ระบบสนับสนุนการตัดสินใจเตือนภัยน้ำท่วม
(Decision Support System for Flood Warning)

มูลนิธิอาสาเพื่อนพึ่ง (ภาฯ) ยามยาก สภากาชาดไทย
และศูนย์อุตุนิยมวิทยาทะเล กรมอุตุนิยมวิทยา

http://www.weatherwatch.in.th/
http://www.marine.tmd.go.th/thai/

บทนำ
ภัยธรรมชาติโดยเฉพาะอุทกภัยซึ่งเป็นอุปสรรคในการพัฒนาประเทศ เหมือนจะทวีความรุนแรงมากขึ้นในปัจจุบัน นอกจากนี้อุทกภัยแต่ละครั้งมักนำมาซึ่งความสูญเสียต่อชีวิตและทรัพย์สินของประชาชนเป็นจำนวนมหาศาล

มูลนิธิอาสาเพื่อนพึ่ง (ภาฯ) ยามยาก สภากาชาดไทย ได้เล็งเห็นถึงปัญหาอุทกภัยที่จะเกิดขึ้นในหลายพื้นที่ จึงสร้างระบบการเฝ้าระวัง การเตือนภัยน้ำท่วม และการอพยพหลบภัยในลักษณะโครงการนำร่อง โดยเผยแพร่ข้อมูลระยะเวลาว่าเมื่อไรน้ำถึงจะล้นตลิ่ง น้ำจะท่วมนานเท่าใด บริเวณไหนบ้าง และมีระดับน้ำท่วมสูงเท่าไร ให้แก่ประชาชนในพื้นที่เสี่ยงภัยได้ทราบ และแจ้งภัยต่อหน่วยงานที่รับผิดชอบ เพื่อให้บุคลากรของหน่วยงานเหล่านั้นสามารถดำเนินการบรรเทาความเสียหายต่อชีวิตและทรัพย์สินของประชาชนได้อย่างเหมาะสม มูลนิธิอาสาเพื่อนพึ่ง (ภาฯ) ยามยาก สภากาชาดไทยยังได้ให้ทุนสนับสนุนการวิจัยระบบสนับสนุนการตัดสินใจเตือนภัยน้ำท่วมแก่ศูนย์อุตุนิยมวิทยาทะเล สำนักเฝ้าระวังและเตือนสภาวะอากาศ กรมอุตุนิยมวิทยา ซึ่งจะมีการดำเนินการเป็น 2 ส่วนด้วยกัน คือ ส่วนที่หนึ่งประดิษฐ์และติดตั้งสถานีตรวจอากาศอัตโนมัติบริเวณพื้นที่เสี่ยงภัย ได้แก่ บริเวณเทศบาลตำบลช่อแฮ ต.ช่อแฮ อ.เมือง จ.แพร่ บริเวณโรงเรียนบ้านห้วยใต้ ต.แม่พูล อ.ลับแล จ.อุตรดิตถ์ บริเวณโรงเรียนบ้านแม่คุ ต.บ้านตึก อ.ศรีสัชนาลัย จ.สุโขทัย บริเวณหน้าโรงเรียนบ้านคลองลอย ตำบลร่อนทอง อำเภอบางสะพาน จังหวัดประจวบคีรีขันธ์ บริเวณแขวงลุมพินี เขตปทุมวัน จ.กรุงเทพฯ บริเวณ อบต. น้ำก้อ อ.หล่มสัก จ.เพชรบูรณ์ บริเวณ อบต.นาซำ อ.หล่มเก่า จ.เพชรบูรณ์ และบริเวณ อบต.สรอย อ.วังชิ้น จ.แพร่ และส่วนที่สองได้จัดทำโปรแกรมระบบสนับสนุนการตัดสินใจเตือนภัยน้ำท่วม (Decision-supporting System for Flood Warning)

สถานีตรวจอากาศอัตโนมัติและผลการตรวจอากาศ

สถานีตรวจอากาศอัตโนมัติ คือ อุปกรณ์ทันสมัยสำหรับใช้ในการตรวจอากาศระยะไกล โดยไม่ต้องใช้มนุษย์ควบคุม ระบบนี้สามารถตรวจอากาศระยะไกลผ่านระบบตัวกลางสื่อสารสมัยใหม่คือ GPRS ซึ่งภายใต้โครงการนี้ได้มีการประดิษฐ์ดาต้าลอกเกอร์ (Data logger) ซึ่งทำหน้าที่เป็นสมองกล (CPU) ของสถานีตรวจอากาศอัตโนมัติสำหรับใช้งานเอง เพื่อเป็นการลดต้นทุนในการผลิตสถานีตรวจอากาศอัตโนมัติ ให้ถูกกว่าการสั่งซื้ออุปกรณ์สำเร็จรูปจากต่างประเทศ ส่วนอุปกรณ์ตรวจวัด (sensor) ที่ทำหน้าที่ตรวจวัดปัจจัยทางอุตุนิยมวิทยา 4 ปัจจัย คือ ลม ฝน ความชื้นสัมพัทธ์ และแสงแดด ได้จัดซื้อจากบริษัทที่มีมาตรฐาน ณ ต่างประเทศ เพื่อให้มั่นใจได้ว่าผลการตรวจวัดมีความแม่นยำสูง

รูปที่ 1 สถานีตรวจอากาศอัตโนมัติ (AWS)

รูปที่ 2 Data Logger และสถานีตรวจอากาศอัตโนมัติ

โครงสร้างของระบบสนับสนุนการตัดสินใจเตือนภัยน้ำท่วม
ขั้นตอนที่สำคัญ 3 ขั้นตอนในการพยากรณ์น้ำท่วมฉับพลันได้แก่
1. การตรวจอากาศเพื่อให้ทราบสภาวะอากาศปัจจุบัน
2. การสื่อสารเพื่อรวบรวมข้อมูลผลการตรวจอากาศ
3. การวิเคราะห์ข้อมูลเพื่อการคาดหมาย แบ่งย่อยเป็น 5 ขั้นตอน คือ
3.1 การบันทึกผลการตรวจอากาศที่ได้รับจากสถานีตรวจอากาศอัตโนมัติ (AWS)
3.2 การวิเคราะห์ผลการตรวจอากาศที่ได้จากขั้นตอนแรก
3.3 การคาดหมายการเปลี่ยนแปลงและการเคลื่อนที่ของตัวระบบลมฟ้าอากาศที่วิเคราะห์ได้ในขั้นตอนที่สอง
3.4 การออกคำพยากรณ์ ณ ช่วงเวลาและบริเวณที่ต้องการ โดยพิจารณาจากตำแหน่งและความรุนแรงของระบบลมฟ้าอากาศที่ได้ดำเนินการไว้แล้วในขั้นตอนที่สาม
3.5 การส่งคำพยากรณ์อากาศไปยังสื่อมวลชนเพื่อเผยแพร่ต่อไปสู่ประชาชนในพื้นที่เสี่ยงภัย และส่งไปยังหน่วยงานที่เกี่ยวข้องเพื่อดำเนินการต่อไป ตามความเหมาะสม เช่นการป้องกันและบรรเทาภัยพิบัติ

รูปที่ 3 โปรแกรมระบบสนับสนุนการตัดสินใจเตือนภัยน้ำท่วม


รูปที่ 4 โครงสร้างระบบสนับสนุนการตัดสินใจเตือนภัยน้ำท่วม

ลักษณะการทำงานของระบบฯ
ผลการตรวจอากาศจากสถานีตรวจอากาศอัตโนมัติส่งผ่านระบบ GPRS ทุกๆ 5 นาที ไปยังคอมพิวเตอร์หลักซึ่งตั้งอยู่ที่กรุงเทพฯ ข้อมูลเหล่านี้ได้แสดงให้สาธารณชนเข้าชมทางเว็บไซต์ชื่อ “aws.nakhonthai.net” โดยมีการแสดงผลข้อมูลล่าสุดในรูปของตัวเลข และข้อมูลในช่วงเวลา 24, 48 และ 72 ชั่วโมงในรูปของกราฟเส้น
ข้อมูลซึ่งนำเสนอบนเว็บไซต์ที่กล่าวถึงข้างต้นได้มาจากแหล่งข้อมูลหลัก 3 แห่ง คือ
1. ข้อมูลดาวเทียมอุตุนิยมวิทยาจากเว็บไซต์ http://metocph.nmci.navy.mil
2. ผลการตรวจอากาศจากสถานีตรวจอากาศอัตโนมัติ (อยู่ในการดูแลของศูนย์อุตุนิยมวิทยาทะเลกรมอุตุนิยมวิทยา) และ
3. ข้อมูลรีเลทีฟเวอร์ทิซิตี้ที่ระดับ 500 เฮกโตปาสคาล ซึ่งเป็นผลผลิตจากระบบพยากรณ์อากาศเชิงตัวเลข (อยู่ในการดูแลของศูนย์อุตุนิยมวิทยาทะเล กรมอุตุนิยมวิทยาเช่นกัน)
การดึงข้อมูลจากแหล่งข้อมูลเหล่านั้น จะใช้โปรแกรม Downloader ซึ่งติดตั้งไว้ในคอมพิวเตอร์ที่ศูนย์อุตุนิยมวิทยาทะเล เป็นตัวดึงข้อมูลมารวมไว้ ณ จุดเดียว หลังจากนั้นจะมีโปรแกรม GenDSS เป็นตัวจัดเตรียมฐานข้อมูล (ทุกๆ เช้า) เพื่อใช้ในการป้อนให้กับโปรแกรม DSS สำหรับทำการประมวลผลก่อนจะผลิตผลการพยากรณ์ฝนหนัก (และการตือนภัยน้ำท่วมในกรณีที่จำเป็น) เพื่อนำเสนอบนเว็บไซต์ “aws.nakhonthai.net และ www.marine.tmd.go.th/thai” ต่อไป

รูปที่ 5 โปรแกรม DSS

กระบวนการต่างๆเหล่านี้จะถูกนำมาบูรณาการให้เป็นระบบ โดยมีทฤษฎีโครงข่ายใยประสาทเทียมเป็นเครื่องมือที่ใช้ในการพยากรณ์ฝนตกหนักตลอดจนอุทกภัยที่จะเกิดขึ้นในอนาคต

บทสรุป
แม้ว่าโปรแกรมระบบสนับสนุนการตัดสินใจเตือนภัยน้ำท่วม จะไม่ใช่โปรแกรมแกรมหลักที่ใช้ในการเตือนภัย แต่ก็เป็นเครื่องมือที่เป็นประโยชน์สำหรับนักพยากรณ์อากาศของกรมอุตุนิยมวิทยา เจ้าหน้าที่ของศูนย์เตือนภัยพิบัติแห่งชาติ รวมทั้งนักอุทกวิทยาของกรมชลประทาน ซึ่งเป็นผู้ปฏิบัติงานด้านเตือนภัยด้านน้ำท่วม (อุทกภัย) และมีความเข้าใจในระบบอากาศดีอยู่แล้ว

โปรแกรมระบบสนับสนุนการตัดสินใจเตือนภัยน้ำท่วมจะทำการพยากรณ์ปริมาณฝนตกหนักในช่วงเวลา 24 ชั่วโมงข้างหน้า ด้วยพื้นฐานของทฤษฎีโครงข่ายใยประสาทเทียม โดยจะสอนให้คอมพิวเตอร์เรียนรู้เกี่ยวกับข้อมูลอุตุนิยมวิทยาซึ่งประกอบด้วย ปริมาณฝน ความเข้มของแสงแดด ความเร็วและทิศทางลม อุณหภูมิ และความชื้นสัมพัทธ์ ร่วมกับข้อมูลประกอบที่เกี่ยวข้องคือ ภาพถ่ายจากดาวเทียมอุตุนิยมวิทยาและค่ารีเลทีฟวอร์ทิซิตี้ที่ระดับ 500 เฮกโตปาสคาล เพื่อให้สามารถพิจารณาเกี่ยวกับการก่อตัวของเมฆซึ่งเป็นต้นเหตุของการเกิดฝนต่อไปได้

การฝึกให้คอมพิวเตอร์เรียนรู้ความสัมพันธ์ของพารามิเตอร์ต่างๆ อย่างใกล้ชิด และสร้างชุดสมการทางคณิตศาสตร์อย่างเหมาะสมจากปริมาณข้อมูลนำเข้าที่มีคุณภาพและปริมาณมากเพียงพอ จัดว่าเป็นสิ่งสำคัญอย่างยิ่ง นั่นก็หมายถึงข้อมูลเหล่านั้นจะต้องมีทั้งเหตุการณ์อากาศดี (ไม่มีฝนหรือฝนตกน้อย) และอากาศร้าย (ฝนตกหนัก) ซึ่งจะทำให้โปรแกรม DSS สามารถตัดสินใจและทำนายการเกิดฝนได้อย่างถูกต้อง

ข้อแนะนำในการปรับปรุงโปรแกรม DSS จะรวมถึงการเพิ่มพารามิเตอร์ เช่น ภาพเรดาร์ตรวจอากาศ เข้าไปในการทำงานของระบบ และการปรับปรุงทฤษฎีทางคณิตศาสตร์ใหม่ๆ เพื่อให้สามารถทำการประมวลผลสอดคล้องกับเหตุการณ์ที่หลากหลายตามการเปลี่ยนแปลงของฤดูกาลได้ ซึ่งจะทำให้ผลการคาดหมายฝนตกหนักของโปรแกรม DSS มีความแม่นยำมากยิ่งขึ้น