2 अरब से अधिक लोग कम से कम एक दिन जंगल की आग के धुएं के संपर्क में आते हैं: अध्ययन
सिडनी: दो दशकों के अध्ययन के चौंकाने वाले परिणामों के अनुसार, 2 अरब से अधिक लोग सालाना कम से कम एक दिन संभावित स्वास्थ्य-प्रभावकारी पर्यावरणीय खतरे का सामना करते हैं - यह आंकड़ा पिछले 10 वर्षों में 6.8 प्रतिशत बढ़ गया है। वैश्विक धूम्रपान प्रदूषण.
नेचर जर्नल में प्रकाशित अध्ययन, परिदृश्य अग्नि-स्रोत वायु प्रदूषण की गंभीरता और पैमाने, दुनिया की आबादी पर इसके बढ़ते प्रभाव और सार्वजनिक स्वास्थ्य जोखिम में वृद्धि पर प्रकाश डालता है। आग से उत्पन्न वायु प्रदूषण के संपर्क में आने से स्वास्थ्य पर कई प्रतिकूल प्रभाव पड़ते हैं, जिनमें मृत्यु दर और रुग्णता में वृद्धि और कार्डियोरेस्पिरेटरी स्थितियों और मानसिक स्वास्थ्य की वैश्विक गिरावट शामिल है।
ऑस्ट्रेलिया में मोनाश विश्वविद्यालय के वैज्ञानिकों के नेतृत्व में किए गए अध्ययन में 2000 से 2019 तक सभी आग से वैश्विक दैनिक वायु प्रदूषण का अनुमान लगाया गया।
शोधकर्ताओं ने पाया कि 2.18 बिलियन लोग प्रत्येक वर्ष कम से कम एक दिन पर्याप्त भूदृश्य अग्नि वायु प्रदूषण के संपर्क में आए, दुनिया में प्रत्येक व्यक्ति प्रति वर्ष औसतन 9.9 दिन जोखिम में रहा, जो पिछले दशक में 2.1 प्रतिशत की वृद्धि है। .
अध्ययन में यह भी पाया गया कि कम आय वाले देशों में जोखिम का स्तर उच्च आय वाले देशों की तुलना में लगभग चार गुना अधिक था।
PM2.5 का एक्सपोज़र स्तर विशेष रूप से मध्य अफ़्रीका, दक्षिण पूर्व एशिया, दक्षिण अमेरिका और साइबेरिया में उच्च था।
मोनाश के स्कूल ऑफ पॉपुलेशन हेल्थ एंड प्रिवेंटिव मेडिसिन के प्रोफेसर युमिंग गुओ ने कहा, "सैकड़ों और कभी-कभी हजारों किलोमीटर की यात्रा करने वाले परिदृश्य आग के धुएं के कारण वायु प्रदूषण का जोखिम बहुत बड़ी आबादी को प्रभावित कर सकता है, और बहुत बड़े सार्वजनिक स्वास्थ्य जोखिमों का कारण बन सकता है।"
उन्होंने कहा, "परिदृश्य अग्नि-स्रोत वायु प्रदूषण के संपर्क में आने वाली जनसंख्या का मानचित्रण और ट्रैकिंग इसके स्वास्थ्य प्रभावों की निगरानी और प्रबंधन, लक्षित रोकथाम और हस्तक्षेप को लागू करने और जलवायु परिवर्तन के शमन के लिए तर्कों को मजबूत करने के लिए आवश्यक है।"
2000-2019 के दौरान अग्नि-स्रोत PM2.5 और ओजोन के प्रति वैश्विक आबादी के व्यापक मूल्यांकन की गणना रासायनिक परिवहन मॉडल, जमीन-आधारित निगरानी स्टेशनों और ग्रिड किए गए मौसम डेटा के इनपुट के साथ मशीन लर्निंग दृष्टिकोण का उपयोग करके की गई थी।