2024 में, मुहम्मद इरफ़ान विर्क ने पहली बार बीजिंग में चीनी मौसम विज्ञान प्रशासन (CMA) का दौरा किया और तकनीकी प्रगति के स्तर से प्रभावित हुए, यह टिप्पणी करते हुए कि CMA के पूर्वानुमान कार्यालय 'लगभग विज्ञान-कल्पना' जैसे लगते हैं।
विर्क पाकिस्तान मौसम विभाग (PMD) के मौसम विज्ञानियों के एक समूह का हिस्सा थे, जो पाकिस्तान की जरूरतों के अनुसार मौसम पूर्वानुमान प्लेटफॉर्म को अनुकूलित करने के लिए CMA में गए थे। इस प्रणाली को MAZU के रूप में जाना जाता है, जिसका अर्थ है 'बहु-खतरा, चेतावनी, शून्य अंतराल और सार्वभौमिकता'। नाम पारंपरिक चीनी समुद्री देवी को भी संदर्भित करता है जो नाविकों की रक्षा करती है।
ज़ाहिर अहमद बाबर, PMD के मुख्य मौसम विज्ञानी और कार्यवाहक महानिदेशक ने इस बात पर जोर दिया कि एआई प्रणाली चरम मौसमी घटनाओं को रोक नहीं सकती है। हालांकि, प्रारंभिक चेतावनी प्रदान करके, यह पूर्वानुमानकर्ताओं को अधिक संतुलित निर्णय लेने की अनुमति देती है। उन्होंने यह भी जोड़ा कि नुकसान को कम करने के लिए इस जानकारी का उपयोग करना उपयोगकर्ताओं के विवेक पर निर्भर करता है।
इस्लामाबाद में चीनी दूतावास के वैज्ञानिक अटैशे, इन शिनसिन के अनुसार, पाकिस्तान के लिए अनुकूलित MAZU संस्करण का उपयोग PMD अक्टूबर 2025 से अन्य प्रारंभिक चेतावनी उपकरणों, जिसमें उपग्रह डेटा और अन्य मौसम मॉडल शामिल हैं, के पूरक के रूप में कर रहा है।
इन शिनसिन ने उल्लेख किया कि चूंकि पाकिस्तान को प्रारंभिक चेतावनी क्षमताओं और प्राकृतिक आपदाओं के जोखिम को कम करने की तत्काल आवश्यकता है, इसलिए दोनों पक्षों ने मिलकर MAZU प्रणाली विकसित और कार्यान्वित की है, जिससे पाकिस्तान इस नवीन विकास को प्राप्त करने वाला पहला देश बन गया है। CMA और PMD के बीच सहयोग का एक लंबा इतिहास है, और इन के अनुसार, यह चीन सरकार की ओर से 'दक्षिण-दक्षिण जलवायु परिवर्तन सहयोग' के हिस्से के रूप में किया जा रहा है।
पड़ोसी देशों नेपाल और चीन में 26 अगस्त को आई बाढ़ के बाद, MAZU का उपयोग बचाव अभियानों के आयोजन के उद्देश्य से स्थानीय मौसम की स्थिति का आकलन और पूर्वानुमान लगाने के लिए भी किया जाता है। चाइना डेली की रिपोर्टों के अनुसार, चीनी अधिकारी नए बने अवरोधक झीलों के विकास और जोखिम पूर्वानुमानों पर नेपाल को दैनिक अपडेट प्रदान करने के लिए प्रणाली का उपयोग करते हैं, साथ ही आपात स्थितियों में जलीय निगरानी भी करते हैं।
हालांकि एआई-आधारित मौसम मॉडलिंग विशेषज्ञ चीनी मॉडल के उपयोग का स्वागत करते हैं, वे चेतावनी देते हैं कि यह प्रारंभिक चेतावनी प्रणालियों के लिए रामबाण नहीं है। इसके अलावा, पाकिस्तान के स्थानीय जलवायु और भौगोलिक संदर्भ में इसकी सटीकता के बारे में अभी निष्कर्ष निकालना जल्दबाजी होगी।
अप्रैल में MAZU के विस्तार के लिए आगे के अंतरराष्ट्रीय सहयोग पर आयोजित एक प्रेस कॉन्फ्रेंस में, CMA के प्रशासक चेन झेनलिन ने कहा कि प्रारंभिक चेतावनी प्रणालियाँ खाद्य और ऊर्जा सुरक्षा के लिए चरम मौसम के खतरे की स्थिति में जीवन और संपत्ति की रक्षा करने का एक लागत प्रभावी तरीका हैं।
चीनी समाचार बुलेटिन के अनुसार, 2026 में शंघाई में विश्व आर्टिफिशियल इंटेलिजेंस सम्मेलन में MAZU बूथ ने राजनयिकों, इंजीनियरों और पत्रकारों के बीच भारी रुचि पैदा की। सिस्टम की लोकप्रियता इसलिए बढ़ सकती है क्योंकि चीन के राष्ट्रपति शी जिनपिंग ने सम्मेलन में अपने मुख्य भाषण में इसका उल्लेख किया था। उन्होंने घोषणा की कि अगले पांच वर्षों में चीन विकासशील देशों को एआई प्रशिक्षण और कार्यशालाओं के लिए 5000 अवसर प्रदान करेगा और 30 देशों को एआई-आधारित मौसम चेतावनी प्रणाली, MAZU का उपयोग करने की अनुमति देगा।
PMD के बाबर ने उल्लेख किया कि MAZU को स्थानीय मौसम संबंधी डेटा को एकीकृत करके किसी विशिष्ट देश के भूगोल, बुनियादी ढांचे और आपदा जोखिमों के अनुरूप ढाला जा सकता है। पाकिस्तानी शोधकर्ताओं और पूर्वानुमानकर्ताओं को पाकिस्तान के डेटा के लिए कैलिब्रेटेड संस्करण का उपयोग करने के लिए प्रशिक्षित किया गया है।
MAZU प्रणाली को जिबूती, इथियोपिया, मंगोलिया, जॉर्डन, श्री लंका और सोलोमन द्वीप समूह में भी लागू किया गया है। चीन क्लाउड वर्चुअल परीक्षणों के माध्यम से 40 से अधिक देशों का भी समर्थन करता है।
एआई जियो नेविगेटर के सीईओ, आसिम जावेद, जो मौसम और पर्यावरणीय जोखिमों का आकलन करने के लिए एआई, मानचित्रण डेटा और रिमोट सेंसिंग का उपयोग करते हैं, का मानना है कि यह मंच पारंपरिक मौसम विज्ञान, उपग्रह और रडार डेटा, जमीनी स्टेशन अवलोकन और एआई विश्लेषण और चेतावनियों के साथ स्थानीय अंशांकन को एकीकृत करता है, यह मूल्यवान है। उन्होंने इस बात पर जोर दिया कि सभी इनपुट डेटा को एक ही स्थान पर एकीकृत करना पूर्वानुमानकर्ताओं के काम करने के तरीके को बदल देता है।
जलवायु विज्ञानी इमरान खालिद चेतावनी देते हैं कि एआई-आधारित मौसम उपकरण प्रारंभिक चेतावनी प्रणालियों का समर्थन करते हैं, लेकिन वे स्वयं 'स्वतंत्र प्रणालियाँ नहीं हैं जो हमारी कमियों को दूर करने के लिए पर्याप्त हैं... कम से कम अभी के लिए'। बाबर ने समझाया कि एक प्रभावी प्रारंभिक चेतावनी प्रणाली के लिए सरकार के पूरे दृष्टिकोण की आवश्यकता होती है, जो चार घटकों पर आधारित होती है: आपदा जोखिम प्रबंधन, पता लगाना और पूर्वानुमान, प्रसार और संचार, और तैयारी और प्रतिक्रिया।
इस समग्र दृष्टिकोण का समर्थन पाकिस्तानी मौसम पूर्वानुमान सेवा WeatherWalay के सह-संस्थापक जुनैद यामीन ने किया। उन्होंने यह भी कहा कि मौसम विज्ञान क्षेत्र की सफलता अंततः प्रभावी सार्वजनिक-निजी भागीदारी पर निर्भर करती है। यामीन ने इस बात पर जोर दिया कि कोई भी संगठन अकेले जलवायु परिवर्तन से नहीं निपट सकता है; इसके लिए बाधाओं को दूर करने, डेटा साझा करने और सरकार, व्यवसाय और नागरिक समाज के प्रयासों को एक सामान्य मिशन के आसपास संरेखित करने की आवश्यकता है।
जावेद इस बात से सहमत हुए, यह तर्क देते हुए कि मौसम संबंधी डेटा 'ओपन सोर्स' होना चाहिए। उन्होंने समझाया कि बारिश और गर्मी कई मौसम खतरों को प्रेरित करते हैं जो व्यवसायों को प्रभावित करते हैं - दूरसंचार और बैंकिंग से लेकर कृषि तक। मौसम डेटा तक पहुंच व्यवसायों को आपदा क्षति को कम करने वाले उत्पाद विकसित करने में मदद कर सकती है।
विश्व मौसम विज्ञान संगठन (WMO) अपनी एकीकृत डेटा नीति 2021 और 2024-27 की रणनीति के तहत अवलोकन संबंधी मौसम डेटा के अधिक मुक्त आदान-प्रदान को बढ़ावा दे रहा है, जो निजी क्षेत्र के साथ साझेदारी पर जोर देता है।
बाबर ने समझाया कि वातावरण 'मूल रूप से अराजक' है, और हवा के दबाव, तापमान, हवा और आर्द्रता में छोटे बदलाव भी केवल पारंपरिक तरीकों से सटीक पूर्वानुमान को असंभव बना सकते हैं। यहीं पर MAZU जैसी प्रणालियाँ मदद कर सकती हैं, क्योंकि वे सेकंडों में जटिल गणितीय समीकरणों को हल करने में सक्षम हैं, जिससे पूर्वानुमानकर्ताओं को तेज और समय पर निर्णय लेने की अनुमति मिलती है।
हालांकि, जैसा कि खालिद ने बताया, ये प्रणालियाँ उतनी ही अच्छी हैं जितनी अच्छी मौसम डेटा होता है जो उनमें फीड किया जाता है। उच्च गुणवत्ता वाले डेटा के बिना, पूर्वानुमान केवल अनुमान होंगे। ऐसी कार्यक्रम बड़े आयोजनों, जैसे मानसून और हीटवेव की भविष्यवाणी कर सकते हैं। फिर भी, सटीक पूर्वानुमान - उदाहरण के लिए, कि मानसून पहाड़ी क्षेत्र में किस घाटी तक पहुंचेगा या क्या गर्मी ग्लेशियर झीलों से बाढ़ लाएगी - के लिए घने, समान रूप से वितरित रडार कवरेज की आवश्यकता होती है, जो पाकिस्तान में अपर्याप्त है।
पहाड़ी ग्लेशियरों के पिघलने के पानी से बनने वाली ग्लेशियर झीलें हिमालयी बेसिन में एक बढ़ता हुआ खतरा हैं। इन बाढ़ों का कारण भूकंप, हिमस्खलन या अत्यधिक मात्रा में पिघले पानी का जमाव हो सकता है। जावेद ने उल्लेख किया कि पाकिस्तान एक जटिल मामला प्रस्तुत करता है: जमीनी स्टेशन कम हैं, और देश के उत्तरी पहाड़ी क्षेत्रों में ऊंचाई कुछ ही किलोमीटर में तेजी से बदल सकती है। लोगों की जान लेने वाली घटनाएं - अत्यधिक स्थानीयकृत भारी वर्षा और अचानक बाढ़ - ऐसे पैमाने पर होती हैं जिन्हें अधिकांश वैश्विक मॉडल पूर्वानुमान नहीं लगा सकते। MAZU 1 किमी के स्तर पर मौसम की भविष्यवाणी नहीं कर सकता है, जैसे कि अधिकांश अमेरिकी और यूरोपीय मॉडल करते हैं, जो आमतौर पर लगभग 9 किमी के रिज़ॉल्यूशन पर काम करते हैं।
जावेद के अनुसार एक और समस्या यह है कि एआई प्रणालियों द्वारा स्वचालित रूप से उच्च सटीकता देने की आम गलत धारणा है। उन्होंने समझाया कि यह अभी भी अवलोकनों और मॉडलों पर निर्भर करता है। मॉडल अतीत पर सीखता है, और वे घटनाएँ जिनके लिए हमें सबसे अधिक चेतावनी की आवश्यकता होती है, अक्सर सबसे कम ऐतिहासिक रिकॉर्ड रखती हैं। ये अंतराल स्थानीय स्तर पर मौसम के पूर्वानुमान की सटीकता को सीमित करते हैं। खालिद ने चेतावनी दी कि विस्तृत जमीनी डेटा के बिना, एआई उपकरण 'भ्रम' कर सकते हैं, आत्मविश्वासपूर्ण स्थानीय पूर्वानुमान जारी कर सकते हैं बिना वास्तविक अवलोकन आधार के, जिससे गंभीर परिणाम हो सकते हैं।
उन्होंने यह भी उल्लेख किया कि मॉडल उच्च स्थानीयकृत घटनाओं, जैसे कई ब्लॉकों में तीव्र वर्षा या चक्रवात के जमीन पर आने का सटीक समय और स्थान छोड़ सकते हैं, जिससे समुदाय तैयार नहीं रहते हैं। इसलिए स्थानीयकृत रडार डेटा महत्वपूर्ण है।
मॉडल आउटपुट की स्वतंत्र रूप से जांच की जानी चाहिए, और प्रणालियों को पाकिस्तान की वास्तविकताओं को ध्यान में रखते हुए प्रशिक्षित किया जाना चाहिए। इसमें ऐतिहासिक मौसम पैटर्न पर प्रशिक्षण और डेटा में अंतराल होने पर परिणामों में अनिश्चितताओं को चिह्नित करना शामिल है। इसके अलावा, परिणामों को संस्थागत सीमाओं को ध्यान में रखना चाहिए, जैसे सरकारी विभागों के बीच संचार में देरी, साथ ही विशेषज्ञ कर्मियों और निगरानी उपकरण की कमी, जैसा कि खालिद ने उल्लेख किया है।
जावेद ने जवाबदेही का मुद्दा भी उठाया। MAZU जैसी एआई-समर्थित प्रणाली का उपयोग मॉडल के अतिरिक्त आउटपुट या स्वचालित सिफारिशें पेश करता है। उन्हें प्रलेखित किया जाना चाहिए, जबकि PMD के अधिकृत पूर्वानुमानकर्ता के पास सार्वजनिक चेतावनी जारी करने की जिम्मेदारी बनी रहती है। वह जोर देते हैं कि प्रत्येक चेतावनी में एक स्पष्ट ऑडिट ट्रेल होना चाहिए, जो अवलोकन, मॉडल आउटपुट, थ्रेशोल्ड और उसके पीछे के पेशेवर निर्णय को दर्शाता है। उन्होंने जोड़ा कि MAZU को इस निर्णय को 'वैकल्पिक के बजाय अधिक सटीक' बनाना चाहिए।
यह जांचने के लिए कि क्या MAZU मौजूदा प्रणालियों से बेहतर प्रदर्शन करता है, जावेद ने तीन सरल मानदंड प्रस्तावित किए। पहला, वह मौजूदा PMD प्रणाली और एक मान्यता प्राप्त वैश्विक पूर्वानुमान प्रणाली जैसे स्वतंत्र मानक की तुलना में MAZU के पूर्वानुमान की सटीकता की जांच करेंगे। दूसरा, खतरों का पता लगाने की जांच की जाएगी: 'क्या MAZU सामान्य मौसम की भविष्यवाणी करने के बजाय खतरनाक मौसम की घटनाओं की सटीक पहचान कर सकता है?' तीसरा, व्यावहारिक मूल्य का मूल्यांकन किया जाएगा: प्रणाली कितनी अतिरिक्त चेतावनी समय प्रदान करती है और यह कितने झूठे अलार्म उत्पन्न करती है। उन्होंने निष्कर्ष निकाला कि यदि MAZU पूर्वानुमान कौशल, खतरे का पता लगाने और चेतावनी समय में श्रेष्ठता साबित करता है, तो यह वास्तविक लाभ लाएगा, अन्यथा यह एक अच्छी तरह से डिज़ाइन किया गया लेकिन अप्रमाणित मंच होगा।