Integrating GIS and machine learning for pollution vulnerability mapping in South Africa’s Kruger National Park

जिस हवा में हम सांस लेते हैं, वह शायद ही कभी स्थिर होती है। दुनिया के सबसे दूरस्थ कोनों में भी, धुएं, धूल और गैसों के अदृश्य बादल हवा और मौसम के साथ सीमाओं के पार बहते रहते हैं। हालांकि हम अक्सर वायु प्रदूषण को केवल व्यस्त शहरों और औद्योगिक क्षेत्रों तक सीमित एक समस्या के रूप में देखते हैं, लेकिन ये प्रदूषक बहुत दूर तक यात्रा करते हैं, और उन जंगली स्थानों में जम जाते हैं जहाँ वे पौधों, जानवरों और प्रकृति के नाजुक संतुलन को नुकसान पहुँचा सकते हैं। विशाल संरक्षित भूमियों के प्रबंधकों के लिए, यह जानना कठिन होता है कि ये अदृश्य खतरे कहाँ सबसे अधिक प्रबल हैं। वे हर पहाड़ी या नदी पर सेंसर नहीं लगा सकते, और मौसम इतनी तेजी से बदलता है कि पुराने जमाने के अनुमान लगाने वाले खेल काम नहीं आते। इसे हल करने के लिए, वैज्ञानिक उपकरणों के एक शक्तिशाली संयोजन की ओर मुड़ रहे हैं: उपग्रह आँखें जो पूरे ग्रह को देखती हैं, डिजिटल मानचित्र जो उस दृश्य को व्यवस्थित करते हैं, और स्मार्ट कंप्यूटर प्रोग्राम जो भविष्य की भविष्यवाणी करने के लिए पैटर्न से सीखते हैं।

दक्षिण अफ्रीका के क्रूगर नेशनल पार्क पर केंद्रित एक हालिया अध्ययन में, शोधकर्ताओं ने इस आधुनिक टूलकिट का उपयोग करके प्रदूषण संवेदनशीलता का एक विस्तृत मानचित्र तैयार किया। क्रूगर अफ्रीका के सबसे बड़े गेम रिजर्व में से एक है, जो लगभग 20,000 वर्ग किलोमीटर का एक विशाल वन्यजीव क्षेत्र है जहाँ हाथी, शेर और गैंडे स्वतंत्र रूप से घूमते हैं। पार्क दुनिया से अलग-थलग नहीं है; यह मानव बस्तियों और औद्योगिक क्षेत्रों के पास स्थित है, जिसका अर्थ है कि यह बाहर से बहकर आने वाले प्रदूषकों के अधीन है। शोधकर्ता यह समझना चाहते थे कि इस विशाल पार्क के कौन से हिस्से वायु प्रदूषण के प्रति सबसे अधिक जोखिम में हैं और कौन से कारक उन्हें संवेदनशील बनाते हैं। उन्होंने किसी एक पद्धति पर भरोसा नहीं किया, बल्कि इसके बजाय एक ऐसी प्रणाली बनाई जो वनस्पति, वर्षा और तापमान के उपग्रह डेटा को नाइट्रोजन डाइऑक्साइड और सल्फर डाइऑक्साइड जैसी विशिष्ट गैसों के मापन के साथ जोड़ती है। फिर उन्होंने इस जानकारी को तीन अलग-अलग प्रकार के कंप्यूटर लर्निंग मॉडल्स में डाला ताकि यह देखा जा सके कि कौन सा मॉडल सबसे अच्छी तरह से भविष्यवाणी कर सकता है कि कहाँ प्रदूषण एक समस्या होगी।

टीम ने अंतरिक्ष से डेटा एकत्र किया, जिसमें उपग्रहों का उपयोग करके हर चीज़ को ट्रैक किया गया, जैसे कि हरी वनस्पतियों का घनत्व से लेकर वायुमंडल में हानिकारक गैसों की सांद्रता तक। उन्होंने देखा कि कितनी बारिश हुई, कितनी गर्मी हुई, और मीथेन एवं कार्बन मोनोऑक्साइड की मात्रा कितनी थी। इस सारी जानकारी को एक साथ जोड़कर, उन्होंने पार्क के वातावरण की एक डिजिटल तस्वीर बनाई। फिर उन्होंने अपने कंप्यूटर मॉडल्स को प्रदूषण के संकेतों को पहचानने के लिए प्रशिक्षित किया। एक मॉडल, जिसे 'रैंडम फॉरेस्ट' (Random Forest) कहा जाता है, कई छोटे निर्णय वृक्षों (decision trees) का निर्माण करके और उत्तर पर वोट मांगकर काम करता है। दूसरा, 'ग्रेडिएंट बूस्टिंग मशीन' (Gradient Boosting Machine), एक समय में अपनी गलतियों को सुधारकर सीखता है। तीसरा, 'सपोर्ट वेक्टर मशीन' (Support Vector Machine), स्वच्छ क्षेत्रों को प्रदूषित क्षेत्रों से अलग करने के लिए सबसे अच्छी रेखा खोजने का प्रयास करता है। लक्ष्य यह देखना था कि इनमें से कौन सा दृष्टिकोण सबसे सटीक रूप से उन क्षेत्रों की पहचान कर सकता है जहाँ वायु की गुणवत्ता खराब होने की सबसे अधिक संभावना है।

परिणामों ने दिखाया कि कंप्यूटर मॉडल अदृश्य खतरों का मानचित्र बनाने में काफी सफल रहे। 'ग्रेडिएंट बूस्टिंग मशीन' मॉडल डेटा को सही ढंग से वर्गीकृत करने में सबसे सटीक साबित हुआ, जिसने लगभग 76 प्रतिशत बार सही उत्तर दिया। 'रैंडम फॉरेस्ट' मॉडल उस विशिष्ट माप में थोड़ा कम सटीक था, लेकिन विभिन्न जोखिम स्तरों के बीच अंतर करने में असाधारण रूप से अच्छा था, जो सूक्ष्म निर्णय लेने के लिए एक महत्वपूर्ण गुण है। तीसरा मॉडल, 'सपोर्ट वेक्टर मशीन', अच्छा प्रदर्शन करता था लेकिन अन्य दो जितना मजबूत नहीं था। तीनों मॉडल एक सामान्य पैटर्न पर सहमत थे: पार्क के दक्षिणी और दक्षिण-मध्य भाग, विशेष रूप से क्रोकोडाइल और सबी नदियों के पास के क्षेत्र, सबसे अधिक संवेदनशील हैं। इन क्षेत्रों में नाइट्रोजन डाइऑक्साइड और सल्फर डाइऑक्साइड की उच्च सांद्रता देखी गई, जो अक्सर ईंधन जलाने और औद्योगिक गतिविधियों से जुड़ी गैसें हैं। मॉडलों ने यह भी खुलासा किया कि इन दो गैसों ने यह भविष्यवाणी करने में सबसे महत्वपूर्ण भूमिका निभाई कि कहाँ प्रदूषण एक समस्या होगी, जो कि बारिश की मात्रा या पेड़ों के घनत्व से कहीं अधिक महत्वपूर्ण था।

यह निष्कर्ष महत्वपूर्ण है क्योंकि यह पुष्टि करता है कि प्रदूषण केवल शहरों की समस्या नहीं है। अध्ययन सुझाव देता है कि क्रूगर जैसे जंगली स्थान में भी, वायु की गुणवत्ता दूर चल रही मानवीय गतिविधियों से अत्यधिक प्रभावित होती है, जिसे हवा द्वारा लाया जाता है। शोधकर्ताओं ने पाया कि उच्चतम जोखिम वाले क्षेत्र यादृच्छिक (random) नहीं हैं; वे विशिष्ट नदी घाटियों और पार्क के दक्षिणी किनारों के आसपास केंद्रित हैं, जहाँ हवा अक्सर पास के कस्बों और सड़कों से प्रदूषकों को ले जाती है। कंप्यूटर मॉडलों ने यह भी उजागर किया कि वनस्पति एक जटिल भूमिका निभाती है। जबकि घने जंगल कभी-कभी प्रदूषण को सोख सकते हैं, डेटा ने दिखाया कि घनी हरियाली वाले क्षेत्र अक्सर कुछ गैसों के उच्च स्तर के साथ सह-संबंधित थे, संभवतः इसलिए क्योंकि ये क्षेत्र प्रदूषण के स्रोतों के करीब भी हैं। यह एक ऐसा सूक्ष्म अंतर है जिसे सरल अवलोकन से मिस किया जा सकता है, लेकिन कंप्यूटर मॉडल्स ने इसे स्पष्ट रूप से पकड़ लिया।

इस कार्य का अंतिम आउटपुट उच्च-रिज़ॉल्यूशन वाले मानचित्रों का एक सेट है जो पार्क को पाँच श्रेणियों में विभाजित करता है, जो बहुत कम संवेदनशीलता से लेकर बहुत उच्च संवेदनशीलता तक विस्तृत है। ये मानचित्र दिखाते हैं कि पार्क का लगभग एक-पाँचवाँ हिस्सा उच्चतम जोखिम श्रेणी में आता है, जबकि एक-पाँचवाँ हिस्सा बहुत कम श्रेणी में है। मध्य क्षेत्र, जहाँ जोखिम मध्यम है, भूमि के सबसे बड़े हिस्से को कवर करता है। ये मानचित्र केवल चित्र नहीं हैं; वे पार्क प्रबंधकों के लिए व्यावहारिक उपकरण हैं। यह जानकर कि हवा कहाँ सबसे अधिक विषाक्त होने की संभावना है, रेंजर और संरक्षणवादी अपने निगरानी प्रयासों को केंद्रित कर सकते हैं, आग (fires) की योजना अधिक सावधानी से बना सकते हैं, और उन क्षेत्रों में संवेदनशील वन्यजीवों की रक्षा कर सकते हैं जिन्हें इसकी सबसे अधिक आवश्यकता है। अध्ययन बताता है कि उपग्रह डेटा को स्मार्ट कंप्यूटर लर्निंग के साथ जोड़ने का यह दृष्टिकोण बड़े वन्यजीव क्षेत्रों की सुरक्षा के लिए एक गेम-चेंजर हो सकता है, जो अदृश्य को देखने और नुकसान होने से पहले कार्य करने का एक तरीका प्रदान करता है।

अनुसंधान वैश्विक स्थिरता लक्ष्यों के हिस्से के रूप में स्वस्थ पारिस्थितिकी तंत्र को बनाए रखने के प्रयासों का भी समर्थन करता है। यह जलवायु कार्रवाई से भी जुड़ता है, क्योंकि वही मौसम पैटर्न जो प्रदूषण को स्थानांतरित करते हैं, जलवायु परिवर्तन को भी संचालित करते हैं। हालांकि इस अध्ययन ने पास में रहने वाले लोगों के स्वास्थ्य को नहीं मापा, लेकिन यह पर्यावरण संबंधी डेटा प्रदान करता है जो यह समझने के लिए आवश्यक है कि प्रदूषण कैसे चलता है और जमा होता है, जो वन्यजीवों और मानव समुदायों दोनों की रक्षा करने की दिशा में पहला कदम है। यह कार्य प्रदर्शित करता है कि क्रूगर जैसे विशाल और जंगली स्थान में भी, विज्ञान प्रकृति के सामने आने वाली चुनौतियों का एक स्पष्ट दृश्य प्रदान कर सकता है, जटिल डेटा को संरक्षण के लिए एक सरल, कार्रवाई योग्य मार्गदर्शिका में बदलकर। निर्मित मानचित्र इस विचार के प्रमाण हैं कि सही उपकरणों के साथ, हम अपनी प्राकृतिक दुनिया के लिए खतरों को इतना स्पष्ट रूप से देख सकते हैं कि उन्हें रोक सकें।