पेंसिल्वेनिया स्टेट यूनिवर्सिटी की अगुवाई वाली शोधकर्ताओं की एक टीम के अनुसार, दूरदराज के क्षेत्रों में नदी के पानी के नमूने एकत्र करने में होने वाली कठिनाई और इस पर होने वाले खर्च से निजात मिल सकती है। टीम पानी की गुणवत्ता का पूर्वानुमान लगाने और आंकड़ों के अंतर को पूरा करने के लिए कृत्रिम बुद्धिमत्ता (आर्टिफिशियल इंटेलिजेंस, एआई) का उपयोग कर रही है। उनके इन प्रयासों से इस बात को बेहतर तरीके से समझा जा सकता है कि नदियां मानवीय गड़बड़ी और जलवायु परिवर्तन से किस तरह मुकाबला करती हैं।
शोधकर्ताओं ने एक ऐसा मॉडल विकसित किया जो पानी में घुली हुई ऑक्सीजन या डिजाल्व ऑक्सीजन का पता लगाता है। इससे पानी में रहने वाले जीवों के स्वास्थ्य के बारे में भी अनुमान लगाया जा सकता है।
आमतौर पर, नदियों और नालों में घुली हुई ऑक्सीजन की मात्रा उनके पारिस्थितिक तंत्र के स्वास्थ्य के बारे में बताती है, क्योंकि कुछ जीव ऑक्सीजन का उत्पादन करते हैं जबकि अन्य इसका उपभोग करते हैं। पेन स्टेट में सिविल और पर्यावरण इंजीनियरिंग के प्रोफेसर ली ली के अनुसार, मौसम और ऊंचाई के आधार पर भी घुली हुई ऑक्सीजन अलग-अलग होती है। क्षेत्र की स्थानीय मौसम में आने वाले उतार-चढ़ाव की वजह से भी इसमें बदलाव होता है।
ली ने कहा लोग आमतौर पर घुली हुई ऑक्सीजन के बारे में सोचते हैं जो जैविक और भू-रासायनिक प्रक्रियाओं द्वारा संचालित होती है, जैसे पानी में सांस लेने वाली मछली या जलीय पौधे धूप के दिनों में घुली हुई ऑक्सीजन बनाते हैं। लेकिन मौसम भी एक प्रमुख बदलाव करने वाला हो सकता है। तापमान और सूरज की रोशनी सहित जल और मौसम संबंधी स्थितियां, पानी में जीवन को प्रभावित कर रही हैं, यह बदले में घुली हुई ऑक्सीजन की मात्रा को प्रभावित करती है।
सिविल और पर्यावरण इंजीनियरिंग विभाग में पोस्टडॉक्टरल शोधकर्ता वेई ज़ी ने कहा कि हाइड्रोमेटोरोलॉजिकल आंकड़े जो इस बात पर नजर रखते हैं कि पृथ्वी की सतह और वायुमंडल के बीच पानी कैसे बहता है। जल रसायन विज्ञान के आंकड़ों की तुलना में कई बार यह स्थानीय कवरेज के आधार पर दर्ज किया जाता है।
टीम ने अलग-अलग देशों के हाइड्रोमेटोरोलॉजिकल आंकड़ों के आधार पर विश्लेषण किया, जिसमें वायु तापमान, वर्षा और पानी के बहने की दर जैसे माप शामिल थी। इस डेटाबेस का उपयोग दूरस्थ क्षेत्रों में घुली हुई ऑक्सीजन सांद्रता के पूर्वानुमान लगाने के लिए किया जा सकता है।
झी ने कहा कि हाइड्रोमेटोरोलॉजिकल के बहुत सारे आंकड़े उपलब्ध हैं और हम यह देखना चाहते थे कि क्या यह आपस में मेल खाते हैं या नहीं। यहां तक कि अप्रत्यक्ष रूप से, यह पूर्वानुमान लगाने और नदी के पानी के आंकड़ों के अंतर को पूरा करने में मदद कर सकता है।
पेन स्टेट में सिविल और पर्यावरण इंजीनियरिंग के एसोसिएट प्रोफेसर चाओपेंग शेन के अनुसार, मॉडल को आर्टिफिशियल इंटेलिजेंस (एआई) फ्रेमवर्क के माध्यम से बनाया गया था, जिसे लॉन्ग शॉर्ट-टर्म मेमोरी (एलएसटीएम) नेटवर्क के रूप में जाना जाता है, जो प्राकृतिक "स्टोरेज एंड रिलीज" सिस्टम के मॉडल बनाने के लिए इस्तेमाल किया जाता है।
शोधकर्ता शेन ने कहा इसे एक डिब्बे की तरह समझा जा सकता है। यह पानी को अपने अंदर ले सकता है और इसे कुछ दरों पर एक टैंक में स्टोर कर सकता है, जबकि दूसरी तरफ इसे अलग-अलग दरों पर छोड़ा जाता है और उनमें से प्रत्येक दर प्रशिक्षण द्वारा निर्धारित की जाती है। हमने अतीत में इसका उपयोग मिट्टी की नमी, वर्षा प्रवाह, पानी के तापमान और अब घुली हुई ऑक्सीजन के मॉडल के लिए किया है।
शोधकर्ताओं ने लॉन्ग शॉर्ट-टर्म मेमोरी (एलएसटीएम) नेटवर्क को प्रशिक्षित करने और एक मॉडल बनाने के लिए, 1980 से 2000 तक वाटरशेड के आंकड़ों का उपयोग किया, जिसमें घुली हुई ऑक्सीजन की सांद्रता, हर दिन के जल-मौसम विज्ञान की माप और स्थलाकृति, भूमि कवर और वनस्पति जैसे वाटरशेड गुण शामिल हैं।
ज़ी के अनुसार, टीम ने 2001 से 2014 तक शेष घुली हुई ऑक्सीजन के आंकड़ों के खिलाफ मॉडल की सटीकता से परीक्षण किया, जिसमें पाया कि मॉडल ने आम तौर पर घुली हुई ऑक्सीजन के घुलनशीलता के बारे में पता लगाया, जिसमें गर्म पानी के तापमान और अधिक ऊंचाई पर ऑक्सीजन किस तरह कम हो जाती है।
ज़ी ने कहा यह वास्तव में एक मजबूत उपकरण है। यह देखकर हमें आश्चर्य हुआ कि मॉडल ने महाद्वीपीय पैमाने पर कई अलग-अलग वाटरशेड स्थितियों में घुली हुई ऑक्सीजन का अच्छी तरह से पता लगाया। यह शोध पेंसिल्वेनिया स्टेट यूनिवर्सिटी द्वारा किया गया है।
उन्होंने कहा कि मॉडल ने स्थिर घुली हुई ऑक्सीजन स्तरों और स्थिर जल प्रवाह की स्थिति वाले क्षेत्रों में सर्वश्रेष्ठ प्रदर्शन किया, लेकिन अधिक घुली हुई ऑक्सीजन और बहते पानी में बदलाव वाले वाटरशेड के लिए पूर्वानुमान में सुधार करने के लिए अधिक आंकड़ों की आवश्यकता होगी।