নতুন গবেষণা ইঙ্গিত দিচ্ছে যে গাছপালা অতিরিক্ত কার্বন ডাই অক্সাইড (CO2) শোষণের ক্ষমতা জলবায়ু মডেলগুলির পূর্বের অনুমানের চেয়ে উল্লেখযোগ্যভাবে কম হতে পারে। গ্রাজ বিশ্ববিদ্যালয় কর্তৃক ৫ জানুয়ারি, ২০২৬-এ প্রকাশিত একটি গবেষণা থেকে এই তথ্য জানা যায়। গবেষণায় দেখা গেছে যে জলবায়ু মডেলগুলি প্রাকৃতিকভাবে নাইট্রোজেন সংবন্ধনকে প্রায় ৫০ শতাংশ বেশি মূল্যায়ন করেছে, যা উদ্ভিদের বৃদ্ধির জন্য একটি গুরুত্বপূর্ণ উপাদান।

গবেষণাটি গাছপালা বৃদ্ধির জন্য CO2 এর বর্ধিত মাত্রা কার্যকরভাবে ব্যবহার করতে নাইট্রোজেনের প্রাপ্যতার গুরুত্বপূর্ণ ভূমিকার উপর আলোকপাত করে। যদিও উচ্চ CO2 উদ্ভিদের বৃদ্ধিকে উদ্দীপিত করতে পারে, তবে এই প্রভাব পর্যাপ্ত নাইট্রোজেনের উপর নির্ভরশীল, যা সালোকসংশ্লেষণ এবং সামগ্রিক উদ্ভিদ স্বাস্থ্যের জন্য একটি অপরিহার্য পুষ্টি উপাদান। জলবায়ু মডেলগুলিতে প্রাকৃতিকভাবে নাইট্রোজেন সংবন্ধনের অতিমূল্যায়ন থেকে বোঝা যায় যে উচ্চ CO2 পরিস্থিতিতে উদ্ভিদের বৃদ্ধি থেকে প্রাপ্ত জলবায়ু- শীতলীকরণ সুবিধাগুলি প্রত্যাশার চেয়ে কম তাৎপর্যপূর্ণ।

এই আবিষ্কার জলবায়ু পরিবর্তন অভিক্ষেপের জন্য গুরুত্বপূর্ণ প্রভাব ফেলে। প্রত্যাশার চেয়ে কম CO2 শোষণ করার কারণে, জলবায়ু পরিবর্তনের বিরুদ্ধে পৃথিবীর প্রাকৃতিক প্রতিরোধ ক্ষমতা হ্রাস পায়, যা ভবিষ্যতের জলবায়ু পূর্বাভাসে অনিশ্চয়তা বাড়ায়। গ্রাজ বিশ্ববিদ্যালয়ের একজন প্রধান গবেষক বলেছেন, "কার্বন সিঙ্ক হিসাবে কাজ করার জন্য উদ্ভিদের এই হ্রাসকৃত ক্ষমতা মানে বায়ুমণ্ডলীয় CO2 এর মাত্রা পূর্বাভাসের চেয়ে দ্রুত বাড়তে পারে, যা সম্ভবত বিশ্ব উষ্ণায়নকে ত্বরান্বিত করবে।"

জলবায়ু মডেলগুলি হল জটিল গণনা সরঞ্জাম যা পৃথিবীর জলবায়ু সিস্টেমকে অনুকরণ করে, বায়ুমণ্ডলীয় গঠন, সমুদ্র স্রোত এবং ভূমি পৃষ্ঠের প্রক্রিয়াগুলির মতো বিভিন্ন বিষয়কে অন্তর্ভুক্ত করে। এই মডেলগুলি ভবিষ্যতের জলবায়ু পরিস্থিতি প্রজেক্ট করার জন্য অ্যালগরিদম এবং বিশাল ডেটাসেটের উপর নির্ভর করে। তবে, এই গবেষণা যেমন প্রমাণ করে, নাইট্রোজেন সংবন্ধন হারের মতো মূল পরামিতিগুলির অনিশ্চয়তা এই প্রজেকশনগুলির নির্ভুলতাকে উল্লেখযোগ্যভাবে প্রভাবিত করতে পারে।

গবেষণাটি জলবায়ু মডেলগুলিতে জৈবিক প্রক্রিয়াগুলির আরও নির্ভুল উপস্থাপনা অন্তর্ভুক্ত করার গুরুত্বের উপরও জোর দেয়। ঐতিহ্যবাহী মডেলগুলি প্রায়শই জটিল পরিবেশগত মিথস্ক্রিয়াকে সরল করে তোলে, যা মডেলের পূর্বাভাস এবং বাস্তব-বিশ্বের পর্যবেক্ষণের মধ্যে অসঙ্গতি ঘটাতে পারে। কৃত্রিম বুদ্ধিমত্তা (AI) এবং মেশিন লার্নিংয়ের সাম্প্রতিক অগ্রগতি এই প্রক্রিয়াগুলির উপস্থাপনা উন্নত করার জন্য অনুসন্ধান করা হচ্ছে। AI অ্যালগরিদমগুলি বৃহৎ ডেটাসেট বিশ্লেষণ করে এমন প্যাটার্ন এবং সম্পর্ক সনাক্ত করতে পারে যা ঐতিহ্যবাহী মডেলিং পদ্ধতির মাধ্যমে স্পষ্ট নাও হতে পারে। উদাহরণস্বরূপ, তাপমাত্রা, বৃষ্টিপাত এবং মাটির গঠনের মতো পরিবেশগত কারণগুলির উপর ভিত্তি করে নাইট্রোজেন সংবন্ধন হারের পূর্বাভাস দেওয়ার জন্য মেশিন লার্নিং মডেলগুলিকে প্রশিক্ষণ দেওয়া যেতে পারে।

এই গবেষণার প্রভাব শুধুমাত্র বিজ্ঞানীদের মধ্যেই সীমাবদ্ধ নয়। নীতিনির্ধারকরা নির্গমন হ্রাস এবং জলবায়ু অভিযোজন কৌশল সম্পর্কিত সিদ্ধান্ত জানানোর জন্য জলবায়ু মডেলের উপর নির্ভর করেন। গাছপালা পূর্বে ভাবার চেয়ে কম CO2 শোষণ করতে পারে - এই উপলব্ধি এই কৌশলগুলির একটি পুনর্মূল্যায়ন আবশ্যক করে। জলবায়ু লক্ষ্য পূরণের জন্য আরও আগ্রাসী নির্গমন হ্রাসের প্রয়োজন হতে পারে এবং বায়ুমণ্ডল থেকে সরাসরি CO2 অপসারণ করে এমন প্রযুক্তি উন্নয়নের উপর আরও বেশি জোর দেওয়া প্রয়োজন হতে পারে।

ভবিষ্যতের গবেষণা নাইট্রোজেন সংবন্ধন হারের অনুমানকে পরিমার্জন এবং এই উন্নত অনুমানগুলিকে জলবায়ু মডেলগুলিতে অন্তর্ভুক্ত করার উপর দৃষ্টি নিবদ্ধ করবে। বিজ্ঞানীরা টেকসই কৃষি পদ্ধতির মাধ্যমে প্রাকৃতিক নাইট্রোজেন সংবন্ধন বাড়ানোর উপায়ও অনুসন্ধান করছেন। জলবায়ু মডেলিংয়ে AI এবং মেশিন লার্নিংয়ের সংহতকরণ জলবায়ু প্রজেকশনগুলির নির্ভুলতা এবং নির্ভরযোগ্যতা উন্নত করতে ক্রমবর্ধমান গুরুত্বপূর্ণ ভূমিকা পালন করবে বলে আশা করা হচ্ছে।