เติมช่องว่างข้อมูลมลพิษทางอากาศ

ผลกระทบร่วมกันของมลพิษทางอากาศทั้งภายนอกและภายในบ้านส่งผลให้มีผู้เสียชีวิตก่อนวัยอันควร 6.7 ล้านคนต่อปี ทำให้มลพิษทางอากาศกลายเป็นหนึ่งในปัจจัยเสี่ยงอันดับต้นๆ ของโลกที่ก่อให้เกิดการเสียชีวิตและโรคเรื้อรัง ตามรายงานขององค์การอนามัยโลกและสถาบันประเมินมาตรการด้านสุขภาพโลก อย่างไรก็ตาม สำหรับคนส่วนใหญ่ โดยเฉพาะในประเทศที่มีรายได้ต่ำและปานกลาง การเข้าถึงข้อมูลเกี่ยวกับคุณภาพอากาศในท้องถิ่นยังคงมีข้อจำกัด

“ผมมักเห็นการจัดอันดับ ‘เมืองที่มีมลพิษมากที่สุดในโลก’ แต่การจัดอันดับเหล่านี้อาจทำให้เข้าใจผิด” แรนดอลล์ มาร์ติน นักวิทยาศาสตร์ด้านบรรยากาศจากมหาวิทยาลัยวอชิงตันในเซนต์หลุยส์กล่าว “ความหนาแน่นของเครื่องมือตรวจวัดคุณภาพอากาศทั่วโลกยังต่ำมาก ทำให้ไม่มีใครสามารถบอกได้ว่าเมืองใดมีมลพิษมากที่สุดโดยทั่วไป และยิ่งยากขึ้นไปอีกที่จะระบุในวันใดวันหนึ่ง แม้ว่าจำนวนเครื่องมือตรวจวัดภาคพื้นดินจะเพิ่มขึ้นในช่วงไม่กี่ปีที่ผ่านมา แต่ก็ยังมีประชากรอีกหลายล้านคนที่อาศัยอยู่ในประเทศที่ไม่มีการเก็บข้อมูลมลพิษทางอากาศคุณภาพสูง หรือไม่มีการเปิดเผยข้อมูลเหล่านี้ต่อสาธารณะ”

ทีมนักวิจัยที่ได้รับทุนจากนาซ่ากำลังพยายามแก้ไขปัญหาการขาดแคลนข้อมูลโดยพัฒนาแนวทางใหม่ในการติดตามมลพิษทางอากาศ—เทคนิคที่ขับเคลื่อนด้วยการสังเกตจากดาวเทียม การสร้างแบบจำลอง และการใช้ซูเปอร์คอมพิวเตอร์ เพื่อทำให้แนวทางนี้เป็นประโยชน์ต่อเมืองในประเทศกำลังพัฒนามากขึ้น ทีมงานของนาซ่าได้ร่วมมือกับสถาบันทรัพยากรโลก (WRI) ในโครงการนำร่องที่เรียกว่า CityAQ

ประเทศส่วนใหญ่มีข้อจำกัดหรือไม่มีสถานีตรวจวัดคุณภาพอากาศแบบ “อ้างอิง” ที่มีราคาแพงแต่ให้ข้อมูลที่แม่นยำสำหรับการวัดฝุ่นละอองขนาดเล็ก (PM2.5) และมลพิษที่เป็นอันตรายอื่น ๆ เช่น ไนโตรเจนไดออกไซด์ (NO2) โอโซน (O3) และซัลเฟอร์ไดออกไซด์ (SO2) การขาดแคลนการตรวจวัดส่งผลกระทบอย่างชัดเจน รายงานการวิเคราะห์ข้อมูลมลพิษทางอากาศในปี 2022 ที่รวบรวมจากสถานทูตสหรัฐฯ ใน 40 ประเทศ พบว่า เมืองที่ได้รับการเข้าถึงข้อมูลคุณภาพอากาศแบบเรียลไทม์สามารถลดระดับมลพิษทางอากาศลงได้อย่างมีนัยสำคัญ

แม้แต่ในเมืองขนาดใหญ่ เครื่องมือตรวจวัดคุณภาพอากาศที่เชื่อถือได้ก็ยังมีอยู่อย่างจำกัด จากการประมาณการ พบว่ามีเครื่องตรวจวัด PM2.5 เพียง 5,500 เครื่องสำหรับเมือง 1,700 แห่งทั่วโลกที่มีประชากร 300,000 คนขึ้นไป ซึ่งเฉลี่ยแล้วมีเพียง 3 เครื่องต่อเมือง ในภูมิภาคแอฟริกาตอนใต้ของทะเลทรายซาฮารา มีเครื่องตรวจวัดเพียง 1 เครื่องต่อประชากร 16 ล้านคน ขณะที่ในอินเดีย มีเครื่องตรวจวัดเพียง 1 เครื่องต่อประชากร 7 ล้านคน

เพื่อแก้ไขปัญหาการขาดแคลนเครื่องตรวจวัด คริสตอฟ เคลเลอร์ และเอ็มมา โนแลนด์ พร้อมด้วยเพื่อนร่วมงานจาก Global Modeling and Assimilation Office ของนาซ่า มหาวิทยาลัยมอร์แกนสเตต และมหาวิทยาลัยฮาร์วาร์ด ได้พัฒนาแบบจำลองระดับโลกที่สามารถวิเคราะห์สภาพบรรยากาศย้อนหลังและคาดการณ์องค์ประกอบของชั้นบรรยากาศ รวมถึงมลพิษทางอากาศชนิดต่างๆ เครื่องมือนี้เรียกว่า Goddard Earth Observing System Composition Forecast (GEOS-CF) ซึ่งนำข้อมูลสภาพอากาศล่าสุดมาผสมผสานกับข้อมูลการสังเกตจากดาวเทียมที่สะสมมานานหลายปี รวมถึงข้อมูลการปล่อยมลพิษในอดีตจากแหล่งต่างๆ โดยระบบสามารถสร้างการพยากรณ์คุณภาพอากาศล่วงหน้า 5 วันทั่วโลกได้ทุกวัน

ตัวอย่างแอนิเมชันจาก GEOS-CF แสดงการกระจายตัวของ PM2.5 และโอโซน (O3) ระดับพื้นดินทั่วโลกในช่วงเดือนกันยายนและตุลาคม 2023 ในช่วงเวลาดังกล่าว เกิดไฟป่าครั้งใหญ่ในแคนาดา พายุฝุ่นขนาดมหึมาพัดผ่านทะเลทรายซาฮาราและบางส่วนของเอเชียใต้ มลพิษทางอุตสาหกรรมก่อตัวเหนือที่ราบอินโด-คงคาและเอเชียตะวันออก ขณะที่ไฟป่าตามฤดูกาลยังเกิดขึ้นในอเมริกาใต้และแอฟริกาตอนใต้ของทะเลทรายซาฮารา

GEOS-CF เป็นเวอร์ชันหนึ่งของระบบแบบจำลองและการรวมข้อมูลที่กว้างขึ้นซึ่งเรียกว่า Goddard Earth Observing System (GEOS) ที่นักวิทยาศาสตร์ของนาซ่าใช้ในการวิจัยด้านอุตุนิยมวิทยาและสภาพภูมิอากาศมานานหลายทศวรรษ แบบจำลองนี้คำนวณความเข้มข้นของมลพิษทางอากาศ รวมถึงองค์ประกอบอื่นๆ ในบรรยากาศ โดยแบ่งออกเป็นช่องตารางขนาด 25 ตารางกิโลเมตร ครอบคลุม 72 ระดับของชั้นบรรยากาศ ตั้งแต่พื้นผิวโลกไปจนถึงสตราโตสเฟียร์

ในการพยากรณ์ GEOS จะรวบรวมข้อมูลสภาพอากาศหลายล้านรายการต่อวัน และทำงานโดยใช้พลังประมวลผลจาก ซูเปอร์คอมพิวเตอร์ Discover ที่ศูนย์จำลองสภาพภูมิอากาศของนาซ่าใน Goddard Space Flight Center

“พลังของ GEOS-CF คือความสามารถในการช่วยเติมเต็มช่องว่างระหว่างเครื่องตรวจวัดภาคพื้นดิน ทำให้ GEOS-CF เป็นแหล่งข้อมูลที่เป็นไปได้สำหรับประเทศที่เข้าถึงระบบตรวจวัดคุณภาพอากาศภาคพื้นดินได้น้อย” เอ็มมา โนแลนด์ กล่าว

ในแบบจำลองย้อนหลังและการพยากรณ์ของ GEOS-CF โบโกตา ประเทศโคลอมเบีย ถูกครอบคลุมโดยช่องตาราง 4 ช่อง ขนาด 25 ตารางกิโลเมตร ซึ่งมีความละเอียดเพียงพอสำหรับการแทนค่ามลพิษทางอากาศที่กระจายตัวเป็นบริเวณกว้าง เช่น มวลควันขนาดใหญ่ที่ปกคลุมเมืองเมื่อเกิดไฟไหม้ไร่นาในช่วงฤดูแล้งของเดือนมกราคมและกุมภาพันธ์

ภาพด้านล่างซึ่งถ่ายโดย VIIRS (Visible Infrared Imaging Radiometer Suite) บนดาวเทียม Suomi NPP ของ NASA-NOAA แสดงตัวอย่างไฟป่าตามฤดูกาลที่ลุกไหม้ทางตอนใต้และตะวันออกของเมือง เมื่อวันที่ 28 มกราคม 2022 ก่อนที่กระแสลมจะเปลี่ยนทิศและพัดพาควันเข้าสู่โบโกตา

อย่างไรก็ตาม คริสตอฟ เคลเลอร์ อธิบายว่า ความละเอียดเชิงพื้นที่ของข้อมูลที่ผลิตโดย GEOS-CF ยังไม่เพียงพอที่จะให้ข้อมูลที่เป็นประโยชน์ในระดับย่านที่อยู่อาศัย ระดับบล็อก หรือระดับถนน ในบางกรณี เมืองต่างๆ ต้องการข้อมูลที่มีความละเอียดเพียงไม่กี่กิโลเมตรหรือน้อยกว่านั้น เพื่อประเมินประเด็นต่างๆ อย่างถูกต้อง เช่น ความเสี่ยงด้านสุขภาพจากการตั้งโรงเรียนใกล้ทางหลวง หรือการประเมินว่ามาตรการต่างๆ เช่น การจำกัดการจราจร หรือการส่งเสริมการใช้ยานพาหนะไฟฟ้าและจักรยาน มีประสิทธิภาพในการลดมลพิษหรือไม่

เพื่อสร้างข้อมูลการตรวจวัดคุณภาพอากาศที่เฉพาะเจาะจงและมีความเป็นพื้นที่มากขึ้นสำหรับเมืองและย่านที่อยู่อาศัย ทีมงานนาซ่าและ สถาบันทรัพยากรโลก (WRI) ได้เปิดตัวโครงการ CityAQ ในปี 2020 โครงการนี้ทำงานโดยใช้ข้อมูลการตรวจวัดคุณภาพอากาศจากภาคพื้นดินและอากาศ แม้ว่าจะมีข้อมูลเพียงเล็กน้อย แล้วนำมาปรับปรุงความแม่นยำของแบบจำลอง GEOS-CF ด้วยเทคนิค Machine Learning

ภายใต้โครงการนี้ WRI ได้ทำงานร่วมกับ 8 เมือง เพื่อแบ่งปันข้อมูลจากเครื่องตรวจวัดภาคพื้นดินกับนาซ่า ได้แก่ แอดดิสอาบาบา(เอธิโอเปีย) จาการ์ตา(อินโดนีเซีย) คิกาลี (รวันดา) กลุ่มนครลีออง-ซาลามันกา-เซลายา(เม็กซิโก) กลุ่มนครมอนเตร์เรย์(เม็กซิโก) กลุ่มนครกวาดาลาฮารา(เม็กซิโก) เซาเปาโล(บราซิล) โบโกตา(โคลอมเบีย)

“เมื่อเราเริ่มฝึกแบบจำลองโดยใช้ข้อมูลจากภาคพื้นดิน เราก็ได้พยากรณ์ที่แม่นยำขึ้น” เคลเลอร์ กล่าว ข้อมูลผลลัพธ์จากแบบจำลองถูกเผยแพร่ผ่าน เว็บไซต์ของ Global Modeling and Assimilation Office ของนาซ่า และ เบราว์เซอร์ Resource Watch ของ WRI บางเมือง เช่น มอนเตร์เรย์ และ โบโกตา ยังได้นำข้อมูลจาก CityAQ มาเผยแพร่บนเว็บไซต์ของเมืองด้วย

แผนภูมิด้านบนสุด แสดงตัวอย่างพยากรณ์ ไนโตรเจนไดออกไซด์ (NO2) และโอโซน (O3) จากโครงการ CityAQ ซึ่งออกเมื่อวันที่ 4 พฤศจิกายน 2023 หลังจากที่แบบจำลองได้รับการฝึกโดยใช้ข้อมูลจากย่าน คาร์วาฆาล (Carvajal) ของโบโกตา เนื่องจากสถานีตรวจวัดนี้ตั้งอยู่ใกล้ทางหลวงขนาดใหญ่และแหล่งอุตสาหกรรม จึงมักบันทึกค่าความเข้มข้นของ NO2 รายปีสูงสุด ในบรรดาสถานีตรวจวัดทั้งหมดของเมือง และมักเกินค่ามาตรฐานของ องค์การอนามัยโลก (WHO) ทั้งสำหรับ NO2 และ PM2.5 แผนภูมิที่สอง แสดงผลลัพธ์ของ โอโซน (O3) และ PM2.5 สำหรับย่าน เคนเนดี (Kennedy) ซึ่งอยู่ใกล้เคียง

ในทั้งสองกรณี แบบจำลองสามารถคาดการณ์ ความเข้มข้นของมลพิษได้อย่างแม่นยำ รวมถึงการเพิ่มขึ้นของมลพิษในช่วงกลางคืนที่เกิดขึ้นเพียงเล็กน้อย ซึ่งแสดงให้เห็นความแม่นยำของผลลัพธ์ เคลเลอร์ กล่าว ข้อมูลจาก CityAQ มีความแม่นยำมากพอจน โบโกตาได้นำมาใช้เป็นหนึ่งในเครื่องมือพัฒนา “ระบบเตือนคุณภาพอากาศ” สำหรับประชากร 7 ล้านคนของเมือง

อย่างไรก็ตาม โบโกตา มีข้อมูลคุณภาพอากาศภาคพื้นดินที่แข็งแกร่งกว่าหลายเมืองนำร่องของ CityAQ ซึ่งทำให้ทีมงานของ นาซ่า สามารถปรับปรุงการพยากรณ์ของ GEOS-CF ได้ง่ายขึ้น ขณะนี้นักวิจัยกำลังปรับแนวทางใหม่เพื่อหาวิธีรวมข้อมูลจาก เซ็นเซอร์ตรวจวัดคุณภาพอากาศราคาถูก เข้าไปในแบบจำลอง GEOS-CF ซึ่งในหลายกรณีเป็น ตัวเลือกเดียวที่ใช้ได้ในประเทศกำลังพัฒนา

เซ็นเซอร์ราคาถูกนั้นใช้งานง่ายกว่าและมีราคาตั้งแต่ไม่กี่ร้อยถึงไม่กี่พันดอลลาร์สหรัฐต่อเครื่อง ในขณะที่สถานีตรวจวัดคุณภาพอากาศแบบอ้างอิงมักมีราคามากกว่า 10,000 ดอลลาร์สหรัฐต่อสถานี และต้องการผู้เชี่ยวชาญด้านการปรับเทียบและการวิเคราะห์ข้อมูลเพื่อใช้งาน

ภายใต้โครงการใหม่ที่เริ่มต้นในปี 2021 สถาบันทรัพยากรโลก (WRI) กองทุนอากาศสะอาด (Clean Air Fund) และพันธมิตรรายอื่นๆ กำลังพัฒนาระบบที่เรียกว่า CanAIRy ซึ่งจะช่วยปรับปรุงผลลัพธ์จาก GEOS-CF โดยใช้ข้อมูลจากทั้ง สถานีตรวจวัดคุณภาพอากาศแบบอ้างอิง และ เครือข่ายเซ็นเซอร์ราคาถูก

“CanAIRy Alert” รวมการพยากรณ์คุณภาพอากาศที่พัฒนาให้กับเมืองต่างๆ ภายใต้โครงการ CityAQ และได้เพิ่มเมืองต่างๆ เช่น คิกาลี (รวันดา), ไนโรบี (เคนยา), กัมปาลา (ยูกันดา), และอักกรา (กานา)” — เบียทริซ คาร์เดนาส ผู้อำนวยการระดับโลกด้านคุณภาพอากาศของ WRI กล่าว

“ขณะนี้เรากำลังดำเนินการ รับสมัครเมืองเพิ่มเติม และ สร้างชุมชนปฏิบัติการ (Communities of Practice) เพื่อแบ่งปันข้อมูลเกี่ยวกับการเข้าถึงและการใช้เครื่องมือต่างๆ เป้าหมายของเราคือ ให้มีเมืองเข้าร่วมโครงการมากขึ้นอีกหลายแห่ง”

Explore the Data : NASA Global Modeling and Assimilation Office (2023) GMAO CityAQ Locations.
NASA Global Modeling and Assimilation Office (2023) GEOS Composition Forecasts Map.
Resource Watch (2023) CityAQ Datasets.
World Resources Institute (2023) CanAIRy Alert.

ที่มา : NASA Earth Observatory image by Michala Garrison, using data from NASA’s Global Modeling and Assimilation Office and the World Resources Institute’s CityAQ initiative. Videos by Joseph Ardizzone and Katie Jepson, courtesy of NASA’s Scientific Visualization Studio. Supercomputer photograph courtesy of the NASA Center for Climate Simulation. Story by Adam Voiland.