দুর্যোগ তথ্যের নড়বড়ে ভিত্তি ত্রাণ কার্যক্রমকে ব্যাহত করে

এই সংখ্যাটি শুধুমাত্র হারিকেনের দ্বারা সরাসরি নিহতদেরই প্রতিফলিত করে — অর্থাৎ, যাদেরকে পরের দিন সকালে বা তার কিছু পরেই খুঁজে পাওয়া গিয়েছিল — এবং দুর্যোগের পরের সপ্তাহ ও মাসগুলিতে মারা যাওয়া হাজার হাজার মানুষকে এতে অন্তর্ভুক্ত করা হয়নি। মারিয়া পুয়ের্তো রিকোর অবকাঠামোর উপর মারাত্মক আঘাত হেনেছিল: বড় ধরনের বিদ্যুৎ বিভ্রাটের কারণে হাসপাতালগুলো বন্ধ হয়ে যায়, চিকিৎসা সামগ্রী ফুরিয়ে যায় এবং দ্বীপজুড়ে অন্যান্য গুরুত্বপূর্ণ অবকাঠামো ভেঙে পড়ে। এক বছর পরে পুয়ের্তো রিকো সরকারের নির্দেশে একটি বিশেষ মূল্যায়নে, গবেষকদের একটি দল এই ঘটনার পর মৃতের সংখ্যা সংশোধন করে। মোট সংখ্যা বেড়ে দাঁড়ায় ২,৯৭৫-এ — যা মূল অনুমানের চেয়ে ৪৬ গুণ বেশি।

হারিকেন মারিয়ার উদাহরণটি কোনো বিচ্ছিন্ন ঘটনা নয়। অনেক দেশেই দুর্যোগের প্রভাব নিরীক্ষণের জন্য ব্যবহৃত ডেটাবেসগুলো মারাত্মকভাবে ভুল হতে পারে।

তারা মূলত সরকারি ও সংবাদ প্রতিবেদনের ওপর নির্ভর করে — কিন্তু সেগুলো নির্ধারিত হয় সরকার কখন তথ্য সরবরাহ করতে চায় এবং দুর্যোগের প্রভাব বলতে কী বোঝায়, তার ওপর ভিত্তি করে। এই তথ্য শুধু অ্যাকাডেমিক উদ্দেশ্যে ব্যবহৃত হয় না; আজকের বিশ্বে দুর্যোগের পরিসংখ্যানের গুরুত্ব অপরিসীম। কোন দেশ তহবিল পাবে এবং দুর্যোগ তহবিল কোথায় ব্যয় করা হবে, তা এই পরিসংখ্যান দ্বারা প্রভাবিত হতে পারে।

যদিও এই সিদ্ধান্তগুলোকে প্রায়শই প্রযুক্তিগত হিসেবে তুলে ধরা হয়, দুর্যোগ প্রতিবেদন তৈরির একটি রাজনৈতিক দিকও রয়েছে। এই তথ্যই প্রায়শই নির্ধারণ করে দেয় যে কার দুর্ভোগ নথিভুক্ত ও অগ্রাধিকার পাবে। আমরা এই পরিসংখ্যানগুলোকে তথ্য হিসেবে গণ্য করি, কিন্তু এগুলো তা নয়। এগুলো বিভিন্ন ব্যবস্থা দ্বারা তৈরি হয়, এবং অন্য যেকোনো নীতি ক্ষেত্রের মতোই এরও একই রকম দুর্বলতা রয়েছে। দুর্যোগের তথ্য এর ব্যবহারকারীরা যতটা নির্ভরযোগ্য বলে মনে করেন, বাস্তবে তা তার চেয়ে অনেক কম নির্ভরযোগ্য।

ভালো তথ্যের মানদণ্ড নিয়ে কোনো বিতর্ক নেই। তথ্যে যা ঘটেছে তা প্রতিফলিত হওয়া উচিত, সম্পূর্ণ চিত্র তুলে ধরা উচিত, সময় ও ভৌগোলিক অবস্থান নির্বিশেষে তুলনীয় থাকা উচিত এবং একই ঘটনাকে দুবার গণনা করা উচিত নয়। দুর্ভাগ্যবশত, আমরা তা অর্জন করা থেকে অনেক দূরে।

দুর্যোগ ডেটাবেস আসলে কীভাবে কাজ করে

দুর্যোগ থেকে আমাদের তথ্য প্রয়োজন। পুনরুদ্ধার কার্যক্রমের পরিকল্পনা করতে হবে, মানবিক সহায়তা প্রদান করতে হবে এবং স্থিতিস্থাপকতা পরিকল্পনা তৈরি করতে হবে। ইমার্জেন্সি ইভেন্টস ডেটাবেস (EM-DAT) হলো বৈশ্বিক দুর্যোগ তথ্যের সবচেয়ে বহুল ব্যবহৃত বিনামূল্যের উৎস, যা প্রযুক্তিগত এবং প্রাকৃতিক উভয় প্রকার বিপদকে অন্তর্ভুক্ত করে। এতে ১৯০০ সাল থেকে ২৭,০০০-এরও বেশি ঘটনার রেকর্ড রয়েছে। কোনো ঘটনাকে অন্তর্ভুক্ত করার জন্য, এটিকে অবশ্যই তিনটি প্রধান মানদণ্ডের মধ্যে অন্তত একটি পূরণ করতে হবে: ১০ বা তার বেশি মানুষের মৃত্যু; ১০০ বা তার বেশি মানুষ ক্ষতিগ্রস্ত হওয়া; অথবা জরুরি অবস্থা ঘোষণা বা আন্তর্জাতিক সহায়তার জন্য আহ্বান।

যদিও যুক্তিসঙ্গত, এই মানদণ্ডগুলোর কারণে ডেটাসেটটিতে কিছু সীমাবদ্ধতা তৈরি হয়। যে খরায় নয়জনের মৃত্যু হয়েছে, তা সাধারণত ডেটাবেসে অন্তর্ভুক্ত করা হয় না, যদি না এর ফলে জরুরি অবস্থা ঘোষণা বা আন্তর্জাতিক সাহায্যের আবেদন জানানো হয়। ৯৫ জনকে প্রভাবিত করা বন্যার ক্ষেত্রেও একই ঘটনা ঘটে। এবং এখানে একটি গুরুত্বপূর্ণ বিষয় লক্ষণীয়: এটি শুধুমাত্র ক্ষতিগ্রস্ত বা নিহত হিসেবে রিপোর্ট করা মানুষের সংখ্যার উপরই আলোকপাত করে। যদি রিপোর্টিং সঠিক না হয়, তাহলে ডেটাবেসটিও সঠিক থাকে না। EM-DAT প্রতিটি ঘটনার সত্যতা যাচাই করার জন্য কমপক্ষে দুটি স্বাধীন উৎসের সাহায্য নেয় , যেগুলো প্রায়শই আন্তর্জাতিক সংস্থা, সংবাদ সংস্থা এবং ইংরেজি ভাষার গণমাধ্যম হয়ে থাকে।

এই প্রেক্ষাপটে, গণমাধ্যমের প্রতিবেদনে ভৌগোলিক পক্ষপাতিত্ব ইএম-ড্যাট ডেটাবেসের মধ্যেও ছড়িয়ে পড়ার সম্ভাবনা রয়েছে, যার ফলে এটি স্বল্পোন্নত দেশগুলোর তুলনায় উন্নত দেশগুলোতে বেশি দুর্যোগের ঘটনা নথিভুক্ত করবে। এটি সরকারগুলোকেও ডেটা কারসাজি করার সুযোগ করে দেয়। সরকার যদি কেবল নয়জনের মৃত্যুর কথা স্বীকার করে, তবে ঘটনাটি অন্তর্ভুক্ত করা হবে না — এমনকি বাস্তবে মৃতের সংখ্যা নয়জনের চেয়ে অনেক বেশি হলেও। এর মাধ্যমে সরকারগুলো তাদের কর্মকাণ্ডের জন্য জবাবদিহিতা এড়াতে পারে।

চীনের ২০০৮ সালের সিচুয়ান ভূমিকম্পের কথা বিবেচনা করুন। সবচেয়ে বেশি ক্ষতিগ্রস্ত এলাকাগুলোর মধ্যে বেশ কয়েকটি ছিল অঞ্চলের দরিদ্র কাউন্টি, এবং বহু ভবন ধসে পড়েছিল। সরকারিভাবে মৃতের সংখ্যা প্রায় ৭০,০০০ নির্ধারণ করা হয়েছিল, এবং আরও ১৮,০০০ মানুষ তখনও নিখোঁজ হিসেবে তালিকাভুক্ত ছিল । যে সমস্ত অভিভাবক, কর্মী এবং সাংবাদিকরা দায় আদায় করতে এবং নির্মাণ বিধি ও ভবন ধসের ঘটনা তদন্ত করার চেষ্টা করেছিলেন, তাঁরা সেন্সরশিপ, আটক এবং নজরদারির লক্ষ্যবস্তু হয়েছিলেন; এর সম্পূর্ণ ক্ষয়ক্ষতি এবং দায়বদ্ধতা, বিশেষ করে স্কুল ধসের ক্ষেত্রে, স্বাধীনভাবে যাচাই করা এখনও কঠিন।

এমনকি যখন কোনো ঘটনা নির্ধারিত মানদণ্ড পূরণ করে, তখনও অন্যান্য তথ্য অসম্পূর্ণ থাকতে পারে। অর্থনৈতিক ক্ষতির তথ্যই হলো এই ঘাটতির প্রধান উৎস; ২০০০ থেকে ২০২০ সাল পর্যন্ত নথিভুক্ত ঘটনাগুলোর ৮০ শতাংশের ক্ষেত্রেই এই তথ্য পাওয়া যায়নি। অর্থনৈতিক ক্ষয়ক্ষতির হিসাব করা কঠিন এবং নিম্ন ও মধ্যম আয়ের দেশগুলোতে এই তথ্য খুব কমই সরবরাহ করা হয়। EM-DAT-এ নথিভুক্ত আফ্রিকার দুর্যোগগুলোর মাত্র ৪ শতাংশের অর্থনৈতিক ক্ষয়ক্ষতির আনুমানিক হিসাব রয়েছে।

কিন্তু তা সত্ত্বেও মানুষ সরাসরি এই ডেটা ব্যবহার করে। ক্রমবর্ধমান সংখ্যক অত্যন্ত প্রভাবশালী ও বহুল উদ্ধৃত প্রকাশনা এর সমস্যাগুলোকে খুব সীমিতভাবে স্বীকার করেই গবেষণামূলক অধ্যয়নের জন্য এই ডেটা ব্যবহার করে।

দুর্যোগ ডেটাবেসগুলোর তুলনা করলে সীমাবদ্ধতার মাত্রা আরও স্পষ্ট হয়ে ওঠে। ১৯৭১ থেকে ২০০২ সালের মধ্যে, ইএম-ড্যাট (EM-DAT) কলম্বিয়ায় ৯৭টি দুর্যোগ নথিভুক্ত করেছে । আরেকটি ডেটাবেস, ডেসইনভেন্টার (DesInventar) , একই সময়ে ১৯,০০০-এরও বেশি দুর্যোগ নথিভুক্ত করেছে। ডেসইনভেন্টারে থাকা স্থানীয় ঘটনাগুলোর মধ্যে মাত্র অল্প কিছু শতাংশই ইএম-ড্যাটের দুর্যোগের সংজ্ঞার আওতায় পড়বে, কিন্তু সব মিলিয়ে কলম্বিয়ার এই “ছোট” ঘটনাগুলো ১.৬৫ বিলিয়ন ডলারেরও বেশি ক্ষতিসাধন করেছে। এটি কলম্বিয়ার অন্যতম মারাত্মক দুর্যোগ, নেভাদো দেল রুইজ আগ্নেয়গিরির অগ্ন্যুৎপাতের কারণে সৃষ্ট অর্থনৈতিক ক্ষতির প্রায় সাত গুণ। সব মিলিয়ে, এই “ছোট” ঘটনাগুলো এক বিরাট আঘাত হানতে পারে।

ডেসইনভেন্টার একটি ভিন্ন ধরনের দুর্যোগ ডেটাবেস। অন্তর্ভুক্তির জন্য নির্দিষ্ট মানদণ্ড নির্ধারণ করার পরিবর্তে, ডেসইনভেন্টার দেশগুলোকে স্বাধীনভাবে তাদের নিজস্ব দুর্যোগ তালিকা তৈরি করার সুযোগ দেয়। সাধারণভাবে, এর অর্থ হলো এতে ছোটখাটো দুর্যোগের ঘটনাগুলোও অন্তর্ভুক্ত থাকে, কিন্তু এর আরও একটি অর্থ হলো, ডেটাবেসের অন্তর্ভুক্ত তথ্যের মান প্রতিটি সরকারের রেকর্ড সংগ্রহ ও রক্ষণাবেক্ষণের সক্ষমতার ওপর নির্ভর করে। এই সক্ষমতার মধ্যে ব্যাপক তারতম্য হতে পারে। পেরু এর একটি প্রধান উদাহরণ। দেশটির তথ্য একটিমাত্র উৎস থেকে সংগৃহীত হয় — এবং দেশের প্রত্যন্ত অঞ্চলের ঘটনাগুলোর তুলনায় লিমার কাছাকাছি অঞ্চলের ঘটনাগুলো অনেক ভালোভাবে নথিভুক্ত করা হয়।

আর এটাই একমাত্র অমিল নয়। “ক্ষতিগ্রস্ত”দের সংখ্যা ব্যাপকভাবে ভিন্ন হতে পারে। ইএম-ড্যাট (EM-DAT) ক্ষতিগ্রস্তদের তাৎক্ষণিক সহায়তা প্রয়োজন বলে সংজ্ঞায়িত করে, কিন্তু “সহায়তা” বলতে কী বোঝায়, সে বিষয়ে দেশগুলোর ভিন্ন ভিন্ন মানদণ্ড রয়েছে। কিছু দেশ দুর্যোগ অঞ্চলের সকলকে অন্তর্ভুক্ত করে; অন্যরা কেবল যারা বাসস্থান হারিয়েছে তাদের অন্তর্ভুক্ত করে, আবার অন্যেরা সহায়তার আবেদনকেই মাপকাঠি হিসেবে গণনা করে। দেশগুলো এমনকি কৌশলগতভাবেও বেছে নিতে পারে যে কাকে ক্ষতিগ্রস্ত হিসেবে গণ্য করা হবে, কারণ এই ধরনের তথ্য কোনো দেশ জলবায়ু অভিযোজন অর্থায়নের জন্য যোগ্য কি না, তা নির্ধারণ করতে সাহায্য করতে পারে।

অন্যান্য শ্রেণীর তথ্য আরও বেশি অস্পষ্ট। যেমনটা উল্লেখ করা হয়েছে, অর্থনৈতিক ক্ষতির অনুমান প্রায়শই অনুপস্থিত থাকে এবং যেখানে তা পাওয়া যায়, সেখানকার তথ্যও খুব একটা নির্ভরযোগ্য নয়। EM-DAT এবং DesInventar-এর মধ্যে দুর্যোগের ঘটনাগুলোর তুলনা করে করা কিছু গবেষণায় দেখা গেছে যে, বেশিরভাগ ক্ষেত্রেই ক্ষতির পরিমাণে ২০%-এর বেশি পার্থক্য ছিল।

দুর্যোগের তথ্যকে নীতিতে রূপান্তর করা

এটিকে একটি তাত্ত্বিক বিষয় বলে মনে হতে পারে। কিন্তু তা নয়। এই ডেটাবেসগুলো বাস্তব নীতি নির্ধারণী সিদ্ধান্তে ব্যবহৃত হয়।

জাতিসংঘের দুর্যোগ ঝুঁকি হ্রাস বিষয়ক কার্যালয় (ইউএনওডি) তার ‘গ্লোবাল অ্যাসেসমেন্ট রিপোর্টস’-এর জন্য ইএম-ড্যাট (EM-DAT) এবং ডেসইনভেন্টার (DesInventar) উভয়ই ব্যবহার করে, যা আন্তর্জাতিক দুর্যোগ নীতিকে পথনির্দেশকারী অন্যতম প্রধান প্রকাশনা। জাতিসংঘের সদস্য রাষ্ট্রগুলোও ‘সেন্ডাই ফ্রেমওয়ার্ক মনিটর’ -এর মাধ্যমে তাদের অগ্রগতির প্রতিবেদন দেয়, যা ইনপুট হিসেবে দুর্যোগ ডেটাবেস ব্যবহার করে। এরপর এটি অগ্রগতি পর্যবেক্ষণ, দুর্যোগ-ঝুঁকির অগ্রাধিকার চিহ্নিতকরণ, ঝুঁকি হ্রাসের দিকে সম্পদ বরাদ্দে নির্দেশনা প্রদান এবং জলবায়ু অভিযোজন কৌশল পরিকল্পনায় সহায়তা করতে ব্যবহৃত হয়।

জলবায়ু অর্থায়ন, যে খাতটি শুধু ২০২৩ সালেই ১.৯ ট্রিলিয়ন ডলার লেনদেন করেছে, সেটিও জলবায়ু-সম্পর্কিত দুর্যোগের ঝুঁকি মূল্যায়নের জন্য দুর্যোগ ডেটাবেস ব্যবহার করে। দেশগুলো প্রায়শই অভিযোজন বা ক্ষয়ক্ষতির জন্য আর্থিক সহায়তার প্রয়োজনীয়তা নিয়ে আলোচনা করতে জার্মানওয়াচের গ্লোবাল ক্লাইমেট রিস্ক ইনডেক্স ব্যবহার করে। জার্মানওয়াচের বর্তমান সূচকটি ইএম-ড্যাট (EM-DAT) ব্যবহার করে, তবে এর সীমাবদ্ধতা সম্পর্কে কিছু সতর্কবাণী রয়েছে। উদাহরণস্বরূপ, এই ক্ষয়ক্ষতি বিশ্লেষণে সূচকটির ডেটার সীমাবদ্ধতা নিয়ে আলোচনা না করেই এটি ব্যবহার করা হয়েছে।

ইএম-ড্যাট (EM-DAT)-এর উপর নির্ভরতা শুধু গ্লোবাল ক্লাইমেট রিস্ক ইনডেক্স-এর মধ্যেই সীমাবদ্ধ নয়, বরং এটি সেইসব কার্যনির্বাহী কাঠামো পর্যন্ত বিস্তৃত যা মানবিক তহবিলের প্রবাহ নির্ধারণ করে। ইনফর্ম রিস্ক ইনডেক্স (INFORM Risk Index) তার কয়েকটি বিপদ সূচকের জন্য ইএম-ড্যাট ব্যবহার করে এবং মানবিক সম্পদকে অগ্রাধিকার দেওয়া ও বরাদ্দ করার জন্য এটি জাতিসংঘ মানবিক বিষয়ক সমন্বয় কার্যালয় (United Nations Office for the Coordination of Humanitarian Affairs), ইউরোপীয় কমিশনের বেসামরিক সুরক্ষা ও মানবিক সহায়তা কার্যক্রম (European Commission's Civil Protection and Humanitarian Aid Operations), বিশ্ব খাদ্য কর্মসূচি (World Food Programme), ইউনাইটেড স্টেটস এজেন্সি ফর ইন্টারন্যাশনাল ডেভেলপমেন্ট (United States Agency for International Development), জাতিসংঘ কেন্দ্রীয় জরুরি প্রতিক্রিয়া তহবিল (UN Central Emergency Response Fund) এবং আরও অনেক সংস্থা ব্যবহার করেছে। ইএম-ড্যাট-এর ভুলের কারণে দুর্যোগে তহবিলের ঘাটতি দেখা দিতে পারে। এমনটা ঘটতে পারে যদি ইএম-ড্যাট-এ উল্লিখিত সংখ্যার চেয়ে অনেক বেশি মানুষ মারা যায়, কারণ তাদের মৃত্যুর খবর ইংরেজিতে প্রকাশ করা হয়নি।

২০১৫ সালে, মালাউই সরকার আফ্রিকান রিস্ক ক্যাপাসিটি (এআরসি)-এর মাধ্যমে খরা বীমার জন্য ৫০ লক্ষ ডলার প্রদান করে। এই সংস্থাটি তখন অর্থ প্রদান করে যখন এর মডেল অনুমান করে যে খরা একটি নির্দিষ্ট সীমা অতিক্রম করেছে। ২০১৬ সালের এল নিনো খরার পর, যা ৬৫ লক্ষ মানুষকে সাহায্যের মুখাপেক্ষী করে তুলেছিল, মডেলটি প্রাথমিকভাবে কৃষকদের রোপণ করা ভুট্টার জাত সম্পর্কিত একটি ভুল অনুমানের ভিত্তিতে কোনো অর্থ প্রদানের প্রয়োজন নেই বলে জানায়। ২০১৭ সালে অর্থ প্রদান করা হয়, এবং ততদিনে এই কার্যক্রমে প্রায় ৩৯.৫ কোটি ডলার খরচ হয়েছিল।

ভিত্তি আরও মজবুত করা: পাঁচটি সমাধান

আমাদের দুর্যোগ সংক্রান্ত তথ্যের স্পষ্টতই প্রয়োজন। EM-DAT এবং DesInventar-এর মতো ডেটাবেস ছাড়া আমরা দুর্যোগ বুঝতে এবং তার মোকাবিলা করতে সক্ষম হব না। জলবায়ু পরিবর্তনের মোকাবিলা করা এবং ভবিষ্যতের দুর্যোগ প্রতিরোধের জন্য অভিযোজন কৌশল পরিকল্পনা করা আরও অনেক বেশি কঠিন হয়ে পড়বে। কিন্তু এগুলো নিখুঁত থেকে অনেক দূরে।

তবে উন্নতি সম্ভব। প্রকৃতপক্ষে, বিশ্ব উষ্ণায়নের ফলে এবং জলবায়ু-সম্পর্কিত দুর্যোগ আরও ঘন ঘন ঘটায়, উন্নতি অপরিহার্য।

প্রথমত, আমাদের দুর্যোগ ডেটাবেসগুলোকে তথ্যের একমাত্র উৎস হিসেবে না দেখে একটি ব্যবস্থার অংশ হিসেবে বিবেচনা করা শুরু করতে হবে। প্রতিটি দুর্যোগ ডেটাবেসই একটি পরিমাপের উপকরণ, যার কিছু সীমাবদ্ধতা রয়েছে, কিন্তু সেগুলোকে একত্রে বিবেচনা করলে ভুলের পরিমাণ সীমিত করা সম্ভব। বিভিন্ন দুর্যোগ ডেটাবেস এবং স্থানীয় দুর্যোগ তালিকাগুলোর মধ্যে সমন্বয় করে সম্পদ বরাদ্দ করা উচিত। এটি তথ্যের ঘাটতি কমাতে সাহায্য করবে — যা বিশেষভাবে গুরুত্বপূর্ণ, কারণ দুর্যোগের প্রভাবের একটি বড় অংশই হলো ছোট ছোট ও পুনরাবৃত্তিমূলক ঘটনা।

দ্বিতীয়ত, দুর্যোগের প্রভাব শুধুমাত্র একটি প্রধান সংখ্যা হিসেবে নয়, বরং একটি পরিসীমা বা পরিসরের মধ্যে প্রকাশ করা উচিত। এর পেছনের অনিশ্চয়তা বিবেচনা না করে নীতিনির্ধারকদের পক্ষে একটিমাত্র সংখ্যার ওপর মনোযোগ দেওয়া খুবই সহজ। ২০১৫ সালে, ‘ইন্টিগ্রেটেড রিসার্চ অন ডিজাস্টার রিস্ক’ প্রোগ্রাম সুপারিশ করেছিল যে দুর্যোগের তথ্যে নির্ভরযোগ্যতার তথ্য, যেমন গুণগত মান স্কোর বা অনিশ্চয়তার মাত্রা অন্তর্ভুক্ত করা উচিত। হারিকেন মারিয়ার কারণে প্রাথমিকভাবে প্রকাশিত মৃত্যুর সংখ্যা, অতিরিক্ত মৃত্যুহার বিশ্লেষণ থেকে প্রাপ্ত সংখ্যার চেয়ে ৪৬ গুণ কম ছিল। একটি পরিসীমা বা পরিসর প্রকাশ করলে এই অসঙ্গতি দূর হতো না, কিন্তু এটি নীতিনির্ধারকদের কাছে এই সংকেত দিত যে সংখ্যাটি চূড়ান্ত নয়, বরং সাময়িক।

তৃতীয়ত, আমাদের অবশ্যই সরকারি হিসাব স্বাধীনভাবে যাচাই করতে হবে। সরকার সবসময় সত্য বলতে উৎসাহিত হয় না, এবং তারা তা করার চেষ্টা করলেও, ভিন্ন ভিন্ন মানদণ্ডের কারণে ক্ষয়ক্ষতির হিসাবে ব্যাপক ভিন্নতা দেখা দিতে পারে। ক্ষতিগ্রস্ত এলাকার মানুষের সংখ্যার উপর নির্ভর করার পরিবর্তে, দুর্যোগ-পরবর্তী একটি আদর্শ পরিমাপক হিসেবে আমাদের অতিরিক্ত মৃত্যুহারের উপর মনোযোগ দেওয়া উচিত। এটি একটি স্বাধীন তথ্যসূত্র প্রদান করবে, যার ভিত্তিতে সরকারি পরিসংখ্যান মূল্যায়ন করা যেতে পারে; যদি কোনো সরকার অতিরিক্ত মৃত্যুর সংখ্যার চেয়ে বহুগুণ কম একটি পরিসংখ্যান দেয়, তবে তাদের জবাবদিহিতার আওতায় আনা যেতে পারে।

আমরা উপাত্ত যাচাই করার জন্য স্যাটেলাইট চিত্রও ব্যবহার করতে পারি। ২০১০ সালের হাইতি ভূমিকম্পের পর এবং ২০২৩ সালের তুরস্ক ভূমিকম্পের পর এটি অত্যন্ত কার্যকরভাবে ব্যবহৃত হয়েছিল। এই প্রযুক্তিগুলো মাঠপর্যায়ের তথ্য সংগ্রহের বিকল্প হতে পারে না, কারণ এগুলো দিয়ে প্রত্যেক ব্যক্তিকে গণনা করা যায় না। তবে, এগুলো এক ধরনের স্বাধীন বিশ্লেষণের সুযোগ দেয়, যা দুর্যোগ ডেটাবেসে অন্তর্ভুক্ত অন্যান্য পরিসংখ্যানের সাথে তুলনা করার জন্য ব্যবহার করা যেতে পারে। দুর্বল তথ্য সংগ্রহ বা প্রতিবেদন তৈরির পরিকাঠামোযুক্ত প্রেক্ষাপটে এটি বিশেষভাবে উপযোগী; হাইতির মতো দেশে বাড়ি বাড়ি গিয়ে তথ্য সংগ্রহ করা প্রায় অসম্ভব হতে পারে।

চতুর্থ সমাধানটি এর সঙ্গে ওতপ্রোতভাবে জড়িত। আমাদের অবশ্যই স্থানীয় ডেটা সিস্টেমগুলোতে আরও ভালোভাবে অর্থায়ন করতে হবে। বেশ কয়েকটি দেশ তাদের নিজস্ব দুর্যোগ ক্ষয়ক্ষতির হিসাবের জন্য ডেসইনভেন্টার-ভিত্তিক সিস্টেম গ্রহণ করেছে, কিন্তু এই সিস্টেমগুলো রক্ষণাবেক্ষণের জন্য তেমন কোনো প্রণোদনা নেই। প্রতি বছর, সরকারগুলোকে কর্মীদের প্রশিক্ষণ দিতে, ডেটা যাচাই করতে এবং আন্তঃসংযুক্ত সিস্টেমগুলো আসলেই একসঙ্গে কাজ করছে কিনা তা যাচাই করতে হয়। এর প্রত্যেকটির জন্যই অর্থের প্রয়োজন হয় এবং কোনোটিই স্বয়ংক্রিয়ভাবে ঘটে না; আন্তর্জাতিক সংস্থাগুলোর উচিত যেখানে সম্ভব এক্ষেত্রে সহায়তা করা।

পঞ্চমত, ডেটার সীমাবদ্ধতাগুলো দৃশ্যমান করুন। কোনো নীতি দলিলেই সতর্কতামূলক মন্তব্য ছাড়া দুর্যোগের ডেটা ব্যবহার করা উচিত নয়। প্রতিটি দুর্যোগ ডেটাবেসের নিজস্ব পক্ষপাতিত্ব থাকে; কোনোটিই নিখুঁত নয়। সতর্কতামূলক মন্তব্য ছাড়া, নীতি নির্ধারকরা সেই পক্ষপাতিত্বগুলো বিবেচনা না করেই ডেটা ব্যবহার করতে পারেন। দুর্যোগের ডেটা উল্লেখ করে এমন প্রতিটি প্রতিবেদনে এসডিজি মনিটরিং মেটাডেটা , ইনফর্ম-এর নির্ভরযোগ্যতা স্কোর এবং ক্লাইমেট অ্যানালিটিক্স-এর ক্ষয়ক্ষতি ব্রিফিং-এর মতো উপাদান অন্তর্ভুক্ত করা উচিত, যাতে পাঠক ডেটার নির্ভরযোগ্যতা সম্পর্কে একটি প্রেক্ষাপট পান।

কোনো ব্যবস্থাই নিখুঁত নয়, এবং দুর্যোগের প্রভাব—যেমন কারা ক্ষতিগ্রস্ত হয়েছে, প্রাণহানির পরিমাণ এবং অর্থনৈতিক ব্যয়—হিসাবে তৈরি করা ব্যবস্থাগুলোতে সবসময়ই কিছু অন্তর্নিহিত অনুমান, রাজনৈতিক চাপ এবং প্রাতিষ্ঠানিক সীমাবদ্ধতা থাকবে। কিন্তু আমরা বর্তমান ব্যবস্থার চেয়ে ভালো কিছু করতে পারি, বিশেষ করে জলবায়ু পরিবর্তনের কারণে প্রাকৃতিক দুর্যোগের পুনরাবৃত্তি বাড়তে থাকায়। প্রতিরোধযোগ্য ভুলের ফলে প্রাণহানি ঘটবে, এবং এই মুহূর্তে, দুর্যোগের ডেটাবেসগুলো বর্তমানে যা রিপোর্ট করা হচ্ছে, তাকেই আসল তথ্য বলে ভুল করার ঝুঁকিতে রয়েছে।

ম্যাথিউস ডি সুজা ডেলাওয়্যার বিশ্ববিদ্যালয়ের দুর্যোগ বিজ্ঞান ও ব্যবস্থাপনার একজন পিএইচডি শিক্ষার্থী এবং তিনি জাতিসংঘ শরণার্থী বিষয়ক হাইকমিশনার ও নরওয়েজিয়ান রিফিউজি কাউন্সিলের মতো বিভিন্ন মানবিক সংস্থার সাথে কাজ করেছেন। তিনি দুর্যোগের বিভিন্ন দিক নিয়ে গবেষণা করেন, যার মূল কেন্দ্রবিন্দু হলো আন্তঃসংস্থা সমন্বয়।

এই নিবন্ধটি সম্পর্কে আপনার কোনো মন্তব্য থাকলে, বা আলোচনায় অংশ নিতে চাইলে, অনুগ্রহ করে letters@indevelopmentmag.com-এ ইমেল করুন। প্রাপ্ত প্রতিক্রিয়াগুলো একটি চিঠিপত্র বিভাগে প্রকাশ করা হবে।