การคาดการณ์สถานการณ์น้ำปี 2552

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. การวิเคราะห์องค์ประกอบการวิเคราะห์องค์ประกอบ • การเปลี่ยนแปลงอุณหภูมิและฝนของไทย กับองค์ประกอบ • ผลการวิเคราะห์ wavelet & cross wavelet

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

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

6. Moisture Sources/recycling in theAsian Summer Monsoon (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. พฤติกรรมของดัชนีสมุทรศาสตร์พฤติกรรมของดัชนีสมุทรศาสตร์ แนวโน้มอุณหภูมิเฉลี่ยรายปีและ ค่าเฉลี่ยรายเดือน (ก่อนและหลัง ปี ค.ศ. 1995) Nino 4 Nino 3.4 Nino 1+2 DMI SOI

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

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

11. X Wavelet ปริมาณฝน และ ดัชนีสมุทรศาสตร์ B leads A by 90° anti phase same phase A leads B by 90° 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. สรุปลักษณะความสัมพันธ์ของอุณหภูมิเฉลี่ยและปริมาณน้ำฝนของประเทศไทยกับดัชนีสมุทรศาสตร์สรุปลักษณะความสัมพันธ์ของอุณหภูมิเฉลี่ยและปริมาณน้ำฝนของประเทศไทยกับดัชนีสมุทรศาสตร์ หมายเหตุ:*เนื่องจากคลื่น sine มีลักษณะเหมือนกันทุกคาบการเกิด ดังนั้นการที่เหตุการณ์ใดนำอีกเหตุการณ์หนึ่งเป็นเวลา 2 เดือน อาจหมายความว่านำกันอยู่ 2+12 เดือน หรือตาม 2-12 เดือนก็ได้ 13

14. Forecastability Forecast SST anomalies from CFS (JUN 2008 – Feb 2009) Nino4 Nino1+2 Source: http://www.cpc.ncep.noaa.gov 14

15. Indian ocean SST http://www.jamstec.go.jp/frcgc/

16. ผลการศึกษาการทำนายฝนเบื้องต้นผลการศึกษาการทำนายฝนเบื้องต้น Calibration Verify

17. ผลการทำนายฝนเบื้องต้นผลการทำนายฝนเบื้องต้น Verify forecast ผลการพัฒนาเทคนิคการพยากรณ์เบื้องต้นของประเทศไทย • Parameters • Tmax • SOI • Nino3.4 • Nino4 Rain = 0.0097 + 0.0770 Tmax_lag(+9) - 0.0997 SOI_lag(+6) + 0.331 Nino34_lag(+9) - 0.422 Nino4_lag(+7)

18. แหล่งข้อมูลและเทคนิคใหม่ๆ Nino Monitoring http://ds.data.jma.go.jp/tcc/ http://modis.gsfc.nasa.gov/

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

20. Heterogeneous sensor network Airborne Satellite Decision Support Tools In-Situ monitors Bio/Chem/Rad Detectors Surveillance • sparse • disparate • mobile/in-situ • extensible 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 • vendor neutral • extensive • - flexible • adaptable แนวคิด Climate / Sensor Web Technology ไพศาล สันติธรรมนนท์ และชัยภัทร เนื่องคำมา

21. ประเด็นการศึกษาในอนาคตประเด็นการศึกษาในอนาคต • 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, 2552. ผลการเปลี่ยนแปลงสภาพภูมิอากาศโลกต่อปริมาณน้ำฝน/น้ำท่ารายเดือนของประเทศไทย และผลกระทบต่อการบริหารจัดการน้ำในพื้นที่ภาคตะวันออก. Kshitij M. Kulkarni, Isotope Applicationsfor Water Resource Management, Water Resources Programme, IAEA,2008 NOAA (http://www.cpc.noaa.gov)

23. ขอขอบคุณ • ข้อมูลภูมิอากาศกรมชลประทาน และกรมอุตุนิยมวิทยา • สำนักงานกองทุนสนับสนุนการวิจัย (สกว.) • จุฬาลงกรณ์มหาวิทยาลัย

24. ขอขอบคุณผู้เข้าร่วมฟังบรรยายทุกท่านขอขอบคุณผู้เข้าร่วมฟังบรรยายทุกท่าน For more information, contact: Water Resource System Research Unit Chulalongkorn University Email : watercu@eng.chula.ac.th cu_wrsru@hotmail.com Website : www.watercu.eng.chula.ac.th