Comparative Google Earth Engine Workflows for Flood and Landslide Diagnostics in Lower Silesia, Poland, and Batang Kali, Malaysia

जब बाढ़ किसी नदी के जलस्तर को बढ़ा देती है या पहाड़ी ढलान खिसक जाती है, तो हमारे पैरों के नीचे की ज़मीन ऐसे तरीकों से बदल जाती है जिन्हें अक्सर सड़क से देखना असंभव होता है। ऐसी आपदा के घंटों और दिनों के बाद, ज़मीन अक्सर इतनी खतरनाक होती है कि वहां प्रवेश करना मुश्किल होता है, और मौसम इतना खराब हो सकता है कि पायलट ऊपर से उड़ान न भर सके। फिर भी, लोगों को यह जानने की ज़रूरत होती है कि पानी कहाँ तक बढ़ गया है या धरती कहाँ खिसक गई है ताकि जीवन बचाया जा सके और राहत कार्यों की योजना बनाई जा सके। यहीं पर एक अलग तरह की 'आँख' काम आती है: पृथ्वी के चारों ओर चक्कर लगा रहे उपग्रह (सैटेलाइट), जो दिन-ब-दिन सतह की तस्वीरें लेते रहते हैं। आपदा से पहले ली गई किसी परिदृश्य की तस्वीर की तुलना आपदा के बाद ली गई तस्वीर से करके, वैज्ञानिक उन अंतरों को पहचान सकते हैं जो बताते हैं कि वास्तव में क्या हुआ था। चुनौती हमेशा यह रही है कि इसे विशाल क्षेत्रों में कितनी तेज़ी से और विश्वसनीयता के साथ किया जाए, खासकर जब दोनों आपदाएं एक-दूसरे से बिल्कुल अलग दिखती हों। एक में ज़मीन पर पानी का फैलना शामिल है, जबकि दूसरे में ज़मीन का खुद पहाड़ी से नीचे खिसकना शामिल है।

पोलैंड और मलेशिया के एक शोधकर्ता ने इन दोनों बहुत ही अलग समस्याओं को संभालने के लिए एक एकल, एकीकृत डिजिटल प्रणाली का परीक्षण करने का निर्णय लिया। उन्होंने गूगल अर्थ इंजन (Google Earth Engine) नामक एक शक्तिशाली क्लाउड-आधारित प्लेटफॉर्म का उपयोग किया, जो उपग्रह छवियों के एक विशाल पुस्तकालय और एक सुपरकंप्यूटर की तरह कार्य करता है जो उन्हें एक साथ प्रोसेस कर सकता है। स्थानीय कंप्यूटर पर हजारों फोटो डाउनलोड करने के बजाय, शोधकर्ता ने निर्देशों का एक ऐसा सेट लिखा जिसे सीधे प्लेटफॉर्म पर चलाया जा सके। उन्होंने इन समान निर्देशों को दो अलग-अलग घटनाओं पर लागू किया: सितंबर 2024 में पोलैंड के लोअर सिलेसिया में आई एक बड़ी बाढ़, और दिसंबर 2022 में मलेशिया के बटांग काली में हुआ एक विनाशकारी भूस्खलन। लक्ष्य यह साबित करना नहीं था कि बाढ़ और भूस्खलन एक ही हैं, बल्कि यह देखना था कि क्या एक ही डिजिटल वर्कफ़्लो को प्रत्येक के विशिष्ट संकेतों को खोजने के लिए अनुकूलित किया जा सकता है।

पोलैंड की बाढ़ के लिए, शोधकर्ता ने ऑप्टिकल छवियों का उपयोग किया, जो एक कैमरे द्वारा ली गई तस्वीरों के समान होती हैं। उन्होंने एक विशिष्ट संकेत (सिग्नल) पर ध्यान केंद्रित किया जो प्रकट करता है कि पानी कहाँ मौजूद है। पानी प्रकाश को इस तरह से अवशोषित करता है जिससे वह सूखी भूमि और वनस्पतियों के मुकाबले स्पष्ट रूप से दिखाई देता है। तूफान से पहले के जल संकेत और तूफान के बाद के संकेत के बीच अंतर की गणना करके, उन्होंने एक मानचित्र बनाया जो सटीक रूप से दिखाता है कि पानी कहाँ फैला था। यह प्रणाली इस घटना के लिए उल्लेखनीय स्पष्टता के साथ काम करती है। इसने 70.142 वर्ग किलोमीटर के क्षेत्र की पहचान की जो बाढ़ की चपेट में आया था। जब शोधकर्ता ने अपने काम की जांच मानचित्र पर चिह्नित किए गए 240 विशिष्ट बिंदुओं के विरुद्ध की, तो हर एक बिंदु उनकी अपेक्षाओं के अनुरूप था। हालाँकि, लेखक सावधानी से यह नोट करते हैं कि यह पूर्ण स्कोर अन्य उपग्रह छवियों के विरुद्ध मानचित्र की जाँच करने से प्राप्त हुआ था, न कि अपनी आँखों से जल स्तर को सत्यापित करने के लिए ज़मीन पर जाकर। हालांकि परिणाम उत्साहजनक है, यह सुझाव देता है कि यह विधि इस प्रकार के वातावरण में बाढ़ के पानी को पहचानने के लिए अत्यधिक प्रभावी है, भले ही बिना 'ग्राउंड ट्रुथ' (ज़मीनी सच्चाई) के ये आंकड़े थोड़े आशावादी हो सकते हैं।

मलेशिया की स्थिति कहीं अधिक जटिल थी। बटांग काली का भूस्खलन एक घने, उष्णकटिबंधीय वर्षावन में हुआ था जहाँ बादल अक्सर ऑप्टिकल कैमरों के दृश्य को बाधित करते हैं। बादलों और पेड़ों के पार देखने के लिए, शोधकर्ता ने रडार की ओर रुख किया, जो एक प्रकार का सेंसर है जो ज़मीन से रेडियो तरंगों को टकराकर वापस भेजता है। जब भूस्खलन होता है, तो यह वनस्पतियों को हटा देता है और पहाड़ी की ऊबड़-खाबड़ सतह को चिकना कर देता है, जिससे रडार तरंगों के वापस लौटने के तरीके में बदलाव आता है। शोधकर्ता ने उन क्षेत्रों की तलाश की जहाँ यह 'बाउंस-बैक' सिग्नल तेजी से गिरा, जो अचानक हुई हलचल का संकेत देता है। यह प्रणाली अविश्वसनीय रूप से संवेदनशील थी; इसने उनके द्वारा परीक्षण किए गए सभी 11 ज्ञात भूस्खलन स्थानों को खोज निकाला। लेकिन इस संवेदनशीलता की एक भारी कीमत चुकानी पड़ी। सिस्टम ने 109 अन्य स्थानों को भी भूस्खलन के रूप में चिह्नित किया जो वास्तव में स्थिर ज़मीन थे। कुल मिलाकर, जब सिस्टम ने दावा किया कि भूस्खलन हुआ है, तो वह केवल लगभग 9 प्रतिशत समय ही सही था।

परिणामों में यह बड़ा अंतर एक 'वन-साइज़-फिट्स-ऑल' (एक ही नियम सबके लिए) दृष्टिकोण की सीमाओं के बारे में एक स्पष्ट कहानी बताता है। समान डिजिटल वर्कफ़्लो सफलतापूर्वक एक आपदा से दूसरी आपदा तक पहुँचा, जिससे यह सिद्ध हुआ कि कंप्यूटर आर्किटेक्चर विभिन्न प्रकार के डेटा को संभालने के लिए पर्याप्त लचीला है। हालाँकि, आपदा की भौतिक प्रकृति यह तय करती है कि यह विधि कितनी अच्छी तरह काम करेगी। बाढ़ के मामले में, पानी ने एक स्पष्ट, विशिष्ट संकेत बनाया जिसे सिस्टम आसानी से अलग कर सका। भूस्खलन के मामले में, संकेत उष्णकटिबंधीय जंगल के जटिल वातावरण के कारण धुंधला हो गया था, जहाँ बारिश, मिट्टी की नमी और पेड़ों का आवरण रडार सेंसर के लिए भूस्खलन जैसा दिख सकता है। शोधकर्ता ने निष्कर्ष निकाला कि हालांकि रडार विधि एक त्वरित पहली नज़र के लिए उत्कृष्ट है—जो आपातकालीन टीमों को यह बताती है कि, "यहाँ देखें, कुछ निश्चित रूप से बदला है"—लेकिन अभी तक इस पर भूस्खलन की सटीक रेखा खींचने के लिए भरोसा नहीं किया जा सकता है जब तक कि आगे की जाँच न की जाए।

यह अध्ययन प्रदर्शित करता है कि एक एकल, दोहराने योग्य प्रक्रिया आपदा प्रतिक्रिया के लिए एक आधार (बैकबोन) के रूप में कार्य कर सकती है, लेकिन अंतिम व्याख्या को हमेशा घटना की विशिष्ट स्थितियों का सम्मान करना चाहिए। पोलैंड की बाढ़ में, इस पद्धति ने प्रभावित क्षेत्र का एक स्वच्छ, उपयोगी मानचित्र प्रदान किया। मलेशिया के भूस्खलन में, इसने एक 'हाई-अलर्ट स्क्रीनिंग टूल' के रूप में कार्य किया जो अशांति वाले क्षेत्रों की ओर संकेत करता है, लेकिन इसके लिए मानवीय विशेषज्ञों द्वारा गलत सूचनाओं (फॉल्स अलार्म) को फ़िल्टर करने की आवश्यकता होती है। इस कार्य का मूल्य यह दिखाने में निहित है कि कैसे खुले, मुफ्त उपग्रह डेटा और साझा कंप्यूटिंग शक्ति का उपयोग इन नैदानिक उपकरणों को तेज़ी से बनाने के लिए किया जा सकता है। यह वैज्ञानिकों और आपातकालीन उत्तरदाताओं को एक आपदा क्षेत्र का त्वरित, सुसंगत दृश्य प्राप्त करने का एक तरीका प्रदान करता है, चाहे वह पानी के नीचे हो या कीचड़ के नीचे दबा हो, साथ ही यह स्वीकार करता है कि खतरे को समझने का अंतिम चरण अभी भी सावधानीपूर्वक, विशिष्ट विश्लेषण की मांग करता है।