UNIASSELVI के शोधकर्ताओं ने एक अध्ययन विकसित किया है जो ब्राज़ीलियाई क्षेत्र में सुपर अल नीनो घटना के संभावित प्रभावों का आकलन करने और जलवायु डेटा को संकलित करने के लिए आर्टिफिशियल इंटेलिजेंस और ऑटोमेशन का उपयोग करता है।
जांच से पता चलता है कि इस घटना के 2027 तक सक्रिय रहने की 97% संभावना है और बहुत मजबूत तीव्रता तक पहुंचने की 81% संभावना है, जिसके प्रभाव देश के भीतर स्थान के आधार पर भिन्न हो सकते हैं।
जलवायु जोखिम विश्लेषण के लिए एआई जानकारी को कैसे समेकित करता है
यह अध्ययन अल नीनो की गतिशीलता पर एकल विश्लेषण में भविष्यवाणियां प्रस्तुत करते हुए, विभिन्न मौसम विज्ञान संस्थानों से प्राप्त डेटा को क्रॉस-रेफरेंस करने के लिए आर्टिफिशियल इंटेलिजेंस का उपयोग करता है। यह कार्य UNIASSELVI के सॉफ्टवेयर इंजीनियरिंग के छात्र फैबियो हेनरिक मोइसेस और माथेउस फर्नांडो कुन्हा द्वारा प्रोफेसर पेड्रो सिडनेई ज़ानचेट की देखरेख में किया गया था।
इसके अतिरिक्त, यह शोध ज़ानचेट के डॉक्टरेट शोध प्रबंध RADIAN से जुड़ा हुआ है, जो जनरेटिव एआई, क्लाउड कंप्यूटिंग और ऑटोमेशन का उपयोग करके प्राकृतिक आपदा प्रबंधन के लिए निर्णय समर्थन प्रणालियों पर केंद्रित है।
यह ध्यान रखना महत्वपूर्ण है कि उन्नत तकनीक के उपयोग के बावजूद, यह अध्ययन आर्टिफिशियल इंटेलिजेंस के माध्यम से स्वायत्त जलवायु पूर्वानुमान उत्पन्न नहीं करता है; इसका कार्य राष्ट्रीय और अंतर्राष्ट्रीय दोनों मौसम विज्ञान केंद्रों द्वारा जारी भविष्यवाणियों को व्यवस्थित करना और उनकी तुलना करना है। नवीनता एआई, ऑटोमेशन और वैज्ञानिक ज्ञान के एकीकरण में निहित है ताकि जोखिम परिदृश्यों में निर्णय लेने का समर्थन किया जा सके, क्योंकि जलवायु परिवर्तन के लिए डेटा की नई व्याख्या के तरीकों की आवश्यकता होती है।
पेड्रो सिडनेई ज़ानचेट, UNIASSELVI के प्रोफेसर और परियोजना के मार्गदर्शक, ने इस विषय पर टिप्पणी की।
प्रमुख संस्थानों के डेटा पर आधारित निदान
इस विश्लेषण के निर्माण के लिए, शोधकर्ताओं ने NOAA, NASA, INPE, INMET, CEMADEN और IRI जैसी संस्थाओं से जानकारी एकत्र की। उद्देश्य विभिन्न जलवायु मॉडलों का टकराव करना और भविष्यवाणियों के बीच समानताएं पहचानना था। मोइसेस के अनुसार, यह तकनीक मौजूदा डेटा को अधिक संरचित विश्लेषणों में बदलने में मदद करती है।
शोधकर्ता ने कहा: 'आर्टिफिशियल इंटेलिजेंस विभिन्न संस्थानों द्वारा उत्पादित हजारों जानकारियों को समेकित करने और उन्हें ऐसे विश्लेषणों में बदलने की अनुमति देता है जो तेज और सुदृढ़ निर्णयों का समर्थन कर सकें। चुनौती अधिक डेटा उत्पन्न करना नहीं है, बल्कि मौजूदा ज्ञान को जोड़ना है।'
अध्ययन द्वारा जांचे गए मुख्य पहलुओं में शामिल हैं: 2027 तक उच्च तीव्रता वाले अल नीनो की संभावना; ब्राज़ीलियाई और विदेशी जलवायु निकायों के डेटा का संयोजन; सूचना के संगठन में एआई और ऑटोमेशन का उपयोग; और संभावित चरम घटनाओं के सामने योजना के समर्थन के लिए। हालांकि सुपर अल नीनो शब्द एक आधिकारिक तकनीकी नामकरण नहीं है, लेकिन इसे अक्सर प्रशांत महासागर के भूमध्यरेखीय जल के असामान्य गर्म होने के कारण होने वाली घटना की बड़ी मात्रा का वर्णन करने के लिए उपयोग किया जाता है।
प्रभाव ब्राज़ीलियाई क्षेत्र के अनुसार भिन्न हो सकते हैं
भविष्यवाणी किए गए प्रभाव पूरे देश में समान नहीं होंगे। जबकि उत्तरी और उत्तरपूर्वी क्षेत्रों में सूखे की लंबी अवधि का अनुभव हो सकता है, मध्य-पश्चिम और दक्षिण-पूर्व के कुछ हिस्सों में लू और वर्षा में कमी दर्ज की जा सकती है। दूसरी ओर, दक्षिणी क्षेत्र को भारी वर्षा और बाढ़ की सबसे अधिक क्षमता वाला क्षेत्र बताया गया है।
कृषि क्षेत्र में, यह शोध चावल, गेहूं, सोयाबीन, मक्का और कॉफी जैसी फसलों को संभावित नुकसान का संकेत देता है। इसके अलावा, गर्मी और वर्षा पैटर्न में बदलाव का संयोजन पशुधन पर थर्मल तनाव बढ़ा सकता है।
अध्ययन अमेज़ॅन, सेराडो और पंटानाल में आग के विस्तार से जुड़े जोखिमों को भी उजागर करता है, साथ ही हवा की गुणवत्ता में गिरावट और गर्मी के चरम के कारण श्वसन और हृदय संबंधी समस्याओं में वृद्धि भी होती है। कुन्हा ने जोर देकर कहा कि यह शोध मौसम विज्ञान केंद्रों द्वारा किए गए काम का स्थान नहीं लेता है, यह कहते हुए: 'प्रमुख अंतरराष्ट्रीय जलवायु मॉडलों के बीच सहमति इस बात का एक महत्वपूर्ण संकेत है कि देश को तैयारी करनी चाहिए। हमारा शोध इन सबूतों को व्यवस्थित करता है और प्रदर्शित करता है कि स्मार्ट प्रौद्योगिकियां चरम घटनाओं के सामने प्रतिक्रिया क्षमता बढ़ाने में कैसे योगदान दे सकती हैं।'
तकनीकी प्रगति के बावजूद, आर्टिफिशियल इंटेलिजेंस एक सहायक उपकरण बना हुआ है। परिणाम विश्लेषण किए गए डेटा की गुणवत्ता पर निर्भर करते हैं और जलवायु के विकास के साथ संशोधित हो सकते हैं, यह दर्शाता है कि प्रौद्योगिकी विशेषज्ञों को जानकारी व्यवस्थित करने और संभावित जोखिमों का अनुमान लगाने में कैसे सहायता करती है, बिना पारंपरिक वैज्ञानिक विश्लेषण को प्रतिस्थापित किए।
