อากาศปิด ฝุ่น PM2.5 สะสมหนัก รู้ล่วงหน้าได้ไหม

ช่วงหน้าหนาวทีไร หลายคนคงคุ้น ๆ ว่าแค่จะวางแผนออกไปทำกิจกรรมนอกบ้าน ก็ต้องลุ้นก่อนเลยว่า วันไหนจะอากาศดี วันไหนจะอากาศแย่ แล้วสามารถรู้ล่วงหน้าได้ไหม มาหาคำตอบกันครับ​

PM2.5 มาจากหลายแหล่งกำเนิด เช่น การเผาในที่โล่งทั้งภาคเกษตรและป่าไม้ การคมนาคม โรงงานอุตสาหกรรม ชุมชนครัวเรือน และงานก่อสร้าง แต่สิ่งที่ทำให้บางวันค่าฝุ่น “สะสมจนพุ่งสูง” ไม่ได้มีแค่แหล่งกำเนิดอย่างเดียว ยังขึ้นกับสภาพอากาศด้วย โดยเฉพาะปรากฏการณ์อุณหภูมิผกผัน (Temperature Inversion) ซึ่งมักเกิดในฤดูหนาวหรือช่วงอากาศเย็น และส่งผลโดยตรงต่อ “อัตราการระบายอากาศ” ของพื้นที่​

ตามปกติ อุณหภูมิจะลดลงเมื่อความสูงเพิ่มขึ้น แต่เมื่อเกิดอุณหภูมิผกผัน ชั้นบรรยากาศจะมีลักษณะคล้าย “เย็น–ร้อน–เย็น” เหมือนแซนด์วิช (ดังภาพที่ 1) โดยชั้นอากาศที่อุ่นกว่าจะทำหน้าที่เหมือน “ฝาปิด” ทำให้ฝุ่นและมลพิษไม่สามารถลอยขึ้นไปกระจายตัวได้ดี ส่งผลให้ PM2.5 สะสมหนาแน่นใกล้ผิวดินมากขึ้น นี่เป็นเหตุผลว่าทำไมบางช่วงถึงรู้สึกว่า “ฝุ่น PM2.5 พุ่งขึ้นสูง” แม้แหล่งกำเนิดจะไม่ได้เพิ่มขึ้นแบบก้าวกระโดดก็ตาม​

แล้วเราจะรู้ได้อย่างไร และคาดการณ์ได้ล่วงหน้าไหมว่า “วันไหนอากาศจะเปิดหรือปิด” คำตอบคือคาดการณ์ได้ครับ แนวทางมาตรฐานคือใช้ โมเดลเคมี–การแพร่กระจายมลพิษ เช่น WRF-Chem หรือ CMAQ ซึ่งจำลองทั้งการไหลเวียนของอากาศและกระบวนการเกิด/สะสม/กระจายของฝุ่นได้ครบถ้วน แต่ข้อจำกัดคือต้องใช้ทรัพยากรคอมพิวเตอร์สูงมาก ดังนั้นอีกแนวทางหนึ่งที่ต้นทุนต่ำกว่าและขยายผลได้ง่าย คือการใช้ “ข้อมูลดาวเทียมร่วมกับ Machine Learning” เพื่อช่วยประเมินความเสี่ยงและคาดการณ์ล่วงหน้าในทันที​

เริ่มต้นด้วยข้อมูลจากดาวเทียม ครั้งนี้เราใช้ดาวเทียมอุตุนิยมวิทยา GNSS-RO ย่อมาจาก Global Navigation Satellite System – Radio Occultation ซึ่งมีจุดเด่นคือสามารถวัด “โครงสร้างบรรยากาศเป็นชั้น ๆ ในแนวดิ่ง” ได้คล้ายกับการปล่อยบอลลูนตรวจอากาศ ทำให้เราได้โปรไฟล์อากาศตามความสูง เช่น อุณหภูมิ ความเร็วลม ทิศทางลม และตัวแปรบรรยากาศอื่น ๆ (ดังภาพที่ 2) จุดสำคัญคือ ในประเทศไทยมีการปล่อยบอลลูนเป็นประจำแต่มีจำนวนจุดตรวจวัดจำกัด (ประมาณ 12 จุด) ซึ่งยังไม่เพียงพอถ้าต้องการประเมินความเสี่ยงให้ครอบคลุมทั้งประเทศ ดังนั้นข้อมูลจากดาวเทียมจึงเป็นตัวช่วยสำคัญในการเติมช่องว่างเชิงพื้นที่ อย่างไรก็ตาม ก่อนนำข้อมูล GNSS-RO ไปใช้จริง เราต้องทำขั้นตอนที่สำคัญ คือ ตรวจสอบความสอดคล้อง (correlation/validation) โดยเทียบข้อมูลดาวเทียมกับข้อมูลบอลลูนตรวจอากาศในช่วงเวลาและพื้นที่เดียวกัน (ดังภาพที่ 3) เพื่อยืนยันความน่าเชื่อถือ เมื่อมั่นใจแล้วจึงนำไปสร้างตัวแปรบ่งชี้สภาวะอากาศปิด หรือปรากฎการอุณหภูมิผกผัน และป้อนเข้าโมเดล Machine Learning เพื่อคาดการณ์แนวโน้ม ความเสี่ยงต่อการเกิดมลพิษทางอากาศ ล่วงหน้าได้อย่างเป็นระบบ โดยระดับความเสี่ยงจะขึ้นอยู่การคาดการณ์อัตราการระบายอากาศในแต่ละพื้นที่ครับ​

ผลจากระบบคาดการณ์จะแสดงเป็นข้อมูลและแผนที่แบบอิงตำแหน่ง (location-based) ล่วงหน้ารายวัน ครอบคลุมพื้นที่ทั่วประเทศไทย โดยจะแสดงเป็น 5 ระดับ ตามภาวะการระบายอากาศที่คาดการณ์ได้ในแต่ละพื้นที่ ได้แก่ ​

 Level 1 (Good): สีฟ้า - อากาศลอยตัวได้ดี มลพิษกระจายตัวเร็ว​
 Level 2 (Moderate): สีเขียว - อากาศระบายได้ดีพอสมควร มลพิษไม่สะสมมาก​
 Level 3 (Unhealthy for Sensitive Groups): สีเหลือง - อากาศค่อนข้างนิ่ง เริ่มมีการสะสมของมลพิษ​
 Level 4 (Unhealthy): สีส้ม - อากาศปิด มลพิษเกินมาตรฐาน เริ่มมีผลกระทบต่อสุขภาพ​
 Level 5 (Very Unhealthy/Hazardous): สีแดง - อากาศปิดมาก มลพิษสะสมสูง กระทบต่อสุขภาพอย่างชัดเจน​

โครงการนี้ดำเนินงานร่วมกับ กรมควบคุมมลพิษ และ สถาบันวิจัยวิทยาศาสตร์และเทคโนโลยีแห่งประเทศไทย (วว.) (ดังภาพที่ 4) โดยสามารถเข้าใช้งานระบบได้ที่:​
https://pmwatch.earthinsights.net/

ในเชิงการนำไปใช้ ข้อมูลนี้สามารถสนับสนุนการบริหารจัดการการเผาในเชิงพื้นที่ได้นะครับ เมื่อเราไม่สามารถหยุดการเผาได้ทั้งหมดในทันที การใช้วิทยาศาสตร์เพื่อกำหนด “ช่วงเวลาที่เหมาะสม” เช่น อนุญาตให้เผาในวันที่การระบายอากาศดี และหลีกเลี่ยงวันที่อากาศปิด จะช่วยลดโอกาสเกิดการสะสมมลพิษ PM2.5 และลดผลกระทบต่อสุขภาพของประชาชนได้ครับ​

#PM25 #อุณหภูมิผกผัน #อากาศปิด #ดาวเทียม #MachineLearning #พยากรณ์ฝุ่น #earthinsights #Thaicom #ฝาชีปิด