Artificial Intelligence: ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯಿಂದ ಚಾಲಿತವಾಗಿರುವ ಹೊಸದಾಗಿ ಅಭಿವೃದ್ಧಿಪಡಿಸಿದ ಅಲ್ಗಾರಿದಮ್ ಭಾರತೀಯ ಬೇಸಿಗೆ ಮುಂಗಾರು ಮಾನ್ಸೂನ್ (ISMR) ಮುನ್ಸೂಚನೆಯನ್ನು ಋತುವಿನ 18 ತಿಂಗಳ ಮುಂಚಿತವಾಗಿ ಮುನ್ನಡೆಸಲು ಸಹಾಯ ಮಾಡುತ್ತದೆ.
ಪ್ರೆಡಿಕ್ಟರ್ ಡಿಸ್ಕವರಿ ಅಲ್ಗಾರಿದಮ್ (predictor discovery algorithm) ಎಂಬ ಈ ಲೆಕ್ಕಾಚಾರದ ವಿಧಾನವು ಯಾವುದೇ ಒಂದು ಸಾಗರ ಸಂಬಂಧಿತ ವೇರಿಯಬಲ್ ಅನ್ನು ಬಳಸಿಕೊಂಡು ದೇಶಕ್ಕೆ ಪರಿಣಾಮಕಾರಿ ಕೃಷಿ ಮತ್ತು ಇತರ ಆರ್ಥಿಕ ಯೋಜನೆಗಳನ್ನು ಮಾಡಲು ಸಮಯಕ್ಕೆ ಸರಿಯಾಗಿ ISMR ನ ಸಮರ್ಥ ಮುನ್ಸೂಚನೆಯನ್ನು ಸುಲಭಗೊಳಿಸುತ್ತದೆ.
ಸಂಶೋಧಕರು ISMR ಮುನ್ನೋಟಗಳಿಗೆ ವೈಜ್ಞಾನಿಕ ಆಧಾರವನ್ನು ಚೆನ್ನಾಗಿ ಅಳವಡಿಸಿದ್ದಾರೆ ಮತ್ತು ISMR ನ ವ್ಯತ್ಯಾಸ ಮತ್ತು ಊಹೆಯನ್ನು ಅರ್ಥಮಾಡಿಕೊಳ್ಳುವಲ್ಲಿ ಕಳೆದ ಶತಮಾನದಲ್ಲಿ ಗಮನಾರ್ಹ ಪ್ರಗತಿಯನ್ನು ಸಾಧಿಸಿದ್ದಾರೆ.
ಸಾಂಪ್ರದಾಯಿಕವಾಗಿ , ಸಂಶೋಧಕರು ಭಾರತೀಯ ಬೇಸಿಗೆ ಮಾನ್ಸೂನ್ ಮುನ್ಸೂಚಕಗಳನ್ನು ವಿಶ್ವದ ಪ್ರದೇಶದ ಮೇಲೆ ISMR ನೊಂದಿಗೆ ವಾಯುಮಂಡಲದ ಅಥವಾ ಸಾಗರದ ಅಸ್ಥಿರಗಳ ಗರಿಷ್ಠ ಪರಸ್ಪರ ಸಂಬಂಧವನ್ನು ಆಧರಿಸಿ ಆಯ್ಕೆ ಮಾಡುತ್ತಾರೆ.
ಅಂತಹ ತಂತ್ರವು ISMR ನ ನೈಜ ಸಂಭಾವ್ಯ ಮುನ್ಸೂಚನೆಯ ಸಾಕ್ಷಾತ್ಕಾರವನ್ನು ನಿರ್ಬಂಧಿಸುತ್ತದೆ ಏಕೆಂದರೆ ಇದು ಒಂದು ಸಮಯದಲ್ಲಿ ನಿರ್ದಿಷ್ಟ ಪ್ರದೇಶದ ಮೇಲೆ ಒಂದು ಮುನ್ಸೂಚನೆಗಾಗಿ ಮಾತ್ರ ಕಾರ್ಯನಿರ್ವಹಿಸುತ್ತದೆ.
ವಿಜ್ಞಾನ ಮತ್ತು ತಂತ್ರಜ್ಞಾನ ಇಲಾಖೆಯ (DST) ಸ್ವಾಯತ್ತ ಸಂಸ್ಥೆಯಾದ ಗುವಾಹಟಿ ಮೂಲದ ಇನ್‌ಸ್ಟಿಟ್ಯೂಟ್ ಆಫ್ ಅಡ್ವಾನ್ಸ್ಡ್ ಸ್ಟಡಿ ಇನ್ ಸೈನ್ಸ್ ಅಂಡ್ ಟೆಕ್ನಾಲಜಿ (IASST) ಯ ವಿಜ್ಞಾನಿಗಳು ತಮ್ಮ ಸಹೋದ್ಯೋಗಿಗಳೊಂದಿಗೆ ವ್ಯಾಪಕವಾಗಿ ಬಳಸಲಾಗುವ ಸಮುದ್ರ ಮೇಲ್ಮೈ ತಾಪಮಾನ (SST) ಮಾನದಂಡವನ್ನು ಕಂಡುಕೊಂಡಿದ್ದಾರೆ.
ISMR ನ ದೀರ್ಘಾವಧಿಯ ಮುನ್ನೋಟಗಳನ್ನು ಲೆಕ್ಕಾಚಾರ ಮಾಡಲು ಸಾಕಾಗುವುದಿಲ್ಲ. ಪ್ರಿಡಿಕ್ಟರ್ ಡಿಸ್ಕವರಿ ಅಲ್ಗಾರಿದಮ್ (predictor discovery algorithm) ಮೂಲಕ ISMR ನಿಂದ SST ಆಧಾರಿತ ಮುನ್ಸೂಚನೆಯ ಸಾಮರ್ಥ್ಯವು ಎಲ್ಲಾ ಪ್ರಮುಖ ತಿಂಗಳುಗಳಲ್ಲಿ ಕಡಿಮೆಯಾಗಿದೆ ಎಂದು ಅವರು ಕಂಡುಕೊಂಡರು.
ಪುಣೆಯ ಇಂಡಿಯನ್ ಇನ್‌ಸ್ಟಿಟ್ಯೂಟ್ ಆಫ್ ಟ್ರಾಪಿಕಲ್ ಮೆಟಿಯರಾಲಜಿ (IITM ), ಪುಣೆ ಮತ್ತು ಕಾಟನ್ ಯೂನಿವರ್ಸಿಟಿ , ಗುವಾಹಟಿಯನ್ನು ಒಳಗೊಂಡಿರುವ ತಂಡವು 1871 ಮತ್ತು 2010 ರ ನಡುವೆ ಇಡೀ ಉಷ್ಣವಲಯದ ಪ್ರದೇಶದಲ್ಲಿ ಅದೇ ಅವಧಿಯ ISMR ಮತ್ತು D20 ನಡುವಿನ ಪರಸ್ಪರ ಸಂಬಂಧವನ್ನು ನಕ್ಷೆ ಮಾಡುವ ಪ್ರಿಡಿಕ್ಟರ್ ಡಿಸ್ಕವರಿ ಅಲ್ಗಾರಿದಮ್ ಅನ್ನು ಅಭಿವೃದ್ಧಿಪಡಿಸಿದೆ.
ಸಮುದ್ರದ ಥರ್ಮೋಕ್ಲೈನ್ ಆಳವನ್ನು (D20) ಪ್ರಸ್ತುತಪಡಿಸುವ ಮೂಲಕ ಪ್ರಮುಖ ತಿಂಗಳು. ಯಾವುದೇ ಪ್ರಮುಖ ತಿಂಗಳಲ್ಲಿ ISMR ಮುನ್ಸೂಚನೆಯ ನೈಜ ಸಂಭಾವ್ಯ ಕೌಶಲ್ಯವನ್ನು ಅನುಭವಿಸಲು ಇದು ಸಂಪೂರ್ಣ ಉಷ್ಣವಲಯದ ಪ್ರದೇಶದ ಎಲ್ಲಾ ಸಂಭಾವ್ಯ ಚಾಲಕರಿಗೆ ಪರಿಸ್ಥಿತಿಯನ್ನು ನೀಡಿತು.
ಏಕೆಂದರೆ ಇದು ಒಂದೇ ಮುನ್ಸೂಚಕ ಪರಸ್ಪರ ಸಂಬಂಧದ ನಕ್ಷೆಯಿಂದ ಗುರುತಿಸಲ್ಪಟ್ಟ ಯಾವುದೇ ಪ್ರಮುಖ ತಿಂಗಳಲ್ಲಿ ಉಷ್ಣವಲಯದ ಬೆಲ್ಟ್‌ನಾದ್ಯಂತ ಎಲ್ಲಾ ಸಂಭವನೀಯ ಚಾಲಕರ ಏಕಕಾಲಿಕ ಕೊಡುಗೆಯನ್ನು ಸಂಯೋಜಿಸುತ್ತದೆ.
ಇದರ ಜೊತೆಯಲ್ಲಿ , ಸಾಗರದ ಥರ್ಮೋಕ್ಲೈನ್ ಆಳವು (D 20 ) ಸ್ಟೊಕಾಸ್ಟಿಕ್ ವಾತಾವರಣದ ಶಬ್ದದಿಂದ ಪ್ರಭಾವಿತವಾಗುವ ಸಾಧ್ಯತೆ ಕಡಿಮೆಯಾಗಿದೆ.
ISMR ಋತುವಿನ 18 ತಿಂಗಳ ಮುಂಚಿತವಾಗಿ ISMR ಸಂಭಾವ್ಯ ಕೌಶಲ್ಯವು ಗರಿಷ್ಠ 0.87 ಮತ್ತು ಗರಿಷ್ಠ 1.0 ನಲ್ಲಿದೆ ಎಂದು ಹೊಸ ಅಲ್ಗಾರಿದಮ್ ಸೂಚಿಸುತ್ತದೆ.
ಯಾವುದೇ ಪ್ರಮುಖ ತಿಂಗಳಲ್ಲಿ , ಭಾರತೀಯ ಬೇಸಿಗೆ ಮಾನ್ಸೂನ್ (ISMR) ನ ವಾರ್ಷಿಕ ವ್ಯತ್ಯಾಸದ ಮುನ್ಸೂಚನೆಗಳು ಅದರ ಚಾಲಕರ ವಾರ್ಷಿಕ ವ್ಯತ್ಯಾಸದಲ್ಲಿನ ಕ್ರಮಬದ್ಧತೆಯ ಮಟ್ಟವನ್ನು ಅವಲಂಬಿಸಿರುತ್ತದೆ.
ದೀರ್ಘ-ಶ್ರೇಣಿಯ ISMR ಭವಿಷ್ಯವಾಣಿಗಳಿಗೆ ಹೊಸದಾಗಿ ಪತ್ತೆಯಾದ ಆಧಾರದೊಂದಿಗೆ , IASST ಯಿಂದ ದೇವವ್ರತ್ ಶರ್ಮಾ ಮತ್ತು ಡಾ. ಸಂತು ದಾಸ್, ಡಾ. ಸುಬೋಧ್ ಕೆ. ಸಹಾ ಮತ್ತು ಕಾಟನ್ ವಿಶ್ವವಿದ್ಯಾಲಯದ ಪ್ರೊ. ಬಿಎನ್ ಗೋಸ್ವಾಮಿ ಅವರು 1980 ಮತ್ತು 2011 ರ ನಡುವೆ ISMR ನ 18-ತಿಂಗಳ ಪ್ರಮುಖ ಮುನ್ಸೂಚನೆಯನ್ನು ಯಂತ್ರ ಕಲಿಕೆ ಆಧಾರಿತ ISMR ಮುನ್ಸೂಚನೆಯ ಮಾದರಿಯನ್ನು ಬಳಸಿಕೊಂಡು 0.65 ರ ನಿಜವಾದ ಕೌಶಲ್ಯದೊಂದಿಗೆ ಉತ್ಪಾದಿಸಲು ಸಾಧ್ಯವಾಯಿತು.
ಈ ಮಾದರಿಯ ಯಶಸ್ಸು 45 ಭೌತಿಕ ಹವಾಮಾನ ಮಾದರಿಗಳಿಂದ 150 ವರ್ಷಗಳ ಸಿಮ್ಯುಲೇಶನ್‌ಗಳಿಂದ ISMR ಮತ್ತು ಉಷ್ಣವಲಯದ ಥರ್ಮೋಕ್ಲೈನ್ ಮಾದರಿಗಳ ನಡುವಿನ ಸಂಬಂಧವನ್ನು ಕಲಿಯುವ ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯ ಸಾಮರ್ಥ್ಯವನ್ನು ಆಧರಿಸಿದೆ
ಮತ್ತು ಆ ಮಾಹಿತಿಯನ್ನು 1871 ಮತ್ತು 1974 ರ ನಡುವಿನ ನೈಜ ಅವಲೋಕನಗಳಿಗೆ ವರ್ಗಾಯಿಸುತ್ತದೆ. 18-ತಿಂಗಳ ಮುಂದಕ್ಕೆ ISMR ನ ಸಂಭಾವ್ಯ ಕೌಶಲ್ಯವು 0.87 ಆಗಿದೆ ಮತ್ತು ಮಾದರಿಯಲ್ಲಿ ಸುಧಾರಣೆಗೆ ಇನ್ನೂ ಸಾಕಷ್ಟು ಸ್ಥಳವಿದೆ.
ರಾಯಲ್ ಮೆಟ್ರೋಲಾಜಿಕಲ್ ಸೊಸೈಟಿಯ ತ್ರೈಮಾಸಿಕ ಜರ್ನಲ್‌ನಲ್ಲಿ ಪ್ರಕಟವಾದ ಸಂಶೋಧನೆಗಳು, ರೇಖಾತ್ಮಕವಲ್ಲದ ಯಂತ್ರ ಕಲಿಕೆಯ ಸಾಧನಗಳ ಆಗಮನದೊಂದಿಗೆ ಮುಂಬರುವ ವರ್ಷಗಳಲ್ಲಿ ಐಎಸ್‌ಎಂಆರ್‌ನ ಸಮರ್ಥ ದೀರ್ಘಕಾಲೀನ ಮುನ್ಸೂಚನೆಗಳಿಗೆ ದಾರಿ ಮಾಡಿಕೊಡುತ್ತದೆ.
ಜೊತೆಗೆ ಹವಾಮಾನ ಮಾದರಿಗಳ ಸುಧಾರಣೆಯನ್ನು ವೇಗಗೊಳಿಸುತ್ತದೆ. ಅವರು ಋತುವಿನ ಒಂದು ವರ್ಷ ಮುಂಚಿತವಾಗಿ ISMR ನ ಸಮರ್ಥ ದೀರ್ಘಾವಧಿಯ ಮುನ್ಸೂಚನೆಗಳು ಜಾಗತಿಕ ತಾಪಮಾನ ಏರಿಕೆಯೊಂದಿಗೆ ISMR ನ ಹೆಚ್ಚುತ್ತಿರುವ ಅನಿಶ್ಚಿತತೆಗಳಿಗೆ ಯೋಜನೆ ರೂಪಿಸುವಲ್ಲಿ ಮತ್ತು ಅದಕ್ಕೆ ಅನುಗುಣವಾಗಿ ದೇಶದ ಆಹಾರ ಉತ್ಪಾದನೆಯನ್ನು ಅಳವಡಿಸಿಕೊಳ್ಳುವಲ್ಲಿ ನೀತಿ ನಿರೂಪಕರು ಮತ್ತು ರೈತರಿಗೆ ಹೆಚ್ಚು ಪ್ರಯೋಜನಕಾರಿಯಾಗುತ್ತವೆ.