दुनिया भर में ताजे या मीठे पानी के पारिस्थितिकी तंत्र मीथेन उत्सर्जन के आधे हिस्से के लिए जिम्मेदार हैं। मीथेन एक शक्तिशाली ग्रीनहाउस गैस है तथा ग्लोबल वार्मिंग के लिए जिम्मेवार है। माना जाता है कि नदियां और जलधाराएं पर्याप्त मात्रा में मीथेन उत्सर्जित करती हैं, लेकिन वैश्विक स्तर पर ये उत्सर्जन की दरें और पैटर्न काफी हद तक अज्ञात हैं।
विस्कॉन्सिन-मैडिसन विश्वविद्यालय के मीठे पानी के पारिस्थितिकीविदों सहित शोधकर्ताओं की एक अंतरराष्ट्रीय टीम ने बहते पानी से मीथेन उत्सर्जन की वैश्विक दरों, पैटर्न और कारणों के एक नए विवरण के साथ इसे बदल दिया है।
नेचर जर्नल में प्रकाशित निष्कर्ष, मीथेन उत्सर्जन के अनुमानों और जलवायु परिवर्तन के मॉडल में सुधार करेंगे और भूमि-प्रबंधन बदलावों और बहाली के अवसरों की ओर इशारा करेंगे जो वायुमंडल में निकलने वाली मीथेन की मात्रा को कम कर सकते हैं।
नया अध्ययन इस बात की पुष्टि करता है कि नदियां और धाराएं वास्तव में बहुत अधिक मीथेन का उत्पादन करती हैं और जलवायु परिवर्तन को बढ़ाने में प्रमुख भूमिका निभाती हैं। लेकिन अध्ययन में कुछ आश्चर्यजनक परिणाम भी सामने आए हैं कि मीथेन का उत्पादन कैसे और कहां होता है।
शोधकर्ता कहते हैं, उष्ण कटिबंध में सबसे अधिक मीथेन उत्सर्जन होने के आसार हैं, क्योंकि मीथेन का जैविक उत्पादन तापमान के प्रति अत्यधिक संवेदनशील है। शोधकर्ताओं की टीम ने पाया कि उष्णकटिबंधीय क्षेत्रों में मीथेन उत्सर्जन उत्तरी गोलार्ध और आर्कटिक टुंड्रा के आसपास फैले बोरियल जंगलों-चीड़ के जंगलों की बहुत ठंडी धाराओं और नदियों के उत्सर्जन के बराबर था।
यह भी पता चला है कि तापमान, जलीय मीथेन उत्सर्जन को चलाने वाला पहला बदलाव नहीं है। इसके बजाय, अध्ययन में पाया गया, धाराओं और नदियों से निकलने वाली मीथेन की मात्रा, उनके अक्षांश या तापमान की परवाह किए बिना, मुख्य रूप से उनसे जुड़े आसपास के आवास द्वारा नियंत्रित की जाती थी।
उच्च अक्षांशों पर बोरियल जंगलों और ध्रुवीय क्षेत्रों में नदियां और धाराएं अक्सर पीटलैंड और आर्द्रभूमि से बंधी होती हैं, जबकि अमेज़ॅन और कांगो नदी घाटियों के घने जंगल भी कार्बनिक पदार्थों से समृद्ध मिट्टी के साथ उनके माध्यम से बहने वाले पानी की आपूर्ति करते हैं।
दोनों प्रणालियां पर्याप्त मात्रा में मीथेन का उत्पादन करती हैं क्योंकि उनके परिणामस्वरूप अक्सर सूक्ष्मजीवों द्वारा कम ऑक्सीजन की स्थिति पैदा होती है जो सभी कार्बनिक पदार्थों को तोड़ते हुए मीथेन का उत्पादन करते हैं।
दुनिया के कुछ हिस्सों में, मीठे पानी के मीथेन उत्सर्जन को मुख्य रूप से शहरी और ग्रामीण दोनों समुदायों में मानव गतिविधि द्वारा नियंत्रित किया जाता है।
प्रमुख शोधकर्ता कहते हैं कि, मनुष्य दुनिया भर में नदियों के नेटवर्क को सक्रिय रूप से बदल रहा है और सामान्य तौर पर, ये परिवर्तन मीथेन उत्सर्जन के पक्ष में जाते प्रतीत होते हैं।
जिन इलाकों में लोगों द्वारा अत्यधिक बदलाव किए गए - जैसे कृषि क्षेत्रों को खाली करने वाली खाईदार धाराएं, अपशिष्ट जल उपचार संयंत्रों के नीचे की नदियां, या कंक्रीट से बनी नहरें भी अक्सर कार्बनिक-पदार्थ से भरी, ऑक्सीजन की कमी की स्थितियों का कारण बनती हैं जो बहुत अधिक मीथेन उत्पादन को बढ़ावा देती हैं।
यह शोध इसलिए अहम है जो बताता है कि, मीठे पानी के संरक्षण और बहाली के प्रयासों से मीथेन उत्सर्जन में कमी लाई जा सकती है।
नदियों और नालों में उर्वरक, मानव और पशु अपशिष्ट या अत्यधिक ऊपरी मिट्टी जैसे प्रदूषकों के प्रवाह को धीमा करने से उन तत्वों को सीमित करने में मदद मिलेगी जो मीठे पानी की प्रणालियों में भारी मीथेन उत्पादन का कारण बनते हैं।
शोधकर्ताओं के मुताबिक, जलवायु परिवर्तन के परिप्रेक्ष्य से, हमें उन प्रणालियों के बारे में अधिक चिंता करने की जरूरत है जहां मनुष्य मीथेन उत्पादन के प्राकृतिक चक्रों की तुलना में ऐसी परिस्थितियां पैदा कर रहे हैं जो मीथेन का उत्पादन करती हैं।
यह अध्ययन जलवायु परिवर्तन के दायरे को समझने में विशाल डेटासेट को एकत्रित और जांच करने के लिए काम करने वाली वैज्ञानिकों की टीमों के महत्व को भी प्रदर्शित करता है।
परिणामों के लिए स्वीडिश कृषि विज्ञान विश्वविद्यालय, उमेआ विश्वविद्यालय, यूडब्ल्यू-मैडिसन और दुनिया भर के अन्य संस्थानों के बीच वर्षों के सहयोग रहा। उन्होंने कई देशों में नदियों और नालों पर मीथेन माप एकत्र किए, डेटासेट को बड़े पैमाने पर विस्तारित करने के लिए अत्याधुनिक कंप्यूटर मॉडलिंग और मशीन लर्निंग का इस्तेमाल किया।
शोधकर्ता कहते हैं, हमें मीथेन के अनुमानों पर बहुत अधिक भरोसा है। शोधकर्ताओं को उम्मीद है कि उनके परिणामों से पृथ्वी के वायुमंडल में मीथेन के सभी स्रोतों के परिमाण और स्थानीय पैटर्न की बेहतर समझ हो सकेगी,और नए आंकड़े वैश्विक जलवायु को समझने और इसके भविष्य की भविष्यवाणी करने के लिए उपयोग किए जाने वाले बड़े पैमाने के मॉडल में सुधार करेगा।