เทคโนโลยี ‘ตรวจจับไฟป่า’ ด้วย ‘IoT และ Machine Learning’ ป้องกันผลกระทบต่อสุขภาพอย่างยั่งยืน
เทคโนโลยี IoT และ Machine Learning สำหรับการตรวจจับไฟป่าและพยากรณ์ฝุ่น PM2.5 เพื่อการป้องกันผลกระทบต่อสุขภาพ โดย รศ. ดร.ธงชัย ขนาบแก้ว คณะสาธารณสุขศาสตร์ มหาวิทยาลัยธรรมศาสตร์
วันอังคารที่ 17 มิถุนายน พ.ศ.2568
ในช่วงหลายปีที่ผ่านมา ภาคเหนือของประเทศไทยต้องเผชิญกับปัญหาหมอกควันและฝุ่นละอองจากไฟป่าอย่างต่อเนื่อง โดยเฉพาะในช่วงฤดูแล้ง ปัญหานี้ส่งผลกระทบต่อทั้งสุขภาพของประชาชนและสิ่งแวดล้อมอย่างกว้างขวาง หนึ่งในสารมลพิษที่น่ากังวลมากที่สุดคือฝุ่น PM2.5 ซึ่งเป็นฝุ่นขนาดเล็กมากจนมองไม่เห็นด้วยตาเปล่า มีเส้นผ่านศูนย์กลางไม่เกิน 2.5 ไมครอน ฝุ่นชนิดนี้สามารถเข้าสู่ร่างกายผ่านทางการหายใจและสะสมในระบบทางเดินหายใจลึกถึงปอด ส่งผลให้เกิดโรคทางเดินหายใจเรื้อรัง เช่น โรคปอดอุดกั้นเรื้อรัง รวมถึงเพิ่มความเสี่ยงของโรคหัวใจและหลอดเลือด นอกจากนี้ หมอกควันและฝุ่นละอองยังส่งผลเสียต่อระบบนิเวศน์ การท่องเที่ยว และความเสียหายต่อเศรษฐกิจในพื้นที่อย่างต่อเนื่อง
เพื่อจัดการกับปัญหานี้ การตรวจจับและเฝ้าระวังไฟป่าและมลพิษในอากาศได้อย่างรวดเร็วและแม่นยำจึงเป็นเรื่องสำคัญ ในปัจจุบันระบบเฝ้าระวังที่มีประสิทธิภาพจำเป็นต้องอาศัยแนวคิด “Data-driven” หรือการขับเคลื่อนด้วยข้อมูล ในทางปฏิบัติ เทคโนโลยีที่มีบทบาทสำคัญ คือ “Internet of Things” หรือ IoT ซึ่งเป็นเครือข่ายของอุปกรณ์อิเล็กทรอนิกส์ที่ติดตั้งเซ็นเซอร์เพื่อวัดค่าต่าง ๆ ในสิ่งแวดล้อม เช่น ค่าฝุ่น PM2.5 ค่าก๊าซมลพิษ เช่น คาร์บอนมอนอกไซด์ (CO) เซ็นเซอร์เหล่านี้มีขนาดเล็ก ติดตั้งง่าย ใช้พลังงานต่ำ และสามารถส่งข้อมูลผ่านเครือข่ายอินเทอร์เน็ตไปยังศูนย์กลางข้อมูลแบบเรียลไทม์ แม้ในพื้นที่ห่างไกลและไม่มีคนประจำอยู่ เช่น บริเวณภูเขาหรือพื้นที่ป่าที่มักเกิดไฟป่าบ่อยครั้ง ข้อมูลที่ได้รับจะถูกเก็บรวบรวมและประมวลผลอย่างต่อเนื่อง
ภาพจำลองสถานการณ์ไฟป่าและการตรวจจับ
(ภาพนี้สร้างขึ้นด้วยปัญญาประดิษฐ์ DALL·E โดย OpenAI)
การวิเคราะห์ข้อมูลที่ได้จากเซ็นเซอร์เหล่านี้ใช้เทคนิค “Machine Learning” หรือ การเรียนรู้ของเครื่อง ที่ช่วยให้ระบบคอมพิวเตอร์สามารถเรียนรู้และสร้างแบบจำลองจากข้อมูลจำนวนมาก เพื่อทำนายและตัดสินใจในสถานการณ์ต่าง ๆ ได้อย่างแม่นยำ หนึ่งในวิธีที่นิยมใช้คือ “Decision Tree” หรือ ต้นไม้ตัดสินใจ ซึ่งทำหน้าที่เหมือนการตอบคำถามตามลำดับเงื่อนไข เช่น หากค่าฝุ่น PM2.5 สูงเกินระดับที่กำหนด (121 ไมโครกรัมต่อลูกบาศก์เมตร) ระบบจะพิจารณาว่าอาจเกิดไฟป่า แต่ถ้าค่าฝุ่นอยู่ในระดับกลาง ๆ ระบบจะดูข้อมูลค่าก๊าซ CO ประกอบด้วย ถ้าพบว่า CO เพิ่มขึ้นด้วยก็จะยิ่งเพิ่มความมั่นใจว่ามีไฟป่าเกิดขึ้น
ภาพตัวอย่างการตรวจจับไฟป่าด้วย Decision Tree
การป้องกันผลกระทบต่อสุขภาพอย่างยั่งยืน ต้องเริ่มจากการควบคุมและลดมลพิษที่แหล่งกำเนิดเป็นอันดับแรก ระบบตรวจจับที่ทำงานแบบอัตโนมัติ 24 ชั่วโมง ติดตั้งได้ในพื้นที่ห่างไกล และแจ้งเตือนแบบเรียลไทม์ จะช่วยให้การเตรียมความพร้อมและตอบสนองต่อสถานการณ์ทำได้อย่างทันท่วงที ลดความเสี่ยงด้านสุขภาพและความปลอดภัยของชุมชนอย่างมีประสิทธิผล ระบบนี้จึงมีบทบาทสำคัญต่อการจัดการปัญหาไฟป่าและมลพิษ PM2.5 ในภาคเหนือของประเทศไทยในระยะยาว
แหล่งที่มาข้อมูล
Lertsinsrubtavee, A., Kanabkaew, T., & Raksakietisak, S. (2023). Detection of forest fires and pollutant plume dispersion using IoT air quality sensors. Environmental Pollution, 338. https://doi.org/10.1016/j.envpol.2023.122701.