ਆਫ਼ਤ ਡੇਟਾ ਦੀਆਂ ਹਿੱਲਦੀਆਂ ਨੀਂਹਾਂ ਰਾਹਤ ਨੂੰ ਕਮਜ਼ੋਰ ਕਰਦੀਆਂ ਹਨ

ਇਹ ਗਿਣਤੀ ਸਿਰਫ਼ ਉਨ੍ਹਾਂ ਲੋਕਾਂ ਨੂੰ ਦਰਸਾਉਂਦੀ ਹੈ ਜੋ ਸਿੱਧੇ ਤੌਰ 'ਤੇ ਤੂਫਾਨ ਨਾਲ ਮਾਰੇ ਗਏ ਸਨ – ਜੋ ਅਗਲੀ ਸਵੇਰ ਜਾਂ ਇਸ ਤੋਂ ਥੋੜ੍ਹੀ ਦੇਰ ਬਾਅਦ ਮਿਲੇ ਸਨ – ਅਤੇ ਇਸ ਵਿੱਚ ਉਹ ਹਜ਼ਾਰਾਂ ਲੋਕ ਸ਼ਾਮਲ ਨਹੀਂ ਸਨ ਜੋ ਆਫ਼ਤ ਤੋਂ ਬਾਅਦ ਹਫ਼ਤਿਆਂ ਅਤੇ ਮਹੀਨਿਆਂ ਵਿੱਚ ਮਾਰੇ ਗਏ ਸਨ। ਮਾਰੀਆ ਨੇ ਪੋਰਟੋ ਰੀਕੋ ਦੇ ਬੁਨਿਆਦੀ ਢਾਂਚੇ ਨੂੰ ਬੁਰੀ ਤਰ੍ਹਾਂ ਮਾਰਿਆ: ਵੱਡੇ ਬਿਜਲੀ ਕੱਟ ਲੱਗੇ ਜਿਸ ਨਾਲ ਹਸਪਤਾਲ ਬੰਦ ਹੋ ਗਏ, ਡਾਕਟਰੀ ਸਪਲਾਈ ਖਤਮ ਹੋ ਗਈ ਅਤੇ ਟਾਪੂ ਭਰ ਵਿੱਚ ਹੋਰ ਮਹੱਤਵਪੂਰਨ ਬੁਨਿਆਦੀ ਢਾਂਚਾ ਢਹਿ ਗਿਆ। ਇੱਕ ਸਾਲ ਬਾਅਦ ਪੋਰਟੋ ਰੀਕੋ ਦੀ ਸਰਕਾਰ ਦੁਆਰਾ ਕਮਿਸ਼ਨ ਕੀਤੇ ਗਏ ਇੱਕ ਵਿਸ਼ੇਸ਼ ਮੁਲਾਂਕਣ ਵਿੱਚ, ਖੋਜਕਰਤਾਵਾਂ ਦੀ ਇੱਕ ਟੀਮ ਨੇ ਘਟਨਾ ਤੋਂ ਬਾਅਦ ਮੌਤਾਂ ਦੀ ਗਿਣਤੀ ਨੂੰ ਸੋਧਿਆ। ਕੁੱਲ ਗਿਣਤੀ 2,975 ਹੋ ਗਈ – ਅਸਲ ਅਨੁਮਾਨ ਨਾਲੋਂ 46 ਗੁਣਾ ਵੱਧ।

ਹਰੀਕੇਨ ਮਾਰੀਆ ਦੀ ਉਦਾਹਰਣ ਕੋਈ ਵਿਲੱਖਣ ਨਹੀਂ ਹੈ। ਬਹੁਤ ਸਾਰੇ ਦੇਸ਼ਾਂ ਵਿੱਚ, ਆਫ਼ਤਾਂ ਦੇ ਪ੍ਰਭਾਵ ਨੂੰ ਟਰੈਕ ਕਰਨ ਲਈ ਵਰਤੇ ਜਾਣ ਵਾਲੇ ਡੇਟਾਬੇਸ ਬਹੁਤ ਗਲਤ ਹੋ ਸਕਦੇ ਹਨ।

ਉਹ ਮੁੱਖ ਤੌਰ 'ਤੇ ਸਰਕਾਰ ਅਤੇ ਖ਼ਬਰਾਂ ਦੀਆਂ ਰਿਪੋਰਟਾਂ 'ਤੇ ਨਿਰਭਰ ਕਰਦੇ ਹਨ – ਪਰ ਇਹ ਇਸ ਗੱਲ 'ਤੇ ਨਿਰਭਰ ਕਰਦੇ ਹਨ ਕਿ ਸਰਕਾਰਾਂ ਕਦੋਂ ਜਾਣਕਾਰੀ ਪ੍ਰਦਾਨ ਕਰਨ ਦੀ ਚੋਣ ਕਰਦੀਆਂ ਹਨ ਅਤੇ ਇਹ ਸਰਕਾਰਾਂ ਕਿਵੇਂ ਪਰਿਭਾਸ਼ਿਤ ਕਰਦੀਆਂ ਹਨ ਕਿ ਆਫ਼ਤ ਪ੍ਰਭਾਵ ਵਜੋਂ ਕੀ ਗਿਣਿਆ ਜਾਂਦਾ ਹੈ। ਡੇਟਾ ਸਿਰਫ਼ ਅਕਾਦਮਿਕ ਉਦੇਸ਼ਾਂ ਲਈ ਨਹੀਂ ਵਰਤਿਆ ਜਾਂਦਾ; ਅੱਜ ਦੀ ਦੁਨੀਆ ਵਿੱਚ ਆਫ਼ਤ ਦੇ ਅੰਕੜੇ ਬਹੁਤ ਜ਼ਿਆਦਾ ਭਾਰ ਰੱਖਦੇ ਹਨ। ਉਹ ਪ੍ਰਭਾਵਿਤ ਕਰ ਸਕਦੇ ਹਨ ਕਿ ਕਿਹੜੇ ਦੇਸ਼ਾਂ ਨੂੰ ਫੰਡਿੰਗ ਮਿਲਦੀ ਹੈ ਅਤੇ ਆਫ਼ਤ ਫੰਡ ਕਿੱਥੇ ਖਰਚ ਕੀਤੇ ਜਾਂਦੇ ਹਨ।

ਜਦੋਂ ਕਿ ਇਹਨਾਂ ਫੈਸਲਿਆਂ ਨੂੰ ਅਕਸਰ ਤਕਨੀਕੀ ਤੌਰ 'ਤੇ ਤਿਆਰ ਕੀਤਾ ਜਾਂਦਾ ਹੈ, ਆਫ਼ਤ ਰਿਪੋਰਟਿੰਗ ਦਾ ਇੱਕ ਰਾਜਨੀਤਿਕ ਪਹਿਲੂ ਹੁੰਦਾ ਹੈ। ਡੇਟਾ ਅਕਸਰ ਇਹ ਨਿਰਧਾਰਤ ਕਰ ਸਕਦਾ ਹੈ ਕਿ ਕਿਸ ਦੇ ਦੁੱਖ ਨੂੰ ਰਿਕਾਰਡ ਕੀਤਾ ਗਿਆ ਹੈ ਅਤੇ ਤਰਜੀਹ ਦਿੱਤੀ ਗਈ ਹੈ। ਅਸੀਂ ਇਹਨਾਂ ਅੰਕੜਿਆਂ ਨੂੰ ਤੱਥਾਂ ਵਜੋਂ ਮੰਨਦੇ ਹਾਂ, ਪਰ ਇਹ ਨਹੀਂ ਹਨ। ਇਹ ਸਿਸਟਮ ਦੁਆਰਾ ਤਿਆਰ ਕੀਤੇ ਜਾਂਦੇ ਹਨ, ਕਿਸੇ ਵੀ ਹੋਰ ਨੀਤੀ ਖੇਤਰ ਵਾਂਗ ਹੀ ਕਮਜ਼ੋਰੀਆਂ ਦੇ ਨਾਲ। ਆਫ਼ਤ ਡੇਟਾ ਇਸਦੇ ਉਪਭੋਗਤਾਵਾਂ ਦੁਆਰਾ ਅਕਸਰ ਮੰਨੇ ਜਾਣ ਨਾਲੋਂ ਕਿਤੇ ਘੱਟ ਭਰੋਸੇਯੋਗ ਹੁੰਦਾ ਹੈ।

ਚੰਗੇ ਡੇਟਾ ਲਈ ਮਾਪਦੰਡ ਵਿਵਾਦਪੂਰਨ ਨਹੀਂ ਹਨ। ਡੇਟਾ ਨੂੰ ਅਸਲ ਵਿੱਚ ਕੀ ਹੋਇਆ ਸੀ, ਪੂਰੀ ਤਸਵੀਰ ਨੂੰ ਕੈਪਚਰ ਕਰਨਾ ਚਾਹੀਦਾ ਹੈ, ਸਮੇਂ ਅਤੇ ਭੂਗੋਲ ਵਿੱਚ ਤੁਲਨਾਤਮਕ ਰਹਿਣਾ ਚਾਹੀਦਾ ਹੈ, ਅਤੇ ਇੱਕੋ ਘਟਨਾ ਨੂੰ ਦੋ ਵਾਰ ਨਹੀਂ ਗਿਣਨਾ ਚਾਹੀਦਾ। ਬਦਕਿਸਮਤੀ ਨਾਲ, ਅਸੀਂ ਇਸ ਨੂੰ ਪ੍ਰਾਪਤ ਕਰਨ ਤੋਂ ਬਹੁਤ ਦੂਰ ਹਾਂ।

ਆਫ਼ਤ ਡੇਟਾਬੇਸ ਅਸਲ ਵਿੱਚ ਕਿਵੇਂ ਕੰਮ ਕਰਦੇ ਹਨ

ਸਾਨੂੰ ਆਫ਼ਤਾਂ ਤੋਂ ਡੇਟਾ ਦੀ ਲੋੜ ਹੈ। ਰਿਕਵਰੀ ਯਤਨਾਂ ਦੀ ਯੋਜਨਾਬੰਦੀ ਕੀਤੀ ਜਾਣੀ ਚਾਹੀਦੀ ਹੈ, ਮਾਨਵਤਾਵਾਦੀ ਸਹਾਇਤਾ ਪ੍ਰਦਾਨ ਕੀਤੀ ਜਾਣੀ ਚਾਹੀਦੀ ਹੈ ਅਤੇ ਲਚਕੀਲੇਪਣ ਦੀਆਂ ਯੋਜਨਾਵਾਂ ਬਣਾਈਆਂ ਜਾਣੀਆਂ ਚਾਹੀਦੀਆਂ ਹਨ। ਐਮਰਜੈਂਸੀ ਇਵੈਂਟਸ ਡੇਟਾਬੇਸ (EM-DAT) ਗਲੋਬਲ ਆਫ਼ਤ ਡੇਟਾ ਦਾ ਸਭ ਤੋਂ ਵੱਧ ਵਰਤਿਆ ਜਾਣ ਵਾਲਾ ਮੁਫ਼ਤ ਸਰੋਤ ਹੈ, ਜੋ ਤਕਨੀਕੀ ਅਤੇ ਕੁਦਰਤੀ ਖ਼ਤਰਿਆਂ ਦੋਵਾਂ ਨੂੰ ਕਵਰ ਕਰਦਾ ਹੈ। ਇਸ ਵਿੱਚ 1900 ਤੋਂ ਬਾਅਦ 27,000 ਤੋਂ ਵੱਧ ਘਟਨਾਵਾਂ ਦੇ ਰਿਕਾਰਡ ਹਨ। ਕਿਸੇ ਘਟਨਾ ਨੂੰ ਸ਼ਾਮਲ ਕਰਨ ਲਈ, ਇਸਨੂੰ ਘੱਟੋ-ਘੱਟ ਤਿੰਨ ਮੁੱਖ ਮਾਪਦੰਡਾਂ ਵਿੱਚੋਂ ਇੱਕ ਨੂੰ ਪੂਰਾ ਕਰਨਾ ਚਾਹੀਦਾ ਹੈ: 10 ਜਾਂ ਵੱਧ ਲੋਕ ਮਾਰੇ ਗਏ; 100 ਜਾਂ ਵੱਧ ਲੋਕ ਪ੍ਰਭਾਵਿਤ ਹੋਏ; ਜਾਂ ਐਮਰਜੈਂਸੀ ਦੀ ਸਥਿਤੀ ਦਾ ਐਲਾਨ ਜਾਂ ਅੰਤਰਰਾਸ਼ਟਰੀ ਸਹਾਇਤਾ ਦੀ ਮੰਗ।

ਵਾਜਬ ਹੋਣ ਦੇ ਬਾਵਜੂਦ, ਇਹਨਾਂ ਮਾਪਦੰਡਾਂ ਦਾ ਮਤਲਬ ਹੈ ਕਿ ਡੇਟਾਸੈੱਟ ਵਿੱਚ ਅੰਨ੍ਹੇ ਧੱਬੇ ਹਨ। ਇੱਕ ਸੋਕਾ ਜਿਸ ਵਿੱਚ ਨੌਂ ਲੋਕ ਮਾਰੇ ਗਏ ਸਨ, ਨੂੰ ਆਮ ਤੌਰ 'ਤੇ ਡੇਟਾਬੇਸ ਵਿੱਚ ਸ਼ਾਮਲ ਨਹੀਂ ਕੀਤਾ ਜਾਵੇਗਾ, ਜਦੋਂ ਤੱਕ ਕਿ ਇਹ ਐਮਰਜੈਂਸੀ ਘੋਸ਼ਣਾ ਜਾਂ ਸਹਾਇਤਾ ਲਈ ਅੰਤਰਰਾਸ਼ਟਰੀ ਕਾਲ ਨੂੰ ਚਾਲੂ ਨਹੀਂ ਕਰਦਾ। ਇਹੀ ਗੱਲ ਹੜ੍ਹ ਲਈ ਹੁੰਦੀ ਹੈ ਜੋ 95 ਲੋਕਾਂ ਨੂੰ ਪ੍ਰਭਾਵਿਤ ਕਰਦਾ ਹੈ। ਅਤੇ ਉੱਥੇ ਇੱਕ ਮਹੱਤਵਪੂਰਨ ਚੇਤਾਵਨੀ ਹੈ: ਇਹ ਪ੍ਰਭਾਵਿਤ ਜਾਂ ਮਾਰੇ ਗਏ ਲੋਕਾਂ ਦੀ ਗਿਣਤੀ 'ਤੇ ਕੇਂਦ੍ਰਿਤ ਹੈ। ਜੇਕਰ ਰਿਪੋਰਟਿੰਗ ਸਹੀ ਨਹੀਂ ਹੈ, ਤਾਂ ਨਾ ਹੀ ਡੇਟਾਬੇਸ ਹੈ। EM-DAT ਨੂੰ ਘੱਟੋ-ਘੱਟ ਦੋ ਸੁਤੰਤਰ ਸਰੋਤਾਂ ਤੋਂ ਹਰੇਕ ਘਟਨਾ ਦੀ ਕਰਾਸ-ਵੈਰੀਫਿਕੇਸ਼ਨ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ , ਜੋ ਕਿ ਅਕਸਰ ਅੰਤਰਰਾਸ਼ਟਰੀ ਏਜੰਸੀਆਂ, ਵਾਇਰ ਸੇਵਾਵਾਂ ਅਤੇ ਅੰਗਰੇਜ਼ੀ-ਭਾਸ਼ਾ ਮੀਡੀਆ ਹੁੰਦੇ ਹਨ।

ਇਸ ਨੂੰ ਦੇਖਦੇ ਹੋਏ, ਮੀਡੀਆ ਰਿਪੋਰਟਿੰਗ ਵਿੱਚ ਭੂਗੋਲਿਕ ਪੱਖਪਾਤ EM-DAT ਡੇਟਾਬੇਸ ਵਿੱਚ ਹੀ ਫੈਲਣ ਦੀ ਸੰਭਾਵਨਾ ਹੈ, ਜਿਸ ਨਾਲ ਇਹ ਘੱਟ ਵਿਕਸਤ ਅਰਥਚਾਰਿਆਂ ਨਾਲੋਂ ਵਿਕਸਤ ਅਰਥਚਾਰਿਆਂ ਵਿੱਚ ਵਧੇਰੇ ਆਫ਼ਤ ਦੀਆਂ ਘਟਨਾਵਾਂ ਨੂੰ ਹਾਸਲ ਕਰਦਾ ਹੈ। ਇਹ ਸਰਕਾਰਾਂ ਨੂੰ ਡੇਟਾ ਵਿੱਚ ਹੇਰਾਫੇਰੀ ਕਰਨ ਦੀ ਵੀ ਆਗਿਆ ਦਿੰਦਾ ਹੈ। ਜੇਕਰ ਸਰਕਾਰ ਸਿਰਫ ਨੌਂ ਮੌਤਾਂ ਨੂੰ ਸਵੀਕਾਰ ਕਰਦੀ ਹੈ, ਤਾਂ ਘਟਨਾ ਨੂੰ ਸ਼ਾਮਲ ਨਹੀਂ ਕੀਤਾ ਜਾਵੇਗਾ – ਭਾਵੇਂ ਅਸਲੀਅਤ ਵਿੱਚ ਨੌਂ ਤੋਂ ਵੱਧ ਮੌਤਾਂ ਹੋਣ। ਇਹ ਸਰਕਾਰਾਂ ਨੂੰ ਆਪਣੇ ਕੰਮਾਂ ਲਈ ਜਵਾਬਦੇਹੀ ਤੋਂ ਬਚਣ ਦਿੰਦਾ ਹੈ।

ਚੀਨ ਵਿੱਚ 2008 ਵਿੱਚ ਆਏ ਸਿਚੁਆਨ ਭੂਚਾਲ 'ਤੇ ਗੌਰ ਕਰੋ। ਇਸ ਖੇਤਰ ਦੇ ਕਈ ਸਭ ਤੋਂ ਵੱਧ ਪ੍ਰਭਾਵਿਤ ਖੇਤਰ ਗਰੀਬ ਕਾਉਂਟੀਆਂ ਸਨ, ਅਤੇ ਬਹੁਤ ਸਾਰੀਆਂ ਇਮਾਰਤਾਂ ਢਹਿ ਗਈਆਂ ਸਨ। ਅਧਿਕਾਰਤ ਮੌਤਾਂ ਦੀ ਗਿਣਤੀ ਲਗਭਗ 70,000 ਦੱਸੀ ਗਈ ਸੀ, ਜਿਸ ਵਿੱਚ 18,000 ਹੋਰ ਲੋਕ ਅਜੇ ਵੀ ਲਾਪਤਾ ਹਨ । ਮਾਪਿਆਂ, ਕਾਰਕੁਨਾਂ ਅਤੇ ਪੱਤਰਕਾਰਾਂ ਨੇ ਜਿਨ੍ਹਾਂ ਨੇ ਜਵਾਬਦੇਹੀ ਦੀ ਮੰਗ ਕਰਨ ਅਤੇ ਉਸਾਰੀ ਕੋਡਾਂ ਅਤੇ ਇਮਾਰਤਾਂ ਦੇ ਢਹਿਣ ਦੀ ਜਾਂਚ ਕਰਨ ਦੀ ਕੋਸ਼ਿਸ਼ ਕੀਤੀ, ਸੈਂਸਰਸ਼ਿਪ, ਹਿਰਾਸਤ ਅਤੇ ਨਿਗਰਾਨੀ ਦਾ ਨਿਸ਼ਾਨਾ ਸਨ; ਪੂਰੀ ਗਿਣਤੀ ਅਤੇ ਜ਼ਿੰਮੇਵਾਰੀ, ਖਾਸ ਕਰਕੇ ਸਕੂਲ ਢਹਿਣ ਲਈ, ਸੁਤੰਤਰ ਤੌਰ 'ਤੇ ਪੁਸ਼ਟੀ ਕਰਨਾ ਮੁਸ਼ਕਲ ਹੈ।

ਭਾਵੇਂ ਕੋਈ ਘਟਨਾ ਸੀਮਾਵਾਂ ਨੂੰ ਪੂਰਾ ਕਰਦੀ ਹੈ, ਪਰ ਹੋਰ ਜਾਣਕਾਰੀ ਅਧੂਰੀ ਹੋ ਸਕਦੀ ਹੈ। ਆਰਥਿਕ ਨੁਕਸਾਨਾਂ ਬਾਰੇ ਜਾਣਕਾਰੀ ਗੁੰਮ ਹੋਣ ਦਾ ਮੁੱਖ ਸਰੋਤ ਹੈ; ਇਹ 2000 ਤੋਂ 2020 ਤੱਕ ਦਰਜ ਕੀਤੀਆਂ ਗਈਆਂ 80% ਘਟਨਾਵਾਂ ਲਈ ਉਪਲਬਧ ਨਹੀਂ ਹੈ। ਆਰਥਿਕ ਨੁਕਸਾਨਾਂ ਦੀ ਗਣਨਾ ਕਰਨਾ ਔਖਾ ਹੈ ਅਤੇ ਘੱਟ ਅਤੇ ਮੱਧ-ਆਮਦਨ ਵਾਲੇ ਦੇਸ਼ਾਂ ਵਿੱਚ ਬਹੁਤ ਘੱਟ ਹੀ ਪ੍ਰਦਾਨ ਕੀਤਾ ਜਾਂਦਾ ਹੈ। EM-DAT ਵਿੱਚ ਦਰਜ ਅਫਰੀਕੀ ਆਫ਼ਤਾਂ ਵਿੱਚੋਂ ਸਿਰਫ਼ 4% ਵਿੱਚ ਆਰਥਿਕ ਨੁਕਸਾਨ ਦੇ ਅਨੁਮਾਨ ਹਨ।

ਪਰ ਇਹ ਲੋਕਾਂ ਨੂੰ ਸ਼ੈਲਫ ਤੋਂ ਬਾਹਰ ਡੇਟਾ ਦੀ ਵਰਤੋਂ ਕਰਨ ਤੋਂ ਨਹੀਂ ਰੋਕਦਾ। ਬਹੁਤ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਅਤੇ ਵਿਆਪਕ ਤੌਰ 'ਤੇ ਹਵਾਲਾ ਦਿੱਤੇ ਗਏ ਪ੍ਰਕਾਸ਼ਨਾਂ ਦੀ ਵਧਦੀ ਗਿਣਤੀ ਇਸ ਡੇਟਾ ਨੂੰ ਅਨੁਭਵੀ ਅਧਿਐਨਾਂ ਲਈ ਵਰਤਦੀ ਹੈ ਜਿਸ ਵਿੱਚ ਇਸਦੀਆਂ ਸਮੱਸਿਆਵਾਂ ਦੀ ਬਹੁਤ ਸੀਮਤ ਮਾਨਤਾ ਹੈ।

ਜਦੋਂ ਤੁਸੀਂ ਆਫ਼ਤ ਡੇਟਾਬੇਸ ਦੀ ਤੁਲਨਾ ਕਰਦੇ ਹੋ ਤਾਂ ਸੀਮਾਵਾਂ ਦਾ ਪੈਮਾਨਾ ਸਪੱਸ਼ਟ ਹੋ ਜਾਂਦਾ ਹੈ। 1971 ਅਤੇ 2002 ਦੇ ਵਿਚਕਾਰ, EM-DAT ਨੇ ਕੋਲੰਬੀਆ ਵਿੱਚ 97 ਆਫ਼ਤਾਂ ਦਰਜ ਕੀਤੀਆਂ । ਇੱਕ ਹੋਰ ਡੇਟਾਬੇਸ, DesInventar , ਨੇ ਉਸੇ ਸਮੇਂ ਦੌਰਾਨ 19,000 ਤੋਂ ਵੱਧ ਆਫ਼ਤਾਂ ਦਰਜ ਕੀਤੀਆਂ। DesInventar ਵਿੱਚ ਸਥਾਨਕ ਘਟਨਾਵਾਂ ਦਾ ਸਿਰਫ਼ ਇੱਕ ਛੋਟਾ ਜਿਹਾ ਪ੍ਰਤੀਸ਼ਤ ਹੀ EM-DAT ਦੀ ਆਫ਼ਤ ਦੀ ਪਰਿਭਾਸ਼ਾ ਨੂੰ ਪੂਰਾ ਕਰੇਗਾ, ਪਰ ਇਕੱਠੇ ਲੈ ਕੇ, ਕੋਲੰਬੀਆ ਵਿੱਚ "ਛੋਟੀਆਂ" ਘਟਨਾਵਾਂ ਨੇ $1.65 ਬਿਲੀਅਨ ਤੋਂ ਵੱਧ ਦਾ ਨੁਕਸਾਨ ਕੀਤਾ। ਇਹ ਕੋਲੰਬੀਆ ਦੀਆਂ ਸਭ ਤੋਂ ਘਾਤਕ ਆਫ਼ਤਾਂ ਵਿੱਚੋਂ ਇੱਕ, ਨੇਵਾਡੋ ਡੇਲ ਰੁਇਜ਼ ਜਵਾਲਾਮੁਖੀ ਫਟਣ ਕਾਰਨ ਹੋਏ ਆਰਥਿਕ ਨੁਕਸਾਨ ਦਾ ਲਗਭਗ ਸੱਤ ਗੁਣਾ ਹੈ। ਇਕੱਠੇ ਮਿਲ ਕੇ, ਇਹ "ਛੋਟੀਆਂ" ਘਟਨਾਵਾਂ ਇੱਕ ਵੱਡਾ ਪੰਚ ਪੈਕ ਕਰਦੀਆਂ ਹਨ।

DesInventar ਇੱਕ ਵੱਖਰੀ ਕਿਸਮ ਦੇ ਆਫ਼ਤ ਡੇਟਾਬੇਸ ਨੂੰ ਦਰਸਾਉਂਦਾ ਹੈ। ਸ਼ਾਮਲ ਕਰਨ ਲਈ ਖਾਸ ਮਾਪਦੰਡ ਨਿਰਧਾਰਤ ਕਰਨ ਦੀ ਬਜਾਏ, DesInventar ਦੇਸ਼ਾਂ ਨੂੰ ਸੁਤੰਤਰ ਤੌਰ 'ਤੇ ਆਪਣੀਆਂ ਆਫ਼ਤ ਵਸਤੂਆਂ ਬਣਾਉਣ ਦੀ ਆਗਿਆ ਦਿੰਦਾ ਹੈ। ਆਮ ਤੌਰ 'ਤੇ, ਇਸਦਾ ਮਤਲਬ ਹੈ ਕਿ ਇਸ ਵਿੱਚ ਛੋਟੀਆਂ ਆਫ਼ਤ ਘਟਨਾਵਾਂ ਸ਼ਾਮਲ ਹੁੰਦੀਆਂ ਹਨ, ਪਰ ਇਸਦਾ ਮਤਲਬ ਇਹ ਵੀ ਹੈ ਕਿ ਡੇਟਾਬੇਸ ਦੇ ਅੰਦਰ ਸ਼ਾਮਲ ਡੇਟਾ ਦੀ ਗੁਣਵੱਤਾ ਹਰੇਕ ਸਰਕਾਰ ਦੀ ਰਿਕਾਰਡ ਇਕੱਠੇ ਕਰਨ ਅਤੇ ਬਣਾਈ ਰੱਖਣ ਦੀ ਸਮਰੱਥਾ 'ਤੇ ਨਿਰਭਰ ਕਰਦੀ ਹੈ। ਇਹ ਕਾਫ਼ੀ ਵੱਖਰਾ ਹੋ ਸਕਦਾ ਹੈ। ਪੇਰੂ ਇੱਕ ਪ੍ਰਮੁੱਖ ਉਦਾਹਰਣ ਹੈ। ਇਸਦਾ ਡੇਟਾ ਇੱਕ ਸਿੰਗਲ ਸਰੋਤ ਦੀ ਵਰਤੋਂ ਕਰਦਾ ਹੈ – ਅਤੇ ਲੀਮਾ ਦੇ ਨੇੜੇ ਦੀਆਂ ਘਟਨਾਵਾਂ ਦੇਸ਼ ਦੇ ਦੂਰ-ਦੁਰਾਡੇ ਹਿੱਸਿਆਂ ਵਿੱਚ ਹੋਣ ਵਾਲੀਆਂ ਘਟਨਾਵਾਂ ਨਾਲੋਂ ਕਿਤੇ ਬਿਹਤਰ ਢੰਗ ਨਾਲ ਕਵਰ ਕੀਤੀਆਂ ਜਾਂਦੀਆਂ ਹਨ।

ਨਾ ਹੀ ਇਹ ਇੱਕੋ ਇੱਕ ਅੰਤਰ ਹੈ। "ਪ੍ਰਭਾਵਿਤ" ਲੋਕਾਂ ਦੀ ਗਿਣਤੀ ਕਾਫ਼ੀ ਵੱਖਰੀ ਹੋ ਸਕਦੀ ਹੈ। EM-DAT ਪ੍ਰਭਾਵਿਤ ਲੋਕਾਂ ਨੂੰ ਤੁਰੰਤ ਸਹਾਇਤਾ ਦੀ ਲੋੜ ਵਾਲੇ ਵਜੋਂ ਪਰਿਭਾਸ਼ਤ ਕਰਦਾ ਹੈ, ਪਰ ਦੇਸ਼ਾਂ ਦੇ "ਸਹਾਇਤਾ" ਮੰਨੇ ਜਾਣ ਵਾਲੇ ਮਾਪਦੰਡਾਂ ਲਈ ਵੱਖੋ-ਵੱਖਰੇ ਮਾਪਦੰਡ ਹਨ। ਕੁਝ ਵਿੱਚ ਆਫ਼ਤ ਖੇਤਰ ਵਿੱਚ ਰਹਿਣ ਵਾਲੇ ਸਾਰੇ ਸ਼ਾਮਲ ਹੁੰਦੇ ਹਨ; ਦੂਜਿਆਂ ਵਿੱਚ ਸਿਰਫ਼ ਉਹ ਲੋਕ ਸ਼ਾਮਲ ਹੁੰਦੇ ਹਨ ਜਿਨ੍ਹਾਂ ਨੇ ਘਰ ਗੁਆ ਦਿੱਤਾ ਹੈ, ਜਦੋਂ ਕਿ ਦੂਸਰੇ ਸਹਾਇਤਾ ਬੇਨਤੀਆਂ ਨੂੰ ਪੈਰਾਮੀਟਰ ਵਜੋਂ ਗਿਣਦੇ ਹਨ। ਦੇਸ਼ ਰਣਨੀਤਕ ਤੌਰ 'ਤੇ ਇਹ ਵੀ ਚੁਣ ਸਕਦੇ ਹਨ ਕਿ ਕਿਸ ਨੂੰ ਪ੍ਰਭਾਵਿਤ ਮੰਨਿਆ ਜਾਂਦਾ ਹੈ, ਕਿਉਂਕਿ ਅਜਿਹਾ ਡੇਟਾ ਇਹ ਨਿਰਧਾਰਤ ਕਰਨ ਵਿੱਚ ਮਦਦ ਕਰ ਸਕਦਾ ਹੈ ਕਿ ਕੀ ਕੋਈ ਦੇਸ਼ ਜਲਵਾਯੂ ਅਨੁਕੂਲਨ ਵਿੱਤ ਲਈ ਯੋਗ ਹੈ ਜਾਂ ਨਹੀਂ।

ਹੋਰ ਸ਼੍ਰੇਣੀਆਂ ਦੇ ਡੇਟਾ ਹੋਰ ਵੀ ਧੁੰਦਲੇ ਹਨ। ਜਿਵੇਂ ਕਿ ਨੋਟ ਕੀਤਾ ਗਿਆ ਹੈ, ਆਰਥਿਕ ਨੁਕਸਾਨ ਦੇ ਅਨੁਮਾਨ ਅਕਸਰ ਗਾਇਬ ਹੁੰਦੇ ਹਨ ਅਤੇ ਜਿੱਥੇ ਉਹ ਮੌਜੂਦ ਹੁੰਦੇ ਹਨ, ਡੇਟਾ ਸਭ ਤੋਂ ਵਧੀਆ ਤੌਰ 'ਤੇ ਸੰਖੇਪ ਹੁੰਦਾ ਹੈ। EM-DAT ਅਤੇ DesInventar ਵਿਚਕਾਰ ਆਫ਼ਤ ਦੀਆਂ ਘਟਨਾਵਾਂ ਦੀ ਤੁਲਨਾ ਕਰਨ ਵਾਲੇ ਕੁਝ ਅਧਿਐਨਾਂ ਨੇ ਪਾਇਆ ਕਿ ਜ਼ਿਆਦਾਤਰ ਮਾਮਲਿਆਂ ਵਿੱਚ ਨੁਕਸਾਨ ਦੇ ਅੰਕੜੇ 20% ਤੋਂ ਵੱਧ ਵੱਖ ਹੋ ਗਏ ਹਨ।

ਆਫ਼ਤ ਡੇਟਾ ਨੂੰ ਨੀਤੀ ਵਿੱਚ ਬਦਲਣਾ

ਇਹ ਇੱਕ ਅਕਾਦਮਿਕ ਚਿੰਤਾ ਜਾਪ ਸਕਦੀ ਹੈ। ਅਜਿਹਾ ਨਹੀਂ ਹੈ। ਇਹ ਡੇਟਾਬੇਸ ਅਸਲ ਨੀਤੀਗਤ ਫੈਸਲਿਆਂ ਵਿੱਚ ਵਰਤੇ ਜਾਂਦੇ ਹਨ।

ਸੰਯੁਕਤ ਰਾਸ਼ਟਰ ਆਫ਼ਤ ਜੋਖਮ ਘਟਾਉਣ ਦਾ ਦਫ਼ਤਰ ਆਪਣੀਆਂ ਗਲੋਬਲ ਅਸੈਸਮੈਂਟ ਰਿਪੋਰਟਾਂ ਲਈ EM-DAT ਅਤੇ DesInventar ਦੋਵਾਂ ਦੀ ਵਰਤੋਂ ਕਰਦਾ ਹੈ, ਜੋ ਕਿ ਅੰਤਰਰਾਸ਼ਟਰੀ ਆਫ਼ਤ ਨੀਤੀ ਦਾ ਮਾਰਗਦਰਸ਼ਨ ਕਰਨ ਵਾਲੇ ਮੁੱਖ ਪ੍ਰਕਾਸ਼ਨਾਂ ਵਿੱਚੋਂ ਇੱਕ ਹੈ। ਸੰਯੁਕਤ ਰਾਸ਼ਟਰ ਦੇ ਮੈਂਬਰ ਰਾਜ ਸੇਂਡਾਈ ਫਰੇਮਵਰਕ ਮਾਨੀਟਰ ਰਾਹੀਂ ਆਪਣੀ ਪ੍ਰਗਤੀ ਦੀ ਰਿਪੋਰਟ ਵੀ ਕਰਦੇ ਹਨ, ਜੋ ਕਿ ਆਫ਼ਤ ਡੇਟਾਬੇਸ ਨੂੰ ਇਨਪੁਟ ਵਜੋਂ ਵਰਤਦਾ ਹੈ। ਫਿਰ ਇਸਦੀ ਵਰਤੋਂ ਪ੍ਰਗਤੀ ਨੂੰ ਟਰੈਕ ਕਰਨ, ਆਫ਼ਤ-ਜੋਖਮ ਤਰਜੀਹਾਂ ਦੀ ਪਛਾਣ ਕਰਨ, ਜੋਖਮ ਘਟਾਉਣ ਲਈ ਸਰੋਤ ਵੰਡ ਨੂੰ ਮਾਰਗਦਰਸ਼ਨ ਕਰਨ ਅਤੇ ਜਲਵਾਯੂ ਅਨੁਕੂਲਨ ਰਣਨੀਤੀਆਂ ਦੀ ਯੋਜਨਾ ਬਣਾਉਣ ਵਿੱਚ ਮਦਦ ਕਰਨ ਲਈ ਕੀਤੀ ਜਾਂਦੀ ਹੈ।

ਜਲਵਾਯੂ ਵਿੱਤ, ਇੱਕ ਅਜਿਹਾ ਖੇਤਰ ਜਿਸਨੇ 2023 ਵਿੱਚ $1.9 ਟ੍ਰਿਲੀਅਨ ਦੀ ਕਮਾਈ ਕੀਤੀ, ਜਲਵਾਯੂ ਨਾਲ ਸਬੰਧਤ ਆਫ਼ਤ ਜੋਖਮ ਦਾ ਮੁਲਾਂਕਣ ਕਰਨ ਲਈ ਆਫ਼ਤ ਡੇਟਾਬੇਸ ਦੀ ਵਰਤੋਂ ਵੀ ਕਰਦਾ ਹੈ। ਦੇਸ਼ ਅਕਸਰ ਅਨੁਕੂਲਨ ਜਾਂ ਨੁਕਸਾਨ ਲਈ ਫੰਡਿੰਗ ਸਹਾਇਤਾ ਦੀ ਜ਼ਰੂਰਤ 'ਤੇ ਚਰਚਾ ਕਰਨ ਲਈ ਜਰਮਨਵਾਚ ਦੇ ਗਲੋਬਲ ਜਲਵਾਯੂ ਜੋਖਮ ਸੂਚਕਾਂਕ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹਨ। ਜਰਮਨਵਾਚ ਦਾ ਮੌਜੂਦਾ ਸੂਚਕਾਂਕ EM-DAT ਦੀ ਵਰਤੋਂ ਆਪਣੀਆਂ ਸੀਮਾਵਾਂ 'ਤੇ ਕੁਝ ਚੇਤਾਵਨੀਆਂ ਦੇ ਨਾਲ ਕਰਦਾ ਹੈ। ਉਦਾਹਰਣ ਵਜੋਂ, ਇਹ ਨੁਕਸਾਨ ਅਤੇ ਨੁਕਸਾਨ ਵਿਸ਼ਲੇਸ਼ਣ ਆਪਣੀਆਂ ਡੇਟਾ ਸੀਮਾਵਾਂ 'ਤੇ ਚਰਚਾ ਕੀਤੇ ਬਿਨਾਂ ਸੂਚਕਾਂਕ ਦੀ ਵਰਤੋਂ ਕਰਦਾ ਹੈ।

EM-DAT 'ਤੇ ਨਿਰਭਰਤਾ ਗਲੋਬਲ ਕਲਾਈਮੇਟ ਰਿਸਕ ਇੰਡੈਕਸ ਤੋਂ ਪਰੇ ਹੈ ਅਤੇ ਮਨੁੱਖੀ ਫੰਡਿੰਗ ਦੇ ਪ੍ਰਵਾਹ ਨੂੰ ਨਿਰਧਾਰਤ ਕਰਨ ਵਾਲੇ ਸੰਚਾਲਨ ਢਾਂਚਿਆਂ ਵਿੱਚ ਜਾਂਦੀ ਹੈ। INFORM ਰਿਸਕ ਇੰਡੈਕਸ ਆਪਣੇ ਕੁਝ ਖਤਰੇ ਦੇ ਸੂਚਕਾਂ ਲਈ EM-DAT ਦੀ ਵਰਤੋਂ ਕਰਦਾ ਹੈ ਅਤੇ ਇਸਨੂੰ ਸੰਯੁਕਤ ਰਾਸ਼ਟਰ ਦਫਤਰ ਫਾਰ ਦ ਕੋਆਰਡੀਨੇਸ਼ਨ ਆਫ ਹਿਊਮੈਨਿਟੇਰੀਅਨ ਅਫੇਅਰਜ਼, ਯੂਰਪੀਅਨ ਕਮਿਸ਼ਨ ਦੇ ਸਿਵਲ ਪ੍ਰੋਟੈਕਸ਼ਨ ਐਂਡ ਹਿਊਮੈਨਿਟੇਰੀਅਨ ਏਡ ਆਪਰੇਸ਼ਨਜ਼, ਵਰਲਡ ਫੂਡ ਪ੍ਰੋਗਰਾਮ, ਯੂਨਾਈਟਿਡ ਸਟੇਟਸ ਏਜੰਸੀ ਫਾਰ ਇੰਟਰਨੈਸ਼ਨਲ ਡਿਵੈਲਪਮੈਂਟ, ਯੂਐਨ ਸੈਂਟਰਲ ਐਮਰਜੈਂਸੀ ਰਿਸਪਾਂਸ ਫੰਡ ਅਤੇ ਹੋਰ ਬਹੁਤ ਸਾਰੇ ਲੋਕਾਂ ਦੁਆਰਾ ਮਾਨਵਤਾਵਾਦੀ ਸਰੋਤਾਂ ਨੂੰ ਤਰਜੀਹ ਦੇਣ ਅਤੇ ਵੰਡਣ ਵਿੱਚ ਮਦਦ ਕਰਨ ਲਈ ਵਰਤਿਆ ਗਿਆ ਹੈ। EM-DAT ਵਿੱਚ ਗਲਤੀਆਂ ਆਫ਼ਤਾਂ ਨੂੰ ਘੱਟ ਫੰਡ ਦੇ ਸਕਦੀਆਂ ਹਨ। ਇਹ ਉਦੋਂ ਹੋ ਸਕਦਾ ਹੈ ਜੇਕਰ EM-DAT ਵਿੱਚ ਰਿਪੋਰਟ ਕੀਤੇ ਗਏ ਲੋਕਾਂ ਨਾਲੋਂ ਕਿਤੇ ਜ਼ਿਆਦਾ ਲੋਕਾਂ ਦੀ ਮੌਤ ਹੋ ਜਾਵੇ ਕਿਉਂਕਿ ਉਨ੍ਹਾਂ ਦੀਆਂ ਮੌਤਾਂ ਅੰਗਰੇਜ਼ੀ ਵਿੱਚ ਰਿਪੋਰਟ ਨਹੀਂ ਕੀਤੀਆਂ ਗਈਆਂ ਸਨ।

2015 ਵਿੱਚ, ਮਲਾਵੀ ਸਰਕਾਰ ਨੇ ਅਫਰੀਕੀ ਜੋਖਮ ਸਮਰੱਥਾ (ARC) ਰਾਹੀਂ ਸੋਕਾ ਬੀਮੇ ਲਈ $5 ਮਿਲੀਅਨ ਦਾ ਭੁਗਤਾਨ ਕੀਤਾ, ਜੋ ਉਦੋਂ ਭੁਗਤਾਨ ਕਰਦਾ ਹੈ ਜਦੋਂ ਇਸਦੇ ਮਾਡਲ ਦਾ ਅੰਦਾਜ਼ਾ ਹੁੰਦਾ ਹੈ ਕਿ ਸੋਕਾ ਇੱਕ ਦਿੱਤੀ ਗਈ ਹੱਦ ਨੂੰ ਪਾਰ ਕਰ ਗਿਆ ਹੈ। 2016 ਦੇ ਐਲ ਨੀਨੋ ਸੋਕੇ ਤੋਂ ਬਾਅਦ, ਜਿਸਨੇ 6.5 ਮਿਲੀਅਨ ਲੋਕਾਂ ਨੂੰ ਸਹਾਇਤਾ ਦੀ ਲੋੜ ਸੀ, ਮਾਡਲ ਨੇ ਸ਼ੁਰੂ ਵਿੱਚ ਪਾਇਆ ਕਿ ਮੱਕੀ ਦੀ ਕਿਸਮ ਦੇ ਕਿਸਾਨਾਂ ਦੁਆਰਾ ਬੀਜੇ ਗਏ ਬਾਰੇ ਇੱਕ ਗਲਤ ਧਾਰਨਾ ਦੇ ਅਧਾਰ ਤੇ, ਕੋਈ ਭੁਗਤਾਨ ਦੀ ਵਾਰੰਟੀ ਨਹੀਂ ਸੀ। 2017 ਵਿੱਚ ਇੱਕ ਭੁਗਤਾਨ ਕੀਤਾ ਗਿਆ ਸੀ, ਜਿਸ ਸਮੇਂ ਤੱਕ ਜਵਾਬ ਦੀ ਕੀਮਤ ਲਗਭਗ $395 ਮਿਲੀਅਨ ਹੋ ਗਈ ਸੀ।

ਇਮਾਰਤ ਦੀ ਮਜ਼ਬੂਤ ਜ਼ਮੀਨ: ਪੰਜ ਸੁਧਾਰ

ਸਾਨੂੰ ਸਪੱਸ਼ਟ ਤੌਰ 'ਤੇ ਆਫ਼ਤ ਡੇਟਾ ਦੀ ਲੋੜ ਹੈ। EM-DAT ਅਤੇ DesInventar ਵਰਗੇ ਡੇਟਾਬੇਸ ਤੋਂ ਬਿਨਾਂ, ਅਸੀਂ ਆਫ਼ਤਾਂ ਨੂੰ ਸਮਝਣ ਅਤੇ ਉਹਨਾਂ ਦਾ ਜਵਾਬ ਦੇਣ ਦੇ ਯੋਗ ਨਹੀਂ ਹੋਵਾਂਗੇ। ਜਲਵਾਯੂ ਪਰਿਵਰਤਨ ਦਾ ਜਵਾਬ ਦੇਣਾ ਅਤੇ ਭਵਿੱਖ ਦੀਆਂ ਆਫ਼ਤਾਂ ਨੂੰ ਰੋਕਣ ਲਈ ਅਨੁਕੂਲਨ ਰਣਨੀਤੀਆਂ ਦੀ ਯੋਜਨਾ ਬਣਾਉਣਾ ਕਿਤੇ ਜ਼ਿਆਦਾ ਮੁਸ਼ਕਲ ਹੋਵੇਗਾ। ਪਰ ਉਹ ਸੰਪੂਰਨ ਤੋਂ ਬਹੁਤ ਦੂਰ ਹਨ।

ਹਾਲਾਂਕਿ, ਸੁਧਾਰ ਸੰਭਵ ਹੈ। ਦਰਅਸਲ, ਜਿਵੇਂ-ਜਿਵੇਂ ਦੁਨੀਆਂ ਗਰਮ ਹੋ ਰਹੀ ਹੈ, ਅਤੇ ਜਲਵਾਯੂ ਨਾਲ ਸਬੰਧਤ ਆਫ਼ਤਾਂ ਅਕਸਰ ਆਉਂਦੀਆਂ ਹਨ, ਸੁਧਾਰ ਜ਼ਰੂਰੀ ਹੈ।

ਪਹਿਲਾ: ਸਾਨੂੰ ਆਫ਼ਤ ਡੇਟਾਬੇਸ ਨੂੰ ਸੱਚਾਈ ਦੇ ਇੱਕਲੇ ਸਰੋਤ ਵਜੋਂ ਨਹੀਂ ਸਗੋਂ ਇੱਕ ਸਿਸਟਮ ਦੇ ਹਿੱਸੇ ਵਜੋਂ ਮੰਨਣਾ ਸ਼ੁਰੂ ਕਰਨਾ ਚਾਹੀਦਾ ਹੈ। ਹਰੇਕ ਆਫ਼ਤ ਡੇਟਾਬੇਸ ਇੱਕ ਮਾਪਣ ਵਾਲਾ ਸਾਧਨ ਹੈ ਜਿਸ ਵਿੱਚ ਰਿਪੋਰਟ ਕੀਤੀਆਂ ਸੀਮਾਵਾਂ ਹਨ, ਪਰ ਉਹਨਾਂ ਨੂੰ ਇਕੱਠੇ ਵਿਚਾਰਨ ਨਾਲ ਗਲਤੀਆਂ ਸੀਮਤ ਹੋ ਸਕਦੀਆਂ ਹਨ। ਸਰੋਤ ਵੰਡ ਨੂੰ ਵੱਖ-ਵੱਖ ਆਫ਼ਤ ਡੇਟਾਬੇਸਾਂ ਅਤੇ ਸਥਾਨਕ ਆਫ਼ਤ ਵਸਤੂਆਂ ਵਿਚਕਾਰ ਤਿਕੋਣਾ ਕੀਤਾ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ। ਇਹ ਗੁੰਮ ਹੋਏ ਡੇਟਾ ਨੂੰ ਸੀਮਤ ਕਰਨ ਵਿੱਚ ਮਦਦ ਕਰੇਗਾ – ਖਾਸ ਤੌਰ 'ਤੇ ਮਹੱਤਵਪੂਰਨ ਕਿਉਂਕਿ ਛੋਟੀਆਂ, ਆਵਰਤੀ ਘਟਨਾਵਾਂ ਆਫ਼ਤ ਪ੍ਰਭਾਵ ਦਾ ਇੱਕ ਮਹੱਤਵਪੂਰਨ ਹਿੱਸਾ ਦਰਸਾਉਂਦੀਆਂ ਹਨ।

ਦੂਜਾ, ਆਫ਼ਤ ਪ੍ਰਭਾਵ ਨੂੰ ਰੇਂਜਾਂ ਵਿੱਚ ਰਿਪੋਰਟ ਕੀਤਾ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ, ਸਿਰਫ਼ ਇੱਕ ਸੁਰਖੀ ਅੰਕੜੇ ਵਿੱਚ ਨਹੀਂ। ਨੀਤੀ ਨਿਰਮਾਤਾਵਾਂ ਲਈ ਇਸਦੇ ਪਿੱਛੇ ਦੀ ਅਨਿਸ਼ਚਿਤਤਾ ਨੂੰ ਧਿਆਨ ਵਿੱਚ ਰੱਖੇ ਬਿਨਾਂ ਇੱਕ ਸਿੰਗਲ ਨੰਬਰ 'ਤੇ ਧਿਆਨ ਕੇਂਦਰਿਤ ਕਰਨਾ ਬਹੁਤ ਆਸਾਨ ਹੈ। 2015 ਵਿੱਚ, ਆਫ਼ਤ ਜੋਖਮ ਪ੍ਰੋਗਰਾਮ 'ਤੇ ਏਕੀਕ੍ਰਿਤ ਖੋਜ ਨੇ ਸਿਫ਼ਾਰਸ਼ ਕੀਤੀ ਸੀ ਕਿ ਆਫ਼ਤ ਡੇਟਾ ਵਿੱਚ ਗੁਣਵੱਤਾ ਸਕੋਰ ਜਾਂ ਅਨਿਸ਼ਚਿਤਤਾ ਪੱਧਰ ਵਰਗੀ ਭਰੋਸੇਯੋਗਤਾ ਜਾਣਕਾਰੀ ਸ਼ਾਮਲ ਹੋਣੀ ਚਾਹੀਦੀ ਹੈ। ਹਰੀਕੇਨ ਮਾਰੀਆ ਤੋਂ ਸ਼ੁਰੂਆਤੀ ਤੌਰ 'ਤੇ ਰਿਪੋਰਟ ਕੀਤੇ ਗਏ ਮੌਤ ਦਰ ਦੇ ਅੰਕੜੇ ਵਾਧੂ ਮੌਤ ਦਰ ਵਿਸ਼ਲੇਸ਼ਣ ਦੁਆਰਾ ਪੈਦਾ ਕੀਤੇ ਗਏ ਅੰਕੜਿਆਂ ਨਾਲੋਂ 46 ਗੁਣਾ ਘੱਟ ਸਨ। ਇੱਕ ਰਿਪੋਰਟਿੰਗ ਰੇਂਜ ਨੇ ਅੰਤਰ ਨੂੰ ਖਤਮ ਨਹੀਂ ਕੀਤਾ ਹੁੰਦਾ, ਪਰ ਇਹ ਨੀਤੀ ਨਿਰਮਾਤਾਵਾਂ ਨੂੰ ਸੰਕੇਤ ਦੇਵੇਗਾ ਕਿ ਇਹ ਸੰਖਿਆ ਨਿਸ਼ਚਿਤ ਹੋਣ ਦੀ ਬਜਾਏ ਅਸਥਾਈ ਸੀ।

ਤੀਜਾ, ਸਾਨੂੰ ਅਧਿਕਾਰਤ ਗਿਣਤੀਆਂ ਦੀ ਸੁਤੰਤਰ ਤੌਰ 'ਤੇ ਪੁਸ਼ਟੀ ਕਰਨੀ ਚਾਹੀਦੀ ਹੈ। ਸਰਕਾਰਾਂ ਨੂੰ ਹਮੇਸ਼ਾ ਸੱਚ ਦੱਸਣ ਲਈ ਉਤਸ਼ਾਹਿਤ ਨਹੀਂ ਕੀਤਾ ਜਾਂਦਾ, ਅਤੇ ਭਾਵੇਂ ਉਹ ਅਜਿਹਾ ਕਰਨ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰ ਰਹੀਆਂ ਹੋਣ, ਵੱਖ-ਵੱਖ ਮਾਪਦੰਡ ਨੁਕਸਾਨ ਦੇ ਬਹੁਤ ਵੱਖਰੇ ਅਨੁਮਾਨਾਂ ਵੱਲ ਲੈ ਜਾ ਸਕਦੇ ਹਨ। ਕਿਸੇ ਨੁਕਸਾਨੇ ਗਏ ਖੇਤਰ ਵਿੱਚ ਲੋਕਾਂ ਦੀ ਗਿਣਤੀ 'ਤੇ ਨਿਰਭਰ ਕਰਨ ਦੀ ਬਜਾਏ, ਸਾਨੂੰ ਆਫ਼ਤ ਤੋਂ ਬਾਅਦ ਦੇ ਮਿਆਰੀ ਮੈਟ੍ਰਿਕ ਦੇ ਤੌਰ 'ਤੇ ਵਾਧੂ ਮੌਤ ਦਰ 'ਤੇ ਧਿਆਨ ਕੇਂਦਰਿਤ ਕਰਨਾ ਚਾਹੀਦਾ ਹੈ। ਇਹ ਇੱਕ ਸੁਤੰਤਰ ਡੇਟਾ ਪੁਆਇੰਟ ਪ੍ਰਦਾਨ ਕਰੇਗਾ ਜਿਸਦੇ ਵਿਰੁੱਧ ਅਧਿਕਾਰਤ ਅੰਕੜਿਆਂ ਦਾ ਮੁਲਾਂਕਣ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ; ਜੇਕਰ ਕੋਈ ਸਰਕਾਰ ਇੱਕ ਅਜਿਹਾ ਅੰਕੜਾ ਦਿੰਦੀ ਹੈ ਜੋ ਵਾਧੂ ਮੌਤਾਂ ਦੀ ਗਿਣਤੀ ਤੋਂ ਕਈ ਗੁਣਾ ਘੱਟ ਹੈ, ਤਾਂ ਉਹਨਾਂ ਨੂੰ ਜਵਾਬਦੇਹ ਬਣਾਇਆ ਜਾ ਸਕਦਾ ਹੈ।

ਅਸੀਂ ਡੇਟਾ ਨੂੰ ਪ੍ਰਮਾਣਿਤ ਕਰਨ ਲਈ ਸੈਟੇਲਾਈਟ ਇਮੇਜਰੀ ਦੀ ਵਰਤੋਂ ਵੀ ਕਰ ਸਕਦੇ ਹਾਂ। ਇਸਦੀ ਵਰਤੋਂ 2010 ਵਿੱਚ ਹੈਤੀ ਭੂਚਾਲ ਤੋਂ ਬਾਅਦ, ਅਤੇ ਨਾਲ ਹੀ 2023 ਦੇ ਭੂਚਾਲਾਂ ਤੋਂ ਬਾਅਦ ਤੁਰਕੀ ਵਿੱਚ ਬਹੁਤ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਢੰਗ ਨਾਲ ਕੀਤੀ ਗਈ ਸੀ। ਇਹ ਤਕਨਾਲੋਜੀਆਂ ਜ਼ਮੀਨੀ-ਪੱਧਰ ਦੇ ਡੇਟਾ ਸੰਗ੍ਰਹਿ ਦੀ ਥਾਂ ਨਹੀਂ ਲੈ ਸਕਦੀਆਂ, ਕਿਉਂਕਿ ਇਹ ਵਿਅਕਤੀਗਤ ਲੋਕਾਂ ਦੀ ਗਿਣਤੀ ਨਹੀਂ ਕਰ ਸਕਦੀਆਂ। ਹਾਲਾਂਕਿ, ਉਹ ਸੁਤੰਤਰ ਵਿਸ਼ਲੇਸ਼ਣ ਦਾ ਇੱਕ ਰੂਪ ਪ੍ਰਦਾਨ ਕਰਦੇ ਹਨ ਜਿਸਦੀ ਵਰਤੋਂ ਆਫ਼ਤ ਡੇਟਾਬੇਸ ਵਿੱਚ ਦਾਖਲ ਹੋਣ ਵਾਲੇ ਹੋਰ ਅੰਕੜਿਆਂ ਦੇ ਮੁਕਾਬਲੇ ਤੁਲਨਾ ਕਰਨ ਲਈ ਕੀਤੀ ਜਾ ਸਕਦੀ ਹੈ। ਇਹ ਖਾਸ ਤੌਰ 'ਤੇ ਕਮਜ਼ੋਰ ਡੇਟਾ ਸੰਗ੍ਰਹਿ ਜਾਂ ਰਿਪੋਰਟਿੰਗ ਬੁਨਿਆਦੀ ਢਾਂਚੇ ਵਾਲੇ ਸੰਦਰਭਾਂ ਵਿੱਚ ਲਾਭਦਾਇਕ ਹੈ; ਹੈਤੀ ਵਰਗੇ ਦੇਸ਼ਾਂ ਵਿੱਚ, ਘਰ-ਘਰ ਜਾ ਕੇ ਡੇਟਾ ਇਕੱਠਾ ਕਰਨਾ ਲਗਭਗ ਅਸੰਭਵ ਹੋ ਸਕਦਾ ਹੈ।

ਚੌਥਾ ਹੱਲ ਇਸ ਦੇ ਨਾਲ ਹੀ ਜਾਂਦਾ ਹੈ। ਸਾਨੂੰ ਸਥਾਨਕ ਡੇਟਾ ਪ੍ਰਣਾਲੀਆਂ ਨੂੰ ਵੀ ਬਿਹਤਰ ਢੰਗ ਨਾਲ ਫੰਡ ਦੇਣਾ ਚਾਹੀਦਾ ਹੈ। ਕਈ ਦੇਸ਼ਾਂ ਨੇ ਆਪਣੇ ਆਫ਼ਤ ਨੁਕਸਾਨ ਦੇ ਲੇਖਾ-ਜੋਖਾ ਲਈ DesInventar-ਅਧਾਰਤ ਪ੍ਰਣਾਲੀਆਂ ਨੂੰ ਅਪਣਾਇਆ ਹੈ, ਪਰ ਇਹਨਾਂ ਪ੍ਰਣਾਲੀਆਂ ਨੂੰ ਬਣਾਈ ਰੱਖਣ ਲਈ ਕੁਝ ਪ੍ਰੋਤਸਾਹਨ ਹਨ। ਹਰ ਸਾਲ, ਸਰਕਾਰਾਂ ਨੂੰ ਕਰਮਚਾਰੀਆਂ ਨੂੰ ਸਿਖਲਾਈ ਦੇਣ, ਡੇਟਾ ਨੂੰ ਪ੍ਰਮਾਣਿਤ ਕਰਨ ਅਤੇ ਇਹ ਪੁਸ਼ਟੀ ਕਰਨ ਦੀ ਜ਼ਰੂਰਤ ਹੁੰਦੀ ਹੈ ਕਿ ਆਪਸ ਵਿੱਚ ਜੁੜੇ ਸਿਸਟਮ ਅਸਲ ਵਿੱਚ ਇਕੱਠੇ ਕੰਮ ਕਰਦੇ ਹਨ। ਇਹਨਾਂ ਵਿੱਚੋਂ ਹਰ ਇੱਕ ਲਈ ਪੈਸਾ ਖਰਚ ਹੁੰਦਾ ਹੈ, ਅਤੇ ਕੁਝ ਵੀ ਆਪਣੇ ਆਪ ਨਹੀਂ ਹੁੰਦਾ; ਅੰਤਰਰਾਸ਼ਟਰੀ ਸੰਗਠਨਾਂ ਨੂੰ ਜਿੱਥੇ ਵੀ ਸੰਭਵ ਹੋਵੇ ਇਸਦਾ ਸਮਰਥਨ ਕਰਨਾ ਚਾਹੀਦਾ ਹੈ।

ਪੰਜਵਾਂ, ਡੇਟਾ ਦੀਆਂ ਸੀਮਾਵਾਂ ਨੂੰ ਦ੍ਰਿਸ਼ਮਾਨ ਬਣਾਓ। ਕਿਸੇ ਵੀ ਨੀਤੀ ਦਸਤਾਵੇਜ਼ ਨੂੰ ਬਿਨਾਂ ਕਿਸੇ ਚੇਤਾਵਨੀ ਦੇ ਆਫ਼ਤ ਡੇਟਾ ਦੀ ਵਰਤੋਂ ਨਹੀਂ ਕਰਨੀ ਚਾਹੀਦੀ। ਹਰੇਕ ਆਫ਼ਤ ਡੇਟਾਬੇਸ ਆਪਣੇ ਪੱਖਪਾਤਾਂ ਨਾਲ ਆਉਂਦਾ ਹੈ; ਕੋਈ ਵੀ ਸੰਪੂਰਨ ਨਹੀਂ ਹੁੰਦਾ। ਚੇਤਾਵਨੀਆਂ ਤੋਂ ਬਿਨਾਂ, ਨੀਤੀ ਨਿਰਮਾਤਾ ਉਨ੍ਹਾਂ ਪੱਖਪਾਤਾਂ 'ਤੇ ਵਿਚਾਰ ਕੀਤੇ ਬਿਨਾਂ ਡੇਟਾ ਨੂੰ ਸ਼ੈਲਫ ਤੋਂ ਬਾਹਰ ਲੈ ਜਾ ਸਕਦੇ ਹਨ। ਹਰੇਕ ਰਿਪੋਰਟ ਜੋ ਆਫ਼ਤ ਡੇਟਾ ਦਾ ਹਵਾਲਾ ਦਿੰਦੀ ਹੈ, ਵਿੱਚ SDG ਨਿਗਰਾਨੀ ਮੈਟਾਡੇਟਾ , INFORM ਦਾ ਭਰੋਸੇਯੋਗਤਾ ਸਕੋਰ ਅਤੇ ਜਲਵਾਯੂ ਵਿਸ਼ਲੇਸ਼ਣ ਦੇ ਨੁਕਸਾਨ ਅਤੇ ਨੁਕਸਾਨ ਬਾਰੇ ਬ੍ਰੀਫਿੰਗ ਵਰਗੀ ਸਮੱਗਰੀ ਸ਼ਾਮਲ ਹੋਣੀ ਚਾਹੀਦੀ ਹੈ ਤਾਂ ਜੋ ਪਾਠਕ ਨੂੰ ਡੇਟਾ ਭਰੋਸੇਯੋਗਤਾ ਬਾਰੇ ਸੰਦਰਭ ਪ੍ਰਦਾਨ ਕੀਤਾ ਜਾ ਸਕੇ।

ਕੋਈ ਵੀ ਸਿਸਟਮ ਸੰਪੂਰਨ ਨਹੀਂ ਹੁੰਦਾ, ਅਤੇ ਆਫ਼ਤਾਂ ਦੇ ਪ੍ਰਭਾਵਾਂ ਦਾ ਲੇਖਾ-ਜੋਖਾ ਕਰਨ ਲਈ ਬਣਾਏ ਗਏ ਸਿਸਟਮ, ਜਿਸ ਵਿੱਚ ਕੌਣ ਪ੍ਰਭਾਵਿਤ ਹੋਇਆ, ਮਨੁੱਖੀ ਨੁਕਸਾਨ ਦਾ ਆਕਾਰ ਅਤੇ ਆਰਥਿਕ ਲਾਗਤ ਸ਼ਾਮਲ ਹੈ, ਹਮੇਸ਼ਾ ਅੰਦਰੂਨੀ ਧਾਰਨਾਵਾਂ, ਰਾਜਨੀਤਿਕ ਦਬਾਅ ਅਤੇ ਸੰਸਥਾਗਤ ਸੀਮਾਵਾਂ ਨੂੰ ਲੈ ਕੇ ਜਾਣਗੇ। ਪਰ ਅਸੀਂ ਮੌਜੂਦਾ ਸਿਸਟਮ ਨਾਲੋਂ ਬਿਹਤਰ ਕਰ ਸਕਦੇ ਹਾਂ, ਖਾਸ ਕਰਕੇ ਕਿਉਂਕਿ ਜਲਵਾਯੂ ਪਰਿਵਰਤਨ ਕਾਰਨ ਕੁਦਰਤੀ ਆਫ਼ਤਾਂ ਦੀ ਬਾਰੰਬਾਰਤਾ ਵਧਦੀ ਹੈ। ਰੋਕਥਾਮਯੋਗ ਗਲਤੀਆਂ ਮੌਤਾਂ ਦੀ ਗਿਣਤੀ ਦੇ ਨਾਲ ਆਉਣਗੀਆਂ, ਅਤੇ ਇਸ ਸਮੇਂ, ਆਫ਼ਤ ਡੇਟਾਬੇਸ ਇਸ ਸਮੇਂ ਜੋ ਰਿਪੋਰਟ ਕੀਤਾ ਗਿਆ ਹੈ ਉਸਨੂੰ ਮਾਇਨੇ ਰੱਖਦਾ ਹੈ, ਨੂੰ ਗਲਤ ਸਮਝਣ ਦਾ ਜੋਖਮ ਰੱਖਦੇ ਹਨ।

ਮੈਥੀਅਸ ਡੀ ਸੂਜ਼ਾ ਡੇਲਾਵੇਅਰ ਯੂਨੀਵਰਸਿਟੀ ਵਿੱਚ ਆਫ਼ਤ ਵਿਗਿਆਨ ਅਤੇ ਪ੍ਰਬੰਧਨ ਵਿੱਚ ਪੀਐਚਡੀ ਦਾ ਵਿਦਿਆਰਥੀ ਹੈ ਅਤੇ ਉਸਨੇ ਵੱਖ-ਵੱਖ ਮਾਨਵਤਾਵਾਦੀ ਸੰਗਠਨਾਂ ਜਿਵੇਂ ਕਿ ਸੰਯੁਕਤ ਰਾਸ਼ਟਰ ਸ਼ਰਨਾਰਥੀਆਂ ਲਈ ਹਾਈ ਕਮਿਸ਼ਨਰ ਅਤੇ ਨਾਰਵੇਈਅਨ ਸ਼ਰਨਾਰਥੀ ਕੌਂਸਲ ਨਾਲ ਕੰਮ ਕੀਤਾ ਹੈ। ਉਹ ਆਫ਼ਤਾਂ ਦੇ ਕਈ ਪਹਿਲੂਆਂ ਦਾ ਅਧਿਐਨ ਕਰਦਾ ਹੈ, ਜਿਸ ਵਿੱਚ ਅੰਤਰ-ਸੰਗਠਨ ਤਾਲਮੇਲ 'ਤੇ ਧਿਆਨ ਕੇਂਦਰਿਤ ਕੀਤਾ ਜਾਂਦਾ ਹੈ।

ਜੇਕਰ ਇਸ ਲੇਖ 'ਤੇ ਤੁਹਾਡੀਆਂ ਟਿੱਪਣੀਆਂ ਹਨ, ਜਾਂ ਚਰਚਾ ਵਿੱਚ ਯੋਗਦਾਨ ਪਾਉਣਾ ਚਾਹੁੰਦੇ ਹੋ, ਤਾਂ ਕਿਰਪਾ ਕਰਕੇ ਉਹਨਾਂ ਨੂੰ letters@indevelopmentmag.com 'ਤੇ ਈਮੇਲ ਕਰੋ। ਜਵਾਬ ਇੱਕ ਅੱਖਰ ਭਾਗ ਵਿੱਚ ਪ੍ਰਦਰਸ਼ਿਤ ਕੀਤੇ ਜਾਣਗੇ।