आईआईटी गुवाहाटी ने पूर्वी हिमालय में हिमनद संबंधी खतरों की निगरानी के लिए एक विधि विकसित की है।

गुवाहाटी स्थित भारतीय प्रौद्योगिकी संस्थान (आईआईटी) के शोधकर्ताओं ने एक पूर्वानुमानित ढांचा विकसित किया है, जिसके माध्यम से पूर्वी हिमालय पर्वतमाला में 492 ऐसे स्थानों की पहचान की गई है जहां हिमनदी झीलों के बनने की संभावना है।

उच्च-रिज़ॉल्यूशन वाले गूगल अर्थ चित्रों और डिजिटल ऊंचाई मॉडल का उपयोग करके किए गए शोध से उच्च पर्वतीय क्षेत्रों में आपदा प्रबंधन और जल-संसाधन योजना के लिए महत्वपूर्ण जानकारी भी मिलती है।

इन मॉडलों ने जटिल भू-आकृतियों को समझने और पूर्वानुमानों में अनिश्चितता का अनुमान लगाने में मदद की, जिससे पूर्वानुमान अधिक यथार्थवादी और विश्वसनीय बन गए।

विकसित ढांचे के साथ, शोध दल ने पूर्वी हिमालय में 492 स्थानों की पहचान की है जहां नई हिमनदी झीलें बनने की संभावना है, जिससे उन क्षेत्रों का संकेत मिलता है जिन्हें सावधानीपूर्वक निगरानी और निवारक उपायों की आवश्यकता है।

“उच्च जोखिम वाले क्षेत्रों की पहचान करके, यह ढांचा हिमनदी झील विस्फोट बाढ़ (GLOF) के लिए प्रारंभिक चेतावनी प्रणालियों का मार्गदर्शन कर सकता है, सड़कों, जलविद्युत परियोजनाओं और बस्तियों के लिए सुरक्षित स्थानों की योजना बनाने में मदद कर सकता है और दीर्घकालिक जल संसाधन प्रबंधन में सहयोग प्रदान कर सकता है। यह हिमालय में समुदायों और बुनियादी ढांचे के लिए जोखिम को कम करने का एक व्यावहारिक साधन है,” आईआईटी गुवाहाटी के सिविल इंजीनियरिंग विभाग के सहायक प्रोफेसर अजय दशोरा ने कहा।

“आपदा प्रबंधन के अलावा, यह पद्धति यह समझने में भी सहायक हो सकती है कि ग्लेशियरों के लगातार पीछे हटने से जल प्रणालियों में किस प्रकार परिवर्तन आ सकते हैं। महत्वपूर्ण बात यह है कि यह ढांचा दुनिया भर के अन्य हिमनदी वाले पर्वतीय क्षेत्रों के लिए भी अनुकूलनीय है, जिससे यह जलवायु-लचीली योजना और वैश्विक स्तर पर आपदा जोखिम न्यूनीकरण के लिए एक मूल्यवान उपकरण बन जाता है,” दशोरा ने आगे कहा।

नेचर पत्रिका के साइंटिफिक रिपोर्ट्स में प्रकाशित निष्कर्ष इस बात की पुष्टि करते हैं कि भूमि का आकार और संरचना, जिसे पिछले अध्ययनों में अक्सर नजरअंदाज किया जाता था, इस बात में केंद्रीय भूमिका निभा सकता है कि हिमनदी झील कहाँ और कैसे दिखाई देगी।

विकास प्रक्रिया के दौरान, शोध दल ने लॉजिस्टिक रिग्रेशन (LR), आर्टिफिशियल न्यूरल नेटवर्क (ANN) और बेयसियन न्यूरल नेटवर्क (BNN) सहित तीन पूर्वानुमान विधियों का परीक्षण किया।

इनमें से, शोध दल ने बेयसियन न्यूरल नेटवर्क (बीएनएन) को सबसे सटीक पाया और दिखाया कि कुछ भू-आकृतियाँ, जैसे कि पड़ोसी झीलें, सर्क, कोमल ढलान और पीछे हटते ग्लेशियर, हिमनदी झील निर्माण के सबसे मजबूत भविष्यवक्ता हैं।

अब टीम की योजना मोरेन के विकास के इतिहास को एकीकृत करने, डेटा तैयार करने की प्रक्रिया को स्वचालित करने और विकसित ढांचे में क्षेत्र-आधारित सत्यापन को जोड़ने की है।

इन सुधारों से मॉडल की सटीकता बढ़ेगी और हिमनद संबंधी खतरों की बड़े पैमाने पर निगरानी के लिए इसका उपयोग व्यापक हो जाएगा।