บทสรุปผู้บริหารในรายงานฉบับนี้จะนำเสนอการวิเคราะห์แหล่งที่มาเบื้องต้นของ PM 2.5 กับการเผาไหม้ในพื้นที่เกษตรและไฟไหม้ในเขตป่าไม้ของประเทศไทย โดยใช้ข้อมูล PM 2.5 และข้อมูลดาวเทียม MODIS (รายละเอียดในภาคผนวก) ซึ่งจะเป็นรายงานฉบับแรกที่จะวิเคราะห์การเกิดการเผาไหม้ต่อแนวโน้ม PM 2.5 ใน 21 จังหวัดต่างๆ ของประเทศไทย
ทั้งนี้ รายงานพบว่าการเผาไหม้ชีวมวลเป็นหนึ่งในสาเหตุสำคัญของการเกิด PM 2.5 ในประเทศไทย โดยข้อมูลแสดงให้เห็นว่า ในช่วงก่อนปี 2554 ประเทศไทยมีปริมาณการเผาพื้นที่เกษตรและป่าไม้ที่ใกล้เคียงกัน และเผาจากประเทศเพื่อนบ้านยังมีผลกระทบต่อ PM2.5 ด้วยเช่นกัน แต่ตั้งแต่ปี พ.ศ. 2554 เป็นต้นมา การเผาไหม้ในเขตป่าไม้ได้เพิ่มขึ้นแทนที่การเผาพื้นที่เกษตรที่ลดลง นอกจากนี้ แต่ตอนนี้ข้อมูลดาวเทียมยังไม่สามารถระบุได้ว่า การเผาไหม้ในป่าเกิดโดยธรรมชาติหรือมาจากการทำเกษตร
จังหวัดที่มีมลพิษทางอากาศต่ำมักจะได้รับผลกระทบจากปัญหาคุณภาพอากาศหรือ PM2.5 มากกว่าจังหวัดที่มีมลพิษทางอากาศมากอยู่แล้ว
ประเด็นสำคัญ- การเผาไหม้เป็นสาเหตุสำคัญของ PM 2.5 ที่เพิ่มขึ้น โดยเฉพาะอย่างยิ่งจากการเผาไหม้ชีวมวล (ในเขตป่าไม้และการเกษตร)
- ตั้งแต่ปี 2544 ถึง 2563 การเผาไหม้ในเขตป่าไม้เพิ่มขึ้น 240% ในขณะที่ไฟจากการเผาพื้นที่เกษตรลดลง 42%
- โดยเฉลี่ยในประเทศไทย พื้นที่ที่ถูกเผาไหม้เพิ่มไม่เกิน 50 ตารางกิโลเมตร ทำให้ค่า PM 2.5 เฉลี่ยต่อเดือนเพิ่มขึ้น 51 จุดบนดัชนีคุณภาพอากาศ (AQI) ซึ่งเพิ่มขึ้นถึง 1.8 เท่า เมื่อเทียบกับระดับ PM 2.5 AQI พื้นฐาน ในขณะที่ปริมาณพื้นที่ที่ถูกเผาไหม้ปานกลาง (0 – 500 ตารางกิโลเมตร) ทำให้ค่า PM 2.5 AQI เฉลี่ยต่อเดือนเพิ่มขึ้น 81 AQI หรือสูงกว่าค่าพื้นฐาน PM 2.5 ถึง 2.3 เท่า
- เดือนเมษายนเป็นเดือนที่ได้รับผลกระทบหนักที่สุดจากการเพิ่มขึ้นของ PM 2.5 ที่เกี่ยวข้องกับไฟไหม้ และ ไฟไหม้เป็นสาเหตุทำให้ PM 2.5 เพิ่มขึ้นทั่วไทย แต่ในบางจังหวัดได้รับผลกระทบมากกว่าจังหวัดอื่น
PM 2.5 คืออะไร? เมื่อเกิดมลพิษทางอากาศย่อมส่งผลกระทบทางตรงต่อระบบสาธารณสุขภาพรวม สิ่งแวดล้อม และในที่สุดที่หลีกเลี่ยงไม่ได้คือมักส่งผลกระทบที่รุนแรงต่อระบบเศรษฐกิจของประเทศ
1–3 และ PM 2.5 (ฝุ่นละอองที่มีขนาดเล็กกว่า 2.5 ไมครอน หรือมีขนาดประมาณ 1 ใน 25 ของเส้นผ่านศูนย์กลางของเส้นผมมนุษย์) ยิ่งเป็นอันตรายอย่างยิ่ง เนื่องจากด้วยอนุภาคที่เล็กมากของ PM 2.5 จึงสามารถเดินทางผ่านกระแสเลือด ปอด รวมไปถึงหัวใจได้ ซึ่งเป็นการเพิ่มโอกาสการเกิดโรคทางเดินหายใจและโรคหัวใจและหลอดเลือดของประชากรใน ประเทศ
4 สำหรับประเทศไทยที่กำลังเผชิญกับภาวะค่า PM 2.5 ที่สูงเกินไปนั้น คาดว่าภาวะที่เกิดขึ้นนี้อาจส่งผลกระทบต่ออายุขัยเฉลี่ยของคนไทยได้ถึง 1.78 ปี
5 โดยหลายจังหวัดในไทยกลายเป็นหนึ่งในเมืองที่มีมลพิษมากที่สุดในโลก และหนึ่งในนั้นคือจังหวัดเชียงใหม่ได้ติดอันดับเมืองที่มีมลพิษมากเป็นอันดับ 3 ของโลกในเดือนมีนาคม 2567 และมักติดอันดับ 10 เมืองที่มีมลพิษมากที่สุดในโลก
6 การจัดการกับคุณภาพอากาศที่เป็นอันตราย แม้ว่ารัฐบาลได้เริ่มเดินหน้ามาตรการเพื่อจัดการกับ PM 2.5 แล้ว อย่างไรก็ดี ปัญหานี้ก็ยังคงเป็นปัญหาสำคัญที่ต้องได้รับแก้ไขอย่างเร่งด่วน
7 แม้ว่าระดับ PM 2.5 เฉลี่ยรายปีของไทยจะลดลงเล็กน้อยในช่วงตลอด 2 ทศวรรษที่ผ่านมาก็ตาม (แผนภูมิที่ 1) โดยปัจจุบันระดับ PM 2.5 รายปีของไทยสูงกว่าระดับที่ WHO แนะนำถึง 5 เท่า
8 อย่างไรก็ตาม ข้อจำกัดที่ใหญ่ที่สุดประการหนึ่งในการออกแบบมาตรการด้านการจัดการคุณภาพอากาศ คือ การขาดข้อมูลเกี่ยวกับแหล่งที่มาของ PM 2.5
9,10 โดยแหล่งที่มาของ PM 2.5 มักแตกต่างกันไปในแต่ละประเทศ เช่นการเผาไหม้เชื้อเพลิงฟอสซิลจากการจราจรทางถนนและกิจกรรมทางอุตสาหกรรมมักถูกอ้างถึงว่าเป็นสาเหตุหลักของ PM 2.5
11 รายงานฉบับนี้จึงมีวัตถุประสงค์เพื่อศึกษาผลกระทบของการเผาไหม้ต่อคุณภาพของอากาศของไทย โดยวิเคราะห์ความเชื่อมโยงของระดับ PM 2.5 และการเกิดไฟไหม้จาก 3 แหล่งข้อมูล ได้แก่ (1) ข้อมูลดาวเทียมและการใช้ประโยชน์ที่ดิน
12 (2) ชุดข้อมูล PM 2.5 ราย 21 จังหวัดในไทย (Station PM 2.5)
6 และ (3) ชุดข้อมูล PM 2.5 ทั่วโลก (Modelled PM 2.5)
13 ทั้งนี้ ดัชนีคุณภาพอากาศ PM 2.5 (AQI) จะเป็นตัววัดคุณภาพอากาศและขอบเขตการเผาไหม้ (พื้นที่ที่ถูกเผาในหน่วยตารางกิโลเมตร) เป็นตัววัดสำหรับการเผาไหม้ชีวมวล
การเผาไหม้และ PM 2.5 การเผาไหม้ชีวมวลเป็นอีกหนึ่งปัจจัยสำคัญที่ทำให้คุณภาพอากาศเสีย ซึ่งอาจทำให้เกิดโอกาสการเสียชีวิตก่อนวัยควรในประชาชนหลายแสนคนต่อปี
14 อย่างไรก็ดี การประเมินผลกระทบของการเผาไหม้ต่อระดับ PM 2.5 เป็นเรื่องที่ท้าทาย ด้วยเหตุที่ว่าการเผาไหม้เกิดขึ้นแตกต่างกันตามฤดูกาลและแตกต่างตามพื้นที่ภูมิศาสตร์ ในพื้นที่ที่ถูกผลกระทบจากการเผาไหม้นั้น ระดับ PM 2.5 อาจพุ่งสูงขึ้นหลายร้อยไมโครกรัมและใช้เวลากว่าหลายสัปดาห์กว่าจะลดลงมาในระดับปกติได้
15,16 มากไปกว่านั้น เนื่องด้วย PM2.5 สามารถเดินทางได้ไกล จึงไม่ใช่เฉพาะพื้นที่ที่เกิดการเผาไหม้เท่านั้น พื้นที่ใกล้เคียงแม้จะห่างจากจุดเกิดเหตุออกไปกว่าหลายร้อยกิโลเมตรก็ได้รับผลกระทบเช่นเดียวกัน
17.
ในแผนภูมิที่ 2 ได้จำลองความสัมพันธ์ระหว่างค่าเฉลี่ย PM 2.5 (AQI) และขอบเขตการเผาไหม้ (พื้นที่ที่ถูกเผาไม้มีหน่วยเป็นตารางกิโลเมตร) ในช่วงปี 2559 – 2563 สำหรับ 21 จังหวัดต่างๆ ในประเทศไทย โดยใช้แบบจำลอง a mixed-effects linear regression model พบว่ามีความสัมพันธ์เชิงเส้นตรงที่มีนัยสำคัญระหว่างพื้นที่ที่ถูกเผาไหม้ที่เพิ่มขึ้นและ PM 2.5 ที่เพิ่มขึ้น (P <0.001) โดยการเพิ่มขึ้นของขอบเขตการเผาไหม้ในช่วงระยะทาง 0 ถึง 50 ตารางกิโลเมตรจะทำให้ค่า PM 2.5 เฉลี่ยต่อเดือนเพิ่มขึ้น 51 จุดบนดัชนีคุณภาพอากาศ (AQI) ซึ่งคิดเป็น 1.8 เท่าของระดับ PM 2.5 AQI พื้นฐาน และสำหรับขอบเขตการเผาไหม้ในช่วงระยะทาง ประมาน500 ตารางกิโลเมตร จะทำให้ค่า PM 2.5 AQI เฉลี่ยต่อเดือนเพิ่มขึ้น 81 จุดบน AQI หรือสูงกว่าค่ามาตรฐาน PM 2.5 ถึง 2.3 เท่า โดยความสัมพันธ์สะท้อนว่าการการเผาไหม้ระดับน้อยจะมีผลกระทบมากกว่าระดับสูงถึงแม้ระดับสูงจะเพิ่ม AQI อยู่ดี คล้ายๆกับ Saturation Effect ทางเคมี
ความแตกต่างของการเผาไหม้ในแต่ละภูมิภาคของไทย
ในประเทศไทยการเกิดการเผาไหม้มีความแตกต่างกันในระดับภูมิภาคอย่างชัดเจน (รูปที่ 3)
โดยภูมิภาคที่ได้รับผลกระทบมากที่สุดคือส่วนตะวันตกของภาคเหนือ ซึ่งมีการเผาไหม้เกิดขึ้นเกือบทุกปีระหว่างปี 2544 - 2563 ซึ่งสอดคล้องกับงานวิจัยในอดีตว่า ภาคเหนือของประเทศไทยเป็นจุดความร้อนที่ก่อให้เกิดการเผาไหม้ (Fire Hotspot)
18,19 นอกจากนี้ ขอนแก่นและกาฬสินธุ์ในภาคตะวันออกเฉียงเหนือ และนครนายกในภาคกลางก็เป็นอีกพื้นที่ที่เป็น Fire Hotspot เช่นกัน ในขณะที่ภาคใต้ของประเทศไทยมีความถี่ในการการเผาไหม้น้อยที่สุด โดยแทบไม่เกิดการเผาไหม้เลยในช่วงที่ทำการศึกษา
ผลกระทบจากการเผาไหม้ต่อ PM 2.5 ในแต่ละภูมิภาค เป็นอย่างไรบ้าง? งานศึกษานี้พบว่าค่า PM 2.5 เฉลี่ยต่อเดือนใน 14 จังหวัดจาก 21 จังหวัด สูงขึ้นอย่างมีนัยสำคัญเนื่องจากการเผาไหม้ และพบความแตกต่างในผลกระทบของการเผาไหม้ในแต่ละจังหวัด (แผนภูมิที่ 5) โดยเฉพาะอย่างยิ่งจังหวัดที่มีค่า PM 2.5 พื้นฐานต่ำกว่าค่ามาตรฐานมีแนวโน้มที่จะได้รับผลกระทบมากที่สุดจากการเผาไหม้ โดยเฉพาะในจังหวัดเชียงราย พะเยา และน่าน (สูงกว่าแนวโน้มภาพรวมอย่างมีนัยสำคัญ (P> 0.05)) และในจังหวัดที่มีค่า PM 2.5 พื้นฐานสูงอยู่แล้ว จะส่งผลต่อระดับ PM 2.5 ในพื้นที่น้อยกว่า อย่างไรก็ตาม ค่า PM 2.5 เฉลี่ยรายเดือนของ 14 จังหวัดที่ทดสอบนั้นยังคงเพิ่มขึ้นอย่างมีนัยสำคัญจากการเพิ่มขึ้นของป่าไม้ จึงอาจบ่งชี้ได้ว่าการเผาไหม้เป็นสาเหตุหลักของ PM 2.5 ได้แต่ความรุนแรงของผลกระทบจะมากหรือน้อยขึ้นอยู่กับแต่ละภูมิภาค
ไฟไหม้ป่าหรือไฟจากการเผาพื้นที่เกษตร จากการศึกษาข้อมูลภาพถ่ายดาวเทียมและการใช้ประโยชน์ที่ดิน พบว่า ระหว่างปี 2544 ถึง 2563 มีเผาไหม้ในเขตป่าไม้เพิ่มขึ้นมากถึง 240% ในขณะที่ไฟจากการเผาพื้นที่เกษตรลดลง 42% ซึ่งสอดคล้องกับงานวิจัยที่ตีพิมพ์ก่อนหน้านี้ ว่าไฟป่าในประเทศไทยนั้นเพิ่มสูงขึ้น
20,21 แสดงให้เห็นว่าที่มา PM 2.5 น่าจะมาจากเผาไหม้ในเขตป่าไม้มากกว่าจากการเผาพื้นที่ทางการเกษตร ณ ตอนนี้ข้อมูลข้อมูลดาวเทียมยังไม่สามารถแยกเหตุการเผาไหม้ของป่าได้ว่ามาจากธรรมชาติหรือเผาไหม้ไปทำการเกษตร
การเผาไหม้จากในประเทศและนอกประเทศ มิใช่เพียงการเผาในประเทศที่เป็นหนึ่งสาเหตุหลักของปัญหา PM 2.5 ในไทยเท่านั้น แต่ยังมีอีกหลายสาเหตุที่ส่งผลให้เกิด PM 2.5 ไม่ว่าจะเป็นสภาพอากาศ ความหนาแน่นของประชากร หรือการจราจร นอกจากนี้ การเผาจากประเทศเพื่อนบ้านยังมีผลกระทบต่อ PM2.5 ด้วยเช่นกัน
ปริมาณการเกิดไฟไหม้สูงพบเห็นได้ที่ชายแดนติดกับเมียนมาร์และกัมพูชา
22 โดยรูปที่ 7 แสดงให้เห็นความถี่การเกิดการเผาไหม้ซึ่งมักมีจุดเกิดการเผาไหม้ในประเทศเมียนมาร์บริเวญใกล้กับชายแดนประเทศไทย ซึ่งส่งผลให้ภาคเหนือของประเทศไทยได้รับผลกระทบมากที่สุด โดยเฉพาะบริเวณแถวเชียงใหม่
การเผาไหม้ตามช่วงฤดูกาล จากข้อมูลดาวเทียมพบว่า ในไทยมีการเผาไหม้เกิดขึ้นตลอดทั้งปี (แผนภูมิที่ 8) โดยช่วงต้นปีจะมีระดับการเผาสูงที่สุดโดยเฉพาะในเดือนมีนาคมนั้นกินพื้นที่เฉลี่ยกว่า 10,000 ตารางกิโลเมตรตั้งแต่ปี 2544-2563 โดยในเดือนธันวาคมถึงมกราคมได้รับผลกระทบจากการเผาไหม้มากกว่าเดือนพฤษภาคมถึงพฤศจิกายนอย่างมีนัยสำคัญ
จึงไม่น่าแปลกใจนัก หากความสัมพันธ์ระหว่างการเผาไหม้และ PM 2.5 จะเป็นไปในทิศทางเดียวกัน (รูปที่ 8) โดยความสัมพันธ์เชิงบวกนี้จะชัดเจนที่สุดในเดือนธันวาคมถึงเดือนพฤษภาคม โดยเมื่อพิจารณาข้อมูลในเดือนเมษายนพบว่าการเผาไหม้ทำให้ระดับ PM 2.5 สูงขึ้นอย่างมีนัยสำคัญเมื่อเทียบกับเดือนมิถุนายนซึ่งเป็นเดือนที่มีมลพิษน้อยที่สุด (P < 0.05) โดยขอบเขตการเผาไหม้ในเดือนเมษายนอยู่ในระดับสูงมากกว่า 500 ตารางกิโลเมตร ส่งผลให้ค่า PM 2.5 (AQI) โดยเฉลี่ยจะอยู่ที่ 140 (AQI) ซึ่งเป็นระดับที่อาจทำให้เกิดปัญหาด้านสุขภาพสำหรับกลุ่มที่มีความอ่อนไหว
บทสรุป การเผาไหม้โดยเฉพาะการเผาไหม้ในเขตป่าไม้กับ PM 2.5 มีความสัมพันธ์เชิงเส้นตรงระหว่างกัน โดย ณ ระดับการเผาไหม้ที่ต่ำ (1-50 ตารางกิโลเมตร) ระดับ PM 2.5 เพิ่มขึ้นอย่างมีนัยสำคัญ (1.8 เท่า) อย่างไรก็ตาม เมื่อพื้นที่การเผาไหม้เพิ่มขึ้นแบบทวีคูณ ความแข็งแกร่งของความสัมพันธ์นี้ก็จะลดลง นั่นหมายความว่า การเผาไหม้แม้เพียงเล็กน้อยก็สามารถส่งผลกระทบอย่างรุนแรงต่อคุณภาพอากาศได้ นอกจากนี้ งานศึกษานี้ยังพบว่าเดือนเมษายนเป็นเดือนที่ได้รับผลกระทบหนักที่สุด โดยจังหวัดที่มีค่า PM 2.5 พื้นฐานต่ำจะได้รับผลกระทบจากเหตุการเผาไหม้ได้ง่ายกว่า
นอกจากนี้ ตั้งแต่ปี 2554 แหล่งที่มาของการเผาไหม้มิได้เกิดการจากการเผาพื้นที่เกษตรแต่เป็นการเผาไหม้ในเขตป่าไม้ ถึงแม้ข้อมูลดาวเทียมยังไม่สามารถแยกสาเหตุการเผาไหม้ได้ ข้อมูลที่มีอยู่ชี้ให้เห็นถึงความสำเร็จในการดำเนินนโยบายลดการเผาพื้นที่เกษตรของรัฐบาล อย่างไรก็ตาม ปัจจุบันการเผาไหม้ในเขตป่าไม้ที่เพิ่มมากขึ้นกลายเป็นสาเหตุหนึ่งของ PM 2.5 ดังนั้น หน่วยงานภาครัฐควรเฝ้าระวังและติดตามเพื่อบรรเทาการเกิดไฟป่าและ PM 2.5 ไปพร้อมกันได้ในช่วงฤดูร้อนปีนี้23 โดยประยุกต์ใช้เทคโนโลยีและข้อมูลเชิงลึกเช่นเดียวกับรายงานนี้เพื่อให้สามารถวิเคราะห์และดำเนินนโยบายได้อย่างมีประสิทธิภาพยิ่งขึ้น โดยเฉพาะอย่างยิ่งในช่วงที่อยู่ระหว่างการร่างพระราชบัญญัติอากาศสะอาดและร่างพระราชบัญญัติการเปลี่ยนแปลงสภาพภูมิอากาศที่เป็นการวางรากฐานในการดำเนินนโยบายด้านสิ่งแวดล้อมและเศรษฐกิจที่สำคัญต่อไป
ภาคผนวก:
วิธีศึกษา
การวิเคราะห์ข้อมูลดาวเทียม MODIS เบื้องต้นจะใช้ Google Earth Engine25 โดยใช้ภาพพิกเซลที่การตรวจจับว่าเป็นเพลิงไหม้ หลังจากนั้น แปลงภาพพิกเซลเป็นพื้นที่ที่ถูกเผาทุกเดือนตามประเภทที่ดินในแต่ละจังหวัดในหน่วยตารางกิโลเมตร
สำหรับการวิเคราะห์ทางสถิติใช้ R เพื่อระบุความสัมพันธ์ระหว่าง PM 2.5 เฉลี่ยต่อเดือนกับพื้นที่ที่ถูกเผาไหม้ ค่า PM 2.5 รายวันจะถูกหาค่าเฉลี่ยโดยใช้ค่ามัธยฐานและค่าพื้นที่ที่ถูกเผาไหม้จะถูกแปลงเป็น log เพื่อปรับแบบจำลองให้ง่ายขึ้น การถดถอยแบบลำดับชั้น (Hierarchical regression) ถูกนำมาใช้เพื่อทดสอบแนวโน้มภาพรวม แนวโน้มตามฤดูกาล และแนวโน้มระดับจังหวัด ซึ่งแบบจำลองยึดมาตรฐานของหน่วยเมตริกที่เหมาะสม เช่น AIC, BIC และการสังเกตกระจายของ residual errors.
ทั้งนี้ ArcGIS ถูกใช้เพื่อสร้างแผนที่ต่าง ๆ ในรายงานนี้
คำอธิบาย
ภาระการเผาไหม้ (บริเวณที่ถูกไฟไหม้):
เพื่อระบุแนวโน้มการเกิดเพลิงไหม้ในประเทศไทย รายงานนี้ใช้ข้อมูลพิกเซลจาก MODIS Fire CCI (เวอร์ชัน 5.1) ซึ่งข้อมูลนี้ได้มาจากดาวเทียมที่รวบรวมโดยองค์การอวกาศยุโรป โดยข้อมูลพิกเซลมีความละเอียดเชิงพื้นที่ประมาณ 250 เมตร และสามารถการใช้ประโยชน์ของที่ดินเพิ่มเติม นอกจากนี้ อัลกอริธึมพื้นที่เผาไหม้ถูกนำมาใช้เพื่อตรวจจับการเกิดเพลิงไหม้ และใช้ Google Earth สำหรับการเข้าถึงและประมวลผลข้อมูล การวิเคราะห์นี้ใช้เฉพาะพิกเซลที่มีความแน่นอนในการตรวจจับไฟตามมาตรฐาน (เกิน 30%) และมีการตรวจสอบความแม่นยำว่าเกิน 97% มาแล้ว26
สามารถดูคำอธิบายเพิ่มเติมได้ที่ https://developers.google.com/earth-engine/datasets/catalog/ESA_CCI_FireCCI_5_1
Modelled PM 2.5:
เพื่อศึกษาแนวโน้ม PM 2.5 รายปีระหว่างปี 2544-2563 รายงานนี้ใช้ชุดข้อมูลประมาณการ PM 2.5 ทั่วโลก (V5.GL.04) ที่เผยแพร่โดย Van Donkelaar และคณะ (2021)24 ชุดข้อมูลนี้ให้ข้อมูลประมาณการ PM 2.5 ทั่วโลกเป็นรายเดือนโดยใช้ข้อมูลดาวเทียมและข้อมูลสถานีภาคพื้นดินเพื่อเปรียบเทียบกัน
Station PM 2.5:
แพลตฟอร์มข้อมูลคุณภาพอากาศ (https://aqicn.org/data-platform/register/) ใช้เพื่อเข้าถึงข้อมูล PM 2.5 ใน 21 จังหวัดต่างๆ ในประเทศไทย6 โดยเป็นข้อมูล PM 2.5 เฉลี่ยรายวันตั้งแต่ปี 2559 – 2563 และระบุไว้ในหน่วย AQI ทั้งนี้ ข้อมูลรายวันถูกรวมเข้ากับค่าเฉลี่ยรายเดือน (ค่ามัธยฐาน) ในการวิเคราะห์นี้
Land Use Categories: หมวดหมู่การใช้ประโยชน์ที่ดิน
ข้อมูลที่จำแนกหมวดหมู่การใช้ประโยชน์ที่ดินมาจาก MODIS ซึ่งรวบรวมมาจาก ESA CCI Land Cover v2.0.7 โดยรายงานจัดประเภทการใช้ประโยชน์ที่ดินอย่างง่ายตามแบบ IPCC ดังปรากฏตามตารางที่ 1 ซึ่งทุกหมวดหมู่การใช้ประโยชน์ที่ดินถูกนำมาใช้ในการวิเคราะห์ทั่วประเทศ ยกเว้น 'การตั้งถิ่นฐาน' เพื่อให้แน่ใจว่าเป็นการเผาไหม้แบบชีวมวลเท่านั้น และสำหรับการใช้ประโยชน์ที่ดินจะมุ่งเน้นไปที่ป่าไม้และพื้นที่เพาะปลูกเป็นสำคัญ เนื่องจากทุ่งหญ้ามีผลกระทบน้อยที่สุดต่อแนวโน้มการเกิดการเผาไหม้
References
1. Akimoto, H. Global Air Quality and Pollution. Science 302, 1716–1719 (2003).
2. Goshua, A., Akdis, C. A. & Nadeau, K. C. World Health Organization global air quality guideline recommendations: Executive summary. Allergy 77, 1955–1960 (2022).
3. Xie, Y., Dai, H., Dong, H., Hanaoka, T. & Masui, T. Economic Impacts from PM 2.5 Pollution-Related Health Effects in China: A Provincial-Level Analysis. Environ. Sci. Technol. 50, 4836–4843 (2016).
4. Feng, S., Gao, D., Liao, F., Zhou, F. & Wang, X. The health effects of ambient PM 2.5 and potential mechanisms. Ecotoxicology and Environmental Safety 128, 67–74 (2016).
5. Lelieveld, J., Evans, J. S., Fnais, M., Giannadaki, D. & Pozzer, A. The contribution of outdoor air pollution sources to premature mortality on a global scale. Nature 525, 367–371 (2015).
6. IQAir. 2023 World Air Quality Report: Region and City PM 2.5 Ranking. (2023).
7. Nikam, J., Archer, D. & Nopsert, C. Regulating Air Quality in Thailand – a Review of Policies. https://www.jstor.org/stable/resrep29541 (2021).
8. Misonne, D. & Eloise, S. Regulating Air Quality: the First Global Assessment of Air Pollution Legislation. (2021).
9. Ouyang, H. et al. Toward Better and Healthier Air Quality: Implementation of WHO 2021 Global Air Quality Guidelines in Asia. Bulletin of the American Meteorological Society 103, E1696–E1703 (2022).
10. Li, X., Jin, L. & Kan, H. Air pollution: a global problem needs local fixes. Nature 570, 437–439 (2019).
11. Vohra, K. et al. Global mortality from outdoor fine particle pollution generated by fossil fuel combustion: Results from GEOS-Chem. Environmental Research 195, 110754 (2021).
12. Lizundia-Loiola, J., Otón, G., Ramo, R. & Chuvieco, E. A spatio-temporal active-fire clustering approach for global burned area mapping at 250 m from MODIS data. Remote Sensing of Environment 236, 111493 (2020).
13.van Donkelaar, A. et al. Monthly Global Estimates of Fine Particulate Matter and Their Uncertainty. Environ. Sci. Technol. 55, 15287–15300 (2021).
14. Johnston, F. H. et al. Estimated Global Mortality Attributable to Smoke from Landscape Fires. Environmental Health Perspectives 120, 695–701 (2012).
15. Liu, J. C., Pereira, G., Uhl, S. A., Bravo, M. A. & Bell, M. L. A systematic review of the physical health impacts from non-occupational exposure to wildfire smoke. Environmental Research 136, 120–132 (2015).
16. Heil, A. & Goldammer, J. Smoke-haze pollution: a review of the 1997 episode in Southeast Asia. Reg Environ Change 2, 24–37 (2001).
17. Niemi, J. V. et al. Long-range transport episodes of fine particles in southern Finland during 1999–2007. Atmospheric Environment 43, 1255–1264 (2009).
18. Chart-asa, C. Spatial-temporal Patterns of MODIS Active Fire/Hotspots in Chiang Rai, Upper Northern Thailand and the Greater Mekong Subregion Countries During 2003-2015. Applied Environmental Research 43, 121–131 (2021).
19. Amnuaylojaroen, T., Kreasuwun, J., Towta, S. & Siriwittayakorn, K. Dispersion of Particulate Matter (PM10) from Forest Fire in Chiang Mai Province, Thailand. Chiang Mai Journal of Science 37, 39–47 (2009).
20. Talukdar, N. R. et al. Forest fire in Thailand: Spatio-temporal distribution and future risk assessment. Natural Hazards Research (2023) doi:10.1016/j.nhres.2023.09.002.
21. Vadrevu, K. P. et al. Trends in Vegetation fires in South and Southeast Asian Countries. Sci Rep 9, 7422 (2019).
22. Marks, D. & Miller, M. A. A transboundary political ecology of air pollution: Slow violence on Thailand’s margins. Environmental Policy and Governance 32, 305–319 (2022).
23. Crawford, J. H. et al. The Airborne and Satellite Investigation of Asian Air Quality (Asia-Aq): An Opportunity for International Collaboration. in IGARSS 2022 - 2022 IEEE International Geoscience and Remote Sensing Symposium 6506–6509 (2022). doi:10.1109/IGARSS46834.2022.9883819.
24. van Donkelaar, A., Martin, R. V., Brauer, M. & Boys, B. L. Use of Satellite Observations for Long-Term Exposure Assessment of Global Concentrations of Fine Particulate Matter. Environmental Health Perspectives 123, 135–143 (2015).
25. Gorelick, N. et al. Google Earth Engine: Planetary-scale geospatial analysis for everyone. Remote Sensing of Environment 202, 18–27 (2017).
26. Tanipat et al. MODIS Hotspot Validation over Thailand. Remote Sensing 2009 1(4), 1043 - 1054 (2009).
Scan QR Code
หมายเหตุ
รายงานวิจัยฉบับนี้จัดทำเพื่อเผยแพร่ทั่วไป โดยจัดทำขึ้นจากแหล่งข้อมูลต่างๆ ที่น่าเชื่อถือ แต่บริษัทฯ มิอาจรับรองความถูกต้อง ความน่าเชื่อถือ หรือความสมบูรณ์เพื่อใช้ในทางการค้าหรือประโยชน์อื่นใด บริษัทฯ อาจมีการเปลี่ยนแปลงข้อมูลได้ตลอดโดยไม่ต้องแจ้งให้ทราบล่วงหน้า ทั้งนี้ผู้ใช้ข้อมูลต้องใช้ความระมัดระวังในการใช้ข้อมูลต่างๆ ด้วยวิจารณญาณตนเองและรับผิดชอบในความเสี่ยงเองทั้งสิ้น บริษัทฯ จะไม่รับผิดต่อผู้ใช้หรือบุคคลใดในความเสียหายใดจากการใช้ข้อมูลดังกล่าว ข้อมูลในรายงานฉบับนี้จึงไม่ถือว่าเป็นการให้ความเห็น หรือคำแนะนำในการตัดสินใจทางธุรกิจ แต่อย่างใดทั้งสิ้น