ข้อมูล ERA5 ยาว 25 ปีเผยอะไรเกี่ยวกับความเสี่ยงภัยแล้งในเอเชียตะวันออกเฉียงใต้

ในเดือนมิถุนายน 2569 GlobMaps เผยแพร่ preprint แบบ open-access (DOI: 10.5281/zenodo.20774311) ที่วิเคราะห์ข้อมูลภัยแล้ง 25 ปีครอบคลุม 156 จังหวัดในไทย เวียดนาม และมาเลเซีย ผลลัพธ์หลักค่อนข้างขัดกับความเชื่อเดิม: แม้อุณหภูมิจะสูงขึ้นและความกังวลด้านภูมิอากาศขยายตัว แต่ 89% ของจังหวัดในเอเชียตะวันออกเฉียงใต้ไม่แสดงแนวโน้มที่มีนัยสำคัญทางสถิติว่าภัยแล้งเลวร้ายลงอย่างต่อเนื่อง ตัวขับเคลื่อนหลักของภัยแล้งในภูมิภาคนี้มีลักษณะวัฏจักรชัดเจน และในบางแง่จัดการได้ดีกว่าเรื่องราวของภาวะโลกร้อนแบบเส้นตรงมาก

ชุดข้อมูล: ERA5, MODIS และบันทึกระดับจังหวัด 25 ปี

การวิเคราะห์อาศัยข้อมูล ERA5 climate reanalysis จากศูนย์พยากรณ์อากาศระยะกลางแห่งยุโรป ซึ่งเป็นฐานข้อมูลเดียวกับที่ขับเคลื่อน platform drought ของ GlobMaps รวมกับข้อมูลสภาพพืชพรรณจาก MODIS และข้อมูล evaporative stress จากดาวเทียม ALEXI ช่วงการศึกษาครอบคลุมปี 2543–2568 ครอบคลุมทั้ง 77 จังหวัดของไทย 63 จังหวัดของเวียดนาม และ 16 รัฐกับดินแดนสหพันธ์ของมาเลเซีย

ERA5 ให้ค่าประมาณรายชั่วโมงของตัวแปรบรรยากาศและพื้นผิวโลกในระดับโลกที่ความละเอียด 31 กิโลเมตร สำหรับการวิเคราะห์ภัยแล้ง ผลลัพธ์อุณหภูมิและปริมาณน้ำฝนป้อนเข้าการคำนวณ SPEI โดยตรง สร้าง baseline ทางกายภาพที่สม่ำเสมอตลอด 25 ปี รวมถึงปีก่อนที่จะมีข้อมูลเครือข่ายวัดฝนหนาแน่นในหลายจังหวัดชนบท ดัชนีพืชพรรณ MODIS เพิ่มการตรวจสอบทางชีวฟิสิกส์ ส่วน ALEXI ให้สัญญาณอิสระที่สาม

การสร้างความเชื่อมั่นในการจำแนกภัยแล้งระดับจังหวัด

ความท้าทายเชิงโครงสร้างในการวิเคราะห์ระดับจังหวัดคือความแตกต่างของข้อมูล ตาราง 31 กิโลเมตรของ ERA5 หมายความว่าจังหวัดขนาดเล็กอย่างภูเก็ต (576 ตร.กม.) อาจทับซ้อนกับเพียงไม่กี่ grid cells ในขณะที่จังหวัดใหญ่อย่างเชียงราย (11,678 ตร.กม.) ครอบคลุมหลายสิบ cells การศึกษานี้แก้ปัญหาด้วยระบบระดับความเชื่อมั่น: จังหวัดที่มีสัญญาณหลายแหล่งสอดคล้องกันได้รับการจำแนกระดับเชื่อมั่นสูง (42 จังหวัด) ส่วนที่มีสัญญาณคลุมเครือได้รับระดับเชื่อมั่นปานกลาง (114 จังหวัด)

ไม่มีจังหวัดใดได้รับการจำแนกภัยแล้งโดยไม่มีสัญญาณอย่างน้อยสองแหล่งที่บรรจบกัน แนวทางอนุรักษ์นิยมนี้หมายความว่าชุดจังหวัดความเชื่อมั่นสูง 42 จังหวัดให้ anchor เทียบเคียงที่แข็งแกร่งสำหรับประกันพารามิเตอร์และแบบจำลองความเสี่ยงทางการเงินที่ต้องการที่มาของข้อมูลที่ยืนยันได้

ผลลัพธ์หลัก: ENSO ไม่ใช่แนวโน้มภาวะโลกร้อน

จาก 156 จังหวัดที่วิเคราะห์ 139 จังหวัด หรือ 89% ไม่แสดงแนวโน้มแบบ monotonic ที่มีนัยสำคัญทางสถิติในความรุนแรงของภัยแล้งรายปีตลอด 25 ปี ความแปรปรวนของภัยแล้งติดตามวัฏจักร ENSO: ปีที่มีเอลนีโญส่งผลให้ความรุนแรงของภัยแล้งสูงขึ้นทั่วภูมิภาค ส่วนปีที่มีลานีญาให้การบรรเทา

ค่าเฉลี่ยความสัมพันธ์กับ ENSO อยู่ที่ r ≈ −0.31 รัฐซาบาห์ของมาเลเซียแสดงความไวต่อ ENSO สูงที่สุดที่ r = −0.57 จังหวัดลัมดงในเวียดนามอยู่ที่ r = −0.53 การพยากรณ์ ENSO ปัจจุบันมีความแม่นยำถึง 9–12 เดือนล่วงหน้า สำหรับจังหวัดที่มีความสัมพันธ์ ENSO สูงที่สุด (r เกิน −0.45) การพยากรณ์เอลนีโญที่แข็งแกร่งในเดือนพฤษภาคมแปลตรงไปยังความน่าจะเป็นของภัยแล้งที่สูงขึ้นในฤดูแล้งถัดไป ซึ่งเป็นสัญญาณล่วงหน้าที่สามารถกระตุ้นการจัดเตรียมสิ่งของบรรเทาภัยล่วงหน้าหรือการจ่ายประกันแบบพารามิเตอร์ก่อนเกิดความเสียหาย

ที่ที่มีแนวโน้มจริง

17 จังหวัดที่มีแนวโน้มนัยสำคัญแบ่งออกอย่างไม่สมมาตร 16 จังหวัดอยู่ในภาคเหนือและภาคตะวันออกเฉียงเหนือของไทย ซึ่งเป็นภูมิภาคที่ราบสูงอีสานที่แห้งแล้งที่สุดแห่งหนึ่งในเอเชียตะวันออกเฉียงใต้อยู่แล้ว จังหวัดเหล่านี้แสดงการแห้งแล้งลงอย่างมีนัยสำคัญทางสถิติตลอด 25 ปี ไม่ใช่แค่ความผันผวนของเอลนีโญ แต่เป็นการเปลี่ยนแปลงเชิงโครงสร้างสู่ปริมาณน้ำฝนที่น้อยลงต่อทศวรรษ

สิ่งที่ทำให้สัญญาณอีสานแตกต่างจากสัญญาณรบกวนของ ENSO คือความคงอยู่ข้ามเฟส ENSO แม้ในปีที่มีลานีญา จังหวัดอีสานหลายแห่งยังคงลงทะเบียนสภาวะความชื้นต่ำกว่าค่าเฉลี่ย การแยกตัวจากรูปแบบ ENSO ระดับภูมิภาคนี้สอดคล้องกับการเปลี่ยนแปลงในระบบมรสุมที่ส่งผลต่อที่ราบสูงโคราช

ข้อยกเว้นที่เหลือคือจังหวัดฝูเทอในภาคเหนือของเวียดนาม ซึ่งข้อมูลแสดงแนวโน้มที่ชื้นขึ้นอย่างมีนัยสำคัญ จังหวัดนี้แทนหางตรงข้ามของการแจกแจง: พื้นที่ที่อาจเผชิญความเสี่ยงน้ำท่วมเพิ่มขึ้นแม้ความเสี่ยงภัยแล้งลดลง

ปี 2566: ปีที่รุนแรงที่สุดในบันทึก 25 ปี

เอลนีโญปี 2566/67 ก่อให้เกิดภัยแล้งที่รุนแรงที่สุดในบันทึกยุคดาวเทียม 25 ปี ทั่วภูมิภาค ค่าเฉลี่ย SPEI-3 อยู่ที่ประมาณ −1.3 บ่งชี้สภาวะภัยแล้งรุนแรงพร้อมกันในจังหวัดส่วนใหญ่จาก 156 จังหวัด

ความรุนแรงของปี 2566/67 เมื่อเทียบกับ super El Niño ปี 2558/59 (ค่า ONI สูงสุด +2.6) เป็นผลลัพธ์ที่ควรพิจารณาอย่างละเอียด แม้ปี 2558/59 จะรุนแรงที่สุดตามขนาด ONI แต่รอยเท้าภัยแล้งในปี 2566/67 กลับใหญ่กว่า สภาวะลานีญาก่อนหน้าในปี 2564–65 อาจลดปริมาณความชื้นในดินก่อนเกิดเหตุการณ์ และการอุ่นขึ้นของอุณหภูมิผิวทะเลในภูมิภาคขยายความต้องการ evapotranspiration โดยอิสระจาก ENSO บทเรียนคือขนาด ONI เพียงอย่างเดียวไม่ได้กำหนดความรุนแรงของภัยแล้งในจังหวัดใด

ความผิดปกติของสามเหลี่ยมปากแม่น้ำโขง

ในบรรดาสิ่งที่น่าประหลาดใจเชิงโครงสร้างที่ชัดเจนที่สุดในชุดข้อมูลคือความสัมพันธ์ภัยแล้งที่ผิดปกติของสามเหลี่ยมปากแม่น้ำโขง ทั่วภูมิภาคส่วนใหญ่ ความรุนแรงของภัยแล้งมีความสัมพันธ์เชิงลบกับ ONI: ONI สูงขึ้น (เอลนีโญ) หมายถึงภัยแล้งมากขึ้น ในสามเหลี่ยมปากแม่น้ำโขง ความสัมพันธ์นี้กลับด้านบางส่วน: การกำหนดค่าลานีญาบางอย่างที่นำฝนมาสู่แผ่นดินใหญ่ SEA ส่วนใหญ่พร้อมกันกดการไหลของแม่น้ำโขงจากลุ่มน้ำตอนบน ลดการเติมน้ำในดินแดนปากแม่น้ำและก่อให้เกิดการขาดความชื้นแม้ปริมาณน้ำฝนจะใกล้เคียงปกติ

สำหรับทีมการเงินเกษตรและความเสี่ยงโครงสร้างพื้นฐานที่มี exposure ในจังหวัดภาคใต้ของเวียดนาม นี่หมายความว่าการคาดการณ์ภัยแล้งมาตรฐานที่ใช้ ENSO ต้องการการแก้ไขเฉพาะจังหวัดสำหรับลุ่มน้ำโขงตอนล่าง

ภัยแล้งเกิดขึ้นบ่อยแค่ไหน?

ตลอด 25 ปี สภาวะภัยแล้งระดับปานกลางหรือรุนแรงกว่าเกิดขึ้นใน:

• ไทย: 6.7% ของ province-months
• เวียดนาม: 8.8% ของ province-months
• มาเลเซีย: 10.9% ของ province-months

ความถี่ที่สูงกว่าของมาเลเซียเป็นผลจากโครงสร้างภูมิอากาศ เมื่อมีเอลนีโญเกิดขึ้น ความถี่ภัยแล้งเพิ่มขึ้นประมาณสองเท่าในทั้งสามประเทศ เมื่อมีเอลนีโญที่แข็งแกร่ง (ONI ≥ +1.5) ความน่าจะเป็นของภัยแล้งรุนแรงในจังหวัดที่ไวที่สุดเพิ่มขึ้นสามเท่าหรือมากกว่า โครงสร้างความถี่แบบมีเงื่อนไข ENSO นี้เป็นพื้นฐานของระบบแจ้งเตือนภัยแล้งตามฤดูกาลใน platform GlobMaps

นัยต่อการสร้างแบบจำลองความเสี่ยง

โครงสร้างที่ขับเคลื่อนโดย ENSO และไม่มีแนวโน้มเชิงเส้นของภัยแล้งในเอเชียตะวันออกเฉียงใต้มีนัยทางระเบียบวิธีที่ชัดเจน: แบบจำลองความเสี่ยงที่ extrapolate แนวโน้มเลวร้ายลงเชิงเส้นตรงจะประเมินความเสี่ยงภัยแล้งในอนาคตเกินจริงใน 89% ของจังหวัด ขณะที่อาจประเมินความรุนแรงแบบระยะสั้นของ stress events เอลนีโญต่ำกว่าความเป็นจริง

แบบจำลองที่ได้รับการปรับเทียบดีควรมีองค์ประกอบอย่างน้อยสามอย่าง:

• การกำหนดเงื่อนไขเฟส ENSO: ความน่าจะเป็นของภัยแล้งควรอัปเดตรายไตรมาสตามการพยากรณ์ ENSO
• ความไวต่อ ENSO เฉพาะจังหวัด: จังหวัดที่มี r = −0.57 แตกต่างจากจังหวัดที่มี r = −0.15 อย่างเด็ดขาดในโปรไฟล์ความเสี่ยง
• ข้อยกเว้นเชิงโครงสร้าง: แนวโน้มของอีสาน และความสัมพันธ์ ENSO กลับด้านของสามเหลี่ยมปากแม่น้ำโขง ต้องการการจัดการระดับจังหวัด

เข้าถึงข้อมูล

ระเบียบวิธีที่สมบูรณ์ การกำหนดระดับเชื่อมั่น และผลลัพธ์ระดับจังหวัดเผยแพร่ใน preprint แบบ open-access ที่ DOI: 10.5281/zenodo.20774311 ชุดข้อมูลรวมถึงคะแนนความรุนแรงภัยแล้งรายปี ค่าสัมประสิทธิ์ความสัมพันธ์ ENSO ค่า p ของแนวโน้ม และการกำหนดระดับเชื่อมั่นสำหรับทั้ง 156 จังหวัด

คะแนนภัยแล้งระดับจังหวัดอัปเดตรายเดือนผ่าน ERA5 พร้อมการจัดระดับ MDI ระดับจังหวัด อนุกรมเวลาย้อนหลัง และเมทาดาทาความสัมพันธ์กับ ENSO — จัดโครงสร้างให้ใช้ได้ทันทีใน Excel, Python หรือระบบวิเคราะห์ความเสี่ยงใด ๆ อ่านวิธีที่เราสร้างและตรวจสอบดัชนีได้ที่ globmaps.com