ทั่วโลกกำลังประสบปัญหากับภาวะโลกร้อนอย่างรุนแรงและต่อเนื่อง และเป็นอีกสาเหตุของการเกิดคลื่นความร้อน ภัยแล้ง และน้ำท่วมในหลายภูมิภาค ในห้วงทศวรรษปีที่ผ่านมา ประเทศไทยประสบภาวะน้ำท่วมที่รุนแรงและบ่อยครั้งขึ้นโดยเฉพาะปี 2564-2565 และสภาวะความแห้งแล้งและไฟป่าหมอกควันในปี 2566 ส่งผลให้เกิดผลกระทบต่อประชาชนและสภาวะเศรษฐกิจในภาพรวมเป็นอย่างมาก การติดตามสถานการณ์เพื่อบริหารจัดการเชิงพื้นที่ (from monitoring to management) เป็นสิ่งจำเป็นอย่างยิ่งโดยเฉพาะภาวะวิกฤตที่จำเป็นต้องใช้ข้อมูลเชิงพื้นที่ (geospatial data) ที่มีความถูกต้องเชิงพื้นที่สูงและใกล้เคียงกับสถานการณ์ปัจจุบัน (near real-time)
ดาวเทียม (Satellite) เป็นอีกหนึ่งเครื่องมือของเทคโนโลยีอวกาศ (Space technology) ในการสำรวจและเก็บข้อมูล โดยเฉพาะดาวเทียมสำรวจทรัพยากร (Earth Observation Satellite) ที่มีการบันทึกข้อมูลครอบคลุมพื้นที่บริเวณกว้าง (Synoptic view) การบันทึกภาพซ้ำบริเวณเดิมในแต่ละช่วงเวลา (temporal resolution) อีกทั้งมีความหลากหลายช่วงคลื่น (spectral resolution) และรายละเอียดเชิงพื้นที่ (spatial resolution) ด้วยคุณสมบัติเหล่านี้ ทำให้สามารถศึกษาสภาพแวดล้อมและปรากฎการณ์ต่างๆ บนพื้นโลกในบริเวณกว้างได้อย่างต่อเนื่อง
ปัจจุบันดาวเทียมสำรวจทรัพยากรมีการพัฒนาเป็นอย่างมากและตอบโจทย์การใช้งานตามวัตถุประสงค์ที่หลากหลายมากขึ้น เช่น การติดตามความชื้นในดินจากดาวเทียม Soil Moisture Active Passive (SMAP) การตรวจวัดคุณภาพอากาศ (air pollution) จากดาวเทียม Sentinel-5P และดาวเทียม Landsat ที่มีการนำมาใช้ติดตามการเปลี่ยนแปลงของพื้นที่มากกว่า 30 ปี
ด้วยข้อดีของข้อมูลที่ได้จากเทคโนโลยีอวกาศ (space-based data) สามารถนำมาใช้ในการติดตาม (monitoring) ตรวจวัด (measuring) วิเคราะห์ร่วมกับข้อมูลอื่นโดยใช้แบบจำลอง(Modelling) และการประมวลผลด้วย AI/ML สำหรับการบริหารจัดการ (management) ในรูปแบบต่างๆ การใช้เทคโนโลยีนี้จึงถูกระบุไว้เป็นส่วนหนึ่งในการได้มาของข้อมูลเพื่อการขับเคลื่อนตามเป้าหมายการพัฒนาอย่างยั่งยืน (Sustainable Development Goals หรือ SDGs) ทั้งภาวะปกติและภาวะวิกฤต (UNOOSA, 2024) กล่าวคือ สามารถนำมาใช้ในการติดตามการเปลี่ยนแปลงทางพื้นที่ตามห้วงเวลา (time series changes) เช่น การติดตามการเพาะปลูกพืช (crop monitoring) การเปลี่ยนแปลงสิ่งปกคลุมดิน (land cover change) การติดตามพื้นที่ป่าไม้ (deforestation) การเปลี่ยนแปลงพื้นผิวน้ำ (water surface) ทั้งแหล่งน้ำธรรมชาติและแหล่งน้ำที่สร้างขึ้น และการขยายตัวของเมือง (urban growth) (ภาพที่ 1) เป็นต้น
เมื่อเกิดสถานการณ์ภัยพิบัติขึ้น เทคโนโลยีนี้สามารถนำมาใช้ประเมินขอบเขตพื้นที่ประสบภัยพิบัติเพื่อให้ความช่วยเหลือและวางแผนบริหารจัดการพื้นที่ เช่น พื้นที่น้ำท่วม-น้ำแล้ง (floods & droughts) พื้นที่เกิดดินถล่ม (landslides) พื้นที่เผาไหม้จากไฟป่า (burn areas) การกัดเซาะชายฝั่ง (coastal erosion) และคลื่นซัดฝั่ง (storm surge) เป็นต้น หรือก่อนเกิดภัยพิบัติเป็นการคาดการณ์ (forecast) เพื่อเตรียมความพร้อมรับมือสถานการณ์ได้เช่นกัน
ในภาวะเร่งด่วนภาพถ่ายดาวเทียมที่มีการบันทึกข้อมูลไว้อย่างต่อเนื่องสามารถนำมาใช้เปรียบเทียบก่อนและหลังเกิดภัยพิบัติ โดยเป็นข้อมูลสำหรับการประเมินพื้นที่ได้รับผลกระทบจากภัยพิบัติในเบื้องต้น (Rapid Impact Assessment) และสามารถนำมาประยุกต์ใช้ในการติดตาม วิเคราะห์ และประเมินพื้นที่อาจได้รับผลกระทบจากภัยพิบัติเพื่อการวางแผนบริหารจัดการทรัพยากรที่เกี่ยวข้องกับการช่วยเหลืออย่างเป็นธรรม (ภาพที่ 2)
ในช่วงฤดูฝนของทุกปี ปริมาณฝนที่ตกสะสมในพื้นที่และการเปลี่ยนแปลงทางกายภาพ เป็นอีกหนึ่งสาเหตุที่ทำให้เกิดน้ำท่วมขังในแต่ละพื้นที่ ภาพถ่ายดาวเทียมที่มีการบันทึกข้อมูลใกล้เคียงกับสถานการณ์ทั้งระบบเรดาร์ (radar) ที่สามารถถ่ายภาพทะลุเมฆหมอก และระบบเชิงแสง (optical) ที่อาศัยพลังงานจากแสงอาทิตย์และบันทึกภาพได้ดีในเวลากลางวัน (ภาพที่ 3) จะนำมาสกัดข้อมูลพื้นที่น้ำท่วมขัง (inundated areas) วิเคราะห์ระดับความลึก (flood depth analysis) และซ้อนทับกับข้อมูลเศรษฐกิจ-สังคม (socio-economic data) เช่น ขอบเขตการปกครอง พื้นที่เพาะปลูก ประชากร และสถานที่ราชการ เป็นต้น (ภาพที่ 4) และจัดทำเป็นแผนที่(map) เพื่อเป็นข้อมูลเบื้องต้นให้กับหน่วยงานที่เกี่ยวข้องในการให้ความช่วยเหลือและเยียวยาอย่างเป็นธรรมต่อไป
ในช่วงฤดูแล้ง ความแห้งแล้งจากสภาพอากาศที่ร้อนและความชื้นสัมพัทธ์ต่ำ (relative humidity) เป็นอีกหนึ่งปัจจัยที่เอื้อต่อการเกิดความรุนแรงและลุกลามของไฟป่าในพื้นที่ได้ ภาพถ่ายดาวเทียมจะนำมาสกัดข้อมูลเพื่อบ่งชี้ภาวะความแห้งแล้งที่เกิดขึ้นในพื้นที่ ที่นิยมใช้กันอย่างแพร่หลาย คือ ดัชนีความแตกต่างของพืชพรรณ (Normalized difference vegetation index: NDVI) เป็นหนึ่งในตัวบ่งชี้ถึงพื้นที่ภัยแล้งที่ได้จากการคำนวณค่าการสะท้อนในภาพถ่ายดาวเทียม โดยอาศัยหลักการพื้นฐานความสัมพันธ์ที่ว่า “บริเวณที่ประสบสภาวะภัยแล้ง มักจะส่งผลต่อความสมบูรณ์ของพืชพรรณ” ซึ่งปัจจุบันก็ได้มีการนำหลากหลายดัชนีมาใช้ในการติดตามความแห้งแล้งในรูปแบบต่างๆ เช่น ดัชนีชี้วัดพืชพรรณ (Vegetation Condition Index: VCI) ดัชนีเสี่ยงภัยแล้ง (Drought Risk Index: DRI) และดัชนีความแตกต่างความชื้นในพืชพรรณ (Normalized Difference Water Index: NDWI) (ภาพที่ 5) เป็นต้น
ในกรณีประสบภาวะภัยแล้งเนื่องจากการขาดแคลนน้ำ (water scarcity) ภาพถ่ายดาวเทียมสามารถนำมาใช้ติดตามพื้นผิวน้ำและประเมินปริมาตรน้ำในแหล่งน้ำต่างๆ ได้ โดยพิจารณาจากขนาดของพื้นผิวน้ำ (size) ที่ปรากฎบนภาพถ่ายดาวเทียมต่างช่วงเวลา (multi-temporal images) (ภาพที่ 6) เพื่อสนับสนุนการบริหารจัดการและวางแผนการใช้น้ำที่มีอยู่อย่างจำกัดในแต่ละพื้นที่อีกด้วย
เมื่อเกิดไฟป่า ชุดข้อมูล Active fire hotspots หรือจุดความร้อน ถูกนำมาใช้ในการติดตามและตรวจจับพื้นที่ที่อาจจะเกิดไฟ โดยข้อมูลนี้หมายถึงจุดที่ดาวเทียมตรวจพบค่าความร้อนสูงผิดปกติจากค่าความร้อนบนผิวโลก โดยใช้อุปกรณ์การตรวจวัดค่าความร้อน (Thermal sensor) ที่ติดตั้งอยู่บนดาวเทียม โดยการได้มาซึ่งข้อมูลจุดความร้อนอาศัยหลักการดาวเทียมสามารถตรวจวัดคลื่นรังสีอินฟาเรดหรือรังสีความร้อนที่เกิดจากไฟ จากนั้นประมวลผลและแสดงในรูปแบบจุด (point)
ปัจจุบันมีการใช้ข้อมูลจุดความร้อนติดตามสถานการณ์ทั้งในประเทศไทยและประเทศเพื่อนบ้านมากถึง 8 ครั้งต่อวัน โดยใช้ข้อมูล MODIS (ดาวเทียม Terra และ Aqua) และข้อมูลVIIRS (ดาวเทียม Suomi NPP และ NOAA-20) ซึ่งข้อมูลนี้จะนำมาวิเคราะห์เพิ่มเติมว่าพบในพื้นที่ใดบ้าง เช่น พื้นที่เกษตร พื้นที่ป่า หรือพื้นที่ชุมชน เป็นต้น เพื่อให้หน่วยงานที่รับผิดชอบในแต่ละพื้นที่ได้มีการดำเนินการตามมาตรการและภารกิจที่เกี่ยวข้อง รวมทั้งการวิเคราะห์ความหนาแน่นของการกระจุกตัว (cluster) ของจุดความร้อนเพื่อให้สามารถจัดลำดับความสำคัญของพื้นที่ในการบริหารจัดการสถานการณ์ได้อย่างมีประสิทธิภาพ และหลายหน่วยงานมีการนำข้อมูลจุดความร้อนไปใช้ในการเฝ้าระวังและบริหารจัดการพื้นที่อย่างต่อเนื่อง (ภาพที่ 7)
นอกจากนี้ ภาพถ่ายดาวเทียมยังสามารถนำมาใช้ในการติดตามกลุ่มหมอกควัน (smoke and haze) ที่เกิดจากการเผาไหม้ในแต่ละพื้นที่ โดยใช้ช่วงคลื่นสีแดง (Red) สีเขียว (Green) และสีน้ำเงิน (Blue) นำมาทำภาพสีผสมจริง (true color composite) (ภาพที่ 8) และสามารถวิเคราะห์พื้นที่เผาไหม้ (burned area) โดยใช้ช่วงคลื่นอินฟราเรดสั้น (Shortwave infrared: SWIR) อินฟราเรดใกล้ (Near infrared: NIR) และสีแดง (Red) มาจัดทำเป็นภาพสีผสมเท็จ (false color composite) แยกแยะพื้นที่เผาไหม้และไม่เผา รวมทั้งการติดตามแนวหัวไฟ (active fires) ได้อย่างชัดเจน (ภาพที่ 9) ซึ่งจากข้อมูลนี้จะนำมาจัดทำแผนที่แสดงพื้นที่เผาไหม้สำหรับให้หน่วยงานที่เกี่ยวข้องนำไปใช้บริหารจัดการในระดับพื้นที่ต่อไป (ภาพที่ 10)
เมื่อพิจารณาจากข้อมูลภัยพิบัติย้อนหลังที่ได้จากเทคโนโลยีอวกาศมากกว่า 10 ปี พบว่า พื้นที่ประสบภัยพิบัติส่วนใหญ่ทั้งน้ำท่วม ภัยแล้ง และไฟป่าหมอกควัน มักจะเป็นพื้นที่ประสบภัยทุกปี แต่ความรุนแรงในแต่ละปีจะไม่เท่ากัน เนื่องจากปัจจัยเรื่องสภาพทางพื้นที่ (กายภาพและแวดล้อม) และสภาวะอากาศ (weather) ซึ่งมีส่วนสัมพันธ์กับปรากฎการณ์เอนโซ (ENSO) ดังเช่น เหตุการณ์น้ำท่วมปี 2554 และ 2565 ประเทศไทย ณ ขณะนั้นอยู่ในสภาวะลานีญา (La Nina) ส่งผลให้เกิดฝนตกหนักและน้ำท่วมขังในหลายพื้นที่โดยเฉพาะจังหวัดที่ตั้งอยู่ในพื้นที่ลุ่มน้ำเจ้าพระยา ลุ่มน้ำชี และลุ่มน้ำมูล ซึ่งเมื่อเทียบกับข้อมูลพื้นที่น้ำท่วมซ้ำซากย้อนหลัง และพื้นที่น้ำท่วมปี 2554 ก็จะเป็นขอบเขตพื้นที่น้ำท่วมเดิม และมักจะเกิดในช่วงเวลาเดียวกัน (ราวเดือนสิงหาคม-ตุลาคมของทุกปี)
การคาดการณ์สภาวะภัยแล้งโดยพิจารณาจากข้อมูลความชื้นในพืชพรรณ (NDWI) ย้อนหลัง 10 ปี (2555-2565) ในห้วงฤดูร้อนตั้งแต่เดือนมกราคมถึงพฤษภาคม พบว่า พื้นที่ตอนบนของประเทศโดยเฉพาะภาคตะวันออกเฉียงเหนือ ภาคกลาง บางส่วนของภาคเหนือและภาคตะวันตก มีความชื้นต่ำโดยเริ่มตั้งแต่เดือนมกราคมและพบความชื้นต่ำมากสูงสุดเดือนมีนาคม และความชื้นจะเริ่มกลับเข้าสู่สภาวะปกติถึงสูงขึ้นในเดือนพฤษภาคม ซึ่งสอดคล้องกับฤดูกาลของประเทศไทยที่เริ่มเข้าสู่ฤดูฝนในทุกปี (ภาพที่ 12) ทั้งนี้ หากนำข้อมูลสภาพอากาศล่วงหน้า เช่น ปริมาณฝนที่ตกในพื้นที่ ความชื้นสัมพัทธ์ และอุณหภูมิสูงสุด เป็นต้น นำมาวิเคราะห์และคาดการณ์พื้นที่เฝ้าระวังต่อภัยแล้ง หรือสภาวะการขาดแคลนน้ำ (water scarcity) ได้อีกทางหนึ่ง
ในห้วงฤดูแล้ง ประเทศไทยยังประสบปัญหาเรื่องการเผาไหม้ในพื้นที่ป่าและวัสดุเหลือใช้ทางการเกษตรในพื้นที่เกษตร ซึ่งสภาวะอากาศที่แห้งแล้งเป็นสาเหตุหนึ่งที่เอื้อต่อการลุกลามและความรุนแรงของไฟในแต่ละพื้นที่ได้ ยกตัวอย่าง ปี 2566 ที่ประเทศไทยเข้าสู่สภาวะเอลนิโญ จำนวนจุดความร้อนที่ตรวจพบในห้วงระหว่างเดือนมกราคมถึงเมษายน มีจำนวนมากกว่า 2-3 เท่า เมื่อเทียบกับปี 2565 ซึ่งเป็นปีที่ประเทศไทยอยู่ในสภาวะลานีญา (ภาพที่ 13) และเมื่อพิจารณาข้อมูลย้อนหลังตั้งแต่ปี 2562-2564 พบจุดความร้อนสูงมากและมีความใกล้เคียงกับปี 2566 ซึ่งข้อมูลนี้บ่งชี้ว่า หากยังปล่อยให้มีการเผาไหม้ในพื้นที่ป่าและไม่ใช่ป่าในห้วงสภาวะที่อากาศร้อนแห้งแล้งรุนแรงนั้น ก็จะทำให้สถานการณ์ไฟป่าหมอกควันและค่าคุณภาพอากาศโดยเฉพาะฝุ่นละออง PM2.5 เลวร้ายเพิ่มมากขึ้น
ข้อมูลในอดีตสามารถบ่งชี้ได้ในเบื้องต้นว่าพื้นที่ใดมีความเสี่ยงต่อภัยพิบัติในห้วงเวลาที่แตกต่างกันตามปฏิทินฤดูกาลของประเทศไทย แต่อย่างไรก็ตาม สิ่งที่ควรตระหนักและเฝ้าระวัง คือ พื้นที่ที่ไม่เคยเกิดภัยพิบัติมาก่อน เนื่องจากประชาชนอาจมิได้มีการเตรียมพร้อมรับมือกับสถานการณ์ภัยที่อาจจะเกิดขึ้น ซึ่งอาจจะทำให้เกิดความสูญเสียทั้งชีวิตและทรัพย์สินจำนวนมาก รวมทั้งพื้นที่ประสบภัยพิบัติซ้ำซาก ซึ่งทั้งสองพื้นที่นี้ควรมีการวางแผนและบริหารจัดการให้เหมาะสม
จากข้างต้น ข้อมูลภาพถ่ายดาวเทียมที่ได้จากเทคโนโลยีอวกาศ สามารถนำมาใช้ทั้งก่อน ระหว่าง และหลังเกิดภัยพิบัติ ในการเฝ้าระวัง ติดตาม ตรวจวัด วิเคราะห์และประมวลผลในแบบจำลอง เพื่อนำไปสู่การสร้างสถานการณ์จำลองและคาดการณ์พื้นที่เสี่ยงภัยพิบัติ (risk assessment) สำหรับการแจ้งเตือนภัยล่วงหน้า (early warning) ได้ รวมทั้งการเตรียมความพร้อมรับมือโดยการใช้ข้อมูลที่ได้จากเทคโนโลยีอวกาศเพื่อวางแผนและกำหนดมาตรการ/นโยบายตามบริบทของพื้นที่ในระยะยาว เป็นสิ่งที่ควรคำนึงถึงเพื่อให้การพัฒนาต่างๆ ที่ภาครัฐมีการลงทุนมีความยั่งยืนและประชาชนได้รับประโยชน์อย่างแท้จริงบนพื้นฐานของความปลอดภัยทั้งชีวิตและทรัพย์สิน
เพื่อให้เกิดการใช้ประโยชน์ของข้อมูลที่ได้จากเทคโนโลยีอวกาศอย่างต่อเนื่อง ประเทศไทยได้มีการพัฒนาดาวเทียมสำรวจทรัพยากรดวงแรกและส่งขึ้นสู่วงโคจรเมื่อ 15 ปีที่แล้ว และล่าสุดเมื่อวันที่ 9 ตุลาคม 2566 ดาวเทียม THEOS-2 เป็นดาวเทียมดวงที่สองที่มีรายละเอียดภาพ 50 เซนติเมตร (ต่อพิกเซล) (ภาพที่ 16) นับว่าเป็นดาวเทียมที่มีรายละเอียดสูงมาก ช่วยให้สามารถแยกแยะประเภทของวัตถุในภาพได้เป็นอย่างดี
เมื่อเกิดภัยพิบัติจะช่วยให้จำแนกพื้นที่ประสบภัยได้ถูกต้องและแม่นยำมากยิ่งขึ้น เพื่อการช่วยเหลือและชดเชยเยียวยาได้อย่างเป็นธรรมในภาวะวิกฤต จึงนับได้ว่าภาพถ่ายดาวเทียมที่ได้จากเทคโนโลยีอวกาศเป็นอีกหนึ่งเครื่องมือสำคัญที่ใช้ในการสำรวจโลก และมีประโยชน์อย่างมากในการติดตามและตรวจสอบพื้นที่ในเกิดภัยพิบัติไม่เพียงแต่ในประเทศไทยและทั่วโลก
References:
กรมอุตุนิยมวิทยา. 2567. การเฝ้าระวังปรากฏการณ์เอลนีโญ/ลานีญา. แหล่งที่มา : https://tmd.go.th/media/el-nino-la-nina/elnino-lanina-2022-05-25.pdf, สืบค้นวันที่ 27 มิถุนายน 2567.
สำนักงานพัฒนาเทคโนโลยีอวกาศและภูมิสารสนเทศ. 2567. THEOS-2 First Image. แหล่งที่มา : https://theos2firstimage.gistda.or.th/, สืบค้นวันที่ 27 มิถุนายน 2567.
สำนักงานพัฒนาเทคโนโลยีอวกาศและภูมิสารสนเทศ. 2567. สรุปสถานการณ์ไฟป่าหมอกควัน (Fire dashboard). แหล่งที่มา : https://fire.gistda.or.th/dashboard.html, สืบค้นวันที่ 27 มิถุนายน 2567.
Copernicus Climate Change Service. 2019. – with major processing by Our World in Data. “Annual average” [dataset]. Copernicus Climate Change Service, “ERA5monthly averaged data on single levels from 1940 to present 2” [original data].
NASA Worldview Snapshots. 2024. Worldview Snapshots. Available source: https://wvs.earthdata.nasa.gov/, 20 June 2024.
Svoboda, M.D. and Fuchs, B.A. 2016. Handbook of drought indicators and indices (Vol. 2). Geneva, Switzerland: World Meteorological Organization.
UNOOSA. 2024. Space Supporting the Sustainable Development Goals. Available source: https://www.unoosa.org/oosa/en/ourwork/space4sdgs/index.html, 27 June 2024.
