IMD Weather Forecast: ଏଣିକି ପାଣିପାଗ ପୂର୍ବାନୁମାନ କରିବ ଏଆଇ-ଏମଏଲ; ଜାଣନ୍ତୁ କିପରି
Advertisement

IMD Weather Forecast: ଏଣିକି ପାଣିପାଗ ପୂର୍ବାନୁମାନ କରିବ ଏଆଇ-ଏମଏଲ; ଜାଣନ୍ତୁ କିପରି

IMD Doppler Weather Radar:  ଏଣିକି କୃତ୍ରିମ ବୁଦ୍ଧିମତା ଏବଂ ଯାନ୍ତ୍ରିକ ଶିକ୍ଷା ବ୍ୟବହାର କରି ଦେଶରେ ପାଣିପାଗ ସମ୍ପର୍କରେ ପୂର୍ବାନୁମାନ କରିବ ଆଇଏମଡ଼ି।

ପ୍ରତୀକାତ୍ମକ ଫଟୋ

AI Based Weather Forecasting in India: ଏଣିକି ଦେଶରେ ପାଣିପାଗ ସମ୍ପର୍କରେ ପୂର୍ବାନୁମାନ କରିବ ଏଆଇ-ଏମଏଲ। ପାଣିପାଗ ବିଭାଗ (ଆଇଏମଡ଼ି) ନିର୍ଦ୍ଦେଶକ ଡକ୍ଚର ମୃତ୍ୟୁଞ୍ଜୟ ମହାପାତ୍ର ଜଣାଇଛନ୍ତି। ଏନେଇ ଆଇଏମଡ଼ି ନିର୍ଦ୍ଦେଶକ କହିଛନ୍ତି ଯେ ପାଣିପାଗ ପୂର୍ବାନୁମାନକୁ ଅଧିକ ସଠିକ୍ କରିବା ପାଇଁ ଦେଶର ପାଣିପାଗ ବିଜ୍ଞାନୀ କୃତ୍ରିମ ବୁଦ୍ଧିମତା (ଏଆଇ) ଏବଂ ଯାନ୍ତ୍ରିକ ଶିକ୍ଷା (ଏମଏଲ) ବ୍ୟବହାର କରିବା ଆରମ୍ଭ କରିଛନ୍ତି। ଆସନ୍ତା କିଛି ବର୍ଷ ମଧ୍ୟରେ ନୂତନ ପ୍ରଯୁକ୍ତିବିଦ୍ୟା ପାଣିପାଗ ପୂର୍ବାନୁମାନ ମଡେଲ ପୂରକ ହୋଇଯିବ। ପ୍ରଯୁକ୍ତିବିଦ୍ୟା ବ୍ୟବହାର ମାଧ୍ୟମରେ ଅଧିକ ସଠିକ୍ ଭବିଷ୍ୟବାଣୀ କରିବା ବର୍ତ୍ତମାନ ସହଜ ହେବ। ପଞ୍ଚାୟତ ସ୍ତରରେ କିମ୍ବା ୧୦ ବର୍ଗ କିଲୋମିଟର ଠାରୁ ଅଧିକ ଅଞ୍ଚଳରେ ପାଣିପାଗ ସମ୍ପର୍କିତ ପୂର୍ବାନୁମାନ କରିବା ପାଇଁ ଆଇଏମଡ଼ି ଏହାର ପର୍ଯ୍ୟବେକ୍ଷଣ ବ୍ୟବସ୍ଥାକୁ ବିସ୍ତାର କରିବାକୁ ନିଷ୍ପତ୍ତି ନେଇଛି।

କମାଲ କରି ଦେଖାଇଲା ୱେଦର ରାଡା଼ର (IMD Weather Radar)
ଆଇଏମଡ଼ି ନିର୍ଦ୍ଦେଶକ ଡକ୍ଚର ମୃତ୍ୟୁଞ୍ଜୟ ମହାପାତ୍ର କହିଛନ୍ତି ପାଣିପାଗ ବିଭାଗ ୩୯ ଡୋପଲର ୱେଦର ରାଡାର (IMD Doppler Weather Radar) ସହ ଜଡ଼ିତ ଏକ ନେଟୱାର୍କ ନିୟୋଜିତ କରିଛି। ଯାହା ଦେଶର ୮୫% ଅଞ୍ଚଳକୁ ଅନ୍ତର୍ଭୂକ୍ତ କରୁଛି ଏବଂ ଦେଶର ପ୍ରମୁଖ ସହର ପାଇଁ ପ୍ରତି ଘଣ୍ଟାରେ ପାଣିପାଗ ସମ୍ପର୍କିତ ପୂର୍ବାନୁମାନ କରିଥାଏ। ଆମେ ସୀମିତ ଉପାୟରେ କୃତ୍ରିମ ବୁଦ୍ଧିମତା (Artificial Intelligence) ବ୍ୟବହାର କରିବା ଆରମ୍ଭ କରିଛୁ। ଆସନ୍ତା ବର୍ଷ ମଧ୍ୟରେ ଏଆଇ ଆମର ମଡେଲ (AI Weather Model India) ଏବଂ କୌଶଳକୁ ଯଥେଷ୍ଟ ଉନ୍ନତ କରିବ। 

ଗତ ୧୯୦୧ ମସିହାରୁ ଆଇଏମଡି ଦେଶର ପାଣିପାଗ ରେକର୍ଡ ଡିଜିଟାଲାଇଜେସନ୍ (Weather Records Digitization) କରିସାରିଛି। ଯାହା ମାଧ୍ୟମରେ କୃତ୍ରିମ ବୁଦ୍ଧିମତାକୁ ପାଣିପାଗର ଢାଞ୍ଚା ବିଷୟରେ ବିଶ୍ଳେଷଣ ତଥା ସୂଚନା ପାଇବା ପାଇଁ ବ୍ୟବହାର କରାଯାଇପାରିବ। କୃତ୍ରିମ ବୁଦ୍ଧିମତା ମଡେଲ (Artificial Intelligence Model) ହେଉଛି ଡାଟା ସାଇନ୍ସ ମଡେଲ (Data Science Model)। ଯାହା ପାଣିପାଗ ସମ୍ବନ୍ଧୀୟ ଘଟଣାର ଭୌତିକ ଦିଗରେ ପ୍ରବେଶ କରେ ନାହିଁ। ବରଂ ଏହା ବଦଳରେ ଅତୀତର ତଥ୍ୟ ବ୍ୟବହାର କରେ। ଯାହାକୁ ପାଣିପାଗ ସମ୍ପର୍କିତଦ ଉତ୍ତମ ଭବିଷ୍ୟବାଣୀ କରିବାରେ ବ୍ୟବହାର କରିହେବ।

କୃତ୍ରିମ ବୁଦ୍ଧିମତା ବ୍ୟବହାର ପାଇଁ ପୃଥିବୀ ଭୂବିଜ୍ଞାନ ମନ୍ତ୍ରଣାଳୟ ଏବଂ ଆଇଏମଡି ପକ୍ଷରୁ ବିଶେଷଜ୍ଞ ଗୋଷ୍ଠୀ ଗଠନ କରାଯାଇଛି। ପାଣିପାଗ ପୂର୍ବାନୁମାନର ସଠିକତାକୁ ସୁଦୃଢ କରିବା ପାଇଁ ଉଭୟ କୃତ୍ରିମ ବୁଦ୍ଧିମତା ଏବଂ ସଂଖ୍ୟାତ୍ମକ ପୂର୍ବାନୁମାନ ମଡେଲ ପରସ୍ପରର ପରିପୂରକ ହେବେ ଏବଂ ଉଭୟେ ମିଳିତ ଭାବେ କାର୍ଯ୍ୟ କରିବେ। କେହି କାହାର ସ୍ଥାନ ନେଇପାରିବେ ନାହିଁ। ସ୍ଥାନୀୟ ସ୍ତରରେ ପାଣିପାଗ ପୂର୍ବାନୁମାନ ପ୍ରଦାନର ଆବଶ୍ୟକତା ଉପରେ ନିର୍ଦ୍ଦିଷ୍ଟ ବିପଦ ପାଇଁ ଗ୍ରାମ ସ୍ତରୀୟ ପୂର୍ବାନୁମାନ ଯୋଗାଇବାରେ ଆଇଏମଡ଼ି ସାମ୍ନା କରୁଥିବା ଆହ୍ୱାନକୁ ସ୍ୱୀକାର କରିଥିଲେ ନିର୍ଦ୍ଦେଶକ ଡକ୍ଚର ମୃତ୍ୟୁଞ୍ଜୟ ମହାପାତ୍ର। ଏନେଇ ସେ କହିଛନ୍ତି ଯେ ଆମର ଲକ୍ଷ୍ୟ ହେଉଛି ପଞ୍ଚାୟତ କିମ୍ବା ଗ୍ରାମ ସ୍ତରରେ ପୂର୍ବାନୁମାନ କରିବା। ଯାହା କୃଷି, ସ୍ୱାସ୍ଥ୍ୟ, ସହରୀ ନିୟୋଜନ, ଜଳ ବିଜ୍ଞାନ ଏବଂ ପରିବେଶରେ କ୍ଷେତ୍ର ନିର୍ଦ୍ଦିଷ୍ଟ ଆବଶ୍ୟକତା ପାଇଁ ପାଣିପାଗ ସୂଚନା ପ୍ରଦାନ କରିବା।

ସହଜରେ ଉପଲବ୍ଧ ସୂଚନା ଯୁଗରେ ତଥ୍ୟ ଭିତ୍ତିକ ନିଷ୍ପତ୍ତି ଗ୍ରହଣ ଉପରେ ଆଇଏମଡି ମୁଖ୍ୟ ଗୁରୁତ୍ୱାରୋପ କରିଥିଲେ। ଏନେଇ ସେ କହିଛନ୍ତି ଯେ କୃତ୍ରିମ ବୁଦ୍ଧିମତା ଏବଂ ଯାନ୍ତ୍ରିକ ଶିକ୍ଷା ଅନ୍ତର୍ଭୂକ୍ତ କରିବା ଦ୍ୱାରା ଆମକୁ ମୂଲ୍ୟବାନ ତଥ୍ୟ ହାସଲ କରିବା ଏବଂ ପାରମ୍ପାରିକ ପଦାର୍ଥ ବିଜ୍ଞାନ ଭିତ୍ତିକ ମଡେଲ ଉପରେ ନିର୍ଭର ନକରି ପାଣିପାଗ ପୂର୍ବାନୁମାନର ସଠିକତାକୁ ଉନ୍ନତ କରିବା ପାଇଁ ଅତୀତର ତଥ୍ୟ ବ୍ୟବହାର କରିବାକୁ ଅନୁମତି ଦେଇଥାଏ। ଯାନ୍ତ୍ରିକ ଶିକ୍ଷା ହେଉଛି (Machine Learning) ଏବଂ କମ୍ପ୍ୟୁଟର ବିଜ୍ଞାନର (Computer Science) ଏକ ଶାଖା ଯାହା ତଥ୍ୟର ବ୍ୟବହାର ଉପରେ ଧ୍ୟାନକେନ୍ଦ୍ରୀତ କରିଥାଏ।

ପାଣିପାଗର ପୂର୍ବାନୁମାନ ଉପରେ ଜଳବାୟୁ ପରିବର୍ତ୍ତନର ପ୍ରଭାବ ବିଷୟରେ, ଆଇଏମଡି ମୁଖ୍ୟ ଅତ୍ୟଧିକ ଉତ୍ତାପ କାରଣରୁ ମଧ୍ୟମ ସ୍ତରର "କନଭେକ୍ଟିଭ୍" ବାଦଲ (Convective Clouds) ଆବରଣ ଭଳି ପାଣିପାଗ ଘଟଣା ବିଷୟରେ ଉଲ୍ଲେଖ କରିଛନ୍ତି। ଯାହା ଦ୍ୱାରା ସ୍ଥାନୀୟ ସମ୍ପ୍ରଦାୟକୁ ପ୍ରଭାବିତ ହେଉଛି। ଏହାର ମୁକାବିଲା ପାଇଁ ଆଇଏମଡି ଡୋପଲର ୱେଦର ରାଡାର ନିୟୋଜିତ କରିଛି। ଯାହା ଦେଶର ୮୫ ଭୂଭାଗକୁ ଅନ୍ତର୍ଭୂକ୍ତ କରୁଛି। ୩୫୦ ମିଟର ପ୍ରତି ପିକ୍ସେଲ ରିଜୋଲ୍ୟୁସନ୍ ସହିତ ଏହି ଉନ୍ନତ ରାଡାର "କନଭେକ୍ଟିଭ୍" ବଦାଲ ଚିହ୍ନଟ କରିବାରେ ସକ୍ଷମ। ଯାହା ପ୍ରବଳ ବର୍ଷା ଏବଂ ବାତ୍ୟା କିମ୍ବା ଝଡ଼ ତୋଫାନା ଭଳି ପ୍ରାକୃତିକ ବିପର୍ଯ୍ୟୟର ପୂର୍ବାନୁମାନ ସଠିକତାକୁ ବଢାଇଥାଏ।