จากสถานการณ์ปัจจุบันประเทศไทยประสบปัญหาขาดแคลนน้ำ โดยเฉพาะสถานการณ์น้ำใน 4 เขื่อนหลักลุ่มเจ้าพระยาที่มีปริมาณน้ำใช้การเหลือน้อย จากความแปรปรวนของสภาพอากาศ ขณะที่น้ำเป็นทรัพยากรหลักและเป็นปัจจัยที่หล่อเลี้ยงทุกสรรพสิ่ง แต่ที่ผ่านมามีการใช้น้ำกันอย่างฟุ่มเฟือย และขาดความตระหนักถึงคุณค่าของน้ำ เมื่อวันนี้น้ำมีจำกัด ทำอย่างไรที่จะทำให้การใช้น้ำมีประสิทธิภาพ และสามารถเพิ่มปริมาณน้ำเก็บกักในเขื่อนได้มากขึ้น จึงเป็นที่มาของ“โครงการกลยุทธ์การปรับเปลี่ยนแนวทางการปฏิบัติการอ่างเก็บน้ำสำหรับพัฒนาการบริหารจัดการน้ำต้นทุนในระยะยาวของเขื่อนภูมิพล (ระยะที่ 1)”ซึ่งเป็น 1 ใน 12 โครงการวิจัยของแผนการพัฒนาเทคโนโลยีใหม่ในการจัดการน้ำเพื่อขับเคลื่อนการประหยัดน้ำ ใช้น้ำอย่างคุ้มค่า ภายใต้แผนยุทธศาสตร์เป้าหมาย (Spearhead) ด้านสังคม แผนงานการบริหารจัดการน้ำ สกสว. ในระยะเวลาการดำเนินงาน 3 ปี
“เพราะแผนการจัดการน้ำในอดีตเราไม่สามารถรู้ได้ว่าปริมาณความต้องการน้ำจริง ๆ เท่าไหร่ เรารู้แค่ปริมาณการปล่อยน้ำหรือการระบายน้ำ โจทย์ที่ได้คือทำอย่างไรจึงจะเพิ่มปริมาณน้ำเก็บกักของเขื่อนภูมิพลก่อนถึงฤดูแล้งให้เพิ่มขึ้นอีก 15%” รศ.ดร.อารียา ฤทธิมาจากคณะวิศวกรรมศาสตร์ มหาวิทยาลัยมหิดล ในฐานะหัวหน้าโครงการกลยุทธ์การปรับเปลี่ยนแนวทางการปฏิบัติการอ่างเก็บน้ำสำหรับพัฒนาการบริหารจัดการน้ำต้นทุนในระยะยาวของเขื่อนภูมิพล (ระยะที่ 1) กล่าว
โดยได้กำหนดกรอบงานวิจัยไว้ 3 แนวทาง เพื่อเพิ่มต้นทุนการเก็บกักน้ำ ประกอบด้วย 1. คำนวณความต้องการน้ำเพื่อการชลประทาน ด้วยการติดตามพื้นที่เพาะปลูกโดยใช้ข้อมูลภาพถ่ายดาวเทียม และน้ำฝนใช้การมาเป็นปัจจัยปรับลด รวมทั้งทบทวนแผนการจัดสรรน้ำ 2. ข้อมูลปริมาณน้ำไหลเข้าอ่างเก็บน้ำพยากรณ์มากำหนดการระบายน้ำ และพัฒนาแบบจำลองการปฏิบัติการอ่างเก็บน้ำด้วยเทคนิคปัญญาประดิษฐ์ (Artificial Intelligence, AI) และ 3. ลดปริมาณน้ำส่วนเกิน (Excessive Water) ที่ระบายจากอ่างเก็บน้ำในช่วงน้ำมากและที่เกินความต้องการน้ำท้ายเขื่อน รวมทั้งพิจารณาปริมาณน้ำSide Flow มาประกอบการตัดสินใจปล่อยน้ำที่เหมาะสมเพื่อช่วยประหยัดน้ำและเพิ่มปริมาณน้ำเก็บกักของเขื่อน
รศ.ดร.อารียากล่าวว่า “งานวิจัยนี้เป็นเรื่องของการพัฒนากลยุทธ์ใหม่ในการบริหารจัดการน้ำจากเขื่อน หรือที่เรียกว่า “Reservoir Re-Operation” โดยนำเสนอเทคนิคAdaptive Neuro Fuzzy Optimization with Reinforcement Learning (ANFIS with RL)และเทคนิค Stochastic Constraint Programming with Machine Learning (CP with ML)มาประยุกต์ใช้ โดยได้ทำการพัฒนาแบบจำลองการพยากรณ์ปริมาณน้ำไหลเข้าอ่างเพื่อเป็นส่วนหนึ่งของข้อมูลนำเข้า เพื่อสุดท้ายนำไปสู่การพัฒนาโมเดลหรือแบบจำลองการบริหารจัดการต้นทุนน้ำในเขื่อนที่เหมาะสมและมีประสิทธิภาพมากขึ้น และสามารถเพิ่มปริมาณน้ำกักเก็บของเขื่อนในระยะยาว”
ผลการศึกษาวิจัยในช่วงระยะเวลา 6 เดือนที่ผ่านมา สำหรับแนวทางวิจัยที่ 1 หลังจากได้ทำการคำนวณปริมาณความต้องการน้ำเพื่อการชลประทานตั้งแต่ปี พ.ศ. 2543 –2561 ด้วยการติดตามพื้นที่เพาะปลูกโดยใช้ข้อมูลภาพถ่ายดาวเทียมจากแหล่งข้อมูลของสำนักงานพัฒนาเทคโนโลยีอวกาศและภูมิสารสนเทศ (องค์การมหาชน)(GISTDA)ร่วมกับการวิเคราะห์ค่า DynamicKcจาก Could-Based IrriSAT Application และทำการปรับเทียบกับค่าKc ของกรมชลประทาน รวมทั้งนำฝนใช้การมาเป็นปัจจัยปรับลดพบว่า พื้นที่เพาะปลูกของโครงการชลประทานเจ้าพระยาใหญ่มีแนวโน้มเพิ่มสูงขึ้นเรื่อย ๆ และเมื่อทำการวิเคราะห์โดยแบ่งออกเป็น 2 ช่วง คือ ช่วงก่อนและหลังเกิดเหตุการณ์น้ำท่วมปี พ.ศ. 2554 พบว่า ก่อนปี พ.ศ. 2554 ลักษณะการระบายน้ำและแผนการจัดสรรน้ำมีความสอดคล้องกับปริมาณความต้องการน้ำที่ได้จากการคำนวณ แต่หลังปี พ.ศ. 2554 เริ่มมีความแตกต่างกันระหว่างปริมาณความต้องการน้ำที่ได้จากการคำนวณและแผนการจัดสรรน้ำ และปริมาณการระบายน้ำจริง โดยพบว่า ในปี พ.ศ. 2555 แผนการระบายน้ำและปริมาณการระบายน้ำจริงสูงกว่าปริมาณความต้องการน้ำค่อนข้างมาก และในปี 2556–2561 พบว่า ปริมาณความต้องการน้ำยังสูงกว่าปริมาณน้ำต้นทุน (พิจารณาจากปริมาณน้ำไหลเข้าอ่างเก็บน้ำเขื่อนภูมิพลและสิริกิติ์) และยังสูงกว่าแผนการจัดสรรน้ำและปริมาณการระบายน้ำจริง ซึ่งจากการวิเคราะห์ยังพบว่า แนวโน้มพื้นที่การเพาะปลูกค่อนข้างเพิ่มสูงขึ้น ไม่สัมพันธ์กับปริมาณน้ำต้นทุนที่มีความผันแปรอยู่ตลอดเวลาจึงเสนอให้มีการควบคุมพื้นที่เพาะปลูกให้เหมาะสมเพื่อบริหารจัดการน้ำต้นทุนให้มีประสิทธิภาพมากขึ้น รวมทั้งการวางแผนบริหารจัดการน้ำควรจะยึดน้ำต้นทุนเป็นหลักโดยพิจารณาปรับลดพื้นที่แยกให้มีความเหมาะสมแยกตามประเภทปีน้ำในช่วงฤดูฝนและฤดูแล้ง เช่น ปีน้ำมาก (๗ : ๕ ล้านไร่)ปีน้ำปกติ(๖ : ๔ ล้านไร่)และปีน้ำน้อย (๕ :๒ ล้านไร่)ซึ่งผลการศึกษาจากการจำลองโดยสมมุติปรับลดพื้นที่เพาะปลูกลงตามเกณฑ์ที่เสนอ หลังปี พ.ศ. 2555 – 2562 พบว่า ปริมาณความต้องการน้ำลดลง และสามารถเพิ่มปริมาณการเก็บกักน้ำของเขื่อนภูมิผลเพิ่มได้ถึง 1,700 ล้านลูกบาศก์เมตรต่อปี
ส่วนแนวทางวิจัยที่ 2 เป็นการนำเสนอเทคนิคปัญญาประดิษฐ์ที่จะนำไปสู่การปรับเปลี่ยนรูปแบบการระบายน้ำของเขื่อนภูมิพล โดยแบบจำลองที่พัฒนาขึ้นสามารถเชื่อมโยงกับฐานข้อมูลฝนคาดการณ์จาก “โครงการการพัฒนาระบบคาดการณ์ปริมาณฝนรายสองสัปดาห์เพื่อการบริหารจัดการน้ำในพื้นที่ลุ่มน้ำเจ้าพระยา”ของทีมวิจัยที่มีดร.กนกศรี ศรินนภากรจากสถาบันสารสนเทศทรัพยากรน้ำ เป็นหัวหน้าโครงการฯ สำหรับใช้กำหนดการตัดสินใจในการระบายน้ำ ซึ่งแนวทางนี้จะทำให้เกิดการปรับเปลี่ยนกลยุทธ์ในการปฏิบัติการอ่างเก็บน้ำรูปแบบใหม่ นอกจากนี้ ผลการจำลองการปฏิบัติการอ่างเก็บน้ำของเขื่อนภูมิพลระยะยาวเบื้องต้นด้วยแบบจำลองฟัซซี่ (Fuzzy Model) พบว่า การนำเข้าข้อมูลปริมาณความต้องการน้ำทั้งหมดที่ทำการควบคุมพื้นที่เพาะปลูกสามารถเพิ่มปริมาณน้ำเก็บกักให้สูงขึ้นเมื่อเปรียบเทียบกับการนำเข้าด้วยข้อมูลปริมาณความต้องการน้ำเดิม
สำหรับการศึกษาแนวทางวิจัยที่ 3 เป็นการวิเคราะห์ปริมาณน้ำส่วนเกินที่ระบายท้ายเขื่อน โดยการมองจุดที่เป็นน้ำส่วนเกินจากการปล่อยน้ำเพื่อต้องการลดปริมาณน้ำส่วนเกินลง จากการวิเคราะห์ข้อมูลปริมาณน้ำที่ระบายส่วนเกินเฉลี่ยรายเดือนที่เขื่อนน้ำเจ้าพระยาตั้งแต่ปี พ.ศ. 2543 –2562 พบว่า การควบคุมระดับน้ำหน้าเขื่อนค่อนข้างคงที่ไม่ค่อยแตกต่างกันระหว่างช่วงฤดูฝนและฤดูแล้ง โดยมีระดับน้ำเก็บกักเฉลี่ยอยู่ที่ 15.80 เมตรจากระดับน้ำทะเลปานกลาง จากปกติ 16.50เมตรจากระดับน้ำทะเลปานกลาง
ในขณะที่ การวิเคราะห์น้ำส่วนเกินที่ทำการระบายท้ายเขื่อน พบว่า ในแต่ละปีมีค่าแตกต่างกัน เมื่อแยกเป็นรายเดือนพบว่า มีปริมาณน้ำส่วนเกินที่ระบายอยู่ในช่วงฤดูฝนค่อนข้างมาก โดยเฉพาะเดือนกันยายนและตุลาคม ที่มีปริมาณสูงถึง 5,000 ล้านลูกบาศก์เมตร ดังนั้น ถ้าสามารถปรับเปลี่ยนการจัดสรรน้ำเขื่อนเจ้าพระยาออกเป็นรายฤดู และทำการควบคุมระดับน้ำที่หน้าเขื่อนให้มีความเหมาะสม เช่น ในฤดูแล้งให้เก็บกักน้ำอยู่ที่ 15.80 เมตร จากระดับน้ำทะเลปานกลาง และเพิ่มระดับเก็บกักน้ำในช่วงฤดูฝน นั่นหมายความว่า หากสามารถปรับเปลี่ยนแนวทางการบริหารจัดการน้ำที่เขื่อนเจ้าพระยาจะสามารถลดการระบายน้ำจากเขื่อนภูมิพลและเขื่อนสิริกิติ์ได้ถึง 3,000 ล้านลูกบาศก์เมตร
นอกจากนี้ ยังได้ทำการวิเคราะห์ข้อมูลน้ำท่าของสถานีวัดน้ำ 5 สถานีหลัก (แม่น้ำวัง–W.4Aแม่น้ำยม–Y.17แม่น้ำแควน้อย–N.22Aแม่น้ำสะแกกรัง–Ct.2 และป่าสัก–S.9) เพิ่มเติมพบว่า ปริมาณ SideFlowรายปีของทั้ง 5 สถานี มีค่าเฉลี่ยสูงถึง 8,765 ล้านลูกบาศก์เมตร ซึ่งหากนำข้อมูลดังกล่าวมาใช้ร่วมกับการติดตามด้วยระบบโทรมาตรที่ดี จะช่วยกำหนดการระบายน้ำจากเขื่อนเพื่อเพิ่มปริมาณน้ำเก็บกักได้ อย่างไรก็ตาม งานวิจัยนี้ยังได้ทำการวิเคราะห์ถึงศักยภาพการเก็บกักน้ำของเขื่อนภูมิพลทั้งในระยะยาวและระยะสั้นโดยใช้ข้อมูลย้อนหลัง 20 ปี พบว่า เขื่อนภูมิพลยังมีศักยภาพในการเก็บกักน้ำเพิ่มได้ถึง 2,700 ถึง 4,000 ล้านลูกบาศก์เมตร
เมื่อนำข้อมูลที่ได้มาคำนวณด้วยแนวทางและเทคนิคใหม่แล้วจะมีสามารถตอบโจทย์การเพิ่มปริมาณน้ำเก็บกักของเขื่อนขึ้น 15% ได้จริงหรือไม่ และนำไปสู่การวางแผนการจัดสรรน้ำและการพิจารณาปรับปรุงเกณฑ์การระบายน้ำจากเขื่อนต่อไปได้อย่างไร
รศ.ดร.สุจริต คูณธนกุลวงศ์ประธานคณะกรรมการอำนวยการแผนงานยุทธศาสตร์เป้าหมายฯ กล่าวว่า จุดเด่นของงานวิจัยนี้ คือ หากเราสามารถรู้หรือสามารถคาดการณ์ฝนล่วงหน้าได้ดีขึ้น เชื่อว่าเราจะประหยัดน้ำเพิ่มได้ 10% และการรู้ความต้องการใช้น้ำที่แท้จริงช่วยให้ลดการใช้น้ำจากเขื่อนลงได้ 10% หรือรวมกันทั้ง 2 แนวทางแล้ว เฉลี่ย ได้ 15% ซึ่งจะเป็นแนวทางปรับปรุงช่วยเพิ่มปริมาณน้ำต้นทุนหรือปริมาณการเก็บกักน้ำของเขื่อนภูมิพลในวันที่1 พฤศจิกายนของทุกปี เพิ่มขึ้นได้ขึ้นเป็นเฉลี่ย 85% จากเดิมมีปริมาณน้ำเก็บกักอยู่ประมาณ 65% โดยเฉลี่ย จะได้ตามเป้าหมายแผนงานวิจัยเข็มมุ่งที่กำหนด (ภายใต้ความร่วมมือจากทุกภาคส่วนและผู้เชี่ยวชาญ ต่างประเทศ)
แต่หากมองถึงภาคที่มีการใช้น้ำมากที่สุด คงไม่พ้นภาคเกษตร ซึ่งตัวเลขพบว่า พืชที่มีการเพาะปลูกกันมากที่สุดในพื้นที่เขตชลประทาน อันดับ 1 คือ ข้าว ซึ่งคิดเป็นประมาณ 80% ของพื้นที่ รองลงมาคือ อ้อย ซึ่งคิดเป็น 10% และที่เหลือ เช่น ไม้ยืนต้น ไม้ดอก และพืชสวน มีสัดส่วนน้อยลงตามลำดับ
ดร.ชูพันธุ์ ชมพูจันทร์คณะวิศวกรรมศาสตร์ มหาวิทยาลัยเกษตรศาสตร์ วิทยาเขตกำแพงเสน หัวหน้าโครงการวิจัยเรื่อง“การประเมินปริมาณความต้องการน้ำในพื้นที่รายภาคกลาง (ระยะที่ 1)”กล่าวว่า นอกจากข้อมูลความต้องการน้ำของพืชแต่ละชนิดแล้ว ยังต้องสำรวจข้อมูลพื้นที่ที่มีการเพาะปลูกพืชในพื้นที่เขตชลประทานตั้งแต่ตอนล่างของเขื่อนภูมิพลลงไปถึงปากอ่าวไทยกว่า 20 จังหวัด จึงต้องใช้ข้อมูลภาพถ่ายดาวเทียมในการคำนวณหาปริมาณความต้องการน้ำของพืช และปริมาณความต้องการของพืชในการนำน้ำไปใช้จริง นอกจากนี้ การใช้ภาพถ่ายดาวเทียมเข้ามาช่วยติดตามลักษณะการเติบโตของพืชในแต่ละรอบการเพาะปลูก (Crop) จะสามารถนำมาใช้จัดการกับการประมาณความต้องการน้ำได้ถูกต้องและทันเวลาได้มากขึ้น
ด้าน ผศ.ดร.สุกรี สินธุภิญโญจากคณะวิศวกรรมศาสตร์ จุฬาลงกรณ์มหาวิทยาลัย ในฐานะหัวหน้าโครงการวิจัยเรื่อง“โครงการระบบวิเคราะห์ข้อมูลขนาดใหญ่เพื่อการวางแผนงานบริหารจัดการน้ำ”กล่าวถึงการนำเทคโนโลยีขั้นสูงMachine Learningมาใช้ในการทำนายสภาพอากาศและการบริหารจัดการน้ำของเขื่อนว่า เป็นเทคโนโลยีAIที่Envision จากประเทศสิงคโปร์พัฒนาขึ้น และเป็นที่ยอมรับจากหลายประเทศทั่วโลกว่า มีความแม่นยำมากในการพยากรณ์อากาศขณะนี้ เนื่องจากใน้ข้อมูลด้านภูมิอากาศทั่วโลกจากหลายแหล่ง และมีเทคนิคการประมวลผลข้อมูลขนาดใหญ่ ซึ่งทางทีมวิจัยกำลังเรียนรู้เทคนิคดังกล่าว เพื่อนำมาพัฒนาในส่วนของข้อมูลสภาพอากาศทั่วไป และปรับปรุงข้อมูลผลการทำนายฝนให้ถูกต้องและมีความละเอียดมากขึ้นในระยะพื้นที่ 1 ตารางกิโลเมตร เพื่อจะสามารถนำไปใช้ในการวางแผนการบริหารจัดการน้ำในเขื่อนได้อย่างมีประสิทธิภาพมากขึ้น
