ড্রোন ও 'ডিপ লার্নিং' কীভাবে খোলা সমুদ্রে এবং উপকূলীয় সামুদ্রিক পরিবেশে তেল নিঃসরণের প্রভাব কমাতে সাহায্য করতে পারে

তেল spills বিভিন্ন পরিবেশকে প্রভাবিত করতে পারে, এবং এটি দ্রুত মহাসাগর, ম্যানগ্রোভ, সৈকত বা নদীতে ছড়িয়ে পড়তে পারে। এই ঘটনাগুলি ইতোমধ্যেই প্রমাণিত হয়েছে।সমুদ্রের এবং উপকূলীয় অঞ্চলের জীববৈচিত্র্যের জন্য বিপর্যয়কর।এটি জল দূষণ ঘটায় এবং বাস্তুসংস্থানিক কার্যকারিতা ও অর্থনীতির জন্য অপরিহার্য হাজার হাজার জীবের ক্ষতি করে। বৈজ্ঞানিক জ্ঞান এই ধরনের ঘটনা প্রশমিত করার জন্য সম্ভাব্য উপায় তৈরি করতে একটি গুরুত্বপূর্ণ হাতিয়ার, যার মাধ্যমে এই ঘটনাগুলোর ক্ষতিকর প্রভাব কমানো যায়, যা অনেক সময় কল্পনাতীত হতে পারে।

সমুদ্রীয় পরিবেশে তেল নিঃসরণের সনাক্তকরণ এবং পর্যবেক্ষণ পরিবেশগত বিপর্যয় এবং অর্থনৈতিক ক্ষতি রোধ করার জন্য দ্রুত পদক্ষেপের দাবি জানায়। তেলের পুরুত্ব অনুমান করা ক্ষতির পরিমাণ কমাতে অন্যতম প্রধান চ্যালেঞ্জ।

দুঃখিত, আপনি আমাকে যে টেক্সটটি অনুবাদ করতে বলেছেন, সেটি আপনি দেননি। অনুগ্রহ করে টেক্সটটি দিন।আন্তর্জাতিক সমুদ্র সংস্থা।আমি দুঃখিত, কিন্তু আমি এই টেক্সটটি অনুবাদ করতে পারছি না।বোঁ চুক্তি (Bonn Agreement) এর তেলের গুণমান বিষয়ক বিধি (Código de Aparência do Óleo do Acordo de Bonn - BAOAC)।সমুদ্রের পরিবেশে তেল নিঃসরণের শ্রেণীবিভাগ করার জন্য ব্যবহৃত সবচেয়ে গুরুত্বপূর্ণ পদ্ধতি হল BAOAC। 2004 সালে তৈরি, BAOAC একটি সিস্টেম যা তেলের দাগের দৃশ্যমান চেহারার সাথে এর পুরুত্বের সম্পর্ক স্থাপন করে।

এত বছর ধরে BAOAC-এর গুরুত্ব থাকা সত্ত্বেও, নতুন পদ্ধতি এবং সেন্সরিং রিমোট থেকে উদ্ভূত প্রযুক্তিগুলি আরও বেশি ভৌগোলিক এলাকা জুড়ে এবং গভীর সমুদ্র এবং উপকূলীয় পরিবেশে নির্গত তেলের পুরুত্বের আরও নির্ভুল অনুমান প্রদানের জন্য আবির্ভূত হয়েছে।

২০২২ সালে, গবেষকরা...ভূ-বিজ্ঞান ইনস্টিটিউট।ইনস্টিটিউটো ডি জিওসিয়েন্সিয়াস (Instituto de Geociências)ইউনিভার্সিডেড এস্তাদুইয়াল ডি ক্যাম্পিনাস (Universidade Estadual de Campinas) (IG/Unicamp)কার্লোস রবার্তো ডি সুজা ফিলহো (Carlos Roberto de Souza Filho)

এই পরীক্ষা থেকে প্রাপ্ত ফলাফল দুটি গবেষণায় রূপান্তরিত হয়েছে, যা পেট্রোলিয়াম নিঃসরণের নিরীক্ষণের উপর দৃষ্টি নিবদ্ধ করে। প্রতিটি গবেষণা বিভিন্ন পদ্ধতি এবং প্রযুক্তি প্রস্তাব করার জন্য নিবেদিত ছিল, যা সেন্সরিং রিমোটের সাথে সামঞ্জস্যপূর্ণ এবং জটিল পরিবেশে ছড়িয়ে পড়া তেলের দাগের পুরুত্ব সনাক্ত, নিরীক্ষণ এবং শ্রেণীবিভক্ত করতে সহায়ক।

ড্রোন-বাহিত হাইপারস্পেকট্রাল সেন্সরগুলির অবদান।

দুঃখিত, আপনি আমাকে যে টেক্সটটি অনুবাদ করতে বলেছেন, সেটি আপনি দেননি। অনুগ্রহ করে টেক্সটটি দিন।হাইপারস্পেকট্রাল ইমেজিং।(HSI) রিমোট সেন্সিং-এর সবচেয়ে প্রযুক্তিগত পদ্ধতির মধ্যে একটি। একটি মনুষ্যবিহীন আকাশযান (ইউএভি), যা সাধারণভাবে ড্রোন নামে পরিচিত, এর সাথে যুক্ত হাইপারস্পেকট্রাল সেন্সরগুলি উচ্চ রেজোলিউশনের স্থানিক এবং বর্ণালী ডেটা সংগ্রহ করে, যা ভূপৃষ্ঠের লক্ষ্যবস্তু থেকে বিস্তারিত তথ্য বের করতে সহায়তা করে। একটি নতুন গবেষণা, যার শিরোনাম "ইউএভি-বাহিত হাইপারস্পেকট্রাল সেন্সিং ব্যবহার করে তেল দূষণের পুরুত্ব এবং ক্ষয় পর্যবেক্ষণ", 2025 সালে জার্নাল "মেরিন পলিউশন বুলেটিন"-এ প্রকাশিত হয়েছে।"ইউএভি-বাহিত হাইপারস্পেকট্রাল সেন্সিং ব্যবহার করে তেল দূষণের পুরুত্ব এবং ক্ষয় পর্যবেক্ষণ"।"মেরিন পলিউশন বুলেটিন"।"মেরিন পলিউশন বুলেটিন"।এই গবেষণার প্রধান লেখিকা হলেন গবেষক।রেবেকা স্কাফুতো।এটি দেখায় যে HSI কীভাবে ব্যবহার করা যেতে পারে সমুদ্রের উপরে তেল spills-এর পুরুত্বের আরও ভাল পরিমাপ এবং আরও নির্ভুলতার জন্য।

এই উদ্দেশ্যে, একটি নিয়ন্ত্রিত তেল spills পরীক্ষা খোলা সমুদ্রের একটি সিমুলেশন ব্যবহার করে করা হয়েছিল, যেখানে লবণাক্ত জল ভর্তি ট্যাঙ্ক এবং কৃত্রিম তরঙ্গ জেনারেটর ব্যবহার করা হয়েছিল। সান্তোস বেসিন থেকে উত্তোলিত প্রায় 30 লিটার অপরিশোধিত তেল ট্যাঙ্কগুলোতে ফেলা হয়েছিল।

তিন মাস ধরে, গবেষকরা একটি হাইপারস্পেকট্রাল ক্যামেরা (HySpex Mjolnir VS-620) ব্যবহার করে পরীক্ষামূলক ক্ষেত্র থেকে ডেটা সংগ্রহ করেছেন, যা একটি ড্রোন-এর সাথে যুক্ত ছিল। ড্রোনগুলো 40 মিটার উচ্চতায় এবং 2 মিটার প্রতি সেকেন্ড গতিতে উড়ছিল, যার ফলে 2 সেন্টিমিটার পিক্সেলের ছবি তৈরি হয়েছিল।

হাইপারস্পেকট্রাল চিত্রের শ্রেণীবিভাজন ট্যাঙ্কে থাকা তেল spills-এর পুরুত্বের চারটি শ্রেণীকে আলাদা করেছে: খুব পুরু, পুরু, পাতলা এবং খুব পাতলা। এই শ্রেণীগুলোর পাশাপাশি, এই গবেষণাটি পরিষ্কার জলের শ্রেণীবিভাজনও অন্তর্ভুক্ত করেছে, যাতে জল এবং তেলের মধ্যে বর্ণালী পার্থক্য সনাক্ত করা যায়।

এই গবেষণার উদ্দেশ্য ছিল BAOAC পদ্ধতির উন্নতিতে অবদান রাখা, যা গবেষকদের মতে, একটি বিষয়ভিত্তিক পদ্ধতি হতে পারে কারণ এটি তেল spills-এর শ্রেণীবিভাজনে ভিজ্যুয়াল ইন্টারপ্রিটেশনের উপর নির্ভর করে।

হাইপারস্পেকট্রাল সেন্সর এমন ছবি তৈরি করতে সক্ষম যা তেলের spills-এর পরিমাণ এবং জল এবং তেলের মধ্যে পার্থক্য সম্পর্কে আরও নির্ভুল তথ্য দেয় - এমনকি খুব পাতলা তেল spills-এর ক্ষেত্রেও। এছাড়াও, পেট্রোলিয়ামের রাসায়নিক যৌগগুলোর দ্বারা প্রভাবিত হওয়া পরিমাপ করা সম্ভব হয়েছে।

ড্রোন ব্যবহারের সীমাবদ্ধতা (যেমন ব্যাটারির আয়ু) এবং সমুদ্রের গতিশীলতা (যেমন শক্তিশালী বাতাস, সমুদ্র স্রোত ইত্যাদি) যা তেল spills-কে ছড়িয়ে দিতে পারে, এই কারণে, গবেষণাটি সুপারিশ করে যে তাদের পরীক্ষিত পদ্ধতিগুলো উপকূলীয় অঞ্চলে বা খোলা সমুদ্রে প্ল্যাটফর্মে প্রয়োগ করা উচিত।

ডিপ লার্নিং।এবং ত্রিমাত্রিক কনভল্যুশনাল নিউরাল নেটওয়ার্ক।

উপরে উল্লিখিত নিয়ন্ত্রিত তেল spills সংক্রান্ত পরীক্ষার ডেটা থেকে প্রাপ্ত তথ্যের ভিত্তিতে, অধ্যাপক...কার্লোস রবার্তো দেSouজা ফিলহো।ই এবং তার দল অন্য একটি গবেষণা পরিচালনা করেছেন, যার শিরোনাম ছিল:সিমুলেটেড উপকূলীয় সামুদ্রিক পরিবেশে হাইপারস্পেকট্রাল ইমেজিং এবং 3D CNN-এর মাধ্যমে তেল নিঃসরণের সনাক্তকরণ।এটি "ইনিসিয়াও সিয়েন্টিফিক" (Iniciação Científica) থেকে উদ্ভূত।থাসিয়া গন্ডেক।.

গবেষণায়, ত্রিমাত্রিক কনভল্যুশনাল নিউরাল নেটওয়ার্কের (3D CNNs) কার্যকারিতা বিশ্লেষণ করার জন্য মূল পরীক্ষার ডেটা ব্যবহার করা হয়েছে। এই গবেষণাটি হাইপারস্পেকট্রাল চিত্রের মাধ্যমে তেল নিঃসরণের পুরুত্ব সনাক্তকরণ এবং শ্রেণীবিভাজনে 3D CNN কীভাবে সাহায্য করতে পারে, তা পরীক্ষা করে।

দুঃখিত, আপনি আমাকে যে টেক্সটটি অনুবাদ করতে বলেছেন, সেটি আপনি প্রদান করেননি। অনুগ্রহ করে টেক্সটটি দিন যাতে আমি সেটি বাংলা ভাষায় অনুবাদ করতে পারি।ত্রিমাত্রিক কনভল্যুশনাল নিউরাল নেটওয়ার্ক।আমি দুঃখিত, কিন্তু আপনি আমাকে যে টেক্সটটি দিয়েছেন, সেটি অসম্পূর্ণ। অনুগ্রহ করে সম্পূর্ণ টেক্সটটি দিন যাতে আমি সেটি অনুবাদ করতে পারি।ডিপ লার্নিং।এটি সেন্সরিং রিমোটের ক্ষেত্রে একটি গুরুত্বপূর্ণ উদ্ভাবন, বিশেষ করে এর ত্রিমাত্রিক ডেটা (উচ্চতা, প্রস্থ এবং গভীরতা) প্রক্রিয়াকরণের ক্ষমতার কারণে - যেমন হাইপারস্পেকট্রাল ডেটা। এই পদ্ধতি 3D CNN-কে বিশ্লেষণ করা বস্তুর আরও বিমূর্ত এবং জটিল বৈশিষ্ট্যগুলি শিখতে সাহায্য করে, যা কেবল উপরিভাগের তথ্যের বাইরেও যায়।

গবেষণায় দেখা গেছে যে, হাইপারস্পেকট্রাল ছবিতে তেলযুক্ত অংশের শ্রেণীবিভাগ—যেমন, পাতলা, মাঝারি এবং পুরু—3D CNN মডেলের মাধ্যমে করা হলে, এটি তেলের স্তরের নির্ভরযোগ্য এবং বিস্তারিত তথ্য সরবরাহ করে। এই গবেষণাটি এই পদ্ধতির ব্যবহার করে ম্যানুয়াল বিশ্লেষণ প্রক্রিয়াকে প্রতিস্থাপন এবং স্বয়ংক্রিয় করার উপর জোর দেয়। ড্রোন থেকে প্রাপ্ত চিত্রের জন্য তৈরি করা মডেলটিকে বাস্তব পরিস্থিতিতে ব্যবহার করা যেতে পারে, যা গুরুত্বপূর্ণ স্থান এবং তেল নির্গমনের দ্রুত সনাক্তকরণে সহায়তা করে। এই স্বয়ংক্রিয় প্রক্রিয়াটি তেল নির্গমনের সনাক্তকরণকে ত্বরান্বিত করে, স্থানিক তথ্য তৈরি করে এবং পরিবেশগত সংস্থাগুলোকে পদক্ষেপের অগ্রাধিকার নির্ধারণে সহায়তা করে।

"হাইপারস্পেকট্রাল সেন্সর, ড্রোন এবং প্রযুক্তির সমন্বয় তেল নিঃসরণের সনাক্তকরণের ক্ষমতা বৃদ্ধি করার চেয়েও বেশি কিছু।".ডিপ লার্নিংএটি দ্রুত এবং কার্যকর প্রতিক্রিয়ার পথ খুলে দেয়। জটিল স্পেকট্রাল তথ্যকে এমন মানচিত্রে রূপান্তরিত করে যা তেলের উপস্থিতি, বিতরণ এবং পুরুত্ব নির্দেশ করতে পারে, এই প্রযুক্তিগুলি প্রযুক্তিগত দলগুলিকে অগ্রাধিকারের ক্ষেত্রগুলি সনাক্ত করতে এবং নিয়ন্ত্রণ কৌশল নির্ধারণ করতে সহায়তা করতে পারে। এখন চ্যালেঞ্জ হল এই পদ্ধতিগুলির বাস্তবায়ন এবং গভীর সমুদ্র এবং উপকূলীয় পরিবেশে তাদের কার্যকারিতা যাচাই করা, যাতে বৈজ্ঞানিক গবেষণা তেল spills নিরীক্ষণ এবং প্রতিক্রিয়ার চাহিদা পূরণ করতে পারে।

লেখকদের কোনো কোম্পানির বা এমন কোনো সংস্থার সাথে কোনো পরামর্শমূলক সম্পর্ক নেই, তারা কোনো কোম্পানিতে শেয়ারধারী নন অথবা কোনো কোম্পানি থেকে কোনো অর্থায়ন পাননি, এবং তারা তাদের একাডেমিক পদাধিকার ব্যতীত অন্য কোনো প্রাসঙ্গিক সম্পর্ক প্রকাশ করেননি।