സമ്പദ്‌വ്യവസ്ഥ

NH-GCI: ദേശീയ പാത ഗ്രീൻ കവർ സൂചിക, NHAI, NRSC

NH-GCI: ദേശീയ പാത ഗ്രീൻ കവർ സൂചിക, NHAI, NRSC

വാർത്തകളിൽ എന്തിനു?

നാഷണൽ ഹൈവേ അതോറിറ്റി ഓഫ് ഇന്ത്യയും (National Highways Authority of India - NHAI) നാഷണൽ റിമോട്ട് സെൻസിംഗ് സെന്ററും (National Remote Sensing Centre - NRSC) സംയുക്തമായി നാഷണൽ ഹൈവേ ഗ്രീൻ കവർ ഇൻഡക്സ് (National Highways Green Cover Index - NH‑GCI) പുറത്തിറക്കി. ഇന്ത്യയിലുടനീളമുള്ള ദേശീയ പാതകളിലെ (national highways) സസ്യജാലങ്ങളുടെ (vegetation) വ്യാപ്തിയും ഗുണനിലവാരവും വിലയിരുത്തുന്നതിന് ഇൻഡക്സ് ഉപഗ്രഹ ഇമേജറി (satellite imagery) ഉപയോഗിക്കുന്നു. 24 സംസ്ഥാനങ്ങളിലായി 30,000 കിലോമീറ്റർ വരുന്ന പ്രാരംഭ വിലയിരുത്തൽ വാർഷിക നിരീക്ഷണത്തിന് (annual monitoring) അടിസ്ഥാനമാകും.

പശ്ചാത്തലം

രാജ്യത്തെ ദേശീയ പാതകളുടെ ശൃംഖല നിർമ്മിക്കുന്നതിനും പരിപാലിക്കുന്നതിനും (maintaining) എൻഎച്ച്എഐ (NHAI) ആണ് ഉത്തരവാദികൾ. റോഡ് നിർമ്മാണത്തിന്റെ പാരിസ്ഥിതിക ആഘാതം (environmental impact) ലഘൂകരിക്കുന്നതിന്, നാഷണൽ ഹൈവേ ഫോർ ഗ്രീൻ ആൻഡ് ക്ലീൻ ട്രാൻസ്പോർട്ടേഷൻ (National Highways for Green and Clean Transportation) പോലെയുള്ള സ്കീമുകൾക്ക് കീഴിൽ NHAI പ്ലാന്റേഷൻ ഡ്രൈവുകൾ (plantation drives) ഏറ്റെടുക്കുന്നു. ഹൈവേകളുടെ രേഖീയവും (linear) ചിതറിക്കിടക്കുന്നതുമായ (dispersed nature) സ്വഭാവം കാരണം ഈ സസ്യങ്ങളുടെ നിലനിൽപ്പും (survival) ആരോഗ്യവും (health) അളക്കുന്നത് വെല്ലുവിളിയാണ്.

ഹൈ-റെസല്യൂഷൻ സാറ്റലൈറ്റ് സെൻസറുകളും (high‑resolution satellite sensors) നോർമലൈസ്ഡ് ഡിഫറൻസ് വെജിറ്റേഷൻ ഇൻഡക്സും (Normalized Difference Vegetation Index - NDVI) ഉപയോഗിച്ച് ഈ വെല്ലുവിളി പുതിയ സൂചിക പരിഹരിക്കുന്നു. ഹൈവേ റൈറ്റ്-ഓഫ്-വേ (right‑of‑way) ഏരിയകൾക്കുള്ള എൻഡിവിഐ (NDVI) മൂല്യങ്ങൾ കണക്കാക്കാൻ ഉപഗ്രഹങ്ങൾ പകർത്തിയ ക്ലോറോഫിൽ ഉള്ളടക്കം (Chlorophyll content) ഉപയോഗിക്കുന്നു. വിശകലനം സസ്യങ്ങളെ (vegetation) ഇടതൂർന്ന (dense), മിതമായ (moderate), വിരളമായ (sparse), സസ്യങ്ങളില്ലാത്ത (non‑vegetated) എന്നിങ്ങനെ തരംതിരിക്കുന്നു. വാർഷിക വിലയിരുത്തലുകൾ NHAI-യെ വിടവുകൾ (gaps) തിരിച്ചറിയാനും അറ്റകുറ്റപ്പണികൾ (maintenance) ആസൂത്രണം ചെയ്യാനും ഹൈവേകളിലെ ഹരിത കവർ (green cover) മെച്ചപ്പെടുത്താനും സഹായിക്കും.

പ്രധാന പോയിന്റുകളും പ്രാധാന്യവും

  • സ്റ്റാൻഡേർഡൈസ്ഡ് മെട്രിക് (Standardised metric): NH-GCI റോഡരികിലെ ഹരിതാഭ (roadside greenery) വിലയിരുത്തുന്നതിന് ഏകീകൃത രീതി (uniform methodology) നൽകുന്നു, ഇത് സംസ്ഥാനങ്ങളിലെയും ഇടനാഴികളിലെയും (corridors) താരതമ്യം സാധ്യമാക്കുന്നു.
  • ഡാറ്റ അടിസ്ഥാനമാക്കിയുള്ള ആസൂത്രണം (Data‑driven planning): മോശം സസ്യങ്ങളുള്ള (poor vegetation) ഭാഗങ്ങൾ (stretches) ഉയർത്തിക്കാട്ടുന്നതിലൂടെ, പ്ലാന്റേഷനും (plantation) അറ്റകുറ്റപ്പണികൾക്കുമായി (maintenance) വിഭവങ്ങൾ കൂടുതൽ ഫലപ്രദമായി വിനിയോഗിക്കാൻ സൂചിക സഹായിക്കും.
  • പാരിസ്ഥിതിക നേട്ടങ്ങൾ (Environmental benefits): ഹൈവേകളിലെ മരങ്ങളും കുറ്റിച്ചെടികളും (shrubs) വായു മലിനീകരണം (air pollution) കുറയ്ക്കുകയും തണൽ നൽകുകയും മണ്ണൊലിപ്പിനെതിരെ (soil erosion) ഒരു ബഫറായി പ്രവർത്തിക്കുകയും ചെയ്യുന്നു. ഇവയുടെ ആരോഗ്യ നിരീക്ഷണം കാലാവസ്ഥാ പ്രവർത്തനത്തിലുള്ള (climate action) ഇന്ത്യയുടെ പ്രതിബദ്ധതകളുമായി (commitments) ചേർന്നുനിൽക്കുന്നു.
  • റിമോട്ട് സെൻസിംഗ് ഉപയോഗം: എൻആർഎസ്‌സി/ഐഎസ്ആർഒയുമായുള്ള (NRSC/ISRO) സഹകരണം വിശ്വസനീയമായ ശാസ്ത്രീയ വിശകലനം (credible scientific analysis) ഉറപ്പാക്കുകയും ആയിരക്കണക്കിന് കിലോമീറ്ററുകളോളം നീളുന്ന അധ്വാനമേറിയ ഫീൽഡ് സർവേകളുടെ (laborious field surveys) ആവശ്യകത ഒഴിവാക്കുകയും ചെയ്യുന്നു.

ഉറവിടം: Press Information Bureau

Continue reading on the App

Save this article, highlight key points, and take quizzes.

App Store Google Play
Home Current Affairs 📰 Daily News 📊 Economic Survey 2025-26 Subjects 📚 All Subjects ⚖️ Indian Polity 💹 Economy 🌍 Geography 🌿 Environment 📜 History Exam Info 📋 Syllabus 2026 📝 Prelims Syllabus ✍️ Mains Syllabus ✅ Eligibility Resources 📖 Booklist 📊 Exam Pattern 📄 Previous Year Papers ▶️ YouTube Channel
Web App