From Heuristic Models to GeoAI: A Scientometric and Thematic Evolution of Landslide Susceptibility Mapping Approaches

भूस्खलन पृथ्वी के सबसे विनाशकारी बलों में से एक हैं, जो क्षण भर में राजमार्गों को निगलने, गांवों को दफनाने और परिदृश्यों को नया आकार देने में सक्षम हैं। दशकों से, वैज्ञानिक इस बात की भविष्यवाणी करने का प्रयास कर रहे हैं कि ये घटनाएँ कहाँ होने की सबसे अधिक संभावना है, जिससे ऐसे मानचित्र तैयार किए गए हैं जो उच्च जोखिम वाले क्षेत्रों को रेखांकित करते हैं। ये मानचित्र, जिन्हें भूस्खलन संवेदनशीलता मानचित्र (landslide susceptibility maps) कहा जाता है, स्वयं जमीन और उन कारकों के बीच संबंध को समझने पर आधारित होते हैं जो हलचल को ट्रिगर करते हैं, जैसे कि खड़ी ढलान, भारी वर्षा, और चट्टान या मिट्टी का प्रकार। इस कार्य के शुरुआती दिनों में, विशेषज्ञ इन कारकों को महत्व देने के लिए अपने स्वयं के अनुभव और निर्णय पर बहुत अधिक निर्भर करते थे, और उस आधार पर निष्कर्ष निकालते थे जो वे भूभाग के बारे में जानते थे। हालाँकि, समय के साथ, शोधकर्ताओं के लिए उपलब्ध उपकरण नाटकीय रूप से बदल गए हैं। शक्तिशाली कंप्यूटरों, उच्च-रिज़ॉल्यूशन वाली उपग्रह छवियों और उन्नत सॉफ़्टवेयर के उदय ने वैज्ञानिकों को सरल अवलोकन से आगे बढ़कर डेटा-संचालित भविष्यवाणी के क्षेत्र में जाने की अनुमति दी है, जहाँ एल्गोरिदम अदृश्य पैटर्न खोजने के लिए विशाल मात्रा में जानकारी को संसाधित कर सकते हैं।

मॉर्गन स्टेट यूनिवर्सिटी और नाइजीरिया के फेडरल स्कूल ऑफ सर्वेइंग के शोधकर्ताओं द्वारा किया गया एक नया अध्ययन इस बात का एक व्यापक दृष्टिकोण प्रदान करता है कि पिछले बीस वर्षों में यह क्षेत्र कैसे परिवर्तित हुआ है। टीम ने क्षेत्र में कोई नया प्रयोग नहीं किया; इसके बजाय, उन्होंने भूस्खलन भविष्यवाणी के विकास को समझने के लिए मौजूदा वैज्ञानिक साहित्य की एक व्यापक समीक्षा की। उन्होंने प्रमुख वैज्ञानिक डेटाबेस से 2006 और 2026 के बीच प्रकाशित 795 सहकर्मी-समीक्षित (peer-reviewed) शोध पत्रों को एकत्र किया। यह समझने के लिए कि शोध विषय कैसे जुड़ते हैं और समय के साथ कैसे बदलते हैं, उन्होंने विशेष सॉफ़्टवेयर का उपयोग किया जो अनुसंधान के रुझानों का विश्लेषण करने के लिए डिज़ाइन किया गया है। उनका लक्ष्य न केवल यह समझना था कि किन विधियों का उपयोग किया गया, बल्कि यह भी कि समस्या के प्रति पूरा दृष्टिकोण मानवीय अंतर्ज्ञान से कृत्रिम बुद्धिमत्ता (artificial intelligence) की ओर कैसे बदला।

विश्लेषण भूस्खलन मानचित्रण के प्रति वैज्ञानिकों के दृष्टिकोण में एक स्पष्ट और निरंतर संक्रमण को प्रकट करता है। प्रारंभिक काल में, 2006 से 2012 तक, अनुसंधान उन मॉडलों द्वारा हावी था जिन्हें लेखक 'ह्यूरिस्टिक मॉडल' (heuristic models) कहते हैं। ये वे विधियाँ हैं जहाँ विशेषज्ञ अपने ज्ञान के आधार पर विभिन्न कारकों को भार (weights) देते हैं, और अक्सर अपने काम की जाँच के लिए सरल सांख्यिकीय उपकरणों का उपयोग करते हैं। इन वर्षों के दौरान, मुख्य ध्यान रिमोट सेंसिंग के माध्यम से बेहतर डेटा एकत्र करने पर था, जिसमें पृथ्वी को ऊपर से देखने के लिए उपग्रहों और विमानों का उपयोग शामिल है। जैसे ही समयलाइन 2013 से 2018 की अवधि की ओर बढ़ी, ध्यान अधिक मात्रात्मक (quantitative) दृष्टिकोणों की ओर स्थानांतरित हो गया। शोधकर्ता मशीन लर्निंग पर बहुत अधिक निर्भर होने लगे, जो कंप्यूटर विज्ञान का एक प्रकार है जहाँ एल्गोरिदम बिना किसी विशिष्ट नियम के प्रोग्राम किए गए, डेटा से सीखकर भविष्यवाणियाँ करते हैं। इस युग में डिजिटल एलिवेशन मॉडल (digital elevation models) के उपयोग में उछाल देखा गया, जो भूभाग के विस्तृत 3D प्रतिनिधित्व हैं, जिससे ढलान और स्थिरता की अधिक सटीक समझ प्राप्त होती है।

जब तक शोधकर्ताओं ने 2019 से 2022 की अवधि का परीक्षण किया, तब तक यह क्षेत्र 'डीप लर्निंग' (deep learning) को तेजी से अपनाने की एक नई अवस्था में प्रवेश कर चुका था। यह कृत्रिम बुद्धिमत्ता का एक अधिक उन्नत रूप है जो मानव मस्तिष्क के सूचना प्रसंस्करण के तरीके की नकल करता है। अध्ययन में पाया गया कि इन वर्षों के दौरान, प्रकाशित शोध पत्रों की संख्या में विस्फोट हुआ, जिसमें उनके डेटासेट के लगभग 90 प्रतिशत शोध 2018 के बाद प्रकाशित हुए। साहित्य के विषय जटिल 'एन्सेम्बल मॉडल' (ensemble models) को शामिल करने के लिए विस्तारित हुए, जो अधिक मजबूत और सटीक परिणाम बनाने के लिए कई अलग-अलग एल्गोरिदम की भविष्यवाणियों को जोड़ते हैं। शोधकर्ताओं ने LiDAR जैसी तकनीकों के बढ़ते एकीकरण पर भी ध्यान दिया, जो सतह का अत्यंत विस्तृत मानचित्र बनाने के लिए लेजर पल्स का उपयोग करता है, और InSAR, जो भूस्खलन से पहले पृथ्वी की सतह की सूक्ष्म गतिविधियों का पता लगाने के लिए रडार का उपयोग करता है।

सबसे हालिया अवधि, 2023 से 2026 तक, अध्ययन एक परिपक्व परिदृश्य की पहचान करता है जहाँ ध्यान इन शक्तिशाली कृत्रिम बुद्धिमत्ता प्रणालियों को समझने योग्य और विश्वसनीय बनाने की ओर स्थानांतरित हो गया है। जबकि भूस्खलन की भविष्यवाणी करने का मूल लक्ष्य वही रहता है, विधियाँ अत्यधिक विशिष्ट हो गई हैं। शोधकर्ताओं ने पाया कि वैज्ञानिक अब 'एक्सप्लेनेबल आर्टिफिशियल इंटेलिजेंस' (explainable artificial intelligence) पर काम कर रहे हैं, जो जटिल एल्गोरिदम के "ब्लैक बॉक्स" को खोलने के लिए समर्पित एक क्षेत्र है ताकि मनुष्य समझ सकें कि एक मॉडल ने एक विशिष्ट भविष्यवाणी क्यों की। यह निर्णय लेने वालों के लिए अत्यंत महत्वपूर्ण है जिन्हें सड़कों की योजना बनाने या समुदायों को निकालने के लिए मानचित्रों पर भरोसा करने की आवश्यकता होती है। अध्ययन बुनियादी ढांचे पर बढ़ते जोर को भी उजागर करता है, जिसमें राजमार्गों और शहरी क्षेत्रों की सुरक्षा के लिए अधिक शोध समर्पित है, जो उन क्षेत्रों में इन प्रणालियों के बढ़ते मूल्य को दर्शाता है जहाँ जलवायु परिवर्तन और शहरीकरण भूस्खलन को अधिक बार और खतरनाक बना रहे हैं।

समीक्षा ने इस वैज्ञानिक प्रगति के मानवीय पक्ष को भी उजागर किया। शोधकर्ताओं ने सहयोग के वैश्विक नेटवर्क का मानचित्रण किया और पाया कि यह कार्य एशिया में, विशेष रूप से चीन में केंद्रित है, जिसने सर्वाधिक अध्ययन प्रस्तुत किए। भारत, वियतनाम और संयुक्त राज्य अमेरिका भी गतिविधि के प्रमुख केंद्रों के रूप में उभरे। विश्लेषण ने दिखाया कि ये शोधकर्ता अलग-थलग होकर काम नहीं करते हैं; इसके बजाय, वे सहयोग के घने नेटवर्क बनाते हैं, जहाँ विभिन्न देशों की टीमें डेटा साझा करने और अपने मॉडलों को परिष्कृत करने के लिए मिलकर काम करती हैं। यह अंतर्राष्ट्रीय प्रयास इस क्षेत्र को आगे बढ़ाने में आवश्यक रहा है, जिससे विविध परिदृश्यों और भूवैज्ञानिक स्थितियों में नई विधियों का परीक्षण करना संभव हुआ है।

इन महत्वपूर्ण प्रगतियों के बावजूद, अध्ययन बताता है कि चुनौतियाँ अभी भी बनी हुई हैं। शोधकर्ता नोट करते हैं कि हालांकि मॉडल अधिक सटीक हो रहे हैं, फिर भी वे अनिश्चितता से जूझ रहे हैं। यह जानना अक्सर कठिन होता है कि एक मॉडल किसी नए स्थान पर कैसा प्रदर्शन करेगा जिसे उसने पहले कभी नहीं देखा है, जिसे 'ट्रांसफ़रेबिलिटी' (transferability) की समस्या कहा जाता है। इन प्रणालियों को प्रशिक्षित करने के लिए उपयोग किए जाने वाले डेटा की गुणवत्ता के बारे में भी चिंताएँ हैं; यदि पिछले भूस्खलनों के रिकॉर्ड अधूरे या गलत हैं, तो भविष्यवाणियाँ प्रभावित होंगी। इसके अलावा, नवीनतम कृत्रिम बुद्धिमत्ता मॉडलों की जटिलता उन्हें व्याख्या करने में कठिन बना सकती है, जिससे यह सवाल उठता है कि यह कैसे सुनिश्चित किया जाए कि वे केवल सांख्यिकीय संयोगों के बजाय ठोस भूवैज्ञानिक सिद्धांतों के आधार पर निर्णय ले रहे हैं।

अंततः, यह समीक्षा भूस्खलन विज्ञान के भविष्य के लिए एक रोडमैप के रूप में कार्य करती है। यह पुष्टि करती है कि यह क्षेत्र अतीत के सरल, विशेषज्ञ-आधारित मानचित्रों से बहुत आगे निकल चुका है, और बिग डेटा तथा कृत्रिम बुद्धिमत्ता द्वारा संचालित एक परिष्कृत अनुशासन में विकसित हो गया है। लेखक सुझाव देते हैं कि अगला मोर्चा ऐसे सिस्टम बनाने में है जो न केवल शक्तिशाली हों बल्कि पारदर्शी भी हों और वास्तविक समय (real-time) में कार्य करने में सक्षम हों। नवीनतम भू-स्थानिक तकनीक (geospatial technology) को उन्नत कंप्यूटिंग के साथ जोड़कर, वैज्ञानिकों का लक्ष्य एक ऐसा भविष्य बनाना है जहाँ समुदायों को आने वाले भूस्खलन के बारे में अधिक सटीकता और विश्वसनीयता के साथ चेतावनी दी जा सके, जिससे प्रकृति के सबसे अप्रत्याशित खतरों के विरुद्ध स्थिति बदली जा सके।