एआई और बढ़ते ‘ऑकरेन्स डेटाबेस’ के बीच, जंगल की आग का खतरा घट सकता है

वर्तमान में, एक तेज़ गति से फैलती हुई जंगल की आग कनाडाई रॉकीज़ में स्थित पुराने पहाड़ी शहर जैस्पर के एक हिस्से को नष्ट कर रही है। जैस्पर में हुए नुकसान को “वर्णन और समझ से परे” कहा गया है, और पहले ही 25,000 लोगों को भागने के लिए मजबूर किया गया है। 

भारी जंगल की आगों ने ऐतिहासिक कनाडाई शहर जैस्पर के लगभग आधे हिस्से को नष्ट कर दिया है। साथ ही, पड़ोसी ब्रिटिश कोलंबिया के साथ-साथ कैलिफ़ोर्निया और यूटा में भी सैकड़ों आगें सक्रिय हैं।

हर साल, हजारों लोग जंगल की आगों के प्रभाव का सामना करते हैं, जहाँ शहर आग से जलते हैं। संयुक्त राज्य में, पिछले पाँच वर्षों में 344 महत्वपूर्ण जंगल की आगों ने 178 लोगों की जान ली है। इसी बीच, 1980 के दशक से देश में औसतन लगभग 70,000 कुल आगें प्रति वर्ष होती रही हैं। नेशनल इंटरएजेंसी फायर सेंटर (NIFC) के अनुसार, 1983 से अब तक कुल 2.7 मिलियन जंगल की आगें हुई हैं।

जैसे-जैसे आगों की संख्या बढ़ती जा रही है, उन्हें लड़ने की लागत भी बढ़ रही है। अमेरिकी सरकार ने 2021 में अकेले ही जंगल की आगों से लड़ने में लगभग 4.4 बिलियन डॉलर खर्च किए। औसतन, प्रत्येक जंगल की आग को बुझाने में लगभग 74,000 डॉलर लगते हैं। लेकिन यह सब नहीं है; गृहस्वामी बीमा दरें भी बढ़ रही हैं।

जंगल की आगें न केवल अपनी आवृत्ति में बल्कि उनकी तीव्रता और अवधि में भी विश्वभर में बढ़ रही हैं। जंगल की आग का जोखिम मुख्यतः अत्यधिक शुष्क परिस्थितियों जैसे तेज़ हवाओं, सूखे और हीट वेव्स में होता है। इसका मतलब है मानव और वन्यजीव स्वास्थ्य पर बढ़ता नकारात्मक प्रभाव। 

आग द्वारा स्वयं होने वाले विनाश के अलावा, जंगल की आग से निकलने वाला धुआँ NO2, ओज़ोन, एरोमैटिक हाइड्रोकार्बन, सीसा या PM2.5 जैसे हानिकारक वायु प्रदूषकों से बना होता है, जो 2.5 माइक्रोन या उससे कम व्यास वाले कण होते हैं। PM2.5 इतना महीन होता है कि यह हमारे श्वसन मार्ग में गहराई तक पहुँच सकता है और स्वास्थ्य प्रभाव डाल सकता है।

जंगल की आग के धुएँ से निकलने वाला PM2.5 वास्तव में सामान्य जनसंख्या में समय से पहले मृत्यु से जुड़ा हुआ है। यह बीमारियों का कारण बनता है और उन्हें बढ़ाता है फेफड़ों, किडनी, हृदय, त्वचा, आंत, आँखों, नाक और यकृत की। यह आगे दिखाया गया है कि यह संज्ञानात्मक क्षति और स्मृति ह्रास का कारण बनता है। 

जंगल की आगें न केवल हानिकारक प्रदूषकों से हवा को दूषित करती हैं, बल्कि वे बड़ी मात्रा में CO2 और अन्य ग्रीनहाउस गैसें वायुमंडल में छोड़कर जलवायु पर भी प्रभाव डालती हैं। पृथ्वी को ढँक कर, ग्रीनहाउस गैस उत्सर्जन वास्तव में सूर्य की गर्मी को फँसाता है और इसे रहने योग्य नहीं बनाता। इसकी अधिकता जलवायु परिवर्तन का कारण बनती है, जिससे शुष्क परिस्थितियाँ बढ़ती हैं, और इससे आग के मौसम की अवधि लंबी हो जाती है। इस प्रकार एक प्रतिक्रिया चक्र बनता है।

जैसे-जैसे जंगल की आगें तीव्रता और नुकसान में अधिक अत्यधिक होती जा रही हैं, वे संचार, परिवहन, विद्युत आपूर्ति, गैस सेवाओं और जल आपूर्ति जैसे बुनियादी ढाँचे को बाधित कर सकती हैं। इसके अलावा, जनसंख्या वाले क्षेत्रों के निकट, वे संपत्ति, पशुधन, मानव मृत्यु और पर्यावरण पर महत्वपूर्ण प्रभाव डालती हैं।

पिछले वर्ष, मैरीलैंड विश्वविद्यालय के शोधकर्ताओं के एक अध्ययन ने गणना की कि अब वनाग्नि 2001 की तुलना में प्रति वर्ष 3 मिलियन हेक्टेयर अधिक पेड़ आवरण की हानि का कारण बनते हैं। वैश्विक स्तर पर 9.3 मिलियन हेक्टेयर पेड़ आवरण की हानि करके, 2021 सबसे बुरे वर्षों में से एक बन गया।

यह नहीं कि आगें जंगलों के कार्य करने का प्राकृतिक हिस्सा नहीं हैं। वास्तव में, बोरियल वन, जो उत्तरी यूरोप, रूस, अलास्का और कनाडा में विशाल क्षेत्रों को कवर करते हैं, आग के अनुकूल होते हैं। आग विभिन्न परिदृश्य बनाती है और पुराने जंगलों को हटाकर नए जंगलों का जन्म देती है।

हालाँकि, इन क्षेत्रों में भी आग से संबंधित पेड़ आवरण की हानि तेज़ी से हो रही है। बोरियल वन विश्व के प्रमुख स्वच्छ जल आपूर्तिकर्ताओं में से हैं, महत्वपूर्ण वन्यजीव जनसंख्या को समायोजित करते हैं, और एक महत्वपूर्ण कार्बन सिंक हैं, इसलिए जंगल की आगों की निरंतर प्रवृत्ति चिंताजनक है और इसे संबोधित करने की आवश्यकता है।

जैव प्रौद्योगिकी कंपनियों की सूची के लिए यहाँ क्लिक करें जो वैश्विक तापमान वृद्धि को रोकने के समाधान पर काम कर रही हैं।

उपग्रह छवियों के संयोजन में एआई मॉडल का उपयोग

जंगल की आग की समस्या को हल करने के एक तरीके के रूप में कृत्रिम बुद्धिमत्ता (AI) का उपयोग किया जा रहा है। यह नई तकनीक न केवल चैटबॉट और वर्चुअल असिस्टेंट्स में उपयोग होती है, बल्कि उन्नत रिमोट सेंसिंग के माध्यम से पर्यावरण की मदद भी करती है।

हाल ही में, एआई ने फायरफ़ाइटरों को जंगल की आग पर जल्दी प्रतिक्रिया दें एक दूरस्थ क्षेत्र में बे एरिया, कैलिफ़ोर्निया में। एआई-संचालित कैमरे की मदद से, जिसने धुआँ पहचान लिया और आग के बढ़ने से पहले फायरफ़ाइटिंग टीम को सूचित किया, जंगल की आग को फैलने से पहले ही रोका गया।

यहाँ तक कि बीमा प्रदाता एआई की ओर रुख कर रहे हैं। सैन फ्रांसिस्को स्थित डेलोस इन्शुरेंस सॉल्यूशंस ने गृहस्वामियों को 17,000 से अधिक पॉलिसी बेची हैं, जिन्हें अन्य कंपनियों ने अस्वीकार किया था। यह कंपनी के जंगल-आग मॉडल के माध्यम से संभव हुआ, जिसके लिए डेलोस विश्वविद्यालय के प्रोफेसरों के साथ मिलकर जंगल-आग मॉडलिंग पर स्वामित्व डेटा सेट प्राप्त करता है और फिर अधिक डेटा को शामिल करने के लिए एआई एल्गोरिदम जोड़ता है। सह-संस्थापक शैना मैकिन्टायर के अनुसार, डेलोस 200 से अधिक चर को ध्यान में रखता है जो वनस्पति, स्थलाकृति और तापमान को कवर करते हैं।

जंगल की आग के प्रसार की भविष्यवाणी करने के लिए उच्च-रिज़ॉल्यूशन व्यवहार मॉडल के विकास पर स्पष्ट रूप से बढ़ता ध्यान है।

यह उपग्रहों के साथ मिलकर आग के स्थानों का पता लगाने के लिए किया जा रहा है। जबकि LANDSAT, VHRS, और MODIS जैसे उपग्रह पहले से ही वनस्पति के वितरण और व्यवधान की निगरानी के लिए उपयोग होते हैं, जंगल की आग की भविष्यवाणी अभी भी एक चुनौतीपूर्ण कार्य है। एआई और मशीन लर्निंग जंगल की आग की भविष्यवाणी और प्रबंधन के लिए एक विश्वसनीय तरीका प्रदान करने में मदद कर सकते हैं।

उदाहरण के लिए, एआई को इमेजिंग उपग्रहों से जोड़ा जा सकता है जो धुआँ उत्पन्न होना, आग की घटनाएँ और वनस्पति व्यवधान जैसे विभिन्न कारकों का विश्लेषण करते हैं। सभी डेटा को मिलाकर, एआई एल्गोरिदम निरंतर सीखने के माध्यम से जंगल की आग की भविष्यवाणी करने में मदद कर सकते हैं। एआई तकनीक वीडियो कैमरों के साथ फायर एक्सटिंग्विशर और गश्त वाहनों के प्रबंधन को भी संभव बना सकती है।

एक साल पहले, फ़िनलैंड के आल्टो विश्वविद्यालय के शोधकर्ताओं की एक टीम ने विकास कर रहा है FireCNN नामक एआई मॉडल विकसित करना शुरू किया, जो जंगल की आग के प्रसार की भविष्यवाणी कर सकता है। यह मॉडल 2002 से 2019 के बीच दर्ज किए गए उपग्रह चित्रों और मौसम डेटा पर प्रशिक्षित किया गया है ताकि उच्च जोखिम वाले क्षेत्रों की पहचान की जा सके। FireCNN 31 चर का विश्लेषण करता है, जिसमें वनस्पति और भूमि आवरण जैसे कारक शामिल हैं।

हालाँकि, ऐसे एआई एल्गोरिदम की कमी है जो सभी उपलब्ध डेटा को जोड़ सकें और वास्तविक मॉडलिंग पद्धतियों को प्रदान कर सकें जो विश्व के विभिन्न परिदृश्यों की जरूरतों के अनुकूल हों। 

एक नए अध्ययन के अनुसार, एक नया मॉडल जंगल की आग के प्रसार की सटीक भविष्यवाणी कर सकता है। यह मॉडल उपग्रह इमेजरी और एआई को मिलाकर जंगल की आग प्रबंधन और आपातकालीन प्रतिक्रिया में एक महत्वपूर्ण प्रगति प्रदान करता है।

यह अध्ययन, जो NASA, आर्मी रिसर्च ऑफिस और Viterbi CURVE प्रोग्राम द्वारा वित्तपोषित है, USC शोधकर्ताओं द्वारा किया गया और Earth System Science Data में प्रकाशित। 

इस नए मॉडल के तहत, उपग्रह डेटा का उपयोग वास्तविक समय में जंगल की आग की प्रगति को ट्रैक करने के लिए किया जाता है। यह जानकारी एक परिष्कृत कंप्यूटर एल्गोरिदम में फीड की जाती है जो आग के संभावित मार्ग, उसकी तीव्रता और वृद्धि की दर की सटीक भविष्यवाणी कर सकता है।

“यह मॉडल हमारी जंगल की आग से लड़ने की क्षमता में एक महत्वपूर्ण कदम का प्रतिनिधित्व करता है। अधिक सटीक और समय पर डेटा प्रदान करके, हमारा उपकरण फायरफ़ाइटरों और निकासी टीमों के प्रयासों को सुदृढ़ करता है जो अग्रिम पंक्ति में जंगल की आग से लड़ रहे हैं। 

– ब्रायन शैडी, अध्ययन के सह-लेखक और USC Viterbi स्कूल ऑफ़ इंजीनियरिंग के डॉक्टोरल छात्र

अध्ययन ने उच्च-रिज़ॉल्यूशन उपग्रह चित्रों से ऐतिहासिक डेटा एकत्र करके शुरू किया। फिर, पिछले जंगल की आग के व्यवहार विश्लेषण के माध्यम से, शोधकर्ताओं ने ट्रैक किया कि आग कैसे शुरू हुई, कैसे फैली, और अंततः कैसे नियंत्रित हुई। 

यह सावधानीपूर्वक अध्ययन उन पैटर्न को उजागर करता है जो स्थलाकृति, मौसम और ईंधन जैसे कारकों, जैसे पेड़ और झाड़ी, से प्रभावित होते हैं। 

शोधकर्ताओं ने फिर एक जनरेटिव एआई-संचालित मॉडल को प्रशिक्षित किया ताकि समय के साथ इन कारकों का जंगल की आग के विकास पर प्रभाव सिमुलेट किया जा सके। मॉडल को फिर उपग्रह चित्रों में उन पैटर्न को पहचानने के लिए प्रशिक्षित किया गया जो उनके मॉडल में जंगल की आग के प्रसार से मेल खाते हैं।

इस मॉडल को कंडीशनल वासरस्टीन जेनरेटिव एडवर्सेरियल नेटवर्क या cWGAN कहा जाता है, जिसे पहले 2020 से 2022 के बीच दो वर्षों में कैलिफ़ोर्निया की चार वास्तविक जंगल की आगों पर परीक्षण किया गया है, ताकि यह देखा जा सके कि यह आग के प्रसार की भविष्यवाणी में कितना प्रभावी है। WRF-SFIRE सिमुलेशन के साथ प्रशिक्षित, cWGAN उपग्रह सक्रिय आग डेटा से आग के आगमन समय का निर्धारण करने के लिए उपयोग किया जाता है। 

cWGAN के परिणाम प्रभावशाली थे। आदर्श परिस्थितियों जैसे एकतरफ़ा हवा और समतल स्थलाकृति में सरल डेटा पर प्रशिक्षित, मॉडल ने वास्तविक कैलिफ़ोर्निया जंगल की आगों में अच्छा प्रदर्शन किया।

मॉडल की सफलता को एआई मॉडल को उपग्रह इमेजरी के साथ उपयोग करने के कारण माना जाता है, जिसने वास्तविक जंगल की आग डेटा प्रदान किया, न कि केवल अकेले।

हालांकि, यह आसान नहीं रहा। अध्ययन के सह-लेखक असद ओबेराई, USC Viterbi में एयरोस्पेस और मैकेनिकल इंजीनियरिंग के प्रोफेसर, ने कहा कि जंगल की आग का मॉडलिंग उनके “जटिल प्रक्रियाओं” के कारण सबसे चुनौतीपूर्ण में से एक था।

केवल ईंधन, जैसे पेड़ और झाड़ी, ही नहीं, जो जटिल रासायनिक प्रतिक्रियाओं को उत्पन्न करता है, गर्मी और हवा की धारा बनाता है, बल्कि मौसम और स्थलाकृति भी आग के व्यवहार को प्रभावित करती हैं। असद ने कहा:

“ये अत्यधिक जटिल, अराजक और रैखिक नहीं प्रक्रियाएँ हैं। उन्हें सटीक रूप से मॉडल करने के लिए, आपको इन सभी विभिन्न कारकों को ध्यान में रखना होगा। आपको उन्नत कंप्यूटिंग की आवश्यकता है।”  

एआई मॉडलों के लिए उन्नत डेटा

एआई तकनीक में प्रगति के अलावा, इन मॉडलों को प्रशिक्षित करने के लिए डेटा भी सैकड़ों अतिरिक्त कारकों को शामिल करके सुधारा जा रहा है जो आग के प्रज्वलन और प्रसार को प्रभावित करते हैं। यह वन्यजीव प्रबंधकों और वैज्ञानिकों को यह अधिक सटीक भविष्यवाणी करने में मदद करेगा कि जंगल की आग कहाँ और कब हो सकती है।

हाल ही में, फायर प्रोग्राम एनालिसिस फायर-ऑकरेन्स डेटाबेस (FPA FOD), जो यूएस में भू-स्थानिक रूप से संदर्भित आग प्रज्वलन डेटा का सबसे व्यापक स्रोत है, को काफी हद तक उन्नत किया गया। 2013 में यूएस फॉरेस्ट सर्विस द्वारा पहली बार विकसित, इस मॉडल को अब तक पाँच बार अपडेट किया गया है। यह स्थानीय, राज्य और संघीय संस्थाओं से आग रिपोर्टों को एकत्र करता है जिनकी आग सुरक्षा और रिपोर्टिंग जिम्मेदारियाँ हैं।

मॉडल में मूलभूत जानकारी शामिल है जैसे प्रज्वलन का स्थान, खोज की तिथि, और अंतिम जंगल की आग का आकार। हालांकि, संशोधित डेटाबेस और अधिक सामाजिक और पर्यावरणीय कारकों को कवर करेगा। ऑरेगन स्टेट यूनिवर्सिटी की प्रोफेसर एरिका फ्लैशमन के अनुसार:

“जंगल की आग के प्रज्वलन को सक्षम करने वाले कारकों और उन्हें रोकने के लिए क्या किया जा सकता है, इस पर अत्यधिक रुचि है। यह डेटाबेस संबंधित जानकारी तक पहुंच बढ़ाता है और जंगल की आग की तैयारी और रोकथाम में योगदान देता है।”

यह उन्नत डेटाबेस न केवल मैदान में फायरफ़ाइटरों और प्रबंधकों को आग से लड़ने में मदद करेगा, बल्कि यह अल्पकालिक पावर जोखिम का मूल्यांकन करने में भी सहायक हो सकता है। पावर कंपनियां सार्वजनिक सुरक्षा पावर शटऑफ़ लागू करने के बारे में अधिक सूचित निर्णय ले सकती हैं। इसके अलावा, भूमि प्रबंधन एजेंसियां यह तय कर सकती हैं कि वर्ष के कुछ समय में सार्वजनिक भूमि तक पहुंच को कम किया जाना चाहिए या नहीं।

फ्लैशमन के अनुसार, कई नीतियां बड़े प्रमाण के बजाय भावनाओं द्वारा निर्देशित होती हैं। डेटाबेस “इन निर्णयों को लेते समय विचार करने के लिए वस्तुनिष्ठ प्रमाण बढ़ाने का एक तरीका” प्रस्तुत करता है, उन्होंने कहा। 

जर्नल Earth System Science Data में प्रकाशित, डेटाबेस को रेखांकित करने वाला शोध संयुक्त फायर साइंस प्रोग्राम द्वारा समर्थित था। इसने जंगल की आग की बेहतर समझ और भविष्यवाणी के लिए जैविक, सामाजिक और भौतिक विशेषताओं को रेखांकित किया। 

कुल मिलाकर, शोध टीम, जिसमें फ्लैशमन शामिल थीं, जो ऑरेगन क्लाइमेट चेंज रिसर्च इंस्टीट्यूट की निदेशिका हैं, और मोजताबा सादेघ और यावर पूरमोहमद, क्रमशः बोइज़ स्टेट यूनिवर्सिटी के एसोसिएट प्रोफेसर और डॉक्टोरल छात्र, द्वारा नेतृत्व किया गया, ने लगभग 270 अतिरिक्त विशेषताएँ जोड़ीं। अब डेटाबेस में 1992 से 2020 तक यूएस में 2.3 मिलियन आगों की जानकारी शामिल है।

संशोधित डेटाबेस के तहत, प्रत्येक जंगल की आग में अब भौतिक विशेषताएँ जैसे मौसम, जलवायु, स्थलाकृति और बुनियादी ढाँचा; जैविक विशेषताएँ जैसे वनस्पति सूचकांक और भूमि आवरण; प्रशासनिक विशेषताएँ जो राष्ट्रीय और क्षेत्रीय तैयारी स्तर और अधिकार क्षेत्र को कवर करती हैं; और सामाजिक विशेषताएँ जैसे सामाजिक असुरक्षा सूचकांक और जनसंख्या घनत्व शामिल हैं।

FPA FOD के छठे संस्करण को प्रज्वलन बिंदु के आसपास एक समयिक और स्थानिक बफ़र में सारांश सांख्यिकी और प्रज्वलन से एक वर्ष पहले उपग्रहों से मासिक प्राप्त वनस्पति सूचकांकों के साथ और भी बढ़ाया गया। “यह समृद्ध, तालिकीय डेटासेट विभिन्न परिकल्पना-आधारित या डेटा-खोज अनुप्रयोगों में उपयोग किया जा सकता है,” अध्ययन ने कहा।

ऐसा विशाल डेटाबेस गुणों के व्यक्तिगत और संयुक्त प्रभाव को जंगल की आग के प्रज्वलन और आकार पर गहराई से समझने में मदद करेगा, पूरमोहमद ने कहा, जोड़ते हुए:

“यह विभिन्न मानव जनसंख्या और पारिस्थितिक तंत्रों पर जंगल की आग के असमान प्रभावों की भी पहचान करता है, जो बदले में असमानताओं को कम करने के प्रयासों को सूचित कर सकता है।”

डेटाबेस को एआई और मशीन लर्निंग मॉडलों में भी शामिल किया जा सकता है जो पिछले आगों को चलाने वाले कारकों, भविष्य की आगों की संभावना और भविष्य की आगों के प्रभावों को समझाते हैं। उन्होंने कहा:

“यह अद्भुत है कि जब आपके पास कम्प्यूटेशनल क्षमता और इतनी जानकारी हो, तो आप क्या अनुमान लगा सकते हैं। आप कई प्रश्न पूछ सकते हैं जो विभिन्न स्थानों में विभिन्न कार्यों को सूचित करते हैं और यह समझते हैं कि जंगल की आग के प्रज्वलन और आग के प्रभावों से क्या जुड़ा है।”

अंतिम विचार

वन्यभूमियां जैसे जंगल या घास के मैदान मानव समृद्धि के लिए अभिन्न हैं। अंततः, वे कार्बन संग्रहीत करके, वन्यजीव आवास संरक्षित करके और परिदृश्य की लचीलापन बढ़ाकर जलवायु परिवर्तन को कम करती हैं। ये वन्यभूमियां हमेशा जंगल की आग के अधीन रही हैं, लेकिन पिछले कुछ दशकों में, वे इतनी बढ़ गई हैं कि जंगल की आग एक खतरा बन गई है। 

ये विशाल, अनियोजित आगें दुनिया भर में भूमि को नष्ट कर रही हैं, जिससे पिछले आगों की बेहतर समझ, मूल्यांकन और विश्लेषण, उनकी सफल रोकथाम और शमन रणनीतियों की आवश्यकता है, न केवल जंगल की आग को रोकने के लिए बल्कि आग योजना, प्रतिक्रिया, अनुकूलन, लागत-प्रभावी शमन और प्रतिकूल प्रभावों को सीमित करने में सुधार करने के लिए।

जैसा कि हमने ऊपर उल्लेख किया, प्राधिकरण लगातार डेटाबेस को उन्नत कर रहे हैं, जिन्हें फिर एआई मॉडलों में शामिल किया जा सकता है ताकि आग की संभावनाओं और उनके भविष्य के प्रभावों को समझाया जा सके। ये अच्छी तरह परीक्षण किए गए एआई मॉडल फिर उपग्रह छवियों के साथ मिलकर भविष्य की जंगल की आग की सटीक भविष्यवाणी और रोकथाम के लिए उपयोग किए जा सकते हैं। इस तरह, हम अपनी वन्यभूमियों की रक्षा कर सकते हैं, जैव विविधता को सुरक्षित रख सकते हैं, और भविष्य की पीढ़ियों के लिए जीवन को समृद्ध बना सकते हैं।

कृत्रिम बुद्धिमत्ता में निवेश के बारे में सब कुछ जानने के लिए यहाँ क्लिक करें।