जलवायु-प्रेरित आपदाओं की भविष्यवाणी के लिए डीप लर्निंग मॉडल


अध्ययन के सह-लेखक और बर्ड पोलर रिसर्च के प्रोफेसर सीके शुम ने कहा कि हालांकि मानव इन आपदाओं को होने से नहीं रोक सकता, लेकिन अंतरिक्ष से पृथ्वी की परिक्रमा करने वाले उपग्रहों की तेजी से बढ़ती संख्या उनके विकास की निगरानी करने का एक बड़ा अवसर प्रदान करती है। ओहियो स्टेट यूनिवर्सिटी में केंद्र और पृथ्वी विज्ञान में। उन्होंने कहा कि संभावित रूप से क्षेत्र में लोगों को सूचित निर्णय लेने की अनुमति देने से स्थानीय आपदा प्रतिक्रिया और प्रबंधन की प्रभावशीलता में सुधार हो सकता है।

शुम का शोध वैश्विक जलवायु परिवर्तन से संबंधित घटनाओं का अध्ययन करने के लिए – अंतरिक्ष में ग्रह के आकार, आकार और अभिविन्यास को मापने के विज्ञान – जियोडेसी का उपयोग करता है।

विभिन्न अंतरिक्ष एजेंसी उपग्रहों से एकत्र किए गए जियोडेटिक डेटा का उपयोग करते हुए, शोधकर्ताओं ने यह परीक्षण करने के लिए कई केस अध्ययन किए कि क्या रिमोट सेंसिंग और डीप मशीन लर्निंग एनालिटिक्स का मिश्रण दुनिया के कुछ क्षेत्रों में बाढ़, सूखा और तूफान की घटनाओं सहित अचानक मौसम की घटनाओं की सटीक निगरानी कर सकता है।

विज्ञापन


एक प्रयोग में, टीम ने इन विधियों का उपयोग यह निर्धारित करने के लिए किया कि क्या पृथ्वी के ग्लोबल नेविगेशन सैटेलाइट सिस्टम (GNSS) से रडार सिग्नल, जो समुद्र के ऊपर परिलक्षित होते थे और मैक्सिको की खाड़ी में अपतटीय कस्बों में स्थित GNSS रिसीवर द्वारा प्राप्त किए गए थे, को ट्रैक करने के लिए इस्तेमाल किया जा सकता है। लैंडफॉल के बाद समुद्र के बढ़ते स्तर को मापकर तूफान का विकास। 2020 और 2021 के बीच, टीम ने अध्ययन किया कि कैसे तूफान हाना और तूफान डेल्टा जैसे सात तूफानों ने मैक्सिको की खाड़ी में लैंडफॉल बनाने से पहले तटीय समुद्र के स्तर को प्रभावित किया। इन जटिल परिवर्तनों की निगरानी करके, उन्होंने समुद्र के उच्च स्तर और तूफान की तीव्रता के बीच एक सकारात्मक संबंध पाया।

उनके द्वारा उपयोग किए गए डेटा को नासा और जर्मन एयरोस्पेस सेंटर के ग्रेविटी रिकवरी एंड क्लाइमेट एक्सपेरिमेंट (GRACE) मिशन और इसके उत्तराधिकारी ग्रेस फॉलो-ऑन द्वारा एकत्र किया गया था। पिछले दो दशकों में पृथ्वी के द्रव्यमान में परिवर्तन की निगरानी के लिए दोनों उपग्रहों का उपयोग किया गया है, लेकिन अभी तक, केवल 400 मील से थोड़ा अधिक ऊपर से ग्रह को देखने में सक्षम हैं। लेकिन डीप मशीन लर्निंग एनालिटिक्स का उपयोग करते हुए, शम की टीम इस संकल्प को लगभग 15 मील तक कम करने में सक्षम थी, जिससे प्राकृतिक खतरों की निगरानी करने की समाज की क्षमता में प्रभावी सुधार हुआ।

शुम ने कहा, “डीप मशीन लर्निंग का लाभ उठाने का मतलब है कि जिस लक्ष्य को आप पूरा करना चाहते हैं, उसे हासिल करने के लिए विभिन्न डेटा इनपुट से लगातार सीखने के लिए एल्गोरिथ्म को कंडीशन करना।” इस उदाहरण में, उपग्रहों ने शोधकर्ताओं को क्रमशः अगस्त 2017 में टेक्सास और लुइसियाना, हरिकेन हार्वे और अगस्त 2020 में हरिकेन लॉरा पर अपनी भूमि के दौरान दो श्रेणी 4 अटलांटिक तूफान-प्रेरित तूफान के मार्ग और विकास की मात्रा निर्धारित करने की अनुमति दी।

लेकिन अल्पावधि में, शम देशों और संगठनों को अपने उपग्रह डेटा को वैज्ञानिकों के लिए अधिक आसानी से उपलब्ध कराना चाहते हैं, क्योंकि गहरी मशीन सीखने पर भरोसा करने वाली परियोजनाओं को अक्सर सटीक पूर्वानुमान लगाने में मदद के लिए बड़ी मात्रा में व्यापक डेटा की आवश्यकता होती है।

शम ने कहा, “इनमें से कई उपन्यास उपग्रह तकनीकों में भारी मात्रा में सटीक डेटा को संसाधित करने के लिए समय और प्रयास की आवश्यकता होती है।” “यदि शोधकर्ताओं के पास अधिक संसाधनों तक पहुंच है, तो हम लोगों को अनुकूलित करने के लिए बेहतर तरीके से तैयार करने के लिए प्रौद्योगिकियों को संभावित रूप से विकसित करने में सक्षम होंगे, साथ ही साथ आपदा प्रबंधन एजेंसियों को तीव्र और लगातार जलवायु-प्रेरित प्राकृतिक खतरों के प्रति अपनी प्रतिक्रिया में सुधार करने की अनुमति देंगे।”

स्रोत: यूरेकालर्ट



Source link

Leave a Comment