पुराच्या विनाशकारी घटना हजारो नागरिकांच्या मृत्यूंचे आणि विस्थापनाचे कारण ठरत आहेत. पाणी किती अनपेक्षित आणि संहारक रूप धारण करू शकते या भीषण वास्तवाची जाणीव या आपत्ती आपल्याला करून देतात. या वाढत्या असुरक्षिततेची गंभीर दखल घेत भारतीय तंत्रज्ञान संस्था (आयआयटी) मुंबई येथील संशोधकांनी दुहेरी कार्यपद्धतीवर आधारित एक प्रगत कृत्रिम बुद्धिमत्ता (एआय) प्रणाली विकसित केली आहे. पुढील पुराचा धोका कुठे आहे या पूर्वानुमानाबरोबर पुरामुळे पाण्याची पातळी किती वाढेल, याचाही अचूक अंदाज वर्तवण्यास ही प्रणाली सक्षम आहे. 

उपग्रहाकडून प्राप्त डेटा आणि प्रगत मशीन लर्निंग तंत्र यांचा उपयोग करून संशोधकांनी पुराचा धोका असलेली क्षेत्रे ९३% अधिक अचूकतेने ओळखू शकणारी उच्च-रिझोल्यूशन मॅपिंग प्रणाली विकसित केली आहे. दक्षिण भारतातील पश्चिम घाटाच्या किनारपट्टीवरील कर्नाटकच्या उत्तर कन्नड जिल्ह्यातील ताद्रीपासून ते थेट कन्याकुमारीपर्यंतच्या तब्बल ५५,००० चौरस किलोमीटर क्षेत्रफळाचा समावेश या प्रणालीत करण्यात आला आहे. ही नवीन प्रणाली भारतातील सर्वाधिक संवेदनशील किनारपट्टी भागात राहणाऱ्या कोट्यवधी नागरिकांच्या संरक्षणासाठी एक प्रभावी साधन ठरणार आहे.

पुराचे अंदाज वर्तवणाऱ्या पारंपरिक पद्धती प्रामुख्याने भूतकाळातील पर्जन्यमानाची विस्तृत आकडेवारी आणि प्रत्यक्ष संवेदक (सेन्सर्स) यावर अवलंबून असायच्या. मात्र, आयआयटी मुंबईच्या डॉ. कशिश साधवानी आणि प्राध्यापक टी. आय. एल्दो या संशोधकांनी ‘पॅटर्न रेकग्निशन’ (आकृतिबंधांचे विश्लेषण) तंत्रावर भर दिला असून, यासाठी पूर स्थितीला कारणीभूत ठरणाऱ्या अनेक महत्त्वाच्या घटकांचे सखोल विश्लेषण केले आहे.

विशेष म्हणजे या अभ्यासामध्ये असे आढळून आले की पर्जन्यमानाच्या प्रमाणापेक्षा भूपृष्ठावरून वाहून जाणारे पाणी (पृष्ठवाह, म्हणजेच सरफेस रनऑफ) हा पुराचा अंदाज वर्तवण्यासाठी अधिक महत्त्वपूर्ण आणि निर्णायक घटक आहे.

याविषयी सविस्तर माहिती देताना डॉ. साधवानी यांनी स्पष्ट केले, “पूर येण्यास कारणीभूत असणारा प्राथमिक घटक जरी पाऊस असला, तरी एखाद्या ठिकाणी पाणी भरण्यास पाऊस थेट कारणीभूत ठरत नाही. पृष्ठवाह (सरफेस रनऑफ) हा तिथल्या संपूर्ण भूप्रदेशाचा एकत्रित जलशास्त्रीय प्रतिसाद असतो. यामध्ये पावसाचा जोर, मातीतील ओलावा, जमिनीचा वापर, पाणी शोषून घेण्याची क्षमता आणि पाण्याचा निचरा होण्याची वैशिष्ट्ये या सर्वांचा एकत्रित परिणाम दिसून येतो.”

या माहितीवर प्रक्रिया करण्यासाठी संशोधकांनी द्वि-स्तरीय कार्यपद्धतीचा अवलंब केला. पहिल्या टप्प्यात, एका वर्गीकरण करू शकणाऱ्या ‘क्लासिफिकेशन मॉडेल’ द्वारे त्यांनी एखाद्या क्षेत्राला पुराचा धोका आहे की नाही हे निश्चित केले. त्यानंतर, एका ‘रिग्रेशन मॉडेल’ द्वारे त्यांनी तिथे साचू शकणाऱ्या संभाव्य पाण्याच्या खोलीचा अंदाज वर्तवला, ज्यामुळे पुराच्या संभाव्य व्याप्तीचा एक सलग नकाशा तयार करता आला. या मॉडेलना प्रशिक्षित करण्यासाठी संशोधकांनी युरोपियन स्पेस एजन्सीच्या ‘सेंटिनेल-१’ उपग्रहाच्या ‘सिंथेटिक अ‍ॅपर्चर रडार’ (एसएआर) प्रतिमांचा वापर केला. हे रडार मान्सूनच्या दाट ढगांमधूनही जमिनीचा अचूक वेध घेण्यास सक्षम आहे. भूतकाळातील पूर येण्यापूर्वीच्या आणि पुरादरम्यानच्या उपग्रह-प्राप्त प्रतिमांची तुलना करून, हे मॉडेल साचून राहिलेले पाणी दर्शविणाऱ्या गडद रंगांच्या छटा ओळखायला शिकले. 

या द्विस्तरीय मॉडेलद्वारे ३० मीटरच्या ग्रीडपर्यंतचे उच्च-रिझोल्यूशन नकाशे मिळू शकतात, परंतु सध्या यात सुमारे ०.९९ मीटरपर्यंत त्रुटी (आरएमएसई) असू शकते. नागरी नियोजनाच्या दृष्टीने सुमारे एक मीटरची तफावत तशी मोठी असली, तरी या प्रणालीचे सध्याचे खरे महत्त्व तिच्या व्यापकतेमध्ये आणि वेगवान कार्यक्षमतेमध्ये आहे, असे डॉ. साधवानी नमूद करतात.

“हे मॉडेल प्रादेशिक स्तरावर अतिशय वेगाने पुराचे मूल्यमापन करण्यासाठी रचले आहे. याची संगणकीय कार्यक्षमता अत्यंत उच्च असून, मोठ्या क्षेत्रावरील पुराची व्याप्ती आणि पुराच्या पाण्याची खोली याविषयीची माहिती अल्पावधीत तयार करण्याची क्षमता यात आहे. यामुळे आपत्तीच्या प्रारंभिक टप्प्यात आपत्कालीन नियोजन करताना, संवेदनशील क्षेत्रांना प्राधान्य देण्यासाठी आणि आपत्कालीन बचाव कार्यात उपयोगासाठी ही प्रणाली विशेष मोलाची ठरते,” असे डॉ. साधवानी म्हणाले.

ही प्रणाली सध्या ७ टक्क्यांपेक्षा कमी उतार असलेल्या भूप्रदेशांवर मुख्यतः लक्ष केंद्रित करते. अभ्यासात नमूद केल्यानुसार हे जाणीवपूर्वक आणि पद्धतशीरपणे ठरवलेले आहे. अभ्यासात स्पष्ट केले आहे की “उपग्रहाद्वारे प्रतिमा टिपताना पाण्याच्या संभाव्य हालचालींचा विचार करून, एसएआर प्रतिमांच्या सहाय्याने पुराच्या पाण्याचे अचूक नकाशे तयार करता यावेत यासाठी पुराच्या पाण्याची खोली मोजण्याचे काम ७ टक्क्यांपेक्षा कमी उतार असलेल्या क्षेत्रांपुरतेच मर्यादित ठेवण्यात आले होते”. 

याव्यतिरिक्त, अधिक तीव्र उतार असलेल्या प्रदेशांमध्ये, रडार संकेतांवर ‘शॅडो’ (सावल्या) आणि ‘लेओव्हर’ (उंच वस्तूंची दोषपूर्ण प्रतिमा तयार होणे) यांसारख्या भौमितिक विकृतींचा (जिओमेट्रिक डिस्टॉर्शन) विपरीत परिणाम होतो. तसेच, उपग्रहाद्वारे प्रतिमा घेण्याच्या प्रक्रियेदरम्यान पाण्याच्या वेगवान हालचालींमुळे पुराची व्याप्ती आणि खोली निश्चित करताना त्रुटी निर्माण होऊ शकतात. त्यामुळे, उताराची ही ७ टक्क्यांची मर्यादा लागू केल्याने उपग्रहाद्वारे मिळालेल्या माहितीवरून काढलेली पुराच्या पाण्याची खोली अधिक विश्वसनीय आणि भौगोलिकदृष्ट्या सुसंगत राहण्यास मदत होते. 

केरळ आणि कर्नाटक या राज्यांसाठी ही प्रणाली अत्यंत महत्त्वपूर्ण आणि क्रांतिकारी ठरू शकते. ज्या भागांमध्ये चिकणमातीयुक्त मृदेमुळे पाणी साचून राहते आणि जिथे प्रामुख्याने सखल किनारपट्टीतील मैदानी प्रदेश आहेत, तिथे ३० मीटर रिझोल्यूशनचा नकाशा स्थानिक प्रशासनाला कोणते रुग्णालय, शाळा किंवा रस्ता पाण्याखाली जाण्याची सर्वाधिक शक्यता आहे, हे पाहण्यास सक्षम करू शकतो.

या प्रणालीची उपयुक्तता अधोरेखित करताना डॉ. साधवानी म्हणाले की, “हे मॉडेल पूर प्रवण क्षेत्रांची अचूक ओळख पटवून नागरी नियोजन आणि भू-वापर व्यवस्थापनाला योग्य दिशा देऊ शकते”, तसेच, “ स्थानिक प्रशासनाला आपत्कालीन परिस्थितीत संसाधनांचा प्रभावीपणे वाटप करण्यासाठी आणि नागरिकांना सुरक्षित स्थळी हलवण्याच्या व मदतकार्याच्या दृष्टीने संवेदनशील क्षेत्रांना प्राधान्य देण्यास सक्षम करून, आपत्ती व्यवस्थापन सज्जता आणि बचावकार्यात ही प्रणाली अत्यंत महत्त्वपूर्ण भूमिका बजावू शकते”.

सदर अभ्यासामध्ये दक्षिण भारताच्या पश्चिम किनारपट्टीच्या दक्षिणी भागावर लक्ष केंद्रित करण्यात आले असले, तरी हे मॉडेल मुंबईसारख्या गुंतागुंतीच्या शहरी केंद्रांसाठी किंवा पूर्व किनारपट्टीच्या भागांसाठी देखील वापरण्यास सज्ज आहे, असा विश्वास संशोधकांनी व्यक्त केला आहे. मात्र, या नवीन क्षेत्रांचा अभ्यास करताना नवीन घटकांचा (व्हेरिएबल्स) विचार करावा लागेल आणि या मॉडेलचे पुन्हा अंशांकन (रिकॅलिब्रेशन) व पुन्हा प्रशिक्षण करणे आवश्यक ठरू शकते.

या आव्हानांविषयी स्पष्टीकरण देताना डॉ. साधवानी म्हणाले, “किनारपट्टीच्या परिसंस्थेमध्ये भरती-ओहोटीमुळे बदलणारी पाण्याची पातळी, चक्रीवादळामुळे येणाऱ्या लाटा (स्टॉर्म सर्जेस), समुद्राच्या जलस्तरातील बदल आणि पाण्याचा उलट प्रवाह (ड्रेनेज बॅकफ्लो) यांसारखी अतिरिक्त गुंतागुंत निर्माण होते. हे किनारपट्टी-विशिष्ट निकष सध्याच्या प्रणालीमध्ये समाविष्ट करून या कार्यपद्धतीचा तेथेही प्रभावीपणे वापर केला जाऊ शकतो.”

हवामान बदलामुळे तीव्र हवामानाच्या घटना सातत्याने वाढत असताना, ही कृत्रिम बुद्धिमत्ता (एआय) प्रणाली हवामानाचा अंदाज वर्तवण्यापलीकडचे काम करते; ती आपत्ती व्यवस्थापन यंत्रणांना पूर्वतयारी आणि योग्य नियोजन करण्यास सक्षम करते, ज्यामुळे पुरामुळे होणारे नुकसान कमी करता येईल आणि प्रादेशिक पातळीवर आपत्तीचा सामना करण्याची क्षमता अधिक मजबूत करता येईल.