Landslide-Triggered Flood Kills 160 in Nepal, Exposes No Early-Warning System

നേപ്പാൾ-തിബറ്റ് അതിർത്തിയിൽ ഉരുൾപൊട്ടലിനെത്തുടർന്നുണ്ടായ പ്രളയത്തിൽ കുറഞ്ഞത് 160 പേർ കൊല്ലപ്പെടുകയും നൂറുകണക്കിന് ആളുകൾ കാണാതാകുകയും ചെയ്തു. പ്രളയം വരുന്നതിന് മുമ്പ് താമസക്കാരെ മുന്നറിയിപ്പ് നൽകാൻ കഴിയുന്ന ഒരു സംവിധാനത്തിന്റെ അഭാവമാണ് ഇത് വെളിപ്പെടുത്തിയത്. കൂറ്റൻ പാറകളും മഞ്ഞും നിറഞ്ഞ ഒരു അവലാഞ്ച് (avalanche) ലെൻഡെ (Lhende) നദിക്ക് തടസ്സമുണ്ടാക്കുകയും പിന്നീട് അത് പൊട്ടിത്തെറിക്കുകയും ചെയ്തു. ഇത് താഴ്വരയെ "ദ്രാവക കോൺക്രീറ്റ്" (liquid concrete) പോലെ ഒരു മരണക്കെണിയാക്കി മാറ്റി.

ദുരന്തം എങ്ങനെ സംഭവിച്ചു

പ്രളയത്തിന് തൊട്ടുമുമ്പ് സീസ്മോഗ്രാഫുകൾ (seismographs) 4.4 തീവ്രതയുള്ള ഒരു പ്രകമ്പനം രേഖപ്പെടുത്തിയിരുന്നു, ഇത് ഭൂകമ്പമാണെന്ന പ്രാഥമിക റിപ്പോർട്ടുകൾക്ക് കാരണമായി. എന്നാൽ, ഇത് ടെക്റ്റോണിക് മാറ്റം മൂലമല്ലെന്നും ഉരുൾപൊട്ടൽ മൂലമാണ് ദീർഘകാല സീസ്മിക് തരംഗങ്ങൾ ഉണ്ടായതെന്നും യു.എസ്. ജിയോളജിക്കൽ സർവേ (U.S. Geological Survey) പിന്നീട് തെളിയിച്ചു. ഒരു പ്രാദേശിക പർവ്വത വികസന കേന്ദ്രത്തിലെ മുതിർന്ന ഗവേഷകൻ വിശദീകരിച്ചത്, അവലാഞ്ച് നദിയുടെ ഒരു ഭാഗം മൂടി ഒരു സ്വാഭാവിക അണക്കെട്ട് സൃഷ്ടിച്ചു എന്നാണ്. അണക്കെട്ട് തകരുന്നതുവരെ വെള്ളം തടസ്സത്തിന് പിന്നിൽ കെട്ടിക്കിടന്നു, ഇത് മണ്ണും മഞ്ഞും വെള്ളവും നിറഞ്ഞ ഒരു ഭീമാകാരമായ തിരമാലയായി മാറുകയും സെക്കൻഡുകൾക്കുള്ളിൽ വാഹനങ്ങളെയും ബഹുനില കെട്ടിടങ്ങളെയും ഒഴുക്കിക്കൊണ്ടുപോവുകയും ചെയ്തു.

ഹൈഡ്രോളജിസ്റ്റുകൾ (Hydrologists) ശ്രദ്ധേയമായ ഒരു കാര്യം ചൂണ്ടിക്കാട്ടി: സംഭവത്തിന് ദിവസങ്ങൾക്ക് മുമ്പ് കാര്യമായ മഴ പെയ്തിരുന്നില്ല. മിക്ക പ്രളയ മുന്നറിയിപ്പ് സംവിധാനങ്ങളും മഴ അളക്കുന്ന ഉപകരണങ്ങളെയോ (rain gauges) ഉപഗ്രഹ അധിഷ്ഠിത മഴ കണക്കാക്കലുകളെയോ ആണ് ആശ്രയിക്കുന്നത്. മഴ ലഭിക്കാത്ത സാഹചര്യത്തിൽ, ഒരു അദൃശ്യമായ അണക്കെട്ടിന് പിന്നിൽ വലിയ പ്രളയം രൂപപ്പെട്ടാൽ പോലും ഇത്തരം സംവിധാനങ്ങൾ പ്രവർത്തിക്കില്ല.

മുന്നറിയിപ്പ് സംവിധാനത്തിലെ പോരായ്മകൾ

അണക്കെട്ട് തകർന്നാലുണ്ടാകുന്ന പ്രളയം മിനിറ്റുകൾക്കുള്ളിൽ താഴ്വരയിലൂടെ കുതിച്ചുപാഞ്ഞെത്തുന്നത്തിനാൽ ആളുകളെ ഒഴിപ്പിക്കാൻ വളരെ കുറഞ്ഞ സമയമേ ലഭിക്കൂ. രക്ഷപ്പെട്ടവർ നദീതടത്തിൽ നിന്ന് കുറഞ്ഞത് 20 അടി ഉയരത്തിലേക്ക് ഓടിക്കയറി; വാഹനങ്ങൾക്ക് പ്രളയത്തെ മറികടക്കാൻ കഴിഞ്ഞില്ല. അണക്കെട്ട് രൂപപ്പെടുന്നതും അത് തകരാൻ സാധ്യതയുള്ളതും മണിക്കൂറുകൾക്ക് മുമ്പല്ല, മറിച്ച് മിനിറ്റുകൾക്ക് മുമ്പ് കണ്ടെത്തുക എന്നതാണ് ജീവൻ രക്ഷിക്കാനുള്ള ഏക മാർഗ്ഗമെന്ന് വിദഗ്ധർ വാദിക്കുന്നു.

തടസ്സത്തിന് പിന്നിൽ ഉയരുന്ന ജലനിരക്ക് റിയൽ-ടൈം റിവർ-ലെവൽ ഗേജുകൾ (river-level gauges) തിരിച്ചറിയുന്നു. ഗേജ് ഉപയോഗിച്ച് വിവരങ്ങൾ ഉടനടി കൈമാറാൻ കഴിയുമെങ്കിൽ, സാങ്കേതികമായി 20 മുതൽ 30 മിനിറ്റ് വരെയുള്ള മുന്നറിയിപ്പ് നൽകാൻ സാധിക്കും. എന്നിരുന്നാലും, ഹിമാലയൻ മേഖലയിൽ ഇത്തരം ഉപകരണങ്ങളുടെ സാന്നിധ്യം വളരെ കുറവാണ്; പല പോഷകനദികളിലും സ്ഥിരമായ സ്റ്റേഷനുകൾ ഇല്ല, കൂടാതെ ദുർഘടമായ ഭൂപ്രകൃതി കാരണം ഇവ സ്ഥാപിക്കുന്നതും പരിപാലിക്കുന്നതും ചെലവേറിയതുമാണ്.

കാലാവസ്ഥാ വ്യതിയാനങ്ങൾ ഇത്തരം സംഭവങ്ങൾ കൂടുതൽ ഇടയ്ക്കിടെ ഉണ്ടാകാൻ കാരണമാകുന്നു. ഹിമാനികളുടെ ഉരുകൽ, പെർമാഫ്രോസ്റ്റ് (permafrost) ഉരുകൽ, കഠിനമായ ഉഷ്ണതരംഗങ്ങൾ എന്നിവ ചരിവുകളെ അസ്ഥിരമാക്കുകയും പാറയും മഞ്ഞും നിറഞ്ഞ അവലാഞ്ചുകളെ പതിവായ ഒരു അപകടമാക്കി മാറ്റുകയും ചെയ്യുന്നു. ചൈനയിലെ ഗൈറോങ് കൗണ്ടിയിലെ (Gyirong County) ഒരു തടാകം പൊട്ടിത്തെറിച്ചതിനെത്തുടർന്ന് 2025 ജൂലൈയിൽ നേപ്പാളിലെ റസുവ ജില്ലയിലും സമാനമായ ഒരു ഹിമാനക്കെട്ട് പ്രളയം ഉണ്ടായതാണ്, ഇത് ഈ അപകടം അതിർത്തികൾക്കപ്പുറം വ്യാപിക്കാവുന്നതാണെന്ന് അടിവരയിടുന്നു.

പുതിയ സെൻസർ-AI പരിഹാരങ്ങൾ

മുന്നറിയിപ്പ് സംവിധാനത്തിലെ വിടവ് നികത്തുന്നതിനായി ഗവേഷകർ ഇപ്പോൾ മൂന്ന് സാങ്കേതികവിദ്യകൾ സംയോജിപ്പിക്കുകയാണ്:

• വിതരണം ചെയ്ത സീസ്മിക്, അക്കോസ്റ്റിക് സെൻസറുകൾ (Distributed seismic and acoustic sensors). ചരിവുകളിൽ സ്ഥാപിച്ചിട്ടുള്ള ചെറിയ, കുറഞ്ഞ ഊർജ്ജം ഉപയോഗിക്കുന്ന സീസ്മോമീറ്ററുകൾ ഉരുൾപൊട്ടലിന്റെ കുറഞ്ഞ ആവൃത്തിയിലുള്ള കമ്പനികൾ തിരിച്ചറിയുകയും അവയെ ഭൂകമ്പങ്ങളിൽ നിന്ന് വേർതിരിക്കുകയും ചെയ്യുന്നു. ഒരു ശൃംഖല പെട്ടെന്നുള്ള ഊർജ്ജ വ്യതിയാനം കണ്ടെത്തുമ്പോൾ, സെക്കൻഡുകൾക്കുള്ളിൽ അണക്കെട്ട് രൂപപ്പെടാൻ സാധ്യതയുള്ള സംഭവങ്ങളെക്കുറിച്ച് അത് മുന്നറിയിപ്പ് നൽകുന്നു.
• റഡാർ, അൾട്രാസോണിക് പ്രോബുകൾ ഉപയോഗിച്ചുള്ള നദീനിര നിരീക്ഷണം. പാലങ്ങളിലോ നദീതീരങ്ങളിലോ ഘടിപ്പിച്ചിട്ടുള്ള ഈ ഉപകരണങ്ങൾ വെള്ളവുമായി സമ്പർക്കമില്ലാതെ ജലനിരപ്പ് അളക്കുന്നു. വയർലെസ്സ് സാങ്കേതികവിദ്യയിലൂടെ ഈ പ്രോബുകളുടെ ശൃംഖല തത്സമയ ജലനിരപ്പ് വിവരങ്ങൾ ഒരു കേന്ദ്ര ഹബ്ബിലേക്ക് എത്തിക്കുന്നു.
• സെൻസർ വിവരങ്ങളും ഉപഗ്രഹ ചിത്രങ്ങളും സംയോജിപ്പിക്കുന്ന AI മോഡലുകൾ. കഴിഞ്ഞകാല ഉരുൾപൊട്ടലുകളെയും പ്രളയങ്ങളെയും അടിസ്ഥാനമാക്കി പരിശീലിപ്പിച്ച മെഷീൻ ലേണിംഗ് അൽഗോരിതങ്ങൾ, അണക്കെട്ട് തകരുന്നതിന് മുന്നോടിയായുള്ള പാറ്റേണുകൾ—ഉപരിതലത്തിലെ പെട്ടെന്നുള്ള മാറ്റങ്ങൾ, നദിയുടെ നിറത്തിലുള്ള വ്യത്യാസം, താപനിലയിലെ മാറ്റങ്ങൾ—തിരിച്ചറിയുന്നു. ഗ്രൗണ്ട് സെൻസറുകളിൽ നിന്നും കാലാവസ്ഥാ ഉപഗ്രഹങ്ങളിൽ നിന്നും സിന്തറ്റിക്-അപ്പർച്ചർ റഡാറിൽ (synthetic-aperture radar - മേഘങ്ങൾക്കിടയിലൂടെ കാണാൻ കഴിയുന്നത്) നിന്നുമുള്ള വിവരങ്ങൾ വിശകലനം ചെയ്തുകൊണ്ട് ഈ മോഡലുകൾ സാധ്യതകൾ മുൻകൂട്ടി അറിയിക്കുന്നു.

മറ്റ് പർവ്വത മേഖലകളിലെ പൈലറ്റ് പ്രോജക്റ്റുകൾ കാണിക്കുന്നത്, സംയോജിത സെൻസർ-AI സംവിധാനത്തിലൂടെ കണ്ടെത്തൽ സമയം കുറയ്ക്കാൻ സാധിക്കുമെന്നാണ്; ഇത് സൈറണുകൾ മുഴക്കാനും മൊബൈൽ അലേർട്ടുകൾ നൽകാനും അടിയന്തര അഭയകേന്ദ്രങ്ങൾ തുറക്കാനും ആവശ്യമായ സമയം നൽകുന്നു. നേപ്പാളിൽ, കുറച്ച് എൻജിഒകൾ (NGOs) അപകടസാധ്യതയുള്ള ചരിവുകളിൽ കുറഞ്ഞ ചിലവിലുള്ള സീസ്മിക് നോഡുകൾ പരീക്ഷിച്ചു തുടങ്ങിയിട്ടുണ്ട്, എന്നാൽ ദേശീയതലത്തിൽ ഏകോപിതമായി ഇത് നടപ്പിലാക്കാൻ ഇനിയും സാധിച്ചിട്ടില്ല.

മേഖല നേരിടുന്ന വെല്ലുവിളികൾ

• മനുഷ്യജീവൻ. പെട്ടെന്നുണ്ടാകുന്ന ഡാം തകർച്ചയാൽ ഒറ്റപ്പെട്ടേക്കാവുന്ന നദീതടങ്ങളിൽ നൂറുകണക്കിന് കുടുംബങ്ങൾ താമസിക്കുന്നുണ്ട്. കൃത്യസമയത്തുള്ള മുന്നറിയിപ്പ് ലഭിച്ചാൽ പ്രളയത്തിൽപ്പെട്ടുവീഴുന്നതിന് പകരം ആളുകൾക്ക് സുരക്ഷിത സ്ഥാനങ്ങളിലേക്ക് മാറാൻ സാധിക്കും.
• അതിർത്തി കടന്നുള്ള ജലസുരക്ഷ. ലെൻഡെ (Lhende) നദി ഇന്ത്യയിലേക്ക് ഒഴുകുന്ന വലിയ നദീതടങ്ങളിലേക്ക് ജലം എത്തിക്കുന്നു. നിയന്ത്രണമില്ലാത്ത പ്രളയം താഴെപ്പരപ്പിലുള്ള അടിസ്ഥാന സൗകര്യങ്ങളെ തകർക്കുകയും, വൈദ്യുതി ഉൽപ്പാദനം തടസ്സപ്പെടുത്തുകയും, കൃഷിഭൂമികൾ വെള്ളത്തിനടിയിലാക്കുകയും ചെയ്യാം; ഇത് നേപ്പാളിന്റെ അതിർത്തികൾക്കപ്പുറം ദുരന്തത്തിന്റെ വ്യാപ്തി വർദ്ധിപ്പിക്കുന്നു.
• സാമ്പത്തിക ചെലവ്. ഒരു ചെറിയ സെൻസർ ശൃംഖല സ്ഥാപിക്കുന്നതിനേക്കാൾ വലിയ തുകയാണ് പ്രളയത്തിന് ശേഷം റോഡുകളും പാലങ്ങളും വീടുകളും പുനർനിർമ്മിക്കാൻ ആവശ്യമായി വരുന്നത്. 2025-ലെ GLOF പുനർനിർമ്മാണ ചെലവ് കോടിക്കണക്കിന് ഡോളറിലായി—ഒരു അടിസ്ഥാന മുന്നറിയിപ്പ് സംവിധാനത്തിന് ആവശ്യമായ തുകയുടെ വളരെ ചെറിയൊരു ഭാഗം മാത്രമാണിത്.
• തന്ത്രപരമായ സ്ഥിരത. ഭൂകമ്പത്തിന് സമാനമായ ഉരുൾപൊട്ടലുകൾ ദുരന്തനിവാരണ പ്രവർത്തനങ്ങളെ സങ്കീർണ്ണമാക്കുകയും, ഭൂകമ്പങ്ങൾ കാരണം നിലവിൽ തന്നെ സമ്മർദ്ദത്തിലായ അടിയന്തര സേവനങ്ങളെ കൂടുതൽ ബുദ്ധിമുട്ടിലാക്കുകയും ചെയ്യുന്നു. വിശ്വസനീയമായ കണ്ടെത്തലുകൾ അധികാരികൾക്ക് വിഭവങ്ങൾ കൂടുതൽ കാര്യക്ഷമമായി വിനിയോഗിക്കാൻ സഹായിക്കുന്നു.

വിന്യാസത്തിനുള്ള തടസ്സങ്ങൾ

ഭൂപ്രകൃതിയാണ് ഏറ്റവും വലിയ തടസ്സം. കുത്തനെയുള്ള, ഒറ്റപ്പെട്ട ചരിവുകളിലേക്ക് എത്തുക പ്രയാസകരമാണ്, കൂടാതെ സെൻസറുകൾക്ക് വൈദ്യുതി നൽകുക എന്നത് വലിയൊരു വെല്ലുവിളിയാണ്. സോളാർ പാനലുകൾ പ്രവർത്തിക്കുമെങ്കിലും, കനത്ത മഞ്ഞുവീഴ്ചയും കാലവർഷത്തിലെ മേഘങ്ങളും അവയുടെ പ്രവർത്തനക്ഷമത കുറയ്ക്കുന്നു. തെറ്റായ മുന്നറിയിപ്പുകൾ മറ്റൊരു അപകടസാധ്യതയാണ്: ഇടയ്ക്കിടെ "അപകടം" എന്ന് മുന്നറിയിപ്പ് നൽകുന്ന ഒരു ശൃംഖല പൊതുജനങ്ങളുടെ വിശ്വാസം നഷ്ടപ്പെടുത്തുകയും, യഥാർത്ഥ മുന്നറിയിപ്പുകൾ ആളുകൾ അവഗണിക്കാനും കാരണമാവുകയും ചെയ്യുന്നു.

വിവരങ്ങൾ പങ്കുവെക്കുന്നതും പുരോഗതിയെ തടസ്സപ്പെടുത്തുന്നു. ഒരു രാജ്യത്ത് ശേഖരിക്കുന്ന നദീനിരപ്പിലെ വിവരങ്ങൾ താഴെപ്പരപ്പിലുള്ള അയൽരാജ്യങ്ങൾക്ക് നിർണ്ണായകമായേക്കാം, എങ്കിലും രാഷ്ട്രീയമായ പ്രശ്നങ്ങളും സാങ്കേതികമായ പൊരുത്തക്കേടുകളും തത്സമയ വിവര കൈമാറ്റത്തെ പരിമിതപ്പെടുത്തുന്നു. ഒരു പ്രാദേശിക ഡാറ്റാ പ്ലാറ്റ്‌ഫോം നിർമ്മിക്കുന്നതിന് മാനദണ്ഡങ്ങൾ, എൻക്രിപ്ഷൻ, മുന്നറിയിപ്പുകൾ നൽകുന്നതിലെ ഉത്തരവാദിത്തം എന്നിവയിൽ കരാറുകൾ ആവശ്യമാണ്.

ഫണ്ടിംഗ് ഇപ്പോഴും അനിശ്ചിതത്വത്തിലാണ്. ഒരു seismic node അല്ലെങ്കിൽ radar probe എന്നിവയ്ക്കായുള്ള ഹാർഡ്‌വെയർ ചെലവ് ഗണ്യമായി കുറഞ്ഞിട്ടുണ്ടെങ്കിലും, ആയിരക്കണക്കിന് കിലോമീറ്ററുകളിലായി ഒരു ശൃംഖല വികസിപ്പിക്കാൻ ഇപ്പോഴും വലിയ നിക്ഷേപം ആവശ്യമാണ്. അന്താരാഷ്ട്ര ദാതാക്കളും വികസന ബാങ്കുകളും സ്വകാര്യ മേഖലയിലെ പങ്കാളികളും ഇത്തരം പദ്ധതികൾക്കായി കാലാവസ്ഥാ അനുരൂപണ ഫണ്ടുകൾ (climate-adaptation funds) നീക്കിവെക്കാൻ തുടങ്ങിയിട്ടുണ്ട്, എങ്കിലും ഫണ്ട് വിതരണ പ്രക്രിയ വളരെ സാവധാനത്തിലാണ് നടക്കുന്നത്.

ഇനി ശ്രദ്ധിക്കേണ്ട കാര്യങ്ങൾ

• നേപ്പാളിലെ ഉരുൾപൊട്ടൽ സാധ്യതയുള്ള ജില്ലകളിൽ ഇന്റഗ്രേറ്റഡ് സെൻസർ-AI കിറ്റുകളുടെ ഫീൽഡ് ട്രയലുകൾ. വിജയകരമായ പരീക്ഷണങ്ങൾ ദേശീയതലത്തിൽ നടപ്പിലാക്കുന്നതിനായി ബജറ്റ് അനുവദിക്കാൻ സർക്കാരിനെ പ്രേരിപ്പിച്ചേക്കാം.
• നേപ്പാൾ, ഇന്ത്യ, ചൈന എന്നിവർ തമ്മിലുള്ള അതിർത്തി കടന്നുള്ള ഡാറ്റാ പങ്കിടൽ പ്രോട്ടോക്കോളുകൾ, പ്രത്യേകിച്ച് ഒന്നിലധികം രാജ്യങ്ങളിലൂടെ ഒഴുകുന്ന നദികളുടെ കാര്യത്തിൽ. നേരത്തെയുള്ള കരാറുകൾ ദുരന്തസമയത്ത് മുന്നറിയിപ്പുകൾ വേഗത്തിൽ എത്തിക്കാൻ സഹായിക്കും.
• പൊതുജന മുന്നറിയിപ്പുകൾക്കായുള്ള നിയന്ത്രണ ചട്ടക്കൂടുകൾ. ആരാണ് മുന്നറിയിപ്പ് നൽകേണ്ടത്, ഏത് ചാനലുകൾ വഴി നൽകണം, AI നിർമ്മിത മുന്നറിയിപ്പുകൾ എങ്ങനെ പരിശോധിക്കണം എന്നിവ നിർണ്ണയിക്കുന്നത് പൊതുജനങ്ങളുടെ പ്രതികരണത്തെ സ്വാധീനിക്കും.
• കമ്മ്യൂണിറ്റി തലത്തിലുള്ള പരിശീലനം. മുന്നറിയിപ്പ് ലഭിച്ചാൽ എങ്ങനെ പ്രവർത്തിക്കണമെന്ന് നാട്ടുകാർക്ക് അറിയില്ലെങ്കിൽ ഏറ്റവും മികച്ച സാങ്കേതികവിദ്യ പോലും പരാജയപ്പെടും. പ്രാദേശികമായ മോക്ക് ഡ്രില്ലുകൾ, സൂചകങ്ങൾ, ബോധവൽക്കരണ പരിപാടികൾ എന്നിവ സാങ്കേതിക സംവിധാനങ്ങൾക്ക് അത്യന്താപേക്ഷിതമായ അനുബന്ധങ്ങളാണ്.

ചുരുക്കത്തിൽ

മഴയെ ആശ്രയിക്കാത്ത വലിയൊരു ദുരന്തം മിനിറ്റുകൾക്കുള്ളിൽ സംഭവിക്കാമെന്നും അത് പരമ്പരാഗത പ്രളയ മുന്നറിയിപ്പുകളെ അപ്രസക്തമാക്കുമെന്നും നേപ്പാളിലെ പ്രളയം തെളിയിച്ചു. ഉപഗ്രഹങ്ങളിൽ നിന്നും ഭൂമിയിൽ നിന്നുമുള്ള വിവരങ്ങൾ വിശകലനം ചെയ്യുന്ന AI-യുമായി ബന്ധിപ്പിച്ച കുറഞ്ഞ ചെലവിലുള്ള seismic, river-stage സെൻസറുകളുടെ ശൃംഖല വിന്യസിക്കുന്നത് ജീവൻ രക്ഷിക്കാൻ ആവശ്യമായ ചെറിയ സമയമെങ്കിലും മുന്നറിയിപ്പായി നൽകാൻ സഹായിക്കും. അടുത്ത "liquid concrete" പ്രളയം വരുന്നതിന് മുമ്പ് സാങ്കേതികവും ലോജിസ്റ്റിക്കൽ പര രാഷ്ട്രീയവുമായ വിടവുകൾ നികത്തുന്നത് ഹിമാലയം ഒരു മരണ മേഖലയായി തുടരുമോ അതോ സാങ്കേതികവിദ്യ ഉപയോഗിച്ച് സമയം ലാഭിക്കാൻ കഴിയുന്ന ഒരു പ്രദേശമായി മാറുമോ എന്ന് തീരുമാനിക്കും.