نیپال اور ٹربیٹ (Tibet) کی سرحد پر لینڈ سلائیڈنگ کے باعث آنے والے سیلاب نے کم از کم 160 افراد کی جان لے لی اور سینکڑوں لاپتہ ہو گئے، جس سے اس بات کا انکشاف ہوا کہ وہاں ایسا کوئی نظام موجود نہیں تھا جو سیلاب کے آنے سے پہلے رہائشیوں کو خبردار کر سکتا۔ چٹانوں اور برف کے ایک بڑے تودے (avalanche) نے لیندھے (Lhende) دریا کا راستہ روک دیا، جو بعد میں پھٹ گیا، جس سے پوری وادی "مائع کنکریٹ" کے ایک مہلک جال میں بدل گئی۔
آفت کیسے پیش آئی
سیلاب سے ٹھیک پہلے سیموگراف (Seismographs) نے 4.4 شدت کی لرزش ریکارڈ کی، جس کی وجہ سے ابتدائی رپورٹوں میں زلزلے کو اس کی وجہ قرار دیا گیا۔ بعد میں یو ایس جیولوجیکل سروے (U.S. Geological Survey) نے دکھایا کہ طویل مدت کی سیمک لہریں خود لینڈ سلائیڈنگ سے پیدا ہوئی تھیں، نہ کہ ٹیکٹونک تبدیلی (tectonic shift) سے۔ ایک علاقائی پہاڑی ترقیاتی مرکز کے سینئر محقق نے وضاحت کی کہ برفانی تودے نے دریا کے ایک حصے کو دبا دیا، جس سے ایک قدرتی بند (dam) بن گیا۔ پانی اس رکاوٹ کے پیچھے جمع ہوتا رہا یہاں تک کہ بند ٹوٹ گیا، جس سے مٹی، برف اور پانی کی ایک ایسی دیوار نکلی جس نے سیکنڈوں میں گاڑیوں اور کئی منزلہ عمارتوں کو بہا دیا۔
ماہرینِ ہائیڈرولوجی نے ایک حیران کن بات نوٹ کی: واقعے سے چند روز قبل کوئی اہم بارش نہیں ہوئی تھی۔ سیلاب سے خبردار کرنے والے زیادہ تر نظام بارش ناپنے والے آلات (rain gauges) یا سیٹلائٹ پر مبنی بارش کے تخمینوں پر انحصار کرتے ہیں۔ اس محرک (trigger) کے بغیر، وہ نظام خاموش رہتے ہیں چاہے کسی غیر دیکھے ہوئے بند کے پیچھے تباہ کن سیلاب ہی کیوں نہ بن رہا ہو۔
وارننگ سسٹم کا فقدان
بند ٹوٹنے سے آنے والا سیلاب منٹوں میں وادی سے گزر جاتا ہے، جس سے نقل مکانی کے لیے بہت کم وقت ملتا ہے۔ بچ جانے والے لوگ جو فرار ہونے میں کامیاب ہوئے، وہ دریا کے بستر سے کم از کم 20 فٹ اوپر چڑھ گئے۔ گاڑیاں اس لہر کا مقابلہ نہیں کر سکیں۔ ماہرین کا کہنا ہے کہ جانیں بچانے کا واحد حقیقت پسندانہ موقع یہ ہے کہ بند بننے اور اس کے ٹوٹنے کے خطرے کا منٹوں—گھنٹوں نہیں—پہلے پتہ لگا لیا جائے۔
ریئل ٹائم دریا کی سطح ناپنے والے آلات (gauges) رکاوٹ کے پیچھے پانی کے بڑھتے ہوئے کالم کا پتہ لگا سکتے ہیں۔ جہاں کوئی گیج فوری طور پر ڈیٹا منتقل کر سکتا ہے، وہاں تکنیکی طور پر 20 سے 30 منٹ پہلے وارننگ دینا ممکن ہے۔ تاہم، ہمالیہ میں آلات کی تعداد بہت کم ہے؛ بہت سے معاون دریاؤں میں مستقل اسٹیشنز نہیں ہیں، اور دشوار گزار جغرافیہ کی وجہ سے ان کی تنصیب اور دیکھ بھال مہنگی پڑتی ہے۔
موسمیاتی تبدیلیوں کی وجہ سے ایسے واقعات میں اضافہ ہو رہا ہے۔ گلیشیئرز کا پگھلنا، پرما فروسٹ (permafrost) کا پگھلنا اور شدید گرمی کی لہریں ڈھلوانوں کو غیر مستحکم کر رہی ہیں، جس سے چٹانوں اور برف کے تودے ایک مستقل خطرہ بن گئے ہیں۔ جولائی 2025 میں چین کے گیرونگ کاؤنٹی (Gyirong County) میں ایک جھیل پھٹنے کے بعد نیپال کے رسوا ضلع (Rasuwa District) میں بھی اسی طرح کا گلیشیائی جھیل کا سیلاب آیا، جو اس خطرے کی سرحد پار نوعیت کو اجاگر کرتا ہے۔
ابھرتے ہوئے سینسر اور AI حل
محققین اب وارننگ کے خلا کو پُر کرنے کے لیے ٹیکنالوجی کے تین شعبوں کو یکجا کر رہے ہیں:
- تقسیم شدہ سیمک اور آواز کے سینسرز (Distributed seismic and acoustic sensors): ڈھلوانوں پر رکھے گئے چھوٹے، کم طاقت والے سیمسمومیٹرز (seismometers) لینڈ سلائیڈنگ کی کم فریکوئنسی والی تھرتھراہٹ کو محسوس کرتے ہیں اور انہیں ٹیکٹونک زلزلوں سے الگ پہچانتے ہیں۔ جب کوئی نیٹ ورک توانائی میں اچانک اضافے کا پتہ لگاتا ہے، تو وہ سیکنڈوں کے اندر ممکنہ طور پر بند بننے کے واقعے کی نشاندہی کر دیتا ہے۔
- ریڈار اور الٹراسونک پروبز کا استعمال کرتے ہوئے دریا کی سطح کی نگرانی: پلوں یا دریا کے کناروں پر نصب یہ آلات بغیر کسی رابطے کے پانی کی اونچائی ناپتے ہیں۔ وائرلیس ٹرانسمیشن پروبز کے نیٹ ورک کو ریئل ٹائم واٹر لیول کے گراف مرکزی مرکز (hub) تک پہنچانے کی اجازت دیتی ہے۔
- AI ماڈلز جو سینسر ڈیٹا کو سیٹلائٹ امیجری کے ساتھ جوڑتے ہیں: ماضی کے لینڈ سلائیڈنگ اور سیلاب کے واقعات پر تربیت یافتہ مشین لرننگ الگورتھم ان پیٹرنز کو پہچان لیتے ہیں—جیسے سطح کی تیزی سے تبدیلی، دریا کے رنگ میں تبدیلی، اور تھرمل سگنلز—جو بند ٹوٹنے سے پہلے ظاہر ہوتے ہیں۔ زمین پر موجود سینسرز، موسمیاتی سیٹلائٹس اور سنتھیٹک اپرچر ریڈار (جو بادلوں کے پار دیکھ سکتا ہے) سے ڈیٹا حاصل کر کے، یہ ماڈلز امکاناتی الرٹس جاری کرتے ہیں۔
دیگر پہاڑی علاقوں میں آزمائشی منصوبوں سے پتہ چلا ہے کہ سینسر اور AI کا مشترکہ نظام پتہ لگانے کے وقت میں منٹ کم کر سکتا ہے، جو سائرن بجانے، موبائل الرٹس بھیجنے اور ہنگامی پناہ گاہوں کو کھولنے کے لیے کافی ہے۔ نیپال میں، چند این جی اوز (NGOs) نے حساس ڈھلوانوں پر کم لاگت والے سیمک نوڈز کی جانچ شروع کر دی ہے، لیکن ابھی تک کسی مربوط قومی سطح کے منصوبے کا آغاز نہیں ہوا۔
خطے کے لیے خطرات
- انسانی جانیں۔ سینکڑوں خاندان دریا کی وادیوں میں رہتے ہیں جو اچانک ڈیم بننے (پانی کے رک جانے) سے کٹ سکتے ہیں۔ بروقت وارننگ کا مطلب بہہ جانے کے بجائے انخلاء ہو سکتا ہے۔
- سرحد پار پانی کی سیکیورٹی۔ لیندھے (Lhende) دریا بڑے بیسنز کو پانی فراہم کرتا ہے جو بھارت میں بہتے ہیں۔ ایک بے قابو سیلاب نیچے کی طرف موجود انفراسٹرکچر کو نقصان پہنچا سکتا ہے، بجلی کی پیداوار میں خلل ڈال سکتا ہے اور زرعی زمینوں کو ڈبو سکتا ہے، جس سے یہ آفت نیپال کی سرحدوں سے باہر تک پھیل سکتی ہے۔
- معاشی لاگت۔ سیلاب کے بعد سڑکوں، پلوں اور مکانات کی تعمیر نو کی لاگت ایک معمولی سینسر نیٹ ورک لگانے سے کہیں زیادہ ہوتی ہے۔ 2025 کے GLOF کی تعمیر نو کے اخراجات کروڑوں ڈالرز تک پہنچ گئے تھے—جو کہ ایک بنیادی قبل از وقت وارننگ سسٹم (early-warning system) کی ضرورت کے مقابلے میں محض ایک معمولی حصہ ہے۔
- تزویراتی استحکام۔ لینڈ سلائیڈنگ جو زلزلے کی طرح محسوس ہو، ڈیزاسٹر ریسپانس (آفت سے نمٹنے کے عمل) کو پیچیدہ بنا دیتی ہے اور ان ہنگامی خدمات پر دباؤ ڈالتی ہے جو پہلے ہی زلزلے کے واقعات کی وجہ سے دباؤ کا شکار ہوتی ہیں۔ قابل اعتماد شناخت حکام کو وسائل کو زیادہ مؤثر طریقے سے مختص کرنے میں مدد دیتی ہے۔
تعیناتی میں رکاوٹیں
جغرافیہ سب سے واضح رکاوٹ ہے۔ ڈھلوان اور دور دراز کے پہاڑی سلسلے جہاں پہنچنا مشکل ہے، اور سینسرز کو بجلی فراہم رکھنا ایک لاجسٹک ڈراونا خواب ہے۔ سولر پینلز کام کرتے ہیں، لیکن شدید برف باری اور مون سون کے بادل ان کی پیداوار کو کم کر دیتے ہیں۔ غلط وارننگز (False alarms) ایک اور خطرہ ہیں: ایک ایسا نیٹ ورک جو بہت زیادہ "خطرہ" کا اعلان کرتا ہے، عوامی اعتماد کو ختم کر دیتا ہے، جس سے لوگ حقیقی وارننگز کو نظر انداز کرنے لگتے ہیں۔
ڈیٹا شیئرنگ بھی پیش رفت کو روکتی ہے۔ ایک ملک میں جمع کیا گیا دریا کی سطح کا معلومات نیچے کی طرف موجود پڑوسی ممالک کے لیے اہم ہو سکتا ہے، لیکن سیاسی حساسیت اور تکنیکی عدم مطابقت ریئل ٹائم تبادلے کو محدود کرتی ہے۔ ایک علاقائی ڈیٹا پلیٹ فارم بنانے کے لیے معیار، انکرپشن اور وارننگز کی ذمہ داری پر معاہدوں کی ضرورت ہوگی۔
فنڈنگ اب بھی غیر یقینی ہے۔ سیزمک نوڈ (seismic node) یا ریڈار پروب کے ہارڈ ویئر کے اخراجات میں نمایاں کمی آئی ہے، لیکن ہزاروں کلومیٹر تک نیٹ ورک کو پھیلانے کے لیے اب بھی خاطر خواہ سرمایہ کاری کی ضرورت ہے۔ بین الاقوامی عطیہ دہندگان، ترقیاتی بینک اور نجی شعبے کے شراکت دار ایسے منصوبوں کے لیے کلائمیٹ ایڈاپٹیشن فنڈز مختص کرنا شروع کر رہے ہیں، لیکن فنڈز کی ادائیگی کا عمل سست ہے۔
آگے کیا نظر آئے گا
- نیپال کے لینڈ سلائیڈنگ کے سب سے زیادہ خطرے والے اضلاع میں انٹیگریٹڈ سینسر-AI کٹس کے فیلڈ ٹرائلز۔ کامیاب پائلٹ پروجیکٹس حکومت کو قومی سطح پر اس کے نفاذ کے لیے بجٹ مختص کرنے پر قائل کر سکتے ہیں۔
- نیپال، بھارت اور چین کے درمیان سرحد پار ڈیٹا شیئرنگ پروٹوکولز، خاص طور پر ان دریاؤں کے لیے جو متعدد دائرہ اختیار سے گزرتے ہیں۔ ابتدائی معاہدے کسی واقعے کے دوران وارننگ کی فوری منتقلی کو تیز کر سکتے ہیں۔
- عوامی وارننگز کے لیے ریگولیٹری فریم ورک۔ یہ طے کرنا کہ کون وارننگ جاری کر سکتا ہے، کن ذرائع سے، اور AI کے ذریعے تیار کردہ وارننگز کی تصدیق کیسے کی جائے گی، عوامی ردعمل کی تشکیل کرے گا۔
- کمیونٹی کی سطح پر تربیت۔ بہترین ٹیکنالوجی بھی ناکام ہو جاتی ہے اگر رہائشیوں کو یہ نہ معلوم ہو کہ وارننگ ملنے پر کیا کرنا ہے۔ مقامی مشقیں، اشارے اور تعلیمی مہمات ہارڈ ویئر کے لیے ضروری متبادل ہیں۔
خلاصہ
نیپال کے سیلاب نے ثابت کر دیا کہ بارش سے آزاد ایک بڑی آفت منٹوں میں پھوٹ سکتی ہے، جو روایتی سیلاب کی وارننگز کو بے کار بنا دیتی ہے۔ کم لاگت والے سیزمک اور ریور اسٹیج سینسرز کا ایک نیٹ ورک، جو AI سے منسلک ہو اور سیٹلائٹ اور زمینی ڈیٹا کی تشریح کرے، زندگیوں کو بچانے کے لیے ضروری مختصر لیکن اہم وارننگ کا وقت فراہم کر سکتا ہے۔ اگلے "مائع کنکریٹ" (liquid concrete) کے سیلاب کے آنے سے پہلے تکنیکی، لاجسٹک اور سیاسی خلیجوں کو پا لینا ہی یہ فیصلہ کرے گا کہ ہمالیہ ایک موت کا علاقہ رہے گا یا ایک ایسا خطہ بن جائے گا جہاں ٹیکنالوجی وقت بچاتی ہے۔