पशुशाला में वेंटिलेशन की मात्रा, मीथेन की सांद्रता को द्रव्यमान उत्सर्जन दर से जोड़ने का एक महत्वपूर्ण इनपुट है। लेकिन वेंटिलेशन की एक स्थिर मात्रा डाल देने से यह जरूरी नहीं कि हर परिस्थिति में मीथेन उत्सर्जन की गणना संभव हो जाए। 『कार्बन उत्सर्जन में कमी प्रमाणित करने की तकनीक और समाधान』 का आठवाँ अध्याय हवा के प्रवाह और मिश्रण, तथा समय के साथ बदलाव के संबंध में मापन मॉडल की मान्यताओं पर भी चर्चा करता है।
पहले अवधारणा और लागू दायरा तय करें
समय का मिलान करना भी प्रवाह दर की गणना का हिस्सा है। यदि सांद्रता, पंखे की स्थिति और तापमान तथा आर्द्रता अलग-अलग घड़ियों के अनुसार दर्ज हुए हों, तो गलत डेटा को एक ही परिस्थिति से जोड़ सकते हैं। डेटा एकत्र करने का अंतराल और समय का मानक तय करें तथा संचार में देरी से आए डेटा के प्रबंधन के नियम बनाएँ। वेंटिलेशन की स्थिति बदली हो तो यह भी जाँचें कि पुराने संबंध अब भी लागू किए जा सकते हैं या नहीं। मॉडल की मान्यताओं से बाहर की परिस्थितियों की पहचान करें और नतीजों के उपयोग का दायरा सीमित करें। गणना का सूत्र देना और यह जाँचना कि उसे किन खेतों में इस्तेमाल किया जा सकता है—दो अलग काम हैं।
कौन-सी अनिश्चितता सबसे प्रभावशाली होगी, यह मापन की परिस्थितियों पर निर्भर करता है। प्राकृतिक वेंटिलेशन वाली पशुशाला में वेंटिलेशन की मात्रा और स्थान के प्रतिनिधित्व का योगदान बड़ा हो सकता है; छोटे सांद्रता अंतर को मापते समय उपकरण की पुनरावृत्ति, ड्रिफ्ट और पृष्ठभूमि सुधार महत्वपूर्ण हो सकते हैं। पहले अनिश्चितता का बजट बनाएँ और हर मद को कम करने की लागत की तुलना अंतिम निर्णय में होने वाले सुधार से करें। महँगा सेंसर या अधिक नमूने लेना हमेशा सबसे अच्छा निवेश नहीं होता।
सांद्रता हवा में गैस का अनुपात है, जबकि उत्सर्जन दर प्रति इकाई समय में निकलने वाला द्रव्यमान है। उत्सर्जन की मात्रा मापने या अनुमान लगाने के लिए उद्देश्य के अनुरूप सांद्रता, प्रवाह दर और मापन मॉडल को जोड़ना चाहिए। सांद्रता घटने पर भी यदि हवा का प्रवाह बढ़ा हो, तो यह मान लेना ठीक नहीं कि द्रव्यमान उत्सर्जन दर भी उसी दिशा में बदलेगी। समय के साथ उत्सर्जन दर को कुल उत्सर्जन मात्रा से जोड़ने के लिए मापन अवधि और छूटे हुए समय के डेटा का प्रबंधन भी जरूरी है।
ट्रेसर गैस विधि: ज्ञात उत्सर्जन दर या सांद्रता में कमी के स्वरूप का उपयोग करके वायु विनिमय का अनुमान लगाया जाता है। नतीजा इस बात पर निर्भर करता है कि ट्रेसर गैस और लक्षित गैस का मिश्रण तथा परिवहन कितना समान है और पृष्ठभूमि सांद्रता का प्रबंधन कैसे किया गया। केवल विधि का नाम बता देने से सटीकता सुनिश्चित नहीं होती।
पशु-स्तर पर मापन की अलग-अलग विधियों के लाभ और सीमाएँ उनके उद्देश्य के अनुसार बदलती हैं। ओपन-सर्किट श्वसन कक्ष में आने-जाने वाली हवा और प्रवाह दर से द्रव्यमान संतुलन निकाला जाता है; इसमें पशु को अनुकूल बनाना और खर्च दोनों महत्वपूर्ण हैं। GreenFeed में हुड पर पशु के आने के दौरान सांद्रता और हवा के प्रवाह का उपयोग होता है, इसलिए यह महत्वपूर्ण है कि दिन भर में पशुओं का आना कितना प्रतिनिधिक है। SF6 विधि में ज्ञात उत्सर्जन दर वाली पारगम्य नली रूमेन में डाली जाती है और बाहर लगे नमूना-संग्रह उपकरण से साँस तथा डकार की गैस ली जाती है। तकनीक के नाम के आधार पर एक ही सटीकता रैंकिंग बनाने के बजाय रिकवरी दर, अंशांकन, नमूने और संचालन रिकॉर्ड की तुलना करनी चाहिए। पशुशाला में एक स्थान की सांद्रता, इन विधियों से मापी गई उत्सर्जन दर के समान माप नहीं है।
गैर-विक्षेपी अवरक्त (NDIR) विधि मीथेन द्वारा अवरक्त प्रकाश के अवशोषण का उपयोग करती है। इसमें उत्प्रेरक दहन विधि जैसी ऑक्सीजन पर निर्भरता या उत्प्रेरक विषाक्तता की समस्या नहीं होती, लेकिन यह प्रकाशीय गंदगी और तापमान, दबाव तथा नमी के प्रभाव से मुक्त नहीं है। केवल इसके सिद्धांत के आधार पर इसे खेतों में लंबे समय के अवलोकन के लिए उपयुक्त न मानें; उत्पाद-दर-उत्पाद जाँचें कि अपेक्षित सांद्रता और अंदर-बाहर के सांद्रता अंतर को देखते हुए उसकी पहचान सीमा, पुनरावृत्ति और ड्रिफ्ट पर्याप्त हैं या नहीं।
खेत पर लागू करने की शर्तें और सीमाएँ
मान लें कि किसी परियोजना ने यांत्रिक वेंटिलेशन वाली पशुशाला में केवल पंखे चलने के रिकॉर्ड लिए हैं। यह जाँचना होगा कि पंखा चलने की स्थिति और वास्तविक हवा के प्रवाह में क्या संबंध है, और प्रवेश-द्वार तथा दूसरे रास्तों से हवा के आने-जाने को कैसे शामिल किया गया। प्राकृतिक वेंटिलेशन में हवा और खुलने-बंद होने की स्थिति के अनुसार प्रवाह के रास्ते बदल सकते हैं। जाँचें कि मॉडल की मान्यताएँ वास्तविक खेत की परिस्थिति से मेल खाती हैं या नहीं।
सेंसरों की तुलना में मापन सीमा और विभेदन, दूसरी गैसों के प्रति क्रॉस-सेंसिटिविटी, प्रतिक्रिया समय और ड्रिफ्ट को साथ जाँचें। तापमान, आर्द्रता और धूल जैसी पर्यावरणीय स्थितियों तथा अंशांकन की जरूरतों पर भी विचार करें। यदि उद्देश्य छोटे सांद्रता अंतर पहचानना है, तो उत्पाद और संचालन मोड के अनुसार जाँचें कि उपकरण की डिस्प्ले इकाई और अनिश्चितता उस उद्देश्य के अनुकूल हैं या नहीं। केवल सेंसर के सिद्धांत का नाम इन शर्तों का विकल्प नहीं है।
AI का उपयोग असामान्य संकेतों के संभावित मामलों को पहचानने, तय शर्तों के भीतर थोड़े समय के लिए गायब डेटा का अनुमान लगाने और कई चर के संबंध तलाशने में किया जा सकता है। यह डेटा व्यवस्थित करने, गुणवत्ता की जाँच और रिपोर्ट का मसौदा बनाने में भी मदद कर सकता है। हर काम का उद्देश्य और विफलता की लागत अलग होती है, इसलिए सबका मूल्यांकन एक ही प्रदर्शन संकेतक से न करें। परिणाम किन इनपुट और मान्यताओं से बना, यह बताएँ और अनुमानित मानों को प्रत्यक्ष रूप से देखे गए मानों से अलग रखें।
मूल्यांकन के डेटा को पहले अलग-अलग हिस्सों में बाँटें। एक ही खेत के आस-पास के समय के डेटा को यादृच्छिक रूप से बाँटने पर मॉडल को खेत के दोहराए जाने वाले पैटर्न याद हो सकते हैं, और उस प्रदर्शन को नए खेत पर काम करने की क्षमता समझने की गलती हो सकती है। यदि लक्ष्य भविष्य में संचालन का अनुमान लगाना है तो समय के क्रम से बाँटें; दूसरे खेतों में उपयोग करना हो तो खेत के स्तर पर बाँटें। मॉडल चुनने के लिए इस्तेमाल किए गए सत्यापन डेटा और अंत में प्रदर्शन की जाँच वाले डेटा को अलग रखें; पूर्व-संसाधन और गायब डेटा का सुधार भी प्रशिक्षण डेटा से तय नियमों के अनुसार करें।
निवेश समीक्षा के लिए जरूरी साक्ष्य
तकनीकी समीक्षा में जाँचें कि सांद्रता और प्रवाह दर के समय-मानक आपस में मेल खाते हैं या नहीं। अलग-अलग समय के मानों को गुणा करने से वास्तविक स्थिति से अलग नतीजा मिल सकता है। मापन कितना प्रतिनिधिक है, छूटे हुए समय का प्रबंधन कैसे हुआ और कौन-सी परिस्थितियों में विधि लागू नहीं होती—ये सब साथ प्रस्तुत करें।
डेटा वंशावली वह रास्ता है जिससे पता चलता है कि अंतिम संख्या किन मूल डेटा से और किन परिवर्तनों के बाद बनी। उपकरण और चैनल, डेटा बनने का समय, इकाई रूपांतरण, सुधार, फिल्टरिंग और एकत्रीकरण के नियम दर्ज करें। यह भी लिखें कि किसने प्रक्रिया चलाई और मंजूर की, और बाद में क्या और क्यों बदला। मूल डेटा का मौजूद होना तथा योग्य समीक्षक द्वारा पूरी प्रक्रिया फिर से जाँची जा सकना—इन दोनों की साथ पुष्टि करनी चाहिए।
यहाँ संचालन का मूल सिद्धांत है कि डेटा की मात्रा से पहले उसकी वैधता की शर्तें तय करें। यदि हटाए गए समय कुछ खास मौसम या चारा देने की परिस्थितियों में अधिक हों, तो बचे हुए डेटा का औसत पूरे वर्ष का प्रतिनिधित्व नहीं कर सकता। किसी पशुशाला में हवा की दिशा और गति के मानदंड दूसरी इमारत पर सीधे लागू न करें; पृष्ठभूमि सांद्रता, गैस का मिश्रण, वेंटिलेशन मॉडल और हटाए गए डेटा के वितरण की साथ में समीक्षा करें।
निर्णय के लिए ये मानदंड बनाए रखें
केवल वेंटिलेशन की मात्रा शामिल कर लेने से गणना उपयुक्त नहीं हो जाती। इनपुट का स्रोत, मापन की सीमा और मॉडल की वैध परिस्थितियाँ जाँचें। यदि वास्तविक परिस्थितियों को सरल बनाया गया है, तो बताएं कि कौन-सी मान्यताएँ अपनाई गईं और नतीजे किस सीमा तक लागू हैं।
लेखक परिचय
बोंगजुन ली ने सोगांग विश्वविद्यालय के प्रौद्योगिकी प्रबंधन स्नातकोत्तर विद्यालय (MOT) में अपनी पढ़ाई पूरी की। उन्होंने Infitron Co., Ltd. में 7 वर्ष और Honeywell में 20 वर्ष सहित गैस मापन के क्षेत्र में 27 वर्षों तक सेवा इंजीनियरिंग, तकनीकी बिक्री और चैनल प्रबंधन के काम किए। वर्तमान में AI Safety Korea Co., Ltd. के संस्थापक के रूप में वे सेंसर, AI और डेटा विश्लेषण का उपयोग करते हुए पशुधन मीथेन निगरानी तथा मापन, रिपोर्टिंग और सत्यापन (MRV) व्यवस्था पर शोध कर रहे हैं।