A scalable framework for agricultural drought hazard mapping in data-scarce arid regions: Case study of Jiroft plain, Iran
यह अध्ययन रिमोट सेंसिंग डेटा को इन-सीटू मृदा नमी मापन और मशीन लर्निंग मॉडल के साथ एकीकृत करके ईरान के डेटा-दुर्लभ जिरोफ़्ट मैदान में कृषि सूखा खतरे का मानचित्रण करने के लिए एक स्केलेबल ढांचे को प्रस्तुत करता है, जो यह प्रदर्शित करता है कि एक सपोर्ट वेक्टर मशीन दृष्टिकोण पौधों के लिए उपलब्ध जल क्षमता और मृदा नमी को प्रमुख भविष्यवक्ताओं के रूप में उपयोग करके सूखे के जोखिमों की प्रभावी ढंग से पहचान 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
दुनिया के सूखे और धूप से तपते कोनों में, कृषि एक बेहद नाजुक स्थिति में जीवित है। जब बारिश समय पर नहीं आती, तो मिट्टी सूख जाती है, फसलें मुरझा जाती हैं, और खाद्य सुरक्षा संकट में पड़ जाती है। किसानों और योजनाकारों के लिए, यह जानना कि जमीन में पानी वास्तव में कहाँ और कब खत्म हो रहा है, जीवन और मृत्यु का प्रश्न है। इसे मापने का सबसे सीधा तरीका मिट्टी की नमी की जांच करना है, लेकिन दूरदराज के शुष्क क्षेत्रों में, जमीन अक्सर बहुत विशाल होती है और मौसम केंद्रों की संख्या इतनी कम होती है कि वे एक पूर्ण तस्वीर प्रदान नहीं कर पाते। वैज्ञानिक इन अंतरालों को भरने के लिए लंबे समय से उपग्रहों (सैटेलाइट) का सहारा लेते रहे हैं, जिसमें ऐसे सेंसरों का उपयोग किया जाता है जो अंतरिक्ष से पौधों के स्वास्थ्य और जमीन के तापमान को देख सकते हैं। वनस्पति कितनी हरी है और सतह कितनी गर्म महसूस होती है, इसे देखकर शोधकर्ता यह अनुमान लगा सकते हैं कि फसलों के पैरों के नीचे कितना पानी छिपा हुआ है, जिससे हर खेत में सेंसर लगाए बिना सूखे की निगरानी करने का एक तरीका बन जाता है।
शोधकर्ताओं के एक दल ने अपना ध्यान दक्षिण-पूर्वी ईरान के जीरोफ़्ट मैदान (Jiroft plain) पर केंद्रित किया, जो एक विशाल कृषि क्षेत्र है जहाँ पानी की कमी है और विस्तृत मौसम संबंधी रिकॉर्ड सीमित हैं। यह क्षेत्र, जो 2,200 वर्ग किलोमीटर से अधिक क्षेत्र में फैला है, गेहूं, मक्का और खट्टे फलों जैसी फसलों के लिए सिंचाई पर बहुत अधिक निर्भर करता है, फिर भी यह बार-बार होने वाले गंभीर सूखे से जूझता है। चुनौती एक विश्वसनीय कृषि सूखा मानचित्र (agricultural drought hazard map) बनाने की थी—एक ऐसा तरीका जिससे यह भविष्यवाणी की जा सके कि इस परिदृश्य का कौन सा हिस्सा जल तनाव के प्रति सबसे अधिक संवेदनशील है—और इसके लिए केवल उपलब्ध सीमित डेटा का उपयोग करना था। ऐसा करने के लिए, टीम ने पंद्रह वर्षों में लिए गए उपग्रह चित्रों को जमीन से एकत्र किए गए कुछ वास्तविक मिट्टी के नमूनों के साथ जोड़ा। उन्होंने एक ऐसी विधि का उपयोग किया जो पौधों के हरेपन और सतह की गर्मी के बीच के संबंध को एक त्रिभुज की तरह मानती है, जिससे पूरे मैदान में मिट्टी की ऊपरी परत की नमी का अनुमान लगाया जा सके।
शोधकर्ताओं ने 2007 से 2022 तक का डेटा एकत्र किया, जिसमें उन आठ विशिष्ट वर्षों का अध्ययन किया गया जब सूखे की स्थिति विशेष रूप से गंभीर थी। उन्होंने 30 सेंटीमीटर तक की गहराई पर मिट्टी की नमी को मापा, जो वह महत्वपूर्ण क्षेत्र है जहाँ पौधों की जड़ें पानी पीती हैं। उपग्रह डेटा की तुलना 2021 और 2022 में एकत्र किए गए 73 मिट्टी के नमूनों से करके, उन्होंने यह गणना करने के लिए एक मॉडल बनाया कि किसी भी दिए गए वर्ष में मिट्टी की नमी दीर्घकालिक औसत की तुलना में कितनी गिरी है। यह गिरावट, या सापेक्ष विचलन, इस बात की पहचान करने के लिए एक पैमाने के रूप में कार्य करता कि वास्तव में सूखा कहाँ हो रहा था। एक बार जब उन्होंने इन सूखा घटनाओं का मानचित्रण कर लिया, तो उन्होंने पैटर्न खोजने के लिए कंप्यूटर एल्गोरिदम का उपयोग किया। उन्होंने यह देखने के लिए तीन अलग-अलग मशीन लर्निंग मॉडल का परीक्षण किया कि कौन सा मॉडल दस विभिन्न पर्यावरणीय कारकों के आधार पर सूखे के जोखिम की सबसे अच्छी भविष्यवाणी कर सकता है, जिनमें भूमि का ढलान, मिट्टी का प्रकार, नदियों का घनत्व और वर्षा की मात्रा शामिल है।
परिणामों ने दिखाया कि एक विशिष्ट कंप्यूटर मॉडल, जिसे सपोर्ट वेक्टर मशीन (support vector machine) के रूप में जाना जाता है, सूखे के प्रहार की भविष्यवाणी करने में अन्य मॉडलों की तुलना में कहीं अधिक श्रेष्ठ था। इस मॉडल ने उच्च स्तर की सटीकता प्राप्त की, और लगभग हर परीक्षण मामले में सूखे के प्रति संवेदनशील क्षेत्रों की सही पहचान की। विश्लेषण से पता चला कि सूखे के जोखिम को निर्धारित करने वाला सबसे महत्वपूर्ण कारक केवल होने वाली वर्षा की मात्रा नहीं थी, बल्कि मिट्टी की पानी को थामे रखने की क्षमता थी। विशेष रूप से, पौधों को उपलब्ध पानी प्रदान करने की मिट्टी की क्षमता ही सूखे के खतरे का मुख्य चालक थी। जब मिट्टी रेतीली होती थी और नमी को रोक पाने में असमर्थ होती थी, और जब वनस्पति आवरण पतला होता था, तो सूखे का जोखिम बढ़ जाता था। दिलचस्प बात यह है कि पूरे क्षेत्र में कुल वर्षा की मात्रा में इतना अंतर नहीं था कि यह समझा सके कि कुछ क्षेत्र दूसरों की तुलना में अधिक सूखे क्यों थे; इसके बजाय, मिट्टी और परिदृश्य की स्थानीय स्थितियों ने परिणाम तय किया।
टीम द्वारा तैयार किया गया अंतिम मानचित्र जीरोफ़्ट मैदान को जोखिम के क्षेत्रों में विभाजित करता है, जो यह दर्शाता है कि क्षेत्र के आधे से अधिक हिस्से को कृषि सूखे के बहुत उच्च खतरे का सामना करना पड़ रहा है। ये खतरनाक क्षेत्र रेतीली मिट्टी, कम वनस्पति और कम जलमार्गों वाले क्षेत्रों में केंद्रित हैं। इसके विपरीत, मैदान के मध्य भाग, जहाँ मिट्टी पानी को बेहतर तरीके से थामे रखती है और वनस्पति अधिक घनी है, अपेक्षाकृत सुरक्षित हैं। यह दृष्टिकोण उन क्षेत्रों के लिए एक व्यावहारिक समाधान प्रदान करता जहाँ ज़मीनी निगरानी कम है। यह सिद्ध करके कि उपग्रह डेटा, जब कुछ ज़मीनी नमूनों के साथ जोड़ा जाता है, तो सूखे के जोखिम का सटीक मानचित्रण कर सकता है, यह अध्ययन एक ऐसा उपकरण प्रदान करता है जिसका उपयोग संकट आने से पहले किसानों को चेतावनी देने के लिए किया जा सकता है। यह केवल वर्षा को गिनने के बजाय भूमि, उसमें मौजूद पानी और उन पौधों के बीच के जटिल भौतिक संबंध को समझने पर ध्यान केंद्रित करता है, जो उस पर निर्भर हैं, जिससे एक तेजी से सूखती दुनिया में जल संसाधनों के प्रबंधन की दिशा में एक स्पष्ट मार्ग मिलता है।
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।