พยากรณ์ให้ทัน คือเวลาที่เมืองต้องใช้ตัดสินใจ
AI พยากรณ์ฝนคือระบบที่ใช้ข้อมูลและปัญญาประดิษฐ์ประเมินแนวโน้มฝนล่วงหน้า เพื่อให้หน่วยงานเห็นความเสี่ยงก่อนน้ำจะท่วมและเตรียมการระบายน้ำได้เหมาะกับสถานการณ์ของแต่ละพื้นที่ กทม. กำลังใช้เทคโนโลยีนี้คาดการณ์ฝนล่วงหน้า 3 ชั่วโมง พร้อมแบบจำลองสถานการณ์น้ำท่วม เพื่อสนับสนุนการตัดสินใจของศูนย์ป้องกันน้ำท่วม[ ]
ผู้ว่าฯ ชัชชาติ สิทธิพันธุ์ กล่าวถึงทิศทางดังกล่าวเมื่อวันที่ 29 ตุลาคม ในปาฐกถาเปิดงานด้านอนาคตของน้ำ ความพร้อมรับสภาพอากาศ และเทคโนโลยีเพื่อความมั่นคงทางน้ำ ประเด็นสำคัญไม่ใช่การมีคำพยากรณ์ที่ล้ำสมัยเพียงอย่างเดียว แต่คือการเปลี่ยนข้อมูลให้เป็นคำสั่งที่ทันเวลา หากแบบจำลองชี้ว่าฝนกำลังมุ่งสู่พื้นที่เสี่ยง เจ้าหน้าที่ต้องมีเวลาประเมินว่าจะเร่งสูบน้ำ ปรับการระบาย หรือแจ้งเตือนประชาชนอย่างไร
นี่คือจุดที่เทคโนโลยีอาจสร้างความต่างให้การป้องกันน้ำท่วม แต่การพยากรณ์สามชั่วโมงไม่ใช่คำรับประกันว่าจะไม่มีน้ำขัง ผลลัพธ์ขึ้นอยู่กับความแม่นยำของข้อมูล การประสานงานระหว่างหน่วยงาน และความพร้อมของอุปกรณ์ภาคสนามด้วย

สามน้ำบรรจบเมื่อไร เมืองลุ่มต่ำยิ่งเสี่ยง
โจทย์น้ำของกรุงเทพฯ ไม่ได้จบที่ฝนตกหนัก แต่ประกอบด้วยน้ำฝนที่สะสมในพื้นที่ต่ำ น้ำเหนือที่ไหลผ่านแม่น้ำเจ้าพระยา และน้ำทะเลหนุนจากอ่าวไทย ความเสี่ยงสูงขึ้นเมื่อทั้งสามปัจจัยมาพร้อมกัน จึงไม่อาจวางแผนโดยดูเพียงปริมาณฝนในเขตเมือง[ ]
การเปลี่ยนแปลงสภาพภูมิอากาศทำให้ฝนตกหนักและกระจุกตัวในช่วงสั้น ตัวอย่างช่วงปลายเดือนกันยายนมีฝนสะสมเกิน 300 มิลลิเมตรในเวลาไม่กี่วัน ขณะเดียวกัน เมืองที่ขยายตัวและเปลี่ยนการใช้ที่ดินสูญเสียพื้นที่รองรับน้ำตามธรรมชาติไปบางส่วน และชุมชนหลายแห่งอยู่ต่ำกว่าระดับคลอง จึงต้องพึ่งระบบสูบน้ำเป็นหลัก[ ]
การจัดการน้ำเมืองจึงต้องเชื่อมข้อมูลฝนเข้ากับระดับน้ำในแม่น้ำและคลอง รวมทั้งสภาพการระบายในพื้นที่จริง หากระบบมองเห็นเพียงด้านใดด้านหนึ่ง การสั่งการก็อาจไม่ทันต่อแรงกดดันจากน้ำอีกสองทาง

ข้อมูลต้องไปถึงประตูระบายน้ำและเครื่องสูบ
ประโยชน์เชิงปฏิบัติของแบบจำลองคือช่วยประกอบการตัดสินใจเปิดหรือปิดประตูระบายน้ำ และบริหารสถานีสูบน้ำผ่านศูนย์ป้องกันน้ำท่วม[ ] การตัดสินใจเหล่านี้ต้องคำนึงถึงระดับน้ำทั้งสองด้าน ไม่ใช่สั่งเปิดหรือปิดตามพยากรณ์ฝนอย่างโดดเดี่ยว เพราะการระบายในจุดหนึ่งอาจส่งผลต่อพื้นที่อื่น
โครงข่ายท่อระบายน้ำ คลอง สถานีสูบน้ำ และอุโมงค์ระบายน้ำจึงต้องทำงานเป็นระบบเดียวกัน[ ] กทม. มีคันป้องกันน้ำท่วมยาวรวม 80 กิโลเมตรตามแนวแม่น้ำเจ้าพระยา คลองบางกอกน้อย และคลองมหาสวัสดิ์ โดยยกระดับคันไว้ที่ 2.80 ถึง 3.50 เมตรจากระดับน้ำทะเลปานกลาง และรายงานว่าลดความเสี่ยงจุดอ่อนริมแม่น้ำได้กว่า 87%[ ]
นอกจากนี้ กทม. ระบุว่าจากจุดเสี่ยงน้ำท่วม 737 จุดที่วิเคราะห์ไว้ในปี 2565 แก้ปัญหาแล้วกว่า 70%[ ] ตัวเลขเหล่านี้สะท้อนความคืบหน้า แต่ยังชี้ว่าต้องติดตามจุดที่เหลือและทดสอบการสั่งการให้สอดคล้องกับข้อมูลจริง

เทคโนโลยีช่วยได้ แต่ผังเมืองกำหนดขีดจำกัด
การเตรียมเมืองรับอากาศสุดขั้วต้องเดินสองทางพร้อมกัน คือใช้เทคโนโลยีพยากรณ์และปรับผังเมืองให้รับน้ำได้ดีขึ้น กทม. เสนอแนวคิดเมืองกระชับ หรือ Compact City โดยจัดการการเติบโตและความหนาแน่นอย่างเป็นระบบ แทนการขยายเมืองแนวราบที่ทำให้การสร้างแนวป้องกันครอบคลุมพื้นที่ยากขึ้น[ ]
ในระดับชุมชน ท่อซิ่งช่วยเร่งสูบน้ำออกจากพื้นที่ลุ่มต่ำ ส่วนการแจ้งเตือนเฉพาะพื้นที่ผ่าน Cell Broadcast และ LINE Alert อาจช่วยให้ประชาชนมีเวลาย้ายรถ เตรียมของจำเป็น หรือหลีกเลี่ยงเส้นทางเสี่ยง[ ] ขณะเดียวกัน การรุกล้ำริมคลอง ข้อจำกัดงบประมาณ และความซับซ้อนของการประสานงานข้ามพื้นที่ยังเป็นอุปสรรคที่เทคโนโลยีแก้แทนไม่ได้
กรุงเทพฯ ยังศึกษาตัวอย่างโครงสร้างป้องกันน้ำทะเลหนุนจากต่างประเทศ เพื่อเตรียมรับระดับน้ำทะเลอ่าวไทยที่อาจสูงขึ้นในอนาคต[ ] งานระยะยาวจึงต้องอาศัยความร่วมมือจากภาครัฐ ภาคเอกชน สถาบันการศึกษา และองค์กรต่างประเทศ[ ]
ข้อสรุปคือ AI เป็นเครื่องมือเพิ่มเวลาให้ผู้บริหารเมือง ไม่ใช่ทางลัดแทนโครงสร้างพื้นฐานหรือการวางผังเมือง หากข้อมูลเชื่อถือได้ ระบบระบายน้ำพร้อม และการตัดสินใจเชื่อมถึงประชาชน การพยากรณ์สามชั่วโมงก็มีโอกาสเปลี่ยนจากตัวเลขบนจอเป็นการป้องกันน้ำท่วมที่เห็นผลจริง







