พยากรณ์ล่วงหน้าสามชั่วโมง เปลี่ยนข้อมูลให้เป็นเวลาตัดสินใจ
AI พยากรณ์ฝนคือการใช้ปัญญาประดิษฐ์ประมวลข้อมูลอากาศเพื่อคาดการณ์ฝนล่วงหน้า และช่วยให้หน่วยงานวางแผนตอบสนองต่อความเสี่ยงน้ำท่วมได้ก่อนฝนตกหนักถึงพื้นที่ กรุงเทพมหานครกำลังนำเทคโนโลยีนี้มาใช้พยากรณ์ล่วงหน้า 3 ชั่วโมง ซึ่งเป็นช่วงเวลาสำคัญสำหรับการเตรียมระบบระบายน้ำและจัดลำดับการรับมือ
เมื่อวันที่ 29 ตุลาคม ชัชชาติ สิทธิพันธุ์ ผู้ว่าราชการกรุงเทพมหานคร กล่าวปาฐกถาในงาน The Future of Water: AI, Weather Resilience, and Frontier Technologies for Water Security โดยนำเสนอทิศทางรับมือวิกฤตน้ำของเมือง จุดแข็งของการพยากรณ์ระยะสั้นไม่ใช่การทำให้ฝนหยุดตก แต่คือการเพิ่มเวลาให้เจ้าหน้าที่ตัดสินใจว่าจะเร่งระบายน้ำ เตรียมเครื่องสูบน้ำ หรือแจ้งเตือนพื้นที่ใดก่อน
นี่เป็นการขยับจากการรอแก้ปัญหาเมื่อถนนเริ่มท่วม ไปสู่การเตรียมการบนข้อมูลล่วงหน้า อย่างไรก็ดี พยากรณ์สามชั่วโมงจะมีคุณค่าก็ต่อเมื่อข้อมูลส่งถึงผู้ปฏิบัติงานทันเวลาและนำไปสู่คำสั่งที่ทำได้จริง เทคโนโลยีจึงควรเป็นส่วนหนึ่งของระบบปฏิบัติการเมือง ไม่ใช่เพียงตัวเลขบนหน้าจอ

ฉากทัศน์น้ำช่วยให้ประตูระบายน้ำทำงานอย่างมีเหตุผล
โจทย์น้ำของกรุงเทพฯ ไม่ได้มีเพียงฝนที่ตกในเมือง แต่ประกอบด้วยน้ำฝน น้ำเหนือที่ไหลผ่านแม่น้ำเจ้าพระยา และน้ำทะเลหนุนจากอ่าวไทย ความเสี่ยงจะสูงขึ้นเมื่อทั้งสามปัจจัยเกิดพร้อมกัน การใช้แบบจำลองคาดการณ์สถานการณ์น้ำจึงสำคัญ เพราะช่วยประกอบการตัดสินใจเปิด-ปิดประตูระบายน้ำและบริหารสถานีสูบน้ำอัตโนมัติผ่านศูนย์ป้องกันน้ำท่วม
การสั่งการจากฉากทัศน์มีน้ำหนักกว่าการใช้กฎตายตัว เพราะระดับน้ำและฝนในแต่ละพื้นที่เปลี่ยนแปลงไม่พร้อมกัน แต่แบบจำลองไม่ควรถูกมองว่าแทนที่ดุลยพินิจของเจ้าหน้าที่ได้ทั้งหมด คุณภาพของข้อมูล ความพร้อมของอุปกรณ์ และการประสานงานระหว่างพื้นที่ ล้วนกำหนดว่าคำสั่งจะลดความเสี่ยงได้จริงเพียงใด
พื้นฐานทางกายภาพยังจำเป็น กทม. สร้างแนวคันป้องกันน้ำท่วมรวม 80 กิโลเมตรตามแม่น้ำเจ้าพระยา คลองบางกอกน้อย และคลองมหาสวัสดิ์ โดยยกระดับคันไว้ที่ +2.80 ถึง +3.50 เมตรจากระดับน้ำทะเลปานกลาง ซึ่งช่วยลดความเสี่ยงบริเวณจุดอ่อนริมแม่น้ำได้กว่า 87% ตัวเลขนี้ชี้ว่า AI จะได้ผลเมื่อทำงานร่วมกับโครงสร้างพื้นฐาน ไม่ใช่ใช้แทนเขื่อน คลอง หรือสถานีสูบน้ำ

ฝนสุดขั้วเปิดข้อจำกัดของเมือง และระบบที่ยังไม่ครบ
เหตุผลที่ต้องเร่งปรับระบบคือฝนกำลังตกหนักและกระจุกตัวในช่วงเวลาสั้น ช่วงปลายเดือนกันยายนที่ผ่านมา ปริมาณฝนสะสมในกรุงเทพฯ สูงเกิน 300 มิลลิเมตรภายในไม่กี่วัน ขณะเดียวกัน การเติบโตของเมืองและการเปลี่ยนการใช้ที่ดินทำให้พื้นที่รองรับน้ำตามธรรมชาติลดลง เมื่อเมืองลุ่มต่ำมีพื้นที่ซึมน้ำน้อยลง ฝนที่มากในเวลาอันสั้นย่อมเพิ่มโอกาสเกิดน้ำท่วมขัง
ระบบท่อระบายน้ำ คลอง สถานีสูบน้ำ และอุโมงค์ระบายน้ำต้องทำงานเป็นเครือข่าย กทม. ระบุว่าจุดเสี่ยงน้ำท่วม 737 จุดตามข้อมูลปี 2565 ได้รับการแก้ไขแล้วกว่า 70% แต่โครงการอุโมงค์ระบายน้ำลงสู่แม่น้ำเจ้าพระยาที่วางแผนไว้ 13 แห่ง เปิดใช้งานจริงเพียง 5 แห่ง สะท้อนช่องว่างระหว่างแผนกับกำลังระบายน้ำที่เมืองต้องการ
สำหรับประชาชน การรับมือไม่ควรจบที่การระบายน้ำหลังเกิดเหตุ นวัตกรรมท้องถิ่นอย่างท่อซิ่งช่วยเร่งระบายน้ำออกจากชุมชนลุ่มต่ำ ส่วนการแจ้งเตือนเฉพาะพื้นที่ผ่าน Cell Broadcast และ LINE Alert ช่วยให้คนเตรียมตัวได้ตรงจุด เครื่องมือเหล่านี้มีประโยชน์เมื่อข้อความชัดเจน ส่งทันเวลา และประชาชนรู้ว่าควรปฏิบัติอย่างไร

Compact City ต้องเป็นส่วนหนึ่งของการจัดการน้ำกรุงเทพฯ
การป้องกันน้ำท่วมระยะยาวไม่อาจฝากไว้กับ AI และโครงสร้างระบายน้ำเพียงอย่างเดียว แนวคิด Compact City หรือเมืองกระชับเป็นอีกส่วนของคำตอบ โดยการพัฒนาอาคารสูงอย่างเป็นระบบอาจช่วยให้การสร้างแนวคันป้องกันเพื่อคุ้มครองประชาชนทำได้ประหยัดและมีประสิทธิภาพกว่าการปล่อยให้เมืองขยายตัวในแนวราบ
แนวคิดนี้ควรถูกมองเป็นการวางแผนใช้ที่ดินควบคู่กับการจัดการน้ำ ไม่ใช่เหตุผลให้สร้างหนาแน่นโดยไม่คำนึงถึงพื้นที่รับน้ำ ทางระบายน้ำ และชุมชนที่อยู่ในจุดลุ่มต่ำ การตัดสินใจเรื่องอาคารและโครงสร้างพื้นฐานวันนี้มีผลต่อปริมาณน้ำที่เมืองต้องรับมือในอนาคต ดังนั้นข้อมูลพยากรณ์และแบบจำลองควรเชื่อมกับแผนผังเมืองและการลงทุนระยะยาว
สภาพอากาศสุดขั้วต้องการทั้งเทคโนโลยีและการวางแผนเมืองที่สอดคล้องกัน พร้อมความร่วมมือระหว่างภาครัฐ ภาคเอกชน สถาบันการศึกษา และองค์กรต่างประเทศ เพื่อบูรณาการข้อมูล นวัตกรรม และงบประมาณ รวมถึงเตรียมรับมือระดับน้ำทะเลที่สูงขึ้นในอ่าวไทย ข้อสรุปจึงชัดเจน: AI เป็นเครื่องมือเพิ่มเวลาและความแม่นยำในการตัดสินใจ แต่การป้องกันน้ำท่วมที่ยั่งยืนต้องทำให้ข้อมูล ประตูระบายน้ำ โครงสร้างพื้นฐาน และรูปแบบการเติบโตของเมืองทำงานไปในทิศทางเดียวกัน







