एआई मॉडल और प्लेटफ़ॉर्म

कंप्यूटर मॉडलिंग प्रोग्राम कोरल रीफ संरक्षण प्रयासों में मदद करता है

mm
Unite.AI को Google पर अपने पसंदीदा स्रोतों में जोड़ें

ब्रिटिश कोलंबिया विश्वविद्यालय के ओकानागन में शोधकर्ताओं की एक टीम ने एक कंप्यूटर मॉडलिंग प्रोग्राम विकसित किया है जो वैज्ञानिकों को दुनिया भर में कोरल रीफ्स पर जलवायु परिवर्तन के प्रभाव और अंतिम पुनर्स्थापना योजनाओं का अनुमान लगाने में मदद करता है।

डॉ। ब्रूनो कार्टुरान के अनुसार, यह जलवायु परिवर्तन के खिलाफ लड़ने में एक महत्वपूर्ण कदम है, जो कई कोरल प्रजातियों को मार रहा है और पूरे कोरल रीफ पारिस्थितिकी तंत्र के पतन में योगदान दे रहा है। हालांकि, कोरल रीफ्स बहुत जटिल हैं, जिससे विनाश और पुनर्जन्म के प्रभाव का अध्ययन करना मुश्किल हो जाता है।

वास्तविक दुनिया के प्रयोगों के साथ समस्या

वास्तविक दुनिया के प्रयोग व्यावहारिक नहीं हैं क्योंकि उन्हें शोधकर्ताओं को बड़े क्षेत्रों में रीफ्स, कोरल उपनिवेशों और शाकाहारी आबादी को प्रभावित करने और बाधित करने की आवश्यकता होगी। फिर उन्हें कई वर्षों में संरचनात्मक परिवर्तन और विविधता की निगरानी करने की आवश्यकता होगी।

डॉ। कार्टुरान ने हाल ही में इरविंग के। बार्बर साइंस फैकल्टी के साथ अपनी डॉक्टरेट की पढ़ाई पूरी की है।

“बिना जरूरत के प्राकृतिक कोरल रीफ्स को परेशान करने वाले प्रयोग अनैतिक हैं और उनसे बचना चाहिए, जबकि बड़े एक्वेरियम का उपयोग करना व्यावहारिक नहीं है,” डॉ। कार्टुरान कहते हैं। “इन कारणों से, ऐसे प्रयोग कभी नहीं किए गए हैं, जिससे हमारी क्षमता कोरल विविधता और रीफ्स की संबंधित लचीलापन की भविष्यवाणी करने में बाधा उत्पन्न हुई है।”

डॉ। कार्टुरान का नवीनतम शोध फ्रंटियर्स इन इकोलॉजी एंड इवोल्यूशन में प्रकाशित हुआ है।

कोरल समुदायों का निर्माण

उन्होंने 245 कोरल समुदायों को बनाने के लिए मॉडल का उपयोग किया, जिनमें से प्रत्येक में नौ प्रजातियों का एक अद्वितीय सेट था और 25 वर्ग मीटर का क्षेत्र था। मॉडल कोरल उपनिवेशों और विभिन्न प्रजातियों के शैवाल को दर्शाने के लिए डिज़ाइन किए गए थे जो एक साथ बढ़ते हैं, प्रतिस्पर्धा करते हैं और जलवायु से प्रभावित होते हैं।

डॉ। कार्टुरान का कहना है कि मॉडल के सभी प्रमुख घटक, जिनमें प्रजातियों के लक्षण शामिल हैं, 800 अलग-अलग प्रजातियों से पहले से मौजूद, वास्तविक दुनिया के डेटा से सूचित हैं।

टीम ने विभिन्न परिदृश्यों को सिम्युलेट किया, जैसे कि तेज़ लहरें या तीव्र गर्मी, और फिर प्रत्येक मॉडल रीफ की लचीलापन को मापा। उन्होंने किसी भी नुकसान, पुनर्प्राप्ति समय, और 10 साल बाद परिदृश्य की गुणवत्ता को नोट किया।

इन सिम्युलेशन और परिदृश्यों ने टीम को यह खोज करने के लिए प्रेरित किया कि अधिक विविध समुदाय सबसे अधिक लचीले थे, जिसका अर्थ है कि वे नुकसान से उबरने में बेहतर थे और 10 साल बाद परिदृश्य की गुणवत्ता अधिक थी।

“अधिक विविध समुदायों में लचीलापन के लिए बहुत महत्वपूर्ण कुछ प्रजातियां होने की संभावना अधिक होती है,” डॉ। कार्टुरान कहते हैं। “इन प्रजातियों में विशिष्ट लक्षण होते हैं – वे आकारिकी रूप से जटिल, प्रतिस्पर्धी और पुनर्प्राप्ति की अच्छी क्षमता वाले होते हैं। जब वे एक समुदाय में मौजूद होते हैं, तो वे परिदृश्य की गुणवत्ता को बनाए रखते हैं या परेशानी के बाद भी बढ़ाते हैं। इसके विपरीत, इन प्रजातियों के बिना समुदाय अक्सर अंत में हानिकारक शैवाल से भर जाते हैं।”

वह यह भी कहते हैं कि कोरल विविधता कोरल रीफ्स की ताकत और भविष्य के स्वास्थ्य को निर्धारित करती है।

“हमारे अध्ययन में जो अनोखा है वह यह है कि हमारे परिणाम दुनिया भर में अधिकांश कोरल समुदायों पर लागू होते हैं। 245 से अधिक विभिन्न कोरल समुदायों में विविधता के प्रभाव को लचीलापन पर मापकर, विविधता की सीमा संभवतः अधिकांश रीफ्स में पाई जाने वाली वास्तविक कोरल विविधता को ओवरलैप करती है।”

नई अध्ययन एक ढांचा भी प्रदान करता है जो इन पारिस्थितिक तंत्रों के सफल प्रबंधन में मदद करता है और कोरल रीफ पुनर्स्थापना में सहायता करता है bằng स्थापित उपनिवेशों के साथ पूरक लक्षण वाली प्रजातियों के साथ कोरल समुदायों की लचीलापन को प्रबंधित करने के तरीके को प्रकट करके।

“यह एक बहुत ही वास्तविक और दुखद निष्कर्ष है कि हम एक दिन इन महत्वपूर्ण प्रजातियों को खो सकते हैं,” डॉ। कार्टुरान निष्कर्ष निकालते हैं। “हमारा मॉडल प्रयोग करने और यह निर्धारित करने के लिए उपयोग किया जा सकता है कि क्या इन प्रजातियों को खोने से अन्य, अधिक प्रतिरोधी प्रजातियों द्वारा मुआवजा दिया जा सकता है जो रीफ्स के अंतिम पतन को रोकेंगे।”

एलेक्स मैकफारलैंड एक एआई पत्रकार और लेखक हैं जो कृत्रिम बुद्धिमत्ता में नवीनतम विकासों का अन्वेषण कर रहे हैं। उन्होंने विश्वभर के कई एआई स्टार्टअप्स और प्रकाशनों के साथ सहयोग किया है।