ଓଡ଼ିଶାଲାଇଭ୍ ବ୍ୟୁରୋ
ଜଳବାୟୁ ପରିବର୍ତ୍ତନ କାରଣରୁ ବର୍ତ୍ତମାନ ସମୟରେ ଭାରତର ବିଭିନ୍ନ ଅଞ୍ଚଳରେ ବର୍ଷାର ତୀବ୍ରତା ବୃଦ୍ଧି ପାଇ ବିପର୍ଯ୍ୟୟ ସୃଷ୍ଟି ହେଉଛି। ଏବେ ଯାଏଁ ପ୍ରବଳ ବର୍ଷା ହେବା ନେଇ ସଠିକ୍ ପୂର୍ବାନୁମାନ କରାଯାଇପାରୁ ନଥିବାରୁ ଅଧିକ କ୍ଷୟକ୍ଷତି ଘଟୁଛି। ବିଶେଷକରି ପର୍ବତ୍ୟାଞ୍ଚଳରେ ଏହାର କୁପ୍ରଭାବ ପଡୁଛି। ତେବେ ବର୍ଷାର ଆକଳନରେ ଦେଖାଦେଉଥିବା ସମସ୍ୟାକୁ ଦୂର କରିବା ପାଇଁ ଆଇଆଇଟି ଭୁବନେଶ୍ଵର ପକ୍ଷରୁ ଏକ ହାଇବ୍ରିଡ୍ ଟେକ୍ନୋଲୋଜିର ବିକାଶ କରାଯାଇଛି।
ଆଇଆଇଟି ଭୁବନେଶ୍ଵରରେ ବିକଶିତ ଟେକ୍ନୋଲୋଜି ମାଧ୍ୟମରେ ପାଣିପାଗ ଅନୁସନ୍ଧାନ ଏବଂ ପୂର୍ବାନୁମାନ (ଡବ୍ଲୁଆରଏଫ୍) ମଡେଲର ଫଳାଫଳକୁ ଏକ ଡିପ୍ ଲର୍ଣ୍ଣିଂ (ଡିଏଲ) ମଡେଲରେ ଏକତ୍ର କରାଯାଉଛି। ଏହାଦ୍ଵାରା ଯଥେଷ୍ଟ ସମୟ ପୂର୍ବରୁ ପ୍ରବଳ ବର୍ଷାର ସଠିକ୍ ପୂର୍ବାନୁମାନ ହୋଇପାରୁଛି।
ଏହି ହାଇବ୍ରିଡ୍ ଟେକ୍ନୋଲୋଜିକୁ ଆସାମର ବନ୍ୟା ପ୍ରଭାବିତ ଅଞ୍ଚଳ ଏବଂ ଓଡ଼ିଶାରେ ବର୍ଷାର ଅକାଳନ ପାଇଁ ବ୍ୟବହାର କରାଯାଇଥିଲା। ଏହି ମଡେଲର ବର୍ଷା ଆକଳନର ସଠିକତା ପାରମ୍ପାରିକ ମଡେଲ ତୁଳନାରେ ପ୍ରାୟ ଦୁଇଗୁଣ ରହିଥିଲା, ଯାହାକି ୯୬ ଘଣ୍ଟାର ଲିଡ୍ ଟାଇମ୍ ସହିତ ଏକ ଉଲ୍ଲେଖନୀୟ ପ୍ରଦର୍ଶନ କରିଥିବାର ଦେଖିବାକୁ ମିଳିଥିଲା।
ଚଳିତ ବର୍ଷ ଜୁନ୍ ୧୩ରୁ ୧୭ ତାରିଖ ମଧ୍ୟରେ ଆସାମ ପ୍ରବଳ ବର୍ଷା ହେତୁ ପ୍ରବଳ ବନ୍ୟା ପରିସ୍ଥିତି ସୃଷ୍ଟି ହୋଇଥିଲା। ଏଠାରେ ଆଇଆଇଟି ଭୁବନେଶ୍ୱରର ଡିପ୍ ଲର୍ଣ୍ଣିଂ ମଡେଲ୍ ଜିଲ୍ଲା ସ୍ତରରେ ବୃଷ୍ଟିପାତର ସ୍ଥାନିକ ବଣ୍ଟନ ଏବଂ ତୀବ୍ରତା ଅଧିକ ସଠିକ୍ ଭାବରେ ପୂର୍ବାନୁମାନ କରିବାରେ ସକ୍ଷମ ହୋଇଥିଲା। ଏହି ପଦ୍ଧତିରେ ତଥ୍ୟର ଜଟିଳ ସ୍ଥାନିକ ନିର୍ଭରଶୀଳତାକୁ ଭଲ ଭାବରେ ଧରିବା ପାଇଁ ଏକ ଏକ ସ୍ପାଟିଓ-ଆଟେନ୍ସନ ମଡ୍ୟୁଲ୍ ଅନ୍ତର୍ଭୁକ୍ତ କରି ବୃଷ୍ଟିପାତର ଢାଞ୍ଚାଗୁଡ଼ିକର ଏକ ବିସ୍ତୃତ ବିଶ୍ଳେଷଣ କରାଯାଇଥିଲା।
ପାରମ୍ପାରିକ ଡବ୍ଲୁଆରଏଫ୍ ମଡେଲ୍ ସହିତ ଡିଏଲ ମଡେଲକୁ ଏକୀକୃତ କରାଯିବା ଦ୍ଵାରା ବାସ୍ତବ ସମୟରେ ପ୍ରବଳ ବର୍ଷାର ପୂର୍ବାନୁମାନ ସଠିକ୍ ଭାବେ କରିପାରିଛି ବୋଲି ଆଇଆଇଟି ଭୁବନେଶ୍ୱରର ଗବେଷଣାରୁ ଜଣାପଡ଼ିଛି।
ମୁଖ୍ୟ ଅନୁସନ୍ଧାନ
୧. ଜିଲ୍ଲା ସ୍ତରରେ ବର୍ଷା ପୂର୍ବାନୁମାନ କୌଶଳର ଉନ୍ନତି ପାଇଁ ବାସ୍ତବ ସମୟରେ (ରିଅଲ ଟାଇମ) ହୋଇଥିବା ଏହା ପ୍ରଥମ ଗବେଷଣା।
୨. ବର୍ଷାର ଅକାଳନ ଡବ୍ଲୁଆରଏଫ୍ ମଡେଲରେ ୨୨.୮ ରହିଥିବାବେଳେ ଡିଏଲ ମଡେଲରେ ଏହା ୫୪.୪ ପ୍ରତିଶତ ରହିଥିଲା।
୩. ଟେକ୍ନୋଲୋଜିକାଲ୍ ଇନୋଭେସନ୍: ଏହି ଗବେଷଣା ଏକ ସ୍ପାଟିଓ-ଆଟେନ୍ସନ (ଏସଏ) ମଡ୍ୟୁଲ୍ ସହିତ ଏକ ୟୁ-ନେଟ୍ ମଡେଲ୍ ଉପସ୍ଥାପନ କରେ, ଯାହା ଜିଲ୍ଲା ସ୍ତରରେ ବର୍ଷା ସମ୍ବନ୍ଧୀୟ ବୈଶିଷ୍ଟ୍ୟଗୁଡ଼ିକର ଜଟିଳ ସ୍ଥାନିକ ନିର୍ଭରଶୀଳତାକୁ ଲିପିବଦ୍ଧ କରିଥାଏ।
ଏହି ଅନୁସନ୍ଧାନ ଭାରତର ଜଟିଳ ଭୌଗୋଳିକ ଅଞ୍ଚଳରେ ବାସ୍ତବ ସମୟରେ ପ୍ରବଳ ବର୍ଷା ତଥା ପାଣିପାଗ ପୂର୍ବାନୁମାନରେ ଉନ୍ନତି ଆଣିବାରେ ଗୁରୁତ୍ଵପୂର୍ଣ୍ଣ ଭୂମିକା ବହନ କରିବ। ପାଣିପାଗ ଆକଳନ କ୍ଷେତ୍ରରେ ଏହା କୃତ୍ରିମ ବୁଦ୍ଧିମତାର (ଏଆଇ) ବ୍ୟବହାର ସମ୍ଭାବନାକୁ ବଢ଼ାଇବ। ଏହାଦ୍ଵାରା ପ୍ରାକୃତିକ ବିପର୍ଯ୍ୟୟ ସମୟରେ ଲୋକଙ୍କଉ ସତର୍କ ତଥା ସୁରକ୍ଷିତ କରାଯାଇପାରିବ।
ଏହି ଗବେଷଣାରେ ଆଇଆଇଟି ଭୁବନେଶ୍ଵରର ସ୍କୁଲ ଅଫ୍ ଆର୍ଥ, ଓସେନ ଓ କ୍ଲାଇମେଟ ସାଇନ୍ସ ବିଭାଗର ଡକ୍ଟର ଧନଞ୍ଜୟ ତ୍ରିବେଦୀ, ଡକ୍ଟର ଓମବୀର ଶର୍ମା, ଡକ୍ଟର ବିବେକାନନ୍ଦ ନନ୍ଦ ହାଜରା, ଡକ୍ଟର ସନ୍ଦୀପ ପଟ୍ଟନାୟକ ଏବଂ ଇଲେକ୍ଟ୍ରୋନିକ୍ସ ଓ କମ୍ପ୍ୟୁଟର ସାଇନ୍ସ ବିଭାଗର ଡକ୍ଟର ନିଲାଦ୍ରୀ ବିହାରୀ ପୁହାଣ ସାମିଲ ଥିଲେ। ଏହାସହ ଗବେଷଣାକୁ କାଉନସିଲ୍ ଅଫ୍ ସାଇଣ୍ଟିଫିକ୍ ଏବଂ ଇଣ୍ଡଷ୍ଟ୍ରିଆଲ୍ ରିସର୍ଚ (ସିଏସଆଇଆର), ଆମେରିକାର ନ୍ୟୁ ଭେଞ୍ଚର୍ ଫଣ୍ଡ ଏବଂ ଆଇଆଇଟି ଭୁବନେଶ୍ଵର ପକ୍ଷରୁ ସମର୍ଥନ ମିଳିଛି।
Tags: #IITBhubaneswar #RainfallStudy #WeatherPrediction #DeepLearningModel #HybridTechnology #Research #Science #Odisha
