การประชุมเชิงปฏิบัติการ การประยุกต์ใช้ข้อมูล Big Data อุตุอุทกวิทยาพยากรณ์ล่วงหน้าเพื่อสนับสนุนการบริหารจัดการน้ำและการเกษตร
Published June 14, 2025 | 10-minute read
ENG
THAI
หลักการและจุดประสงค์
การพยากรณ์มีบทบาทสำคัญในการวางแผนและเตรียมรับมือกับสถานการณ์ที่อาจจะเกิดขึ้นในอนาคต ช่วยให้การตัดสินใจมีความแม่นยำและเหมาะสมยิ่งขึ้น โดยเฉพาะในด้านอุตุอุทกวิทยาที่เกี่ยวข้องกับการศึกษาและคาดการณ์ปรากฏการณ์ทางภูมิอากาศและน้ำ การพยากรณ์มีความจำเป็นอย่างยิ่งต่อการคาดการณ์เหตุการณ์ธรรมชาติและผลกระทบที่อาจเกิดขึ้น ในสภาวะที่ภูมิอากาศเปลี่ยนแปลงอย่างรวดเร็วและรุนแรง โครงการระบบพยากรณ์ข้อมูลทางอุตุอุทกวิทยารายฤดูกาลนำเสนอข้อมูลที่มีความละเอียดเชิงพื้นที่สูงถึง 0.01 องศา (ประมาณ 1 กิโลเมตร) ครอบคลุมทั่วประเทศไทย โดยสามารถพยากรณ์ล่วงหน้าได้ตั้งแต่ 1 สัปดาห์จนถึง 6 เดือน ข้อมูลพยากรณ์ระดับท้องถิ่นนี้จะช่วยเพิ่มประสิทธิภาพในการเตรียมความพร้อมและตอบสนองต่อสถานการณ์ที่เปลี่ยนแปลง สามารถนำไปใช้ในการวางแผนบริหารจัดการทรัพยากรน้ำทั้งผิวดินและใต้ดินเพื่อการชลประทานให้ตรงกับความต้องการของพืชในแต่ละระยะการเจริญเติบโตในพื้นที่ต่างๆ รวมถึงการวางแผนการใช้น้ำและการเพาะปลูกให้สอดคล้องกับปริมาณน้ำในแต่ละฤดูกาล ช่วยเพิ่มประสิทธิภาพในการจัดการทรัพยากรน้ำอย่างมีคุณภาพ และสนับสนุนการปรับปรุงการดำเนินงานด้านเกษตรกรรม
การประชุมเชิงปฏิบัติการ การประยุกต์ใช้ข้อมูล Big Data อุตุอุทกวิทยาพยากรณ์ล่วงหน้าเพื่อสนับสนุนการบริหารจัดการน้ำและการเกษตรในครั้งนี้จัดขึ้นเพื่อสาธิตและแสดงแนวทางการนำข้อมูลไปใช้ประโยชน์ โดยมีวัตถุประสงค์หลักในการถ่ายทอดองค์ความรู้ให้แก่นักวิจัย (Technical User) และผู้ใช้ขั้นปลาย (End User) จากหน่วยงานต่างๆ ที่ต้องการใช้ข้อมูลอุตุอุทกวิทยาเพื่อการบริหารจัดการน้ำและการเกษตร และเพื่อส่งเสริมการนำข้อมูลไปประยุกต์ใช้สำหรับการตัดสินใจในการบริหารจัดการน้ำและการเกษตรภายใต้ความผันแปรของสภาพอากาศ นอกจากนี้ การประชุมยังเป็นโอกาสสำคัญในการส่งเสริมการสร้างเครือข่ายความร่วมมือระหว่างนักวิจัย นักวิชาการ ผู้เชี่ยวชาญ และผู้แทนจากหน่วยงานที่เกี่ยวข้อง โดยเฉพาะหน่วยงานจากภาครัฐที่รับผิดชอบการวางแผนการบริหารจัดการน้ำและการเกษตรของประเทศ เพื่อแลกเปลี่ยนข้อมูล ระดมความรู้และประสบการณ์ในการใช้ข้อมูลอุตุอุทกวิทยาพยากรณ์ล่วงหน้า ในการตัดสินใจอย่างมีประสิทธิภาพ เพื่อให้เกิดการพัฒนาอย่างยั่งยืนและการปรับตัวให้สอดคล้องกับสภาพภูมิอากาศในอนาคต
การจัดการประชุมเชิงปฏิบัติการ (ครั้งที่ 2)
การประชุมเชิงปฏิบัติการ หัวข้อ “การประยุกต์ใช้ข้อมูล Big Data อุตุอุทกวิทยาพยากรณ์ล่วงหน้า เพื่อสนับสนุนการบริหารจัดการน้ำและการเกษตร” ณ ห้อง L422 ชั้น 4 อาคารอรุณ อินทรปาลิต สถาบันพัฒนาการชลประทาน กรมชลประทาน ระหว่างวันที่ 5 – 6 มิถุนายน 2568 เวลา 8.30 – 16.00 น. ที่ผ่านมา ภายใต้โครงการวิจัยนี้มีวัตถุประสงค์เพื่อพื่อสาธิตและแสดงแนวทางการนำข้อมูลไปใช้ประโยชน์ โดยมีวัตถุประสงค์หลักในการถ่ายทอดองค์ความรู้ให้แก่นักวิจัย (Technical User) และผู้ใช้ขั้นปลาย (End User) จากหน่วยงานต่างๆ ที่ต้องการใช้ข้อมูลอุตุอุทกวิทยาเพื่อการบริหารจัดการน้ำและการเกษตร และเพื่อส่งเสริมการนำข้อมูลไปประยุกต์ใช้สำหรับการตัดสินใจในการบริหารจัดการน้ำและการเกษตรภายใต้ความผันแปรของสภาพอากาศ นอกจากนี้ การประชุมยังเป็นโอกาสสำคัญในการส่งเสริมการสร้างเครือข่ายความร่วมมือระหว่างนักวิจัย นักวิชาการ ผู้เชี่ยวชาญ และผู้แทนจากหน่วยงานที่เกี่ยวข้อง โดยเฉพาะหน่วยงานจากภาครัฐที่รับผิดชอบการวางแผนการบริหารจัดการน้ำและการเกษตรของประเทศ เพื่อแลกเปลี่ยนข้อมูล ระดมความรู้และประสบการณ์ในการใช้ข้อมูลอุตุอุทกวิทยาพยากรณ์ล่วงหน้า ในการตัดสินใจอย่างมีประสิทธิภาพ เพื่อให้เกิดการพัฒนาอย่างยั่งยืนและการปรับตัวให้สอดคล้องกับสภาพภูมิอากาศในอนาคต
โดยเรียนเชิญดร. สมชาย ใบม่วง ผู้ทรงคุณวุฒิด้านอุตุนิยมวิทยา ดร. สมภพ สุจริต ที่ปรึกษาสำนักบริหารจัดการน้ำและอุทกวิทยา และ ดร. กนกศรี ศรินนภากร หัวหน้างานภูมิอากาศและสภาพอากาศ สถาบันสารสนเทศทรัพยากรน้ำ กรุณาให้เกียรติมาเป็นวิทยากรนำเสนอข้อมูลที่มีประโยชน์ เสริมสร้างความรู้ ทักษะ และเครือข่ายความร่วมมือที่มีประสิทธิภาพ มีผู้สนใจลงทะเบียนเข้าร่วมทั้งหมด 98 ท่าน จากหน่วยงานต่างๆ ดังนี้:
- มหาวิทยาลัยเทคโนโลยีราชมงคลธัญบุรี จำนวน 4 ท่าน
- กรมทรัพยากรน้ำ จำนวน 3 ท่าน
- NECTEC จำนวน 4 ท่าน
- มหาวิทยาลัยมหิดล จำนวน 4 ท่าน
- มหาวิทยาลัยเกษตรศาสตร์ จำนวน 2 ท่าน
- จุฬาลงกรณ์มหาวิทยาลัย จำนวน 4 ท่าน
- สำนักงานเศรษฐกิจการเกษตร จำนวน 1 ท่าน
- บริษัท ปัญญา คอนซัลแตนท์ จำกัด จำนวน 3 ท่าน
- กรมชลประทาน จำนวน 9 ท่าน
- สำนักงานทรัพยากรน้ำแห่งชาติ (สทนช.) จำนวน 5 ท่าน
- กรมฝนหลวงและการบินเกษตร จำนวน 6 ท่าน
- กรมพัฒนาที่ดิน จำนวน 4 ท่าน
- กรมอุตุนิยมวิทยา จำนวน 3 ท่าน
- บมจ.จัดการและพัฒนาทรัพยากรน้ำภาคตะวันออก (East water) จำนวน 3 ท่าน
- กรมทรัพยากรน้ำบาดาล จำนวน 3 ท่าน
- กรมการข้าว จำนวน 5 ท่าน
- GISTDA จำนวน 1 ท่าน
- สำนักงานปลัดกระทรวงทรัพยากรธรรมชาติและสิ่งแวดล้อม จำนวน 3 ท่าน
- สำนักงานเศรษฐกิจการคลัง จำนวน 1 ท่าน
- กรมการเปลี่ยนแปลงสภาพภูมิอากาศและสิ่งแวดล้อม จำนวน 7 ท่าน
- สถาบันสารสนเทศทรัพยากรน้ำ (องค์การมหาชน) จำนวน 5 ท่าน
- การประปานครหลวง จำนวน 5 ท่าน
- สำนักงานพัฒนาการวิจัยการเกษตร (องค์การมหาชน) จำนวน 2 ท่าน
- ศูนย์เตือนภัยพิบัติแห่งชาติ จำนวน 1 ท่าน
- การยางแห่งประเทศไทย จำนวน 2 ท่าน
- SCG จำนวน 1 ท่าน
- กรมทรัพยากรธรณี จำนวน 7 ท่าน
- รวมผู้เข้าร่วมประชุมทั้งหมด จำนวน 98 ท่าน
รูปที่ 1: แสดงผลสรุปผู้เข้าร่วมงานทั้งหมดแบ่งเป็นร้อยละแยกตามหน่วยงานที่สังกัด
รูปที่ 2: ภาพหมู่ผู้เข้าร่วมการประชุมเชิงปฏิบัติการทั้ง 2 ระบบ ณ ห้องประชุม และ Zoom
รูปที่ 3:บรรยากาศการประชุมเชิงปฏิบัติการ หัวข้อ “การประยุกต์ใช้ข้อมูล Big Data อุตุอุทกวิทยาพยากรณ์ล่วงหน้า เพื่อสนับสนุนการบริหารจัดการน้ำและการเกษตร” ณ ห้อง L422 ชั้น 4 อาคารอรุณ อินทรปาลิต สถาบันพัฒนาการชลประทาน กรมชลประทาน ระหว่างวันที่ 5 – 6 มิถุนายน 2568 เวลา 8.30 – 16.00 น.
รูปที่ 4 :ผอ.ชัยยะ พึ่งโพธิ์สภ ผู้อำนวยการสถาบันพัฒนาการชลประทาน กล่าวเปิดการประชุม
รูปที่ 5 :การบรรยายให้ข้อมูลโครงการระบบพยากรณ์ข้อมูลทางอุตุอุทกวิทยารายฤดูกาล ที่มีความละเอียดสูง (1 กิโลเมตร) ในประเทศไทย เพื่อเพิ่มขีดความสามารถด้านการเกษตรภายใต้ความท้าทายของการผันแปรของสภาพภูมิอากาศ
โดย ผศ.ดร. ณัทเชษฐ์ ตั้งดำรงทรัพย์ หัวหน้าโครงการวิจัย
รูปที่ 6 :อธิบายการแบ่งกลุ่มผู้เข้าร่วมงานเพื่อร่วมมือปฏิบัติการ การวิเคราะห์แนวโน้มและประโยชน์ของข้อมูลตัวแปรอุตุอุกทกวิทยาพยากรณ์ล่วงหน้า โดย ผศ.ดร.เสาวนิต ปราบนคร นักวิจัยโครงการ
สัมมนา1: การประยุกต์ข้อมูลภูมิสารสนเทศและการพยากรณ์อุตุ-อุทกวิทยาล่วงหน้าภายใต้ความแปรปรวนของสภาพภูมิอากาศ โดย ดร. สมชาย ใบม่วง
ดร. สมชาย ใบม่วง ผู้ทรงคุณวุฒิด้านการบริหารจัดการน้ำ จากสำนักงานพัฒนาการวิจัยการเกษตร (สวก.) และสำนักงานการวิจัยแห่งชาติ (วช.) ได้บรรยายถึงแนวคิดและการประยุกต์ใช้ข้อมูลภูมิสารสนเทศและการพยากรณ์ล่วงหน้าเพื่อรับมือกับการเปลี่ยนแปลงและความแปรปรวนของสภาพภูมิอากาศ โดยเน้นย้ำถึงความสำคัญของการทำความเข้าใจความแปรปรวนของสภาพภูมิอากาศทั้งในเชิงเวลา (Temporal Scale) ซึ่งครอบคลุมตั้งแต่ Weather (ชั่วโมง วัน เดือน), Climate Variability (มากกว่า 1 เดือน แต่ไม่เกิน 10 ปี) ไปจนถึง Climate Change (มากกว่า 10 ปี) และในเชิงพื้นที่ (Spatial Scale) ที่รวมถึงการวิเคราะห์ลักษณะภูมิอากาศของประเทศไทย โครงสร้างการหมุนเวียนของอากาศ เช่น แผนที่อากาศ ร่องมรสุม และลมพายุ รวมถึงปัจจัยที่ทำให้เกิดฝนตกและน้ำท่วมในประเทศไทย
ในการประยุกต์ใช้ข้อมูลอุตุนิยมวิทยาภายใต้สภาพภูมิอากาศที่แปรปรวน ดร. สมชาย ได้ยกตัวอย่างการใช้ข้อมูลพยากรณ์อากาศล่วงหน้าร่วมกับข้อมูลด้านพื้นที่ เวลา และลักษณะอากาศ นอกจากนี้ยังมีการศึกษาปัจจัยอุตุนิยมวิทยาในช่วงปรากฏการณ์ El Niño โดยใช้ Oceanic Niño Index (ONI) เพื่อประเมินสถานการณ์จัดการน้ำของประเทศ และวิเคราะห์รูปแบบฝนและอุณหภูมิในประเทศไทย ปี พ.ศ. 2567 โดยเปรียบเทียบกับเหตุการณ์ในอดีตด้วยข้อมูล ENSO CODE อีกทั้งยังมีการประเมินผลผลิตข้าวโพดหวานโดยใช้แบบจำลอง Crop Growth Simulation Model (CGSM) ควบคู่กับเทคนิคจาก Remote Sensing (RS) และ GIS รวมถึงการศึกษาความแห้งแล้งในหลากหลายมิติ ได้แก่ Meteorological Drought (เช่น ดัชนี SPI และ Palmer Drought Index) Agricultural Drought Hydrological Drought และ Socio-economic Drought
รูปที่ 7:การสัมมนาที่ 1 หัวข้อเรื่อง การประยุกต์ข้อมูลภูมิสารสนเทศและการพยากรณ์อุตุ-อุทกวิทยาล่วงหน้าภายใต้ความแปรปรวนของสภาพภูมิอากาศ โดย ดร. สมชาย ใบม่วง
สัมมนา 2: การประยุกต์ข้อมูลภูมิสารสนเทศและการพยากรณ์อุตุ-อุทกวิทยาล่วงหน้าเพื่อการบริหารจัดการน้ำในภาคเกษตรและการป้องกันภัยพิบัติ โดย ดร. สมภพ สุจริต
ดร. สมภพ สุจริต ผู้อำนวยการสำนักบริหารจัดการน้ำและอุทกวิทยา ได้บรรยายถึงพัฒนาการของเทคโนโลยีการพยากรณ์และเน้นย้ำความสำคัญของการพยากรณ์ที่แม่นยำและละเอียดในเชิงพื้นที่ เพื่อการบริหารจัดการน้ำในภาคเกษตรและการเตรียมรับมือภัยพิบัติ โดยชี้ให้เห็นว่าประเทศไทยยังคงมีข้อจำกัดในการกักเก็บน้ำท่า โดยสามารถเก็บได้เพียงประมาณ 1 ใน 3 ของปริมาณน้ำทั้งหมด และพบว่ามีเพียง 2 ลุ่มน้ำคือลุ่มน้ำปิงและแม่กลองเท่านั้นที่กักเก็บน้ำได้เพียงพอต่อความต้องการ ขณะที่ลุ่มน้ำอื่นๆ ยังคงประสบปัญหาขาดแคลนน้ำ
ดร. สมภพ ได้เสนอแนวคิด “ดัชนีความเปราะบางของลุ่มน้ำ” (Watershed Vulnerability Index) เพื่อประเมินและจัดลำดับความสำคัญในการวางแผนบริหารจัดการน้ำเชิงพื้นที่ ซึ่งจะช่วยสะท้อนศักยภาพและความเสี่ยงจากภัยแล้ง น้ำท่วม และการเปลี่ยนแปลงสภาพภูมิอากาศ นอกจากนี้ยังเน้นย้ำถึง ความสำคัญของความร่วมมือระหว่างหน่วยงาน ทั้งภาครัฐ ท้องถิ่น ภาคเอกชน และประชาชน ในการบูรณาการและสื่อสารข้อมูลจากหลายแหล่งเพื่อการจัดการน้ำอย่างยั่งยืน
สำหรับการบริหารจัดการอ่างเก็บน้ำนั้น ดร. สมภพ ชี้ว่าไม่สามารถพึ่งพาเพียงแบบจำลองเชิงสถิติได้ แต่ต้องอาศัยการวิเคราะห์แบบพลวัตและการใช้แบบจำลองสมดุลน้ำเพื่อทำความเข้าใจรูปแบบการไหลเข้าของน้ำ โดยการประยุกต์ใช้ข้อมูลพยากรณ์ฝนและน้ำท่า จะช่วยในการคาดการณ์ปริมาณน้ำที่จะไหลเข้าอ่างเก็บน้ำ และการสร้างแบบจำลองสมดุลน้ำจะช่วยให้การประเมินรูปแบบการไหลเข้า (Inflow Pattern) แม่นยำยิ่งขึ้น ข้อมูลเหล่านี้จะเป็นประโยชน์ในการตัดสินใจจัดเก็บหรือระบายน้ำ การบริหารความเสี่ยงภัยแล้งและน้ำท่วม การจัดการน้ำเพื่อการเกษตรตามฤดูกาล และการประเมินความมั่นคงด้านน้ำในระดับพื้นที่และระดับประเทศ
รูปที่ 8:การสัมมนาที่ 2 หัวข้อเรื่อง การประยุกต์ข้อมูลภูมิสารสนเทศและการพยากรณ์อุตุ-อุทกวิทยาล่วงหน้าเพื่อการบริหารจัดการน้ำในภาคเกษตรและการป้องกันภัยพิบัติ โดย ดร. สมภพ สุจริต
สัมมนา 3: การประยุกต์ข้อมูลภูมิสารสนเทศและการพยากรณ์อุตุ-อุทกวิทยาล่วงหน้าในการบริหารจัดการน้ำ โดย ดร. กนกศรี ศรินนภากร
ดร. กนกศรี ศรินนภากร ผู้อำนวยการสถาบันสารสนเทศทรัพยากรน้ำและการเกษตร (องค์การมหาชน) ได้นำเสนอแนวทางการประยุกต์ใช้ข้อมูลภูมิสารสนเทศและการพยากรณ์อุตุนิยมวิทยาและอุทกวิทยาล่วงหน้าเพื่อการบริหารจัดการน้ำอย่างมีประสิทธิภาพ โดยเน้นย้ำถึงความสำคัญของ “ช่วงเวลาการพยากรณ์” (Forecast Lead Time) ซึ่งแบ่งออกเป็นระยะสั้น (รายชั่วโมง-รายวัน) สำหรับการเตือนภัยฉับพลันและบริหารจัดการน้ำรายวัน, ระยะกลาง (รายสัปดาห์-รายเดือน) สำหรับการวางแผนจัดสรรน้ำ เช่น การตัดสินใจปลูกพืช และระยะยาว (รายฤดู-รายปี) สำหรับการวางยุทธศาสตร์และการปรับตัวต่อการเปลี่ยนแปลงสภาพภูมิอากาศ
ดร. กนกศรี ชี้ให้เห็นว่าข้อมูลพยากรณ์อุตุ-อุทกวิทยา เช่น ปริมาณฝน อุณหภูมิ ลม อัตราการไหล และระดับน้ำ มีความสำคัญในทุกมิติของการจัดการน้ำ และจำเป็นต้องมีการแปลผลจาก “ข้อมูลดิบ” สู่ “ข้อมูลเพื่อการตัดสินใจ” เพื่อให้เกิดการใช้งานจริง เช่น การประเมินน้ำท่วมหรือการปรับแผนการระบายน้ำ ซึ่งจะนำไปสู่การพัฒนาระบบเตือนภัยล่วงหน้า (Early Warning Systems) ที่ใช้งานได้จริงสำหรับทั้งเจ้าหน้าที่และประชาชน โดยมีตัวอย่างการใช้งานคือ Dashboard หรือ Application ที่เข้าถึงข้อมูลพยากรณ์และแจ้งเตือนได้อย่างทันท่วงที เช่น การแจ้งเตือนระดับน้ำเกินค่าปลอดภัยเพื่อเตรียมรับมือ การประยุกต์ใช้ AI เพื่อสื่อสารองค์ความรู้ ก็เป็นอีกหนึ่งแนวทางที่ ดร. กนกศรี นำเสนอผ่านผลงาน Podcast ที่ใช้ AI ถ่ายทอดข้อมูลให้ประชาชนเข้าใจง่าย
แม้แบบจำลองพยากรณ์จะมีความท้าทายด้านความแม่นยำจากข้อจำกัดของข้อมูลเริ่มต้นและความแปรปรวนของอากาศ ซึ่งเป็น “ความไม่แน่นอน” (Uncertainty) ที่ต้องบริหารจัดการ แต่ ดร. กนกศรี ได้เสนอแนวคิด “การวางแผนแบบปรับตัว” (Adaptive Planning) โดยใช้ค่าความน่าจะเป็น (Probabilistic Forecast) แทนการยึดติดกับค่าพยากรณ์เดียว เพื่อให้แผนมีความยืดหยุ่นและปรับเปลี่ยนได้ตามสถานการณ์จริง พร้อมทั้งชี้ให้เห็นถึงบทบาทของเทคโนโลยีใหม่ ๆ เช่น AI/Machine Learning ข้อมูลจากดาวเทียม Remote Sensing และ Big Data Analytics ในการเสริมความแม่นยำและการเข้าถึงข้อมูล รวมถึงความสำคัญของ ความร่วมมือระหว่างภาคส่วน ทั้งภาครัฐ ภาควิชาการ และชุมชนท้องถิ่น ตลอดจนการมีส่วนร่วมของประชาชนในการสังเกตการณ์และรายงานสถานการณ์น้ำ เพื่อเพิ่มความแม่นยำในการวิเคราะห์เชิงพื้นที่
รูปที่ 9:การสัมมนาที่ 3 หัวข้อเรื่อง การประยุกต์ข้อมูลภูมิสารสนเทศและการพยากรณ์อุตุ-อุทกวิทยาล่วงหน้าในการบริหารจัดการน้ำ โดย ดร. กนกศรี ศรินนภากร
ช่วงการแนะนำการใช้งานข้อมูลของโครงการ และการสัมมนาเชิงปฏิบัติการ (Work shop)
คณะนักวิจัยโครงการได้แนะนำกระบวนการลงทะเบียนและการดาวน์โหลดข้อมูลพยากรณ์รายฤดูกาล (6 เดือน) ความละเอียดสูง (1 กิโลเมตร) ครอบคลุมทั่วประเทศไทยผ่านเว็บไซต์สาธารณะของโครงการ https://alice-lab.com/thsf-th/ วัตถุประสงค์หลักคือเพื่อให้ผู้ใช้งานสามารถเข้าถึงข้อมูลที่สามารถนำไปประยุกต์ใช้ในหลากหลายด้าน เช่น การเสริมสร้างศักยภาพทางการเกษตรภายใต้สภาพภูมิอากาศที่ผันแปร การสนับสนุนการตัดสินใจเพื่อการบริหารจัดการน้ำชลประทาน การวิเคราะห์ดัชนีภัยแล้ง และอื่นๆ ตามความต้องการเฉพาะของผู้ใช้งาน เพื่อให้เกิดการปฏิบัติการวิเคราะห์แนวโน้มและประโยชน์ของข้อมูลตัวแปรได้อย่างมีประสิทธิภาพ
โดยในส่วนของการประยุกต์ใช้เครื่องมือ คณะนักวิจัยโครงการได้นำเสนอวิธีการนำข้อมูลพยากรณ์ของโครงการมาใช้งานผ่านการประมวลผลบน Google Earth Engine (GEE) พร้อมทั้งอธิบายถึงข้อดีและข้อเสียของการใช้งาน GEE อย่างละเอียด และปิดท้ายด้วยการแนะนำการใช้งาน Python เบื้องต้น และสาธิตการประยุกต์ใช้ข้อมูลอุตุอุทกวิทยาพยากรณ์ล่วงหน้าผ่านการประมวลผลโดยใช้ Python ผ่าน Google Colab เพื่อให้ผู้เข้าร่วมได้รับความรู้และทักษะที่จำเป็นในการนำข้อมูลไปใช้ประโยชน์สูงสุด
รูปที่ 10: คณะนักวิจัยโครงการได้นำเสนอวิธีการนำข้อมูลพยากรณ์ของโครงการมาใช้งานผ่านการประมวลผลบน Google Earth Engine (GEE) และ Python ผ่าน Google Colab
เพื่อถ่ายทอดเทคนิคการประยุกต์ใช้ข้อมูลอุตุอุทกวิทยาในการพยากรณ์ล่วงหน้าผ่าน Python และ Google Earth Engine ผู้เข้าร่วมงานการประชุมฯ ได้ถูกแบ่งออกเป็น 6 กลุ่มตามวัตถุประสงค์หลักการประยุกต์ใช้ข้อมูล ได้แก่ กลุ่มที่ 1 เพื่อประโยชน์ทางวิชาการ กลุ่มที่ 2 เพื่อการแจ้งเตือนภัยพิบัติ กลุ่มที่ 3 และ 4 เพื่อการเกษตร และกลุ่มที่ 5 และ 6 เพื่อการบริหารจัดการน้ำ โดยแต่ละกลุ่มได้ทำการประมวลผลข้อมูลตามตัวแปรที่เหมาะสมและนำเสนอผลลัพธ์ที่น่าสนใจ ดังนี้
- กลุ่มที่ 1 เพื่อประโยชน์ทางวิชาการ ลดการใช้น้ำภาคเกษตรเพื่อลดคาร์บอน: คาดการณ์ความสัมพันธ์ของปริมาณรังสีสุทธิคลื่นสั้น/ยาว และการแลกเปลี่ยนคาร์บอนสุทธิ (NEE) เพื่อวิเคราะห์ความสัมพันธ์ระหว่างอัตราส่วนพื้นที่ใบต่อพื้นที่ปลูก (LAI) กับอุณหภูมิ และค่าสมดุลสุทธิของคาร์บอน ผลลัพธ์ชี้ว่าช่วงเดือนกันยายน-ธันวาคมมีค่า LAI สูง ซึ่งสามารถนำไปประยุกต์ใช้ในการลดการให้น้ำเพื่อลดการปล่อยคาร์บอนได้
- กลุ่มที่ 2 เพื่อการแจ้งเตือนภัยพิบัติ วางแผนรับมืออุทกภัยในลุ่มน้ำแม่กลอง: พยากรณ์ความสัมพันธ์ของปริมาณน้ำฝน น้ำใต้ผิวดิน และความชื้นในดิน เพื่อวิเคราะห์ความสามารถในการดูดซับน้ำในดิน (soil permeability coefficient) พบว่าฝนตกหนักในเดือนกรกฎาคม-สิงหาคมส่งผลให้น้ำใต้ผิวดินเพิ่มสูงขึ้นในเดือนกันยายน-ตุลาคม ซึ่งช่วยให้วางแผนรับมือน้ำหลากจากการอิ่มตัวของดินล่วงหน้าได้ 1-2 เดือน
- กลุ่มที่ 3 เพื่อประโยชน์ทางการเกษตร วิเคราะห์พฤติกรรมฝนคาดการณ์ในลุ่มน้ำมูลและเจ้าพระยา: พยากรณ์ความสัมพันธ์ของอุณหภูมิอากาศ อัตราการคายระเหย และอัตราปริมาณน้ำฝน เพื่อวิเคราะห์ความเข้มฝนและช่วงการคายระเหยสูงสุด สำหรับลุ่มน้ำเจ้าพระยาพบแนวโน้มการคายระเหยสูงสุดในเดือนกรกฎาคม และลดลงเป็นสองช่วงคือ กรกฎาคม-ตุลาคม และพฤศจิกายน-กุมภาพันธ์ ส่วนลุ่มน้ำมูลมีแนวโน้มการคายระเหยลดลงช่วงกรกฎาคม-ธันวาคม และปริมาณน้ำฝนเพิ่มขึ้นในเดือนมิถุนายน และสูงสุดในกันยายน-ตุลาคม ซึ่งข้อมูลเหล่านี้สามารถนำไปวางแผนการเพาะปลูกได้
- กลุ่มที่ 4 เพื่อประโยชน์ทางการเกษตร วิเคราะห์ช่วงที่เหมาะสมต่อปลูกข้าวในลุ่มน้ำเจ้าพระยา: คาดการณ์ความสัมพันธ์ของปริมาณการกักเก็บน้ำทั้งหมด (TWS) อัตราส่วนพื้นที่ใบต่อพื้นที่ปลูก (LAI) และค่าเฉลี่ยความชื้นในดินชั้นที่ 2 (SoilMoist02) เพื่อวิเคราะห์ความชื้นในดินที่เหมาะกับการเพาะปลูกข้าว ผลลัพธ์แสดงว่าช่วงเดือนกันยายน-พฤศจิกายนเป็นช่วงที่ข้าวจะเติบโตได้ดีที่สุด เนื่องจากตัวแปรเหล่านี้มีค่าสูง
- กลุ่มที่ 5 เพื่อการบริหารจัดการน้ำ การพยากรณ์น้ำท่าผิวดินในลุ่มน้ำยม: ประยุกต์ใช้ปริมาณน้ำฝน การคายระเหย น้ำท่าผิวดิน และปริมาณการกักเก็บน้ำทั้งหมด (TWS) เพื่อพยากรณ์น้ำท่าผิวดินสำหรับการประเมินความเสี่ยงน้ำท่วมและวางแผนการเพาะปลูก/เก็บเกี่ยว รวมถึงการระบายน้ำ พบว่ามีน้ำท่าผิวดินสูงในช่วงกันยายน-พฤศจิกายน ซึ่งเป็นประโยชน์ในการวางแผนการเก็บเกี่ยวและการระบายน้ำท่วมขัง
- กลุ่มที่ 6 เพื่อการบริหารจัดการน้ำ คาดการณ์ปริมาณน้ำต้นทุนในลุ่มน้ำชี: ประยุกต์ใช้ปริมาณการกักเก็บน้ำทั้งหมด (TWS) อุณหภูมิอากาศ และอัตราปริมาณน้ำฝน เพื่อพยากรณ์น้ำต้นทุนสำหรับการจัดสรรน้ำให้ภาคส่วนต่างๆ ผลลัพธ์ชี้ว่าช่วงเดือนกรกฎาคม-ตุลาคมมีฝนและค่า TWS สูงสุด ซึ่งเหมาะสมกับการกักเก็บน้ำในเขื่อนเพื่อใช้จัดสรรในช่วงหลังเดือนพฤศจิกายนเป็นต้นไป
รูปที่ 11:บรรยากาศช่วงประชุมเชิงปฏิบัติการ การรวมกลุ่มประมวลผลข้อมูลตัวแปรจากโครงการ ตามวัตถุประสงค์หลัก และการนำเสนอผลลัพธ์ของผู้เข้าร่วมประชุมฯ ในแต่ละกลุ่ม
รูปที่ 12 :การรับมอบใบประกาษณียบัตร แก่ ผู้เข้าร่วมประชุมฯ โดย นายชวกร ริ้วตระกูลไพบูลย์ นักวิจัยโครงการ
ความคิดเห็นของผู้เข้าร่วมประชุมฯ
ผู้เข้าร่วมการประชุมมีความเห็นว่าตัวแปรทางอุตุอุทกวิทยาพยากรณ์จากโครงการวิจัยที่มีความสำคัญสูงสุดต่อการบริหารจัดการน้ำและการเกษตร ได้แก่ ปริมาณน้ำฝน (Rainfall) ซึ่งมีความสำคัญเป็นอันดับ 1 ร้อยละ 14 ปริมาณน้ำท่าผิวดิน (Surface runoff) มีความสำคัญเป็นอันดับ 2 ร้อยละ 10 และ ปริมาณน้ำท่าใต้ดิน (Subsurface runoff) มีความสำคัญเป็นอันดับ 1 ร้อยละ 8
นอกจากนี้ ผู้เข้าร่วมยังเสนอแนะให้เพิ่มตัวแปรอื่น ๆ เช่น ข้อมูลอุณหภูมิสูงสุดและต่ำสุด (Tmax, Tmin) ความชื้นในอากาศ การคาดการณ์ลม และการพยากรณ์ระยะสั้นถึงยาว (3-7 วัน ถึง 3-5 ปี) เพื่อการวิเคราะห์ที่ครอบคลุมมากยิ่งขึ้น รวมถึงข้อมูลเชิงพื้นที่อย่างความลาดชัน (DEM/Slope) การเปลี่ยนแปลงการใช้ที่ดิน (LULC) ข้อมูลชั้นดินและหิน ข้อมูลที่เกี่ยวข้องกับการเกษตร เช่น ปฏิทินเพาะปลูก (Crop calendar) ชนิดพืช การใช้ที่ดิน และดัชนีพืชพรรณ (NDVI) นอกจากนี้ยังมีความต้องการข้อมูลปริมาณการไหลของน้ำในลำน้ำและอ่างเก็บน้ำ คุณภาพน้ำ เช่น ความขุ่น) อัตราความหลากหลายทางชีวภาพ, ข้อมูลพลังงานสุทธิที่ผิวดิน (net radiation at the crop surface) และฟลักซ์การนำความร้อนลงดิน (soil heat flux density) เพื่อให้ข้อมูลจากโครงการมีความสมบูรณ์และตอบโจทย์การใช้งานได้หลากหลายมิติมากขึ้น
รูปที่ 13 :แผนภูมิแสดงผลสรุปความคิดเห็นของผู้เข้าร่วมการประชุมเชิงปฏิบัติการจากตัวแปรทางอุตุอุทกวิทยาพยากรณ์
รูปที่ 14 :แผนภูมิแสดงผลสรุปความคิดเห็นของผู้เข้าร่วมประชุมฯ ต่อวัตถุุประสงค์ในการใช้ข้อมูลอุตุอุทกวิทยาพยากรณ์ล่วงหน้าเพื่อการเฝ้าระวังติดตาม
สรุปผลสำรวจความรู้ความเข้าใจและการประเมินการประชุมเชิงปฏิบัติการ
ผู้การประชุมเชิงปฏิบัติการครั้งนี้ประสบความสำเร็จอย่างสูงในการ ยกระดับความรู้ความเข้าใจ ของผู้เข้าร่วมเกี่ยวกับการประยุกต์ใช้ข้อมูลภูมิสารสนเทศและอุตุอุทกวิทยาพยากรณ์ล่วงหน้า โดยผู้เข้าร่วมที่มีความเข้าใจในระดับสูงเพิ่มขึ้นจาก 27% เป็น 64% หลังการอบรม แสดงให้เห็นถึงประสิทธิภาพของเนื้อหาและรูปแบบการนำเสนอ ผู้เข้าร่วมส่วนใหญ่ตระหนักถึง ประโยชน์อย่างมหาศาลของฐานข้อมูล Big Data ที่มีความละเอียดสูงของโครงการต่อตนเองและหน่วยงาน โดยเฉพาะอย่างยิ่งในการบริหารจัดการน้ำ การเกษตร และการแจ้งเตือนภัยพิบัติ ทั้งยังเน้นย้ำถึงความจำเป็นของข้อมูลพยากรณ์ (Forecast Data) และข้อมูลย้อนหลังแบบอนุกรมเวลา (Time series Data)
การพยากรณ์พื้นที่เสี่ยงภัยแล้งถูกระบุว่าเป็นวัตถุประสงค์หลักในการใช้ข้อมูลพยากรณ์ (14%) โดยผู้เข้าร่วมชื่นชมการนำเสนอภาคปฏิบัติเกี่ยวกับการใช้ Python และ Google Earth Engine เป็นอย่างมาก (39% เห็นว่าเป็นประโยชน์สูงสุด) และกว่า 90% มองว่าการนำเสนอภาคปฏิบัตินี้มีประโยชน์อย่างยิ่ง รวมถึงช่องทางการเผยแพร่ข้อมูลผ่านเว็บไซต์โครงการและ Google Earth Engine ที่เหมาะสมและมีรายละเอียดครบถ้วน
แม้ความรู้จะเพิ่มขึ้นอย่างเห็นได้ชัด ผู้เข้าร่วมก็ยังคาดการณ์ถึงความท้าทายในการนำไปใช้จริง โดยเฉพาะเรื่อง ข้อจำกัดทางเทคนิค (เช่น ซอฟต์แวร์ ฮาร์ดแวร์ และบุคลากร) การบูรณาการกับระบบที่มีอยู่ และปัญหาการเข้าถึง/ความไม่เพียงพอของข้อมูล
เพื่อการพัฒนาในอนาคต ผู้เข้าร่วมเสนอแนะให้มีการเพิ่มกรณีศึกษาจากสถานการณ์จริง ขยายระยะเวลาฝึกปฏิบัติ และให้ความรู้พื้นฐานเกี่ยวกับการประยุกต์ใช้ข้อมูลมากขึ้น นอกจากนี้ ยังต้องการเรียนรู้เทคนิคการวิเคราะห์ข้อมูลขั้นสูง เช่น AI และ Machine Learning รวมถึงการประยุกต์ใช้เฉพาะด้านการบริหารจัดการทรัพยากรน้ำ และการบูรณาการกับแหล่งข้อมูลอื่น ๆ โดยความรู้ที่ได้จะถูกนำไปใช้เพื่อ เพิ่มขีดความสามารถของข้อมูลพยากรณ์ที่มีอยู่ พัฒนาโครงการและแอปพลิเคชันใหม่ รวมถึงการถ่ายทอดความรู้ให้แก่เพื่อนร่วมงานและในหลักสูตรการสอน ทีมวิจัยยังได้รับข้อเสนอแนะให้ดำเนินการวิจัยและสังเคราะห์ข้อมูลพยากรณ์อย่างต่อเนื่องแม้โครงการจะสิ้นสุด เพื่อให้เกิดประโยชน์สูงสุดต่อประเทศชาติ
ข้อเสนอแนะเพิ่มเติมเพื่อการพัฒนาโครงการและกิจกรรมในอนาคต
โครงการนี้ได้รับการตอบรับที่ดีเยี่ยม แต่เพื่อการพัฒนาอย่างต่อเนื่อง มีข้อเสนอแนะหลักดังนี้:
- ด้านกิจกรรมและเนื้อหาการอบรม: ควรเพิ่มระยะเวลาอบรมโดยเน้นการใช้ข้อมูลบน Python (รวมถึงพื้นฐานสำหรับผู้เริ่มต้น) และ Google Earth Engine ให้ละเอียดขึ้น อธิบายที่มา การเตรียมข้อมูล และแนวทางการประมวลผลให้ชัดเจนยิ่งขึ้น ควรปรับปรุงโค้ด Python ให้กำหนดช่วงเวลาและช่วงสีกราฟได้ง่าย พร้อมเพิ่มคำนิยามหรือแนวทางการอ่านค่าสำหรับตัวแปรที่ซับซ้อน
- ด้านข้อมูลและแพลตฟอร์ม: ควรเพิ่มความถี่ในการอัปเดตข้อมูลและปรับสเกลข้อมูลเชิงพื้นที่ให้ละเอียดขึ้น โดยเฉพาะสำหรับการติดตามภัยพิบัติ รวมถึงการเพิ่มตัวแปรที่จำเป็น และพิจารณาเชื่อมโยงข้อมูลกับโมเดลอุตุอุทกวิทยาจริง ควรขยายช่วงเวลาการวิเคราะห์ข้อมูลให้ครอบคลุมตลอดปีหรือหลายปีเพื่อดูผลกระทบระยะยาว และที่สำคัญคือควรมีการแชร์ข้อมูลผ่าน API เพื่อให้สามารถดึงข้อมูลพยากรณ์รายวันความละเอียด 1 กิโลเมตร และข้อมูลในคาบเวลาที่ละเอียดยิ่งขึ้นได้
- ด้านการสนับสนุนและการบูรณาการ: โครงการควรได้รับการสนับสนุนงบประมาณอย่างต่อเนื่องเพื่อการพัฒนาที่ยั่งยืน ควรมีการบูรณาการกับหน่วยงานราชการและเอกชนมากขึ้น พัฒนาระบบการเข้าถึงข้อมูลสำหรับผู้ใช้งานหลากหลายระดับ และจัดทำคู่มือการใช้งานที่ละเอียดชัดเจน นอกจากนี้ ควรแบ่งงานวิจัยเป็นกลุ่มย่อยเฉพาะทาง เช่น ภัยพิบัติธรรมชาติ และประชาสัมพันธ์โครงการให้ภาคการเกษตรได้รับรู้เพื่อนำไปใช้ประโยชน์
- ข้อเสนอแนะทั่วไปและปัญหาที่พบ: ในการจัดประชุมครั้งต่อไป ควรพิจารณาจัดที่พักหากจัด 2 วัน และเพิ่มจำนวนผู้เข้าร่วมแบบ Onsite เนื่องจากผู้เข้าร่วมออนไลน์ประสบปัญหาด้านเสียงและอินเทอร์เน็ต รวมถึงควรเพิ่มความหลากหลายของอาหารกลางวัน
โครงการนี้ได้พัฒนาแบบจำลองพยากรณ์อุตุอุทกวิทยาที่สำคัญต่อการบริหารจัดการน้ำและการเกษตร โดยมุ่งเน้นการให้ข้อมูลพยากรณ์ที่มีความละเอียดสูงถึง 1 กิโลเมตร ล่วงหน้าตั้งแต่ 1 สัปดาห์ถึง 1 ฤดูกาล เพื่อแก้ไขข้อจำกัดของข้อมูลที่มีอยู่เดิมที่มักมีความละเอียดต่ำและไม่สามารถพยากรณ์ล่วงหน้าได้ แบบจำลองนี้ซึ่งทำงานบน NASA Land Information System (LIS) และติดตั้งบน NSTDA Supercomputer Center (ThaiSC) ได้รับการตรวจสอบความถูกต้องด้วยการเปรียบเทียบข้อมูลพยากรณ์ในอดีตกับข้อมูลอ้างอิงจากสถานีตรวจวัดภาคพื้นดินและดาวเทียม เช่น SMAP, GRACE/GRACE-FO และ MODIS ซึ่งผลลัพธ์แสดงให้เห็นถึงความแม่นยำสูงในหลายตัวแปรทั่วประเทศ แม้จะมีข้อจำกัดในบางพื้นที่ (เช่น ภาคใต้และภาคตะวันตก) และความแม่นยำจะลดลงเมื่อระยะเวลาพยากรณ์ยาวขึ้นก็ตาม
จากการจัดประชุมเชิงปฏิบัติการเพื่อถ่ายทอดองค์ความรู้ ผู้เข้าร่วมมีความรู้ความเข้าใจเพิ่มขึ้นอย่างชัดเจน และเห็นถึงประโยชน์อย่างยิ่งของฐานข้อมูล Big Data ความละเอียดสูงนี้ในการบริหารจัดการน้ำ การเกษตร และการแจ้งเตือนภัยแล้ง โดยเฉพาะการประยุกต์ใช้ข้อมูลบน Python และ Google Earth Engine ที่เป็นประโยชน์สูงสุด อย่างไรก็ตาม ผู้เข้าร่วมยังชี้ให้เห็นถึงความท้าทายด้านเทคนิค การบูรณาการระบบ และการเข้าถึงข้อมูล รวมถึงเสนอแนะให้มีการสนับสนุนโครงการอย่างต่อเนื่อง พัฒนาแบบจำลองให้พยากรณ์ได้นานขึ้น และเผยแพร่ข้อมูลอย่างต่อเนื่องในอนาคต เพื่อให้ข้อมูลเหล่านี้เป็นประโยชน์สูงสุดต่อเกษตรกร ผู้บริหารจัดการน้ำ และนักวิจัยในประเทศ
- ข้อมูลเพิ่มเติมที่เว็บไซต์ของโครงการ: https://alice-lab.com/thsf-th/
HOMEPAGE
ALICE-LAB: Asian Land Information for Climate and Environmental Research Laboratory
Advancing Agriculture, Climate, Environmental, and Disaster Monitoring Through Satellite-Based Soil Moisture Retrieval and Applications in South East Asia
This workshop is focused on enhancing the understanding and utilization of satellite-based soil moisture data, particularly in the context of climate, agriculture, and disaster risk management. It aims to raise awareness among stakeholders in South East Asia about the significance of satellite-based soil moisture data, its applications, and the necessity of calibration and validation efforts to improve data accuracy.