Author : RAHUL RAJEEV

Published on Aug 01, 2023 Commentaries 0 Hours ago

डेटाआधारित भविष्यकालीन धोरणनिर्मितीचा समावेश असणारा गतिमान व कल्पक आराखडा हा भारतातील हवेच्या गुणवत्ताविषयक समस्या प्रभावीपणे व सक्रियपणे हाताळण्याचा पुढील टप्पा असू शकतो.

‘हवा’विषयक धोरणांसाठी डेटा ठरणार उपयुक्त

हवेची खालावत चाललेली गुणवत्ता आणि या हवेचा आरोग्यावर होत असलेला प्रतिकूल परिणाम यांमुळे समाज, स्वयंसेवी संस्था आणि धोरणकर्त्यांमध्ये लक्षणीय चिंता निर्माण झाली आहे. हवेचे प्रदूषण आणि हवामान बदल हे एकमेकांशी घट्ट जोडलेले असून या दोन्हींची कारणे समान आहेत आणि या दोन्ही गोष्टी एकमेकांची तीव्रता वाढवतात. हवामान बदल ही दीर्घकालीन प्रक्रिया असली, तरी हवेच्या प्रदूषणामुळे हवामान बदलाची तीव्रता लक्षणीयरीत्या वाढते. त्यामुळे मोठ्या प्रमाणात आणि तातडीचे परिणाम होतात. हा परस्परसंबंध लक्षात घेतला, तर हवेची गुणवत्ता सुधारण्यासाठी विशेषतः शहरी हवेचे प्रदूषण रोखण्यासाठीचे उपाय हवामान बदलविषयक कृतीसंबंधातील उत्प्रेरक म्हणून काम करतील.

कार्यक्षमतेचे मूल्यांकन

‘आयक्यूएयर’च्या जागतिक हवा गुणवत्ता अहवालात चौथ्या स्थानावर असलेले दिल्ली हे शहर जगातील सर्वाधिक प्रदूषित शहरांपैकी एक म्हणून ओळखले जाते. मात्र हवेचे प्रदूषण ही देशभरातील समस्या आहे. देशातील ३९ शहरांचा जागतिक पातळीवरील ५० प्रदूषित शहरांच्या यादीत समावेश आहे.

हरियाणा, पंजाब आणि राजस्थानमधील राज्य सरकारांनी परळी जळण्यामुळे होणाऱ्या वायू प्रदूषणाचा सामना करण्यासाठी कृतीशील योजना आखल्या.

२०१६ मध्ये दिल्लीतील हवेच्या प्रदूषण पातळीत इतक्या मोठ्या प्रमाणात वाढ झाली, की शाळा, महाविद्यालये आणि डिझेलच्या जनरेटरवर बंदी आणण्यासारख्या तात्पुरत्या उपाययोजना प्रशासनाकडून करण्यात आल्या. दिल्ली सरकार आणि केंद्रीय प्रदूषण नियंत्रण मंडळाने (सीपीसीबी) श्रेणी प्रतिसाद उपलब्धता योजना (जीआरएपी) आधारित एअर क्वालिटी इंडेक्स (एक्यूआय) विकसित केला आहे. हा निर्देशांक हवेच्या गुणवत्ता पातळीनुसार, चांगली हवा ते अतिगंभीर प्रदूषणानुसार कृती व उपाययोजनांचे समायोजन करतो. हे वेळेच्या सरासरी प्रदूषक केंद्रीकरणातून निर्धारित केले जातात. त्याचप्रमाणे हरयाणा, पंजाब आणि राजस्थानमधील राज्यसरकारांनी शेतीसंबंधातील अंशतः जाळणीमुळे होणाऱ्या प्रदूषणावर मात करण्यासाठी कृतीयोग्य आराखडा आखला आहे; परंतु त्यांचे प्रयत्न प्रामुख्याने संकटाच्या प्रतिसादापुरतेच मर्यादित राहिले आहेत. कारण हवेच्या गुणवत्तेच्या अस्थिरतेमुळे नमुना ओळखणे आणि शाश्वत प्रतिबंधेत्मक उपाययोजनांची अंमलबजावणी करणे कठीण होते. विशेषतः सर्वसमावेशक आणि तरीही लक्ष्यित डेटा विश्लेषण नसेल, तरीही हे कठीण बनते.

त्याचप्रमाणे २०१९ मध्ये राबविण्यात आलेल्या राष्ट्रीय स्वच्छ हवा कार्यक्रमाचे (एनसीएपी) देशातील १३१ शहरांमधील प्रत्यक्ष वेळी केलेल्या निरीक्षणासह देशातील हवेची गुणवत्ता सुधारण्याचे उद्दिष्ट आहे. २०२६ पर्यंत पीएम (पार्टिकल मॅटर) १० तीव्रतेसाठी राष्ट्रीय वातावरण हवा गुणवत्ता मानकांचे पालन करून प्रदूषक तीव्रतेमध्ये ४० टक्के कपात करणे हे या कार्यक्रमाचे उद्दिष्ट आहे. पीएम २.५ आणि पीएम १० हे द्वाचे बारीक थेंब व कोरड्या घन तुकड्यांपासून बनलेले असतात आणि त्यांना द्रवाचे आवरण असते. श्वास घेताना ते शरीरात गेले, तर त्याचा आरोग्यावर विपरीत परिणाम होऊ शकतो. याशिवाय, हवेची गुणवत्ता तापसण्याचा राष्ट्रीय कार्यक्रम (एनएएमपी), हवेची गुणवत्ता व्यवस्थापन आयोग आणि टर्बो हॅपी सीडर मशिन्स (टीएचएस)साठी सवलत यांसारख्या उपक्रमांचे उद्दिष्ट पीकांचे अवशेष जाळण्यापासून परावृत्त करून हवेची गुणवत्ता सुधारणे हे आहे.

एनसीएपी मानकांचे पालन करण्यासाठी सीपीसीबी स्थानिक सरासरीकरण वापरते कारण एनसीएपी शहरांपैकी केवळ अर्ध्या शहरांमध्ये रिअल-टाइम मॉनिटरिंग स्टेशन आहेत आणि बहुतेक शहरांच्या मॉनिटरिंग स्टेशन किमान डेटा आवश्यकता पूर्ण करत नाहीत.

अशा उपाययोजना करूनही ‘एनसीएपी’मधील समाविष्ट शहरे आणि समाविष्ट नसलेल्या शहरांमधील पीएम २.५ पातळीमध्ये किमान असमानता विज्ञान व तंत्रज्ञान केंद्राच्या अभ्यासातून समोर आली आहे. हवेचे प्रदूषण ही अधिक व्यापक शहरी समस्या आहे, असे यातून दिसून येते. या निरीक्षणांचे विश्लेषण करण्यात ‘डेटा मॉनिटरिंग’ महत्त्वपूर्ण
भूमिका बजावू शकते. एनसीएपी मानकांच्या पालनाचे मूल्यांकन करण्यासाठी ‘सीपीसीबी’कडून अवकाशीय सरासरीचा वापर करते. याचे कारण म्हणजे एनसीएपी शहरांमधील सुमारे निम्म्या शहरांमध्ये प्रत्यक्ष वेळी निरीक्षण करणारी केंद्रे आहेत आणि ज्या शहरांमध्ये ही केंद्रे आहेत, त्यांपैकी बहुतेक केंद्रे डेटाची किमान आवश्यकताही पूर्ण करीत नाहीत. याउलट अमेरिकेच्या पर्यावरण संरक्षण संस्थेकडून ज्या पद्धतीने काम केले जाते, त्या पद्धतीने ‘सीपीसीबी’कडूनही हवेच्या गुणवत्ता डेटाचे विश्लेषण करून कठोर व प्रभावी धोरण आखण्यासाठी त्याचा वापर करता येऊ शकतो. अमेरिकेमधील ‘ओक्लाहोमा गॅस अँड इलेक्ट्रिक अँड ऑस्टिन एनर्जी’ या संस्थेने काही कार्यक्रम सुरू केले आहेत. त्यांमध्ये डेटा ॲनालिटिक्सचा वापर करून वातानुकूलनासाठी आवश्यक असलेल्या विजेची मागणी तीस टक्क्यांनी कमी करता येते. विशेष म्हणजे हे वापरकर्त्यांच्या लक्षातही येणार नाही, इतक्या चांगल्या पद्धतीने हे केले जाते. शिवाय त्यामुळे वीज उत्पादन प्रकल्पांची क्षमता वाढवणेही टाळता येऊ शकते. विजेची मासिक बिले आणि विजेचा वापर या दोहोंची पडताळणी करण्यासाठी डेटा ॲनालिसिसचा वापर केल्यामुळे अमेरिकेमध्ये वीजचोरीची समस्या हाताळण्यास मदत झाली. सुधारित डेटा ॲनालिसिस, व्यवस्थापन आणि संकलन हे घटक हवामान बदल रोखण्यासाठी परिणामकारकरीत्या धोरणे आखण्यासाठी उपयुक्त ठरू शकते, हे अमेरिकेतील या उदाहरणातून स्पष्ट झाले आहे.

डेटाप्रेरित विकास

हवामान बदलाच्या संकटाशी मुकाबला करण्यासाठी डेटा वापरणे गरजेचे आहे. सर्वसमावेशक व नियमितपणे हवेच्या गुणवत्तेविषयक संग्रह निर्माण करणे हे माहितीपूर्ण निर्णय घेण्यासाठी महत्त्वपूर्ण आहे. भारताने जी-२० चा अध्यक्ष या नात्याने आपल्या कार्यक्रमात ‘विकासासाठी डेटा’ या तत्त्वावर भर दिला आहे. भारताचे जी-२०तील प्रतिनिधी अमिताभ कांत यांनी संयुक्त राष्ट्रांची शाश्वत विकास उद्दिष्टे साध्य करण्यासाठी ‘ग्रॅन्युलर डेटा’ उपलब्ध होण्याचे महत्त्व विशद केले. त्याच वेळी डेटा उपलब्धता मर्यादित करणाऱ्यांवर टीका केली आणि डेटाच्या शैक्षणिक व संशोधन उद्दिष्टांचे महत्त्व अधोरेखित केले.

शाश्वत भविष्यासाठी डेटा गोपनीयता नियम, सीमापार डेटा सामायिकरण, राष्ट्रीय महत्त्व असलेल्या संवेदनशील डेटाचे स्थानिकीकरण आणि सर्व भागधारकांच्या ऑनबोर्डिंगवर चर्चा करणे आवश्यक आहे.

भारत सरकारने ॲनालिटिक्स व व्हिज्युअलायझेशन टुल्ससह ३६ महत्त्वपूर्ण क्षेत्रांचे मोठे डेटासेट जाहीर केले आहे. इतक्या मोठ्या प्रमाणातील डेटासेट सार्वजनिक करून भारताने खऱ्या विकासासाठी डेटाचा वापर करण्याच्या शर्यतीत आघाडी घेतली आहे. डेटाप्रेरित धोरण आराखड्याची अंमलबाजवणी करण्यासाठी अन्य विकसनशील देशांना या विषयात क्षमतावाढ करण्यासाठी प्रोत्साहन देते. यामुळे एसडीजी ३.९ गाठण्यासाठी भविष्यातील आंतरराष्ट्रीय सहकार्याचा मार्ग मोकळा होतो. यामुळे हवा, पाणी व माती दूषित झाल्याने होणाऱ्या मृत्यूंचे अथवा आजारांचे प्रमाण कमी करण्यास मदत होते. टिकाऊ भविष्यासाठी डेटा गुप्ततेचे नियम, सीमेपलीकडील देशांशी डेटाची
देवाण-घेवाण, राष्ट्रीय महत्त्व असलेल्या संवेदनशील डेटाचे स्थानिकीकरण आणि सर्व भागीदारांचे प्रबोधन करणे आवश्यक आहे.

डेटापासून विश्लेषणापर्यंत

भरपूर प्रमाणात डेटा उपलब्ध असल्याने उपयुक्त गोष्टींसाठी त्याचा वापर करणे महत्त्वपूर्ण आहे. डेटा ॲनालिटिक्स सरकारला दुखऱ्या बाजू ओळखण्यास आणि अनुकूल धोरणे त्वरित लागू करण्याची ताकद देऊ करते. ‘एनसीएपी’च्या कार्यक्रमात प्रदूषण कमी करण्यासाठी कोणतेही कालबद्ध उद्दिष्ट नाही.

हवेच्या गुणवत्तेचे निरीक्षक प्रदूषकाचा प्रति तासाचा डेटा गोळा करीत असतो. त्यामुळे डेटाचा मोठा खजिनाच तयार होतो. उच्च वेग, वैविध्य, मूल्य आणि सत्यतेमुळे तो ‘बिग डेटा’ होऊ शकतो. अशा डेटासेटवर अवकाशीय सरासरीचा वापर करणे हा एक प्राथमिक दृष्टिकोन आहे. कारण ते संबंधित क्षेत्रातील प्रदूषकांमधील वैविध्य, हवेच्या प्रदूषकांचा लोकांशी येणारा संपर्क व त्याचा आरोग्यावर होणारा परिणाम, प्रदूषणाचा स्रोताची ओळख आणि भौगोलिक हवामानशास्त्रीय स्थानिक स्थिती यांकडे दुर्लक्ष केल्याने वायू प्रदूषणाच्या जटिलतेचे अतिसुलभीकरण होते. त्या तुलनेत, अमेरिकेतील कर, हस्तांतरण व आरोग्य कार्यक्रमांचे विश्लेषण करणारे ‘ट्रान्सफर इनकम मॉडेल’ हे ‘मायक्रोसिम्युलेशन मॉडेल’ हा एक अधिक चांगला पर्याय आहे. हे नमुन्यातील बदल आणि वेळ व भौगोलिकतेनुसार धोरण कसे बदलते, याचा अभ्यास करण्यासाठी सामान्य अनुमानात्मक आकडेवारीचा वापर करते. या व्यतिरिक्त, हवेच्या गुणवत्तेच्या गतिमान स्वरूपाचा अंतर्भाव असणारी धोरणे तयार करणे, विश्लेषण करणे आणि हवेच्या गुणवत्तेच्या बदलत्या प्रवृत्तीचा विचार करणाऱ्या धोरणांची व्याप्ती वाढवणे यासाठी ‘मशिन लर्निंग’ आणि कृत्रिम बुद्धिमत्तेचा वापर केला जाऊ शकतो.

हवेच्या गुणवत्तेचे मॉनिटर्स दर तासाला प्रदूषक डेटा गोळा करतात, ज्यामुळे डेटाचे विस्तृत भांडार तयार होते जे त्याच्या उच्च वेग, विविधता, मूल्य आणि सत्यतेमुळे बिग डेटा म्हणून पात्र आहे.

संभाव्य परिस्थितीविषयी संकेत देणाऱ्या ‘प्रेडिक्टिव्ह ॲनालिटिक्स’ची आरोग्यसेवेमध्ये चांगल्या प्रकारे अंमलबजावणी करता येते. ते भविष्यकालीन वापरासाठी आपल्याकडे असलेली खूप मोठी क्षमता सोदाहरण स्पष्ट करतात. ‘दि ऑस्ट्रेलियन इन्स्टिट्यूट ऑफ हेल्थ अँड वेल्फेअर’कडून आरोग्यसेवेवरील खर्च आणि लोकसंख्या वाढ यांसारख्या घटकांचा बारकाईने अभ्यास करण्यासाठी ‘प्रेडिक्टिव्ह ॲनालिटिक्स’चा वापर करते. त्याचप्रमाणे ‘एक्यूआय’साठी एकापेक्षा जास्त हवेची गुणवत्ता मोजणाऱ्या मॉनिटरवरील आधीच्या मालिकेतील डेटाचा वापर करून संभाव्य परिणामांची माहिती देणारे मॉडेल तयार केले जाऊ शकते. उदाहरणार्थ, तीव्र ‘एक्यूआय’चे प्राथमिक कारण सल्फर असल्यास सरकारने पूर्वनिर्धारित कृती करण्याऐवजी सल्फर प्रदूषणाला कारक ठरणाऱ्या विशिष्ट हालचालींवर लक्ष ठेवायला हवे. एक्यूआय निर्धारकांमधील ‘प्रेडिक्टिव्ह ॲनालिटिक्स’ धोरण परिणामकारकतेचे मूल्यांकन करू शकतात, अपेक्षित मापदंडाची जाणीव ठेवू शकतात. त्यांचा अर्थव्यवस्थेवर कमीतकमी प्रभाव पडतो; तसेच सुधारित हवेच्या गुणवत्तेची खात्री केली जाऊ शकते.

पुढील मार्गक्रमण

डेटाआधारित भविष्यकालीन धोरणनिर्मितीचा समावेश असणारा गतिमान व कल्पक आराखडा हा भारतातील हवेच्या गुणवत्ताविषयक समस्या प्रभावीपणे व सक्रियपणे हाताळण्याचा पुढील टप्पा असू शकतो. हवामान बदलासारख्या जागतिक आव्हानांना तोंड देण्यासाठी डेटाचा वापर सर्वाधिक महत्त्वाचा आहे. यामुळे अधिक लक्ष पुरवले जाते आणि अनमोल साह्यही करू शकतात. हवामान बदलाच्या समस्येशी सामना करण्यासाठी एक संयुक्त जागतिक योजना आखण्याची गरज आहे. या बाबतीत भारताकडे आघाडीवरून लढणारी शक्ती म्हणून उदयास येऊ शकतो; तसेच विचारी नेतृत्व आणि प्रभावी कृतीचे दर्शनही घडवू शकतो.

राहुल राजीव ऑब्झर्वर रिसर्च फाउंडेशनमध्ये जिओ इकॉनॉमिक्स प्रोग्राममध्ये इंटर्न आहेत.

The views expressed above belong to the author(s). ORF research and analyses now available on Telegram! Click here to access our curated content — blogs, longforms and interviews.