شہر کے آبی پانی اور پانی کے ذخائر کی نگرانی میں دُوردراز علاقوں کی درخواست

Aarial اور Darone-Based دور Sensing

ڈرس جس میں کثیر ال عرضی یا حرصی سینسر کے ساتھ تیار کیے گئے ہیں سیٹلائٹ تصور اور زمین کی سلنگ کے درمیان خلا بھرتے ہیں. وہ انتہائی بلند ترین سرنگی حل (contimeter)، اوپر پرواز کی صلاحیت اور بجلی کی مدد سے پرواز کے لیے خاص طور پر مفید ہیں.

پانی کی قدر کرنے والے لوگوں کی مدد سے دُور کی جانے والی چیزوں کی پیمائش کی جاتی ہے

مندرجہ ذیل میز پر موجود پانی کی سب سے عام خصوصیت کے اشارے ہیں جو دُوردراز علاقوں میں موجود پانی کی مناسبت سے حاصل کئے گئے ہیں ۔

• Turbidity: ہائی رائزنس ریڈ اور قریبی انفنٹری بینڈوں میں سے اونچی تصاویر بنانے والے کو تعمیراتی مقامات یا انفنٹری سے معطل کرنے کی نشاندہی کرتی ہیں۔
• Chlorophyll-a: سبز رنگ کی ترقی یافتہ شرح الجی اور Eutrophiction خطرے کا پتہ چلتا ہے۔
• Surface درجہ حرارت : [THLT] تھریریل بینڈوں کی شناخت تھرمل آلودگی اور گہرائی آمیزائی نمونے کی نشاندہی کر سکتے ہیں۔
• Colored sultural omagency: نیلے ہوا میں ابورپٹم کی وجہ سے آکسیجن کی آلودگی کو ظاہر کرتا ہے یا پھر انتہائی جذب کرنے والی نباتات سے۔
• اسکاکی ڈسک گہرائی: ایک ایمپائرکل پیمائش پانی کی پیمائش جو نظریہ سے ماخوذ ہے۔
• [Oil structions یا کیمیائی مرکبات : [1] سیالکوٹ میں داخل ہونے والے انفنٹری اور نظر آنے والے بینڈوں میں ہنگامی طور پر دستخط کرنے کے قابل ہوتے ہیں۔

دُوردراز علاقوں میں رہنے کے فوائد

شہری پانی کی نگرانی کے لئے دُوردراز علاقوں میں استعمال ہونے والے لوگوں کی کارکردگی میں بہت سے فوائد ہیں جو عملی کارکردگی اور سائنسی فہم کو فروغ دیتے ہیں ۔

• Large-creature: ایک تصویر پوری آبپاشی یا میٹروپولیٹن آبی جالوں کو پکڑتی ہے، علاقائی آلودگی کے نمونے ظاہر کرتی ہے۔
• Frequent and بروقت ڈیٹا کا مجموعہ : Satellites نے ہر چند دن میں ایک ہی علاقے کو زیرِ نگرانی رکھا جبکہ ڈرونوں نے اس کی نگرانی پر انحصار کیا، اس کے ساتھ ساتھ ساتھ اس کا باقاعدہ جائزہ بھی لیا ہے۔
• Cost کم کرنے کی ضرورت کو کم کرنے کے لیے: دوری جدول میں وسیع میدانی سیملنگ، کم محنت، سامان اور لیبارٹری کے اخراجات کم ہوتے ہیں۔
• آلودگی کے واقعات کی آگاہی : خود کار الموتات (Automated Alphal) کی دریافت کر سکتے ہیں جیسے کہ الغال پھول یا تیل کی ترسیل کے فوراً بعد سیٹلائٹ کے بہاؤ کے بعد، تیزی سے جواب کو تیز کر دیتے ہیں۔
• تاریخی موازنہ: آرکائیو شدہ سیٹلائٹ تصاویر کو واپس جانے والی دہائیوں میں طویل مدتی پانی کی کیفیت تبدیل کرنے اور آلودگی کے کنٹرول اقدامات کی کارکردگی کے عمل کے بارے میں تجزیہ کرنے کی اجازت دیتا ہے۔
• جی آئی ایس کے ساتھ Integration: دورائے جانے والی ڈیٹا کی سطحیں براہ راست جغرافیائی معلوماتی نظاموں میں رائج ہیں

مشکلات اور مشکلات

اپنی بدلتے ہوئے صلاحیت کے باوجود دور دراز کے کئی عملی اور تکنیکی مشکلات کا سامنا کرنا پڑتا ہے جن پر عمل آوری کے لیے بات کرنا ضروری ہے۔

• Cloud Cres: Optical Senss بادل کے ذریعے دیکھ نہیں سکتے، رفتار یا بارش شہری علاقوں میں ڈیٹا کی دستیابی کو محدود کر سکتے ہیں۔ Radar Sens (SAR) بادل میں گھس سکتا ہے مگر مختلف معلومات فراہم کر سکتا ہے۔
• [SFLT:0] Construction: بہت سے آزاد سیٹلائٹ مشنز کے پاس 10-30 میٹر میٹر کے فاصلے پر ہیں، بہت چھوٹے چھوٹے چھوٹے بڑے تالاب یا تنگ شہری کنال کے لیے بھی، اعلیٰ تجارتی تصاویر کا استعمال بہت مہنگا رہتا ہے۔
• Atmosferic nerferic symption: ہیزے، ایروسولس اور پانی کے بہاؤ سے سگنل کی تصدیق پر اثر پڑتا ہے، جھوٹے آلودگی کے سگنلوں سے بچنے کے لیے صوفی اصلاحی الجبرا کو لازم قرار دیتا ہے۔
• Parameter settlection: دورِ حاضرہ (folfing) پیمائشی سطحِ مُصَصَحَصَّصَّہ، نہ کہ کیمیائی مرکبات۔ نظریہ اور پانی کی کیفیت کے درمیان تعلقات مقامی کیلِش اور درستی کے ذریعے قائم کیے جانے چاہیے۔
• ] عطاتا آپریٹنگ پیچیدگی : [genstructional actress information settlection, symption sidelying, and ڈومین علم آبیدہ (Aquartic structions) میں مہارت درکار ہے۔
• Temporal Crequency: Satellites مقررہ وقت پر گزرتے ہیں، ممکنہ طور پر کمیت کے واقعات جیسے کہ جمع شدہ سیالوی دور کے واقعات صرف چند گھنٹوں میں ہی گزرتے ہیں۔

مستقبل میں راہنمائی اور ان کی بابت

شہر کے پانی کی نگرانی کے لئے دُوردراز علاقوں میں تکنیکی اور طریقہ‌بندی کی ترقی تیزی سے پھیل رہی ہے ۔

• [Heperspectral Senses: این ایم پی او ایس ایم اے کے طور پر نیو سیٹلائٹ مشنز فراہم کرتے ہیں جس سے کافی تنگ ذرہ بینڈز فراہم کیے جاتے ہیں جس کی صحیح شناخت پولٹنٹ اور الجل انواع کے قابل ہوتی ہے۔
• Machine درس الجبرا: [1] میں تربیت یافتہ موبائل سیکھنے کے ماڈلز کو سیٹلائٹ ڈیٹا سے حاصل کرنے کے لیے پانی کی کیفیت کی درستی بہتر بناتے ہیں اور مقامی کیلبریشن کی ضرورت کو کم کرتے ہیں۔
• [integration with IoT اور in-situ Senters: پانی کے سینسر کے نیٹ ورک سے دوری جدول کرنے والے خلائی نگرانیی نظام بناتا ہے جو کراس ڈیٹا کو جذب کرتا ہے اور اس میں نہایت ہی کم سن کر دیتا ہے۔
• ] اسمال سیٹلائٹ کے مدارس : کمپنیز جیسے سیارے لابز کام کرتے ہیں سینکڑوں کیبیس کام کرتے ہیں جو ساری زمین کا سارا دن 3-5 میٹر حل پر تصور کرتے ہیں، حیرت انگیز طور پر انتہائی بہتر بناتا ہے۔
• Cloud Computer Places: Google Earth Engine اور مائیکروسافٹ سیارے کمپیوٹر جیسے خدمات صارفین کو مقامی اسکین کے بغیر میزائل سیارچے کی پیمائش کرنے کی اجازت دیتی ہیں، محدود وسائل کے ساتھ ساتھ میونسپلز کے لیے رسائی کی سہولت فراہم کرتی ہے۔
• ری ٹیل ٹائم سسٹمز : [Automented census] سیٹلائٹ کے اندر آلودگی کے واقعات کو پہچان سکتے ہیں اور موبائل درخواستوں کے ذریعے پانی کے ناظرین کو آگاہ کر سکتے ہیں . اور [FLT] ماحولیاتی تحفظ ادارہ [[FLT]] اور [[FLFFFFFFFFPAT پروگرام[TTTTTT]] فعال طور پر فعال طور پر کام کر رہے ہیں۔

کُنَّا

دور دراز کی چیزوں کو دیکھ کر شہر کے آبی جسموں کی نگرانی اور آلودگی کی سطح پر منظم کرنے کی اس کی صلاحیت روایتی میدانی طریقوں کو بہتر بنانے اور ان کی قیمتوں کو بہتر بنانے کے لیے استعمال ہونے والے فیصلے کرنے والے تجربات جیسے کہ بادل کا ڈھانچہ، حلول کی حدود اور ڈیٹا کی جانچ پڑتال کے چیلنج جیسے کہ ان شہروں میں تیزی سے ترقی کرتے ہیں جن کی وجہ سے پانی کی فراہمی اور ماحولیاتی نظام میں بہتری آتی ہے