มอง PM 2.5 ในมุมของ Data Scientist
จากเลคเชอร์ของ อ. ดร. กริชชาติ ว่องไวลิขิต อาจารย์ภาควิศวกรรมเคมี จุฬาลงกรณ์มหาวิทยาลัย ซึ่งมีเนื้อหาเกี่ยวกับ เราจะใช้ศาสตร์ของ Data Science อย่างไรในการวิเคราะห์สถานการณ์ PM 2.5
ก่อนอื่น มาทำความรู้จักกับ Data Scientist กันก่อน
Data Scientist คือคนที่นำข้อมูล (Big data) มาวิเคราะห์ตามกระบวนการวิทยาศาสตร์ นั่นคือตั้งสมมติฐาน ทดลอง และหาข้อสรุปจากข้อมูลที่มี ซึ่งข้อสรุปที่ได้นั้นจะนำไปสู่การสร้างโมเดล เช่น โมเดลทำนายผล หรือ predictive model
ซึ่งหน้าที่ของ Data Scientist ในขั้นต้นคือ
1. เข้าใจในปัญหาที่ต้องการแก้ไข (Define problem)
2. ดึงข้อมูลจากแหล่งข้อมูล (Data collection)
3. ทำความเข้าใจในข้อมูลที่มี (Data understanding / Data analysis)
จากนั้นจึงค่อยนำข้อมูลไปประมวลผล และสรุปผลต่อไป
และในวันนี้ไอจะชวนเพื่อน ๆ มาลองฝึกเป็น Data Scientist กันค่ะ
ให้จำเอาไว้ว่าคุณสมบัติที่ดีของ Data Scientist ก็คือการเป็นคนช่างสงสัย ขยันตั้งคำถามว่าทำไม
https://www.youtube.com/watch?app=desktop&v=QoWt_FBvayM
บัดนี้ "คุณ" คือ Data Scientist ที่เก่งที่สุดในประเทศไทย และรัฐบาลได้จ้างคุณหนึ่งพันล้านบาทให้คุณหา solution ของปัญหาฝุ่น PM 2.5
.
.
.
ด้วยความที่เป็นมืออาชีพและรู้ว่าต้องทำอะไร
คุณทำความเข้าใจในปัญหาที่ต้องการแก้ไข (Define problem) ก่อนเป็นอันดับแรก
คุณจึงค้นคว้าข้อมูลใน internet
.
.
ในปัจจุบันฝุ่นที่มีความอันตรายต่อร่างกายของเราก็คือ PM 2.5 (ฝุ่นที่มีขนาดเล็กกว่า 2.5 µm) และ PM 10 (ฝุ่นที่มีขนาดเล็กกว่า 10 µm)
สาเหตุที่คนไม่กล่าวถึงฝุ่นที่มีขนาดใหญ่กว่านี้ก็เพราะร่างกายเราสามารถกรองได้ เวลาสูดเข้าไปมันจะไปติดอยู่ตามขนจมูก จึงไม่เป็นอันตราย
แต่ถ้าหากเล็กกว่า 10 µm มันจะอยู่ตามทางเดินหายใจของเรากับปอด และถ้าเล็กกว่า 2.5 µm สามารถซึมผ่านผนังปอดเข้าสู่กระแสเลือดเราได้เลย
ที่มา: https://www.dreamstime.com/
ปกติแล้ว PM 2.5 ในประเทศไทยจะมาจากการเผาไหม้เป็นหลัก ไม่ว่าจะเป็นจากการเกษตร ควันรถยนต์ หรือโรงงานอุตสาหกรรม
ส่วน PM 10 มาจากการก่อสร้าง, ดิน/ถนน หรือเกสรดอกไม้
.
.
จากนั้นคุณก็ดึงข้อมูลจากแหล่งข้อมูลต่าง ๆ ที่น่าเชื่อถือ (Data collection) เพื่อนำไปสู่การทำความเข้าใจในข้อมูล (Data understanding / Data analysis)
ในการดึงข้อมูลนี้คุณได้ดึงข้อมูลจากหลาย ๆ แห่งมาวิเคราะห์ประกอบกัน ซึ่งบางทีก็มีกราฟให้ บางทีก็มีแต่ raw data มาให้ คุณก็นำ raw data นั้นมาแสดงผลเป็นกราฟเอง (Data Visualization)
คุณพบกราฟที่น่าสนใจ ดังนี้
กราฟแสดงค่า PM 2.5 (ไมโครกรัม/ลูกบาศก์เมตร) แบบรายเดือนในกรุงเทพฯ
ตั้งแต่ปี 2554 - 2561
ที่มา : กรมควบคุมมลพิษ
http://air4thai.pcd.go.th/webV2/history/
"คุณ" สังเกตได้ว่า ทุกปีมีแนวโน้มค่าฝุ่นเป็นไปในทิศทางเดียวกัน คือสูงในช่วงต้นปีและปลายปี และมีค่ามาตรฐานอยู่ที่ 50 มคก./ลบ.ม.
นอกจากนี้ยังมีกราฟค่า PM 2.5 แบบรายปี ตั้งแต่ปี 2016 - 2020
ที่มา: Berkeley Earth
คุณเห็นว่าในกรุงเทพฯ มีช่วง peak ตั้งแต่ธันวาคมถึงมีนาคม
ในขณะที่เชียงใหม่มีช่วง peak ตั้งแต่มีนาคมถึงพฤษภาคม
และ pattern จะเป็นแบบนี้ในทุก ๆ ปี
นอกจากนี้กราฟของเชียงใหม่ มีแกนตั้งที่สูงกว่ากรุงเทพฯด้วย
คุณคิดได้ว่าการที่มันมีแนวทางที่ซ้ำ ๆ กัน นั้นไม่ใช่เรื่องบังเอิญ ต้องมีที่มาที่ไปอย่างแน่นอน
ด้วยความสงสัย คุณจึงเก็บข้อมูลเพิ่มอีก
โดยเจาะลึกเข้าไปที่แหล่งที่มาของปัญหา PM 2.5 ในบ้านเรา ซึ่งมีที่มาจาก 3 แหล่งหลัก ๆ ก็คือ การเผา ควันรถ และควันจากโรงงานอุตสาหกรรม
.
.
.
คุณสามารถหาได้แต่ข้อมูลของการเผา และรถยนต์เท่านั้น ไม่มีข้อมูลสถิติการปล่อยมลพิษจากโรงงานอุตสาหกรรม คุณจึงดูแค่การเผา และรถยนต์
- การเผาในที่โล่ง
ภาพถ่ายจากดาวเทียมแสดง hotspot (จุดร้อน หรือจุดที่มีการเผา) ณ วันที่ 19 ม.ค. 64 จาก Firms NASA
ที่มา: https://firms.modaps.eosdis.nasa.gov/
คุณได้เห็นว่าการเผาสวนใหญ่เกิดขึ้นที่ประเทศกัมพูชา
ซึ่งสอดคล้องกับข้อมูลจาก ASMC (ASEAN Specialized meteorological centre)
ที่มา: http://asmc.asean.org/asmc-haze-hotspot-monthly-new#Hotspot
'เว็บไซต์นี้สามารถดูจำนวนการเผาแบบรายเดือนได้ด้วยนี่หว่า'
คุณจึงดูที่ประเทศที่เผา จำนวนการเผา และช่วงเวลาที่เผา
ที่มา: http://asmc.asean.org/asmc-haze-hotspot-monthly-new#Hotspot
"คุณ" สังเกตได้ว่าในปี 2019 ประเทศพม่าและลาวมีจำนวนครั้งการเผาสูงในช่วงมีนาคมถึงพฤษภาคม ในขณะที่ประเทศกัมพูชามีการเผามากในช่วงมกราคมถึงมีนาคม และมีการเผาเล็กน้อยในช่วงปลายปี เป็นการเก็บเกี่ยวผลผลิต
และ trend จะเป็นแบบนี้ในทุก ๆ ปี
ปี 2020 ก็เช่นกัน
ที่มา: http://asmc.asean.org/asmc-haze-hotspot-monthly-new#Hotspot
'แต่เอ๊ะ... ช่วงเดือนนี่มันคุ้น ๆ นะ'
คุณจึงนำไปเทียบกับช่วงเวลาที่กรุงเทพและเชียงใหม่มีค่าฝุ่นสูงที่สุด จึงได้เห็นว่ามันสมเหตุสมผลกัน เนื่องจากกรุงเทพฯ อยู่ใกล้กับกัมพูชา ในขณะที่เชียงใหม่อยู่ติดกับพม่า และใกล้กับลาว
ในปีนี้ 2021 ก็เช่นเดียวกัน กัมพูชามีการเผาสูงมาก ๆ ในช่วงกลางเดือนมกราคม
ที่มา: http://asmc.asean.org/asmc-haze-hotspot-monthly-new#Hotspot
คุณคิดว่าเท่านี้ก็พอจะได้อะไรบางอย่างแล้ว จึงไปที่แหล่งที่มาถัดไป
- มลพิษจากท่อไอเสียรถยนต์
คุณดูกราฟดัชนีการจราจรในกรุงเทพมหานคร
ดัชนี 0 คือรถไม่ติดเลย ส่วนดัชนี 10 คือติดหนักมาก
**มีการเปลี่ยนวิธีการวัดในปี 2018
ที่มา: https://traffic.longdo.com/trafficindex
นอกจากนี้ คุณได้ไปเจอจำนวนรถโดยสารหรือประเภทรถยนต์ในแต่ละพื้นที่ จากกลุ่มสถิติการขนส่ง กรมการขนส่งทางบก
คุณคิดว่านี่เป็นอีกหนึ่ง dataset ที่สามารถดูได้ว่ารถติดหรือไม่ติดมีผลกับฝุ่นอย่างไร คุณจึงเก็บไว้ก่อน
วันนี้ คุณทำงานอย่างหนักแล้ว จึงพอแค่นี้ และเข้านอน
เช้าวันต่อมา
ด้วยความรอบคอบ คุณนั่งดูกราฟวนไปมา และคุณก็ได้เจอกับคำถามที่ปั่นหัวคุณแต่หัววัน
จากกราฟทางซ้าย "คุณ" เห็นได้ว่าค่าฝุ่นในกรุงเทพฯ มีช่วง peak ณ วันที่ 4 มกราคม และ 16 มกราคม ซึ่งสอดคล้องกับกราฟการเผาของประเทศกัมพูชาที่สูงก่อนวันที่ 4 และ 16 มกราคม
แล้ววันที่ 8 มีการเผาที่กัมพูชาเยอะ แล้วทำไมที่กรุงเทพฯ ถึงมีค่าฝุ่นน้อยล่ะ???
.
.
.
'เดี๋ยวนะ เหมือนเราลืมไปว่าการที่ฝุ่นจะมาถึงกรุงเทพฯ ได้นั้น ต้องอาศัยลมนี่'
เมื่อคิดได้ดังนี้ คุณจึงนั่งค้นคว้าเกี่ยวกับลม กับ PM 2.5 ทันที และบังเอิญไปเจอข้อความบนเว็บไซต์หนึ่ง
อีกหนึ่งปัจจัยสำคัญที่ก่อให้เกิดปัญหา PM 2.5 ก็คืออุตุนิยมวิทยา ได้แก่ ลม และอุณหภูมิ
- ทิศทางลม
ทิศทางลมในวันที่ 4 นั้น พัดจากกัมพูชามากรุงเทพฯ
ในขณะที่วันที่ 8 นั้น ลมจากกัมพูชาพัดไปทางใต้ ไม่ได้พัดผ่านกรุงเทพฯ
คุณคลายความสงสัยถึงสาเหตุที่ค่า PM 2.5 วันที่ 8 นั้น ในกรุงเทพฯ มีค่าน้อยในทันที
ส่วนทิศทางลมในวันที่ 12 มกราคม มาจากตะวันออกเฉียงเหนือ ทางแถบประเทศจีน
‘อย่างนี้นี่เอง วันนั้นจำได้ว่าหนาวมาก’ คุณนึกย้อนกลับไป
วันที่ 14 เป็นวันที่ไม่มีลม ทำให้ฝุ่นฟุ้งกระจาย ในขณะเดียวกันก็ไม่มีลมพัดมันออกไป ทำให้วันที่ 14-16 มกราคมนั้น มีค่าฝุ่น PM 2.5 พุ่งขึ้นสูงมาก
ลมในวันที่ 18 ก็เป็นเหตุให้เมื่อวานซืนและเมื่อวานก็มีฝุ่นไม่สูงมากนัก
'อืมมม...ลมและแหล่งกำเนิดนั้น มีผลต่อการเกิด PM 2.5 สินะ ถ้าวันไหนโชคร้ายก็มีลมพัดจากประเทศที่มีการเผาเยอะ ๆ และถ้าโชคร้ายขึ้นไปอีกคือจะไม่มีลมในเวลาต่อมา แต่ถ้าโชคดีก็จะมีลมแรง ๆ มาพัดมันออกไป'
'ถ้าอย่างนั้นเราคงจะหาวิธีแก้มันให้หายไม่ได้ จริงอยู่ที่ PM 2.5 นั้นเกิดจากพฤติกรรมบางอย่างของคนในประเทศเรา แต่มันเป็นเรื่องของธรรมชาติซะเป็นส่วนใหญ่ จะไปบังคับธรรมชาติก็ไม่ได้'
คุณรู้สึกหมดหวังกับ solution ของ PM 2.5 จึงคิดอะไรเรื่อยเปื่อย
.
.
.
'แล้ววันนี้สภาพฝุ่น PM 2.5 จะเป็นยังไงนะ'
ทันใดนั้นเอง ความคิดหนึ่งก็ผุดขึ้นมาในสมองอันหลักแหลมของคุณ
คุณรีบดูภาพลมของวันที่ 20 ประกอบกับกราฟด้านบนที่สองสามวันมานี้ประเทศเพื่อนบ้านเราเริ่มมีการเผาอีกแล้ว
ทำให้คุณทำนายได้ทันทีว่าวันนี้ 20 มกราคม จะมีค่าฝุ่นสูงอีกครั้ง
'ไชโย!!!' คุณร้องในใจ
'ในเมื่อเราหาวิธีแก้มันไม่ได้ ทำไมเราไม่ลองสร้างโมเดลในการทำนายค่าฝุ่นในวันต่อ ๆ ไปดูล่ะ'
คุณค้นพบทางสว่าง
.
.
.
แต่การค้นคว้าของคุณยังไม่จบ คุณจึงค้นคว้าต่อ
- อุณหภูมิ
Temperature inversion
เป็น zone ที่มีการกักอากาศอยู่ในบริเวณนั้น เหมือนเป็นฝาชีที่ครอบปิดอากาศอยู่ ภาษาทางอุตุนิยมวิทยาเรียกว่า Planetary Boundary Layer (PBL) ซึ่งจะเห็นได้ชัดในช่วงหน้าหนาว เพราะ layer มันจะกดตัวต่ำลง
มีคนทำสถิติไว้ของเชียงใหม่ในปี 2017-2018 เส้นสีแดงคือเส้นสูงสุดในแต่ละวัน สีฟ้าคือเส้นต่ำสุดในแต่ละวัน
จะสังเกตได้ว่า PBL นั้นจะถูกกดลงต่ำมากในช่วงหน้าหนาว ทำให้ฝุ่นที่เกิดขึ้นจะมีพื้นที่การกระจายตัวที่ลดลง เป็นผลให้ความเข้มข้นฝุ่นเพิ่มขึ้น
นอกจากเจ้า PBL จะเกิดขึ้นทุกวันแล้ว ในแต่ละวันมันยังเปลี่ยนแปลงอีกด้วย
ซึ่ง PBL นี้จะอยู่ต่ำในช่วงกลางคืน และลอยตัวสูงขึ้นในช่วงกลางวัน สูงสุดที่บ่าย 3 ของทุกวัน
สาเหตุมาจากในตอนกลางวันอุณหภูมิพื้นโลกสูง อากาศก็ลอยตัวสูง ตอนกลางคืนอุณหภูมิพื้นโลกต่ำ อากาศก็ลอยตัวต่ำ
ดังนั้นสรุปได้ว่าอุณหภูมิที่พื้นโลกมีผลต่อความสูงของ PBL และความสูงของ PBL ก็มีผลต่อความเข้มข้นของฝุ่นนั่นเอง
เป็นเหตุให้ในช่วง 8-9 โมงของทุกวันมีค่าฝุ่นสูงที่สุด เพราะเป็นจังหวะที่เจ้า PBL กำลังกระจายตัวออกหลังจากถูกกดต่ำมาทั้งคืน
'พุทโธ่! ถือเป็นเคราะห์ซ้ำกรรมซัดของประเทศไทยแท้ ๆ โดนทั้งเผา ทั้งลม ทั้ง temperature inversion กดต่ำ พร้อมกันในช่วงนี้’
.
.
.
หลังจากนั้นคุณได้ทำโมเดลทำนายค่าฝุ่น
เสร็จแล้วจึงนำโมเดล และนโยบายการแก้ปัญหาสำหรับคนในประเทศไปเสนอต่อรัฐบาล ซึ่งรัฐบาลได้นำไปใช้จริง และผลตอบรับดีอย่างมาก เพราะวันใดที่มีค่าฝุ่นเยอะ ผู้คนจะพร้อมใจกันปิดกิจการ และงดออกจากบ้าน เป็นผลให้มลภาวะลดลง รวมไปถึงผู้คนมีสุขภาพที่ดีด้วย
มากไปกว่านั้น ทั่วโลกก็ยอมรับว่าประเทศไทยนั้นมีระบบพยากรณ์ค่าฝุ่นที่แม่นยำที่สุดในโลก และโมเดลของคุณก็ได้ถูกนำไปใช้ทั่วโลกจนคุณกลายเป็นคนไทยคนแรกที่เป็นมหาเศรษฐีอันดับต้น ๆ ของโลก
.
.
.
"คุณ" ตื่นจากความฝัน
แต่สิ่งที่ได้จากความฝันคือ ทำให้คุณได้รู้ว่าการใช้ data science เข้ามาช่วยนั้น
ทำให้ได้คำตอบมากกว่าการ visualize ข้อมูลดูเฉย ๆ จริง ๆ
เป็นอย่างไรกันบ้างคะเพื่อน ๆ
หวังว่าจะได้มุมมองใหม่ ๆ เพิ่มขึ้นไม่มากก็น้อย
สำหรับวันนี้ต้องขอลาไปก่อน
สวัสดียามเช้าค่ะ :)
- 36
โฆษณา
- ดาวน์โหลดแอปพลิเคชัน
- © 2024 Blockdit
