காலநிலை அறிவியல் தரவுப் புரட்சியில் உள்ளது—மற்றும் பல்வேறு அலைநீள கேமராக்கள் இதன் முன்னணி பகுதியில் உள்ளன. பாரம்பரிய RGB கேமராக்கள்அவை காட்சி ஒளியை மட்டுமே பிடிக்கும், இந்த முன்னணி சாதனங்கள் மின்காந்த ஸ்பெக்ட்ரம் முழுவதும் (உள்ளூர் கதிர்வீச்சு முதல் குறுகிய அலை இன்ஃபிரேட்) அலைநீளங்களை கண்டறிகின்றன, மனித கண்களுக்கு தெரியாத முறைமைகளை வெளிப்படுத்துகின்றன. காலநிலை ஆராய்ச்சியாளர்களுக்கு, இது மேற்பரப்பில் உள்ள கவனிப்புகளை மீறி, இயக்கம், தொடர்புடைய அமைப்புகளை அளவிடுவதைக் குறிக்கிறது: பர்மாஃபிராஸ்டில் மெதேன் கசிவுகள் முதல் கடல்களில் கார்பன் சேமிப்பு வரை. இந்த வலைப்பதிவில், பல்வேறு ஸ்பெக்ட்ரல் தொழில்நுட்பம் நீண்ட கால காலநிலை தரவுப் பிணக்குகளை எவ்வாறு சமாளிக்கிறது, அதன் மிகச் சிந்தனையுள்ள பயன்பாடுகள் மற்றும் சரியான காலநிலை மாதிரியாக்கம் மற்றும் குறைப்பதற்காக ஏன் இது தவிர்க்க முடியாததாக மாறுகிறது என்பதைக் கண்டுபிடிப்போம். பல்வேறு அலைநீள கேமராவின் வளர்ச்சி: செயற்கைக்கோள்களிலிருந்து எடுத்துக்கொள்ளக்கூடிய சென்சார்கள் வரை
ஒரு தசாப்தத்திற்கு முன், பல்வேறு அலைநீள தரவுகள் பெரும்பாலும் விலையுயர்ந்த செயற்கைக்கோள் மிஷன்களுக்கு மட்டுமே கட்டுப்படுத்தப்பட்டிருந்தன (எடுத்துக்காட்டாக, NASA-வின் Landsat அல்லது ESA-வின் Sentinel). இந்த சுற்றுலா செயற்கைக்கோள்கள் உலகளாவிய கவர்ச்சியை வழங்கின, ஆனால் இரண்டு முக்கிய வரம்புகளை சந்தித்தன: குறைந்த கால அடிப்படையில் தீர்வு (ஒரே பகுதியை 5–16 நாட்களுக்கு ஒருமுறை மீண்டும் பார்வையிடுதல்) மற்றும் மைக்ரோ அளவிலான மாற்றங்களை பிடிக்க முடியாதது. இன்று, தொழில்நுட்ப முன்னேற்றங்கள் அணுகுமுறையை ஜனநாயகமாக்கியுள்ளன: எளிதாகக் கொண்டு செல்லக்கூடிய ட்ரோன்கள், நில அடிப்படையிலான சென்சார்கள், மற்றும் கூடுதல் சிறிய செயற்கைக்கோள் கூட்டங்கள் இப்போது குறைந்த செலவில் உயர் தீர்வு, நேரடி பல்வேறு அலைநீள தரவுகளை வழங்குகின்றன.
இந்த மாற்றத்தை இயக்கும் முக்கிய புதுமைகள்:
• சிறிய அளவாக்கம்: நவீன பல்வேறு அலைநீள கேமராக்கள் 100 கிராம் வரை எடையுள்ளது (பழைய அமைப்புகளுக்கு 10+ கிலோகிராம் ஒப்பிடுகையில்), இது சிறிய ட்ரோன்கள் அல்லது வானிலை புயல்களில் பயன்படுத்துவதற்கு அனுமதிக்கிறது.
• குறைந்த மின்சார பயன்பாடு: CMOS சென்சார்களிலும் எட்ஜ் கணினியிலும் முன்னேற்றங்கள், சாதனங்களை சூரிய சக்தியில் வாரங்களுக்கு செயல்படுத்த அனுமதிக்கின்றன—அர்க்டிக் அல்லது அமேசான் போன்ற தொலைவிலுள்ள பகுதிகளுக்கு முக்கியமானது.
• ஹைப்பர்ஸ்பெக்ட்ரல் ஒருங்கிணைப்பு: பல புதிய மாதிரிகள் "நரோபேண்ட்" திறன்களை (பாரம்பரிய பல்வேறு ஸ்பெக்ட்ரல் கேமராவில் 4–6 க்கு மாறாக 50+ ஸ்பெக்ட்ரல் பாண்டுகளைப் பிடிக்கும்) வழங்குகின்றன, இது சூழல் மாற்றங்களுக்கான துல்லியத்தை மேம்படுத்துகிறது.
காலநிலை விஞ்ஞானிகளுக்கு, இந்த வளர்ச்சி "பிராட்-பிரஷ்" உலகளாவிய தரவுகளை "கிரானுலர்" உள்ளூர் உள்ளடக்கங்களுக்கு மாற்றுவதைக் குறிக்கிறது—மைக்ரோ-காலநிலை மாதிரிகள் மற்றும் நிலத்தில் உள்ள உண்மையின் இடைவெளியை மூடுகிறது.
புதிய காலநிலை அறிவியல் பயன்பாடுகள்: தெளிவானவற்றுக்கு அப்பால்
பல்வேறு ஸ்பெக்ட்ரல் கேமராக்கள் மரக்கறி கண்காணிப்பு மற்றும் ஐஸ் தட்டின் வரைபடம் உருவாக்குவதற்காக பரவலாகப் பயன்படுத்தப்படுவதற்குப் போதுமானது, ஆனால் அவற்றின் மிகுந்த தாக்கம் குறைவாக அறியப்பட்ட, உயர்ந்த ஆபத்தான பகுதிகளில் உள்ளது. கீழே நான்கு விளையாட்டு மாற்றும் பயன்பாடுகள் உள்ளன:
1. பெர்மாஃப்ராஸ்ட் மெத்தேன் வெளியீட்டு கண்டறிதல்
பர்மாஃப்ராஸ்ட் உருகுதல் என்பது காலநிலை அறிவியலின் மிகப்பெரிய அசாதாரணங்களுள் ஒன்றாகும்: ஆர்க்டிக் மண் வெப்பமாகும் போது, அவை மெதேன் என்ற காற்று மாசுபாட்டை வெளியேற்றுகின்றன - இது 100 ஆண்டுகளில் CO2 க்கும் 28 மடங்கு அதிகமான ஒரு காற்று மாசுபாடு. பாரம்பரிய மெதேன் சென்சார்கள் விலையுயர்ந்தவை மற்றும் நிலையானவை, இதனால் பெரிய அளவிலான கண்காணிப்பு செயல்படுத்த முடியாது. பல்வேறு ஸ்பெக்ட்ரல் கேமராக்கள், எனினும், குறுகிய அலை இன்ஃப்ராரெட் (SWIR) பாண்டில் மெதனின் தனித்துவமான உறிஞ்சல் கையொப்பத்தை கண்டறிய முடியும்.
2023-ல், அலாஸ்கா பல்கலைக்கழகத்தின் ஒரு குழு, 500 km² வடக்கு சோல்ப் பகுதியில் மெத்தேன் ஊட்டங்களை வரைபடம் செய்ய ட்ரோன்-மூட்டப்பட்ட பல்வேறு-சிறப்புக்கருவிகள் பயன்படுத்தியது. இந்த கேமராக்கள் நில அடிப்படையிலான சென்சார்களைவிட 3 மடங்கு அதிகமான வெளியீட்டு ஹாட்ஸ்பாட்களை அடையாளம் கண்டன, இது மெத்தேன் கசிவுகள் ஆற்றின் கரைகளுக்கு அருகில் மையமாக இருந்தன என்பதை வெளிப்படுத்தியது—முந்தையதாக உயர்ந்த ஆபத்து மண்டலங்களாக அடையாளம் காணப்படவில்லை. இந்த தரவுகள் தற்போது உலகளாவிய காலநிலை மாதிரிகளில் ஒருங்கிணைக்கப்பட்டுள்ளது, ஆர்க்டிக் மெத்தேன் வெளியீட்டின் கணிப்புகளை 15–20% வரை மேம்படுத்துகிறது.
2. கடல் கார்பன் கிணறு அளவீடு
மக்கள் உருவாக்கிய CO2 இல் 25% ஐ கடல்கள் உறிஞ்சுகின்றன, ஆனால் இந்த "கார்பன் சிங்க்" ஐ சரியாக அளவிடுவது நீண்ட காலமாக ஒரு சவால் ஆகும். பல்வேறு அலைநீளக் கேமரா கள் இதை கடற்கரை மற்றும் திறந்த கடல்களில் குளோரோபில் ஒளிபுகுத்தல் (பைட்டோபிளாங்க்டன் உயிரணுக்கான மாற்று) மற்றும் கரைந்த காரிகை பொருட்களை (DOM) கண்டறிந்து தீர்க்கின்றன.
பைட்டோபிளாங்க்டன் கடல் உணவுக் கயிற்றின் அடிப்படையாக இருக்கின்றன மற்றும் கார்பன் சேகரிப்பில் முக்கிய பங்கு வகிக்கின்றன: அவை புகைப்படசெயல்பாட்டின் போது CO2 ஐ உறிஞ்சுகின்றன மற்றும் அவை இறந்த பிறகு அதை கடலின் அடிக்கே கொண்டு செல்கின்றன. பைட்டோபிளாங்க்டன் பூம்களை பல்வேறு ஸ்பெக்ட்ரல் தரவுகளுடன் வரைபடம் வரைந்தால், ஆராய்ச்சியாளர்கள் எவ்வளவு கார்பன் நேரடி நேரத்தில் சேகரிக்கப்படுகிறதென்று அளவிடலாம். எடுத்துக்காட்டாக, 2024 இல் பால்டிக் கடலில் நடைபெற்ற ஒரு ஆய்வு, ட்ரோன் மற்றும் செயற்கைக்கோள் பல்வேறு ஸ்பெக்ட்ரல் தரவுகளைப் பயன்படுத்தி, கடற்கரை பைட்டோபிளாங்க்டன் முந்தைய மதிப்பீட்டுக்கு மாறாக 30% அதிகமான கார்பனைச் சேகரிக்கின்றன என்பதை காட்டியது—காலநிலை குறைப்புக்கு கடற்கரை சூழல்களை பாதுகாப்பது முக்கியமானது என்பதை வலியுறுத்துகிறது.
3. நகர வெப்ப தீவு (UHI) குறைப்பு
நகரங்கள் உலகளாவிய CO2 வெளியீட்டின் 75%க்கு பொறுப்பானவை மற்றும் நகர வெப்ப தீவிரங்களால் (UHIs) அதிகரிக்கப்பட்ட வெப்பத்தை எதிர்கொள்கின்றன—கான்கிரீட் மற்றும் அச்பால்ட் வெப்பத்தை உறிஞ்சும் பகுதிகள், கிராமப்புற பகுதிகளுடன் ஒப்பிடும்போது 2–8°C வெப்பநிலையை உயர்த்துகின்றன. பல்வேறு அலைநீள கேமராக்கள் நகர திட்டமிடுபவர்களுக்கு UHIs-ஐ எதிர்கொள்ள உதவுகின்றன, இது மேற்பரப்பின் வெப்பநிலை, செடிகள் மூடிய மற்றும் அல்பிடோ (திரிப்தி) ஆகியவற்றை தெருவின் அளவீட்டில் வரைபடமாக்குகிறது.
சிங்கப்பூரில், அரசு 50 நில அடிப்படையிலான மற்றும் ட்ரோன் மவுண்ட் செய்யப்பட்ட பல்வேறு ஸ்பெக்ட்ரல் கேமராக்களை நகரத்தின் முழுவதும் UHI களை வரைபடம் செய்யப் பயன்படுத்தியது. தரவுகள், தாவரங்களால் மூடிய பகுதிகள் 30% க்கும் அதிகமான பசுமை உள்ள பகுதிகளை விட 4°C அதிகமாக இருந்தன என்பதை வெளிப்படுத்தியது. இந்த தகவல்களை பயன்படுத்தி, திட்டமிடுபவர்கள் உள்ளூர் வெப்பநிலைகளை 1.5°C குறைக்க, உள்ளூர் ஆபத்தான பகுதிகளில் உள்ளூர் மரங்களை நடுவது மற்றும் பிரதிபலிக்கும் கூரைகளை நிறுவுவது ஆகியவற்றுக்கு முன்னுரிமை அளித்தனர் - இது இரண்டு ஆண்டுகளில் மட்டுமே நடந்தது. இந்த அணுகுமுறை தற்போது டோக்கியோ மற்றும் ரியோ டி ஜெனீரோ போன்ற நகரங்களில் ஏற்கப்படுகிறது, பல்வேறு ஸ்பெக்ட்ரல் தரவுகள் எப்படி காலநிலை அறிவியலை செயல்படுத்தக்கூடிய நகர்ப்புற கொள்கையாக மாற்ற முடியும் என்பதைக் காட்டுகிறது.
4. காலநிலை மாற்றத்தின் கீழ் பயிர் விளைச்சல் மற்றும் உணவு பாதுகாப்பு
காலநிலை மாற்றம் உலகளாவிய விவசாயத்தை பாதிக்கிறது: கடுமையான வெப்பம், உலர்ச்சி மற்றும் வெள்ளம் பாதிக்கப்படும் பகுதிகளில் பயிர் விளைவுகளை 10–25% குறைக்கிறது. பல்வேறு அலைநீளங்களில் உள்ள கேமராக்கள் "துல்லியமான விவசாயம்"—பயிர்களின் ஆரோக்கியம், நீர் அழுத்தம் மற்றும் ஊட்டச்சத்து குறைபாடு போன்றவற்றை கண்ணுக்கு தெரியும்முன் கண்காணிக்க உதவுகிறது—விவசாயிகளுக்கு மாறும் சூழ்நிலைகளுக்கு ஏற்ப அடிமையாக உதவுகிறது.
கென்யாவின் மக்காச்சோள வளர்க்கும் பகுதிகளில், சிறு விவசாயிகள் தற்போது ஸ்மார்ட்போன்களில் மவுன்ட் செய்யப்பட்ட குறைந்த செலவுள்ள பல்வேறு ஸ்பெக்ட்ரல் சென்சார்களை (200–500 என்ற விலையில் கிடைக்கும்) பயன்படுத்தி தங்கள் பயிர்களை கண்காணிக்கிறார்கள். சென்சார்கள் நீரின் அழுத்தத்தை கண்டறிவதற்காக நெருங்கிய இன்ஃப்ராரெட் (NIR) பாண்டில் பிரதிபலிப்பு அளவீடு செய்கின்றன: பயிர்கள் அழுத்தத்தில் இருக்கும் போது, அவற்றின் இலைகள் மடிந்து, NIR பிரதிபலிப்பு அதிகரிக்கிறது. விவசாயிகள் நீர் வழங்க அல்லது உரங்களை சரிசெய்ய நேரடி எச்சரிக்கைகளை பெறுகிறார்கள், இது பனிக்காலங்களில் 20–30% பயிர் விளைவுகளை அதிகரிக்கிறது. காலநிலை விஞ்ஞானிகளுக்கு, இந்த தரவுகள் பயிர்கள் காலநிலை மாற்றத்திற்கு எப்படி ஏற்படுகிறதென உலகளாவிய கண்ணோட்டத்தை வழங்குகிறது—எதிர்கால உணவுப் பாதுகாப்பை மாதிரியாக்குவதற்கும் விவசாய கொள்கையை வழிநடத்துவதற்கும் முக்கியமானது.
பல்வேறு அலைநீளங்களில் உள்ள கேமராக்கள் காலநிலை அறிவியலுக்கு விளையாட்டு மாற்றுபவர்
காலநிலை ஆராய்ச்சியாளர்கள் மற்றும் அமைப்புகளுக்கு, பல்வேறு அலைநீள தொழில்நுட்பத்தை ஏற்றுக்கொள்வது சிறந்த தரவுகளைப் பெறுவதற்காக மட்டுமல்ல; அது காலநிலை மாதிரிகளின் துல்லியம் மற்றும் நம்பகத்தன்மையை மேம்படுத்துவதற்காகவும் ஆகிறது. இது அறிவியல் மற்றும் உண்மையான உலக விளைவுகளுக்காக ஏன் முக்கியம் என்பதைப் பாருங்கள்:
• அறிவியல் உறுதிமொழியை குறைத்தல்: காலநிலை மாதிரிகள் எதிர்கால வெப்பத்தை கணிக்க சரியான உள்ளீட்டு தரவுகளை நம்பிக்கையுடன் சார்ந்துள்ளன. பல்வேறு அலைநீளங்களில் உள்ள கேமராக்கள் பாரம்பரிய தரவுகளில் உள்ள இடைவெளிகளை நிரப்புகின்றன (எ.கா., மைக்ரோ அளவிலான மெத்தேன் கசிவுகள், நகர்ப்புற வெப்ப மாதிரிகள்), மாதிரி உறுதிமொழியை 30% வரை குறைக்கிறது (IPCC இன் 2023 அறிக்கையின் படி).
• உண்மையான நேரத்தில் முடிவெடுத்தல்: செயற்கைக்கோள் தரவுகள் செயலாக்கத்திற்கு வாரங்கள் எடுக்கக்கூடியதாக இருக்கும் போது, மொத்தம் பல்வேறு ஸ்பெக்ட்ரல் கேமராக்கள் உடனடி உள்ளடக்கங்களை வழங்குகின்றன—காலநிலை நெருக்கடிகளுக்கு (எ.கா., காட்டுத்தீ, வெள்ளம்) விரைவு பதிலளிக்கவும் மற்றும் குறைப்புத் திட்டங்களை விரைவாக செயல்படுத்தவும் உதவுகின்றன.
• செலவின்மை: பல்வேறு ஸ்பெக்ட்ரல் சென்சார்கள் மலிவான மற்றும் எளிதில் கிடைக்கக்கூடியதாக மாறுவதால், அவை நிதி ஆதரவு இல்லாத அமைப்புகள், உள்ளூர் அரசு மற்றும் சிறிய விவசாயிகளை காலநிலை கண்காணிப்பில் பங்கேற்க ஊக்குவிக்கின்றன—காலநிலை அறிவியலை கல்வி மற்றும் பெரிய நிறுவனங்களைத் தாண்டி ஜனநாயகமாக்குகிறது.
சவால்கள் மற்றும் எதிர்கால திசைகள்
பல்வேறு ஸ்பெக்ட்ரல் கேமராக்கள் மிகுந்த வாய்ப்புகளை வழங்கினாலும், பரவலான ஏற்றத்திற்கான இன்னும் தடைகள் உள்ளன:
• தரவுப் பாணி ஒருங்கிணைப்பு: வெவ்வேறு உற்பத்தியாளர்கள் மாறுபட்ட ஸ்பெக்ட்ரல் பாணிகள் மற்றும் அளவீட்டு முறைகளைப் பயன்படுத்துவதால், பிராந்தியங்களுக்கு இடையே தரவுகளை ஒப்பிடுவது கடினமாகிறது. உலகளாவிய காலநிலை சமுதாயம் இதற்கு தீர்வு காண திறந்த மூல தரவுப் பாணிகளை (எ.கா., பல்வேறு ஸ்பெக்ட்ரல் தரவுக் கூட்டமைப்பு) உருவாக்க வேலை செய்கிறது.
• திறன் குறைபாடுகள்: பல ஆராய்ச்சியாளர்கள் மற்றும் நடைமுறை நிபுணர்கள் பல்வேறு ஸ்பெக்ட்ரல் தரவுகளை பகுப்பாய்வு செய்ய பயிற்சியை இழக்கிறார்கள். ஆன்லைன் பாடங்கள் மற்றும் கருவிகள் (எடுத்துக்காட்டாக, கூகிள் எர்த் என்ஜின்-இன் பல்வேறு ஸ்பெக்ட்ரல் பகுப்பாய்வு மாடுல்கள்) இந்த குறையை மூட உதவுகின்றன.
• தொலைதூரப் பயன்பாட்டிற்கான பேட்டரி ஆயுள்: அண்டார்டிகில் போன்ற கடுமையான சூழ்நிலைகளில், பேட்டரி ஆயுள் ஒரு கட்டுப்பாடு ஆகவே உள்ளது. சூரிய சக்தியால் இயக்கப்படும் சென்சார்கள் மற்றும் குறைந்த ஆற்றல் செயலாக்கத்தில் புதிய கண்டுபிடிப்புகள் இதனை சமாளிக்கின்றன.
எதிர்காலத்தை நோக்கி, காலநிலை அறிவியலில் பல்வேறு ஸ்பெக்ட்ரல் கேமராவின் எதிர்காலம் பிரகாசமாக உள்ளது. உருவாகும் போக்குகள்:
• AI மற்றும் இயந்திரக் கற்றல் ஒருங்கிணைப்பு: AI அல்காரிதங்கள் தரவுப் பகுப்பாய்வை தானாகவே செய்யும், பல மில்லியன் பல்வேறு ஸ்பெக்ட்ரல் படங்களிலிருந்து நேரடி உள்ளடக்கங்களை வழங்கும். எடுத்துக்காட்டாக, கூகிளின் காலநிலை AI திட்டம், பல்வேறு ஸ்பெக்ட்ரல் தரவுகளைப் பயன்படுத்தி பயிர் தோல்விகள் மற்றும் காட்டுத்தீகளை கணிக்க இயந்திரக் கற்றலைப் பயன்படுத்துகிறது.
• குவாண்டம் டாட் சென்சார்கள்: அடுத்த தலைமுறை குவாண்டம் டாட் சென்சார்கள் அதிகமான சிறப்புக்கருத்து மற்றும் குறைந்த சக்தி உபயோகத்தை வழங்கும், இது பல்வேறு-சிறப்புக்கருவிகளை தொலைதூர மற்றும் குறைந்த வளங்களுக்கான பகுதிகளுக்கு மேலும் அணுகக்கூடியதாக மாற்றுகிறது.
• உலகளாவிய சென்சார் நெட்வொர்க்கள்: பூமி கண்காணிப்பு அமைப்பு (EOS) போன்ற முயற்சிகள், நிலம், காற்று மற்றும் விண்வெளி தரவுகளை இணைத்து பூமியின் காலநிலை அமைப்பின் ஒருங்கிணைந்த பார்வையை உருவாக்குவதற்காக பல்வேறு-சிறப்புக்கருவிகளின் உலகளாவிய நெட்வொர்க் ஒன்றை கட்டமைக்கின்றன.
தீர்வு: பல்வேறு அலைநீளக் கேமரா கள்—ஆராய்ச்சியிலிருந்து செயலுக்கு
பல்வேறு அலைநீளக் கேமரா கள் இனி அறிவியலாளர்களுக்கான கருவிகள் மட்டுமல்ல; அவை காலநிலை நடவடிக்கைக்கான ஊக்கவாய்ப்பாளர்கள் ஆக உள்ளன. மெத்தேன் வெளியீடுகள், கார்பன் சேமிப்பு, நகர வெப்ப தீவுகள் மற்றும் பயிர்களின் ஆரோக்கியம் ஆகியவற்றில் மறைந்த உள்ளடக்கங்களை திறந்து, காலநிலை மாற்றத்தை நாங்கள் மேலும் ஆழமாகப் புரிந்து கொள்ள உதவுகின்றன.
அந்த தொழில்நுட்பத்தை பயன்படுத்த விரும்பும் நிறுவனங்கள் மற்றும் ஆராய்ச்சியாளர்களுக்கான முக்கியமானது அணுகல்திறனை முன்னுரிமை அளிக்க வேண்டும்: குறைந்த செலவிலான சென்சார்களை முதலீடு செய்யவும், திறந்த தரவுத்தரங்களை ஏற்றுக்கொள்ளவும், மற்றும் பன்மை-ஸ்பெக்ட்ரல் தரவுகளை பகுப்பாய்வு செய்யவும் மற்றும் செயல்படுத்தவும் பங்குதாரர்களை பயிற்சி அளிக்கவும். நாம் காலநிலை மாற்றத்தின் அவசர சவால்களை எதிர்கொள்கிறோம், பன்மை-ஸ்பெக்ட்ரல் கேமராக்கள் அறிவியல் மற்றும் தீர்வுகள் எப்போதும் நாம் காண முடியாத அலைநீளங்களில் மறைந்திருப்பதை நமக்கு நினைவூட்டுகின்றன. நீங்கள் காலநிலை ஆராய்ச்சியாளர், நகர திட்டமிடுபவர், விவசாயி அல்லது கொள்கை உருவாக்குபவர் என்றாலும், பன்மை-ஸ்பெக்ட்ரல் தொழில்நுட்பம் காலநிலை தரவுகளை உண்மையான உலக தாக்கமாக மாற்றுவதற்கான சக்திவாய்ந்த வழியை வழங்குகிறது. காலநிலை அறிவியலின் எதிர்காலம் மேலும் தரவுகளை சேகரிப்பதற்கானது அல்ல - இது பூமியை புதிய ஒளியில் காண்பதற்கானது.