एक नई अध्ययन, जो Minghao Qiu के नेतृत्व में और Yangmingkai Li मुख्य लेखक के रूप में की गई, Science Advances में प्रकाशित हुई। शोध कहता है कि वनों की आग का धुआँ संयुक्त राज्य के महाद्वीपीय हिस्से में जमीन‑स्तर (सतह) ओज़ोन बढ़ाता है और इससे हर साल हजारों अतिरिक्त मौतें हो सकती हैं। डेटा अवधि 2006 से 2023 तक थी।
टीम ने सतह ओज़ोन मापों को मौसम और उपग्रह डेटा के साथ जोड़ा और आग वाले दिनों में ओज़ोन के बदलने का अनुमान लगाने के लिए मशीन लर्निंग मॉडल इस्तेमाल किए। धुएँ वाले दिनों की पहचान के लिए उन्होंने NOAA के Hazard Mapping System के स्मोक प्ल्यूम उत्पाद का उपयोग किया। वे परिवेशी तापमान और पराबैंगनी विकिरण को नियंत्रित करते हुए धुएँ और गैर‑धुएँ दिनों की तुलना करते रहे।
विश्लेषण दिखाता है कि पूर्वी संयुक्त राज्य और मिडवेस्ट के कुछ हिस्सों में दैनिक ओज़ोन में अधिकतम 16% तक वृद्धि हो सकती है। टीम अनुमान लगाती है कि वाइल्डफायर‑जनित ओज़ोन अमेरिका में प्रति वर्ष 2,000 से अधिक अतिरिक्त मौतों में योगदान देता है। कुछ एक्सपोजर‑रिस्पॉन्स संबंध वृद्ध लोगों के डेटा पर आधारित थे, इसलिए शोध ने उम्र 65 और उससे ऊपर के लिए मृत्यु दर का अनुमान रिपोर्ट किया। शोध यह भी बताता है कि पिछले अध्ययनों ने अक्सर ओज़ोन को अनदेखा किया होगा और इस तरह कुल स्वास्थ्य भार कम आंका गया होगा।
कठिन शब्द
- वन की आग — जंगल में फैलने वाली बड़ी आगवनों की आग
- ओज़ोन — हवा में एक गैस, जो प्रदूषण से बनती है
- सतह — पृथ्वी की ऊपर की परत जहाँ हम रहते हैं
- उपग्रह — पृथ्वी के चारों ओर घूमने वाला मानव‑बनाया यान
- पराबैंगनी विकिरण — सूर्य से आने वाली तीव्र और ऊँची ऊर्जा वाली रोशनी
- मशीन लर्निंग मॉडल — डेटा से पैटर्न सीखने वाली कंप्यूटर तकनीक
- अनुमान — किसी चीज़ का संभावित नतीजा या संख्या बताना
- योगदान — किसी नतीजे में दिया गया हिस्सा या प्रभाव
युक्ति: जब आप किसी भी भाषा में कहानी पढ़ें या ऑडियो सुनें, तो लेख में हाइलाइट किए गए शब्दों पर होवर/फ़ोकस/टैप करें और तुरंत छोटी-सी परिभाषा देखें।
चर्चा के प्रश्न
- यदि आपके इलाके में वनों की आग का धुआँ आता है, तो आप रोज़मर्रा की गतिविधियों में ओज़ोन‑एक्सपोजर कैसे कम कर सकते हैं? उदाहरण दें।
- शोध में कहा गया है कि पिछले अध्ययनों ने अक्सर ओज़ोन को अनदेखा किया होगा। आपके विचार में इससे सार्वजनिक स्वास्थ्य नीतियों पर क्या असर पड़ सकता है?
- टीम ने मशीन लर्निंग और उपग्रह डेटा का इस्तेमाल किया। आप किन परिस्थितियों में ये तरीके सबसे उपयोगी या सबसे कठिन हो सकते हैं, अपने विचार लिखिए।
