ภาพรวม ราคาของการไม่ปรับตัว
ความเสี่ยงจากภูมิอากาศไม่ใช่เรื่องสิ่งแวดล้อมที่จับต้องไม่ได้อีกแล้ว มันกลายเป็น ความเสี่ยงทางการเงินระดับระบบ ปี 2026 ความเสียหายทางเศรษฐกิจจากภัยพิบัติที่เกี่ยวข้องกับภูมิอากาศทั่วโลกทะลุ 380,000 ล้านดอลลาร์ และยังเร่งขึ้นเรื่อย ๆ
วิธีเดิมคือดูสถิติย้อนหลังบวกกับแผนที่ภัยหยาบ ๆ ระดับภูมิภาค ซึ่งใช้ตั้งราคาไม่ได้แล้วเมื่ออากาศเปลี่ยนเร็วกว่าสถิติ สิ่งที่ธนาคาร บริษัทประกัน และผู้จัดการสินทรัพย์ต้องการคือ คำตอบรายอาคาร ที่มองไปข้างหน้า ว่าตึกหลังนี้ ในสถานการณ์ภูมิอากาศแบบนี้ เสี่ยงแค่ไหน
1. LiDAR ทำให้ความสูงละเอียดถึงระดับเซนติเมตร
เรื่องน้ำท่วม ความสูงคือตัวชี้ขาด ต่างกัน 30 ซม. ก็เปลี่ยนคำตอบได้แล้วว่าทรัพย์สินหลังนั้นจมหรือรอด เราจึงใช้ แบบจำลองความสูงเชิงเลข (DEM) จาก LiDAR ละเอียดแนวราบ 50 ซม. และแม่นยำแนวดิ่ง 10 ซม. ระดับนี้เปลี่ยนการประเมินจากการเดา ไปเป็นการวัด
- จำลองการไหลของน้ำ DEM ของเรารองรับการจำลองการไหลของน้ำตามหลักฟิสิกส์ ลงลึกถึงรายแปลงที่ดิน ต่างจากเขตน้ำท่วมแบบเดิมที่วาดไว้ครั้งเดียวแล้วนิ่ง แบบจำลองของเราเห็นรายละเอียดที่เปลี่ยนทางน้ำจริง ๆ ทั้งคันถนน ท่อระบายน้ำ และฐานอาคาร
- ประเมินความลึกน้ำท่วมรายอาคาร เมื่อวางข้อมูลความสูงทับแผนที่น้ำท่วมจากดาวเทียม SAR เราบอกความลึกของน้ำที่อาคารแต่ละหลังได้ในความคลาดเคลื่อน ±15 ซม. ตัวเลขนี้แปลงเป็นค่าเสียหายได้ตรง ๆ เพราะน้ำที่สูงขึ้นทุก 10 ซม. เพิ่มความเสียหายเชิงโครงสร้างอีก 8-12%
- วิเคราะห์ภูมิประเทศไฟป่า ความชัน ทิศของเนิน และความขรุขระของพื้นที่ เป็นตัวกำหนดว่าไฟจะวิ่งเร็วและแรงแค่ไหน LiDAR มองเห็นโครงสร้างพืชพรรณ ทั้งความสูงเรือนยอดและความหนาแน่นของเชื้อเพลิง ซึ่งดาวเทียมแบบ optical มองไม่เห็น แบบจำลองพฤติกรรมไฟจึงตอบได้ว่าอาคารหลังใดจะโดนก่อน และโดนเมื่อไร
2. ภัยไม่ค่อยมาทีละอย่าง
ความเสียหายทางการเงินก้อนใหญ่มักไม่ได้มาจากภัยเดี่ยว แต่มาจากภัยที่ซ้ำเติมกัน เช่น น้ำท่วมตามหลังแล้งจัด ไฟป่าที่ทิ้งเนินเขาไว้ให้ถล่มง่าย หรือคลื่นพายุที่มาซ้ำน้ำหลากจากแม่น้ำ แพลตฟอร์มของเราจึงประกอบข้อมูลเหล่านี้เข้าด้วยกัน
- ความเสี่ยงน้ำท่วม รวม DEM จาก LiDAR แผนที่น้ำท่วม SAR พยากรณ์ฝน และมาตรวัดระดับน้ำในแม่น้ำ เป็นแผนที่ความเสี่ยงที่อัปเดตทุก 6 ชั่วโมง
- ความเสี่ยงไฟป่า ผสมดัชนีความชื้นพืชพรรณจาก Sentinel-2 พยากรณ์ลม ขอบเขตไฟในอดีต และภูมิประเทศ ออกมาเป็นคะแนนความเสี่ยงรายวันที่ความละเอียด 30 เมตร
- ภัยชายฝั่ง จำลองคลื่นพายุด้วยแบบจำลอง SLOSH ของ NOAA ร่วมกับการคาดการณ์ระดับน้ำทะเลจาก IPCC AR6 และการกัดเซาะชายฝั่งที่อ่านจากภาพดาวเทียมความละเอียดสูง
- ภัยแล้งและความเครียดจากน้ำ คำนวณดัชนี SPEI ความผิดปกติของความชื้นในดิน และแนวโน้มน้ำบาดาลที่ลดลง เพื่อเตือนความเสี่ยงเรื่องน้ำทั้งของภาคเกษตรและของเมือง
3. คะแนนรายทรัพย์สิน ที่ตัดสินใจต่อได้เลย
ทั้งหมดนี้ถูกยุบเหลือตัวเลขเดียวที่หยิบไปใช้ได้ทันที คือ คะแนนความเสี่ยง GlobMaps (0-100) ซึ่งคำนวณให้กับทุกทรัพย์สินที่ระบุพิกัดได้บนโลก และออกแบบมาให้เสียบเข้ากระบวนการตัดสินใจทางการเงินได้ตรง ๆ
- การรับประกันภัย เลิกคิดราคาจากรหัสไปรษณีย์ มาใช้คะแนนของทรัพย์สินหลังนั้นจริง ๆ ที่สะท้อนความสูง ระยะห่างจากภัย และลักษณะอาคาร ตึกที่อยู่ห่างแม่น้ำ 200 เมตรแต่สูงกว่าที่ราบน้ำท่วม 5 เมตร ควรได้คะแนนคนละเรื่องกับตึกที่อยู่ระดับเดียวกับแม่น้ำ ถึงแม้แผนที่เขตน้ำท่วมแบบเดิมจะจัดทั้งคู่ไว้ในเขตเดียวกัน
- ตรวจสอบการลงทุน มองความเสี่ยงรวมทั้งพอร์ต เพื่อหาว่ามีการกระจุกตัวตรงไหนบ้าง ทั้งข้ามประเภทสินทรัพย์และข้ามภูมิภาค กอง REITs กองทุนโครงสร้างพื้นฐาน และกองทุนความมั่งคั่งแห่งชาติ ใช้คะแนนนี้ทดสอบความทนทานของพอร์ตในภาพภูมิอากาศปี 2030 และ 2050
- ความเสี่ยงสินเชื่อและจำนอง ธนาคารนำคะแนนไปรวมในแบบจำลองประเมินหลักประกัน แล้วปรับ LTV และดอกเบี้ยตามความเสี่ยงภูมิอากาศของทรัพย์สินที่ใช้ค้ำ ซึ่งสอดรับกับข้อกำหนด stress test ของสหภาพยุโรปที่เข้มขึ้นทุกปี
4. ความเสี่ยงเดินทางตามเวลา
ความเสี่ยงเมื่อวานไม่ใช่ความเสี่ยงพรุ่งนี้ ตึกที่ไม่เคยโดนน้ำท่วมเลย อาจอยู่ในเขตน้ำท่วมรอบ 100 ปีภายในปี 2040 เพราะฝนแรงขึ้นและน้ำทะเลสูงขึ้น เราจึงทำ แบบจำลองเส้นทางความเสี่ยงตามเวลา (Temporal Risk Trajectory) ขึ้นมาตอบเรื่องนี้
- คาดการณ์ตามสถานการณ์ คิดคะแนนภายใต้สถานการณ์ SSP1-2.6 (ปล่อยต่ำ) SSP2-4.5 (ปานกลาง) และ SSP5-8.5 (สูง) เพื่อให้เห็นอนาคตหลายแบบของทรัพย์สินเดียวกัน
- ระบุจุดเปลี่ยน แบบจำลองระบุปีที่ทรัพย์สินจะข้ามเส้นสำคัญ เช่น ปีที่ความเสี่ยงน้ำท่วมขยับจาก "ปานกลาง" เป็น "รุนแรง" หรือปีที่โอกาสเกิดไฟป่ารายปีเกินระดับที่ยังรับประกันไหว
- จำลองผลกระทบการปรับตัว ลองใส่มาตรการเข้าไปในแบบจำลองก่อนลงเงินจริง ทั้งกำแพงกันคลื่น คันดิน การชิงเผา และโครงสร้างพื้นฐานสีเขียว แล้วดูว่าความเสี่ยงลดลงเท่าไรเทียบกับต้นทุน
5. ถ้านำไปใช้กับพอร์ตประกันจริง จะเกิดอะไรขึ้น
เราทดลองจำลองการใช้ระบบนี้กับพอร์ตประกันภัยในเอเชียตะวันออกเฉียงใต้ และเห็นความเป็นไปได้ 3 ทาง
- การกำหนดราคาความเสี่ยงใหม่ ระบบจับพื้นที่เสี่ยงที่แบบจำลองเดิมมองข้ามได้ และตั้งราคาใหม่ให้ตรง ขณะเดียวกันก็ลดเบี้ยให้ทรัพย์สินที่ข้อมูลความสูงบอกว่าปลอดภัยกว่าที่เคยคิด
- ลดการกระจุกความเสี่ยง เมื่อเห็นภาพละเอียดพอ ผู้จัดการพอร์ตจะเห็นว่ากรมธรรม์จำนวนมากไปกองอยู่ในลุ่มน้ำเดียวกัน แล้ววางแผนโอนความเสี่ยง (reinsurance) ได้ทัน
- ป้องกันเคลมเชิงรุก ส่งข้อมูลความเสี่ยงเฉพาะพื้นที่ให้ผู้ถือกรมธรรม์รู้ล่วงหน้า เขาเตรียมตัวได้ ความเสียหายก็ลดลงตั้งแต่ก่อนเกิดเหตุ
บทสรุป
ความเสี่ยงทางกายภาพจากภูมิอากาศกำลังกลายเป็นตัวแปรหลักในการตีมูลค่าสินทรัพย์ การมองข้ามมันไม่ใช่ทางเลือกที่ประหยัดอีกต่อไป แต่เป็นความเสี่ยงเชิงกลยุทธ์ในตัวเอง การประเมินที่แม่นยำและมองไปข้างหน้าจึงย้ายจากของเสริม มาเป็นมาตรฐานของการบริหารความเสี่ยงยุคนี้
GlobMaps สร้างโครงสร้างพื้นฐานข้อมูลเชิงพื้นที่ที่ทำให้องค์กรเห็นความเสี่ยงของตัวเองได้ชัดกว่าที่เคย โดยรวมความแม่นยำของดาวเทียมเข้ากับความเข้าใจเรื่องภัยพิบัติ เพื่อเปลี่ยนข้อมูลดิบให้เป็นการตัดสินใจที่ทำได้จริง คำถามวันนี้จึงไม่ใช่ "พอร์ตของคุณปลอดภัยไหม" แต่เป็น "คุณกำลังใช้ข้อมูลที่ดีที่สุดเท่าที่มี ในการตอบคำถามนั้นอยู่หรือเปล่า"