वासिङ्टनरनयाँदिल्लीस् भारतमा सन् २०२०–२१ मा चट्याङ पर्ने घटनामा ३४ प्रतिशतले वृद्धि भएको एक वार्षिक प्रतिवेदनले देखाएको छ। भारत मौसम विज्ञान विभागसहित विभिन्न निकायको सहकार्यमा सञ्चालित क्लाइमेट रेजिलिएन्ट अब्जर्भिङ सिस्टम्स प्रमोसन काउन्सिल ९सीआरओपीसी० ले सार्वजनिक गरेको प्रतिवेदनअनुसार सन् २०२० अप्रिलदेखि २०२१ मार्चसम्म चट्याङका कारण भारतमा १ हजार ६१९ जनाको मृत्यु भएको थियो।
प्रतिवेदनअनुसार चट्याङ पर्ने घटनामा सबैभन्दा ठूलो वृद्धि पञ्जाबमा ३३१ प्रतिशत रहेको थियो। बिहार, हरियाणा, पुडुचेरी, हिमाचल प्रदेश र पश्चिम बंगालमा समेत चट्याङका घटना उल्लेख्य रूपमा बढेका थिए।
यस्तै, अमेरिकामा सन् २०२० मा चट्याङका कारण क्यालिफोर्नियामा ठूलो वनडढेलो फैलिएको थियो। यस्तो अवस्थामा चट्याङको पूर्वानुमानलाई अझ प्रभावकारी बनाउन वैज्ञानिकहरूले नयाँ प्रविधिको विकास गरेका छन्।
युनिभर्सिटी अफ वासिङ्टनको नेतृत्वमा गरिएको नयाँ अध्ययनले मेसिन लर्निङ अर्थात् कृत्रिम बुद्धिमत्तामा आधारित प्रविधि प्रयोग गरेर चट्याङको पूर्वानुमान सुधार गर्न सकिने देखाएको छ।
वैज्ञानिकहरूका अनुसार चट्याङको अझ सटीक पूर्वानुमान गर्न सके सम्भावित वनडढेलोको जोखिम न्यूनीकरण, चट्याङसम्बन्धी सुरक्षा चेतावनी प्रभावकारी बनाउने तथा दीर्घकालीन जलवायु मोडललाई अझ सटीक बनाउन सहयोग पुग्नेछ।
नयाँ प्रविधिले मौसम पूर्वानुमानलाई विगतमा भएका चट्याङका घटनाको विश्लेषणमा आधारित मेसिन लर्निङ समीकरणसँग संयोजन गरेको छ। अमेरिकी भूभौतिकीय संघको वार्षिक बैठकमा प्रस्तुत गरिएको यो हाइब्रिड प्रविधिले अमेरिकाको दक्षिण–पूर्वी क्षेत्रमा हाल प्रयोग भइरहेको प्रमुख प्रविधिभन्दा करिब दुई दिन अगावै चट्याङको पूर्वानुमान गर्न सक्ने देखिएको छ।
युनिभर्सिटी अफ वासिङ्टनमा वायुमण्डलीय विज्ञानमा विद्यावारिधिका क्रममा यो अध्ययन गरेका वेई–यी चेङले मेसिन लर्निङमा आधारित विधिबाट हुरीबताससहितका गम्भीर मौसम प्रणालीको पूर्वानुमान सुधार गर्न सकिने बताए।
उनका अनुसार यसले टोर्नाडो तथा असिनासहित अन्य गम्भीर मौसमजन्य घटनाको पूर्वानुमानमा पनि मेसिन लर्निङ प्रविधिको प्रयोगबारे थप अनुसन्धान गर्न प्रोत्साहन गर्नेछ।
अनुसन्धानकर्ताहरूले सन् २०१० देखि २०१६ सम्मका चट्याङसम्बन्धी तथ्यांक प्रयोग गरी प्रणालीलाई प्रशिक्षित गरेका थिए। यस क्रममा कम्प्युटरले विभिन्न मौसमसम्बन्धी चर र चट्याङबीचका सम्बन्ध आफैं पहिचान गरेको थियो।
त्यसपछि सन् २०१७ देखि २०१९ सम्मको मौसमसम्बन्धी तथ्यांक प्रयोग गरेर प्रविधिको परीक्षण गरिएको थियो। वास्तविक चट्याङका अवलोकनसँग तुलना गर्दै कृत्रिम बुद्धिमत्तामा आधारित नयाँ विधि र भौतिक विज्ञानमा आधारित पुरानो विधि दुवैको प्रभावकारिता परीक्षण गरिएको थियो।
परीक्षणका क्रममा धेरै चट्याङ पर्ने अमेरिकाको दक्षिण–पूर्वी क्षेत्रजस्ता स्थानमा नयाँ विधिले हालको प्रमुख प्रविधिले दिने जत्तिकै सटीक पूर्वानुमान करिब दुई दिन अगावै गर्न सक्ने देखिएको थियो। तर चट्याङ कम पर्ने क्षेत्रमा यसको प्रभावकारिता तुलनात्मक रूपमा कम देखिएको थियो।
तुलनाका लागि प्रयोग गरिएको पुरानो विधिले वर्षाको मात्रा र आँधीको बादल माथितर्फ उठ्ने गतिलाई आधार बनाएर चट्याङको पूर्वानुमान गर्छ। उक्त विधिले जलवायु परिवर्तनसँगै चट्याङका घटना बढ्ने र आर्कटिक क्षेत्रमा समेत चट्याङ निरन्तर बढ्ने अनुमान गरेको छ।
अनुसन्धानकर्ता किमका अनुसार पुरानो विधिले दुईवटा मौसमसम्बन्धी चरलाई सरल रूपमा गुणन गरेर चट्याङको पूर्वानुमान गर्छ। यस्तो विधि मानिसको अवधारणामा आधारित र सरल भए पनि ती दुई चरलाई चट्याङको पूर्वानुमानका लागि प्रयोग गर्ने यो नै सबैभन्दा प्रभावकारी तरिका हो भन्ने निश्चित हुँदैन।
नयाँ मेसिन लर्निङ प्रणालीलाई वर्ल्ड वाइड लाइटनिङ लोकेसन नेटवर्कबाट प्राप्त चट्याङसम्बन्धी तथ्यांक प्रयोग गरी प्रशिक्षित गरिएको थियो। युनिभर्सिटी अफ वासिङ्टनमा आधारित उक्त अन्तर्राष्ट्रिय सञ्जालले सन् २००८ देखि विश्वभरका चट्याङका घटना निगरानी गर्दै आएको छ।
अनुसन्धानकर्ताहरूले भविष्यमा थप तथ्यांक स्रोत, धेरै मौसमसम्बन्धी चर तथा अझ उन्नत प्रविधि प्रयोग गरेर प्रणालीलाई सुधार गर्ने योजना बनाएका छन्।
विशेषगरी सुख्खा चट्याङ ९म्चथ ीष्नजतलष्लन० अर्थात् वर्षा नभई चट्याङ पर्ने अवस्थाको पूर्वानुमानलाई सुधार गर्न वैज्ञानिकहरूको विशेष ध्यान छ। यस्तो चट्याङ वनडढेलो निम्त्याउने दृष्टिले अत्यन्त जोखिमपूर्ण मानिन्छ।
