Himalayan Mountains seen from Space

গত কয়েক মাস ধরে, ওয়ার্ল্ড এয়ার কোয়ালিটি টিম বেশ কিছু নতুন এয়ার কোয়ালিটি ফোরকাস্ট মডেল বিশ্লেষণ করার পাশাপাশি এয়ার কোয়ালিটি ফোরকাস্ট মডেল ডেমোনস্ট্রেটর উন্নত করার জন্য কাজ করছে।

এই নিবন্ধটি সর্বশেষ পূর্বাভাস মডেল প্রদর্শনকারী উপস্থাপন করবে, যা বিশ্বের গ্রিডেড পপুলেশন ( GPW ) এর উপর ভিত্তি করে তৈরি করা হয়েছে এবং যেটি উত্তর ভারত অঞ্চলের (বাংলাদেশ, পাকিস্তান এবং নেপাল সহ) বায়ু মানের পূর্বাভাস বিশ্লেষণ করতে প্রয়োগ করা হবে।

পূর্বাভাস মডেল এবং গণনা এখনও GFS বায়ু পূর্বাভাসের উপর ভিত্তি করে, যেমন আমরা বেইজিং অঞ্চলের পূর্বাভাস সম্পর্কে পূর্ববর্তী নিবন্ধে দেখিয়েছি যে বায়ু বায়ুর গুণমানের পূর্বাভাসের জন্য একটি অপরিহার্য উপাদান।

যাইহোক, পূর্ববর্তী সিমুলেশনের বিপরীতে যেখানে দূষণের উত্সগুলি যেখানে হেবেই অঞ্চলের নির্দিষ্ট স্থানে নির্বিচারে অবস্থিত, এই উত্তর ভারতের পূর্বাভাসের জন্য ব্যবহৃত মডেলটি কলম্বিয়া বিশ্ববিদ্যালয়ের গ্রিডেড পপুলেশন অফ দ্য ওয়ার্ল্ড (ওরফে GPW 2015 ) এর উপর ভিত্তি করে তৈরি করা হয়েছে CIESIN ^[১] :

অনুমান হল যে একটি নির্দিষ্ট এলাকায় বসবাসকারী মানুষের সংখ্যা যত বেশি হবে, নৃতাত্ত্বিক দূষণের সম্ভাবনা তত বেশি হবে।

এটি প্রকৃতপক্ষে 100% সঠিক অনুমান নয় যেহেতু ভারী শিল্পের দ্বারা সৃষ্ট দূষণ জনসংখ্যার দ্বারা সৃষ্ট দূষণের চেয়ে অনেক বেশি হতে পারে, তবে এটি এমন কিছু যা আমরা আমাদের পরবর্তী নিবন্ধে সম্বোধন করব। সুতরাং, এই নিবন্ধটির জন্য, যা চাই তা হল জনসংখ্যার ঘনত্ব এবং দূষণের ঘনত্বের মধ্যে পারস্পরিক সম্পর্কের অনুমানে দূষণের উপর বায়ুর প্রভাব যাচাই করা।

নীচের চিত্রটি সিমুলেশনের জন্য ব্যবহৃত ঘনত্ব মডেল (0.2° রেজোলিউশনে) দেখাচ্ছে। এই গ্রিড করা মানচিত্রে প্রতিটি "পিক্সেল" বা বিন্দুকে দূষণের উৎস হিসেবে বিবেচনা করা হয়। সবুজ রঙটি কম ঘনত্বের অঞ্চলগুলির জন্য ব্যবহৃত হয়, যেগুলি খুব কম পরিমাণে দূষণ তৈরি করে, যখন গাঢ় রঙগুলি সেই অঞ্চলগুলিকে প্রতিনিধিত্ব করে যেখানে জনসংখ্যা এবং উৎপন্ন দূষণ উভয়ই বেশি।

Population Density (persons per square meter)

নীচের অ্যানিমেশনটি প্রকৃত ^[২] বায়ু ডেটার উপর ভিত্তি করে রিয়েল-টাইম ঘনত্ব দেখাচ্ছে। মনে রাখবেন যে কালার কোডিং এবং সংশ্লিষ্ট ঘনত্বের মাত্রা নির্বিচারে - এবং আরও কাজ না করে এক-টু-ওয়ান একিউআই স্তরের সাথে যুক্ত করা যাবে না (এবং উচিত নয়)। অপরিহার্য ধারণা হল বায়ুর অবস্থার পূর্বাভাসের উপর ভিত্তি করে উচ্চ বা খুব উচ্চ দূষণকারী ঘনত্বের সম্ভাবনা বেশি এমন অঞ্চলগুলিকে প্লট করা।

খুব বেশি আশ্চর্য না করে, নয়া দিল্লি উচ্চ স্তরের দূষণের ঘনত্ব দেখছে, তবে যেটি সত্যিই আকর্ষণীয় তা হল বেইজিংয়ের তুলনায় নয়া দিল্লির পরিস্থিতির তুলনা করা: বেইজিং-এ, কাছাকাছি উত্তরে আক্ষরিক অর্থে কোনও নৃতাত্ত্বিক দূষণ নেই, তাই, যখন উত্তর দিক থেকে বাতাস আসে, তখনই বাতাস পরিষ্কার হয়ে যায়। কিন্তু নয়াদিল্লির জন্য উত্তরে জনসংখ্যার ঘনত্ব এখনও অনেক বেশি, তাই উত্তর থেকে অবিলম্বে পরিষ্কার বাতাস পাওয়ার সম্ভাবনা অনেক কম। ক্রমশ কথায়, নয়া দিল্লির বায়ু পরিষ্কার করার জন্য অনেক বেশি পরিমাণে বায়ুচলাচল (বা সঞ্চিত বায়ু শক্তি) প্রয়োজন।

দ্বিতীয় পর্যবেক্ষণটি হল বাংলাদেশের পরিস্থিতি: উপরোক্ত অনুকরণ থেকে দেখা যাচ্ছে, পূর্ব ও উত্তরে পাহাড়ের সান্নিধ্যে বাংলাদেশে দূষণ স্পষ্টতই আটকে যাচ্ছে। ঢাকায় বসবাসকারী কারও কাছে এটি আসলে বিস্ময়কর নয়।

(দ্রষ্টব্য: এই নিবন্ধটি লেখার কয়েকদিন পরে, ঢাকায় মার্কিন পরামর্শদাতা তাদের এয়ার কোয়ালিটির ডেটা প্রকাশ করতে শুরু করে, যা আপনি এই লিঙ্ক থেকে পেতে পারেন: city/bangladesh/dhaka/us-consulate )।

বাংলাদেশে বায়ুর গুণমান সম্পর্কে আরও তথ্যের জন্য, আপনি এই পৃষ্ঠাটি উল্লেখ করতে পারেন: দেশ/বাংলাদেশ/ ।

উপসংহার হিসাবে, এই পূর্বাভাস মডেলটি এখনও সম্পূর্ণ হওয়া থেকে অনেক দূরে, তবে অন্তত, উত্তর ভারতে বায়ু দূষণের ঘনত্ব এবং বিশেষ করে হিমালয় পর্বতগুলি কীভাবে বায়ু দূষণকে আটকাচ্ছে তা বাতাসের প্রভাব দেখানোর সুবিধা রয়েছে৷ পরবর্তী সংস্করণে, আমরা দূষণের উত্সগুলির জন্য একটি উন্নত সংস্করণ প্রবর্তন করব, পরিচিত ইতিবাচক প্রবাহকে বিবেচনায় নিয়ে যা আমাদের পর্যবেক্ষণ থেকে বাদ দেওয়া যেতে পারে।