การพยากรณ์ความเสี่ยงการเกิดภัยแล้งรายทศวรรษและผลกระทบจากการเปลี่ยนแปลงสภาพภูมิอากาศบริเวณประเทศไทยด้วยแบบจำลองภูมิอากาศหลายตัวแบบ
ชื่อผู้แต่งข้างต้นเป็นข้อความจากระเบียนผลงาน ไม่ได้ผูกกับรหัสนักวิจัย จึงกดดูผลงานอื่นของบุคคลนี้ไม่ได้ — ในคลังนี้ 142,080 ผลงาน (63.6% ของทั้งหมด) มีชื่อผู้แต่งที่เชื่อมกับหน้าผู้แต่งได้ และ 60,298 ผลงาน (27.0%) มีผู้แต่งที่ผูกกับรหัสนักวิจัยจริง ส่วนอีก 81,382 ผลงานไม่มีข้อมูลผู้แต่งเลย (มีชื่อผู้แต่งเป็นข้อความอยู่ 142,009 ผลงาน = 63.5%)
บทคัดย่อ
โครงการวิจัยนี้ ได้ศึกษารูปแบบการเกิดภัยแล้งและภัยแล้งรุนแรงเชิงพื้นที่และเชิงเวลาจากผลกระทบของความผันแปรและการเปลี่ยนแปลงภูมิอากาศบริเวณประเทศไทย โดยใช้ภาพฉายจากแบบจำลองภูมิอากาศ CMIP5 ที่ปรับแก้ความคลาดเคลื่อนจาก 3 แบบจำลอง ได้แก่ CCSM4 GFDL และ MPI ด้วยเงื่อนไข RCP4.5 และ RCP8.5 เพื่อวิเคราะห์ดัชนีความแห้งแล้ง SPI1 SPI3 และ SPI6 ในช่วงปี 1981-2020 ร่วมกับปรากฏการณ์เอลนีโญ่ ผลการวิเคราะห์แสดงให้เห็นความสอดคล้องของปีที่เกิดความแห้งแล้งบริเวณประเทศไทยและปีที่เกิดปรากฏการณ์เอลนีโญ่ระดับปานกลางถึงรุนแรง ได้แก่ 1982/83 1987/88 1992/93 1997/98 2009/2010 และ 2015/16 การหาความสัมพันธ์ในช่วงเวลาระหว่างกัน (time-lagged correlation) ของดัชนีความแห้งแล้งกับปริมาณน้ำท่า (runoff) โดยพบว่าดัชนี SPI1 SPI3 และ SPI6 จากแบบจำลอง GFDL ให้ค่าความสัมพันธ์เฉลี่ยสูงสุดประมาณ 0.3 และมีช่วงเวลา 3 เดือนล่วงหน้า เมื่อวิเคราะห์ผลกระทบของความแห้งแล้งที่ส่งผลกระทบต่อความชื้นในดินที่ระดับความลึก 0-14 เซ็นติเมตร โดยความสัมพันธ์ในช่วงเวลาระหว่างกันของปริมาณน้ำท่าและความชื้นในดิน พบว่าที่ช่วงเวลาระหว่างกัน 0-1 เดือน มีค่าความสัมพันธ์สูงสุด 0.7-0.8 ช่วงเวลาระหว่างกัน 2 เดือน มีค่าความสัมพันธ์สูงสุด 0.5-0.7 และช่วงเวลาระหว่างกัน 3 เดือน มีค่าความสัมพันธ์สูงสุด 0.3-0.5 และผลของภาพฉายจากแบบจำลองภูมิอากาศ CMIP5 RCP4.5 และ RCP8.5 เพื่อใช้ศึกษาแนวโน้มการเกิดภัยแล้งแต่ละภูมิภาคช่วงปี 2020-2050 โดยพบว่าในปี 2020 ค่า SPI1 และ SPI6 จากแบบจำลอง GFDL มีรูปแบบโดยรวมเกือบทั้งประเทศสอดคล้องกับข้อมูลสังเกตการณ์จาก CHIRPS สูงสุด และมีรูปแบบสอดคล้องรองลงมาจาก CCSM4 และ MPI โดยมีความสัมพันธ์ในช่วงเวลาระหว่างกัน ล่วงหน้าสูงสุด 2-4 เดือน ค่า SPI3 จากแบบจำลอง MPI มีรูปแบบโดยรวมเกือบทั้งประเทศสอดคล้องกับข้อมูลสังเกตการณ์จาก CHIRPS สูงสุด และมีรูปแบบสอดคล้องรองลง CCSM4 และ GFDL โดยมีความสัมพันธ์ในช่วงเวลาระหว่างกัน ล่วงหน้าสูงสุด 2-3 เดือน เมื่อหาค่าเฉลี่ยจากหลายแบบจำลอง ENSM พบว่าให้รูปแบบที่สอดคล้องจาก SPI3 และ SPI6 สูงสุด จากผลการศึกษาปัจจัยของปริมาณน้ำท่าและความชื้นในดิน ร่วมกับผลกาคาดการณ์ดัชนีความแห้งแล้งในช่วงปี 2020-2050 พบว่าสามารถใช้เป็นข้อมูลประกอบการวางแผนเพื่อแก้ปัญหาความแห้งแล้งที่ส่งผลกระทบต่อภาคเกษตรระดับภูมิภาคทั้งรายปีและรายทศวรรษได้