MP AI Based Real-Time Forest Alert System News | एमपी गवर्नमेंट टेक्नोलॉजी का बेहद शानदार तरीके से उपयोग कर रहा है। आपको बता दें की मध्यप्रदेश एआई आधारित रियल-टाइम वन अलर्ट प्रणाली (AI Based Real-Time Forest Alert System) को लागू करने वाला देश का पहला राज्य बन गया है।
एमपी में एक्टिव फारेस्ट मैनेजमेंट की दिशा में यह ऐतिहासिक कदम उठाया गया है। यह प्रणाली उपग्रह चित्रों, मोबाइल फीडबैक और मशीन लर्निंग की मदद से कार्य करती है, जो भूमि अतिक्रमण, भूमि उपयोग परिवर्तन और वन ह्रास का पता लगाकर वन विभाग को समय पर कार्रवाई के लिये सक्षम बनाती है।
इस नवाचार की परिकल्पना वन मण्डलाधिकारी गुना अक्षय राठौर द्वारा की गयी और इसे मुख्य वन संरक्षक एवं वन बल प्रमुख असीम श्रीवास्तव एवं अपर प्रधान मुख्य वन संरक्षक आईटी बी.एस. अणिगेरी के नेतृत्व और संस्थागत समर्थन से क्रियान्वित किया गया।
यह भी पढ़ें: रीवा में संचालित बिना वाटर हार्वेस्टिंग सिस्टम वाले बारातघर होंगे बंद, निगमायुक्त ने उठाये सख्त कदम
गूगल अर्थ इंजन पर आधारित यह प्रणाली बहु-कालिक उपग्रह आंकड़ों का विश्लेषण करती है और कस्टम एआई मॉडल की मदद से भूमि उपयोग परिवर्तन की पहचान करती है। हर संभावित बदलाव को मोबाइल ऐप के माध्यम से फील्ड स्टॉफ को भेजा जाता है, जिससे वे स्थल पर जाकर पुष्टि कर सके।
गुना डीएफओ ने जानकारी दी कि यह पहली बार है जब हमने सेटेलाइट, एआई और फील्ड फीडबैक को निरंतर साइकल में जोड़ा है, जो खुद को समय के साथ सुधारता है।
यह प्रणाली फॉरेस्ट स्टॉफ को केवल निगरानी नहीं, बल्कि तत्काल कार्यवाही के लिये सशक्त बनाती है। अलर्ट जनरेशन और फीडबैक प्रक्रिया में प्रारंभिक अलर्ट जनरेशन में गूगल अर्थ इंजन द्वारा 3 तारीखों के उपग्रह चित्रों की तुलना, फसल, बंजर भूमि, निर्माण इत्यादि में बदलाव की पहचान करता है।
यह भी पढ़ें: 6 दिन से पाकिस्तान की कैद में है BSF जवान, अब पत्नी पहुंची पंजाब
साथ ही महत्वपूर्ण पिक्सल परिवर्तन के आधार पर पॉलीगन अलर्ट, फील्ड सत्यापन के अंतर्गत मोबाइल ऐप पर अलर्ट भेजना, फील्ड स्टॉफ जीपीएस टैग की गई फोटो, वाइस नोट और टिप्पणियाँ अपलोड करना एवं डेटा समृद्धि में एनडीवीआई, एसएवीआई, ईवीआई जैसे इंडेक्स और एसएआर विशेषताओं को जोड़ने से एक अलर्ट में लगभग 20+ इंडिपेंडेंट फीचर्स तैयार होते हैं।
मशीन लर्निंग मॉडल सुधार के अंतर्गत फील्ड से मिले फील्ड बैक के आधार पर एआई मॉडल का पुन: प्रशिक्षण और गलत अलर्ट की संख्या में कमी के साथ सटीकता में वृद्धि होगी।
