकर्ताओं ने ऊपर कक्षा में घूमते उपग्रहों और शक्तिशाली कंप्यूटर मॉडल की ओर रुख किया है जो यह सिम्युलेट (अनुकरण) करते हैं कि वायुमंडल कैसे चलता और बदलता है। ये उपकरण पूरे क्षेत्रों में प्रदूषण को देखने का एक तरीका प्रदान करते हैं, लेकिन वे पूर्ण नहीं हैं; उपग्रह बादलों द्वारा बाधित हो सकते हैं, और कंप्यूटर मॉडल अक्सर प्रदूषण के उन तीखे, स्थानीय विवरणों को सुचारू (स्मूथ) कर देते हैं जो किसी कारखाने या खदान के ठीक बगल में होते हैं।
इस अध्ययन का उद्देश्य यह परीक्षण करना था कि ये उच्च-तकनीकी उपकरण दो बहुत ही अलग खनन क्षेत्रों में कितने प्रभावी ढंग से काम करते हैं: एक de ग्रीस के गर्म, शुष्क जलवायु वाले क्षेत्र में और दूसरा फिनलैंड के ठंडे, वन क्षेत्र वाले परिदृश्य में। शोधकर्ताओं ने एक विशिष्ट प्रकार के प्रदूषण पर ध्यान केंद्रित किया जिसे PM10 कहा जाता है, जो दस माइक्रोमीटर से छोटे धूल के कणों को संदर्भित करता है—जो लगभग एक मानव बाल की चौड़ाई के बराबर है। वे यह जानना चाहते थे कि क्या उपग्रह और कंप्यूटर मॉडल का डेटा विरोधाभासी वातावरणों में खनन कार्यों से उत्पन्न होने वाली धूल को सटीक रूप से ट्रैक कर सकता है, और क्या ये विधियाँ भविष्य की वायु गुणवत्ता का पूर्वानुमान लगाने में मदद कर सकती हैं। दोनों स्थानों पर जमीनी सेंसरों से लिए गए वास्तविक मापों के विरुद्ध उपग्रह और मॉडल डेटा की तुलना करके, टीम का लक्ष्य धूल प्रदूषण की निगरानी के लिए एक विश्वसनीय, स्केलेबल (विस्तार योग्य) विधि बनाना था, जहाँ पारंपरिक निगरानी नेटवर्क विरल या अस्तित्वहीन हैं।
शोधकर्ताओं ने दो अलग-अलग स्थानों का परीक्षण किया ताकि यह देखा जा सके कि विभिन्न जलवायु और खनन के प्रकार धूल के स्तरों को कैसे प्रभावित करते हैं। पहला स्थल चाल्किडिकी, ग्रीस में था, जो एक भूमध्यसागरीय जलवायु वाला क्षेत्र है जिसकी विशेषता गर्म, शुष्क ग्रीष्मकाल और जटिल स्थलाकृति है। यहाँ, खनन परिचालन सोना, चांदी, सीसा और जस्ता जैसी धातुओं का निष्कर्षण करते हैं। दूसरा स्थल इहालैनेन, फिनलैंड में था, जो एक ठंडा, बोरियल जलवायु वाला क्षेत्र है जहाँ एक कंपनी चूना पत्थर का खनन करती है और चूना बनाती है। जबकि ग्रीक स्थल धातु युक्त धूल और सहारा मरुस्थल से आने वाली रेत के बार-बार प्रवेश से निपटता है, फिनिश स्थल कार्बोनेट धूल और मौसमी समस्याओं जैसे सड़क की धूल से निपटता है जो बर्फ पिघलने पर ढीली हो जाती है। टीम ने 2013 से 2024 तक का डेटा एकत्र किया, जिसमें ग्रीस में बारह ग्राउंड स्टेशनों और फिनलैंड में सात ग्राउंड स्टेशनों की प्रति घंटा रीडिंग को दो प्रमुख स्रोतों के डेटा के साथ जोड़ा गया: कोपरनिकस एटमॉस्फियर मॉनिटरिंग सर्विस, जो प्रदूषण के स्तर का अनुमान लगाने के लिए कंप्यूटर मॉडल का उपयोग करता है, और MODIS, एक उपग्रह उपकरण जो वायुमंडल में धूल द्वारा अवरुद्ध सूर्य के प्रकाश की मात्रा को मापता है।
जब शोधकर्ताओं ने जमीनी मापों की उपग्रह और मॉडल डेटा के साथ तुलना की, तो उन्होंने पाया कि परिणाम स्थान और उपयोग किए गए उपकरण के आधार पर काफी भिन्न थे। ग्रीस में, जमीनी सेंसरों ने बहुत अधिक धूल दर्ज की, जहाँ सांद्रता 347 माइक्रोग्राम प्रति घन मीटर तक पहुँच गई, जबकि फिनलैंड में यह अधिकतम 132 माइक्रोग्राम प्रति घन मीटर थी। जमीनी डेटा ने यह भी दिखाया कि ग्रीस में प्रदूषण अत्यधिक असमान था; खानों के पास के कुछ क्षेत्रों में कुछ ही किलोमीटर दूर के अन्य क्षेत्रों की तुलना में बहुत अधिक धूल का स्तर था। फिनलैंड में, प्रदूषण पूरे क्षेत्र में अधिक समान था। कोपरनिकस सेवा से प्राप्त कंप्यूटर मॉडल समय के साथ परिवर्तनों को ट्रैक करने के लिए सबसे विश्वसनीय उपकरण साबित हुआ। इसने जमीनी स्तर पर देखे गए पैटर्न से काफी अच्छी तरह मेल खाया, और धूल के स्तर के उतार-चढ़ाव को एक मजबूत सहसंबंध के साथ पकड़ा। हालांकि, मॉडल उच्चतम प्रदूषण के चरम स्तरों को कम आंकने की प्रवृत्ति रखता था, संभवतः इसलिए क्योंकि इसके ग्रिड सेल खनन उपकरणों के ठीक बगल में होने वाले तीव्र, स्थानीयकृत धूल के विस्फोटों को पकड़ने के लिए बहुत बड़े थे। उपग्रह डेटा, जो जमीन से अंतरिक्ष तक हवा के एक स्तंभ में धूल की कुल मात्रा को मापता है, कम प्रभावी था। इसने अक्सर बादलों के कारण डेटा मिस किया या वायुमंडल में ऊँची धूल और जमीन के पास की धूल के बीच अंतर करने में संघर्ष किया, जिससे वास्तविक जमीनी मापों के साथ कमजोर संबंध दिखाई दिए।
अध्ययन ने यह भी देखा कि प्रदूषण लंबे समय में कैसे बदलता है और क्या इसका पूर्वानुमान लगाया जा सकता है। डेटा को रुझानों और मौसमी पैटर्न में विभाजित करके, शोधकर्ताओं ने देखा कि वायु गुणवत्ता दोनों स्थानों पर धीरे-धीरे सुधर रही है। फिनलैंड में, धूल के स्तर में गिरावट विशेष रूप से उल्लेखनीय थी, जहाँ जमीनी मापों ने अध्ययन अवधि के दौरान लगभग 5 से 10 माइक्रोग्राम प्रति घन मीटर की गिरावट दिखाई। ग्रीस में, रुझान अधिक स्थिर था, जिसमें कुल मिलाकर मामूली कमी देखी गई। मौसमी पैटर्न प्रत्येक स्थान के लिए विशिष्ट थे: फिनलैंड में वसंत ऋतु में उच्चतम धूल स्तर देखे गए जब पिघलती बर्फ ने सड़क की सूखी धूल को उजागर कर दिया, जबकि ग्रीस में गर्मियों और शुरुआती पतझड़ में उच्च स्तर देखे गए, जो शुष्क परिस्थितियों और उत्तरी अफ्रीका से आने वाली धूल से प्रेरित थे। यह परीक्षण करने के लिए कि क्या इन पैटर्न का उपयोग भविष्य की वायु गुणवत्ता के पूर्वानुमान के लिए किया जा सकता है, टीम ने विभिन्न गणितीय दृष्टिकोणों का परीक्षण किया। उन्होंने पाया कि दीर्घकालिक रुझानों की भविष्यवाणी करने के लिए, एक सांख्यिकीय मॉडल जो मौसमी चक्रों को संभालने के लिए डिज़ाइन किया गया है, सबसे अच्छा काम करता है। बहुत निकट भविष्य, जैसे कि अगले दिन, की भविष्यवाणी करने के लिए, एक मशीन लर्निंग पद्धति जो पिछले डेटा पैटर्न से सीखती है, बेहतर प्रदर्शन करती है।
निष्कर्ष बताते हैं कि हालांकि उपग्रह और कंप्यूटर मॉडल जमीनी सेंसरों की सटीकता की जगह नहीं ले सकते, लेकिन वे उन कमियों को भरने के लिए शक्तिशाली उपकरण हैं जहाँ सेंसर गायब हैं। कंप्यूटर मॉडल, विशेष रूप से, बड़े क्षेत्रों और लंबी अवधि में वायु गुणवत्ता की एक सुसंगत तस्वीर प्रदान करते हैं, जिससे वे पर्यावरण पर खनन के समग्र प्रभाव को समझने के लिए मूल्यवान बन जाते हैं। हालांकि, क्योंकि ये मॉडल विवरणों को सुचारू (स्मूथ) कर देते हैं, वे उन सबसे खराब स्पाइक्स (तीव्र उछाल) को मिस कर सकते हैं जो किसी खदान के ठीक बगल में होते हैं। अध्ययन का निष्कर्ष है कि मॉडलों से प्राप्त व्यापक दृष्टिकोण को जमीनी स्टेशनों के विशिष्ट, सटीक डेटा के साथ जोड़ना सबसे अच्छा दृष्टिकोण है। यह हाइब्रिड (मिश्रित) विधि धूल प्रदूषण की अधिक पूर्ण समझ प्रदान करती है, जिससे सार्वजनिक स्वास्थ्य की रक्षा करने और पर्यावरणीय नीतियों को निर्देशित करने में मदद मिलती है, यहाँ तक कि दूरस्थ या कठिन निगरानी वाले क्षेत्रों में भी। शोध यह प्रदर्शित करता है कि सही उपकरणों के संयोजन के साथ, यह संभव है कि धूल के स्तर को प्रभावी ढंग से ट्रैक और प्रबंधित किया जाए, चाहे जलवायु गर्म और शुष्क हो या ठंडी और बर्फीली।
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।