เมื่อวันที่ 3 กันยายนที่ผ่านมา Google เปิดตัว WeatherNext 3 โมเดล AI พยากรณ์อากาศรุ่นใหม่ล่าสุด พร้อมนำมาใช้อัปเดตข้อมูลสภาพอากาศบน Google Search, Google Maps และแอป Gemini ทั่วโลกทันทีในวันเดียวกัน โดยโมเดลนี้สามารถออกผลพยากรณ์รอบใหม่ได้ทุกชั่วโมง

หลังจากนั้นเพียง 3 สัปดาห์ กรุงเทพฯ ก็เผชิญกับสถานการณ์น้ำท่วมหนักที่สุดในรอบ 15 ปี ในช่วงวันที่ 24-29 กันยายน มีฝนตกหนักต่อเนื่องยาวนานถึง 48 ชั่วโมง และบางพื้นที่มีปริมาณฝนสะสมเกินกว่า 300 มิลลิเมตร จนประกาศให้ทั้ง 50 เขตเป็นพื้นที่ภัยพิบัติ ข้อมูลจนถึงวันที่ 29 กันยายนระบุว่า มีผู้เสียชีวิตในพื้นที่ประสบภัยน้ำท่วมรวม 23 ราย โดยในจำนวนนี้มี 4 รายที่อยู่ในเขตกรุงเทพฯ

ในช่วงวันที่ 22-26 กันยายน มีการพูดถึงเหตุการณ์น้ำท่วมบนโซเชียลมีเดียอย่างมาก โดยข้อความในหมวดการเตือนภัยและพยากรณ์มีสูงถึง 10,683 ข้อความ ซึ่งมากเป็นอันดับสองรองจากการแจ้งจุดน้ำท่วม แต่สิ่งที่ต้องแยกให้ชัดเจนตั้งแต่แรกคือ WeatherNext 3 ทำหน้าที่พยากรณ์ฝน ไม่ได้พยากรณ์น้ำท่วม

WeatherNext 3 ข้อมูลสดใหม่ ไม่ต้องรอรอบละ 6 ชั่วโมง

Google ระบุว่า สิ่งที่เปลี่ยนแปลงไปมากที่สุดใน WeatherNext 3 คือชุดข้อมูลที่นำมาใช้ฝึกโมเดล

โดยทั่วไป โมเดล AI พยากรณ์อากาศส่วนใหญ่ รวมถึง WeatherNext 2 รุ่นก่อนหน้า เรียนรู้จากผลลัพธ์ของ NWP แบบจำลองที่คำนวณตามหลักฟิสิกส์ของชั้นบรรยากาศด้วยซูเปอร์คอมพิวเตอร์ ซึ่งเป็นวิธีมาตรฐานที่ใช้พยากรณ์อากาศกันมาหลายสิบปีและให้ผลลัพธ์ที่ดี ทว่าข้อมูลจากระบบนี้มักจะประมวลผลออกมาล่าช้ากว่าเวลาจริงประมาณ 6 ชั่วโมง

ความล่าช้านี้ทำให้การพยากรณ์ค่าสภาพอากาศที่เปลี่ยนแปลงรวดเร็ว อย่างปริมาณฝนหรืออุณหภูมิที่ผิวพื้น มีโอกาสคลาดเคลื่อนได้ง่าย ลองนึกภาพเมฆฝนที่เพิ่งเริ่มก่อตัวขึ้นเหนือเมืองตอนบ่ายโมง ถ้าข้อมูลตั้งต้นที่โมเดลนำมาใช้ยังเป็นภาพบรรยากาศตอน 7 โมงเช้า เมฆก้อนนั้นก็ยังไม่ปรากฏอยู่ในข้อมูลด้วยซ้ำ

WeatherNext 3 เข้ามาแก้ปัญหานี้ด้วยการดึงภาพถ่ายดาวเทียมสดที่ประกอบรวมเป็นภาพทั้งโลกเข้ามาประมวลผลทุกชั่วโมง ทำให้การคำนวณในแต่ละรอบเริ่มต้นจากภาพดาวเทียมชุดล่าสุดเสมอ และสามารถออกผลพยากรณ์รอบใหม่ได้ทุกชั่วโมง ต่างจาก WeatherNext 2 ที่ออกผลพยากรณ์ได้ทุก 6 ชั่วโมงเท่านั้น Google จึงระบุว่านี่คือโมเดลพยากรณ์อากาศระดับโลกตัวแรกที่สามารถออกผลพยากรณ์ใหม่ได้ทุกชั่วโมงตลอดทั้งวัน

นอกจากภาพถ่ายดาวเทียมแล้ว โมเดลยังเรียนรู้โดยตรงจากข้อมูลจริงที่สถานีตรวจวัดอากาศภาคพื้นดินวัดได้ สำหรับเรื่องฝนโดยเฉพาะ Google ฝึกโมเดลด้วยชุดข้อมูลฝน 2 ชุดหลัก ชุดแรกคือข้อมูล IMERG ของ NASA ที่ประเมินปริมาณฝนจากดาวเทียม และชุดที่สองคือข้อมูลฝนย้อนหลังทั่วโลกที่ Google พัฒนาขึ้นเองจากเรดาร์บนดาวเทียม

ความละเอียดระดับ 5 กิโลเมตร แทนที่ช่องเดิม 25 กิโลเมตร

ระบบพยากรณ์อากาศระดับโลกจะแบ่งพื้นที่ผิวโลกออกเป็นตารางช่องสี่เหลี่ยม แล้วคำนวณค่าพยากรณ์ออกมาช่องละหนึ่งค่า ยิ่งขนาดช่องเล็กลงเท่าไร ระบบก็ยิ่งแยกแยะสภาพอากาศของพื้นที่ใกล้เคียงกันได้ละเอียดมากขึ้นเท่านั้น

ขณะที่ WeatherNext 2 ใช้ช่องขนาด 25 กิโลเมตร WeatherNext 3 ลดขนาดช่องข้อมูลอุณหภูมิและความชื้นที่ผิวพื้นลงมาเหลือเพียง 5 กิโลเมตร นั่นหมายความว่า พื้นที่เพียงหนึ่งช่องของรุ่นเก่า มีขนาดเท่ากับพื้นที่ของรุ่นใหม่รวมกันถึง 25 ช่อง

ความแตกต่างตรงนี้สำคัญมาก เพราะอุณหภูมิและความชื้นเปลี่ยนแปลงได้อย่างชัดเจนในระยะห่างเพียงไม่กี่กิโลเมตร โดยเฉพาะในชุมชนริมชายฝั่ง ในหุบเขา หรือพื้นที่ใกล้แนวเทือกเขา การใช้ช่องขนาดใหญ่แบบเดิมจะเฉลี่ยความแตกต่างเหล่านี้จนกลายเป็นค่าเดียวกันทั้งหมด

ข้อควรระวังคือ ความละเอียดระดับ 5 กิโลเมตรนี้ไม่ได้ครอบคลุมข้อมูลทุกตัว โดยตัวแปรอื่นที่ผิวพื้นมีความละเอียดอยู่ที่ 10 กิโลเมตร ส่วนข้อมูลในชั้นบรรยากาศ เช่น ความเร็วลม ยังคงอยู่ที่ระดับ 25 กิโลเมตรเท่าเดิม แต่ภาพรวมที่ Google สรุปไว้คือระบบละเอียดขึ้นราว 5 เท่า ดังนั้นถ้าเห็นข้อความระบุว่าโมเดลนี้พยากรณ์ฝนได้ละเอียดถึง 5 กิโลเมตร ให้เข้าใจตรงกันว่าตัวเลขดังกล่าวเป็นความละเอียดของอุณหภูมิและความชื้นเท่านั้น (ถ้าต้องการศึกษาการทำงานของโมเดลนี้อย่างละเอียด สามารถอ่านเพิ่มเติมได้ที่ บทความแนะนำ WeatherNext 3)

พื้นที่ที่เคยพยากรณ์ไม่แม่น คือกลุ่มที่ได้ประโยชน์มากที่สุด

Google ระบุว่า ผู้ใช้งานที่ดูข้อมูลสภาพอากาศผ่าน Google Search, Google Maps และแอป Gemini จะได้ข้อมูลพยากรณ์ฝนที่แม่นยำขึ้นสูงสุดถึง 50% เมื่อดูข้อมูลล่วงหน้าตั้งแต่ 1 วันขึ้นไป และพื้นที่ที่ระบบพัฒนาขึ้นมากที่สุด คือภูมิภาคที่ข้อมูลพยากรณ์ในอดีตเคยน่าเชื่อถือน้อยกว่าที่อื่น

ทั้งนี้ ตัวเลข 50% ดังกล่าวใช้กับการพยากรณ์ล่วงหน้า 1 วันขึ้นไป ไม่ใช่การพยากรณ์รายชั่วโมง ส่วนคำว่า "สูงสุดถึง" หมายถึงตัวเลขสูงสุด ไม่ได้หมายความว่าทุกพื้นที่จะแม่นยำขึ้นเท่ากัน

Google ระบุว่า 3 ภูมิภาคที่ได้รับประโยชน์เป็นพิเศษ ได้แก่ ละตินอเมริกา, แอฟริกา และเอเชียแปซิฟิก ซึ่งประเทศไทยก็อยู่ในภูมิภาคนี้ สาเหตุสำคัญมาจากเรื่องต้นทุน เพราะในอดีต การพยากรณ์อากาศความละเอียดสูงต้องอาศัยการรันโมเดลเฉพาะภูมิภาคบนซูเปอร์คอมพิวเตอร์ซึ่งมีค่าใช้จ่ายสูงมาก ทำให้ภูมิภาคเหล่านี้ได้ข้อมูลพยากรณ์ความละเอียดสูงน้อยกว่าที่อื่นมาตลอด แต่ WeatherNext 3 สามารถพยากรณ์อากาศด้วยความละเอียดระดับ 5 กิโลเมตรได้ครอบคลุมทั่วโลกจากโมเดลเพียงตัวเดียว

Google ยังระบุด้วยว่า WeatherNext 3 เป็นโมเดลพยากรณ์อากาศระดับโลกที่แม่นยำที่สุดในปัจจุบัน โดยอ้างอิงจากผลการประเมินสดขององค์กรอิสระอย่าง Brightband (สามารถตรวจสอบได้ที่ กระดานจัดอันดับของ Brightband) อย่างไรก็ดี Google ยอมรับว่า สภาพบรรยากาศยังคงมีตัวแปรที่คาดเดาไม่ได้อยู่เสมอ

พยากรณ์ฝน ไม่ใช่พยากรณ์น้ำท่วม

WeatherNext 3 บอกได้ว่าฝนจะตกที่ไหนและตกเมื่อไร แต่น้ำจะท่วมหรือไม่นั้น ขึ้นอยู่กับสภาพแวดล้อมของพื้นที่ที่ฝนตกลงมาด้วย ตัวอย่างเช่นในเขตเมือง น้ำฝนจะตกลงบนพื้นผิวคอนกรีตที่น้ำซึมผ่านไม่ได้ และต้องอาศัยการระบายน้ำผ่านระบบท่อ นอกจากนี้ ดินในแต่ละพื้นที่ยังอุ้มน้ำได้ไม่เท่ากัน และระดับความสูงต่ำของแต่ละพื้นที่ก็แตกต่างกัน

Google จึงแยกการทำงานเรื่องน้ำท่วมออกมาเป็นอีกระบบหนึ่งโดยเฉพาะ ชื่อว่า Flood Hub ซึ่งแบ่งการพยากรณ์น้ำท่วมออกเป็น 2 รูปแบบ:

• น้ำท่วมจากแม่น้ำล้นตลิ่ง: เป็นน้ำท่วมที่ค่อยๆ เอ่อล้นขึ้นมา โดย Google ระบุว่าระบบพยากรณ์ส่วนนี้ครอบคลุมประชากรกว่า 2,000 ล้านคนใน 150 ประเทศ
• น้ำท่วมฉับพลันในเมือง: เป็นระบบที่เพิ่งเปิดตัวเมื่อวันที่ 12 มีนาคมที่ผ่านมา แจ้งเตือนล่วงหน้าได้สูงสุด 24 ชั่วโมง

น้ำท่วมฉับพลันเป็นภัยพิบัติที่พยากรณ์ได้ยากกว่ามาก เพราะมักจะเกิดขึ้นอย่างรวดเร็วภายในเวลาไม่เกิน 6 ชั่วโมงหลังฝนตกหนัก และอาจเกิดขึ้นในจุดที่อยู่ห่างไกลจากสถานีตรวจวัดระดับน้ำ ปัญหาสำคัญคือที่ผ่านมาแทบไม่มีการเก็บข้อมูลย้อนหลังอย่างเป็นระบบว่าน้ำท่วมฉับพลันเคยเกิดขึ้นที่ไหนและเมื่อไรบ้าง ทีมวิจัยของ Google จึงนำ Gemini มาช่วยอ่านรายงานข่าวน้ำท่วมย้อนหลัง เพื่อตรวจสอบยืนยันสถานที่และเวลาที่เกิดเหตุ แล้วรวบรวมเป็นชุดข้อมูลชื่อ Groundsource นำมาใช้ฝึกโมเดล

หน้าที่ของโมเดลน้ำท่วมฉับพลันนี้คือตอบคำถามเพียงข้อเดียว นั่นคือ "ภายใน 24 ชั่วโมงข้างหน้า พื้นที่นี้มีแนวโน้มจะเกิดน้ำท่วมฉับพลันหรือไม่" โดยระบบจะนำข้อมูลพยากรณ์อากาศไปวิเคราะห์ร่วมกับลักษณะทางกายภาพของพื้นที่ เช่น ความหนาแน่นของสิ่งปลูกสร้างในเมือง ความสูงต่ำของพื้นที่ และการซึมน้ำของดิน ดังนั้น ข้อมูลพยากรณ์ฝนจึงเป็นเพียงข้อมูลตั้งต้นสำหรับนำไปคำนวณการเกิดน้ำท่วมเท่านั้น ไม่ใช่คำตอบเรื่องน้ำท่วมโดยตรง

ปัจจุบัน โมเดลนี้พยากรณ์ครอบคลุมพื้นที่ในตารางขนาด 20 x 20 กิโลเมตร และจะแสดงผลเฉพาะในพื้นที่ที่มีประชากรอยู่อาศัยหนาแน่นเกิน 100 คนต่อตารางกิโลเมตรขึ้นไป

ระยะเวลาแจ้งเตือนล่วงหน้ามีค่ามหาศาล จากงานวิจัยที่ Google ยกมาอ้างอิงพบว่า การแจ้งเตือนล่วงหน้าได้เพียง 12 ชั่วโมง ช่วยลดความเสียหายจากเหตุน้ำท่วมฉับพลันได้มากถึง 60%

ใช้ WeatherNext 3 ให้ตรงกับสิ่งที่อยากรู้

เพื่อให้ใช้ประโยชน์จากระบบได้เต็มที่ ควรเริ่มจากถามตัวเองก่อนว่าอยากรู้เรื่องอะไร แล้วค่อยเลือกดูข้อมูลให้ถูกเครื่องมือ:

• อยากรู้ว่าฝนจะตกไหมในวันที่วางแผนไว้: ให้ดูพยากรณ์อากาศใน Google Search, Google Maps หรือถาม Gemini โดยส่วนที่ Google ระบุว่าแม่นยำขึ้นมากคือพยากรณ์ล่วงหน้าตั้งแต่ 1 วันขึ้นไป เหมาะกับการวางแผนเดินทางหรือจัดกิจกรรมกลางแจ้ง
• อยากรู้ว่าวันนี้ฝนจะตกช่วงเวลาไหน: เนื่องจาก WeatherNext 3 ออกผลพยากรณ์รอบใหม่ทุกๆ ชั่วโมง ข้อมูลที่เปิดดูเมื่อช่วงเช้าจึงอาจไม่ใช่ข้อมูลล่าสุดแล้วในช่วงบ่าย แนะนำให้เปิดเช็กอีกครั้งก่อนออกจากบ้านเสมอ
• อยากรู้ว่าน้ำจะท่วมหรือไม่: คำถามนี้ต้องดูจาก Flood Hub ไม่ใช่จากพยากรณ์ฝน โดยเข้าไปตรวจสอบความเสี่ยงน้ำท่วมได้โดยตรงในพื้นที่ที่ระบบเปิดให้บริการ
• หากเกิดเหตุฉุกเฉินควรทำอย่างไร: แม้ระบบพยากรณ์จะพัฒนาไปมาก แต่ Google ระบุไว้ชัดเจนว่า ข้อมูลพยากรณ์ทางการ คำเตือนภัยสภาพอากาศรุนแรง และคำแนะนำด้านความปลอดภัย ให้ยึดประกาศจากหน่วยงานอุตุนิยมวิทยาในประเทศเป็นหลัก ส่วนเบอร์ฉุกเฉินที่ควรบันทึกไว้ในโทรศัพท์คือสายด่วน 1784 ของกรมป้องกันและบรรเทาสาธารณภัย (ปภ.) และสายด่วน 1555 ของกรุงเทพมหานคร ซึ่งเป็นเบอร์ที่คนพูดถึงและส่งต่อกันมากที่สุดในช่วงน้ำท่วมครั้งนี้

สำหรับนักพัฒนาหรือผู้พัฒนาระบบที่ต้องใช้ข้อมูลสภาพอากาศ WeatherNext 3 ยังเปิดให้ดึงข้อมูลพยากรณ์รายชั่วโมงไปใช้งานต่อได้ผ่าน BigQuery, Earth Engine, Google Maps Platform Weather API และ Google Cloud Storage โดยไม่ต้องติดตั้งหรือดูแลโมเดลเอง สามารถดูวิธีเริ่มต้นใช้งานได้ที่ เอกสารสำหรับนักพัฒนาของ WeatherNext

สุดท้ายแล้ว ข้อมูลพยากรณ์อากาศจะมีประโยชน์ที่สุดก็ตอนที่เราเปิดดูเพื่อเตรียมรับมือ ตั้งแต่ท้องฟ้ายังโปร่งอยู่

---

ที่มา:

• เอกสารทางการของ WeatherNext 3
• เอกสารทางการของ Flood Hub