वादळ अंदाजामागील विज्ञानाचा शोध घ्या, वातावरणातील गतिशीलतेपासून अत्याधुनिक अंदाज तंत्रज्ञानापर्यंत, आणि या प्रणाली जगभरातील समुदायांचे संरक्षण कसे करतात.
वादळ अंदाजाचे विज्ञान: एक जागतिक दृष्टिकोन
वादळे, विविध स्वरूपात, पृथ्वीवरील सर्वात शक्तिशाली आणि विनाशकारी नैसर्गिक घटनांपैकी एक आहेत. कॅरिबियन आणि आग्नेय आशियातील उष्णकटिबंधीय चक्रिवादळांपासून ते उत्तर अमेरिका आणि युरोपमधील हिमवादळांपर्यंत, आणि आफ्रिकेतील साहेल प्रदेशातील तीव्र वादळांपर्यंत, या घटनांमुळे प्रचंड नुकसान आणि जीवितहानी होऊ शकते. या वादळांचा अंदाज घेणे आणि त्यांचे पूर्वानुमान करणे एक महत्त्वपूर्ण जागतिक प्रयत्न आहे, ज्यासाठी अत्याधुनिक वैज्ञानिक ज्ञान आणि प्रगत तंत्रज्ञान आवश्यक आहे. हा लेख वादळ अंदाजामागील आकर्षक विज्ञानाचे परीक्षण करतो, ज्यामध्ये या शक्तिशाली घटनांचा अंदाज लावण्यात सामील असलेल्या प्रमुख संकल्पना, तंत्रज्ञान आणि आव्हानांचा अभ्यास केला जातो.
वातावरणाची समज: वादळ अंदाजाचा आधार
वादळ अंदाजाच्या केंद्रस्थानी वातावरणीय गतिशीलतेची सखोल माहिती आहे. वातावरण एक जटिल द्रव प्रणाली आहे जे विविध भौतिक नियमांनुसार नियंत्रित केले जाते, ज्यात थर्मोडायनामिक्स, फ्लुइड डायनॅमिक्स आणि रेडिएशन ट्रान्सफरचा समावेश आहे. हे नियम हवेची हालचाल, तापमान आणि दाब कसा बदलतो आणि वातावरणात ऊर्जाची देवाणघेवाण कशी होते हे निर्धारित करतात.
महत्वाची वातावरणीय परिवर्तने
हवामानशास्त्रज्ञ वादळाच्या विकासाचा अंदाज घेण्यासाठी अनेक महत्त्वपूर्ण वातावरणीय चलांवर अवलंबून असतात. यामध्ये हे समाविष्ट आहे:
- तापमान: हवेतील उष्णतेचे प्रमाण मोजते, हवेची घनता आणि स्थिरतेवर परिणाम करते.
- दाब: दिलेल्या बिंदूवरील वातावरणाचे वजन दर्शवितो, हवेची हालचाल आणि वादळाची तीव्रता समजून घेण्यासाठी महत्त्वपूर्ण आहे.
- आर्द्रता: हवेतील पाण्याच्या वाष्पाचे प्रमाण दर्शवते, ढग तयार होणे आणि पर्जन्यासाठी एक आवश्यक घटक.
- वाऱ्याचा वेग आणि दिशा: हवेची हालचाल दर्शवते, वादळाचा मार्ग आणि तीव्रता प्रभावित करते.
वातावरणाची स्थिरता आणि अस्थिरता
वादळाच्या विकासात वातावरणाची स्थिरता एक महत्त्वपूर्ण घटक आहे. एक स्थिर वातावरण उभ्या गतीचा प्रतिकार करते, तर एक अस्थिर वातावरण त्यास प्रोत्साहन देते. अस्थिरता तेव्हा उद्भवते जेव्हा पृष्ठभागाजवळील गरम, दमट हवा वरच्या दिशेने थंड, कोरड्या हवेने झाकलेली असते. हे एक अशी परिस्थिती निर्माण करते जिथे वर जाणारे हवेचे पार्सल त्यांच्या सभोवतालच्या भागापेक्षा अधिक उष्ण आणि कमी दाट होतात, ज्यामुळे गती वाढते आणि संभाव्यतः, गडगडाटी वादळे किंवा त्याहूनही अधिक गंभीर हवामानाची निर्मिती होते.
उदाहरणार्थ, अमेरिकेच्या ग्रेट प्लेन्स प्रदेशात, मेक्सिकोच्या खाडीतून येणारी गरम, दमट हवा अनेकदा उत्तरेकडे वाहते, जी रॉकी पर्वतावरून येणाऱ्या थंड, कोरड्या हवेला टक्कर देते. हे एक अत्यंत अस्थिर वातावरण तयार करते जे सुपरसेल्स आणि टोर्नाडोसह तीव्र गडगडाटी वादळांच्या विकासासाठी अनुकूल असते.
डेटा संकलन: पुरावे गोळा करणे
अचूक वादळ अंदाज डेटा संकलन प्रणालीच्या विस्तृत नेटवर्कवर अवलंबून असतो जे वातावरणाची स्थिती सतत निरीक्षण करतात. या प्रणाली हवामानशास्त्रज्ञांना हवामान मॉडेल तयार करण्यासाठी आणि चालवण्यासाठी डेटा पुरवतात.
पृष्ठभागावरील निरीक्षणे
पृष्ठभागावरील हवामान केंद्र जगभर स्थित आहेत, तापमान, दाब, आर्द्रता, वाऱ्याचा वेग आणि पर्जन्याचे मोजमाप करतात. ही केंद्र वातावरणीय स्थितीचा जमिनी-पातळीवरचा त्वरित अहवाल (snapshot) देतात.
वरच्या हवेचे निरीक्षण
रेडिओसॉन्ड, सेन्सरने सुसज्ज असलेले हवामान फुगे, दररोज जगभरातील शेकडो ठिकाणांहून दोनदा सोडले जातात. हे फुगे वातावरणातून वर सरळ रेषेत जाताना तापमान, आर्द्रता, वाऱ्याचा वेग आणि वाऱ्याची दिशा मोजतात, ज्यामुळे वातावरणीय स्थितीचा उभा प्रोफाइल मिळतो. हा डेटा वातावरणीय स्थिरता आणि वादळाच्या संभाव्य विकासासाठी महत्त्वपूर्ण आहे.
रडार प्रणाली
डॉप्लर रडार पर्जन्याचे (precipitation) शोध आणि मागोवा घेण्यासाठी एक शक्तिशाली साधन आहे. ते रेडिओ लहरी उत्सर्जित करते जे पाण्याचे थेंब, हिम आणि गारांवर आदळतात. परावर्तित झालेल्या सिग्नलचे विश्लेषण करून, रडार पर्जन्याची तीव्रता आणि हालचाल निश्चित करू शकतो. डॉप्लर रडार वादळातील हवेची गती देखील शोधू शकतो, ज्यामुळे वादळाच्या संरचनेबद्दल आणि गंभीर हवामानाची शक्यता याबद्दल मौल्यवान माहिती मिळते.
अनेक देश डॉप्लर रडार नेटवर्कचा उपयोग करतात, ज्यात अमेरिकेतील NEXRAD (Next-Generation Radar) प्रणालीचा समावेश आहे, जी देशाचे व्यापक कव्हरेज प्रदान करते.
उपग्रह प्रतिमा
हवामान उपग्रह वातावरणाचे जागतिक दृश्य प्रदान करतात, दृश्यमान, अवरक्त (infrared) आणि मायक्रोवेव्हसह विविध तरंगलांबीमध्ये प्रतिमा आणि डेटा कॅप्चर करतात. या प्रतिमा हवामानशास्त्रज्ञांना ढगांचे आच्छादन, तापमानाचे नमुने आणि पर्जन्यमान, तसेच दुर्गम भागात जिथे जमिनीवर आधारित निरीक्षणे मर्यादित आहेत, त्यांचे निरीक्षण करण्यास अनुमती देतात. भूस्थिर उपग्रह, जे पृथ्वीच्याrotion च्या समान गतीने पृथ्वीभोवती फिरतात, एकाच क्षेत्राचे सतत निरीक्षण करतात, तर ध्रुवीय-कक्षीय उपग्रह संपूर्ण जगाच्या अधिक विस्तृत प्रतिमा देतात, जे ते ध्रुवाकडून ध्रुवाकडे फिरतात.
हवामान मॉडेल: वातावरणाचे अनुकरण
हवामान मॉडेल हे जटिल संगणक प्रोग्राम आहेत जे वातावरणाच्या वर्तनाचे अनुकरण करतात. हे मॉडेल भौतिकशास्त्राच्या नियमांवर आधारित गणितीय समीकरणे वापरतात, जे वेळेनुसार वातावरणीय बदल कसे होतील याचा अंदाज लावतात. हवामान मॉडेलसाठी प्रचंड संगणकीय शक्तीची आवश्यकता असते आणि ते सुपरकॉम्प्युटरवर चालवले जातात.
संख्यात्मक हवामान अंदाज (NWP)
संख्यात्मक हवामान अंदाज (NWP) ही हवामान मॉडेल वापरून अंदाज तयार करण्याची प्रक्रिया आहे. NWP मॉडेल्स मोठ्या प्रमाणात निरीक्षणात्मक डेटा घेतात आणि मॉडेल सुरू करण्यासाठी त्याचा वापर करतात. मॉडेल नंतर वेळेनुसार वातावरणाचा विकास दर्शवते, तापमान, दाब, वारा, पर्जन्यमान आणि इतर चलांचा अंदाज तयार करते.
हवामान मॉडेलचे प्रकार
विविध प्रकारचे हवामान मॉडेल आहेत, प्रत्येकाची स्वतःची शक्ती आणि कमकुवतता आहे. काही मॉडेल्स जागतिक हवामान नमुन्यांचा अंदाज घेण्यासाठी डिझाइन केलेले आहेत, तर काही प्रादेशिक किंवा स्थानिक हवामानावर लक्ष केंद्रित करण्यासाठी डिझाइन केलेले आहेत. काही सामान्यतः वापरले जाणारे हवामान मॉडेल समाविष्ट आहेत:
- ग्लोबल फोरकास्ट सिस्टम (GFS): अमेरिकेतील राष्ट्रीय हवामान सेवा द्वारे चालवले जाणारे जागतिक मॉडेल.
- युरोपियन सेंटर फॉर मीडियम-रेंज वेदर फोरकास्ट्स (ECMWF) मॉडेल: ECMWF द्वारे चालवलेले जागतिक मॉडेल, अनेक युरोपियन राष्ट्रांनी समर्थित एक स्वतंत्र आंतरशासकीय संस्था. अनेकदा सर्वात अचूक जागतिक मॉडेल्सपैकी एक मानले जाते.
- हाय-रेझोल्यूशन रॅपिड रिफ्रेश (HRRR): अमेरिकेतील राष्ट्रीय हवामान सेवा द्वारे चालवले जाणारे एक प्रादेशिक मॉडेल, अल्प-मुदतीतील अंदाजांवर लक्ष केंद्रित करते.
- वेदर रिसर्च अँड फोरकास्टिंग (WRF) मॉडेल: एक सामुदायिक मॉडेल जे संशोधन ते ऑपरेशनल फोरकास्टिंग पर्यंत विस्तृत अनुप्रयोगांसाठी कॉन्फिगर केले जाऊ शकते.
एन्सेम्बल फोरकास्टिंग
एन्सेम्बल फोरकास्टिंग ही एक अशी तंत्र आहे ज्यामध्ये थोड्या वेगळ्या प्रारंभिक स्थितीसह हवामान मॉडेलची अनेक आवृत्त्या चालवल्या जातात. हे प्रारंभिक डेटा आणि मॉडेलमधील अनिश्चिततेचा हिशेब ठेवण्यास मदत करते. एन्सेम्बलद्वारे अंदाज लावलेल्या संभाव्य परिणामांचे विश्लेषण करून, हवामानशास्त्रज्ञ विविध हवामान परिस्थितीची शक्यता तपासू शकतात आणि अधिक संभाव्य अंदाज देऊ शकतात.
उदाहरणार्थ, जर एन्सेम्बल फोरकास्टमध्ये असे दिसून आले की 80% मॉडेल रन एका विशिष्ट प्रदेशात जोरदार पावसाचा अंदाज वर्तवतात, तर हवामान अंदाज करणारे (forecasters) जोरदार पावसाचा इशारा जारी करण्याबाबत अधिक आत्मविश्वास बाळगू शकतात.
वादळ अंदाजातील आव्हाने
वादळ अंदाजात महत्त्वपूर्ण प्रगती झाली असली तरी, हवामानशास्त्रज्ञांना अजूनही अनेक आव्हानांचा सामना करावा लागतो. या आव्हानांमध्ये हे समाविष्ट आहे:
डेटा मर्यादा
हवामानाचे जागतिक निरीक्षण नेटवर्क विस्तृत असले तरी, विशेषतः महासागर आणि दुर्गम भागात कव्हरेजमध्ये अजूनही त्रुटी आहेत. डेटाअभावी हवामान मॉडेलची अचूकता मर्यादित होऊ शकते. अधिक व्यापक जागतिक निरीक्षण नेटवर्कमध्ये गुंतवणूक करणे अंदाज अचूकता सुधारण्यासाठी आवश्यक आहे.
मॉडेल मर्यादा
हवामान मॉडेल वातावरणाचे सरलीकृत प्रतिनिधित्व (simplified representations) यावर आधारित आहेत. ते हवामानावर नियंत्रण ठेवणाऱ्या सर्व जटिल भौतिक प्रक्रिया अचूकपणे कॅप्चर करू शकत नाहीत. हवामान मॉडेलची अचूकता सुधारण्यासाठी सतत संशोधन आणि विकास आवश्यक आहे.
Chaos सिद्धांत
वातावरण एक अराजक (chaotic) प्रणाली आहे, याचा अर्थ प्रारंभिक स्थितीत (initial conditions) लहान बदल अंदाजात मोठ्या फरकास कारणीभूत ठरू शकतात. यामुळे हवामानाचा अचूक अंदाज लावणे कठीण होते, विशेषत: जास्त कालावधीसाठी. एन्सेम्बल फोरकास्टिंग या समस्येचे निराकरण करण्यास मदत करते, परंतु अनिश्चितता कायम आहे.
हवामान बदलाचे परिणाम
हवामान बदल जागतिक हवामान नमुन्यांमध्ये बदल घडवत आहे, ज्यामुळे अधिक तीव्र हवामान घटना येत आहेत. यामुळे वादळांच्या वर्तनाचे अंदाज घेणे अधिक कठीण होते, कारण ऐतिहासिक डेटा यापुढे विश्वसनीय मार्गदर्शक नसेल. संशोधक हवामान बदल वादळांची वारंवारता, तीव्रता आणि मार्गावर कसा परिणाम करत आहे, हे समजून घेण्याचा प्रयत्न करत आहेत.
मानवी हवामान अंदाजकारांची भूमिका
हवामान मॉडेल शक्तिशाली साधने (tools) असली तरी, मानवी हवामान अंदाजकार वादळ अंदाजात महत्त्वपूर्ण भूमिका बजावतात. अंदाजकार मॉडेल आउटपुटचे (output) अर्थ लावण्यासाठी, संभाव्य त्रुटी ओळखण्यासाठी आणि जनतेला अंदाज कळवण्यासाठी त्यांचे ज्ञान आणि अनुभव वापरतात. ते गंभीर हवामान घटनांसाठी चेतावणी जारी करण्यात देखील महत्त्वपूर्ण भूमिका बजावतात.
आत्ताचे हवामान (Nowcasting)
आत्ताचे हवामान (Nowcasting) हे एक तंत्र आहे ज्यामध्ये अत्यंत कमी-मुदतीचे अंदाज (सामान्यतः काही तासांपर्यंत) लावण्यासाठी, रडार आणि उपग्रह प्रतिमा यासारख्या रिअल-टाइम निरीक्षणांचा वापर केला जातो. गडगडाटी वादळे आणि टोर्नाडोससारख्या गंभीर हवामान घटनांचा अंदाज घेण्यासाठी आत्ताचे हवामान विशेषतः महत्त्वाचे आहे, जे जलद गतीने विकसित होऊ शकतात.
अंदाजांचे संप्रेषण
लोकांना स्वतःचे आणि त्यांच्या मालमत्तेचे संरक्षण करण्यासाठी योग्य कारवाई करता यावी यासाठी लोकांपर्यंत अंदाजांचे प्रभावीपणे संप्रेषण करणे आवश्यक आहे. हवामानाची माहिती प्रसारित करण्यासाठी अंदाजकार दूरदर्शन, रेडिओ, इंटरनेट आणि सोशल मीडियासह विविध संप्रेषण माध्यमांचा वापर करतात.
उदाहरणार्थ, चक्रीवादळात, संभाव्य धोक्यांपासून लोकांना सतर्क करण्यासाठी आणि तयारी कशी करावी यासाठी मार्गदर्शन करण्यासाठी, हवामान अंदाजकार चेतावणी आणि सूचना जारी करतील. विविध समुदायांपर्यंत पोहोचण्यासाठी हे संदेश अनेक भाषांमध्ये भाषांतरित केले जातात.
वादळ अंदाजात तांत्रिक प्रगती
वादळ अंदाजाचे क्षेत्र तांत्रिक प्रगतीमुळे सतत विकसित होत आहे. सर्वात आशादायक घडामोडी खालीलप्रमाणे आहेत:
सुधारित हवामान मॉडेल
संशोधक अधिक अत्याधुनिक भौतिक प्रक्रियांचा समावेश करून आणि उच्च-रिझोल्यूशन ग्रिडचा वापर करून हवामान मॉडेलची अचूकता सुधारण्यासाठी सतत काम करत आहेत. या सुधारणांसाठी वाढलेली संगणकीय शक्ती आवश्यक आहे, ज्यामुळे जलद आणि अधिक शक्तिशाली सुपरकॉम्प्युटरचा विकास होतो.
प्रगत रडार तंत्रज्ञान
नवीन रडार तंत्रज्ञान, जसे की फेज्ड ॲरे रडार, जलद स्कॅनिंग गती आणि सुधारित रिझोल्यूशन (resolution) प्रदान करतात. हे प्रगती वादळाची रचना आणि वर्तनाचे अधिक तपशीलवार निरीक्षण करण्यास अनुमती देतात, ज्यामुळे अधिक अचूक अल्प-मुदतीचे अंदाज मिळतात.
कृत्रिम बुद्धिमत्ता आणि मशीन लर्निंग
कृत्रिम बुद्धिमत्ता (AI) आणि मशीन लर्निंग (ML) वादळ अंदाजात विविध प्रकारे सुधारणा करण्यासाठी वापरले जात आहेत. AI आणि ML अल्गोरिदम मानवांना शोधणे कठीण असलेल्या नमुने आणि संबंध ओळखण्यासाठी मोठ्या प्रमाणात डेटाचे विश्लेषण करू शकतात. ते हवामान मॉडेलची अचूकता सुधारण्यासाठी आणि नवीन अंदाज तंत्रज्ञान विकसित करण्यासाठी देखील वापरले जाऊ शकतात.
नागरिक विज्ञान
नागरिक विज्ञान उपक्रम डेटा संकलन आणि विश्लेषणात लोकांना सहभागी करतात. CoCoRaHS (Community Collaborative Rain, Hail & Snow Network) सारखे कार्यक्रम त्यांच्या स्थानिक क्षेत्रातील पर्जन्याचे मोजमाप करण्यासाठी स्वयंसेवकांवर अवलंबून असतात, ज्यामुळे अधिकृत निरीक्षणांना पूरक डेटा मिळतो.
वादळ अंदाजातील जागतिक सहयोग
वादळ अंदाज एक जागतिक प्रयत्न आहे ज्यासाठी आंतरराष्ट्रीय सहकार्याची आवश्यकता आहे. हवामानाला सीमा नसते, आणि वादळे खंडा-खंडात प्रवास करू शकतात. जगभरात वादळ अंदाज सुधारण्यासाठी डेटा, ज्ञान आणि तज्ञता (expertise) सामायिक करणे आवश्यक आहे.
जागतिक हवामान संघटना (WMO)
जागतिक हवामान संघटना (WMO) ही संयुक्त राष्ट्रांची एक विशेष संस्था आहे जी हवामानशास्त्र आणि संबंधित क्षेत्रातील आंतरराष्ट्रीय सहकार्याचे समन्वय साधते. WMO, देशा-देशांमध्ये हवामान डेटा आणि अंदाजांची देवाणघेवाण सुलभ करते आणि विकसनशील देशांमध्ये हवामान अंदाज क्षमता विकासाला प्रोत्साहन देते.
आंतरराष्ट्रीय संशोधन कार्यक्रम
अनेक आंतरराष्ट्रीय संशोधन कार्यक्रम वादळांबद्दलची आपली समज सुधारण्यावर आणि चांगली अंदाज तंत्रे विकसित करण्यावर लक्ष केंद्रित करतात. हे कार्यक्रम जगभरातील शास्त्रज्ञांना संशोधन प्रकल्पांवर सहयोग करण्यासाठी आणि त्यांचे निष्कर्ष सामायिक करण्यासाठी एकत्र आणतात.
केस स्टडी: बांगलादेशात चक्रीवादळ तयारी
बांगलादेश हा देश उष्णकटिबंधीय चक्रिवादळांना अतिसंवेदनशील आहे. वर्षांनुवर्षे, या देशाने चक्रीवादळांच्या तयारीमध्ये महत्त्वपूर्ण प्रगती केली आहे, ज्यामुळे या वादळांमुळे होणाऱ्या मृत्यूची संख्या मोठ्या प्रमाणात कमी झाली आहे. हे यश अनेक घटकांचे मिश्रण आहे, ज्यात सुधारित अंदाज, लवकर इशारा देणारी प्रणाली (warning systems) आणि समुदाय-आधारित आपत्कालीन तयारी कार्यक्रम यांचा समावेश आहे. बांगलादेश हवामानशास्त्र विभाग चक्रीवादळांचे निरीक्षण आणि अंदाज लावण्यात महत्त्वपूर्ण भूमिका बजावतो, तर स्थानिक समुदायांना चेतावणींना प्रतिसाद देण्यासाठी आणि चक्रीवादळ निवारा केंद्रात स्थलांतरित करण्यासाठी प्रशिक्षण दिले जाते.
वादळ अंदाजाचे भविष्य
तंत्रज्ञान आणि वैज्ञानिक समजात सतत प्रगतीमुळे वादळ अंदाजाचे भविष्य उज्ज्वल आहे. जसजसे हवामान मॉडेल अधिक अचूक होतील, रडार प्रणाली अधिक अत्याधुनिक होतील, आणि AI आणि ML तंत्र अधिक विकसित होतील, तसतसे आपण वादळांचा अंदाज लावण्याची क्षमता सुधारू शकतो. यामुळे चांगल्या चेतावण्या, अधिक प्रभावी आपत्कालीन तयारी, आणि शेवटी, या शक्तिशाली घटनांमुळे होणारी जीवित आणि मालमत्तेची हानी कमी होईल.
भविष्यातील क्षेत्रांमध्ये हे समाविष्ट असेल:
- अति-स्थानिक अंदाज: अत्यंत स्थानिक स्तरावर, भूभाग (terrain) आणि शहरी वातावरणाचा विचार करून अंदाज सुधारणे.
- सामाजिक विज्ञानाचे एकत्रीकरण: लोक हवामान चेतावणींना कसे समजतात आणि प्रतिसाद देतात, हे अधिक चांगले समजून घेणे.
- संयुक्त घटनांचा अंदाज: एकाधिक हवामान धोक्यांच्या (उदा. एक चक्रीवादळानंतर अतिवृष्टी) परस्पर क्रियेचा अंदाज लावणे.
निष्कर्ष
वादळ अंदाज एक जटिल आणि आव्हानात्मक वैज्ञानिक प्रयत्न आहे, परंतु तो एक आवश्यक प्रयत्न देखील आहे. वादळ अंदाजामागील विज्ञान समजून घेतल्यास, आपण हवामानशास्त्रज्ञ आणि संशोधकांच्या प्रयत्नांची प्रशंसा करू शकतो, जे समुदायांना वादळांच्या विनाशकारी परिणामांपासून वाचवण्यासाठी अथक परिश्रम घेतात. तंत्रज्ञान जसजसे प्रगत होत आहे आणि वातावरणाची आपली समज वाढत आहे, तसतसे आपण या शक्तिशाली घटनांचा अंदाज लावण्याची क्षमता सुधारू शकतो, ज्यामुळे एक सुरक्षित आणि अधिक लवचिक जग निर्माण होईल.
जागतिक सहकार्याप्रती असलेली सततची बांधिलकी, प्रगत तंत्रज्ञानातील गुंतवणूक, आणि वैज्ञानिक प्रगतीसाठी असलेले समर्पण वादळ अंदाज क्षमता आणखी सुधारण्यासाठी आणि जगभरातील गंभीर हवामान घटनांमुळे होणाऱ्या धोक्यांचे निवारण करण्यासाठी महत्त्वपूर्ण ठरेल.