தென்மேற்கு சுவிட்சர்லாந்தில் உள்ள Blatten பிராந்தியத்தின் விரிவான 3D மாதிரியை, சுவிட்சர்லாந்தின் பனி மற்றும் பனிச்சரிவு ஆராய்ச்சி நிறுவனமான WSL Institute for Snow and Avalanche Research (SLF) ஆராய்ச்சியாளர்கள் உருவாக்கியுள்ளனர்.
நிலப்பரப்பில் ஏற்படும் மண், பாறை உள்ளிட்ட பெருமளவிலான நகர்வுகளை (mass movements) ஆய்வு செய்வதற்காக இந்த 3D மாதிரி பயன்படுத்தப்படுகிறது. இதன் மூலம் இயற்கை அனர்த்தங்களின் அபாயத்தை மேலும் துல்லியமாக மதிப்பிட முடியும் என எதிர்பார்க்கப்படுகிறது.
எதிர்கால அபாய மதிப்பீடுகளுக்கு உதவும்
கண்டோன் மற்றும் நகராட்சி அதிகாரிகள் எதிர்காலத்தில் குடியிருப்புகள் மற்றும் உட்கட்டமைப்புகளுக்கான இயற்கை அனர்த்த அபாயங்களை மதிப்பிடப் பயன்படுத்தும் கணினி மாதிரிகளின் நம்பகத்தன்மையை மேம்படுத்துவதே இந்தப் பரிசோதனைகளின் முக்கிய நோக்கம் என SLF செவ்வாய்க்கிழமை தெரிவித்துள்ளது.
இதற்காக Blatten சுற்றுவட்டார நிலப்பரப்பு 1:577 என்ற அளவில் முப்பரிமாண மாதிரியாக உருவாக்கப்பட்டுள்ளது.
100 நாட்களில் அச்சிடப்பட்ட 56 பாகங்கள்
இந்த 3D மாதிரி டாவோஸ் (Davos) அருகே உள்ள முன்னாள் இராணுவ பதுங்குகுழி ஒன்றில் அமைக்கப்பட்டுள்ளது.
5.4 மீட்டர் நீளமும், 4.5 மீட்டர் அகலமும் கொண்ட இந்த மாதிரி, மொத்தம் 56 தனித்தனி பாகங்களைக்கொண்டுள்ளது. அவற்றை அச்சிடுவதற்கு சுமார் 100 நாட்கள் எடுத்ததாக ஆராய்ச்சியாளர்கள் தெரிவித்துள்ளனர்.
இது ஆராய்ச்சிக்கான நீண்டகால முதலீடாகும் என்றும் அவர்கள் குறிப்பிட்டுள்ளனர்.
செயற்கையாக உருவாக்கப்படும் நில நகர்வு
பரிசோதனைகளின்போது நீர், மணல் மற்றும் களிமண் ஆகியவற்றின் கலவை 3D நிலப்பரப்பின் மீது செலுத்தப்படுகிறது.
இதன் பின்னர் கேமராக்கள், லேசர்கள் மற்றும் பல்வேறு உணரிகள் (sensors) மூலம் அந்தப் பொருட்களின் நகர்வு கண்காணிக்கப்படுகிறது.
குறிப்பாக,
- நகர்வின் வேகம்,
- வெளியேற்ற அளவு (discharge level),
- செயற்கையாக உருவாக்கப்பட்ட நில நகர்வுக்குப் பின்னர் தேங்கும் மணல் மற்றும் மண்,
ஆகியவை அளவிடப்படுகின்றன.
நிலப்பரப்பின் வளைவு எவ்வாறு தாக்குகிறது?
SLF-இன் Alpine Landslides ஆய்வுக் குழுவின் தலைவர் Johan Gaume கூறுகையில்,“தற்போது, நிலப்பரப்பின் வளைவு, ஓட்டத்தின் இயக்கவியலில் எவ்வாறு தாக்கத்தை ஏற்படுத்துகிறது என்பதில் நாங்கள் குறிப்பாக ஆர்வமாக உள்ளோம்.”என்றார்.
இந்த ஆய்வின் மூலம் நிலச்சரிவு மற்றும் பிற பெருமளவிலான நில நகர்வுகளின் இயக்கத்தை மேலும் துல்லியமாகப் புரிந்துகொண்டு, எதிர்காலத்தில் இயற்கை அனர்த்த அபாயங்களை சிறப்பாக மதிப்பிட முடியும் என எதிர்பார்க்கப்படுகிறது.
