- मयुरेश प्रभुणे
भारतीय हवामानशास्त्र विभागाने (आयएमडी) यंदा सरासरीपेक्षा अधिक पावसाचा दिलासादायक अंदाज दिला. गेल्या वर्षीचा अपुरा पाऊस आणि राज्यातील जलाशयांनी तळ गाठलेला असताना आयएमडीच्या अंदाजामुळे सर्वत्र उत्साहाचे वातावरण निर्माण झाले. जुलैमध्ये आतापर्यंत झालेला पाऊस पाहता यंदाचा मान्सूनचा हंगामी अंदाज अचूक ठरण्याच्या आशा निर्माण झाल्या आहेत. हवामान अंदाजाबाबत मात्र, अशी स्थिती नेहमी नसते. अनेकदा आयएमडीचे अंदाज चेष्टेचा विषयही ठरतात. हवामान खात्याने एक अंदाज दिला की त्याच्या बरोबर विरुद्ध होणार असा समज आजही प्रचलित आहे. हवामान खात्यापेक्षा पंचांग आणि पारंपरिक पद्धतींनी वर्तवला जाणारा पावसाचा अंदाज अधिक अचूक असतो असे मानणारेही अनेक जण आहेत.
असे असले तरी, संपूर्ण देशाचे आणि देशातील बहुसंख्य शेतकऱ्यांचे मान्सूनवरील अवलंबित्व पाहता, आर्थिक नियोजन करण्यासाठी मान्सूनचा अगदी अचूक नाही, पण साधारण अंदाज मिळणे आवश्यक ठरते. आणि हा अंदाज अधिकाधिक खरा ठरण्याची शक्यता वैज्ञानिक पद्धतीने केलेल्या पूर्वानुमानानेच शक्य असते. गेल्या दहा वर्षांत आयएमडीने दिलेले मान्सूनचे बहुतेक दीर्घकालीन अंदाज खरे ठरले याची नोंद घ्यायला हवी. पण ज्या ठिकाणी अचूक अंदाज वर्तवण्यात शास्त्रज्ञांना अपयश येते, त्याची कारणे शोधली जातात आणि तो अनुभव पुढील अंदाजांमध्ये वापरलाही जातो. या लवचिकतेमुळे गेल्या काही वर्षांमध्ये हवामान अंदाजांमध्ये मोठी सुधारणा झाल्याचेही दिसून येते. भारतातील अचूक हवामान अंदाज देणे ही गोष्ट आयएमडीलाच काय पण वैज्ञानिकदृष्ट्या अतिप्रगत मानल्या जाणाऱ्या देशांनाही जमलेली नाही. याचे मुख्य कारण भारताचे उष्णकटिबंधीय आणि गणितीदृष्ट्या अतिशय क्लिष्ट आणि आव्हानात्मक हवामान आहे.
भारतातील मान्सूनचा सबंध हंगामातील अंदाज वर्तवण्याची परंपरा शंभर वर्षांपेक्षा जुनी आहे. १८७७ मध्ये पडलेल्या दुष्काळानंतर आयएमडीचे संस्थापक एच एफ ब्लेनफोर्ड यांनी १८८४ मध्ये सर्वप्रथम मान्सूनचा अंदाज वर्तवला होता. त्यासाठी त्यांनी हिमालयातील बर्फवृष्टी हा घटक गृहीत धरला होता. मात्र, या अंदाजांना वैज्ञानिक आधार लाभला तो १९३० च्या दशकात. आयएमडीचे तत्कालीन संचालक सर गिल्बर्ट वॉकर यांनी जगभरातील विविध हवामानशास्त्रीय घटक आणि मान्सूनचा संबंध अधोरेखित करून त्यांच्या चालू निरीक्षणांच्या आणि पूर्वीच्या नोंदींच्या आधारे येणारा मान्सून कसा असेल याचे गृहीतक मांडले. एल निनो म्हणजेच विषुववृत्तीय प्रशांत महासागराचे सरासरीच्या वर गेलेले तापमान आणि भारतातील मान्सूनचा संबंधही पुढे त्यातूनच समोर आला. हे सांख्यिकी मॉडेल १९९० च्या दशकापर्यंत वापरण्यात येत होते.
पुढे १९९० च्या दशकात डॉ. वसंतराव गोवारीकर यांच्या पुढाकाराने १६ घटकांवर आधारीत मान्सूनचे मॉडेल बनविण्यात आले. मात्र, २००२ चा दुष्काळ वर्तविण्यात ते मॉडेल अयशस्वी ठरले तेव्हा नवे मॉडेल बनविण्यासाठी आयएमडीने पुढाकार घेतला. भारतीय मान्सून ही भारतीय उपखंडात घडणारी घटना असली तरी, तिच्यावर समुद्र आणि वातावरणातील अनेक घटकांचा प्रभाव पडत असतो. मान्सूनच्या पार्श्वभूमीवर जगभरातील हवामानात कोणकोणत्या घटना घडत आहेत याची चाचपणी केली तर, काही घटना येणारा मान्सून कसा असेल याचा अंदाज देतात असे शास्त्रज्ञांच्या लक्षात आले. त्यातूनच मान्सूनचे सांख्यिकी मॉडेल तयार झाले. थोडक्यात सांगायचे तर, गतकाळात विविध प्रदेशात समुद्राचे तापमान, वातावरणाचा दाब कसा होता आणि त्यावर्षी मान्सून कसा होता याचे समीकरण मांडले जाते. आणि त्या तुलनेत यंदा त्या प्रदेशांतील हवामानाच्या नोंदी कशा आहेत त्याला अनुसरून यंदाचा मान्सून कसा असेल याचा अंदाज लावला जातो. मात्र, ज्या घटकांचा मान्सूनशी संबंध जोडला जातो त्याचा मान्सूनवर कायम एकसारखा प्रभाव राहत नाही. त्यामुळे ही मॉडेल कालांतराने चुकू लागतात असे दिसून आले आहे. यावर आयएमडीने एन्सेबल मॉडेलचा तोडगा काढला आहे. म्हणजे अनेक मॉडेलमध्ये वापरण्यात आलेल्या ज्या घटकांचा मान्सूनवर प्रभाव जास्त आहे, अशा घटकांना गृहीत धरून एकत्रित अंदाज देण्यात येतो. सध्या आयएमडीतर्फे दिला जाणारा अंदाज अशाच प्रकारे अनेक मॉडेलचे एकत्रित फलित असते.
दुसरीकडे हवामानातील चालू घडामोडी आणि त्यांच्यामध्ये सुरु असणाऱ्या भौतिक प्रक्रियांचा अंदाज घेऊन न्यूमेरिकल मॉडेलद्वारे अंदाज वर्तवण्यात येतो. सध्या त्यासाठी अमेरिकन आणि युरोपियन मॉडेल वापरली जातात. हवामानाची चालू निरीक्षणे वापरून सुपरकम्प्युटरच्या साह्याने गणिती प्रक्रिया केल्या जातात. मात्र, दीर्घकालीन अंदाजासाठी या मॉडेलच्याही काही मर्यादा आहेत. या मॉडेलमध्ये गृहीत धरण्यात येणाऱ्या हवामानाच्या घटकांची दोन महिन्यांनतरची स्थिती अंदाजे गृहीत धरली जाते. मात्र, प्रत्यक्षात त्या घटकाचे आचरण तेव्हा तसे राहिले नाही तर न्यूमेरिकल मॉडेलचा अंदाजही चुकू शकतो. एल निनो आणि ला निना या प्रशांत महासागरातील घटनांचे स्थित्यंतर होताना असे अंदाज चुकल्याचे आढळून आले आहे. यंदाही नेमके मान्सून काळात हे स्थित्यंतर घडून येत आहे. आधी एल निनोमधून न्यूट्रल स्थिती आणि आता न्यूट्रलमधून ला निना हे नेमके मान्सून काळात घडून येत आहे.
हवामानाचे न्यूमेरिकल मॉडेल म्हणजे वातावरणात किंवा समुद्रात प्रत्यक्षात असणाऱ्या स्थितीचे गणिताच्या रूपात मांडलेले प्रारूप. उदाहरणार्थ मान्सूनचे मॉडेल तयार करताना मान्सूनची निसर्गात घडणारी संपूर्ण प्रक्रिया गणित आणि भौतिकशास्त्रातील मूलभूत नियमांच्या आधारे मांडली जाते. ही प्रक्रिया सतत बदलणारी असल्यामुळे ते बदलही अनेक सूत्रे मांडून गणितात बसवले जातात. मान्सूनच्या प्रक्रियेमध्ये वातावरण, समुद्र, जमीन, डोंगराळ प्रदेश, सूर्याकडून मिळणारी ऊर्जा यांच्याशी संबंधित अनेक घटकांचा समावेश असतो. जगभरातील उपकरणांकडून, उपग्रहाकडून मिळालेल्या नोंदींद्वारे त्या घटकांची सद्यस्थिती (इनिशिअल कंडिशन) मॉडेलमध्ये गृहीत धरली जाते आणि पुढील काही दिवसांत किंवा काही महिन्यात त्यांची स्थिती कशी राहील याचा आडाखा गणिताद्वारे मांडला जातो. एकदा प्राथमिक मॉडेल तयार झाल्यावर भूतकाळातील एखाद्या वर्षीच्या हवामानाच्या नोंदी वापरून मॉडेल ‘रन’ केले जाते आणि त्याचे निकाल तपासले जातात. त्या वर्षी मान्सून काळात किती पाऊस झाला होता हे आपल्याला आधीच माहीत असल्यामुळे त्या आकड्यांच्या आसपास मॉडेलचा निकाल जात असल्यास ते मॉडेल सध्याच्या अंदाजांसाठी वापरण्यात येते.
प्रत्यक्ष हवामानाच्या नोंदी वापरून तयार केलेल्या मॉडेलच्या साह्याने पुढील पाच दिवस, वीस दिवस किंवा एक महिन्याच्याही पुढील हवामानाच्या स्थितीचा अंदाज वर्तवण्यात येतो. मात्र, चाचणीमध्ये यशस्वी ठरलेली मॉडेल अनेकदा प्रत्यक्षात अंदाज देताना चुकतात. त्यामध्ये हवामानाच्या अपुऱ्या नोंदी किंवा एखाद्या घटकाची अचानक बदलणारी स्थिती प्रामुख्याने कारणीभूत असते. भारतासारख्या उष्णकटिबंधीय प्रदेशात समुद्र आणि वातावरणात सातत्याने होणारे बदल हे मॉडेल बनवणाऱ्या जगभरातील शास्त्रज्ञांसाठी सर्वात मोठे आव्हान आहे.
अमेरिकेत किंवा युरोपमध्ये अगदी मिनिटाप्रमाणे अचूक हवामानाचा अंदाज सांगितला जातो मग आयएमडीला का देता येत नाही, असा प्रश्न अनेकदा उपस्थित केला जातो. अमेरिका किंवा युरोपमधील अनेक देश ३० ते ६० अंश उत्तर अक्षांशांच्या दरम्यान येतात. उष्णकटिबंधीय प्रदेशातून येणारे उबदार वारे आणि ध्रुवीय प्रदेशातून येणारे थंड वारे यांचा मिलाफ या पट्ट्यात होत असतो. या मिलाफातून तयार होणारे ढग वाऱ्यांच्या प्रवाहासोबत पश्चिमेकडून पूर्वेकडे सरकू लागतात. त्या प्रवाहातील वाऱ्यांची गती, दिशा, त्यामध्ये निर्माण होणाऱ्या कमी दाबाच्या क्षेत्रांचे गणित मांडणे हे तुलनेने सोपे असते. त्यामुळे साधारण एकसारखे हवामान असणाऱ्या त्या देशांमधील अंदाज अगदी मिनिटांपर्यंत अचूक देता येतात. युरोपमधील हवामानाच्या प्रक्रिया ‘लिनिअर वे’ने (सरळ प्रक्रियेद्वारे) होतात, तर उष्णकटिबंधीय प्रदेशातील हवामानाच्या घटना नॉन लिनिअर (वक्र किंवा अनियमित प्रक्रियेने) प्रकारात मोडतात. उदाहरणार्थ, एक चेंडू बंद खोलीत दहा फुटांवरून सोडला तर तो कोठे पडेल याचा अंदाज आपल्याला बांधता येतो (लिनिअर वे) पण त्याच उंचीवरून हवा भरलेला आणि तोंड न बांधलेला फुगा सोडला तर तो कोठे जाऊन पडेल याचा अंदाज आपल्याला बांधता येत नाही (नॉन लिनिअर वे). हीच प्रक्रिया पुन्हा पुन्हा केली तरी तो फुगा ज्या ठिकाणी आधी पडला, तिथेच जाऊन पडेल याची खात्री नसते. भारतातील हवामान साधारण असेच आहे. त्यामुळे भारतातील मान्सूनचे किंवा वर्षभराच्या हवामानाचे अंदाज आयएमडीप्रमाणेच अमेरिका, युरोप, जपान, ऑस्ट्रेलिया या देशांमधील संस्थानी दिलेले अंदाजही चुकतात हे लक्षात घ्यायला हवे.
मॉडेल बनवून हवामानाचे अंदाज देण्यासाठी वातावरण आणि समुद्राच्या अधिकाधिक भागांतून नोंदी मिळणे आवश्यक असते. त्या नोंदी वापरून गणिते मांडणारे तज्ज्ञ शास्त्रज्ञ आवश्यक असतात. दहा किलोमीटर बाय दहा किलोमीटरचे चौरस करून संपूर्ण क्षेत्रावर त्या सर्व नोंदी मांडाव्या लागतात. त्यानंतर हवामानाचे अचूक मॉडेल तयार करण्यासाठी अब्जावधी गणिती प्रक्रिया कराव्या लागतात. या प्रक्रिया करण्यासाठी सुपर कम्प्युटरची आवश्यकता असते. भारताकडे गेल्या दोन दशकांत यांतील बहुतेक गोष्टी येण्यास सुरुवात झाली आहे. हवामानाच्या अधिकाधिक नोंदी घेणारे मोठे नेटवर्क आणि तज्ज्ञ शास्त्रज्ञांची मात्र अजूनही आपल्याला कमतरता भासत आहे. हवामानशास्त्रात मान्सून ही सर्वात गुंतागुंतीची प्रक्रिया मानली जाते. दरवर्षीचा मान्सून वेगळा असतो असे म्हटले जाते आणि त्यात अतिशयोक्ती बिलकुल नाही. मान्सून पूर्णपणे समजला असे म्हणायचे धाडस कोणीही करणार नाही. नोंदी घेणे, मॉडेल बनवणे, मान्सून काळात जगभरात घडणाऱ्या घटनांवर नजर ठेवणे हे काम अव्याहत सुरू राहील तेव्हा मान्सूनचे एक एक पैलू उलगडत जातील. जसा मान्सून आपल्याला कळत जाईल, तसे अंदाजही अचूक होतील.
——–