Skill Evaluation of Extended Range Forecasts for Northeast Monsoon Rainfall across Smaller Spatial Domains of South Peninsular India

तकनीकी सारांश: दक्षिण प्रायद्वीपीय भारत के छोटे स्थानिक डोमेन में उत्तर-पूर्वी मानसून वर्षा के विस्तारित सीमा पूर्वानुमानों का कौशल मूल्यांकन

समस्या विवरण
दक्षिण प्रायद्वीपीय भारत में कृषि नियोजन, जल संसाधन प्रबंधन और आपदा जोखिम न्यूनीकरण के लिए विस्तारित सीमा (extended range) के नेतृत्व समय पर विश्वसनीय उत्तर-पूर्वी मानसून (NEM) वर्षा का पूर्वानुमान अत्यंत महत्वपूर्ण है। दक्षिण-पश्चिम मानसून के विपरीत, उत्तर-पूर्वी मानसून की वर्षा स्थानिक रूप से विषम है और तमिलनाडु, केरल तथा तटीय आंध्र प्रदेश जैसे विशिष्ट उप-विभाजनों में अत्यधिक केंद्रित है। जबकि पिछले शोधों ने उत्तर-पूर्वी मानसून के जलवायु विज्ञान और मौसमी भविष्यवाणी की समझ को उन्नत किया है, सूक्ष्म स्थानिक पैमानों पर विस्तारित सीमा पूर्वानुमानों (ERF) के व्यवस्थित नैदानिक मूल्यांकन अभी भी सीमित हैं। मौजूदा परिचालन पूर्वानुमान अक्सर व्यापक मौसम संबंधी विभाजनों पर निर्भर करते हैं, जो क्षेत्र-विशिष्ट निर्णय लेने के लिए आवश्यक स्थानीय परिवर्तनशीलता को छिपा सकते हैं। यह अध्ययन दक्षिण प्रायद्वीपीय भारत के भीतर 11 छोटे, अधिक सूक्ष्म स्थानिक डोमेन में विरोधाभासी मानसून मौसमों के दौरान परिचालन ERF का मूल्यांकन करके इस अंतराल को संबोधित करता है।

कार्यप्रणाली
यह अध्ययन भारत मौसम विज्ञान विभाग (IMD) के परिचालन विस्तारित सीमा पूर्वानुमान (ERF) प्रणाली का मूल्यांकन करता है, जो NCEP के CFSv2, MOM4 महासागर और GFS वायुमंडलीय घटकों के साथ जुड़े CFSv2 मॉडल का उपयोग करती है। यह प्रणाली प्रत्येक बुधवार को आरंभ की जाने वाली, चार सप्ताह तक के साप्ताहिक पूर्वानुमान उत्पन्न करती है।

• अध्ययन क्षेत्र और अवधि: विश्लेषण दक्षिण प्रायद्वीपीय भारत के 11 विशिष्ट क्षेत्रों (जैसे उत्तर/दक्षिण केरल, तमिलनाडु के विभिन्न उप-विभाजन, तटीय/रायलसीमा आंध्र प्रदेश, और आंतरिक कर्नाटक) को कवर करता है, जो 2015 (काफी अधिक सामान्य वर्षा), 2016 (गंभीर रूप से कमी वाली वर्षा), और 2017 (सामान्य से कम वर्षा) के उत्तर-पूर्वी मानसून मौसमों के दौरान है।
• डेटा स्रोत: पूर्वानुमानों का सत्यापन 1° रिज़ॉल्यूशन पर IMD-GPM संलयित वर्षा डेटा के विरुद्ध किया जाता है, जो वर्षा-मापी (rain-gauge) और उपग्रह अनुमानों को जोड़ता है।
• वर्गीकरण: सूक्ष्म स्तरों पर उच्च परिवर्तनशीलता को ध्यान में रखते हुए, दीर्घकालिक औसत (LPA) से साप्ताहिक विचलन के आधार पर वर्षा को तीन समूहों में वर्गीकृत किया गया है: सामान्य से अधिक (AN, >20%), सामान्य (NN, -19% से +19%), और सामान्य से कम (BN, <-20%)।
• सत्यापन मीट्रिक: प्रदर्शन का आकलन 2x2 कंटिंजेंसी टेबल से प्राप्त श्रेणीगत सत्यापन स्कोर का उपयोग करके किया जाता है। इन मीट्रिकों में पूर्वानुमान सटीकता (Forecast Accuracy), बायस स्कोर (BS), पहचान की संभावना (POD), गलत सूचना अनुपात (FAR), क्रिटिकल सक्सेस इंडेक्स (CSI), और इक्विटेबल थ्रेट स्कोर (ETS) शामिल हैं।

प्रमुख परिणाम
मूल्यांकन से पता चलता है कि पूर्वानुमान कौशल लीड टाइम (lead time), स्थानिक स्थान और अंतर-वार्षिक मानसून विशेषताओं पर स्पष्ट रूप से निर्भर करता है:

• लीड टाइम निर्भरता: पूर्वानुमान कौशल सप्ताह-1 में उच्चतम होता है और सप्ताह-4 तक व्यवस्थित रूप से घटता जाता है। सप्ताह-1 के पूर्वानुमान 65-75% से अधिक सटीकता प्रदर्शित करते हैं, जिसमें 'सामान्य' (NN) श्रेणी का प्रदर्शन (70-80% सटीकता) सबसे अच्छा रहता है। सप्ताह-4 तक, कौशल घटकर लगभग 40-50% हो जाता है।
• श्रेणी प्रदर्शन:
  • सामान्य (NN): सभी लीड टाइम और वर्षों में लगातार उच्चतम सटीकता और POD प्रदर्शित करता है, जिसका बायस स्कोर एकता (unity) के करीब है (न्यूनतम व्यवस्थित त्रुटि)।
  • सामान्य से अधिक (AN): मध्यम सटीकता दिखाता है लेकिन इसमें थोड़ी अधिक अनुमान लगाने (Bias > 1) की प्रवृत्ति है, विशेष रूप से लंबे लीड टाइम पर।
  • सामान्य से कम (BN): सबसे कम कौशल प्रदर्शित करता है, विशेष रूप से लंबे लीड टाइम पर, जिसमें कम अनुमान लगाने (Bias < 1) की प्रवृत्ति और उच्च गलत सूचना अनुपात (False Alarm Ratios) देखा गया है।
• अंतर-वार्षिक परिवर्तनशीलता:
  • 2016 (गंभीर रूप से कमी): तीन वर्षों में सर्वाधिक पूर्वानुमान क्षमता और स्थानिक निरंतरता प्रदर्शित की। इसमें उपयोगी कौशल सप्ताह-3 तक बना रहा।
  • 2017 (सामान्य से कम): मध्यम प्रदर्शन दिखाया, जो 2015 की तुलना में बेहतर लेकिन 2016 की तुलना में अधिक परिवर्तनशीलता वाला था।
  • 2015 (काफी अधिक सामान्य): सबसे कम कौशल और उच्चतम अनिश्चितता प्रदर्शित की। इस कम पूर्वानुमान क्षमता का कारण प्रमुख सिनॉप्टिक-स्केल परिवर्तनशीलता और सिनॉप्टिक विक्षोभों एवं निम्न-आवृत्ति मोड के बीच मजबूत अंतःक्रियाएं हैं, जिन्हें मॉडल विस्तारित लीड्स पर पकड़ने में संघर्ष करते हैं।
• स्थानिक परिवर्तनशीलता: तटीय क्षेत्रों ने विशेष रूप से लंबे लीड टाइम पर, आंतरिक क्षेत्रों की तुलना में बेहतर पूर्वानुमान क्षमता प्रदर्शित की।

महत्व और दावे
यह शोध निष्कर्ष निकालता है कि परिचालन ERF प्रणाली में दक्षिण प्रायद्वीपीय भारत के छोटे स्थानिक डोमेन में उत्तर-पूर्वी मानसून वर्षा के लिए सार्थक पूर्वानुमान क्षमता है, विशेष रूप से 2-3 सप्ताह के लीड टाइम तक। अध्ययन इस बात पर जोर देता है कि हालांकि लीड टाइम के साथ पूर्वानुमान अनिश्चितता बढ़ती है, फिर भी यह प्रणाली वर्षा व्यवस्थाओं (AN, NN, BN) के बीच उचित विश्वसनीयता के साथ अंतर करने में सक्षम है, विशेष रूप से सामान्य स्थितियों के लिए।

लेखक दावा करते हैं कि ये निष्कर्ष परिचालन कृषि-परामर्श सेवाओं और प्रभाव-आधारित पूर्वानुमान में ERF के संभावित अनुप्रयोग का समर्थन करते हैं। विशिष्ट उप-विभाजनों के लिए विश्वसनीय साप्ताहिक आउटलुक प्रदान करके, यह प्रणाली हितधारकों को सिंचाई शेड्यूलिंग और बुवाई निर्णयों जैसे कृषि गतिविधियों को अनुकूलित करने और बाढ़ या सूखे के जोखिमों के लिए तैयार होने में सहायता कर सकती है। अध्ययन इस बात पर बल देता है कि यद्यपि यह प्रणाली पूर्ण नहीं है, इसका वर्तमान कौशल स्तर क्षेत्र में निर्णय लेने के लिए एक मूल्यवान उपकरण प्रदान करता है, बशर्ते कि उपयोगकर्ता दूसरे सप्ताह के बाद कौशल में गिरावट और 2015 जैसे अत्यधिक सक्रिय सिनॉप्टिक मौसमों की विशिष्ट चुनौतियों को ध्यान में रखें।