ઘર કૃષિ વિશ્વ
વૈજ્ઞાનિકોએ ખેતરોમાંથી ગ્રીનહાઉસ ગેસના ઉત્સર્જનની ચોક્કસ આગાહી કરવા માટે AI-સંચાલિત સિસ્ટમ વિકસાવી છે, જે આબોહવા-સ્માર્ટ એગ્રીકલ્ચર માટે માપી શકાય તેવા ઉકેલોને સક્ષમ કરે છે. આ પ્રગતિ કૃષિ ઉત્સર્જન ઘટાડવામાં મદદ કરે છે અને વૈશ્વિક આબોહવા લક્ષ્યોને સમર્થન આપે છે.
GHG ઉત્સર્જનની પ્રતિનિધિત્વાત્મક છબી (ફોટો સ્ત્રોત: Pixabay)
પ્રથમ વખત, વૈજ્ઞાનિકોએ આર્ટિફિશિયલ ઈન્ટેલિજન્સ (AI) અને સુપર કોમ્પ્યુટર્સનો ઉપયોગ કરીને કાર્બન ચક્રની સચોટ આગાહીમાં અભૂતપૂર્વ પ્રગતિ હાંસલ કરી છે, જે રાષ્ટ્રીય સ્તરે વ્યક્તિગત ખેતરોમાંથી ગ્રીનહાઉસ ગેસ (GHG) ઉત્સર્જનનું ચોક્કસ માપન સક્ષમ કરે છે. આ ઉત્સર્જન પર દેખરેખ રાખવાની ક્ષમતા ખેતીમાં અસરકારક માપન, રિપોર્ટિંગ અને વેરિફિકેશન સિસ્ટમ્સ બનાવવા માટે નિર્ણાયક છે. આ ટેક્નોલોજી ક્લાઈમેટ-સ્માર્ટ ફાર્મિંગ પ્રેક્ટિસને અપનાવવા અને આબોહવા પરિવર્તનને ઘટાડવાના વૈશ્વિક પ્રયત્નોમાં નોંધપાત્ર યોગદાન આપી શકે છે.
યુનિવર્સિટી ઓફ ઇલિનોઇસ અર્બાના-ચેમ્પેન અને યુનિવર્સિટી ઓફ મિનેસોટાના નિષ્ણાતોની આગેવાની હેઠળનો અભ્યાસ તાજેતરમાં નેચર કોમ્યુનિકેશન્સમાં પ્રકાશિત થયો હતો. તે યુએસ ડિપાર્ટમેન્ટ ઓફ એનર્જી અને યુએસ નેશનલ સાયન્સ ફાઉન્ડેશન સહિત મુખ્ય ભંડોળ એજન્સીઓના સમર્થનથી વિકસાવવામાં આવ્યું હતું. ટીમનું સોલ્યુશન GHG ઉત્સર્જનમાં ફેરફારોને મોનિટર કરવા માટે AI અને અદ્યતન સુપરકમ્પ્યુટિંગને એકીકૃત કરે છે કારણ કે ખેતરો કવર ક્રોપિંગ અને ચોકસાઇ નાઇટ્રોજન વ્યવસ્થાપન જેવી આબોહવા-મૈત્રીપૂર્ણ પદ્ધતિઓનો અમલ કરે છે.
નોલેજ-ગાઇડેડ મશીન લર્નિંગ (KGML) નો ઉપયોગ કરીને બનાવવામાં આવેલ અનુમાનિત મોડેલિંગ ટૂલ, અત્યંત સચોટ પરિણામો આપવા માટે સેટેલાઇટ રિમોટ સેન્સિંગ, કોમ્પ્યુટેશનલ મોડલ્સ અને AIને જોડે છે. KGML મૉડલ ફોર એગ્રીકલ્ચર (KGML-Ag) પરંપરાગત મોડલ કરતાં 10,000 ગણી વધુ ઝડપથી પરિણામો ઉત્પન્ન કરવામાં સક્ષમ છે, જે તેને કૃષિ ક્ષેત્ર માટે એક શક્તિશાળી સાધન બનાવે છે. ખેતરના સ્તરે ચોક્કસ કાર્બન પ્રવાહની આગાહીઓ પ્રદાન કરીને, આ સિસ્ટમ ખેડૂતો, કંપનીઓ અને નીતિ નિર્માતાઓને સમગ્ર કૃષિ પુરવઠા શૃંખલામાં ઉત્સર્જનનું મૂલ્યાંકન કરવા અને ઘટાડવાની મંજૂરી આપે છે.
આ AI-સંચાલિત સિસ્ટમના મુખ્ય ફાયદાઓમાંની એક તેની માપનીયતા છે. જ્યારે શરૂઆતમાં મિડવેસ્ટ (યુએસએ)માં પરીક્ષણ કરવામાં આવ્યું હતું, ત્યારે આ ટેકનોલોજીને રાષ્ટ્રીય અને વૈશ્વિક સ્તરે પણ લાગુ કરી શકાય છે, જે વિશ્વભરમાં કૃષિ ઉત્સર્જન ઘટાડવાની નોંધપાત્ર સંભાવનાઓ પ્રદાન કરે છે. વિવિધ પ્રદેશોમાં વિવિધ કૃષિ પ્રણાલીઓમાં કામ કરવાની મોડેલની ક્ષમતા તેને આબોહવા-સ્માર્ટ કૃષિને આગળ વધારવા માટે અનિવાર્ય સાધન બનાવે છે.
આ સંશોધન GHG ઉત્સર્જન વિશે હિતધારકો વચ્ચે બહેતર સંદેશાવ્યવહારને ઉત્તેજન આપતા, ખેતીની પદ્ધતિઓને એકસરખી રીતે કેવી રીતે માપી શકાય તે માટે એક નવો બેન્ચમાર્ક સેટ કરે છે.
કૃષિ ઉદ્યોગને તેના કાર્બન ફૂટપ્રિન્ટને મોનિટર કરવા અને ઘટાડવા માટે સક્ષમ કરીને, અભ્યાસ ખાસ કરીને કૃષિ ક્ષેત્રે આર્થિક અને પર્યાવરણીય પડકારોનો સામનો કરી રહેલા પ્રદેશોમાં ઉત્સર્જન ઘટાડવાના વૈશ્વિક પ્રયાસો માટે એક માર્ગ રજૂ કરે છે.
(સ્ત્રોત: યુનિવર્સિટી ઓફ ઇલિનોઇસ અર્બના-ચેમ્પેન)
પ્રથમ પ્રકાશિત: 17 સપ્ટેમ્બર 2024, 16:06 IST
