การคาดการณ์สถานการณ์น้ำปี 2552

งานนำเสนอเรื่อง: "การคาดการณ์สถานการณ์น้ำปี 2552"— ใบสำเนางานนำเสนอ:

1 การคาดการณ์สถานการณ์น้ำปี 2552
รศ. ดร. สุจริต คูณธนกุลวงศ์ หน่วยปฏิบัติการวิจัยระบบการจัดการแหล่งน้ำ ภาควิชาวิศวกรรมแหล่งน้ำ จุฬาลงกรณ์มหาวิทยาลัย 30 กรกฏาคม 2552 Water Resources System Research Unit, Faculty of Engineering, Chulalongkorn University

2 ประเด็นนำเสนอ ผลจากการวิเคราะห์องค์ประกอบต่างๆ กับการเปลี่ยนแปลง
สภาพอากาศไทย กลไกการเกิดฝน ความสัมพันธ์ที่ได้ แหล่งข้อมูล ผลการทำนายเบื้องต้น งานวิจัยในอนาคต

3 การวิเคราะห์องค์ประกอบ
การเปลี่ยนแปลงอุณหภูมิและฝนของไทย กับองค์ประกอบ ผลการวิเคราะห์ wavelet & cross wavelet

4 อุณหภูมิเฉลี่ยรายเดือน (ก่อนและหลัง ปี ค.ศ. 1995)
แนวโน้มเฉลี่ยรายปี แนวโน้มและค่าเฉลี่ยรายเดือนในช่วงปัจจุบันสูงขึ้นกว่าในอดีต เฉลี่ยรวมทั้งประเทศ พฤติกรรมการเกิดซ้ำ 1 ปี มีความชัดเจนลดลงประมาณหลังปี 1995 และพบคาบการเกิดซ้ำประมาณ 4 ปี

5 ปริมาณฝนเฉลี่ยรายเดือน (ก่อนและหลัง ปี ค.ศ. 1995)
แนวโน้มเฉลี่ยรายปี แนวโน้มและค่าเฉลี่ยรายเดือนของประเทศในช่วงปัจจุบันลดลงกว่าในอดีต เฉลี่ยรวมทั้งประเทศ พฤติกรรมการเกิดซ้ำ 1 ปี มีความชัดเจนลดลงประมาณหลังปี 1995 เช่นเดียวกับอุณหภูมิ

6 Moisture Sources/recycling in the Asian Summer Monsoon
The circulation model with a divide at 100 degrees east separating Indian and East Asian circulation cells, the model was validated using isotopes as shown above. It shows that indeed there is a divide at 100 degrees east and the moisture is not mixing. Isotopes show that these two cells have different sources of moisture and in the East Asian cell the moisture is re-circulated causing depleted stable isotope signatures. This shows that the origin of moisture is not oceanic, as previously thought but is re-circulated moisture in a closed loop. (Lau et al; Chen et al; Aggarwal et al) Moisture source controls on isotope distribution in Asian Monsoon

7 El Nino/La Nina Pattern
(NOAA / PMEL / TAO) Normal Pacific pattern. Equatorial winds gather warm water pool toward west. Cold water upwells along South American coast. El Niño Conditions. Warm water pool approaches South American coast. Absence of cold upwelling increases warming. La Niña Conditions. Warm water is further west than usual

8 พฤติกรรมของดัชนีสมุทรศาสตร์
แนวโน้มอุณหภูมิเฉลี่ยรายปีและ ค่าเฉลี่ยรายเดือน (ก่อนและหลัง ปี ค.ศ. 1995) Nino 4 Nino 3.4 Nino 1+2 DMI SOI

9 พฤติกรรม Wavelet ของดัชนีสมุทรศาสตร์
Transform Nino 4 Nino 3.4 Nino 1+2 DMI SOI

10 X Wavelet อุณหภูมิเฉลี่ยไทยและดัชนีสมุทรศาสตร์
same phase A leads B by 90° B leads A by 90° anti phase Nino 4 Nino 3.4 Nino 1+2 DMI SOI Indices

11 X Wavelet ปริมาณฝน และ ดัชนีสมุทรศาสตร์
same phase A leads B by 90° B leads A by 90° anti phase Nino 4 Nino 3.4 Nino 1+2 DMI SOI

12 Global Indices and Local Scale
Relationships Using cross-wavelet analysis, Nino 3.4 index may be the most correlation to monthly temperature and rainfall data in Thailand. Focus on annual period, Nino 3.4 has the same phase as temperature in most part of Thailand; however, it leads rainfall by 90° or 3 months. Coherences of Nino 3.4 and temperature at 2-4 year period are significant with phase angle of 45°. Coherences of Nino 3.4 and rainfall at 2-4 year period are relatively significant in the Southern region.

13 สรุปลักษณะความสัมพันธ์ของอุณหภูมิเฉลี่ยและปริมาณน้ำฝนของประเทศไทยกับดัชนีสมุทรศาสตร์
สิ่งที่สนใจ อุณหภูมิเฉลี่ย ปริมาณน้ำฝน ความสัมพันธ์กับดัชนีต่างๆ โดยรวม มีความสัมพันธ์กับดัชนี Nino 3.4 และ Nino 4 โดยรวมมากที่สุด มีความสัมพันธ์ที่คาบ 1 ปีกับดัชนี Nino1+2 มากที่สุด และมีความสัมพันธ์กับดัชนี DMI โดยรวมน้อยที่สุด คาบการเกิดซ้ำที่สำคัญ กับดัชนี Nino 3.4 - ที่คาบ 0.5 ปี, 1 ปี, และประมาณ 4 ปี ตลอดช่วงเวลาที่ศึกษา ที่คาบ 1 ปี, และประมาณ 12 ปีตลอดช่วงเวลาที่ศึกษา ที่คาบประมาณ 4 ปี ก่อน ค.ศ และเปลี่ยนเป็นที่ประมาณ 6 ปีหลัง ค.ศ. 1995 ความสัมพันธ์กับดัชนี Nino 3.4 ในช่วงปี ค.ศ (เอลนีโญ่) มีลักษณะความสัมพันธ์ที่ค่อนข้างชัดเจนทั่วไปในพื้นที่ ความสัมพันธ์ไม่แน่นอนและไม่ชัดเจนเหมือนลักษณะของอุณหภูมิเฉลี่ย ช่วงเวลาเหลื่อมล้ำของคลื่นที่คาบการเกิด 1 ปี* Nino 3.4 นำอุณหภูมิเฉลี่ยประมาณ 0-2 เดือน ในเกือบทุกพื้นที่ของประเทศ ยกเว้นบริเวณภาคใต้ฝั่งตะวันตก ที่อุณหภูมิเฉลี่ยนำประมาณ 0-2 เดือน Nino 3.4 นำปริมาณฝนประมาณ 2-4 เดือน ในเกือบทุกพื้นที่ของประเทศ ยกเว้นบริเวณภาคใต้ฝั่งตะวันออก ที่ปริมาณน้ำฝนนำประมาณ 4-6 เดือน หมายเหตุ: *เนื่องจากคลื่น sine มีลักษณะเหมือนกันทุกคาบการเกิด ดังนั้นการที่เหตุการณ์ใดนำอีกเหตุการณ์หนึ่งเป็นเวลา 2 เดือน อาจหมายความว่านำกันอยู่ 2+12 เดือน หรือตาม 2-12 เดือนก็ได้ 13

14 Forecastability Nino4 Nino1+2
Forecast SST anomalies from CFS (JUN 2008 – Feb 2009) Source: 14

15 Indian ocean SST

16 ผลการศึกษาการทำนายฝนเบื้องต้น
Calibration Verify

17 ผลการทำนายฝนเบื้องต้น
Verify forecast ผลการพัฒนาเทคนิคการพยากรณ์เบื้องต้นของประเทศไทย Parameters Tmax SOI Nino3.4 Nino4 Rain = Tmax_lag(+9) SOI_lag(+6) Nino34_lag(+9) Nino4_lag(+7)

18 แหล่งข้อมูลและเทคนิคใหม่ๆ
Nino Monitoring

19 แหล่งข้อมูลและเทคนิคใหม่ๆ
แนวคิด Sensor Web Technology Sensor Web คือเทคโนโลยีการเชื่อมโยงระบบเครือข่าย อุปกรณ์ตรวจวัดแบบอัตโนมัติ (Sensor) เข้ากับระบบภูมิสารสนเทศ(GIS) มีการนำข้อมูลที่ได้จากการตรวจวัดในสนาม มาทำการประมวลผลร่วมกับข้อมูลอื่นๆ เช่น ภาพถ่ายดาวเทียม แบบ Real-time ด้วยแบบจำลองทางคณิตศาสตร์และผลิตเป็นสารสนเทศ เพื่อใช้สนับสนุนการตัดสินใจในการบริหารจัดการหรือการแก้ไขปัญหาต่างๆ ซึ่งระบบจะทำงานผ่านเครือข่ายอินเตอร์เน็ต

20 แนวคิด Climate / Sensor Web Technology
ไพศาล สันติธรรมนนท์ และชัยภัทร เนื่องคำมา Heterogeneous sensor network In-Situ monitors Bio/Chem/Rad Detectors Surveillance Airborne Satellite sparse disparate mobile/in-situ extensible Decision Support Tools vendor neutral extensive - flexible adaptable Sensor Web Enablement discovery access tasking alert notification web services and encodings based on Open Standards (OGC, ISO, OASIS, IEEE) Models and Simulations nested national, regional, urban adaptable data assimilation

21 ประเด็นการศึกษาในอนาคต
เปรียบเทียบข้อมูล GCM, ผลการ Downscale และผลการศึกษาจากแบบจำลอง MM5 ของแต่ละแหล่ง เพื่อหาข้อมูลที่เหมาะสมกับการประยุกต์ใช้ในพื้นที่ พัฒนาเทคนิค forecastability ช่วงระยะสั้น (รายฤดู)ของปริมาณฝนในแต่ละลุ่มน้ำ ศึกษาผลกระทบ และการปรับตัวทางด้านน้ำ (ระดับภูมิภาค จังหวัด และชุมชน) นำผลการเปลี่ยนแปลงสภาพภูมิอากาศมาใช้ประกอบในการวางแผนพัฒนา (รวมด้านน้ำ) ระดับจังหวัด

22 เอกสารอ้างอิง คณะวิศวกรรมศาสตร์ จุฬาลงกรณ์มหาวิทยาลัย, ผลการเปลี่ยนแปลงสภาพภูมิอากาศโลกต่อปริมาณน้ำฝน/น้ำท่ารายเดือนของประเทศไทย และผลกระทบต่อการบริหารจัดการน้ำในพื้นที่ภาคตะวันออก. Kshitij M. Kulkarni, Isotope Applications for Water Resource Management, Water Resources Programme, IAEA,2008 NOAA (

23 ขอขอบคุณ ข้อมูลภูมิอากาศ กรมชลประทาน และกรมอุตุนิยมวิทยา
สำนักงานกองทุนสนับสนุนการวิจัย (สกว.) จุฬาลงกรณ์มหาวิทยาลัย

24 ขอขอบคุณผู้เข้าร่วมฟังบรรยายทุกท่าน
For more information, contact: Water Resource System Research Unit Chulalongkorn University Website :