KOLA ENSO વર્ગીકરણ માળખું

મીડિયાનો પ્રચાર વિરુદ્ધ વૈજ્ઞાનિક સ્પષ્ટતા

તાજેતરનાં વર્ષોમાં મીડિયાએ ઘણી વખત શક્તિશાળી અલ નીનો ઘટનાઓને “મોન્સ્ટર અલ નીનો” અથવા “ગોડઝિલા અલ નીનો” જેવા નાટકીય નામોથી ઓળખાવી છે. આવા શબ્દો લોકોનું ધ્યાન આકર્ષિત કરે છે, પરંતુ તેમાં વૈજ્ઞાનિક ચોકસાઈનો અભાવ હોય છે અને વાસ્તવિક ઘટનાની તીવ્રતા અંગે ગેરસમજ ઊભી થઈ શકે છે.

વાસ્તવમાં, અલ નીનો અને લા નીનાની તીવ્રતા નિનો3.4 પ્રદેશના સમુદ્ર સપાટીના તાપમાનની વિસંગતતા (Sea Surface Temperature Anomaly) દ્વારા માપવામાં આવે છે. તેની અસરો — ખાસ કરીને ભારતના ચોમાસા પરની અસરો — આ વિસંગતતાના પ્રમાણ પર આધારિત હોય છે. સનસનાટીભર્યા નામોને બદલે, KOLA ENSO વર્ગીકરણ એક સ્પષ્ટ અને ક્રમબદ્ધ માપદંડ પ્રદાન કરે છે, જે ઘટનાની તીવ્રતાને માપી શકાય તેવા વૈજ્ઞાનિક માપદંડોમાં રજૂ કરે છે.

સનસનાટીભર્યા પ્રચારને બદલે સુવ્યવસ્થિત વર્ગીકરણ અપનાવીને, આ માળખું નીતિ ઘડનારાઓ, સંશોધકો અને સામાન્ય જનતાને દરેક સ્તરની વાસ્તવિક અસરો સમજવામાં મદદ કરે છે. ખાસ કરીને ભારતના વરસાદ અને હવામાન સંબંધિત પરિબળો પર તેની શું અસર થઈ શકે છે — પછી ભલે તે ઓછી અસર ધરાવતી નબળી ઘટના હોય કે ચોમાસામાં ગંભીર વિક્ષેપ ઊભો કરી શકે તેવી સુપર ઘટના હોય. તે જ સમયે, ENSOની વિવિધ અવસ્થાઓ વિશ્વના અન્ય વિસ્તારોમાં પણ વરસાદ અને હવામાનની આત્યંતિક ઘટનાઓને પ્રભાવિત કરે છે, જેના કારણે વિશ્વના અનેક પ્રદેશોમાં દુષ્કાળ, પૂર અને તાપમાનની સ્થિતિમાં ફેરફારો જોવા મળે છે.

KOLA વર્ગીકરણ કોઈપણ ENSO સૂચકાંક (Index) પર લાગુ કરી શકાય છે. જોકે, આ માળખામાં ઉપયોગમાં લેવાતા બે મુખ્ય સૂચકાંકો વચ્ચેનો તફાવત સમજવો જરૂરી છે. ONI નિનો3.4 પ્રદેશના સમુદ્ર સપાટીના તાપમાનની વિસંગતતા પર સીધો આધારિત છે, જ્યારે RONI નિનો3.4ની વિસંગતતા અને Tropics20ની વિસંગતતા વચ્ચેના તફાવત પર આધારિત છે. આ રીતે RONI, વિશાળ ઉષ્ણકટિબંધીય મહાસાગરની પૃષ્ઠભૂમિની સરખામણીમાં ENSOની સ્થિતિ દર્શાવે છે. બંને સૂચકાંકોનું મૂલ્યાંકન ત્રણ મહિનાની સરકતી સરેરાશ (3-month rolling mean અથવા 3-month overlapping seasons) દ્વારા કરવામાં આવે છે, જેથી માત્ર એક મહિનાના ઉતાર-ચઢાવને બદલે ENSOની સતત સ્થિતિનું પ્રતિનિધિત્વ થાય. ત્યારબાદ RONI, નિનો3.4 અને Tropics20 વચ્ચેના તફાવત પર વેરિયન્સ સ્કેલિંગ (Variance Scaling) લાગુ કરે છે, જે પૃષ્ઠભૂમિના ઉષ્ણકટિબંધીય આબોહવામાં થતા ફેરફારોને ધ્યાનમાં રાખીને ENSOની તીવ્રતા માપે છે.

IMDના ચક્રવાત વર્ગીકરણથી પ્રેરાઈને, KOLA દ્વારા અલ નીનો અને લા નીના માટે સમાન ક્રમબદ્ધ વર્ગીકરણ પદ્ધતિ અપનાવવામાં આવી છે.

ભારતીય હવામાન વિભાગ (IMD), ઉત્તર હિંદ મહાસાગર માટે પ્રાદેશિક વિશિષ્ટ હવામાન કેન્દ્ર (RSMC) તરીકે, પવનની ઝડપના આધારે ચક્રવાતોનું ક્રમશઃ વધતી તીવ્રતા મુજબ વર્ગીકરણ કરે છે — ડિપ્રેશનથી લઈને સુપર સાયક્લોનિક સ્ટોર્મ્સ સુધી. આ સુવ્યવસ્થિત પદ્ધતિથી પ્રેરાઈને, KOLA ENSO વર્ગીકરણ અલ નીનો અને લા નીનાની ઘટનાઓ માટે પણ સમાન ક્રમબદ્ધ માળખું અપનાવે છે, જેમાં તીવ્રતા 3 મહિનાની સરકતી સરેરાશ ENSO સૂચકાંકો દ્વારા નક્કી કરવામાં આવે છે. આ વર્ગીકરણ ONI પર લાગુ કરી શકાય છે, જે સીધા નિનો3.4 SST વિસંગતતા પર આધારિત છે, અથવા RONI પર, જે વિશાળ Tropics20 પૃષ્ઠભૂમિની સરખામણીમાં નિનો3.4ની વિસંગતતા માપે છે અને વેરિયન્સ સ્કેલિંગ લાગુ કરે છે.

ચક્રવાત વર્ગીકરણની પરિભાષા અપનાવવાથી ENSOનું વર્ગીકરણ સરળતાથી સમજી શકાય તેવું બને છે. દરેક ક્રમ વધતી જતી તીવ્રતા, જોખમ અને વૈશ્વિક આબોહવા પરની અસર દર્શાવે છે. ખાસ નોંધનીય છે કે ENSOની પરિભાષા સાથે વધુ સુસંગતતા જાળવવા માટે “Severe”ના સ્થાને “Strong” શબ્દનો ઉપયોગ કરવામાં આવ્યો છે.

અલ નીનોની શ્રેણીઓ (El Niño Categories)

વર્ગીકરણ (Category)	નિનો3.4 SST વિસંગતતા (°C)
વીક અલ નીનો (Weak El Niño)	+0.5 to <1.0
મોડરેટ અલ નીનો (Moderate El Niño)	+1.0 to <1.5
સ્ટ્રોંગ અલ નીનો (Strong El Niño)	+1.5 to <2.0
વેરી સ્ટ્રોંગ અલ નીનો (Very Strong El Niño)	+2.0 to <2.5
એક્સ્ટ્રીમલી સ્ટ્રોંગ અલ નીનો (Extremely Strong El Niño)	+2.5 to <3.0
સુપર અલ નીનો (Super El Niño)	≥+3.0

લા નીનાની શ્રેણીઓ (La Niña Categories)

વર્ગીકરણ (Category)	નિનો3.4 SST વિસંગતતા (°C)
વીક લા નીના (Weak La Niña)	−0.5 to >−1.0
મોડરેટ લા નીના (Moderate La Niña)	−1.0 to >−1.5
સ્ટ્રોંગ લા નીના (Strong La Niña)	−1.5 to >−2.0
વેરી સ્ટ્રોંગ લા નીના (Very Strong La Niña)	−2.0 to >−2.5
એક્સ્ટ્રીમલી સ્ટ્રોંગ લા નીના (Extremely Strong La Niña)	−2.5 to >−3.0
સુપર લા નીના (Super La Niña)	≤−3.0

આ વર્ગીકરણ શા માટે મહત્વનું છે?

• જનજાગૃતિ માટે સ્પષ્ટતા (Clarity for Outreach): જેમ ચક્રવાતની વિવિધ શ્રેણીઓ જોખમની તીવ્રતા તાત્કાલિક સમજાવે છે, તેમ ENSOની શ્રેણીઓ પણ તેની તીવ્રતા સામાન્ય જનતા સરળતાથી સમજી શકે તેવી રીતે રજૂ કરે છે.
• વૈજ્ઞાનિક સાતત્ય (Scientific Continuity): આ વર્ગીકરણની મર્યાદાઓ CPC/NOAAની વ્યાખ્યાઓ સાથે સ્ટ્રોંગ શ્રેણી સુધી સુસંગત છે. ત્યારબાદ IMDના ચક્રવાત વર્ગીકરણથી પ્રેરિત પરિભાષાનો ઉપયોગ કરીને ઉચ્ચ તીવ્રતાની શ્રેણીઓનો તાર્કિક રીતે વિસ્તાર કરવામાં આવ્યો છે.

ચાર ENSO પ્રકારો: ઐતિહાસિક તફાવતોને સમજવા માટે

ENSOની ઐતિહાસિક તીવ્રતાનું ક્રમાંકન, ઉપયોગમાં લેવાયેલા સમુદ્ર સપાટીના તાપમાનના ડેટાસેટ અને ENSO માપવા માટે ઉપયોગમાં લેવાયેલા સૂચકાંક — બંને પર આધારિત છે. પરંપરાગત રીતે, મોટા ભાગનાં ઐતિહાસિક મૂલ્યાંકનો ERSSTv5 આધારિત ONI પર આધારિત રહ્યાં છે, જેનો ઉપયોગ અલ નીનો અને લા નીનાની ઘટનાઓ ઓળખવા અને તેમનું ક્રમાંકન કરવા માટે વ્યાપકપણે કરવામાં આવ્યો છે. હવે ERSSTv6 ઉપલબ્ધ થતાં, સુધારેલા SST ડેટાને કારણે ઐતિહાસિક તાપમાન વિસંગતતાના પ્રમાણમાં તફાવત આવી શકે છે અને પરિણામે સૌથી શક્તિશાળી ઘટનાઓનું ક્રમાંકન પણ બદલાઈ શકે છે. આ ઉપરાંત, Relative Oceanic Niño Index (RONI) વર્ષ 2026માં રજૂ કરવામાં આવ્યો છે, જે વિશાળ ઉષ્ણકટિબંધીય મહાસાગરની પૃષ્ઠભૂમિની સરખામણીમાં નિનો3.4ની વિસંગતતા માપીને ENSOનું એક વધારાનું દૃષ્ટિકોણ પ્રદાન કરે છે. પૃષ્ઠભૂમિના ઉષ્ણકટિબંધીય તાપમાનમાં થતા ફેરફારોને ધ્યાનમાં લેવા માટે તેમાં વેરિયન્સ સ્કેલિંગ પણ લાગુ કરવામાં આવે છે. આથી, KOLA ENSO વર્ગીકરણમાં ચાર પ્રકારોનો અભ્યાસ કરવામાં આવ્યો છે: ONI v5, ONI v6, RONI v5 અને RONI v6. આ ચારેય સંયોજનોની સરખામણી દર્શાવે છે કે ડેટાસેટમાં થયેલા સુધારા અને સૂચકાંકની પદ્ધતિ — બંને ENSOની ઐતિહાસિક તીવ્રતાના મૂલ્યાંકનને પ્રભાવિત કરી શકે છે અને તેના પરિણામે સૌથી શક્તિશાળી અલ નીનો અથવા લા નીનાની ઘટનાઓનું ક્રમાંકન પણ બદલાઈ શકે છે.

ડેટાસેટ્સ મુજબ ઐતિહાસિક સંદર્ભ (Historical Context Across Datasets)

અલ નીનોનું ક્રમાંકન (El Niño Rankings)

• ONI v5: 1877–78 (+3.1 °C), 2015–16 (+2.6 °C), 1889 (+2.6 °C)
• ONI v6: 1877–78 (+2.8 °C), 2015–16 (+2.5 °C), 1997–98 (+2.3 °C)
• RONI v5: 1902 (+2.7 °C), 1877–78 (+2.6 °C), 1888–89 (+2.6 °C)
• RONI v6: 1982–83 (+2.4 °C), 1902 (+2.3 °C), 1997–98 (+2.3 °C)

અવલોકન: ONI v5માં જહાજો દ્વારા કરવામાં આવેલા જૂના સમયગાળાના SST અવલોકનો આધારિત વિસંગતતાઓનું પ્રમાણ વધારે જોવા મળે છે, જેના કારણે 1877–78ની ઘટનાને “સુપર અલ નીનો”નો દરજ્જો મળે છે. RONI v6માં આ તીવ્રતા પ્રમાણમાં ઓછી થાય છે અને તેના બદલે 1982–83 તથા 1997–98 જેવી આધુનિક ઘટનાઓ વધુ મહત્વપૂર્ણ બનીને સામે આવે છે.

લા નીનાનું ક્રમાંકન (La Niña Rankings)

• ONI v5: 1816–18 (−2.3 °C), 1974–76 (−2.0 °C), 1887 (−2.0 °C)
• ONI v6: 1916–17 (−2.1 °C), 1974–76 (−2.0 °C), 1973 (−1.9 °C)
• RONI v5: 1856 (−2.6 °C), 1869 (−2.0 °C), 1973 (−2.0 °C)
• RONI v6: 1870 (−2.3 °C), 1862 (−2.3 °C), 1856 (−2.2 °C)

અવલોકન: RONI v5 અને RONI v6માં 19મી સદીની ઠંડી ENSO ઘટનાઓ વધુ પ્રબળ તરીકે સામે આવે છે, જ્યારે ONI v6માં 20મી સદીની લા નીનાની ઘટનાઓ (1916–17, 1973, 1974–76) વધુ મહત્વપૂર્ણ બનીને સામે આવે છે. આ દર્શાવે છે કે વેરિયન્સ સ્કેલિંગ સૌથી શક્તિશાળી ઠંડી ENSO ઘટનાઓના ઐતિહાસિક મૂલ્યાંકનને કેવી રીતે બદલી શકે છે.

મુખ્ય તારણ (Key Takeaway)

ONI અને RONI બંનેના આધારે અલ નીનો અને લા નીનાની સૌથી શક્તિશાળી ઐતિહાસિક ઘટનાઓ રજૂ કરીને, KOLA ENSO વર્ગીકરણ દર્શાવે છે કે ડેટાસેટની પસંદગી ઐતિહાસિક ક્રમાંકનને કેવી રીતે બદલી શકે છે. બંને ENSO અવસ્થાઓનો આ સંયુક્ત અભિગમ વધુ સ્પષ્ટતા પ્રદાન કરે છે. તેના દ્વારા નીતિ ઘડનારાઓ અને સંશોધકો માત્ર કઈ ગરમ ENSO ઘટનાઓ સૌથી પ્રબળ હતી તે જ નહીં, પરંતુ કઈ ઠંડી ENSO ઘટનાઓએ વિશ્વભરમાં વરસાદ, કૃષિ અને અર્થતંત્રને પ્રભાવિત કર્યું હતું તે પણ સમજી શકે છે.

KOLA ENSO વર્ગીકરણ એક ક્રમબદ્ધ તીવ્રતા માપદંડ પ્રદાન કરે છે, જેના દ્વારા ENSOની વિવિધ ઘટનાઓની તીવ્રતા સરળતાથી સમજી શકાય છે. વીક સ્તરથી શરૂ કરીને સ્ટ્રોંગ અને સુપર સ્તર સુધીનું આ માળખું દર્શાવે છે કે પ્રશાંત મહાસાગરમાં તાપમાનમાં થતો દરેક વધારો કે ઘટાડો વિશ્વના વિવિધ વિસ્તારોમાં કેવી રીતે અસર પહોંચાડી શકે છે — જે વરસાદ, કૃષિ અને અર્થતંત્રને પ્રભાવિત કરે છે. CPCના તીવ્રતા માપદંડોને આધાર બનાવીને અને IMDના વર્ગીકરણથી પ્રેરિત પરિભાષાનો વિસ્તાર કરીને, આ માળખું વૈજ્ઞાનિક ચોકસાઈ અને સામાન્ય જનતા માટેની સરળ સમજણ વચ્ચે સેતુરૂપ બને છે.