Contributions of Water Surface Area and Evaporation Intensity to Long- Term Reservoir Evaporation Loss Changes Across China

तकनीकी सारांश: चीन भर में दीर्घकालिक जलाशय वाष्पीकरण हानि परिवर्तनों में जल सतह क्षेत्र और वाष्पीकरण तीव्रता के योगदान का विश्लेषण

समस्या विवरण
चीन की जल-संसाधन प्रणाली में जलाशय वाष्पीकरण एक महत्वपूर्ण लेकिन अक्सर कम आंका गया जल नुकसान है। जबकि मौजूदा अध्ययन वाष्पीकरण के परिमाण के अनुमानों में सुधार कर रहे हैं, वे अक्सर वाष्पीकरण गहराई (तीव्रता) या कुल आयतन में से किसी एक पर जोर देते हैं, बिना दोनों प्रेरक कारकों के बीच स्पष्ट विभाजन किए: उजागर जल सतह क्षेत्र और वाष्पीकरण तीव्रता। यह अंतर महत्वपूर्ण है क्योंकि हानि परिवर्तनों को संचालित करने वाले तंत्र अलग-अलग प्रबंधन प्रतिक्रियाओं को निर्धारित करते हैं। यदि नुकसान मुख्य रूप से सतह विस्तार के कारण है, तो प्रबंधन को जलाशय विकास और सतह विनियमन पर ध्यान केंद्रित करना चाहिए। यदि यह तीव्रता के परिवर्तनों के कारण है, तो प्रबंधन को मौजूदा सतहों पर बदलते वायुमंडलीय मांग को संबोधित करना चाहिए। यह अध्ययन राष्ट्रीय स्तर के तंत्र पृथक्करण के अंतराल को संबोधित करता है, जिसका उद्देश्य यह मात्रा निर्धारित करना है कि दीर्घकालिक जलाशय वाष्पीकरण हानि के परिवर्तन में कितना हिस्सा जल सतह क्षेत्र बनाम वाष्पीकरण तीव्रता के परिवर्तनों के कारण है।

कार्यप्रणाली
इस अध्ययन में 1984 से 2020 तक मुख्य भूमि चीन के 3,168 उच्च-गुणवत्ता वाले जलाशयों के लिए Res-CN डेटासेट के मासिक रिकॉर्ड का विश्लेषण किया गया। विश्लेषणात्मक कार्यप्रवाह इस प्रकार था:

1. चर निर्माण (Variable Construction): वार्षिक वाष्पीकरण हानि ($V$), औसत जल सतह क्षेत्र ($A$), और वाष्पीकरण तीव्रता ($I$) को मासिक डेटा से प्राप्त किया गया। तीव्रता की गणना $V = A \cdot I \cdot D / 1000$ संबंध का उपयोग करके क्षेत्र-सामान्यीकृत दैनिक गहराई ($mm \cdot day^{-1}$) के रूप में की गई थी।
2. ट्रेंड विश्लेषण (Trend Analysis): जलाशय स्तर पर हानि, क्षेत्र और तीव्रता के दीर्घकालिक रुझानों का आकलन गैर-पैरामीट्रिक मैन-केंडल टेस्ट और सेन के स्लोप एस्टिमेटर का उपयोग करके किया गया।
3. विघटन (Decomposition): वाष्पीकरण हानि के दीर्घकालिक परिवर्तनों को पहले और अंतिम वैध वर्षों के बीच लॉगरिदमिक अंतरों का उपयोग करके क्षेत्र और तीव्रता प्रभावों में विभाजित किया गया। प्रत्येक कारक का योगदान उसके पूर्ण लॉग-परिवर्तन के प्रतिशत के रूप में निकाला गया।
4. मशीन लर्निंग: दीर्घकालिक औसत वाष्पीकरण हानि और तीव्रता के स्थानिक भिन्नता के प्रमुख भविष्यवक्ताओं की पहचान करने के लिए इलास्टिक नेट (Elastic Net) और लाइटजीबीएम (LightGBM) मॉडल का उपयोग किया गया। इसमें हाइड्रोक्लाइमैटिक चर (जैसे संदर्भ वाष्पोत्सर्जन, तापमान), स्थलाकृति, जलाशय आकृति विज्ञान और भूमि कवर शामिल थे।

प्रमुख परिणाम

• स्थानिक और मौसमी पैटर्न: जलाशय वाष्पीकरण ने मजबूत स्थानिक विषमता और ग्रीष्मकालीन प्रधान मौसमी चक्र प्रदर्शित किया। 64.1% जलाशयों के लिए जुलाई चरम वाष्पीकरण माह था, और 22.3% के लिए जून।
• ट्रेंड विश्लेषण: वार्षिक वाष्पीकरण हानि 55.7% (1,764) जलाशयों में महत्वपूर्ण रूप से बढ़ी। इसके विपरीत, वाष्पीकरण तीव्रता और जल सतह क्षेत्र के रुझान अधिक विषम थे, जिसमें अधिकांश जलाशयों ने व्यक्तिगत रूप से किसी भी चर में कोई महत्वपूर्ण रुझान नहीं दिखाया।
• विघटन निष्कर्ष: विघटन से पता चला कि वाष्पीकरण तीव्रता दीर्घकालिक हानि परिवर्तनों का प्रमुख चालक थी। औसतन, तीव्रता के परिवर्तनों ने कुल वाष्पीकरण-हानि परिवर्तन में 57.0% का योगदान दिया, जबकि क्षेत्र के परिवर्तनों ने 43.0% का योगदान दिया। बढ़ती हानि वाले जलाशयों में, तीव्रता का योगदान और भी अधिक 57.8% था।
• भविष्यवाणी मॉडलिंग: मशीन-लर्निंग मॉडल उच्च कौशल ($R^2 = 0.954$ लॉग-रूपांतरित हानि के लिए) के साथ वाष्पीकरण हानि के स्थानिक विविधताओं को सफलतापूर्वक पुनरुत्पादित करते हैं। पहचाने गए प्रमुख भविष्यवक्ताओं में संदर्भ वाष्पोत्सर्जन, जलाशय क्षेत्र, स्थलाकृति, तापमान और धूप की अवधि शामिल थे। वाष्पीकरण तीव्रता के लिए मॉडल ने कम भविष्य कहनेवाला कौशल ($R^2 = 0.649$) दिखाया, जो बताता है कि वर्तमान भविष्यवक्ता क्षेत्र-सामान्यीकृत वाष्पीकरण गहराई को नियंत्रित करने वाली जटिल भौतिक प्रक्रियाओं को पूरी तरह से नहीं पकड़ पाते हैं।

महत्व और दावे
लेखक दावा करते हैं कि उनका प्राथमिक योगदान राष्ट्रीय स्तर पर वाष्पीकरण-हानि परिवर्तनों को क्षेत्र और तीव्रता घटकों में संरचनात्मक रूप से अलग करना है। परिणाम संकेत देते हैं कि केवल जल सतह विस्तार को सीमित करना जलाशय वाष्पीकरण हानियों के प्रबंधन के लिए पर्याप्त नहीं है। चूंकि तीव्रता परिवर्तन दीर्घकालिक हानि वृद्धि में बहुमत रखते हैं, इसलिए प्रभावी जलाशय प्रबंधन को मौजूदा जलाशय सतहों पर बदलते वायुमंडलीय मांग को भी ध्यान में रखना चाहिए।

यह अध्ययन वाष्पीकरण हानि को केवल एक माध्यमिक जल-संतुलन शब्द के रूप में नहीं, बल्कि एक आयतनात्मक लेखांकन समस्या के रूप में प्रस्तुत करता है जिसके दो अलग होने वाले घटक हैं। यह प्रदर्शित करके कि "तीव्रता" वाला शब्द (जो वायुमंडलीय मांग और स्थानीय स्थितियों द्वारा संचालित होता है) अक्सर "क्षेत्र" वाले शब्द से अधिक होता है, यह शोध पत्र जल-संसाधन नियोजन के लिए एक अधिक सूक्ष्म दृष्टिकोण का तर्क देता है जो प्रभावी भंडारण और आपूर्ति-विश्वसनीयता मूल्यांकन में वाष्पीकरण-जागरूक प्रबंधन को एकीकृत करता है।

सीमाएं और अनिश्चितता
लेख ने विनम्रतापूर्वक अनिश्चितता के कई स्रोतों को स्वीकार किया है:

• डेटा की गुणवत्ता: छोटे जलाशयों के लिए क्षेत्र का अनुमान मिश्रित पिक्सेल और तटरेखा की जटिलता के प्रति संवेदनशील है, जो तीव्रता की गणना में त्रुटियों को बढ़ा सकता है। फलस्वरूप, तीव्रता के आंकड़ों को खुले जल की गहराई के पूर्ण बेंचमार्क के बजाय सापेक्ष तुलना के रूप में माना गया।
• सांख्यिकीय धारणाएं: मैन-केंडल परीक्षण को प्री-वाइटनिंगिंग या ऑटोकोरिलेशन समायोजन के बिना लागू किया गया था, जो यदि सीरियल कोरिलेशन मौजूद है, तो महत्व वर्गीकरण को प्रभावित कर सकता है।
• एंडपॉइंट संवेदनशीलता: विघटन पहले और अंतिम वैध वर्षों पर निर्भर था, जिससे परिणाम संभावित रूप से असामान्य एंडपॉइंट वर्षों के प्रति संवेदनशील हो सकते हैं।
• भौतिक एट्रिब्यूशन: हालांकि मशीन लर्निंग ने भविष्य कहने वाले संकेतों की पहचान की, अध्ययन नोट करता है कि जलाशय संचालन, ऊष्मा भंडारण, फेच (fetch) और गहराई (bathymetry) जैसे कारक उपलब्ध डेटा में पूरी तरह से वर्णित नहीं हैं, जो तीव्रता परिवर्तनों के लिए पूर्ण भौतिक एट्रिब्यूशन प्रदान करने की क्षमता को सीमित करते हैं।