ರಿಮೋಟ್ ಸೆನ್ಸಿಂಗ್‌ಗೆ ಕ್ಲೌಡ್ ಬೆಂಬಲ.. ಏನಿದು ರಿಮೋಟ್ ಸೆನ್ಸಿಂಗ್?
ಕಳೆದ ತಿಂಗಳಷ್ಟೇ ‘ಶಕುಂತಲಾ’ ಎಂಬ ಭಾರತದ ಕೃತಕಉಪಗ್ರಹವನ್ನು ಅಮೆರಿಕಾದ ‘ಸ್ಪೇಸ್ ಎಕ್ಸ್ ಕಂಪನಿ’ಯ ‘ಫಾಲ್ಕನ್’ ಎಂಬ ವಾಹಕದಲ್ಲಿ ಅಂತರೀಕ್ಷೆಗೆ ಹಾರಿಸಲಾಯಿತು. ಈ ಉಪಗ್ರಹ ಸಂಗ್ರಹಿಸುವ ಮಾಹಿತಿ ರೈತರಿಗೆ ವಿಶೇಷವಾಗಿ ಅನುಕೂಲವಾಗುತ್ತದೆ. ಅಂದರೆ ಇನ್ನು ಮುಂದೆ ನೆನ್ನೆಯಷ್ಟೇ ಉಪಗ್ರಹದಿಂದ ಸೆರೆಹಿಡಿದ ಮಾಹಿತಿ ಮೊಬೈಲ್‌ನ ಮೂಲಕ ರೈತರಿಗೆ ಅನುಕೂಲವಾಗುವಂತೆ ತಲುಪುವುದು ಸಾಧ್ಯವಾಗುತ್ತದೆ. ಇಷ್ಟೆಲ್ಲಾ ಮಾಹಿತಿಯ ವಿಶ್ಲೇಷಣೆ ಅಷ್ಟು ಬೇಗ ಸಾಧ್ಯವೇ?
ಕಂಪ್ಯೂಟರ್ ಸೈನ್ಸ್ ಮತ್ತು ಇಂಟರ್‌ನೆಟ್ ಯುಗದಲ್ಲಿ ಸಾಗುತ್ತಿರುವ ಬೆಳವಣಿಗೆಗಳನ್ನು ತಂತ್ರಜ್ಞರು ರಿಮೋಟ್ ಸೆನ್ಸಿಂಗ್‌ಗೆ ಬಳಸಿ ಈ ಕ್ಷೇತ್ರಕ್ಕೆ ಹೊಸ ಆಯಾಮವನ್ನೇ ಒದಗಿಸಿದ್ದಾರೆ.
ಕೆಲವು ವರ್ಷಗಳಿಂದ ಈಚೆಗೆ ಬಿಗ್ ಡೇಟಾ, ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ (ಆರ್ಟಿಫಿಶಿಯಲ್ ಇಂಟೆಲಿಜೆನ್ಸ್) ಮತ್ತು ಯಂತ್ರಕಲಿಕೆ (ಮಷಿನ್ ಲರ್ನಿಂಗ್) ಎಂಬುದು ಕಂಪ್ಯೂಟರ್ ಮತ್ತು ಮಾಹಿತಿ ತಂತ್ರಜ್ಞಾನ ಕ್ಷೇತ್ರದಲ್ಲಿ ಪ್ರಚಲಿತ ಅಂಶಗಳಾಗಿವೆ. ‘ರಿಮೋಟ್ ಸೆನ್ಸಿಂಗ್’ ಎಂಬುದು ಭೌತಶಾಸ್ತ್ರ ಮತ್ತು ಕಂಪ್ಯೂಟರ್ ಸೈನ್ಸ್‌ನ ಕವಲು. ಯಾವುದೇ ವಸ್ತುವನ್ನು ಸ್ಪರ್ಶಿಸದೆ ಅದರಿಂದ ಪ್ರತಿಫಲಿತ ಬೆಳಕನ್ನು ಸೆರೆಹಿಡಿಯುವ ಪ್ರಕ್ರಿಯೆಯನ್ನು ಸರಳವಾಗಿ ‘ರಿಮೋಟ್ ಸೆನ್ಸಿಂಗ್’ ಎನ್ನಬಹುದು.
ಮನುಷ್ಯರು ಕಾಣುವ ಬೆಳಕು ವಿದ್ಯುತ್ಕಾಂತೀಯ ಸ್ಪೆಕ್ಟ್ರಮ್‌ನಲ್ಲಿ ‘ವಿಸಿಬಲ್ ಬ್ಯಾಂಡ್’ ಎನ್ನುತ್ತಾರೆ. ಈ ವಿಸಿಬಲ್ ಬ್ಯಾಂಡ್ ಎನ್ನುವುದು ಬೇರೆ ಬೇರೆ ಬ್ಯಾಂಡ್‌ಗಳಾದ ಕೆಂಪು, ಹಸಿರು, ನೀಲಿ (ರೆಡ್, ಗ್ರೀನ್, ಬ್ಲೂ – RGB) ಬ್ಯಾಂಡ್‌ಗಳಿಂದ ಕೂಡಿರುತ್ತದೆ. ಅಂದರೆ ವಿದ್ಯುತ್ಕಾಂತೀಯ ಸ್ಪೆಕ್ಟ್ರಮ್‌ನಲ್ಲಿ ವಿಸಿಬಲ್ ಬ್ಯಾಂಡ್ ಎನ್ನುವುದು ಕೆಂಪು, ಹಸಿರು, ನೀಲಿಬಣ್ಣಗಳ ತರಂಗಾಂತರದ ಸಮ್ಮಿಶ್ರಿತ ತರಂಗಾಂತರ. ನಮ್ಮ ಕಣ್ಣುಗಳ ವಿಕಸನದಲ್ಲಿ ಈ ಮೂರು ಬಣ್ಣಗಳ ಸಮ್ಮಿಶ್ರಿತ ತರಂಗಾಂತರದ ಮಾಹಿತಿಯನ್ನು ವಿಶ್ಲೇಷಿಸಲು ವಿನ್ಯಾಸಗೊಂಡಿದೆ. ಮಾಹಿತಿಯ ಸೆರೆ ಕಣ್ಣಿನಿಂದಾದರೆ, ಅದರ ತ್ವರಿತ ರೀತಿಯಲ್ಲಿ ವಿಶ್ಲೇಷಣೆ ನಮ್ಮ ಮಿದುಳಿನಲ್ಲಿ ಆಗುತ್ತದೆ. ಅಂದಹಾಗೆ, ನಾವು ನೋಡಿದ ವಸ್ತುಗಳನ್ನೆಲ್ಲಾ ವಿಶ್ಲೇಷಿಸುವ ಪ್ರಕ್ರಿಯೆಗೆ (ಈಗ ಓದುತ್ತಿರುವುದನ್ನು) ‘ರಿಮೋಟ್ ಸೆನ್ಸಿಂಗ್’ ಅನ್ನಬಹುದು.
ಇನ್ನೊಂದು ರೀತಿಯಲ್ಲಿ ಅವಲೋಕಿಸಿದರೆ ನಮ್ಮ ಕಣ್ಣುಗಳು ವಿದ್ಯುತ್ಕಾಂತೀಯ ಸ್ಪೆಕ್ಟ್ರಮ್‌ನ ಕೇವಲ ವಿಸಿಬಲ್ ಬ್ಯಾಂಡ್‌ಗೆ ಮಾತ್ರ ಸೀಮಿತ. ಆದರೆ ಭೂಮಿಯಲ್ಲಿನ ಬೇರೆ ಬೇರೆ ವಸ್ತುಗಳು ಕೆಂಪು, ಹಸಿರು, ನೀಲಿ ಬ್ಯಾಂಡ್‌ಗಳನ್ನು ಹೊರತುಪಡಿಸಿ ಇನ್ನು ಹೆಚ್ಚು ಆವರ್ತನ ಹೊಂದಿರುವ ಬ್ಯಾಂಡ್‌ಗಳಾದ ‘ನೀಯರ್ ಇನ್‌ಫ್ರಾರೆಡ್’, ‘ಶಾರ್ಟ್ ವೇವ್ ಇನ್‌ಫ್ರಾರೆಡ್’ ಬ್ಯಾಂಡ್‌ಗಳಲ್ಲಿ ಪ್ರತಿಫಲನ ವಿಭಿನ್ನವಾಗಿರುತ್ತದೆ. ಇದನ್ನು ಆಧರಿಸಿ ಬೇರೆ ಬೇರೆ ವಸ್ತುಗಳಿಂದ ಪ್ರತಿಫಲಿತ ಮಾಹಿತಿಯನ್ನು ಬೇರೆ ಬೇರೆ ಬ್ಯಾಂಡ್‌್ಗಳಲ್ಲಿ ಸೆರೆಹಿಡಿದು ಇದನ್ನು ವಿಶ್ಲೇಷಿಸಲಾಗುತ್ತದೆ.
ಮಾಹಿತಿ ಸಂಗ್ರಹಣೆಗೆ ಕ್ಲೌಡ್ ಇನ್ಫ್ರಾಸ್ಟ್ರಕ್ಚರ್
ಒಮ್ಮೆ ಸೆರೆ ಹಿಡಿದ ಪ್ರತಿಯೊಂದು ಬ್ಯಾಂಡಿನ ಮಾಹಿತಿ ಹಲವಾರು ಮೆಗಾ/ಗಿಗಾ ಬೈಟ್‌ನಿಂದ ಕೂಡಿರುತ್ತದೆ. ಉದಾಹರಣೆಗೆ, ಸುಮಾರು 800 ಚದರ ಕಿ. ಮೀ. ಇರುವ ಬೆಂಗಳೂರಿನ ವ್ಯಾಪ್ತಿಗೆ ಸೆರೆ ಹಿಡಿದ ಮಾಹಿತಿಯ ಭೌಗೋಳಿಕ ರೆಸಲ್ಯೂಷನ್ ಒಂದು ಪಿಕ್ಸೆಲ್ ಸುಮಾರು 30 ಮೀ. ಇದ್ದು, ಕೇವಲ ಒಂದು ಬ್ಯಾಂಡ್‌ನ ಮಾಹಿತಿಯೇ 200 ಮೆಗಾ ಬೈಟ್ (MB) ಇರುತ್ತದೆ. ಇನ್ನು ಒಮ್ಮೆ ಇಂತಹ ಉಪಗ್ರಹಗಳಲ್ಲಿ ಸೆರೆ ಹಿಡಿಯುವುದು ಕನಿಷ್ಠ ನಾಲ್ಕರಿಂದ ಹನ್ನೆರಡು ಬ್ಯಾಂಡ್‌ಗಳಿರುತ್ತವೆ. ಇನ್ನು ಭೌಗೋಳಿಕ ರೆಸಲ್ಯೂಷನ್ ಹೆಚ್ಚಾದಂತೆ ಇದರ ಗಾತ್ರ ಹೆಚ್ಚಾಗುತ್ತದೆ. ಅಂದರೆ ನಾವು ಇದನ್ನು ಓದುತ್ತಿದ್ದಂತೆ ಅಂತರಿಕ್ಷದಲ್ಲಿ ಸಾವಿರಾರು ಉಪಗ್ರಹಗಳು ನಿರಂತರವಾಗಿ ಭೂಮಿಯ ಸುತ್ತ ಸಾಗುತ್ತ ಅದೆಷ್ಟೋ ಮಾಹಿತಿಯನ್ನು ಕಲೆ ಹಾಕುತ್ತಿದೆ. ಒಂದು ಬಗೆಯಲ್ಲಿ ಇದೂ ಬಿಗ್ ಡೇಟಾ ಆಗಿದೆ. ಇದನ್ನೆಲ್ಲಾ ಕೆಲವೇ ವರ್ಷಗಳ ಹಿಂದೆ ಕ್ರೊಡೀಕರಿಸಿ ಒಂದೆಡೆ ಸಂಗ್ರಹಿಸಿ, ವಿಶ್ಲೇಷಿಸುವುದು ಒಂದು ದೊಡ್ಡ ತಲೆನೋವೇ ಆಗಿತ್ತು.
ಆದರೆ ಈಗ ಗೂಗಲ್, ಮೈಕ್ರೋಸಾಫ್ಟ್, ಅಮೆಜಾನ್‌ನಂತಹ ಕಂಪನಿಗಳು ಈ ರೀತಿ ಮಾಹಿತಿಯನ್ನು ಸಂಗ್ರಹಿಹಸಲು ‘ಕ್ಲೌಡ್ ಇನ್ಫ್ರಾಸ್ಟ್ರಕ್ಚರ್’ ಅನ್ನು ರೂಪಿಸಿದ್ದಾರೆ. ಹಾಗಾಗಿ ಕ್ಷಣಾರ್ಧದಲ್ಲಿ ಅಮೆರಿಕಾದ ನಾಸಾ ಸಂಸ್ಥೆ ಮತ್ತು ಯುರೋಪಿಯನ್ ಯೂನಿಯನ್‌ಗೆ ಸೇರಿದ ಹಲವಾರು ಡೇಟಾ ಈಗಾಗಲೇ ಇಂತಹ ಕ್ಲೌಡ್‌ನಲ್ಲಿದೆ. ಈ ಮಾಹಿತಿಯನ್ನು ವಿಶ್ಲೇಷಕರು ಯಾವಾಗ ಬೇಕಾದರೂ ಪಡೆಯಬಹುದಾಗಿದೆ.
ವಿಶ್ಲೇಷಣೆಗೆ ಯಂತ್ರಕಲಿಕೆ
ಬೇರೆ ಬೇರೆ ವಸ್ತುಗಳಿಂದ ಪ್ರತಿಫಲಿತ ಮಾಹಿತಿ ಬೇರೆ ಬೇರೆ ಬ್ಯಾಂಡ್‌ಗಳಲ್ಲಿ ಭಿನ್ನವಾಗಿರುತ್ತದೆ. ಇದನ್ನು ಆಧರಿಸಿ ಈ ವಿಶಿಷ್ಟವಾದ ಗುರುತಿನ ಮಾಹಿತಿಯನ್ನು ಸ್ಪೆಕ್ಟ್ರಲ್ ಲೈಬ್ರರಿಯಾಗಿ ರೂಪಿಸಲಾಗುತ್ತದೆ. ಈ ಲೈಬ್ರರಿ ಆಧರಿಸಿ ಈಗಷ್ಟೇ ಸೆರೆಹಿಡಿದ ಮಾಹಿತಿಯನ್ನು ವಿಶ್ಲೇಷಿಸ ಬಹುದಾಗಿದೆ.
ಅಮೆರಿಕಾ ಮತ್ತು ಐರೋಪ್ಯ ದೇಶಗಳಲ್ಲಿ ಈಗಾಗಲೇ ಎಲ್ಲ ಪ್ರಮುಖ ಕೃಷಿ ಬೆಳೆಗಳಿಗೆ ವಿಶಿಷ್ಟವಾದ ‘ಸ್ಪೆಕ್ಟ್ರಲ್ ಸಿಗ್ನೇಚರ್ ಲೈಬ್ರರಿ’ಯನ್ನು ರೂಪಿಸಿಕೊಂಡಿದ್ದಾರೆ. ಹಾಗಾಗಿ ಇದನ್ನೇ ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ ಮತ್ತು ಯಂತ್ರಕಲಿಕೆಯ ಮಾಡೆಲ್‌ಗಳಿಗೆ ಪೂರಕವಾದ ಕಲಿಕೆಗೆ ಬಳಸುತ್ತಾರೆ. ‘ರೇಡಿಯಂಟ್ ಅರ್ಥ್’ ಎಂಬ ಲಾಭರಹಿತ ಸಂಸ್ಥೆ ಈಗಾಗಲೇ ಆಫ್ರಿಕಾ ದೇಶದಲ್ಲಿನ ಕೃಷಿ ಬೆಳೆಗಳಿಗೆ ವಿಶಿಷ್ಟವಾದ ಸ್ಪೆಕ್ಟ್ರಲ್ ಸಿಗ್ನೇಚರ್ ಲೈಬ್ರರಿಯನ್ನು ಕ್ರೋಡೀಕರಿಸುತ್ತಿದೆ. ಇದರಿಂದ ತ್ವರಿತ ರೀತಿಯಲ್ಲಿ ನೆನ್ನೆಯಷ್ಟೇ ಸೆರೆ ಹಿಡಿದ ಮಾಹಿತಿಯನ್ನು ಕ್ಷಣಾರ್ಧದಲ್ಲಿ ವಿಶ್ಲೇಷಿಸಿ ಫಲಿತಾಂಶಗಳನ್ನು ಪೂರೈಸುವುದು ಸಾಧ್ಯವಾಗುತ್ತದೆ.
ಇದನೆಲ್ಲ ವಿಶ್ಲೇಷಿಸಲು ವಿಶೇಷವಾದ ಕಂಪ್ಯೂಟರ್‌ನ ಅವಶ್ಯಕತೆ ಇರುತ್ತದೆ. ಅಂದರೆ ಇಂತಹ ಮಾಹಿತಿಯನ್ನೆಲ್ಲ ತ್ವರಿತ ರೀತಿಯಲ್ಲಿ ವಿಶ್ಲೇಷಿಸಿಲು ಹೆಚ್ಚು ಮೆಮೊರಿಯುಳ್ಳ ಸಿಸ್ಟಮ್‌ಗಳು ಅನಿವಾರ್ಯ. ಇದಕ್ಕೆಂದೇ ಗೂಗಲ್‌ನಿಂದ ‘ಅರ್ಥ್ ಇಂಜಿನ್’ ಮತ್ತು ಅಮೆಜಾನ್ ಏಡಬ್ಲ್ಯೂಎಸ್‌(AWS)ನ ‘ಅರ್ಥ್’ ಎಂಬ ವಿಶೇಷ ವ್ಯವಸ್ಥೆ ರೂಪಿಸಿದ್ದಾರೆ. ಇದನ್ನು ಬಳಸಿ ನಾನು ಗುಬ್ಬಿಯಲ್ಲಿ ಕುಳಿತುಕೊಂಡು ಭೂಮಿಯ ಯಾವುದೇ ಭಾಗದ ರಿಮೋಟ್ ಸೆನ್ಸಿಂಗ್ ಡೇಟಾ ಪಡೆದು ಈ ವ್ಯವಸ್ಥೆಯಲ್ಲಿ ಒದಗಿಸಿರುವ ವಿಶ್ಲೇಷಣೆಗೆ ಪೂರಕವಾದ ಮಾಡೆಲ್‌ಗಳನ್ನು ಬಳಸಿ ಫಲಿತಾಂಶವನ್ನು ಕ್ಷಣಾರ್ಧದಲ್ಲಿ ಪಡೆಯಬಹುದು. ಹಾಗೆಯೇ ಈ ಹಿಂದೆ ನಾಸಾ ಡೇಟಾ ಬಳಸಿ ನಮ್ಮ ದೇಶದ ಪ್ರಮುಖ ನಗರಗಳಲ್ಲಿ ಭೂ ಬಳಕೆ ಬದಲಾವಣೆಯನ್ನು ವಿಶ್ಲೇಷಿಸಲು ಸಾಧ್ಯವಾಗಿತ್ತು.
ಭಾರತದಲ್ಲಿ ಸ್ಪೇಸ್ ಪಾಲಿಸಿ
ಭಾರದಲ್ಲಿ ರಿಮೋಟ್ ಸೆನ್ಸಿಂಗ್‌ಗೆ ಸುಮಾರು ನಾಲ್ಕು ದಶಕದ ಇತಿಹಾಸ ಇದೆ. ನಮ್ಮ ಭಾರತೀಯ ಬಾಹ್ಯಾಕಾಶ ಸಂಸ್ಥೆ (ಇಸ್ರೋ) ಅಂತರಿಕ್ಷದಲ್ಲಿ ಉಪಗ್ರಹವನ್ನು ಹಾರಿಸಲು ಬಳಸುವ ರಾಕೆಟ್‌ನಿಂದ ಹಿಡಿದು, ಅದರಲ್ಲಿನ ಪೇಲೋಡ್‌ ಆದ ಬೇರೆ ಬೇರೆ ಉಪಯೋಗಕ್ಕೆ ತಕ್ಕಂತೆ ಉಪಗ್ರಹಗಳನ್ನು ವಿನ್ಯಾಸಗೊಳಿಸಿ ಮತ್ತು ಅಭಿವೃದ್ಧಿಪಡಿಸುತ್ತಾ ಬಂದಿದ್ದಾರೆ. ಆದರೆ ಇದರ ಬಳಕೆಯನ್ನು ಹೆಚ್ಚಾಗಿ ಸರ್ಕಾರಿ ಮತ್ತು ರಕ್ಷಣಾ ಕ್ಷೇತ್ರದಲ್ಲಿ ಇದ್ದು ಖಾಸಗಿ ವಲಯಗಳಲ್ಲಿ ಇಸ್ರೋ ಉಪಗ್ರಹಗಳಿಂದ ಪಡೆದ ಮಾಹಿತಿಯನ್ನು ಆಧರಿಸಿ ಇನ್ನು ಉಪಯುಕ್ತ ಅಪ್ಲಿಕೇಶನ್ ಅಭಿವೃದ್ಧಿಪಡಿಸಲು ಕೇಂದ್ರ ಸರ್ಕಾರ ಪೂರಕವಾದ ನೀತಿ ಮತ್ತು ಮಾರ್ಗಸೂಚಿಗಳನ್ನು ಅನುಮೋದಿಸಬೇಕಿದೆ.
ವಿಪರ್ಯಾಸವೆಂದರೆ ಇಸ್ರೋ ಉಪಗ್ರಹಗಳಿಂದ ಸೆರೆ ಹಿಡಿದ ಮಾಹಿತಿ ಅಮೆರಿಕಾ ಮತ್ತು ಯುರೋಪಿಯನ್ ಯೂನಿಯನ್‌ನ ಉಪಗ್ರಹಗಳಿಂದ ಸೆರೆ ಹಿಡಿದ ಡೇಟಾಗೆ ತಾಂತ್ರಿಕವಾಗಿ ಸರಿಸಾಟಿಯಾಗಿದ್ದರೂ, ಇದರ ಲಭ್ಯತೆ ಅಷ್ಟು ಸುಲಭವಾಗಿಲ್ಲ. ಅಂದರೆ ಮೇಲೆ ತಿಳಿಸಿದಂತೆ ಯಾವುದೇ ಮುಕ್ತವಾದ ಕ್ಲೌಡ್ ಇನ್ಫ್ರಾಸ್ಟ್ರಕ್ಚರ್ ಅಲ್ಲಿ ಲಭ್ಯವಿಲ್ಲ. ನಮ್ಮ ದೇಶದ ಸ್ಪೇಸ್ ಪಾಲಿಸಿ ಪೂರಕವಾಗಿದ್ದರೆ ಶಕುಂತಲಾವನ್ನು ಅಂತರೀಕ್ಷದಲ್ಲಿ ಸೇರಿಸಲು ಅಮೆರಿಕಾದ ವಾಹಕದ ಬದಲು ಭಾರತದಲ್ಲಿಯೇ ವಿನ್ಯಾಸಗೊಂಡಿದ್ದ ವಾಹಕವಾಗಬಹುದಿತ್ತು. ಈ ನೀತಿಯನ್ನು ಸರಿಯಾಗಿ ರೂಪಿಸಿ ಅನುಮೋದಿಸಿದರೆ ‘ಮೇಕ್ ಇನ್ ಇಂಡಿಯಾ’ಗೂ ಬೆಂಬಲವಾಗುತ್ತದೆ.
ಪ್ರಜಾವಾಣಿ ಆ್ಯಪ್ ಇಲ್ಲಿದೆ: ಆಂಡ್ರಾಯ್ಡ್ | ಐಒಎಸ್ | ವಾಟ್ಸ್ಆ್ಯಪ್, ಎಕ್ಸ್, ಫೇಸ್‌ಬುಕ್ ಮತ್ತು ಇನ್‌ಸ್ಟಾಗ್ರಾಂನಲ್ಲಿ ಪ್ರಜಾವಾಣಿ ಫಾಲೋ ಮಾಡಿ.