লেজার রেঞ্জফাইন্ডার বাইনোকুলার এবং জিপিএস ব্যবহার করে দূরবর্তী ভূমিধস ম্যাপিং

সূচিপত্র

1. ভূমিকা

নির্ভরযোগ্য ভূমিধস ইনভেন্টরি মানচিত্র ভূ-আকৃতিবিদ্যা অধ্যয়ন, বিপত্তি মূল্যায়ন এবং ঝুঁকি ব্যবস্থাপনার জন্য মৌলিক। সরাসরি ক্ষেত্র জরিপ এবং বায়ুবাহিত ফটো ব্যাখ্যা সহ ঐতিহ্যবাহী ম্যাপিং পদ্ধতিগুলি প্রায়শই সময়সাপেক্ষ, শ্রম-নিবিড় এবং অস্থিতিশীল ভূখণ্ডে বিপজ্জনক হতে পারে। এই গবেষণাপত্রটি একটি ক্ষেত্র পরীক্ষা উপস্থাপন করে যা একটি উচ্চ-নির্ভুলতা লেজার রেঞ্জফাইন্ডার বাইনোকুলার, একটি জিপিএস রিসিভার এবং জিআইএস সফটওয়্যার চালিত একটি রাগড ট্যাবলেট পিসির সমন্বয়ে গঠিত একটি অভিনব সিস্টেম মূল্যায়ন করে সাম্প্রতিক বৃষ্টিপাত-প্ররোচিত ভূমিধসের দূরবর্তী ম্যাপিং এর জন্য। প্রাথমিক উদ্দেশ্য ছিল এই প্রযুক্তি প্রচলিত পদ্ধতির তুলনায় দ্রুত, নিরাপদ এবং তুলনামূলকভাবে নির্ভুল ভূমিধস ম্যাপিং সহজতর করতে পারে কিনা তা মূল্যায়ন করা।

2. পদ্ধতি ও পরীক্ষামূলক সেটআপ

2.1. যন্ত্রপাতি

মূল সিস্টেমে তিনটি সমন্বিত উপাদান অন্তর্ভুক্ত ছিল:

• ভেক্ট্রনিক্স ভেক্টর IV রেঞ্জফাইন্ডার বাইনোকুলার: ভূমিধস বৈশিষ্ট্যগুলির দূরবর্তী দূরত্ব এবং বেয়ারিং পরিমাপের জন্য ব্যবহৃত।
• লাইকা জিওসিস্টেমস এটিএক্স১২৩০ জিজি জিপিএস/গ্লোনাস রিসিভার: অপারেটরের অবস্থানের জন্য উচ্চ-নির্ভুলতা জিওলোকেশন সরবরাহ করে।
• ইএসআরআই আর্কজিআইএস ও লাইকা মোবাইলম্যাট্রিক্স সহ রাগড ট্যাবলেট পিসি: ডেটা ইন্টিগ্রেশন এবং ম্যাপিং প্ল্যাটফর্ম হিসেবে কাজ করে, রিয়েল-টাইম জিআইএস ডেটা সংগ্রহ করতে দেয়।

সিস্টেমটি অপারেটরের জিপিএস অবস্থান, পরিমাপকৃত দূরত্ব ($d$), এবং রেঞ্জফাইন্ডার থেকে অ্যাজিমুথ ($\alpha$) ব্যবহার করে ভূমিধস শীর্ষবিন্দুর স্থানাঙ্ক গণনা করে।

2.2. অধ্যয়ন এলাকা ও পরীক্ষা পদ্ধতি

পরীক্ষাটি মন্টে ক্যাস্টেলো দি ভিবিও এলাকায় (উমব্রিয়া, মধ্য ইতালি) পরিচালিত হয়েছিল, যা একটি ২১ বর্গকিলোমিটার পাহাড়ি অঞ্চল যেখানে পাললিক শিলায় ভূমিধস প্রবণ। নতুন দূরবর্তী সিস্টেম ব্যবহার করে পূর্বে ম্যাপ করা তেরোটি ভূমিধস পুনরায় ম্যাপ করা হয়েছিল। বৈধতা যাচাইয়ের জন্য, চারটি ভূমিধস তাদের পরিধি জুড়ে জিপিএস রিসিভার হেঁটে ("ওয়াকড জিপিএস" পদ্ধতি) ম্যাপ করা হয়েছিল। এই ফলাফলগুলি প্রাথমিক দৃশ্যত পুনর্বিবেচনা মানচিত্রের সাথে তুলনা করা হয়েছিল।

3. ফলাফল ও বিশ্লেষণ

3.1. ম্যাপিং কৌশলের তুলনা

দূরবর্তী ম্যাপিং সিস্টেম ভূমিধস সীমানা তৈরি করেছিল যা ভৌগোলিকভাবে ওয়াকড জিপিএস পদ্ধতি দ্বারা প্রাপ্ত সীমানার সাথে তুলনীয়। উভয় কৌশলই প্রাথমিক দৃশ্যত পুনর্বিবেচনা ম্যাপিংয়ের চেয়ে উচ্চতর পাওয়া গেছে, যাতে সুনির্দিষ্ট জিওরেফারেন্সিংয়ের অভাব ছিল। দূরবর্তী পদ্ধতি ঢাল বিচ্যুতির প্রয়োজনীয় জ্যামিতি সফলভাবে ধারণ করেছে।

3.2. নির্ভুলতা ও দক্ষতা মূল্যায়ন

যদিও একটি পূর্ণ পরিসংখ্যানগত নির্ভুলতা মূল্যায়ন (যেমন, রুট মিন স্কোয়ার ত্রুটি গণনা) প্রদত্ত অংশে বিস্তারিত নয়, লেখকরা এই সিদ্ধান্তে উপনীত হন যে সিস্টেমটি সাম্প্রতিক ভূমিধস ম্যাপিংয়ের জন্য কার্যকর। মূল সুবিধাটি কার্যক্রমগত: এটি নিরাপদ, স্থিতিশীল সুবিধাজনক অবস্থান থেকে ম্যাপিং করতে দেয়, অস্থিতিশীল ভূমিধস ভূখণ্ড অতিক্রম করার সাথে সম্পর্কিত সময় এবং ঝুঁকি উল্লেখযোগ্যভাবে হ্রাস করে। এটি বৃহৎ এলাকার উপর দ্রুত পুনর্বিবেচনা ইনভেন্টরি ম্যাপিং এর জন্য একটি সরঞ্জাম হিসেবে অবস্থান নিয়েছে।

4. প্রযুক্তিগত বিবরণ ও গাণিতিক কাঠামো

মূল জিওস্পেশিয়াল গণনায় একটি পরিচিত পর্যবেক্ষক অবস্থান থেকে একটি লক্ষ্য বিন্দুর (ভূমিধস শীর্ষবিন্দু) স্থানাঙ্ক নির্ধারণ জড়িত। ব্যবহৃত সূত্রটি সরাসরি জিওডেটিক সমস্যা সমাধানের উপর ভিত্তি করে:

পর্যবেক্ষকের স্থানাঙ্ক (অক্ষাংশ $\phi_o$, দ্রাঘিমাংশ $\lambda_o$, উপবৃত্তাকার উচ্চতা $h_o$), পরিমাপকৃত ঢাল দূরত্ব $d$, অ্যাজিমুথ $\alpha$, এবং উল্লম্ব কোণ (বা জেনিথ দূরত্ব $z$) দেওয়া হলে, লক্ষ্য বিন্দুর স্থানাঙ্ক ($\phi_t$, $\lambda_t$, $h_t$) গণনা করা হয়। স্বল্প দূরত্বের জন্য একটি সরলীকৃত সমতলীয় আনুমানিকতায়, এটি এভাবে প্রকাশ করা যেতে পারে:

$\Delta N = d \cdot \cos(\alpha) \cdot \sin(z)$

$\Delta E = d \cdot \sin(\alpha) \cdot \sin(z)$

$\Delta h = d \cdot \cos(z)$

যেখানে $\Delta N, \Delta E, \Delta h$ পর্যবেক্ষকের সাপেক্ষে উত্তর, পূর্ব এবং উচ্চতার পার্থক্য। লক্ষ্যের স্থানাঙ্ক তখন: $Easting_t = Easting_o + \Delta E$, $Northing_t = Northing_o + \Delta N$, $h_t = h_o + \Delta h$। অনুশীলনে, নিবেদিত জিআইএস/জিপিএস সফটওয়্যার সুনির্দিষ্ট জিওডেটিক মডেল (যেমন, ডব্লিউজিএস৮৪ উপবৃত্তাকার) ব্যবহার করে এই গণনা সম্পাদন করে।

5. ফলাফল ও চার্ট বর্ণনা

চিত্র ১ (পিডিএফ-এ উল্লিখিত): এই চিত্রটি (এখানে সম্পূর্ণরূপে পুনরুত্পাদন করা হয়নি) সাধারণত তিনটি মূল যন্ত্রের ফটোগ্রাফ বা স্কিম্যাটিক দেখাবে: ভেক্ট্রনিক্স ভেক্টর IV বাইনোকুলার, লাইকা জিপিএস রিসিভার এবং রাগড ট্যাবলেট পিসি। এর উদ্দেশ্য হল সমন্বিত ক্ষেত্র সিস্টেমের জন্য একটি ভিজ্যুয়াল রেফারেন্স প্রদান করা, এর বহনযোগ্যতা এবং পরিমাপ (বাইনোকুলার), অবস্থান নির্ধারণ (জিপিএস), এবং ডেটা লগিং/ভিজ্যুয়ালাইজেশন (জিআইএস সহ ট্যাবলেট পিসি) এর মধ্যে সমন্বয় তুলে ধরা।

অন্তর্নিহিত তুলনামূলক বিশ্লেষণ: পাঠ্য ফলাফলগুলি তিনটি পদ্ধতির মধ্যে "অবস্থানগত নির্ভুলতা," "ডেটা সংগ্রহ গতি," "ক্ষেত্র নিরাপত্তা," এবং "কার্যক্রমগত খরচ" এর মতো অক্ষ বরাবর একটি ধারণাগত চার্ট তুলনা করার পরামর্শ দেয়। প্রাথমিক পুনর্বিবেচনার জন্য দূরবর্তী লেজার/জিপিএস পদ্ধতি নিরাপত্তা এবং গতিতে উচ্চ স্কোর করবে, পরিধি ম্যাপিংয়ের জন্য ওয়াকড জিপিএস "স্বর্ণমান" এর কাছাকাছি নির্ভুলতা সহ, যখন দৃশ্যত পুনর্বিবেচনা নির্ভুলতা এবং পুনরাবৃত্তিযোগ্যতায় নিম্ন স্থান পাবে।

6. বিশ্লেষণাত্মক কাঠামো: উদাহরণ কেস

দৃশ্যকল্প: একটি ৫০ বর্গকিলোমিটার পার্বত্য অঞ্চলে দ্রুত বৃষ্টিপাত-পরবর্তী ভূমিধস ইনভেন্টরি।

কাঠামোর প্রয়োগ:

1. পরিকল্পনা ও পুনর্বিবেচনা: উচ্চ সংবেদনশীলতা বা দৃশ্যমান ব্যাঘাতের এলাকা চিহ্নিত করতে পূর্ব-ঘটনা উপগ্রহ চিত্রাবলী (যেমন, সেন্টিনেল-২) ব্যবহার করুন।
2. দূরবর্তী ম্যাপিং অভিযান: লক্ষ্য উপত্যকাগুলির উপর অবস্থিত প্রবেশযোগ্য শৈলশিরা বা রাস্তায় লেজার/জিপিএস সিস্টেম মোতায়েন করুন। প্রতিটি সুবিধাজনক অবস্থান থেকে:
   • একটি স্থিতিশীল জিপিএস অবস্থান ফিক্স স্থাপন করুন।
   • তাজা ভূমিধস দাগ, ধ্বংসাবশেষ ট্র্যাক এবং পাদদেশ জমা চিহ্নিত করতে বাইনোকুলার দিয়ে ঢাল স্ক্যান করুন।
   • প্রতিটি চিহ্নিত বৈশিষ্ট্যের জন্য, মূল শীর্ষবিন্দু (যেমন, হেডস্কার্প মুকুট, পার্শ্বীয় প্রান্ত, পাদদেশ) চিহ্নিত করতে রেঞ্জফাইন্ডার ব্যবহার করুন। জিআইএস সফটওয়্যার এই বিন্দুগুলি রিয়েল-টাইমে প্লট করে, একটি বহুভুজ গঠন করে।
   • বৈশিষ্ট্য ডেটা (ধরন, আত্মবিশ্বাসের স্তর) ট্যাবলেটের মাধ্যমে প্রবেশ করানো হয়।
3. ডেটা সমন্বয় ও বৈধতা: সমস্ত সংগৃহীত বহুভুজ একটি একক জিআইএস স্তরে একত্রিত করুন। বৈধতার জন্য বৃহত্তর বা গুরুত্বপূর্ণ ভূমিধসগুলির একটি উপসেট নির্বাচন করুন:
   ক) ওয়াকড জিপিএস জরিপ (নিরাপদ হলে)।
   খ) ড্রোন ফটোগ্রামমেট্রি একটি উচ্চ-রেজোলিউশন ডিজিটাল এলিভেশন মডেল (ডিইএম) এবং সুনির্দিষ্ট ডিজিটাইজেশনের জন্য অর্থোফটো তৈরি করতে।
4. বিশ্লেষণ: মৌলিক ইনভেন্টরি পরিসংখ্যান (সংখ্যা, ঘনত্ব, মোট এলাকা) গণনা করুন এবং ঐতিহাসিক ডেটার সাথে তুলনা করে ঘটনার মাত্রা মূল্যায়ন করুন।

7. মূল অন্তর্দৃষ্টি ও সমালোচনামূলক বিশ্লেষণ

মূল অন্তর্দৃষ্টি: এই কাজটি একটি প্রযুক্তিগত যুগান্তকারী আবিষ্কার নয়, বরং একটি ব্যবহারিক ক্ষেত্রকর্মের কৌশল। এটি একটি নির্দিষ্ট, জটিল সমস্যা—দ্রুত ভূমিধস ইনভেন্টরি—যেখানে ঐতিহ্যবাহী পদ্ধতি নিরাপত্তা এবং গতিতে ব্যর্থ হয়, তার জন্য উচ্চ-স্তরের জরিপ সরঞ্জাম (লেজার রেঞ্জফাইন্ডার, জিওডেটিক জিপিএস) পুনরায় উদ্দেশ্যে ব্যবহার করে। প্রকৃত উদ্ভাবন হল সিস্টেম ইন্টিগ্রেশন এবং একটি "স্ট্যান্ড-অফ" ভূ-আকৃতিবিদ্যা জরিপের জন্য প্রমাণ-অব-ধারণা।

যুক্তিসঙ্গত প্রবাহ: লেখকদের যুক্তি শব্দ কিন্তু রক্ষণশীল। তারা একটি সমস্যা চিহ্নিত করে (বিপজ্জনক, ধীর ম্যাপিং), একটি প্রযুক্তি-সহায়ক সমাধান প্রস্তাব করে, একটি বেসলাইনের (ওয়াকড জিপিএস) বিরুদ্ধে একটি নিয়ন্ত্রিত পরিবেশে এটি পরীক্ষা করে এবং দেখে যে এটি কাজ করে। প্রবাহটি ক্লাসিক প্রয়োগকৃত ভূ-বিজ্ঞান। যাইহোক, এটি একটি কঠোর, পরিমাণগত ত্রুটি বিশ্লেষণ থেকে বিরত থাকে যা একটি মেট্রোলজি-কেন্দ্রিক জার্নালে প্রত্যাশিত হবে, যা এর প্রযুক্তিগত অবদান সুদৃঢ় করার জন্য একটি হারানো সুযোগ।

শক্তি ও ত্রুটি:

• শক্তি: প্রদর্শনযোগ্য নিরাপত্তা ও দক্ষতা লাভ। সিস্টেমটি শক্তিশালী, বাণিজ্যিক অফ-দ্য-শেলফ (কোটস) হার্ডওয়্যার ব্যবহার করে। এটি ঝুঁকিপূর্ণ ভূমি জরিপ এবং ব্যয়বহুল, আবহাওয়া-নির্ভর বায়ুবাহিত/মহাকাশবাহী দূরবর্তী সংবেদন (যেমন ইনসার বা লিডার, যেমন ইউএসজিএস বা রিমোট সেন্সিং অফ এনভায়রনমেন্ট এর মতো জার্নালে আলোচিত) এর মধ্যে একটি শূন্যতা পূরণ করে।
• ত্রুটি: "লাইন-অফ-সাইট" সীমাবদ্ধতা ঘন গাছপালা বা জটিল ভূ-প্রকৃতিতে অক্ষম করে তোলে—বৈশ্বিক প্রযোজ্যতার জন্য একটি প্রধান ত্রুটি। হার্ডওয়্যারের খরচ (ভেক্ট্রনিক্স, লাইকা) উন্নয়নশীল দেশগুলিতে ব্যাপক গ্রহণের জন্য নিষিদ্ধ, যেখানে ভূমিধস ঝুঁকি প্রায়শই সর্বোচ্চ। গবেষণাটি উদীয়মান ড্রোন-ভিত্তিক ফটোগ্রামমেট্রির বিরুদ্ধে একটি খরচ-সুবিধা বিশ্লেষণ এর অভাব রয়েছে, যা অনুরূপ নিরাপত্তা এবং উচ্চতর বিশদ অর্জন করতে পারে।

কার্যকরী অন্তর্দৃষ্টি:

1. অনুশীলনকারীদের জন্য: এই সিস্টেমটি প্রবেশযোগ্য, উন্মুক্ত ভূখণ্ডে দ্রুত প্রতিক্রিয়া দলগুলির জন্য একটি কার্যকর বিকল্প। প্রাথমিক স্কোপিং এবং আরও বিশদ তদন্তের লক্ষ্য চিহ্নিত করার জন্য এর ব্যবহারকে অগ্রাধিকার দিন।
2. গবেষকদের জন্য: ভবিষ্যত হল ফিউশন। পরবর্তী যৌক্তিক পদক্ষেপ হল এই ভূমি-ভিত্তিক ভেক্টর ডেটাকে ড্রোন বা উপগ্রহ রাস্টার ডেটার সাথে একীভূত করা (যেমন, ঘোরবানজাদেহ এট আল., ২০২২ এ দেখা গেছে বৈশিষ্ট্য নিষ্কাশনের জন্য এআই ব্যবহার করে)। বিস্তৃত চিত্রাবলীতে প্রয়োগ করা মেশিন লার্নিং মডেলগুলির জন্য প্রশিক্ষণ ডেটা বা বৈধতা হিসাবে সুনির্দিষ্ট জিপিএস-লেজার পয়েন্টগুলি ব্যবহার করুন।
3. উন্নয়নকারীদের জন্য: স্মার্টফোন সেন্সর (নতুন আইফোনে লিডার, আরটিকে জিপিএস মডিউল) এবং ক্লাউড প্রসেসিং ব্যবহার করে একটি সস্তা, অ্যাপ-ভিত্তিক সংস্করণ তৈরি করুন। ক্ষমতাকে গণতান্ত্রিক করুন।

মূলত, সান্টেঞ্জেলো এট আল. একটি নির্দিষ্ট ক্ষেত্র ওয়ার্কফ্লোর জন্য একটি মূল্যবান, যদিও কিছুটা পুরানো, নীলনকশা প্রদান করে। এর সর্বশ্রেষ্ঠ উত্তরাধিকার হওয়া উচিত ভূ-বিপত্তি ম্যাপিংয়ের জন্য আরও সাশ্রয়ী, সমন্বিত এবং এআই-সহায়ক সমাধান অনুপ্রাণিত করা।

8. প্রয়োগের সম্ভাবনা ও ভবিষ্যৎ দিকনির্দেশনা

• ইউএভি (ড্রোন) এর সাথে সমন্বয়: লেজার/জিপিএস সিস্টেম ড্রোন ফটোগ্রামমেট্রি বা লিডার থেকে তৈরি ভূমিধস মানচিত্রের জন্য গ্রাউন্ড-ট্রুথিং এবং বৈধতা এর জন্য আদর্শ। অপারেটর দূরত্ব থেকে ড্রোন চিত্রাবলীতে চিহ্নিত বৈশিষ্ট্যগুলি সুনির্দিষ্টভাবে পরিমাপ করতে পারেন।
• বহু-বিপত্তি দ্রুত মূল্যায়ন: পদ্ধতিটি ঘটনা-পরবর্তী অন্যান্য ভূ-বিপত্তির দ্রুত ম্যাপিংয়ের জন্য অভিযোজিত হতে পারে, যেমন রকফল উৎস এলাকা, বন্যা ক্ষয় দাগ, বা ভূমিকম্পের পর ফল্ট স্কার্প ম্যাপিং।
• নাগরিক বিজ্ঞান ও ক্রাউডসোর্সিং: এই সরঞ্জামের সরলীকৃত, অ্যাপ-ভিত্তিক সংস্করণ প্রশিক্ষিত স্থানীয় কর্মী বা নাগরিক বিজ্ঞানীদের ভূমিধস ঘটনার উপর কাঠামোগত জিওস্পেশিয়াল ডেটা অবদান রাখতে সক্ষম করতে পারে, পর্যবেক্ষণ নেটওয়ার্ক প্রসারিত করতে।
• অগমেন্টেড রিয়েলিটি (এআর) ইন্টারফেস: ভবিষ্যতের সিস্টেমগুলি জিআইএস ডেটা এবং পরিমাপ সরঞ্জাম সরাসরি দৃশ্যের ক্ষেত্রে ওভারলে করতে এআর চশমা ব্যবহার করতে পারে, ম্যাপিং প্রক্রিয়াকে আরও সুসংগত করতে।
• এআই-চালিত বৈশিষ্ট্য স্বীকৃতি: সিস্টেমটিকে রিয়েল-টাইম ইমেজ বিশ্লেষণ এআই এর সাথে যুক্ত করা বাইনোকুলারের ভিউফাইন্ডারের মাধ্যমে স্বয়ংক্রিয়ভাবে ভূমিধস বৈশিষ্ট্যগুলি প্রস্তাবিত এবং শ্রেণীবদ্ধ করতে সাহায্য করতে পারে, অপারেটর পক্ষপাত এবং প্রশিক্ষণের সময় হ্রাস করে।

9. তথ্যসূত্র

1. Santangelo, M., Cardinali, M., Rossi, M., Mondini, A. C., & Guzzetti, F. (2010). Remote landslide mapping using a laser rangefinder binocular and GPS. Natural Hazards and Earth System Sciences, 10(12), 2539–2546. https://doi.org/10.5194/nhess-10-2539-2010
2. Guzzetti, F., Mondini, A. C., Cardinali, M., Fiorucci, F., Santangelo, M., & Chang, K. T. (2012). Landslide inventory maps: New tools for an old problem. Earth-Science Reviews, 112(1-2), 42–66.
3. Ghorbanzadeh, O., Blaschke, T., Gholamnia, K., & Aryal, J. (2022). Landslide mapping using deep learning and object-based image analysis. Scientific Reports, 12, 3042.
4. USGS Landslide Hazards Program. (n.d.). Landslide Mapping and Monitoring. Retrieved from https://www.usgs.gov/natural-hazards/landslide-hazards/science
5. Martha, T. R., Kerle, N., Jetten, V., van Westen, C. J., & Kumar, K. V. (2010). Characterising spectral, spatial and morphometric properties of landslides for semi-automatic detection using object-oriented methods. Geomorphology, 116(1-2), 24–36.