IIT मंडी का कमाल: हिमालय में लैंडस्लाइड का अलर्ट देने वाला सिस्टम किया डेवलप

नई दिल्ली : इंडियन इंस्टीट्यूट ऑफ टेक्नोलॉजी (IIT) मंडी के साइंटिस्ट्स ने इंडियन हिमालयन रीजन (IHR) के लिए एक पूरी तरह से काम करने वाला लैंडस्लाइड अर्ली वार्निंग सिस्टम (LEWS) बनाया है। इसका मकसद एक वेब-बेस्ड प्लेटफॉर्म के ज़रिए मानसून के मौसम में लैंडस्लाइड के खतरों का रोज़ाना अनुमान देकर आपदा की तैयारी को बेहतर बनाना है।

इंडियन हिमालयन रीजन देश के सबसे ज़्यादा लैंडस्लाइड वाले इलाकों में से एक है, जहाँ बदलते क्लाइमेट पैटर्न की वजह से ढलानों के टूटने की दर बढ़ रही है, जिससे जान-माल का भारी नुकसान होता है।

इस रिसर्च को IIT मंडी के स्कूल ऑफ़ सिविल एंड एनवायर्नमेंटल इंजीनियरिंग के प्रो. डेरिक्स प्रेज़ शुक्ला ने रिसर्च स्कॉलर अंकित सिंह और नितेश धीमान के साथ मिलकर लीड किया।

लैंडस्लाइड अर्ली वार्निंग सिस्टम, इलाके की संवेदनशीलता की जानकारी को रियल-टाइम बारिश के डेटा के साथ मिलाकर लैंडस्लाइड की संभावना का अनुमान लगाता है और उस पर नज़र रखता है। यह अधिकारियों और आपदा मैनेजमेंट एजेंसियों को समय पर बचाव के उपाय करने में मदद करने के लिए जगह के हिसाब से चेतावनी जारी करता है।

इस पहल के बारे में बात करते हुए, प्रो. शुक्ला ने कहा कि यह सिस्टम मानसून के मौसम की शुरुआत से एक वेब-बेस्ड एप्लिकेशन के ज़रिए रोज़ाना लैंडस्लाइड का अनुमान देता है, जिससे ज़्यादा खतरे वाले इलाकों की पहले से पहचान करने में मदद मिलती है और अधिकारियों और समुदायों को समय पर लोगों को निकालने और तैयारी के उपाय करने में मदद मिलती है।

उन्होंने कहा कि सैटेलाइट-बेस्ड अर्ली वॉर्निंग सिस्टम आपदा के खतरे को कम करने में सबसे असरदार इन्वेस्टमेंट में से एक हैं क्योंकि वे साइंटिफिक डेटा को समय पर, एक्शन लेने लायक जानकारी में बदलते हैं। उनके अनुसार, पूरे इलाके में फोरकास्टिंग प्लेटफॉर्म में तैयारी को मज़बूत करने, इमरजेंसी रिस्पॉन्स को बेहतर बनाने और ज़्यादा लैंडस्लाइड के खतरे के समय में आपदा मैनेजमेंट एजेंसियों के बीच तालमेल बढ़ाने की क्षमता है।

भारत में मौजूद कई लैंडस्लाइड वॉर्निंग सिस्टम के उलट, जो छोटे ज्योग्राफिकल इलाकों तक ही सीमित हैं, IIT मंडी का बनाया LEWS पूरे भारतीय हिमालयी इलाके को कवर करता है, जिससे यह देश के सबसे बड़े ऑपरेशनल लैंडस्लाइड फोरकास्टिंग सिस्टम में से एक बन जाता है।

रिसर्चर्स ने इस सिस्टम को मल्टी-स्टेज मेथडोलॉजी का इस्तेमाल करके बनाया है। उन्होंने सबसे पहले जियोलॉजिकल सर्वे ऑफ़ इंडिया (GSI) डेटाबेस से लगभग 26,000 पुराने लैंडस्लाइड की पहचान की ताकि लैंडस्लाइड ससेप्टिबिलिटी मैप तैयार किया जा सके। फिर लैंडस्लाइड को ट्रिगर करने वाले कई फैक्टर्स को एन्सेम्बल मशीन लर्निंग मॉडल्स का इस्तेमाल करके इंटीग्रेट किया गया।

टीम ने NASA के ग्लोबल लैंडस्लाइड कैटलॉग के डेटा और IMERG सैटेलाइट डेटासेट से मिले सात रेनफॉल पैरामीटर्स का इस्तेमाल करके प्रोबेबिलिटी ऑफ़ रेनफॉल-इंड्यूस्ड लैंडस्लाइड्स (P-RIL) मॉडल भी डेवलप किया। क्योंकि रेनफॉल पैटर्न लगातार बदलते रहते हैं, इसलिए मॉडल पिछले 15 दिनों में रिकॉर्ड की गई रेनफॉल का डायनामिकली एनालिसिस करता है।