आपदा संबंधी आंकड़ों की कमजोर बुनियाद राहत कार्यों को कमजोर करती है

इस संख्या में केवल तूफान से सीधे मारे गए लोगों को ही शामिल किया गया था — यानी वे लोग जो अगली सुबह या उसके तुरंत बाद मिले — और इसमें आपदा के बाद के हफ्तों और महीनों में मरने वाले हजारों लोगों को शामिल नहीं किया गया था। मारिया ने प्यूर्टो रिको के बुनियादी ढांचे को बुरी तरह प्रभावित किया: बड़े पैमाने पर बिजली कटौती हुई जिससे अस्पताल बंद हो गए, चिकित्सा सामग्री खत्म हो गई और पूरे द्वीप में अन्य महत्वपूर्ण बुनियादी ढांचे ध्वस्त हो गए। एक साल बाद प्यूर्टो रिको सरकार द्वारा कराए गए एक विशेष मूल्यांकन में, शोधकर्ताओं की एक टीम ने घटना के बाद हुई मौतों की संख्या को संशोधित किया। कुल संख्या बढ़कर 2,975 हो गई — जो मूल अनुमान से 46 गुना अधिक थी।

तूफान मारिया का उदाहरण अनोखा नहीं है। कई देशों में, आपदाओं के प्रभाव को ट्रैक करने के लिए उपयोग किए जाने वाले डेटाबेस काफी गलत हो सकते हैं।

वे मुख्य रूप से सरकारी और समाचार रिपोर्टों पर निर्भर करते हैं – लेकिन ये रिपोर्टें इस बात पर निर्भर करती हैं कि सरकारें कब जानकारी प्रदान करना चुनती हैं और आपदा के प्रभाव को किस प्रकार परिभाषित करती हैं। डेटा का उपयोग केवल अकादमिक उद्देश्यों के लिए नहीं किया जाता; आपदा के आंकड़े आज की दुनिया में बहुत महत्वपूर्ण हैं। ये आंकड़े इस बात को प्रभावित कर सकते हैं कि किन देशों को अनुदान प्राप्त होगा और आपदा निधि कहाँ खर्च की जाएगी।

हालांकि इन फैसलों को अक्सर तकनीकी बताया जाता है, लेकिन आपदा रिपोर्टिंग का एक राजनीतिक पहलू भी है। डेटा अक्सर यह तय करता है कि किसकी पीड़ा को दर्ज किया जाए और किसे प्राथमिकता दी जाए। हम इन आंकड़ों को तथ्य मान लेते हैं, लेकिन वे तथ्य नहीं हैं। ये सिस्टम द्वारा उत्पन्न होते हैं, जिनमें अन्य नीतिगत क्षेत्रों की तरह ही कमियां होती हैं। आपदा डेटा उतना विश्वसनीय नहीं होता जितना कि इसके उपयोगकर्ता अक्सर मानते हैं।

अच्छे डेटा के मापदंड विवादित नहीं हैं। डेटा को वास्तव में जो हुआ उसे प्रतिबिंबित करना चाहिए, पूरी तस्वीर प्रस्तुत करनी चाहिए, समय और भौगोलिक परिस्थितियों में तुलनीय होना चाहिए, और एक ही घटना को दो बार नहीं गिनना चाहिए। दुर्भाग्य से, हम इसे प्राप्त करने से बहुत दूर हैं।

आपदा डेटाबेस वास्तव में कैसे काम करते हैं

हमें आपदाओं से संबंधित डेटा की आवश्यकता है। राहत कार्यों की योजना बनानी होगी, मानवीय सहायता पहुंचानी होगी और लचीलेपन की योजनाएं तैयार करनी होंगी। आपातकालीन घटना डेटाबेस (ईएम-डीएटी) वैश्विक आपदा डेटा का सबसे व्यापक रूप से उपयोग किया जाने वाला निःशुल्क स्रोत है, जिसमें तकनीकी और प्राकृतिक दोनों प्रकार की आपदाओं का डेटा शामिल है। इसमें 1900 से अब तक की 27,000 से अधिक घटनाओं का रिकॉर्ड है। किसी घटना को डेटाबेस में शामिल करने के लिए, उसे तीन मुख्य मानदंडों में से कम से कम एक को पूरा करना होगा: 10 या अधिक लोगों की मृत्यु; 100 या अधिक लोग प्रभावित; या आपातकाल की घोषणा या अंतर्राष्ट्रीय सहायता की अपील।

हालांकि ये मानदंड तर्कसंगत हैं, लेकिन इनका मतलब है कि डेटासेट में कुछ कमियां हैं। नौ लोगों की जान लेने वाले सूखे की घटना को आमतौर पर डेटाबेस में शामिल नहीं किया जाएगा, जब तक कि इससे आपातकाल की घोषणा या अंतरराष्ट्रीय सहायता की अपील न हो। 95 लोगों को प्रभावित करने वाली बाढ़ के मामले में भी यही बात लागू होती है। और इसमें एक महत्वपूर्ण बात ध्यान देने योग्य है: यह प्रभावित या मृत लोगों की रिपोर्ट की गई संख्या पर केंद्रित है। यदि रिपोर्टिंग सटीक नहीं है, तो डेटाबेस भी सटीक नहीं है। EM-DAT के लिए प्रत्येक घटना का कम से कम दो स्वतंत्र स्रोतों से सत्यापन आवश्यक है , जो अक्सर अंतरराष्ट्रीय एजेंसियां, समाचार एजेंसी और अंग्रेजी भाषा के मीडिया होते हैं।

इस स्थिति में, मीडिया रिपोर्टिंग में भौगोलिक पूर्वाग्रह का असर EM-DAT डेटाबेस पर भी पड़ने की संभावना है, जिससे विकसित अर्थव्यवस्थाओं में आपदा की घटनाओं की संख्या कम विकसित अर्थव्यवस्थाओं की तुलना में अधिक दर्ज हो जाएगी। इससे सरकारों को डेटा में हेरफेर करने का भी मौका मिलता है। यदि सरकार केवल नौ मौतों की बात स्वीकार करती है, तो घटना को शामिल नहीं किया जाएगा – भले ही वास्तविकता में नौ से कहीं अधिक मौतें हुई हों। इससे सरकारें अपने कार्यों के लिए जवाबदेही से बच जाती हैं।

चीन में 2008 में आए सिचुआन भूकंप पर विचार करें। सबसे अधिक प्रभावित क्षेत्रों में से कई इस क्षेत्र के गरीब काउंटी थे, और कई इमारतें ढह गईं। आधिकारिक तौर पर मृतकों की संख्या लगभग 70,000 बताई गई, जबकि 18,000 लोग अभी भी लापता बताए जा रहे हैं । माता-पिता, कार्यकर्ता और पत्रकार जिन्होंने जवाबदेही तय करने और निर्माण नियमों तथा इमारतों के ढहने की जांच करने की कोशिश की, वे सेंसरशिप, हिरासत और निगरानी के शिकार हुए; विशेष रूप से स्कूलों के ढहने के लिए, पूरी संख्या और जिम्मेदारी का स्वतंत्र रूप से सत्यापन करना अभी भी कठिन है।

किसी घटना के निर्धारित मानदंडों को पूरा करने पर भी, अन्य जानकारी अपूर्ण हो सकती है। आर्थिक नुकसान से संबंधित जानकारी ही सबसे बड़ी कमी है; वर्ष 2000 से 2020 तक दर्ज की गई 80% घटनाओं के लिए यह जानकारी अनुपलब्ध है। आर्थिक क्षति का आकलन करना कठिन है और निम्न एवं मध्यम आय वाले देशों में यह जानकारी शायद ही कभी उपलब्ध कराई जाती है। EM-DAT में दर्ज अफ्रीकी आपदाओं में से केवल 4% के लिए ही आर्थिक क्षति का अनुमान उपलब्ध है।

लेकिन इससे लोग बिना किसी रोक-टोक के इस डेटा का उपयोग करने से नहीं रुकते। कई प्रभावशाली और व्यापक रूप से उद्धृत प्रकाशन इस डेटा का उपयोग अनुभवजन्य अध्ययनों के लिए करते हैं, जिसमें इसकी समस्याओं को बहुत कम ही स्वीकार किया जाता है।

आपदा डेटाबेस की तुलना करने पर सीमाओं का पैमाना और भी स्पष्ट हो जाता है। 1971 से 2002 के बीच, EM-DAT ने कोलंबिया में 97 आपदाएँ दर्ज कीं । एक अन्य डेटाबेस, DesInventar ने इसी अवधि में 19,000 से अधिक आपदाएँ दर्ज कीं। DesInventar में दर्ज स्थानीय घटनाओं में से केवल कुछ ही EM-DAT की आपदा की परिभाषा को पूरा करती हैं, लेकिन कुल मिलाकर, कोलंबिया में हुई इन "छोटी" घटनाओं से 1.65 अरब डॉलर से अधिक का नुकसान हुआ। यह कोलंबिया की सबसे घातक आपदाओं में से एक, नेवाडो डेल रुइज़ ज्वालामुखी विस्फोट से हुए आर्थिक नुकसान से लगभग सात गुना अधिक है। ये "छोटी" घटनाएँ मिलकर एक बड़ा प्रभाव डालती हैं।

DesInventar एक अलग तरह का आपदा डेटाबेस है। इसमें शामिल करने के लिए कोई विशिष्ट मानदंड निर्धारित करने के बजाय, DesInventar देशों को अपनी आपदा सूची स्वयं बनाने की स्वतंत्रता देता है। सामान्य तौर पर, इसका अर्थ है कि इसमें छोटी आपदाओं को भी शामिल किया जाता है, लेकिन इसका यह भी अर्थ है कि डेटाबेस में शामिल डेटा की गुणवत्ता प्रत्येक सरकार की रिकॉर्ड एकत्र करने और बनाए रखने की क्षमता पर निर्भर करती है। यह क्षमता काफी भिन्न हो सकती है। पेरू इसका एक प्रमुख उदाहरण है। इसका डेटा एक ही स्रोत से प्राप्त होता है – और लीमा के निकट की घटनाओं को देश के अधिक दूरस्थ भागों की घटनाओं की तुलना में कहीं बेहतर ढंग से कवर किया गया है।

और यह एकमात्र विसंगति नहीं है। "प्रभावित" लोगों की संख्या में काफी अंतर हो सकता है। EM-DAT प्रभावित लोगों को तत्काल सहायता की आवश्यकता वाले के रूप में परिभाषित करता है, लेकिन देशों के लिए "सहायता" की परिभाषा अलग-अलग है। कुछ देश आपदा क्षेत्र में रहने वाले सभी लोगों को शामिल करते हैं; कुछ केवल उन लोगों को शामिल करते हैं जिन्होंने अपना घर खो दिया है, जबकि कुछ अन्य सहायता अनुरोधों को ही मापदंड मानते हैं। देश रणनीतिक रूप से भी यह तय कर सकते हैं कि किसे प्रभावित माना जाए, क्योंकि इस तरह के आंकड़े यह निर्धारित करने में मदद कर सकते हैं कि कोई देश जलवायु अनुकूलन वित्तपोषण के लिए पात्र है या नहीं।

अन्य श्रेणियों के आंकड़े तो और भी अस्पष्ट हैं। जैसा कि पहले बताया गया है, आर्थिक क्षति के अनुमान अक्सर उपलब्ध नहीं होते हैं, और जहां वे मौजूद भी होते हैं, वहां आंकड़े बेहद अधूरे होते हैं। EM-DAT और DesInventar के बीच आपदा घटनाओं की तुलना करने वाले कुछ अध्ययनों में पाया गया कि अधिकांश मामलों में क्षति के आंकड़ों में 20% से अधिक का अंतर था।

आपदा संबंधी आंकड़ों को नीति में बदलना

यह एक सैद्धांतिक चिंता प्रतीत हो सकती है। लेकिन ऐसा नहीं है। इन डेटाबेस का उपयोग वास्तविक नीतिगत निर्णयों में किया जाता है।

संयुक्त राष्ट्र आपदा जोखिम न्यूनीकरण कार्यालय अपनी वैश्विक आकलन रिपोर्टों के लिए EM-DAT और DesInventar दोनों का उपयोग करता है, जो अंतरराष्ट्रीय आपदा नीति का मार्गदर्शन करने वाले प्रमुख प्रकाशनों में से एक है। संयुक्त राष्ट्र के सदस्य देश भी आपदा डेटाबेस को इनपुट के रूप में उपयोग करने वाले सेंडाई फ्रेमवर्क मॉनिटर के माध्यम से अपनी प्रगति की रिपोर्ट करते हैं। इसका उपयोग प्रगति पर नज़र रखने, आपदा जोखिम प्राथमिकताओं की पहचान करने, जोखिम न्यूनीकरण की दिशा में संसाधन आवंटन का मार्गदर्शन करने और जलवायु अनुकूलन रणनीतियों की योजना बनाने में किया जाता है।

जलवायु वित्त, एक ऐसा क्षेत्र जिसने अकेले 2023 में 1.9 ट्रिलियन डॉलर का लेन-देन किया, जलवायु संबंधी आपदा जोखिम का आकलन करने के लिए आपदा डेटाबेस का भी उपयोग करता है। देश अक्सर अनुकूलन या नुकसान के लिए वित्तीय सहायता की आवश्यकता पर चर्चा करने के लिए जर्मनवॉच के वैश्विक जलवायु जोखिम सूचकांक का उपयोग करते हैं। जर्मनवॉच का वर्तमान सूचकांक EM-DAT का उपयोग करता है, लेकिन इसकी सीमाओं पर कुछ चेतावनियाँ भी देता है। उदाहरण के लिए, यह हानि और क्षति विश्लेषण , सूचकांक की डेटा सीमाओं पर चर्चा किए बिना इसका उपयोग करता है।

ईएम-डीएटी पर निर्भरता वैश्विक जलवायु जोखिम सूचकांक तक ही सीमित नहीं है, बल्कि मानवीय सहायता निधि के प्रवाह को निर्धारित करने वाली परिचालन संरचनाओं तक भी फैली हुई है। आईएनएफओआरएम जोखिम सूचकांक अपने कुछ आपदा संकेतकों के लिए ईएम-डीएटी का उपयोग करता है और इसका उपयोग संयुक्त राष्ट्र मानवीय मामलों के समन्वय कार्यालय, यूरोपीय आयोग के नागरिक सुरक्षा और मानवीय सहायता अभियान, विश्व खाद्य कार्यक्रम, संयुक्त राज्य अमेरिका की अंतर्राष्ट्रीय विकास एजेंसी, संयुक्त राष्ट्र केंद्रीय आपातकालीन प्रतिक्रिया कोष आदि द्वारा मानवीय संसाधनों को प्राथमिकता देने और आवंटित करने में सहायता के लिए किया गया है। ईएम-डीएटी में त्रुटियों के कारण आपदाओं के लिए अपर्याप्त निधि उपलब्ध हो सकती है। ऐसा तब हो सकता है जब ईएम-डीएटी में दर्ज संख्या से कहीं अधिक लोगों की मृत्यु हुई हो, क्योंकि उनकी मृत्यु की सूचना अंग्रेजी में नहीं दी गई थी।

2015 में, मलावी सरकार ने अफ्रीकन रिस्क कैपेसिटी (ARC) के माध्यम से सूखे के बीमा के लिए 50 लाख डॉलर का भुगतान किया। ARC तब भुगतान करती है जब उसका मॉडल अनुमान लगाता है कि सूखा एक निश्चित सीमा को पार कर गया है। 2016 के अल नीनो सूखे के बाद, जिससे 65 लाख लोगों को सहायता की आवश्यकता पड़ी, मॉडल ने शुरू में पाया कि किसानों द्वारा बोई गई मक्का की किस्म के बारे में गलत धारणा के आधार पर कोई भुगतान उचित नहीं था। 2017 में भुगतान किया गया, तब तक राहत कार्य पर लगभग 395 करोड़ डॉलर खर्च हो चुके थे।

मजबूत नींव बनाना: पाँच उपाय

हमें आपदा संबंधी डेटा की स्पष्ट रूप से आवश्यकता है। EM-DAT और DesInventar जैसे डेटाबेस के बिना, हम आपदाओं को समझकर उनका सामना नहीं कर पाएंगे। जलवायु परिवर्तन का सामना करना और भविष्य की आपदाओं को रोकने के लिए अनुकूलन रणनीतियों की योजना बनाना कहीं अधिक कठिन होगा। लेकिन ये डेटाबेस भी पूरी तरह से परिपूर्ण नहीं हैं।

हालांकि, सुधार संभव है। वास्तव में, जैसे-जैसे दुनिया गर्म हो रही है और जलवायु संबंधी आपदाएं अधिक बार हो रही हैं, सुधार आवश्यक है।

सर्वप्रथम: हमें आपदा डेटाबेस को सत्य के एकमात्र स्रोत के रूप में नहीं, बल्कि एक प्रणाली के हिस्से के रूप में देखना शुरू करना होगा। प्रत्येक आपदा डेटाबेस एक मापन उपकरण है जिसकी अपनी सीमाएँ हैं, लेकिन इन सभी को एक साथ देखने से त्रुटियों को कम किया जा सकता है। विभिन्न आपदा डेटाबेस और स्थानीय आपदा इन्वेंट्री के बीच संसाधनों का समन्वय किया जाना चाहिए। इससे डेटा की कमी को कम करने में मदद मिलेगी – यह विशेष रूप से महत्वपूर्ण है क्योंकि छोटी, बार-बार होने वाली घटनाएँ आपदा के प्रभाव का एक महत्वपूर्ण हिस्सा होती हैं।

दूसरा, आपदा के प्रभाव को केवल एक मुख्य आंकड़े के बजाय श्रेणियों में बताया जाना चाहिए। नीति निर्माताओं के लिए अनिश्चितता को ध्यान में रखे बिना किसी एक आंकड़े पर ध्यान केंद्रित करना बहुत आसान है। 2015 में, आपदा जोखिम पर एकीकृत अनुसंधान कार्यक्रम ने सिफारिश की थी कि आपदा डेटा में विश्वसनीयता संबंधी जानकारी जैसे कि गुणवत्ता स्कोर या अनिश्चितता स्तर शामिल होना चाहिए। तूफान मारिया से संबंधित शुरुआती मृत्यु दर के आंकड़े अतिरिक्त मृत्यु दर विश्लेषण से प्राप्त आंकड़ों से 46 गुना कम थे। एक रिपोर्टिंग श्रेणी इस विसंगति को दूर नहीं करती, लेकिन इससे नीति निर्माताओं को यह संकेत मिलता कि यह आंकड़ा निश्चित नहीं बल्कि अस्थायी है।

तीसरा, हमें आधिकारिक आंकड़ों की स्वतंत्र रूप से पुष्टि करनी चाहिए। सरकारें हमेशा सच बोलने के लिए प्रेरित नहीं होतीं, और भले ही वे ऐसा करने का प्रयास कर रही हों, अलग-अलग मानकों के कारण नुकसान के अनुमानों में बहुत बड़ा अंतर आ सकता है। किसी क्षतिग्रस्त क्षेत्र में लोगों की गिनती पर निर्भर रहने के बजाय, हमें आपदा के बाद के मानक मापक के रूप में अतिरिक्त मृत्यु दर पर ध्यान केंद्रित करना चाहिए। इससे एक स्वतंत्र डेटा बिंदु प्राप्त होगा जिसके आधार पर आधिकारिक आंकड़ों का मूल्यांकन किया जा सकता है; यदि कोई सरकार अतिरिक्त मौतों की संख्या से कई गुना कम आंकड़ा देती है, तो उसे जवाबदेह ठहराया जा सकता है।

हम आंकड़ों की पुष्टि के लिए उपग्रह चित्रों का भी उपयोग कर सकते हैं। 2010 में हैती में आए भूकंप के बाद और 2023 में तुर्की में आए भूकंपों के बाद इनका प्रभावी ढंग से उपयोग किया गया था। ये तकनीकें जमीनी स्तर पर डेटा संग्रह का विकल्प नहीं बन सकतीं, क्योंकि इनसे व्यक्तिगत व्यक्तियों की गिनती नहीं की जा सकती। हालांकि, ये एक प्रकार का स्वतंत्र विश्लेषण प्रदान करती हैं जिसका उपयोग आपदा डेटाबेस में दर्ज अन्य आंकड़ों से तुलना करने के लिए किया जा सकता है। यह उन संदर्भों में विशेष रूप से उपयोगी है जहां डेटा संग्रह या रिपोर्टिंग की बुनियादी संरचनाएं कमजोर हैं; हैती जैसे देशों में, घर-घर जाकर डेटा एकत्र करना लगभग असंभव हो सकता है।

चौथा समाधान इसी से जुड़ा हुआ है। हमें स्थानीय डेटा प्रणालियों के लिए बेहतर वित्तपोषण की भी आवश्यकता है। कई देशों ने आपदा से हुए नुकसान के लेखा-जोखा के लिए डेसइन्वेंटार-आधारित प्रणालियों को अपनाया है, लेकिन इन प्रणालियों के रखरखाव के लिए प्रोत्साहन बहुत कम हैं। हर साल, सरकारों को कर्मियों को प्रशिक्षित करना, डेटा का सत्यापन करना और यह सुनिश्चित करना होता है कि परस्पर जुड़ी प्रणालियाँ वास्तव में एक साथ काम कर रही हैं। इनमें से प्रत्येक कार्य में पैसा खर्च होता है, और ये स्वतः नहीं होते; अंतर्राष्ट्रीय संगठनों को जहाँ तक संभव हो, इसमें सहयोग करना चाहिए।

पांचवां, डेटा की सीमाओं को स्पष्ट करें। किसी भी नीति दस्तावेज में आपदा डेटा का उपयोग बिना किसी चेतावनी के नहीं किया जाना चाहिए। प्रत्येक आपदा डेटाबेस में कुछ पूर्वाग्रह होते हैं; कोई भी डेटाबेस पूर्ण नहीं होता। चेतावनी के बिना, नीति निर्माता इन पूर्वाग्रहों पर विचार किए बिना ही डेटा को सीधे इस्तेमाल कर सकते हैं। आपदा डेटा का हवाला देने वाली प्रत्येक रिपोर्ट में एसडीजी निगरानी मेटाडेटा , इन्फॉर्म का विश्वसनीयता स्कोर और क्लाइमेट एनालिटिक्स की हानि एवं क्षति संबंधी जानकारी जैसी सामग्री शामिल होनी चाहिए ताकि पाठक को डेटा की विश्वसनीयता के बारे में संदर्भ मिल सके।

कोई भी व्यवस्था परिपूर्ण नहीं होती, और आपदाओं के प्रभावों का आकलन करने के लिए बनाई गई व्यवस्थाओं में, चाहे प्रभावित लोग कौन थे, जानमाल का कितना नुकसान हुआ और आर्थिक लागत क्या थी, हमेशा कुछ अंतर्निहित मान्यताएँ, राजनीतिक दबाव और संस्थागत सीमाएँ मौजूद होती हैं। लेकिन हम वर्तमान व्यवस्था से बेहतर कर सकते हैं, खासकर जलवायु परिवर्तन के कारण प्राकृतिक आपदाओं की बढ़ती आवृत्ति को देखते हुए। रोकी जा सकने वाली गलतियों से भी जानमाल का नुकसान होगा, और वर्तमान में, आपदा डेटाबेस में वर्तमान में दर्ज जानकारी को वास्तविक जानकारी समझने की गलती होने का खतरा है।

मैथियस डी सूजा डेलावेयर विश्वविद्यालय में आपदा विज्ञान और प्रबंधन में पीएचडी के छात्र हैं और उन्होंने संयुक्त राष्ट्र शरणार्थी उच्चायुक्त और नॉर्वेजियन शरणार्थी परिषद जैसे विभिन्न मानवीय संगठनों के साथ काम किया है। वे आपदाओं के कई पहलुओं का अध्ययन करते हैं, जिनमें अंतर-संगठनात्मक समन्वय पर विशेष ध्यान दिया जाता है।

यदि इस लेख पर आपकी कोई टिप्पणी हो या आप चर्चा में अपना योगदान देना चाहते हों, तो कृपया letters@indevelopmentmag.com पर ईमेल करें। आपकी प्रतिक्रियाएँ पत्र अनुभाग में प्रकाशित की जाएँगी।