कल्पना गरौं, आउँदो वर्ष असारको सुरूमै कुनै पहाडी जिल्लामा लगातार पानी परिरहेको छ।
मौसम पूर्वानुमान महाशाखाले दुई सातासम्म ठूलो वर्षाको सम्भावना देखाएको छ।
त्यस्तो बेला पहिरोले असर पुर्याउन सक्ने सम्भावना पहिल्यै थाहा पाउन सकियो भने के होला?
स्थानीय सरकारले जोखिमयुक्त बस्तीका मानिसलाई सचेत गराउन सक्छ। सडकमा पहिरो खसे उद्धार गर्न आवश्यक उपकरण तयार राख्न सक्छ। उद्धार टोलीलाई सतर्क राख्न र सम्भावित राहतका लागि सामग्री जुटाउन सक्छ।
यही उद्देश्यले नेपालका विभिन्न जिल्लामा मनसुनी पहिरोको सम्भावना अनुमान गर्न वैज्ञानिकहरूले आर्टिफिसियल इन्टेलिजेन्स (एआई) मा आधारित नयाँ विधि विकास गरेका छन्।
चौध दिनअघि नै पहिरोको सम्भावना अनुमान गर्ने यो विधिको परीक्षणमा उत्साहजनक नतिजा देखिएको अनुसन्धानकर्ताहरूले बताएका छन्।
तर यसले कुन गाउँको कुन घरमाथि, कुन दिन वा कति बजे पहिरो खस्छ भनेर बताउन सक्दैन।
यससम्बन्धी अनुसन्धान अक्टोबर ३१ मा अन्तर्राष्ट्रिय वैज्ञानिक जर्नल 'एनपिजे नेचुरल हाजार्डस्' मा प्रकाशित भएको छ।
अनुसन्धानको शीर्षक हो — AI-powered sub-seasonal forecasting of monsoon-triggered landslide impacts in Nepal।
यसको अर्थ हो, 'नेपालमा मनसुनका कारण हुने पहिरोको असर एकदेखि केही साताअघि पूर्वानुमान गर्न एआईको प्रयोग।'
अनुसन्धानकर्ताहरूका अनुसार नेपालभरका जिल्लामा १४ दिनको अवधिमा पहिरोबाट असर पर्न सक्ने सम्भावना अनुमान गर्नु यो प्रविधिको मुख्य विशेषता हो।
एआईले कसरी थाहा पाउँछ पहिरोको जोखिम?
यो बुझ्न पहिले एउटा सामान्य उदाहरण हेरौं।
दुईवटा पहाडी जिल्ला छन्। दुवैमा भारी वर्षा हुने अनुमान छ।
तर पहिलो जिल्लामा भिरालो जमिन धेरै छ। केही दिनदेखि लगातार पानी परिरहेको छ।
दोस्रो जिल्लामा तुलनात्मक रूपमा कम भिरालो जमिन छ र अघिल्लो साता खासै पानी परेको छैन।
दुवै जिल्लामा उस्तै वर्षा हुने अनुमान भए पनि पहिरोको जोखिम उस्तै नहुन सक्छ।
किनभने, पहिरोको जोखिम आज कति पानी पर्छ भन्नेमा मात्र निर्भर हुँदैन। जमिनको बनावट, भिरालोपन र पहिले परेको पानीको पनि भूमिका हुन्छ।
अनुसन्धानकर्ताहरूले यस्तै विभिन्न जानकारीलाई एउटै प्रणालीमा जोडेर एआई मोडल तयार गरेका हुन्।
यसमा मुख्य गरी तीन प्रकारका सूचना प्रयोग गरिएको छ।
पहिलो, जमिनको बनावट र उचाइसम्बन्धी तथ्यांक।
दोस्रो, यसअघि परेको वर्षाको विवरण।
तेस्रो, आगामी दिनमा कति पानी पर्न सक्छ भन्ने मौसम पूर्वानुमान।
यी सूचनाका आधारमा कम्प्युटरले विभिन्न जिल्लामा पहिरोबाट असर पर्ने सम्भावनाको अनुमान गर्छ।
यसले सामान्य रूपमा वर्षाको पूर्वानुमान हेरेर जोखिम अनुमान गरेभन्दा धेरै प्रकारका तथ्यांक एकै पटक विश्लेषण गर्न सक्छ।
एआईले कुनै अदृश्य शक्ति प्रयोग गरेर भविष्य देख्ने होइन। उसले उपलब्ध तथ्यांकमा देखिएका सम्बन्ध र ढाँचाका आधारमा अनुमान गर्ने हो। त्यसैले यसको नतिजा पनि प्रयोग गरिएका तथ्यांकको गुणस्तर र मौसम पूर्वानुमानको विश्वसनीयतामा निर्भर हुन्छ।
सात वर्षको तथ्यांकबाट सिकाइयो, त्यसपछिका दुई वर्षमा परीक्षा लिइयो
अनुसन्धानकर्ताहरूले यो प्रणालीलाई सन् २०१६ देखि २०२२ सम्म नेपालमा पहिरोले पारेका असरसम्बन्धी अभिलेख प्रयोग गरेर प्रशिक्षण दिएका थिए।
सरल भाषामा भन्दा, कम्प्युटरलाई विगतमा कुन परिस्थितिमा पहिरोबाट असर परेको थियो भन्ने उदाहरणहरू देखाएर सिकाइएको थियो।
त्यसपछि यसको परीक्षणका लागि सन् २०२३ र २०२४ को मनसुन प्रयोग गरियो।
यो यस कारण महत्त्वपूर्ण छ, किनभने यो प्रणालीलाई सिकाउन प्रयोग भएका वर्ष र यसको क्षमता जाँच्न प्रयोग भएका वर्ष फरक थिए।
अनुसन्धानकर्ताहरूले परीक्षणमा एफ–वान स्कोर (F1 score) ०.७ वा त्योभन्दा बढी प्राप्त भएको उल्लेख गरेका छन्।
यो नतिजा बुझ्दा एउटा सावधानी अपनाउनुपर्छ।
एफ–वान स्कोर ०.७ आउनुको अर्थ एआईले ७० प्रतिशत पहिरो सही पत्ता लगायो भन्ने होइन।
यो भविष्यवाणीको गुणस्तर जाँच्ने एउटा गणितीय मापन हो।
यसमा दुईवटा कुरा हेरिन्छन् — जोखिमको अनुमान गरिएका घटनामध्ये कति वास्तविक थिए र वास्तविक असरका घटनामध्ये कति पहिल्यै पहिचान गर्न सकियो।
मानौं, कुनै प्रणालीले दस ठाउँमा जोखिम छ भन्यो, तर तीमध्ये चार ठाउँमा मात्र असर देखियो।
अर्कोतर्फ, उसले जोखिम छैन भनेका केही ठाउँमा पनि पहिरोको असर देखियो।
यस्तो अवस्थामा सही चेतावनी, गलत चेतावनी र छुटेका घटनालाई समेत ध्यानमा राखेर प्रणालीको मूल्यांकन गर्नुपर्छ।
एफ–वान स्कोरले सही ठहरिएका चेतावनीको अनुपात र वास्तविक घटना समात्ने क्षमताबीच सन्तुलन मापन गर्छ।
त्यसैले ०.७ वा बढी स्कोर आउनु सकारात्मक नतिजा भए पनि यसका आधारमा मात्रै कति घटना छुटे वा कति गलत चेतावनी आए भन्ने निश्चित गर्न मिल्दैन।
अनुसन्धान गर्ने वैज्ञानिकहरू को हुन्?
यो अनुसन्धान बेलायतका अक्सफोर्ड, शेफिल्ड, डरहम र न्युक्यासल विश्वविद्यालयसहित विभिन्न संस्थामा आबद्ध १२ अनुसन्धानकर्ताले संयुक्त रूपमा गरेका हुन्।
यसकी प्रमुख लेखिका केल्सी डोर्क्सन बेलायतको अक्सफोर्ड विश्वविद्यालयको कम्प्युटर विज्ञान विभागसँग आबद्ध छन्। त्यही विभागका यारिन गल पनि अनुसन्धानमा सहभागी छन्।
शेफिल्ड विश्वविद्यालयको भूगोल तथा योजना विषयसँग सम्बन्धित सिहान ली, डरहम विश्वविद्यालयका भूगोल तथा विपद जोखिमसम्बन्धी अनुसन्धानकर्ता अलेक्जेन्डर डेन्समोर र निक रोसर, अक्सफोर्डका साइमन ड्याडसन र न्युक्यासल विश्वविद्यालयका मार्क किन्सी पनि यसमा संलग्न छन्।
इटालीस्थित युराक अनुसन्धान संस्थाका अलेक्जेन्ड्रे डुनान्ट, बेलायतको एस्पिया स्पेसका फ्रेडी कालाइट्जिस र डरहम विश्वविद्यालयकी एरिन हार्भे अन्य अनुसन्धानकर्ता हुन्।
त्यस्तै, काठमाडौंस्थित राष्ट्रसंघीय आवासीय नियोगको कार्यालयसँग सम्बद्ध रगिन्द्रमान राजभण्डारी र स्टिने हाइसेलबर्ग पनि अनुसन्धानका सहलेखक छन्।
अनुसन्धानमा नेपालसँग सम्बन्धित 'सजग–नेपाल' परियोजनाको सहयोग रहेको उल्लेख छ।
लेखकहरूले आफ्नो अनुसन्धानमा मानवीय सहायतासम्बन्धी संस्थाहरूको आवश्यकतालाई पनि ध्यानमा राखेको बताएका छन्।
पुरानो जोखिम नक्सा र नयाँ प्रविधिमा के फरक छ?
नेपालमा पहिरोको जोखिम देखाउने नक्सा यसअघि पनि बनाइएका छन्।
ती नक्साले भिरालो जमिन, भूगर्भ र विगतका पहिरोजस्ता आधारमा कुन क्षेत्र तुलनात्मक रूपमा बढी जोखिमयुक्त छ भन्ने देखाउन सक्छन्।
तर कुनै ठाउँ पहिरोका दृष्टिले जोखिमयुक्त हुनु र त्यहाँ आगामी दुई सातामा पहिरोको असर पर्ने सम्भावना बढ्नु फरक कुरा हुन्।
यसलाई एउटा उदाहरणबाट बुझौं।
कुनै गाउँको माथिल्लो भाग निकै भिरालो छ। त्यहाँ पहिरोको दीर्घकालीन जोखिम हुन सक्छ।
तर केही साता पानी कम परेको छ भने तत्काल जोखिम तुलनात्मक रूपमा कम हुन सक्छ।
त्यही क्षेत्रमा लगातार पानी परेको छ र आगामी दिनमा पनि भारी वर्षा हुने अनुमान छ भने परिस्थिति बदलिन सक्छ।
पुरानो जोखिम नक्साले जमिनको संवेदनशीलता देखाउँछ। नयाँ प्रविधिले त्यसमा पछिल्लो वर्षा र आगामी मौसमको अनुमान जोडेर निश्चित अवधिको जोखिम आकलन गर्ने प्रयास गर्छ।
यसको अर्थ पुरानो नक्सा काम नलाग्ने भयो भन्ने होइन।
अनुसन्धानकर्ताहरूले पनि आफ्नो प्रविधि पहिलेदेखि प्रयोग भइरहेका पहिरो जोखिम मूल्यांकनका विधिलाई सहयोग गर्ने उद्देश्यले बनाइएको स्पष्ट पारेका छन्।
पहिरो जाने ठाउँ होइन, असर पर्ने जिल्ला
यो अनुसन्धान बुझ्दा अर्को एउटा महत्त्वपूर्ण भिन्नता छुटाउनु हुँदैन।
यसले पहिरो खस्ने निश्चित स्थान पत्ता लगाउने दाबी गरेको छैन।
यसको उद्देश्य जिल्लागत रूपमा पहिरोबाट असर पर्ने सम्भावना अनुमान गर्नु हो।
मानौं, कुनै मोडलले आगामी दुई सातामा एउटा जिल्लामा पहिरोको असर पर्ने सम्भावना बढी देखायो।
यसको अर्थ त्यस जिल्लाका सबै गाउँ जोखिममा छन् भन्ने होइन। न त निश्चित सडक, घर वा बस्तीमा पहिरो जान्छ भन्ने प्रमाण हो।
जिल्लाभित्र कुन बस्ती बढी जोखिममा छ भन्ने पत्ता लगाउन थप स्थानीय अध्ययन, भौगर्भिक जानकारी र स्थलगत अनुगमन आवश्यक हुन्छ।
यही कारण जिल्लागत पूर्वानुमानलाई स्थानीय चेतावनी प्रणालीको विकल्प मान्न मिल्दैन।
स्थानीय सरकारलाई के फाइदा हुन सक्छ?
नेपालमा पहिरोको खबर प्रायः घटना भइसकेपछि आउने गर्छ।
सडक अवरूद्ध भएपछि डोजर पठाइन्छ। बस्तीमा क्षति भएपछि उद्धार टोली परिचालन हुन्छ। विस्थापित परिवारलाई त्यसपछि राहतको व्यवस्था गरिन्छ।
तर दुई साताअगाडि कुनै जिल्लामा पहिरोको सम्भावना बढेको जानकारी प्राप्त भए तयारीको समय मिल्न सक्छ।
उदाहरणका लागि, कुनै ग्रामीण सडक बारम्बार पहिरोले अवरूद्ध हुने गरेको छ भने स्थानीय सरकारले वर्षा तीव्र हुनुअघि नै त्यसको अवस्था जाँच्न सक्छ।
जोखिममा रहेका परिवारसँग सम्पर्क गर्न सक्छ। विद्यालय, स्वास्थ्य संस्था र स्थानीय उद्धार टोलीलाई सतर्क गराउन सक्छ।
वर्षा याममा सडकमार्फत औषधि र खाद्यान्न पुर्याउन कठिन हुने स्थानमा अत्यावश्यक सामग्री पहिले नै व्यवस्था गर्न सकिन्छ।
तर यी नयाँ प्रविधिको सम्भावित उपयोगका उदाहरण हुन्। अनुसन्धानले यस्ता तयारीबाट कति जनधनको क्षति रोकिन सक्छ भन्ने प्रमाणित गरेको छैन।
के यो प्रविधि अहिले नेपालमा चलिरहेको छ?
अनुसन्धानको परीक्षण सफल हुनु र त्यसलाई सरकारी चेतावनी प्रणालीका रूपमा नियमित सञ्चालन गर्नु दुई अलग कुरा हुन्।
प्रकाशित अनुसन्धानको उपलब्ध विवरणबाट यो विधि नेपालका विपद व्यवस्थापन निकाय वा स्थानीय सरकारहरूले नियमित प्रयोग गर्न थालिसकेका छन् भन्ने पुष्टि हुँदैन।
त्यस्तै सन् २०२५ र २०२६ को मनसुनमा यसको नतिजा कस्तो रह्यो भन्ने पनि उपलब्ध विवरणमा स्पष्ट छैन।
त्यसैले अहिले कुन जिल्लामा आगामी १४ दिनमा पहिरोको असर पर्ने सम्भावना बढी छ भन्ने सूची यो अनुसन्धानका आधारमा दिन मिल्दैन।
यसका लागि अद्यावधिक मौसम पूर्वानुमान, नयाँ तथ्यांक र नियमित रूपमा सञ्चालन गरिएको मोडलको नतिजा चाहिन्छ।
अनुसन्धानले देखाएको उपलब्धि भने महत्त्वपूर्ण छ।
नेपालजस्तो मनसुनमा बारम्बार पहिरोको असर बेहोर्ने देशमा विपद भइसकेपछि मात्र प्रतिक्रिया जनाउने पुरानो अभ्यासबाट पहिल्यै तयारी गर्ने दिशामा यसले एउटा वैज्ञानिक सम्भावना प्रस्तुत गरेको छ।
अब मुख्य प्रश्न यो प्रविधिले अनुसन्धानको परीक्षणमा कस्तो नतिजा दियो भन्ने मात्र होइन।
यो विधिलाई नियमित र भरपर्दो बनाउन सकिन्छ कि सकिँदैन? अनि जोखिमको पूर्वसूचना स्थानीय सरकार र नागरिकसम्म समयमै पुर्याएर त्यसलाई वास्तविक तयारीमा बदल्न सकिन्छ कि सकिँदैन?
यसको व्यावहारिक सफलता यसमै निर्भर हुनेछ।
***
-ink-1789708943.jpeg)
