বন্যার আগাম পূর্বাভাসে এআই মডেল তৈরি করলেন বাকৃবির গবেষকরা

ময়মনসিংহের বাংলাদেশ কৃষি বিশ্ববিদ্যালয়ের (বাকৃবি) একদল গবেষক কৃত্রিম বুদ্ধিমত্তা বা এআই ব্যবহার করে বন্যার পূর্বাভাস দেওয়ার একটি মডেল তৈরি করেছেন, যা নদীর পানি কতটা বাড়বে বা কমবে তা আগাম জানাতে পারে। ২০২৬ সালের ২৮ এপ্রিল জাগো নিউজ ২৪ এ খবর প্রকাশ করে। গবেষকরা এআইয়ের দুটি শাখা, মেশিন লার্নিং ও ডিপ লার্নিং প্রযুক্তি কাজে লাগিয়েছেন এবং পুরাতন ব্রহ্মপুত্র নদের ১৯৯৯ থেকে ২০২৪ সাল পর্যন্ত টানা ২৬ বছরের আবহাওয়া ও নদীর উপাত্ত দিয়ে মডেলটিকে প্রশিক্ষণ দিয়েছেন।

বাংলাদেশের মতো বন্যাপ্রবণ দেশে নদীর পানির উচ্চতা আগাম ও নির্ভুলভাবে জানানো দীর্ঘদিনের এক বড় চ্যালেঞ্জ। যেসব অঞ্চলে পর্যাপ্ত তথ্য বা উপাত্ত নেই, সেখানে এই কাজ আরও কঠিন। গবেষকরা জানান, জলবায়ু পরিবর্তনের প্রভাবে সৃষ্ট বন্যা মোকাবিলা এবং ঠিক এমন তথ্য সংকটপূর্ণ এলাকায় কার্যকর সতর্কবার্তা দেওয়ার লক্ষ্যেই গবেষণাটি পরিচালনা করা হয়। প্রতিবেদন অনুযায়ী, প্রচলিত পদ্ধতির তুলনায় অনেক কম তথ্য ব্যবহার করেও নতুন প্রযুক্তিটি অত্যন্ত নির্ভুল পূর্বাভাস দিতে সক্ষম হয়েছে।

গবেষকরা পুরাতন ব্রহ্মপুত্র নদের চারটি গুরুত্বপূর্ণ স্টেশন ইসলামপুর, সরিষাবাড়ী, দেওয়ানগঞ্জ ও ময়মনসিংহ থেকে তথ্য সংগ্রহ করেন। বৃষ্টিপাত, তাপমাত্রা, নদীর পানির উচ্চতা এবং পানিপ্রবাহের হার ব্যবহার করে নদীর পানি কত বাড়বে বা কমবে তা আগাম জানানোই ছিল গবেষণার মূল উদ্দেশ্য। এ জন্য তারা কয়েকটি ভিন্ন এআই মডেল পাশাপাশি পরীক্ষা করে দেখেন।

গবেষণার মূল নেতৃত্বে ছিলেন বাকৃবির সেচ ও পানি ব্যবস্থাপনা বিভাগের সহযোগী অধ্যাপক ড. মো. তৌহিদুল ইসলাম। গবেষক দলে আরও ছিলেন একই বিভাগের অধ্যাপক ড. এ. কে. এম. আদহাম এবং বিভাগের স্নাতক ও স্নাতকোত্তর শিক্ষার্থীরা।

প্রকল্পে অর্থায়ন করেছে বাংলাদেশ সরকারের বিজ্ঞান ও প্রযুক্তি মন্ত্রণালয় (এমওএসটি) এবং বিশ্ববিদ্যালয় মঞ্জুরি কমিশন (ইউজিসি)। বাংলাদেশ কৃষি বিশ্ববিদ্যালয় রিসার্চ সিস্টেম (বাউরেস) প্রকল্প বাস্তবায়নে প্রয়োজনীয় কারিগরি ও প্রশাসনিক সহযোগিতা দিয়েছে। প্রতিবেদন অনুযায়ী, গবেষণার কাজ শুরু হয় ২০২৫ সালের মাঝামাঝি এবং ২০২৬ সালে তা কিউ১ থেকে কিউ২ ক্যাটাগরির একটি আন্তর্জাতিক জার্নালে প্রকাশিত হয়।

জার্নালের নথিও প্রতিবেদনের সঙ্গে মেলে। মো. তৌহিদুল ইসলাম, সুজন চন্দ্র রায়, নুসরাত জাহান, নাহিদুল ইসলাম ও এ. কে. এম. আদহামের লেখা "From climate signals to smart predictions: advanced machine learning and deep learning for hydrological modeling in data-scarce Bangladesh" শিরোনামের প্রবন্ধটি ২০২৬ সালের ২০ ফেব্রুয়ারি এইচটুওপেন জার্নালে (H2Open Journal) অনলাইনে প্রকাশিত হয়; এটি জার্নালের নবম খণ্ডের দ্বিতীয় সংখ্যার ৮১ থেকে ১০৯ পৃষ্ঠায় রয়েছে। প্রবন্ধের অর্থায়নের তথ্যে বাংলাদেশ বিশ্ববিদ্যালয় মঞ্জুরি কমিশনের নাম আছে, অনুদান নম্বর crop_science-16/2022-2023। একই দলের একই নদী নিয়ে আগের একটি প্রবন্ধ, যা ২০২৫ সালের ৮ অক্টোবর জার্নাল অব ওয়াটার অ্যান্ড ক্লাইমেট চেঞ্জে প্রকাশিত হয়, তাতে অর্থদাতা হিসেবে বিজ্ঞান ও প্রযুক্তি মন্ত্রণালয়ের নাম রয়েছে।

বাউরেস নতুন কোনো প্রতিষ্ঠান নয়। জাতীয় জ্ঞানকোষ বাংলাপিডিয়া জানায়, বিশ্ববিদ্যালয়ের নিজস্ব অথবা বাইরের সংস্থার পৃষ্ঠপোষকতায় চলা গবেষণা প্রকল্পগুলোর সমন্বয় ও ব্যবস্থাপনার জন্য ১৯৮৪ সালে বাকৃবি রিসার্চ সিস্টেম প্রতিষ্ঠা করা হয়।

এইচটুওপেন জার্নালের প্রবন্ধে গবেষণাটিকে বর্ণনা করা হয়েছে পুরাতন ব্রহ্মপুত্রের দৈনিক পানির উচ্চতা পূর্বাভাসে পাঁচটি মেশিন লার্নিং ও ডিপ লার্নিং মডেলের মূল্যায়ন হিসেবে। মডেলগুলো হলো লিনিয়ার রিগ্রেশন, র‍্যানডম ফরেস্ট, এক্সজিবুস্ট (XGBoost), লাইট গ্রেডিয়েন্ট বুস্টিং মেশিন (লাইটজিবিএম) এবং লং শর্ট-টার্ম মেমোরি (এলএসটিএম)। এতে ১৯৯৯ থেকে ২০২৪ সাল পর্যন্ত ২৬ বছরের জলতাত্ত্বিক ও আবহাওয়া সংক্রান্ত উপাত্ত ব্যবহার করা হয়েছে।

মডেলগুলোকে চারটি পরিস্থিতিতে পরীক্ষা করা হয়, প্রতিটিতে মডেলকে ভিন্ন ধরনের তথ্য দেওয়া হয়েছিল:

• শুধু পানির উচ্চতা: নদীর সাম্প্রতিক পানির উচ্চতা দিয়েই পরের দিনের উচ্চতা অনুমান।
• শুধু বৃষ্টিপাত: নদীর কোনো পরিমাপ ছাড়া কেবল বৃষ্টির তথ্য।
• শুধু তাপমাত্রা।
• বৃষ্টিপাত ও তাপমাত্রা একসঙ্গে।

এই ভাগ গুরুত্বপূর্ণ, কারণ বাংলাদেশের অনেক ছোট নদী ও দুর্গম অংশে পানির উচ্চতা মাপার কোনো গেজ নেই, অথচ বৃষ্টি ও তাপমাত্রা অনেক বেশি জায়গায় মাপা হয়। শুধু আবহাওয়ার তথ্য দিয়ে কাজ করতে পারে এমন মডেল তাত্ত্বিকভাবে সেসব জায়গাতেও পূর্বাভাস দিতে পারে, যেখানে নদীর কোনো রেকর্ড নেই।

মডেলগুলোকে সবচেয়ে উপযোগী অবস্থায় আনতে লেখকরা বিভিন্ন সেটিংয়ের সমন্বয় একে একে যাচাই করেছেন, যাকে বলা হয় গ্রিড সার্চ। প্রতিটি সমন্বয় পরখ করা হয়েছে ফাইভ-ফোল্ড ক্রস-ভ্যালিডেশন পদ্ধতিতে; এতে উপাত্তকে পাঁচ ভাগ করে মডেল যে অংশ থেকে শেখেনি, সেই অংশে বারবার পরীক্ষা করা হয়। মডেলকে আগের এক থেকে পাঁচ দিনের মান, অর্থাৎ ল্যাগ বা পিছিয়ে থাকা মানও দেওয়া হয়েছিল, যাতে নদী ও আবহাওয়া কীভাবে বদলাচ্ছিল তা মডেল দেখতে পায়। ছয়টি পরিসংখ্যানিক মাপকাঠিতে কার্যকারিতা মাপা হয় এবং প্রিন্সিপাল কম্পোনেন্ট অ্যানালাইসিস দিয়ে মডেলগুলোর ক্রম নির্ধারণ করা হয়।

প্রবন্ধের সারসংক্ষেপ অনুযায়ী ফলাফল ছিল এমন:

• শুধু পানির উচ্চতার পরিস্থিতিতে র‍্যানডম ফরেস্ট মডেলের গড় পরম ত্রুটি ছিল ০.১৪৪৫ মিটার, নির্ণায়ক সহগ বা আর-স্কয়ার ০.৯৯১৬ এবং ন্যাশ-সাটক্লিফ দক্ষতা ০.৯৯১৬।
• বৃষ্টিপাত ও তাপমাত্রার পরিস্থিতিতে সবচেয়ে ভালো করেছে এলএসটিএম, আর-স্কয়ার ০.৮১৪৫।
• শুধু বৃষ্টিপাতের পরিস্থিতিতে এলএসটিএমের আর-স্কয়ার ছিল ০.৮০৬৪।
• শুধু তাপমাত্রার পরিস্থিতিতে পূর্বাভাস দেওয়ার সক্ষমতা ছিল সীমিত, আর-স্কয়ার ০.৫৩৪৬।
• অন্য স্টেশনে প্রয়োগ: নতুন করে মানানসই না করেই সরিষাবাড়ী স্টেশনে পরীক্ষা করলে পানির উচ্চতার পরিস্থিতিতে লাইটজিবিএম মডেলের গড় পরম ত্রুটি দাঁড়ায় ০.১২০৫ মিটার এবং আর-স্কয়ার ০.৯৯১৭।

লেখকদের উপসংহার, গবেষণাটি তথ্য সংকটপূর্ণ ব-দ্বীপ অঞ্চলে জলবায়ুনির্ভর পূর্বাভাসের জন্য কার্যকর কাঠামো দেয়। যেসব অববাহিকায় নদীর কোনো গেজ নেই, সেখানে এলএসটিএমের সক্ষমতার কথা তারা বিশেষভাবে উল্লেখ করেছেন।

জাগো নিউজ ২৪ এর প্রতিবেদনে অধ্যাপক আদহাম ফলাফলকে নির্ভুলতার হার হিসেবে ব্যাখ্যা করেন। তিনি জানান, অতীতের পানির উচ্চতার তথ্য ব্যবহার করলে র‍্যানডম ফরেস্ট (প্রতিবেদনে আরএফএম) মডেলটি ৯৯.১৬ শতাংশ পর্যন্ত নির্ভুল ফল দিয়েছে। অন্যদিকে যেসব এলাকায় তথ্যের ঘাটতি আছে, সেখানে কেবল বৃষ্টিপাত ও তাপমাত্রার তথ্য বিশ্লেষণ করে ডিপ লার্নিং মডেল এলএসটিএম ৮১.৪৫ শতাংশ পর্যন্ত সঠিক পূর্বাভাস দিতে পেরেছে। গবেষণায় এসভিএম (সাপোর্ট ভেক্টর মেশিন) মডেলও ব্যবহার করা হয়েছে। তার ভাষ্য, তথ্যের স্বল্পতা সত্ত্বেও এ ধরনের নির্ভুলতা ডেটা সংকটপূর্ণ এলাকায় বড় সম্ভাবনার ইঙ্গিত দেয়।

এই দুটি সংখ্যাই প্রবন্ধে আর-স্কয়ার মান হিসেবে আছে: শুধু পানির উচ্চতার পরিস্থিতিতে র‍্যানডম ফরেস্টের ০.৯৯১৬ এবং বৃষ্টিপাত ও তাপমাত্রা দিয়ে এলএসটিএমের ০.৮১৪৫। আর-স্কয়ার বা নির্ণায়ক সহগ পরিসংখ্যানের একটি প্রচলিত মাপকাঠি, যা দেখায় পর্যবেক্ষিত মানের ওঠানামার কতখানি একটি মডেল ধরতে পারে। মান ১ হলে বোঝায় মডেল ওই ওঠানামা পুরোপুরি ধরতে পেরেছে। এটি পুরো রেকর্ডজুড়ে মডেলের মিলের মাপ, কতগুলো পূর্বাভাস ঠিক বা ভুল হলো তার গণনা নয়।

প্রবন্ধে গড় পরম ত্রুটিও দেওয়া আছে, যা সহজে কল্পনা করা যায়: পানির উচ্চতার পরিস্থিতিতে র‍্যানডম ফরেস্টের পরের দিনের অনুমান গড়ে মাপা উচ্চতা থেকে ০.১৪৪৫ মিটার আলাদা ছিল। তৃতীয় মাপকাঠি ন্যাশ-সাটক্লিফ দক্ষতা জলতাত্ত্বিক মডেল যাচাইয়ের জন্য তৈরি একটি সূচক; এরও মান ১ হলে পর্যবেক্ষণের সঙ্গে নিখুঁত মিল বোঝায়।

দুই পরিস্থিতির ব্যবধানই গবেষণার মূল কথা। নদীর নিজের অতীত রেকর্ড পেলে মডেলগুলো পর্যবেক্ষিত উচ্চতার খুব কাছাকাছি পৌঁছেছে। শুধু আবহাওয়ার তথ্যে নির্ভুলতা কমেছে, তবু ডিপ লার্নিং মডেলটি ওঠানামার বেশির ভাগই ধরতে পেরেছে। এ কারণেই গবেষকরা একে গেজ নেই এমন জায়গায় পূর্বাভাসের উপায় হিসেবে দেখছেন।

গবেষণায় কয়েক ধরনের মেশিন লার্নিং মডেল তুলনা করা হয়েছে। প্রচলিত জলতাত্ত্বিক মডেল পানিপ্রবাহের ভৌত সমীকরণ সমাধান করে হিসাব কষে; আর এসব মডেল শেখে অতীতের উপাত্তের ধরন থেকে।

• র‍্যানডম ফরেস্ট: একটি সমষ্টিগত (এনসেম্বল) পদ্ধতি, যা প্রশিক্ষণের সময় বহু ডিসিশন ট্রি বা সিদ্ধান্ত-বৃক্ষ তৈরি করে। পানির উচ্চতার মতো সংখ্যাভিত্তিক অনুমানে সব বৃক্ষের অনুমানের গড়ই ফল। বহু বৃক্ষ মিলিয়ে নেওয়ায় একটি একক বৃক্ষের প্রশিক্ষণ উপাত্তে অতিরিক্ত মানিয়ে যাওয়ার (ওভারফিটিং) প্রবণতা সংশোধন হয়।
• লং শর্ট-টার্ম মেমোরি (এলএসটিএম): রিকারেন্ট নিউরাল নেটওয়ার্কের একটি ধরন; এই পরিবারের ডিপ লার্নিং মডেল দৈনিক সময়-সারির মতো ধারাবাহিক উপাত্তের জন্য তৈরি। আগের রিকারেন্ট নেটওয়ার্কের ভ্যানিশিং গ্রেডিয়েন্ট সমস্যা কাটাতে এটি নকশা করা হয় এবং দীর্ঘ সারিজুড়ে তথ্য ধরে রাখতে পারে। নদীর পানির উচ্চতা কয়েক দিন আগের ঘটনার ওপর নির্ভর করে বলে এ ধরনের মডেল নদীর জন্য উপযোগী।
• সাপোর্ট ভেক্টর মেশিন (এসভিএম): এটিঅ্যান্ডটি বেল ল্যাবরেটরিজে উদ্ভাবিত একটি তত্ত্বাবধানে-শেখা (সুপারভাইজড) মডেল, যা শ্রেণিবিন্যাস ও রিগ্রেশনে ব্যবহৃত হয়। সংখ্যাভিত্তিক পূর্বাভাসে এর রিগ্রেশন রূপ, সাপোর্ট ভেক্টর রিগ্রেশন ব্যবহার করা হয়।
• লাইটজিবিএম ও এক্সজিবুস্ট: ডিসিশন ট্রির ওপর ভিত্তি করে তৈরি গ্রেডিয়েন্ট বুস্টিং পদ্ধতি। লাইটজিবিএম একটি বিনামূল্যের ওপেন সোর্স কাঠামো, যা মূলত মাইক্রোসফট তৈরি করে; এর লক্ষ্য দ্রুত কাজ ও বড় পরিসরে ব্যবহারযোগ্যতা।
• গেটেড রিকারেন্ট ইউনিট (জিআরইউ): এলএসটিএমের একটি সরল আত্মীয়, ২০১৪ সালে উদ্ভাবিত এবং এর প্যারামিটার কম। দলটি তাদের অন্য গবেষণায় এটি পরীক্ষা করেছে।

প্রতিবেদনে জোর দিয়ে বলা হয়, উদ্ভাবনটি কোনো নির্দিষ্ট বাণিজ্যিক পণ্য নয়, বরং একটি ডিজিটাল বা সফটওয়্যারভিত্তিক প্রযুক্তিগত উদ্ভাবন। এ কারণেই গবেষকরা বলছেন, এটি ব্যবহারের জন্য কৃষকদের বাড়তি কোনো টাকা খরচ করতে হবে না।

২০২৬ সালের প্রবন্ধটি প্রতিবেদন প্রকাশের আগের কয়েক মাসে একই নদী নিয়ে বাকৃবির দলটির প্রকাশিত একগুচ্ছ গবেষণার একটি। প্রতিটিতে পূর্বাভাস সমস্যার আলাদা একটি দিক পরীক্ষা করা হয়েছে।

২০২৫ সালের জুলাইয়ে প্রোগ্রেস ইন ডিজাস্টার সায়েন্স জার্নালে দলটি পুরাতন ব্রহ্মপুত্রের তিনটি গুরুত্বপূর্ণ স্টেশনে মাসিক সর্বোচ্চ ও সর্বনিম্ন পানির উচ্চতা পূর্বাভাসে নয়টি মেশিন লার্নিং মডেল তুলনা করে। এতে ১৯৯০ থেকে ২০২৪ সাল পর্যন্ত ৩৪ বছরের রেকর্ড ব্যবহার করা হয়। সবচেয়ে ভালো করে র‍্যানডম ফরেস্ট রিগ্রেশন: সর্বোচ্চ উচ্চতায় আর-স্কয়ার ০.৮৭ থেকে ০.৯২ এবং সর্বনিম্ন উচ্চতায় ০.৮২ থেকে ০.৯২। মধ্যপ্রবাহের স্টেশনগুলোতে ভাটির স্টেশনের চেয়ে বেশি নির্ভুল পূর্বাভাস মেলে; লেখকরা ভাটির দুর্বলতার জন্য জোয়ার-ভাটার প্রভাবকে দায়ী করেন।

২০২৫ সালের অক্টোবরে জার্নাল অব ওয়াটার অ্যান্ড ক্লাইমেট চেঞ্জে দলটি পাঁচটি অ্যালগরিদম (লিনিয়ার রিগ্রেশন, র‍্যানডম ফরেস্ট, এক্সজিবুস্ট, সাপোর্ট ভেক্টর রিগ্রেশন ও লাইটজিবিএম) মূল্যায়ন করে। এতে তিনটি জলতাত্ত্বিক স্টেশন ও একটি আবহাওয়া স্টেশনের ১৯৯৯ থেকে ২০২৪ সালের দৈনিক উপাত্ত এবং একই চারটি পরিস্থিতি ব্যবহার করা হয়। পানির উচ্চতা ব্যবহার করলে সব স্টেশনেই র‍্যানডম ফরেস্টের আর-স্কয়ার ০.৯৮ ছাড়ায় এবং গড় পরম ত্রুটি ০.১৫ মিটারের নিচে থাকে। বৃষ্টিপাত ও তাপমাত্রা একসঙ্গে দিলে আর-স্কয়ার হয় ০.৭২ থেকে ০.৭৮, আর শুধু তাপমাত্রায় মাত্র ০.১১ থেকে ০.৪৬। লেখকরা লেখেন, ফলাফল গেজবিহীন নদী অববাহিকায় জলবায়ুনির্ভর পূর্বাভাসের সম্ভাব্যতা প্রতিষ্ঠা করে।

২০২৫ সালের নভেম্বরে রেজাল্টস ইন ইঞ্জিনিয়ারিং জার্নালে দলটি ১ থেকে ৩০ দিন আগের পূর্বাভাসে ছয়টি অ্যালগরিদম পরীক্ষা করে। এতে জগন্নাথগঞ্জ স্টেশনের ২৬ বছরের দৈনিক উপাত্ত ব্যবহার করা হয় এবং উজানের ইসলামপুর স্টেশনে মডেলগুলো অন্য জায়গায় কতটা খাটে তা যাচাই করা হয়। স্বল্পমেয়াদি পূর্বাভাসে সবচেয়ে ভালো করে লাইটজিবিএম, এক দিন আগে আর-স্কয়ার ০.৯৮৫ এবং সাত দিন আগে ০.৯৩৯; আর ৩০ দিন আগের পূর্বাভাসে সেরা ছিল জিআরইউ (আর-স্কয়ার ০.৮৪১)। বৃষ্টিপাত ও তাপমাত্রার তথ্য যোগ করায় দীর্ঘমেয়াদি পূর্বাভাসে ত্রুটি ১৩.৫ থেকে ১৭.৮ শতাংশ কমে, এবং অন্য স্টেশনে সরিয়ে নিলেও স্বল্পমেয়াদি পূর্বাভাসে মডেলগুলোর ন্যাশ-সাটক্লিফ দক্ষতা ০.৯০ এর ওপরে থাকে।

২০২৫ সালের ডিসেম্বরে ওয়াটার প্র্যাকটিস অ্যান্ড টেকনোলজি জার্নালে দলটি পানির উচ্চতা থেকে সরে নির্গমন বা ডিসচার্জ, অর্থাৎ একটি স্থান দিয়ে প্রবাহিত পানির পরিমাণ নিয়ে কাজ করে। এতে ময়মনসিংহ স্টেশনের ২০০০ থেকে ২০২১ সাল পর্যন্ত ২২ বছরের উপাত্ত ব্যবহার করা হয়। এক দিনের পূর্বাভাসে সব মডেলের আর-স্কয়ার ০.৯৮ ছাড়ায়, কিন্তু পূর্বাভাসের সময় যত দীর্ঘ হয় নির্ভুলতা তত দ্রুত কমে, এবং মডেলগুলো বর্ষার সর্বোচ্চ প্রবাহ নিয়মিতভাবে কম করে দেখায়।

২০২৬ সালের ফেব্রুয়ারিতে এইচটুওপেন জার্নালে দলটির আরেকটি প্রবন্ধে দেখা হয়, একটি মডেলের অতীতের কত দিনের উপাত্ত দেখা উচিত। জগন্নাথগঞ্জের ৯,৪৯৭টি দৈনিক পর্যবেক্ষণ ব্যবহার করে দেখা যায়, ৩০ দিন পেছনে তাকানো জিআরইউ মডেল পরের দিনের সেরা পূর্বাভাস দেয় (আর-স্কয়ার ০.৯৯০৩, গড় পরম ত্রুটি ০.১২৫৫ মিটার), আর পরীক্ষিত ছয়টি মডেলেরই ন্যাশ-সাটক্লিফ দক্ষতা ০.৯৭ ছাড়িয়ে যায়।

প্রবন্ধগুলো একসঙ্গে পড়লে ২৮ এপ্রিলের প্রতিবেদনের মতো একই চিত্র মেলে: নদীর পানির উচ্চতার অতীত রেকর্ড স্বল্পমেয়াদে খুব নির্ভুল পূর্বাভাস দেয়, শুধু আবহাওয়ার তথ্য দেয় কাজের কিন্তু তুলনায় কম নির্ভুল পূর্বাভাস, আর এক স্টেশনে প্রশিক্ষিত মডেল অন্য স্টেশনেও প্রয়োগ করা যায়।

বাংলাপিডিয়া অনুযায়ী, পুরাতন ব্রহ্মপুত্র বাহাদুরাবাদের উত্তরে ব্রহ্মপুত্রের বাম তীর থেকে বের হয়ে মোটামুটি দক্ষিণ-পূর্ব দিকে জামালপুর ও ময়মনসিংহ শহরের পাশ দিয়ে প্রবাহিত হয়ে ভৈরব বাজারে মেঘনায় মিশেছে। একসময় এটিই ছিল ব্রহ্মপুত্রের প্রধান ধারা: অষ্টাদশ শতকে জেমস রেনেলের মানচিত্রে বিশাল নদীটিকে মধুপুর গড়ের পূর্ব দিক দিয়ে, অর্থাৎ আজকের পুরাতন ব্রহ্মপুত্রের পথ ধরে বইতে দেখা যায়। ১৭৮৭ সালে এক বড় বন্যার পর মূল প্রবাহ পশ্চিমে সরে যায় সেই খাতে, যা এখন যমুনা নামে পরিচিত। ১৭৮২ সালে ময়মনসিংহ অঞ্চলে যে প্রবল ভূমিকম্পের খবর পাওয়া যায়, তাও এতে ভূমিকা রেখে থাকতে পারে; গতিপথ বদলের প্রক্রিয়াটি প্রায় ৩০ বছর ধরে চলেছিল বলে মনে করা হয়।

গারো পাহাড়ের দক্ষিণ-পশ্চিম কোণ থেকে মধুপুর গড়ের পূর্ব প্রান্ত ধরে মেঘনা পর্যন্ত বিস্তৃত পুরাতন ব্রহ্মপুত্র প্লাবনভূমির ভূপ্রকৃতি মৃদু, প্রশস্ত উঁচু অংশ আর নিচু জমিতে গড়া। বাংলাপিডিয়া জানায়, এর মাটি গত ২০০ বছরে নবীন ব্রহ্মপুত্র প্লাবনভূমিতে গড়ে ওঠা মাটির চেয়ে বেশি জারিত ও গাঢ় রঙের।

প্রতিবেদনে উল্লেখিত চার স্টেশনের তিনটি, ইসলামপুর, দেওয়ানগঞ্জ ও সরিষাবাড়ী, জামালপুর জেলার উপজেলা। ২০১১ সালের আদমশুমারির তথ্য উদ্ধৃত করে বাংলাপিডিয়া জানায়, জামালপুর জেলার আয়তন ২,১১৫.১৬ বর্গকিলোমিটার, উপজেলা সাতটি, আর প্রধান নদী যমুনা, পুরাতন ব্রহ্মপুত্র, বানার ও ঝিনাই। ওই শুমারিতে ইসলামপুরের জনসংখ্যা ছিল ২,৯৮,৪২৯, দেওয়ানগঞ্জের ২,৫৮,১৩৩ এবং সরিষাবাড়ীর ৩,২৫,৩২০। বাংলাপিডিয়ার হিসাবে জেলায় আয়ের প্রধান উৎস কৃষি, ৬৫.৫০ শতাংশ, যা দ্বিতীয় স্থানে থাকা বাণিজ্যের ১১.৮৮ শতাংশের চেয়ে অনেক বেশি।

চতুর্থ স্টেশন ময়মনসিংহেই গবেষণাটি হয়েছে। বাংলাপিডিয়া অনুযায়ী, বাকৃবি প্রতিষ্ঠিত হয় ১৯৬১ সালে এবং প্রায় ১,২০০ একরের ক্যাম্পাসটি পুরাতন ব্রহ্মপুত্রের পশ্চিম তীরে, ময়মনসিংহ শহর থেকে ৩ কিলোমিটার দক্ষিণে।

বন্যা বাংলাদেশের জীবনে প্রায় প্রতিবছরের ঘটনা। বাংলাপিডিয়া জানায়, প্রতিবছর দেশের প্রায় ২৬,০০০ বর্গকিলোমিটার, অর্থাৎ ১৮ শতাংশ এলাকা প্লাবিত হয়, আর ভয়াবহ বন্যায় ক্ষতিগ্রস্ত এলাকা ৫৫ শতাংশ ছাড়িয়ে যেতে পারে। একটি গড় বছরে মে থেকে অক্টোবরে তিন প্রধান নদী গঙ্গা, ব্রহ্মপুত্র-যমুনা ও মেঘনা দিয়ে দেশে প্রায় ৮,৪৪,০০০ মিলিয়ন ঘনমিটার পানি ঢোকে, যা বছরের মোট প্রবাহের ৯৫ শতাংশ। একই সময়ে দেশের ভেতরের বৃষ্টি থেকে তৈরি হয় মাত্র প্রায় ১,৮৭,০০০ মিলিয়ন ঘনমিটার।

জ্ঞানকোষটি দেশের বন্যাকে তিন ভাগে ভাগ করে: মৌসুমি বন্যা, যা ধীরে বাড়ে, ধীরে কমে এবং বিশাল এলাকা প্লাবিত করে; আকস্মিক বন্যা বা ঢল, যা হঠাৎ বাড়ে ও কমে, সাধারণত পাহাড়ি এলাকার উপত্যকায়; এবং জোয়ারজনিত বন্যা। উত্তর-পূর্বাঞ্চলের আলাদা প্লাবনভূমিগুলোর একটি হিসেবে বাংলাপিডিয়া পুরাতন ব্রহ্মপুত্র উপত্যকার কথা বলেছে, যা মধুপুর গড় দিয়ে ব্রহ্মপুত্র থেকে বিচ্ছিন্ন।

গবেষকরা বলছেন, তাদের কাঠামোটি দেশের জাতীয় নদী নেটওয়ার্কের পূর্বাভাস কেন্দ্রের সঙ্গে সরাসরি যুক্ত করা যায়। সেই কেন্দ্র হলো বাংলাদেশ পানি উন্নয়ন বোর্ডের (পাউবো) বন্যা পূর্বাভাস ও সতর্কীকরণ কেন্দ্র (এফএফডব্লিউসি)। পাউবোর একটি সেবা-বিবরণী অনুযায়ী, কেন্দ্রটি ১৯৭২ সালে প্রতিষ্ঠিত এবং সরকারের দুর্যোগ বিষয়ক স্থায়ী আদেশাবলি অনুসারে বন্যা মৌসুমে, ১ এপ্রিল থেকে ৩১ অক্টোবর, পুরোদমে চালু থাকে। এর পূর্বাভাসের ভিত্তি হলো সারা দেশে তাৎক্ষণিক জলতাত্ত্বিক পর্যবেক্ষণ ব্যবস্থা, সীমান্তের ওপারের বৃষ্টি ও পানির উচ্চতার তথ্যের জন্য ভারতের সঙ্গে তথ্য বিনিময় চুক্তি, বাংলাদেশ আবহাওয়া অধিদপ্তরের আবহাওয়া উপাত্ত এবং উপগ্রহ ও রাডার চিত্র।

একই নথিতে ব্যবস্থাটির বিকাশের ধারাও আছে। ১৯৭২ সালে কেন্দ্রের ছিল ১০টি তাৎক্ষণিক বন্যা পর্যবেক্ষণ স্টেশন, আর পূর্বাভাস হতো এক গেজের সঙ্গে আরেক গেজের সম্পর্ক মিলিয়ে। ১৯৯২ সালে ১৬টি পূর্বাভাস পয়েন্ট নিয়ে মাইক১১-এফএফ গাণিতিক মডেল চালু হয়, ১৯৯৫ থেকে ১৯৯৬ সালে জিআইএসসহ বড় মডেলে পয়েন্ট দাঁড়ায় ৩০টিতে, আর ২০০৯ সাল নাগাদ ২৩টি নদীর ৫২টি স্থানে পূর্বাভাস ও প্লাবন মানচিত্র তৈরি শুরু হয়। কেন্দ্রের সেবার মধ্যে আছে দৈনিক বুলেটিন, পূর্বাভাস হাইড্রোগ্রাফ, সতর্কবার্তা ও বন্যার মানচিত্র। বাকৃবির দলটি তাদের এআই মডেলকে এ ধরনের ভৌত মডেলের সম্ভাব্য সহায়ক হিসেবে তুলে ধরছে, বিশেষ করে সেসব নদী ও অংশে, যেখানে গেজ নেটওয়ার্ক পৌঁছায়নি।

প্রতিবেদনে গবেষক বলেন, প্রযুক্তিটি মাঠপর্যায়ে প্রয়োগ করা হলে দেশের কৃষকরা সরাসরি উপকৃত হবেন। বন্যার সঠিক আগাম পূর্বাভাস পেলে কৃষকরা আগেভাগেই পাকা ধান বা অন্যান্য ফসল ঘরে তুলতে পারবেন, গবাদিপশু নিরাপদ স্থানে সরাতে পারবেন এবং সেচ পরিকল্পনায় পানির সঠিক ব্যবহার নিশ্চিত করতে পারবেন। এতে কৃষকের সম্ভাব্য বড় আর্থিক ক্ষতি কমিয়ে আনা সম্ভব হবে।

গবেষণার নদীর তীরের জেলাগুলো এমন ক্ষতি ভালোই চেনে। ২০২৪ সালের জুলাইয়ের শুরুতে ঢাকা ট্রিবিউন জামালপুর থেকে জানায়, দেওয়ানগঞ্জের বাহাদুরাবাদ ঘাট পয়েন্টে যমুনার পানি বিপৎসীমার ৯২ সেন্টিমিটার ওপরে ওঠায় দেওয়ানগঞ্জ, ইসলামপুর ও মাদারগঞ্জ উপজেলার ১৮টি ইউনিয়নের প্রায় ৫০ হাজার মানুষ পানিবন্দী হয়ে পড়েন এবং কয়েক হাজার হেক্টর ফসলি জমি তলিয়ে যায়। পরদিন, ৬ জুলাই ২০২৪, পত্রিকাটি পানি উন্নয়ন বোর্ডের জামালপুর কার্যালয়ের নির্বাহী প্রকৌশলীর বরাতে জানায়, ইসলামপুর, দেওয়ানগঞ্জ ও সরিষাবাড়ীসহ ছয় উপজেলার ৪৫টি ইউনিয়নে পানিবন্দী মানুষের সংখ্যা দাঁড়িয়েছে দেড় লাখে।

প্রতিবেদন অনুযায়ী, গবেষকদের লক্ষ্য মডেলটিকে দেশের বিভিন্ন নদীতে প্রয়োগ করে একটি কার্যকর আগাম সতর্কতা ব্যবস্থা গড়ে তোলা। তাদের গবেষণায় দেখা গেছে, একটি নির্দিষ্ট এলাকার জন্য তৈরি মডেল অন্য এলাকাতেও কার্যকরভাবে কাজ করতে পারে; তাদের প্রবন্ধে সরিষাবাড়ী ও ইসলামপুরে অন্য স্টেশনে প্রয়োগের পরীক্ষাগুলো ঠিক এটিই যাচাই করেছে।

প্রতিবেদনে বলা হয়, উদ্ভাবনটি তখন একটি কার্যকর অপারেশনাল ফ্রেমওয়ার্ক হিসেবে প্রস্তুত ছিল, যা জাতীয় নদী নেটওয়ার্কের পূর্বাভাস কেন্দ্রের সঙ্গে সরাসরি যুক্ত করা সম্ভব। গবেষকদের মতে, সরকারি পৃষ্ঠপোষকতা ও কারিগরি সহায়তা পেলে এআইভিত্তিক প্রযুক্তিটিকে আরও উন্নত করে একটি পূর্ণাঙ্গ অপারেশনাল ব্যবস্থায় রূপ দেওয়া এবং সহজেই মাঠপর্যায়ে সম্প্রসারণ করা যাবে। সরকারি উদ্যোগে এটি মোবাইল অ্যাপ বা মোবাইল বার্তার আকারে কৃষকদের কাছে সুলভে পৌঁছে দেওয়া সম্ভব বলেও তারা আশা প্রকাশ করেন।

ছবি: Ashis Saha / উইকিমিডিয়া কমন্স (CC BY-SA 3.0)

সূত্র: জাগো নিউজ ২৪, এইচটুওপেন জার্নাল (আইডব্লিউএ পাবলিশিং), জার্নাল অব ওয়াটার অ্যান্ড ক্লাইমেট চেঞ্জ, রেজাল্টস ইন ইঞ্জিনিয়ারিং, প্রোগ্রেস ইন ডিজাস্টার সায়েন্স, ওয়াটার প্র্যাকটিস অ্যান্ড টেকনোলজি, বাংলাদেশ পানি উন্নয়ন বোর্ড (এফএফডব্লিউসি), বাংলাপিডিয়া, ঢাকা ট্রিবিউন, উইকিপিডিয়া