การพัฒนาแบบจำลองเพื่อประมาณค่าฝุ่นละอองโดยใช้ข้อมูลจากดาวเทียมเวียร์ในภาคเหนือของประเทศไทย
DOI:
https://doi.org/10.14456/jem.2022.5คำสำคัญ:
ความลึกเชิงแสงของละอองลอย (AOD), PM2.5, PM10, ดาวเทียม, VIIRSบทคัดย่อ
ข้อมูล Aerosol Optical Depth (AOD) หรือ ความลึกเชิงแสงของละอองลอย ในบรรยากาศที่ได้จากดาวเทียม Suomi-NPP VIIRS ถูกนำมาวิเคราะห์ความสัมพันธ์กับฝุ่นละอองขนาดเล็ก (Particulate matter: PM) ได้แก่ ฝุ่นละอองขนาดเล็กกว่า 2.5 ไมครอน (PM2.5 ) และฝุ่นละอองขนาดเล็กกว่า 10 ไมครอน (PM10) จากสถานีตรวจวัดคุณภาพอากาศภาคพื้นดินของกรมควบคุมมลพิษในประเทศไทย โดยแบ่งการศึกษาเป็น 2 ส่วน ในส่วนแรกเป็นการเปรียบเทียบการดึงข้อมูล AOD ที่ขนาดพื้นที่แตกต่างกัน 6 ขนาด ผลการวิเคราะห์ความสัมพันธ์ระหว่าง AOD-PM พบว่า ขนาดพื้นที่ 0.5ºx0.5º และ 0.2ºx0.2º มีค่าสัมประสิทธิ์สหสัมพันธ์ (Correlation Coefficient: R) สูงที่สุด ในส่วนที่สองเป็นการสร้างแบบจำลองเพื่อคาดการณ์ค่า PM โดยพิจารณาร่วมกับปัจจัยทางอุตุนิยมวิทยา ได้แก่ ความชื้นสัมพัทธ์ (Relative Humidity: RH) , อุณหภูมิ (Temperature: T) และความเร็วลม (Wind speed: WS) พบว่า ความชื้นสัมพัทธ์เป็นตัวแปรที่สำคัญที่สุดสำหรับการคาดการณ์ค่า PM ซึ่งจากการวิเคราะห์ความสัมพันธ์ของ Estimated PM (ค่า PM ที่ได้จากการคาดการณ์ด้วยสมการแบบจำลอง) กับ Observed PM (ค่า PM ที่ได้จากการตรวจวัดจริง) พบว่า Estimated PM2.5 - Observed PM2.5 และ Estimated PM10 - Observed PM10 มีค่า R อยู่ในช่วง 0.47-0.81 และ 0.62-0.81 ตามลำดับ ซึ่งให้ค่าความคลาดเคลื่อนเฉลี่ย (RMSE) สำหรับการคาดการณ์อยู่ในช่วง 13.60-55.43 µg/m³ และ 19.38-33.95 µg/m³ ตามลำดับ
References
Benas, N., Beloconi, A., & Chrysoulakis, N. (2013). Estimation of urban PM10 concentration, based on MODIS and
MERIS/AATSR synergistic observations. Atmospheric Environment, 79, 448-454.
Chantara, S., Wangkarn, S., Sangchan, W., & Rayanakorn, M. (2010). Spatial and temporal variations of ambient PM10-
bound polycyclic aromatic hydrocarbons in Chiang Mai and Lamphun Provinces, Thailand. Desalination and
Water Treatment, 19(1-3), 17-25.
Geo-Informatics and Space Technology Development Agency (Public Organization). (2020). Report on the situation of
forest fires and smog from the satellite data for the year 2020 [In Thai]. Retrieved March 14, 2021, from
https://fire.gistda.or.th/fire_report/Fire_2563.pdf.
Handschuh, J., Erbertseder, T., Schaap, M., & Baier, F. (2022). Estimating PM2.5 surface concentrations from AOD: A
combination of SLSTR and MODIS. Remote Sensing Applications: Society and Environment, 26.
Jackson, J. M., Liu, H., Laszlo, I., Kondragunta, S., Remer, L. A., Huang, J., & Huang, H.-C. (2013). Suomi-NPP VIIRS
aerosol algorithms and data products. Journal of Geophysical Research: Atmospheres, 118(22), 12,673-
,689.
Kanabkaew, T. (2013). Prediction of Hourly Particulate Matter Concentrations in Chiangmai, Thailand Using MODIS
Aerosol Optical Depth and Ground-Based Meteorological Data. EnvironmentAsia 6(2) 6(2), 65-70.
Karanasiou, A., Alastuey, A., Amato, F., Renzi, M., Stafoggia, M., Tobias, A., Querol, X. (2021). Short-term health
effects from outdoor exposure to biomass burning emissions: A review. Sci Total Environ, 781, 146739.
Kerr, A.W., Hall, H.K., & Kozub, S.A. (2002). Doing Statistics with SPSS. Thousand Oaks: Sage Publications.
Khamkaew, C., Chantara, S., Janta, R., Pani, S. K., Prapamontol, T., Kawichai, S., Lin, N.-H. (2016). Investigation of
Biomass Burning Chemical Components over Northern Southeast Asia during 7-SEAS/BASELInE 2014
Campaign. Aerosol and Air Quality Research, 16(11), 2655-2670.
Li, C., Hsu, N. C., & Tsay, S.-C. (2011). A study on the potential applications of satellite data in air quality monitoring
and forecasting. Atmospheric Environment, 45(22), 3663-3675.
Moksony, F. (1990). Small is beautiful. The use and interpretation of R2 in social research. Szociológiai Szemle, Special
issue, 130-138.
Mongkolphew, S. (2019). Assessment of the Relationship of Particulate Matter between Satellite and Ground based
Measurements in Thailand. Unpublished Master’s thesis, Kasetsart University.
NASA. (2022). AERDT_L2_VIIRS_SNPP - VIIRS/SNPP Dark Target Aerosol L2 6-Min Swath 6 km. Retrieved
March 4, 2021, from https://ladsweb.modaps.eosdis.nasa.gov/missions-and-
measurements/products/AERDT_L2_VIIRS_SNPP.
Pollution Control Department. (2020). Plan to install air quality monitoring station Covering all over the country [In
Thai]. Retrieved March 14, 2021
Punsompong, P., & Chantara, S. (2018). Identification of potential sources of PM10 pollution from biomass burning in
northern Thailand using statistical analysis of trajectories. Atmospheric Pollution Research, 9(6), 1038-1051.
Suchit, P. (1994).environment and human settlement [In Thai]. Thai Junior Encyclopedia. Retrieved April 24, 2022,
from https://www.saranukromthai.or.th/sub/book/book.php?book=18&chap=1&page=t18-1-infodetail05.html.
Wiratchai, N. (2010). Correlation analysis and regression analysis. published Master’s thesis, Sukhothai Thammathirat
Open University.
Wiriya, W., Prapamontol, T., & Chantara, S. (2013). PM10-bound polycyclic aromatic hydrocarbons in Chiang Mai
(Thailand): Seasonal variations, source identification, health risk assessment and their relationship to air-mass
movement. Atmospheric Research, 124, 109-122.
Wu, J., Yao, F., Li, W., & Si, M. (2016). VIIRS-based remote sensing estimation of ground-level PM2.5 concentrations
in Beijing–Tianjin–Hebei: A spatiotemporal statistical model. Remote
Sensing of Environment, 184, 316-328.
