हमें रोजमर्रा की जिंदगी के लिए मौसम पूर्वानुमान को मुख्यधारा में लाना चाहिए: आईएमडी प्रमुख

भारत मौसम विज्ञान विभाग (आईएमडी), देश की राष्ट्रीय मौसम विज्ञान सेवा की स्थापना वर्ष 1875 में हुई थी जो 15 जनवरी को अपने 150वें वर्ष में प्रवेश कर गया। ज‍िस साल यह मुकाम हासिल हुआ, उस साल भी देश मौसम संबंधी बदलावों से गुजर रहा। भारत में अब तक कमजोर सर्दी का अनुभव हो रहा है और कुल मिलाकर मौसम में बड़े बदलाव हो रहे हैं। ये बदलाव साल दर साल हो रहे। उदाहरण के लिए, 2013-2022 तक भारत के औसतन 29% भूमि क्षेत्र में प्रति वर्ष तीन महीने तक अत्यधिक सूखा पड़ा। प्रति वर्ष कम से कम एक महीने अत्यधिक सूखे का सामना करने वाली भूमि की मात्रा 1951-1960 से 2013-2022 तक 138% बढ़ गई है। लू, अत्यधिक वर्षा, बाढ़, सूखा, भूस्खलन, चक्रवात और अन्य मौसम की घटनाओं की तीव्रता और आवृत्ति हर साल बदल रही है।

इंडियास्पेंड ने आईएमडी के 58 वर्षीय महानिदेशक मृत्युंजय महापात्र से एजेंसी की मौसम पूर्वानुमान की सटीकता, प्रौद्योगिकी में सुधार की आवश्यकता, जलवायु परिवर्तन की भूमिका और आईएमडी की भविष्य की योजनाओं से जुड़ी चिंताओं पर बात की।

साक्षात्कार के संपादित अंश:

आईएमडी अपने 150वें वर्ष में प्रवेश कर चुका है, आपके विचार क्या हैं और आने वाले वर्ष के लिए क्या योजनाएं हैं?

वर्ष 1875 में जब शुरुआत हुई थी, तब से अब तक आईएमडी की यात्रा व‍िकाय के कई चरणों से गुजरी है। हुआ यूं कि 5 अक्टूबर 1864 को एक भयंकर चक्रवात आया और कलकत्ता को तबाह कर दिया, जिसमें 80,000 लोग मारे गये। उसी वर्ष आंध्र प्रदेश में मछलीपट्टनम में आए चक्रवात से 40,000 लोग मारे गए। इस घटना के बाद 1866 में मानसून की विफलता के कारण अकाल पड़ा और उसके बाद 1871 में एक और अकाल पड़ा। इन सबके कारण तत्कालीन सरकार को एक मौसम विज्ञान समिति का गठन करना पड़ा। हेनरी फ्रांसिस ब्लैनफोर्ड को इंपीरियल मौसम विज्ञान रिपोर्टर के रूप में नियुक्त किया गया था। उन्‍होंने 15 जनवरी, 1875 को मुंबई में ज्‍वाइन क‍िया और इसीलिए हम उस दिन को आईएमडी के स्थापना दिवस के रूप में मनाते हैं।

अब हमारे पास 1,000 से अधिक स्वचालित मौसम स्टेशन, 6,000 वर्षामापी और 550 विभागीय देखभाल चौकी है।

हमारे सभी वैज्ञानिक हस्तक्षेपों के साथ हम एक लंबा सफर तय कर चुके हैं। लेकिन कुछ वैज्ञानिक कमियां हैं। हमें बिजली गिरने और बादल फटने के पूर्वानुमानों में सुधार करने की आवश्यकता है- इसके पूर्वानुमान के लिए अभी तक पूरी दुनिया में कोई सुविधा नहीं है। हमने डॉपलर राडार की संख्या में वृद्धि की है। लेकिन पूर्वानुमानों को बेहतर बनाने के लिए हमें अपने बुनियादी ढांचे में और सुधार करना होगा। इसके लिए मॉडलों में सुधार की आवश्यकता है जो केवल उच्च कंप्यूटिंग शक्ति और मॉडलों के बेहतर रिज़ॉल्यूशन के साथ ही संभव है। हमारी महत्वाकांक्षी योजना है कि हर घर और हर व्यक्ति को पूर्वानुमान मिले।

क्या यहीं से आईएमडी के लिए आर्टिफिशियल इंटेलिजेंस सामने आता है?

अगले पांच वर्षों में एआई और मशीन लर्निंग हमारे निर्णय लेने, पूर्वानुमान सटीकता में सुधार करने में मदद करेगी और यह क्षेत्रीय अनुप्रयोगों में मदद करेगी। उदाहरण के लिए हम ब्लॉक से गांव स्तर तक कृषि मौसम सेवाओं (खेती के लिए पूर्वानुमान) को लेकर कैसे पहुंच सकते हैं? इसी प्रकार, शहरी क्षेत्रों में, हम शहरी बाढ़ के लिए प्रत्येक वार्ड तक कैसे पहुँच सकते हैं? एआई संख्यात्मक मॉडल को बढ़ावा देगा और इन सभी चीजों को करने के लिए, आपको कंप्यूटिंग प्लेटफॉर्म की आवश्यकता है जिसे हम आईएमडी के भीतर विकसित कर रहे हैं। साथ ही हमने आठ स्टार्टअप एजेंसियों की पहचान की है और भविष्य में उपकरण और प्रौद्योगिकी विकसित करने के लिए उनका समर्थन करेंगे।

एआई, हमारे मॉडल और हमारी मानव पूर्वानुमान क्षमताएं एक साथ कैसे काम करेंगी - खासकर इसलिए क्योंकि पृथ्वी विज्ञान मंत्रालय के एक पूर्व सचिव ने कहा था कि हमारे मॉडल में एक निश्चित पूर्वाग्रह है: यह आम तौर पर भारी वर्षा की भविष्यवाणी करता है और केवल भारी बारिश का संकेत दे सकता है।

हर दिन हम अपने सभी मॉडल मार्गदर्शन का विश्लेषण करते हैं। हमारे 26 राज्य कार्यालय अवलोकन संबंधी उत्पादों का विश्लेषण करते हैं, उत्पादों का पूर्वानुमान लगाते हैं और आम सहमति पर पहुंचते हैं। इसलिए वस्तुनिष्ठ सर्वसम्मति को देश भर के पूर्वानुमानकर्ताओं के ज्ञान और अनुभव से प्राप्त व्यक्तिपरक सहमति द्वारा नियंत्रित किया जाता है। इसके बाद ही बुलेटिन तैयार किये जाते हैं। भविष्य में भी इन प्रक्रियाओं को मशीन लर्निंग से मदद मिलेगी।

पूर्वाग्रह के प्रश्न पर आते हुए, आप सही हैं। मॉडल हमेशा वर्षा को कम आंकता है। इसीलिए हमारे पास भविष्यवक्ता हैं। यदि हम मॉडल प्रदर्शन की तुलना पूर्वानुमानकर्ताओं के प्रदर्शन से करते हैं तो मॉडल प्रदर्शन से पूर्वानुमानकर्ताओं द्वारा पूर्वानुमान सटीकता में 10-15% का सुधार होता है।

दिसंबर में तमिलनाडु के कुछ हिस्सों में 24 घंटों में 950 मिमी तक बारिश होने के बाद मुख्यमंत्री एम.के. स्टालिन ने आईएमडी की आलोचना करते हुए कहा था कि उसका पूर्वानुमान तमिलनाडु में बारिश की भयावहता बताने में विफल रहा और रेड अलर्ट बहुत देर से जारी किया गया था।

यहां दो पहलू हैं। पहली बात तो यह कि वर्षा की मात्रा क्या थी? यह लगभग 94 सेमी [940 मिमी] था। ऐसी असाधारण उच्च वर्षा की भविष्यवाणी नहीं की जाती है या मॉडलों द्वारा भविष्यवाणी नहीं की जा सकती है। फिलहाल दुनिया में जो भी मॉडल मौजूद हैं, उनमें इस तरह की बारिश का अनुमान लगाना संभव नहीं है।

हमने बेहद भारी बारिश की चेतावनी जारी की थी। लेकिन अब तक दुनिया में ऐसा कोई मॉडलिंग सिस्टम नहीं है जहां आप 24 घंटे में 90 सेमी बारिश का अनुमान लगा सकें। यह बादल फटना है और दुनिया भर में इसकी भविष्यवाणी नहीं की जा सकती। हम अपनी अवलोकन प्रणालियों में सुधार कर रहे हैं; [इसके लिए] आपको मेसोस्केल अवलोकन नेटवर्क की आवश्यकता है जो डेटा प्रदान कर सके [मेसोस्केल मौसम विज्ञान कुछ से लेकर कई सौ किलोमीटर तक के क्षैतिज पैमाने वाले वायुमंडलीय घटनाओं से संबंधित है]। उसी समय आपको डेटा के प्रसंस्करण के लिए कंप्यूटिंग सिस्टम की आवश्यकता होती है और आपको परीक्षण प्रारूप [प्रयोग के लिए एक वातावरण] में दिखाई गई भौतिक प्रक्रियाओं की कुछ प्रकार की समझ की आवश्यकता होती है तो ये सभी विज्ञान संबंधी कमियां हैं जिनके लिए आईएमडी और विभिन्न एजेंसियां मिलकर काम कर रही हैं। लेकिन अगर आप 2005 की मुंबई बाढ़ [24 घंटों में 944 मिमी बारिश], जब ऐसा कोई पूर्वानुमान नहीं था, से मरने वालों की तुलना 2023 से करें तो एक महत्वपूर्ण सुधार हुआ है।

2023 में लीड अवधि [प्रारंभिक चेतावनी] में सुधार हुआ है; हम मौसम की घटनाओं से अपेक्षित नुकसान बता रहे हैं और न केवल राज्य स्तर से बल्कि जिला स्तर, ब्लॉक स्तर और स्थान-विशिष्ट स्तर से भी पूर्वानुमान लगाया गया है।

इसके अलावा, तमिलनाडु में बादल फटने के मामले में हमने पांच दिन पहले पीला अलर्ट, फिर तीन दिन पहले नारंगी अलर्ट प्रदान किया। हमने कहा कि नारंगी चेतावनी के साथ कार्रवाई के लिए तैयार रहें। इसलिए मैं सभी आपदा प्रबंधकों और हितधारकों से अनुरोध करूंगा कि वे इन चेतावनियों पर भी ध्यान दें [और केवल रेड अलर्ट की प्रतीक्षा न करें]। प्रारंभिक चेतावनी को शीघ्र कार्रवाई द्वारा समर्थित करने की आवश्यकता है।

सरकार ने कहा था कि पिछले पांच वर्षों में पांच दिनों की लीड अवधि के साथ गंभीर मौसम पूर्वानुमानों में 40% से 50% सुधार हुआ है। क्या इसमें और सुधार किया जा सकता है?

पिछले पांच वर्षों में आईएमडी एक निर्बाध मौसम पूर्वानुमान प्रणाली लेकर आया है। पिछले पांच वर्षों की तुलना में सभी प्रकार के गंभीर मौसम के लिए पूर्वानुमान सटीकता में 40% से 50% का सुधार हुआ है। 2013 से पहले कोई 'नाउकास्टिंग' [अगले कुछ घंटों के लिए मौसम पूर्वानुमान] नहीं था जिसे 2013 में 120 स्टेशनों पर शुरू किया गया था और अब हमारे पास यह लगभग 1,200 शहरों और कस्बों में है।

अगर मैं भारी बारिश का पूर्वानुमान देखूं तो यह 24 घंटे आगे के लिए लगभग 80% तक सटीक है जो पांच साल पहले लगभग 60% हुआ करता था। यदि आप पांच-दिवसीय पूर्वानुमान पर विचार करते हैं तो वर्तमान में पूर्वानुमान सटीकता लगभग 60% है। साथ ही समान सटीकता के साथ हमारी लीड अवधि एक दिन से बढ़कर पांच दिन हो गई है।

फिर चक्रवातों के मामले में हमारी पूर्वानुमान सटीकता सभी अग्रणी देशों से बेहतर है। थंडरस्टॉर्म पूर्वानुमान की सटीकता लगभग 86% है जो 2013 में लगभग 58% थी। इसी तरह हीटवेव और कोल्डवेव की सटीकता 92% है; उल्लेखनीय सुधार हुआ है।

लेकिन बादल फटने और बिजली गिरने के पूर्वानुमान को लेकर अभी भी चुनौतियां हैं। आकाशीय बिजली गिरने से होने वाली मौतों की संख्या में कमी नहीं आई है। इसलिए हम एक अनुसंधान परीक्षण स्थल स्थापित करने जा रहे हैं जहां हम अध्ययन करेंगे और बिजली के पूर्वानुमान को बेहतर बनाने का प्रयास करेंगे। दुनिया में सिर्फ पांच देश ही ऐसा कर रहे हैं क्योंकि यहां अभी भी गैप एरिया हैं।

हमारा लक्ष्य है भारत की हर पंचायत तक पहुँचना है और सभी ग्राम-स्तरीय हितधारकों को इसमें शामिल करना चाहते हैं। उदाहरण के लिए यदि कोई व्यक्ति घर बना रहा है या कोई ठेकेदार सड़क बना रहा है, तो उन्हें इस बात पर विचार करना चाहिए कि उस स्थान की जलवायु क्या है, उस विशेष स्थान की सीमाएँ क्या हैं, उन्हें किस सामग्री का उपयोग करना चाहिए। इसलिए मैं जो चाहता हूं वह यह है कि हमें मनुष्य और समाज की प्रत्येक गतिविधि में मौसम और जलवायु की जानकारी को मुख्यधारा में लाना चाहिए।

पिछले दशक में हमने देखा कि हमारे लंबी अवधि के पूर्वानुमान [मानसून सीज़न पूर्वानुमान] दो वर्षों को छोड़कर सभी वर्षों में त्रुटि के 5% मार्जिन को पूरा नहीं कर पाए। ऐसा क्यों है, और इसे कैसे सुधारा जा सकता है?

हमारे पास दुनिया के पांच सबसे अच्छे मॉडल हैं और इससे बहुत ही छोटे पैमाने पर त्रुटि पर पूर्वानुमान सटीकता और सेवा वितरण में सुधार हुआ है। हाल के 15 वर्षों और पिछले 15 वर्षों के बीच 17% सुधार हुआ है और मुझे उम्मीद है कि हम इसमें और सुधार करेंगे।

आलोचकों का अभी भी कहना है कि आईएमडी उन सटीक क्षेत्रों का पूर्वानुमान लगाने में असमर्थ है जो एक निश्चित मौसम की घटना से प्रभावित होंगे और प्रभावित होने वाले घरों, संरचनाओं, मछली पकड़ने वाली नौकाओं, लोगों की संख्या का अनुमान लगाने में असमर्थ है। आपकी टिप्पणी?

हम आलोचना के लिए खुले हैं। हमारा प्रयास लोगों को यह दिखाने का है कि कल मौसम क्या करेगा, आबादी को, बुनियादी ढांचे को, विभिन्न समुदायों को, झुग्गी-झोपड़ियों के लोगों को, शहरों, गांवों के लोगों को। हमने ग्रामीण स्तर पर जोखिम का आकलन किया है जहां आप पता लगा सकते हैं कि कितने घर क्षतिग्रस्त होंगे, कितने बिजली के खंभे, कितने टेलीफोन के खंभे, कितना कृषि क्षेत्र प्रभावित होगा। इन सभी चीजों की गणना आजकल एक गतिशील मंच पर की जाती है और हम सरकार को होने वाले संभावित नुकसान के बारे में भी बताते हैं। लू, शीत लहर, भारी वर्षा, तूफान के संबंध में सभी सामाजिक-आर्थिक डेटा को सिस्टम में एकीकृत किया जाना है।

चूंकि आने वाले दशकों में भारतीय मौसम पर जलवायु परिवर्तन का प्रभाव और अधिक प्रमुख हो जाएगा, आईएमडी खुद को कैसे तैयार कर रहा है?

एक तो यह पता लगाना है कि जलवायु परिवर्तन हो रहा है या नहीं। हर साल जनवरी के महीने में, आईएमडी हमारे मौसम की विशेषताओं पर एक बयान जारी करता है, हमारा दीर्घकालिक डेटा क्या है, चरम सीमाएं क्या हैं और कौन से रिकॉर्ड टूटे हैं। लेकिन जलवायु परिवर्तन [मौसम की] भविष्यवाणी को सीमित कर देता है। यदि मैं किसी विशेष भारी वर्षा की घटना की भविष्यवाणी पांच दिन पहले कर सकता हूं, तो मैं केवल ढाई दिन पहले ही इसकी भविष्यवाणी कर पाऊंगा। जलवायु परिवर्तन के कारण विज्ञान सीमित हो जाता है। लेकिन अगर मैं पिछले 10 वर्षों को देखूं तो हमारी सटीकता और नेतृत्व अवधि में सुधार हुआ है। इस तरह आईएमडी ने जलवायु परिवर्तन के प्रभाव का ध्यान रखा है और हम इसमें सुधार करना जारी रखेंगे।

(इंडियास्पेंड की इंटर्न मिशा वैद ने इस रिपोर्ट में योगदान दिया)