260 ผลการวิจัย Development of an Information System for Forecasting Spatial Extremely Drought in Mun-River Basin for Water management of Precision Agriculture 15) สถานีอุตุนิยมวิทยามหาสารคาม จังหวัดมหาสารคาม (ST15) ตารางที่ 3.79 ตัวแบบพยากรณ์ที่เหมาะสมสำหรับปริมาณน้ำฝนสะสมเคลื่อนที่ 10 วัน ของสถานี ST15 ระยะเวลา เก็บข้อมูล (ปี) ค่าต่ำสุด ค่าสูงสุด สมการพยากรณ์ที่ เหมาะสม ค่า RMSE สมการพยากรณ์ที่ เหมาะสม ค่า RMSE 10 SARIMA(0,0,0)(1,0,0) 4.8769 SARIMA(0,0,1)(1,0,0) 66.5219 20 SARIMA(0,0,0)(0,0,1) 5.0392 SARIMA(0,0,1)(1,0,0) 56.9009 30 SARIMA(0,0,1)(2,0,0) 4.5661 SARIMA(1,0,1)(2,1,0) 52.0363 จากตาราง 3.79 พบว่า สมการพยากรณ์ที่เหมาะสมสำหรับค่าต่ำสุดรายเดือนของปริมาณน้ำฝนสะสม เคลื่อนที่ 10 วัน ได้แก่ SARIMA(0,0,1)(2,0,0) ซึ่งมีข้อมูลที่ใช้ในการสร้างแบบจำลอง คือ ข้อมูลที่เก็บรวบรวม มาเป็นระยะเวลา 30 ปี หรือใช้ข้อมูลจำนวน 360 ข้อมูล(รายเดือน) เนื่องจากเมื่อเทียบกับระยะเวลาการเก็บ อื่น ๆ มีค่า RMSE น้อยที่สุด คือ 4.5661 ในขณะที่ สมการพยากรณ์ที่เหมาะสมสำหรับค่าสูงสุดรายเดือนของปริมาณน้ำฝนสะสมเคลื่อนที่ 10 วัน ได้แก่ SARIMA(1,0,1)(2,1,0) ซึ่งมีข้อมูลที่ใช้ในการสร้างแบบจำลอง คือ ข้อมูลที่เก็บรวบรวมมาเป็น ระยะเวลา 30 ปี หรือใช้ข้อมูลจำนวน 360 ข้อมูล(รายเดือน) เนื่องจากเมื่อเทียบกับระยะเวลาการเก็บอื่น ๆ มี ค่า RMSE น้อยที่สุด คือ 52.0363 ซึ่งสามารถเปรียบเทียบระหว่างข้อมูลจริงและค่าพยากรณ์ที่เหมาะสมสำหรับค่าต่ำสุด และ สูงสุด ราย เดือนของปริมาณน้ำฝนสะสมเคลื่อนที่ 10 วัน ในแต่ละคาบเวลา 10 ปี 20 ปี และ 30 ปี ดังภาพที่ 3.83
ผลการวิจัย 261 การพัฒนาระบบสารสนเทศภูมิศาสตร์สำหรับการพยากรณ์ภัยแล้งสุดขีดเชิงพื้นที่ในลุ่มน้ำมูล เพื่อการบริหารจัดการน้ำพื้นที่ในและนอกเขตชลประทานสำหรับการเกษตรแม่นยำ (ก) ค่าต่ำสุดรายเดือนของปริมาณน้ำฝนสะสมเคลื่อนที่ 10 วัน (ข) ค่าสูงสุดรายเดือนของปริมาณน้ำฝนสะสมเคลื่อนที่ 10 วัน ภาพที่3.83 เปรียบเทียบระหว่างข้อมูลจริงและค่าพยากรณ์สำหรับค่าต่ำสุดรายเดือน ของปริมาณน้ำฝนสะสมเคลื่อนที่ 10 วัน คาบเวลา 10 ปี20 ปี และ 30 ปี สถานีอุตุนิยมวิทยามหาสารคาม จังหวัดมหาสารคาม
262 ผลการวิจัย Development of an Information System for Forecasting Spatial Extremely Drought in Mun-River Basin for Water management of Precision Agriculture 16) สถานีอุตุนิยมวิทยาร้อยเอ็ด สกษ. จังหวัดร้อยเอ็ด (ST16) ตารางที่ 3.80 ตัวแบบพยากรณ์ที่เหมาะสมสำหรับปริมาณน้ำฝนสะสมเคลื่อนที่ 10 วัน ของสถานี ST16 ระยะเวลา เก็บข้อมูล (ปี) ค่าต่ำสุด ค่าสูงสุด สมการพยากรณ์ที่ เหมาะสม ค่า RMSE สมการพยากรณ์ที่ เหมาะสม ค่า RMSE 10 SARIMA 0,0,0)(1,0,1) 3.7921 SARIMA(2,0,0)(1,0,0) 71.9247 20 SARIMA(0,0,1)(0,0,1) 4.4539 SARIMA(2,0,0)(2,0,0) 59.5679 30 SARIMA(0,0,1)(1,0,0) 4.0562 SARIMA(2,0,1)(2,0,0) 54.9317 จากตาราง 3.80 พบว่า สมการพยากรณ์ที่เหมาะสมสำหรับค่าต่ำสุดรายเดือนของปริมาณน้ำฝนสะสม เคลื่อนที่ 10 วัน ได้แก่ SARIMA 0,0,0)(1,0,1) ซึ่งมีข้อมูลที่ใช้ในการสร้างแบบจำลอง คือ ข้อมูลที่เก็บรวบรวม มาเป็นระยะเวลา 10 ปี หรือใช้ข้อมูลจำนวน 120 ข้อมูล(รายเดือน) เนื่องจากเมื่อเทียบกับระยะเวลาการเก็บ อื่น ๆ มีค่า RMSE น้อยที่สุด คือ 3.7921 ในขณะที่ สมการพยากรณ์ที่เหมาะสมสำหรับค่าสูงสุดรายเดือนของปริมาณน้ำฝนสะสมเคลื่อนที่ 10 วัน ได้แก่ SARIMA(2,0,1)(2,0,0) ซึ่งมีข้อมูลที่ใช้ในการสร้างแบบจำลอง คือ ข้อมูลที่เก็บรวบรวมมาเป็น ระยะเวลา 30 ปี หรือใช้ข้อมูลจำนวน 360 ข้อมูล(รายเดือน) เนื่องจากเมื่อเทียบกับระยะเวลาการเก็บอื่น ๆ มี ค่า RMSE น้อยที่สุด คือ 54.9317 ซึ่งสามารถเปรียบเทียบระหว่างข้อมูลจริงและค่าพยากรณ์ที่เหมาะสมสำหรับค่าต่ำสุด และ สูงสุด ราย เดือนของปริมาณน้ำฝนสะสมเคลื่อนที่ 10 วัน ในแต่ละคาบเวลา 10 ปี 20 ปี และ 30 ปี ดังภาพที่ 3.84
ผลการวิจัย 263 การพัฒนาระบบสารสนเทศภูมิศาสตร์สำหรับการพยากรณ์ภัยแล้งสุดขีดเชิงพื้นที่ในลุ่มน้ำมูล เพื่อการบริหารจัดการน้ำพื้นที่ในและนอกเขตชลประทานสำหรับการเกษตรแม่นยำ (ก) ค่าต่ำสุดรายเดือนของปริมาณน้ำฝนสะสมเคลื่อนที่ 10 วัน (ข) ค่าสูงสุดรายเดือนของปริมาณน้ำฝนสะสมเคลื่อนที่ 10 วัน ภาพที่3.84 เปรียบเทียบระหว่างข้อมูลจริงและค่าพยากรณ์สำหรับค่าต่ำสุดรายเดือน ของปริมาณน้ำฝนสะสมเคลื่อนที่ 10 วัน คาบเวลา 10 ปี20 ปี และ 30 ปี สถานีอุตุนิยมวิทยาร้อยเอ็ด สกษ. จังหวัดร้อยเอ็ด
264 ผลการวิจัย Development of an Information System for Forecasting Spatial Extremely Drought in Mun-River Basin for Water management of Precision Agriculture 17) สถานีอุตุนิยมวิทยาร้อยเอ็ด จังหวัดร้อยเอ็ด (ST17) ตารางที่ 3.81 ตัวแบบพยากรณ์ที่เหมาะสมสำหรับปริมาณน้ำฝนสะสมเคลื่อนที่ 10 วัน ของสถานี ST17 ระยะเวลา เก็บข้อมูล (ปี) ค่าต่ำสุด ค่าสูงสุด สมการพยากรณ์ที่ เหมาะสม ค่า RMSE สมการพยากรณ์ที่ เหมาะสม ค่า RMSE 10 SARIMA(0,0,0)(0,0,1) 3.0757 SARIMA(1,0,0)(2,1,0) 40.7685 20 SARIMA(0,0,1)(0,0,1) 3.9331 SARIMA(0,0,1)(1,1,0) 45.4233 30 SARIMA(0,0,1)(0,0,2) 3.6210 SARIMA(1,0,0)(1,1,0) 46.3064 จากตาราง 3.81 พบว่า สมการพยากรณ์ที่เหมาะสมสำหรับค่าต่ำสุดรายเดือนของปริมาณน้ำฝนสะสม เคลื่อนที่ 10 วัน ได้แก่ SARIMA(0,0,0)(0,0,1) ซึ่งมีข้อมูลที่ใช้ในการสร้างแบบจำลอง คือ ข้อมูลที่เก็บรวบรวม มาเป็นระยะเวลา 10 ปี หรือใช้ข้อมูลจำนวน 120 ข้อมูล(รายเดือน) เนื่องจากเมื่อเทียบกับระยะเวลาการเก็บ อื่น ๆ มีค่า RMSE น้อยที่สุด คือ 3.0757 ในขณะที่ สมการพยากรณ์ที่เหมาะสมสำหรับค่าสูงสุดรายเดือนของปริมาณน้ำฝนสะสมเคลื่อนที่ 10 วัน ได้แก่ SARIMA(1,0,0)(2,1,0) ซึ่งมีข้อมูลที่ใช้ในการสร้างแบบจำลอง คือ ข้อมูลที่เก็บรวบรวมมาเป็น ระยะเวลา 10 ปี หรือใช้ข้อมูลจำนวน 120 ข้อมูล(รายเดือน) เนื่องจากเมื่อเทียบกับระยะเวลาการเก็บอื่น ๆ มี ค่า RMSE น้อยที่สุด คือ 40.7685 ซึ่งสามารถเปรียบเทียบระหว่างข้อมูลจริงและค่าพยากรณ์ที่เหมาะสมสำหรับค่าต่ำสุด และ สูงสุด ราย เดือนของปริมาณน้ำฝนสะสมเคลื่อนที่ 10 วัน ในแต่ละคาบเวลา 10 ปี 20 ปี และ 30 ปี ดังภาพที่ 3.85
ผลการวิจัย 265 การพัฒนาระบบสารสนเทศภูมิศาสตร์สำหรับการพยากรณ์ภัยแล้งสุดขีดเชิงพื้นที่ในลุ่มน้ำมูล เพื่อการบริหารจัดการน้ำพื้นที่ในและนอกเขตชลประทานสำหรับการเกษตรแม่นยำ (ก) ค่าต่ำสุดรายเดือนของปริมาณน้ำฝนสะสมเคลื่อนที่ 10 วัน (ข) ค่าสูงสุดรายเดือนของปริมาณน้ำฝนสะสมเคลื่อนที่ 10 วัน ภาพที่3.85 เปรียบเทียบระหว่างข้อมูลจริงและค่าพยากรณ์สำหรับค่าต่ำสุดรายเดือน ของปริมาณน้ำฝนสะสมเคลื่อนที่ 10 วัน คาบเวลา 10 ปี20 ปี และ 30 ปี สถานีอุตุนิยมวิทยาร้อยเอ็ด จังหวัดร้อยเอ็ด
266 ผลการวิจัย Development of an Information System for Forecasting Spatial Extremely Drought in Mun-River Basin for Water management of Precision Agriculture 3) ผลการวิเคราะห์ด้วยค่าสุดขีดด้วยวิธีเกณฑ์ (Threshold Method) แบบจำลองค่าสูงกว่าเกณฑ์ หรือ Peak over threshold model นิยมนำมาวิเคราะห์ข้อมูลที่มี จำนายมาก หรือเป็นข้อมูลที่เก็บรวบรวมเป็นรายวัน การแจกแจงที่สำคัญภายใต้วิธีการนี้คือ แบบจำลอง GPD โดยขั้นตอนสำคัญของการสร้างแบบจำลอง คือ การกำหนดค่าเกณฑ์(Threshold) ที่เหมาะสมกับข้อมูลที่จะ นำมาวิเคราะห์และพิจารณาความไม่เป็นอิสระของข้อมูล ทั้งนี้นักวิจัยสามารถแก้ไขโดยการจัดกลุ่มค่าสุดขีด (De-clustering) ที่มีค่าเกินกว่าเกณฑ์จึงเหมาะสมกับการแจกแจงพาเรโตวางนัยทั่วไป (Generalized Pareto Distribution: GPD) ในงานวิจัยนี้ ผู้วิจัยได้กำหนดรูปแบบของแบบจำลองไว้ 2 ลักษณะ ได้แค่ แบบจำลองภายใต้ กระบวนการคงที่ และ แบบจำลองภายใต้กระบวนการไม่คงที่ แสดงดังตาราง 1. รูปแบบของแบบจำลองการแจกแจง GPD ภายใต้กระบวนการคงที่ ตารางที่3.82 รูปแบบของแบบจำลองการแจกแจง GPD ภายใต้กระบวนการคงที่ ชื่อแบบจำลอง สมการของแบบจำลอง GPD00 เป็นค่าคง , เป็นค่าคงที่ หรือ 0 2. รูปแบบของแบบจำลองการแจกแจง GEV ภายใต้กระบวนการไม่คงที่ การวิเคราะห์ค่าสุดขีดที่ได้รับอิทธิพล จากตัวแปรอื่น ๆ เช่น ข้อมูลมีการเปลี่ยนแปลงเมื่อเวลา เปลี่ยนไป หรือข้อมูลมีแนวโน้ม ซึ่งทำให้ข้อมูลที่นำมาวิเคราะห์เป็นข้อมูลที่อยู่ภายใต้กระบวนการไม่คงที่ การ วิเคราะห์ข้อมูลลักษณะนี้จะแตกต่างจากการวิเคราะห์ข้อมูลที่อยู่ภายใต้กระบวนการคงที่ โดยลักษณะข้อมูลที่ อยู่ภายใต้ กระบวนการไม่คงที่ โดยมีรูปแบบสมการของแบบจำลองการแจกแจง GPD ภายใต้กระบวนการไม่ คงที่ ดังตาราง 3.83 ตารางที่3.83 รูปแบบของแบบจำลองการแจกแจง GPD ภายใต้กระบวนการไม่คงที่ ชื่อแบบจำลอง สมการของแบบจำลอง GPD01 0 1 0 = + − + exp( ( 1)) Year t , เป็นค่าคงที่ หรือ 0 GPD02 2 0 1 0 2 0 = + − + + − + exp( ( 1) ( 1) ) Year t Year t , เป็นค่าคงที่ หรือ 0 GPD03 เป็นค่าคง , 0 1 0 = + − + ( 1) Year t GPD04 เป็นค่าคง , ( ) 0 1 0 = + − + exp ( 1) Year t GPD05 0 1 0 = + − + exp( ( 1)) Year t , 0 1 0 = + − + ( 1) Year t GPD06 0 1 0 = + − + exp( ( 1)) Year t , ( ) 0 1 0 = + − + exp ( 1) Year t GPD07 2 0 1 0 2 0 = + − + + − + exp( ( 1) ( 1) ) Year t Year t 0 1 0 = + − + ( 1) Year t GPD08 2 0 1 0 2 0 = + − + + − + exp( ( 1) ( 1) ) Year t Year t ( ) 0 1 0 = + − + exp ( 1) Year t
ผลการวิจัย 267 การพัฒนาระบบสารสนเทศภูมิศาสตร์สำหรับการพยากรณ์ภัยแล้งสุดขีดเชิงพื้นที่ในลุ่มน้ำมูล เพื่อการบริหารจัดการน้ำพื้นที่ในและนอกเขตชลประทานสำหรับการเกษตรแม่นยำ รูปแบบของแบบจำลองการแจกแจง GPD ภายใต้การวิเคราะห์ค่าสุดขีด Threshold โดยแสดง ค่าประมาณพารามิเตอร์ ของตัวแบบที่เหมาะสมจากการทดสอบภาวะสารูปสนิทดี จากสถิติทดสอบ KS-test ของแบบจำลองปริมาณน้ำฝนสะสมเคลื่อนที่ 10 วัน ดังตาราง 3.84 ตารางที่ 3.84 รูปแบบของแบบจำลองที่เหมาะสม และค่าประมาณพารามิเตอร์ ค่า AIC และค่า BIC ภายใต้ กระบวนการไม่คงที่ สำหรับข้อมูลปริมาณน้ำฝนสะสมเคลื่อนที่ 10 วัน รหัส สถานี รูปแบบ แบบจำลอง ที่เหมาะสม ค่าเกณฑ์ (Threshold) ค่าประมาณพารามิเตอร์ AIC BIC KS-test (p-value) ST1 GPD01 180.67 0 ˆ = 3.75, 1 ˆ = 4.63*10-5 , ˆ = -0.37 1367.72 1390.42 0.19 ST2 GPD01 191.31 0 ˆ = 3.33, 1 ˆ = 2.2*10-4 , ˆ = 0.26 1428.97 1451.69 0.78 ST3 GPD01 195.37 0 ˆ = 3.75, 1 ˆ = 4.63*10-5 , ˆ = -0.37 1464.89 1487.59 0.24 ST4 GPD00 197.20 ˆ = 39.40, ˆ = -0.22 1391.59 1414.29 0.31 ST5 GPD05 202.40 0 ˆ = 2.02, 1 ˆ = 0.0001, ˆ = 1.03 1256.50 1286.73 0.37 ST6 GPD00 211.11 ˆ = 39.50, ˆ = -0.02 1326.60 1341.71 0.21 ST7 GPD03 252.40 0 ˆ = 84.94, 1 ˆ = -1.17, ˆ = 0.0001 1367.79 1390.46 0.83 ST8 GPD03 259.54 0 ˆ = 67.49, 1 ˆ = 0.03, ˆ = -0.00003 1397.60 1420.28 0.59 ST9 GPD00 247.31 ˆ = 64.00, ˆ = -0.0002 1469.03 1484.14 0.49 ST10 GPD03 201.01 0 ˆ = 95.26, 1 ˆ = -1.38, ˆ = 0.0001 1385.79 1408.46 0.59 ST11 GPD00 172.45 ˆ = 55.43, ˆ = 0.28 1508.26 1523.38 0.39 ST12 GPD01 164.82 0 ˆ = 2.49, 1 ˆ = 0.0001, ˆ = 0.28 1378.00 1400.67 0.28 ST13 GPD01 224.22 0 ˆ = 3.57, 1 ˆ = 0.0001, ˆ = -0.25 1324.36 1347.03 0.89 ST14 GPD03 219.30 0 ˆ = 47.07, 1 ˆ = -0.41, ˆ = 0.0001 1419.98 1442.65 0.08 ST15 GPD01 207.04 0 ˆ = 2.01, 1 ˆ = 0.0002, ˆ = -0.22 1411.47 1434.14 0.56
268 ผลการวิจัย Development of an Information System for Forecasting Spatial Extremely Drought in Mun-River Basin for Water management of Precision Agriculture รหัส สถานี รูปแบบ แบบจำลอง ที่เหมาะสม ค่าเกณฑ์ (Threshold) ค่าประมาณพารามิเตอร์ AIC BIC KS-test (p-value) ST16 GPD03 192.70 0 ˆ = 62.93, 1 ˆ = -1.02, ˆ = 0.0001 1433.84 1456.51 0.67 ST17 GPD03 184.90 0 ˆ = 90.17, 1 ˆ = -0.62, ˆ = -0.00003 1320.69 1343.37 0.87 จากตารางที่ 3.84 เมื่อพิจารณารูปแบบของพารามิเตอร์ที่เหมาะสมในแต่ละสถานี พบว่า ส่วนใหญ่ รูปแบบของพารามิเตอร์ คือรูปแบบภายใต้กระบวนการไม่คงที่ รูปแบบ GPD03 จำนวน 6 สถานี และ รูปแบบของพารามิเตอร์ ภายใต้กระบวนการคงที่ หรือรูปแบบ GPD00 จำนวน 4 สถานี ที่เหมาะสมกับ ข้อมูล น้ำฝนสะสมทุก ๆ 10 วัน
ผลการวิจัย 269 การพัฒนาระบบสารสนเทศภูมิศาสตร์สำหรับการพยากรณ์ภัยแล้งสุดขีดเชิงพื้นที่ในลุ่มน้ำมูล เพื่อการบริหารจัดการน้ำพื้นที่ในและนอกเขตชลประทานสำหรับการเกษตรแม่นยำ ทั้งนี้ ผู้วิจัยได้วิเคราะห์ระดับการเกิดซ้ำของข้อมูลปริมาณน้ำฝนสะสมเคลื่อนที่ 10 วัน ด้วยแบบจำลอง ที่เหมาะสม ในคาบย้อนพินิจ 2 5 25 50 และ 100 ปี ผลแสดงดังตารางที่ 3.85 ตารางที่ 3.85 ระดับการเกิดซ้ำของข้อมูลปริมาณน้ำฝนสะสมเคลื่อนที่ 10 วัน สถานี คาบย้อนพินิจ(ปี) 2 5 25 50 100 ST1 269.92 297.60 332.52 343.52 352.67 ST2 302.68 384.69 605.77 744.09 918.31 ST3 327.23 413.66 622.32 741.27 882.57 ST4 297.11 375.18 597.55 743.18 931.99 ST5 287.46 306.90 326.07 330.78 334.18 ST6 347.49 486.42 1003.43 1423.10 2048.53 ST7 416.21 510.69 713.41 817.79 934.17 ST8 374.03 412.52 464.39 481.81 496.84 ST9 373.42 431.09 531.76 574.88 617.84 ST10 286.26 323.42 385.67 411.34 436.34 ST11 242.54 269.34 309.51 324.45 338.13 ST12 217.27 241.67 284.90 303.66 322.51 ST13 324.46 354.44 391.18 402.43 411.63 ST14 332.02 377.76 449.62 477.53 503.78 ST15 284.83 318.30 373.74 396.36 418.26 ST16 250.39 274.34 312.69 327.86 342.27 ST17 249.60 269.29 293.60 301.09 307.25 จากตารางที่ 3.85 พบว่า ระดับการเกิดซ้ำของข้อมูลปริมาณน้ำฝนสะสมเคลื่อนที่ 10 วัน มีระดับ การเกิดซ้ำของสถานี ST6 และ ST7 ที่มีค่าปริมาณน้ำฝนสะสมเคลื่อนที่ 10 วัน สูงสุด และการเกิดซ้ำของ สถานี ST1 และ ST17 ที่ต่ำสุด เมื่อคาบย้อนพินิจมีค่าเพิ่มขึ้น สามารถสรุประดับการเกิดปริมาณน้ำฝนสะสมเคลื่อนที่ 10 วัน ซ้ำ ในรอบคาบย้อนพินิจต่าง ๆ ดังภาพที่ 3.86
270 ผลการวิจัย Development of an Information System for Forecasting Spatial Extremely Drought in Mun-River Basin for Water management of Precision Agriculture ระดับการเกิดซ้ำ ในคาบย้อนพินิจ 2 ปี ระดับการเกิดซ้ำ ในคาบย้อนพินิจ 5 ปี ระดับการเกิดซ้ำ ในคาบย้อนพินิจ 25 ปี ระดับการเกิดซ้ำ ในคาบย้อนพินิจ 50 ปี ระดับการเกิดซ้ำ ในคาบย้อนพินิจ 100 ปี ภาพที่ 3.86 แผนที่ค่าประมาณระดับการเกิดซ้ำ ในคาบย้อนพินิจ 2 ปี 5 ปี 25 ปี50 ปี และ 100 ปี ของข้อมูลปริมาณน้ำฝนสะสมเคลื่อนที่ 10 วัน
ผลการวิจัย 271 การพัฒนาระบบสารสนเทศภูมิศาสตร์สำหรับการพยากรณ์ภัยแล้งสุดขีดเชิงพื้นที่ในลุ่มน้ำมูล เพื่อการบริหารจัดการน้ำพื้นที่ในและนอกเขตชลประทานสำหรับการเกษตรแม่นยำ 4.3.2 การวิเคราะห์ปริมาณน้ำฝนสะสมเคลื่อนที่ 10 วัน ต่ำสุด และสูงสุด รายเดือน 1) ผลการวิเคราะห์ด้วยสถิติพรรณนา ตาราง 3.86 รายละเอียดผลการวิเคราะห์ปริมาณน้ำฝนสะสมเคลื่อนที่ 10 วัน เบื้องต้น รหัส สถานี ปี เดือน วัน วันที่มี ปริมาณ น้ำฝน สะสม เคลื่อนที่ 10 วัน วันที่ไม่มี ปริมาณ น้ำฝนสะสม เคลื่อนที่ 10 วัน ค่าเฉลี่ย ปริมาณ น้ำฝนสะสม เคลื่อนที่ 10 วัน ปริมาณ น้ำฝนสะสม สูงสุด ปริมาณ น้ำฝน เฉลี่ย ฤดูร้อน ปริมาณ น้ำฝน เฉลี่ย ฤดูฝน ปริมาณ น้ำฝน เฉลี่ย ฤดูหนาว 48381 39 465 14,153 9,964 4,189 48 335 28.22 62.88 22.21 48384 39 465 14,153 9,886 4,267 46 603 28.14 60.65 22.53 48382 39 465 14,153 9,902 4,251 51 534 29.97 68.71 18.30 48403 39 465 14,153 9,848 4,305 45 534 28.97 57.96 23.39 48405 39 465 14,153 9,877 4,276 53 335 29.47 72.13 17.69 48404 39 465 14,153 9,893 4,260 53 702 27.37 72.54 18.46 48408 39 465 14,153 9,981 4,172 62 708 27.11 88.90 20.08 48407 39 465 14,153 10,013 4,140 64 471 29.92 90.07 20.95 48409 39 465 14,153 9,669 4,484 58 573 27.40 79.50 23.96 48435 39 465 14,153 10,381 3,772 42 441 28.92 54.04 22.46 48431 39 465 14,153 10,835 3,318 41 324 36.17 48.55 26.02 48434 39 465 14,153 10,517 3,636 39 292 27.53 48.80 24.25 48432 39 465 14,153 10,374 3,779 54 410 30.74 73.80 21.98 48433 39 465 14,153 10,212 3,941 54 451 30.42 73.95 20.89 48416 39 465 14,153 9,812 4,341 52 373 30.33 68.41 22.70 48436 16 189 5,752 4,196 1,556 52 306 27.26 73.64 19.61 48437 39 465 14,153 10,629 3,524 44 295 29.98 58.33 21.87
272 ผลการวิจัย Development of an Information System for Forecasting Spatial Extremely Drought in Mun-River Basin for Water management of Precision Agriculture 2) ผลการวิเคราะห์ด้วยการเรียนรู้ด้วยเครื่อง (ML) ผู้วิจัยได้วิเคราะห์ปริมาณน้ำฝนสะสมเคลื่อนที่ 10 วัน รายเดือน ด้วยการเรียนรู้ของเครื่อง หรือ Machine Learning โดยแบ่งข้อมูลออกเป็น 3 กลุ่ม ตามลักษณะลุ่มน้ำ ได้แก่ ลุ่มน้ำมูลส่วนที่ 1 ลุ่มน้ำมูล ส่วนที่ 2 และ ลุ่มน้ำมูลส่วนที่ 3 รายละเอียดดังต่อไปนี้ ลุ่มน้ำมูลส่วนที่ 1 คำอธิบาย ภาพที่ 3.87 ค่าคาดการณ์การคาดการณ์ปริมาณน้ำฝนสะสมเคลื่อนที่ 10 วัน สูงสุดรายเดือน ของลุ่มน้ำมูลส่วนที่ 1 ด้วย ML จากภาพ พบว่า สถานี ST01 ST02 มีค่าคาดการณ์ปริมาณ น้ำฝนสะสมเคลื่อนที่ 10 วัน ในช่วงเดือนกุมภาพันธ์ ปี พ.ศ. 2566 แ ล ะ ใ น ช ่ ว ง เ ด ื อ น พฤศจิกายน ปี พ.ศ. 2566 จนถึง เดือนกุมภาพันธ์ ปี พ.ศ.2567 ต่ำ กว่าสถานีอื่น ๆ ทั้งนี้การแจกแจงของปริมาณ น้ำฝนต่ำสุดสะสมเคลื่อนที่ 10 วันของแต่ละสถานีในลุ่มน้ำมูล ส่วนที่ 1 ส่วนใหญ่เป็นการแจก แจงที่มีลักษณะหางหนักด้านขวา (Right heavy-tailed distribution) และมีสถานี ST12 ที่มีลักษณะเป็นการแจกแจงที่มี ลักษณะ Mixed distribution
ผลการวิจัย 273 การพัฒนาระบบสารสนเทศภูมิศาสตร์สำหรับการพยากรณ์ภัยแล้งสุดขีดเชิงพื้นที่ในลุ่มน้ำมูล เพื่อการบริหารจัดการน้ำพื้นที่ในและนอกเขตชลประทานสำหรับการเกษตรแม่นยำ ลุ่มน้ำมูลส่วนที่ 2 คำอธิบาย ภาพที่ 3.88 ค่าคาดการณ์การคาดการณ์ปริมาณน้ำฝนสะสมเคลื่อนที่ 10 วัน สูงสุดรายเดือน ของลุ่มน้ำมูลส่วนที่ 2 ด้วย ML จากภาพ พบว่า สถานี ST08 และ ST13 มีค่าคาดการณ์ ปริมาณน้ำฝนสะสมเคลื่อนที่ 10 วัน ในช่วงเดือนกุมภาพันธ์ ปี พ.ศ. 2566 และในช่วงเดือน พฤศจิกายน ปี พ.ศ. 2566 จนถึง เดือนกุมภาพันธ์ ปี พ.ศ.2567 ต่ำ กว่าสถานีอื่น ๆ ทั้งนี้การแจกแจงของปริมาณ น้ำฝนต่ำสุดสะสมเคลื่อนที่ 10 วันของแต่ละสถานีในลุ่มน้ำมูล ส่วนที่ 2 ส่วนใหญ่เป็นการแจก แจงที่มีลักษณะหางหนักด้านขวา ( Right heavy-tailed distribution) และมีสถานี ST06 และ ST07 ที่มีลักษณะเป็นการ แจกแจงที่มีลักษณะ Mixed distribution
274 ผลการวิจัย Development of an Information System for Forecasting Spatial Extremely Drought in Mun-River Basin for Water management of Precision Agriculture ลุ่มน้ำมูลส่วนที่ 3 คำอธิบาย ภาพที่ 3.89 ค่าคาดการณ์การคาดการณ์ปริมาณน้ำฝนสะสมเคลื่อนที่ 10 วัน สูงสุดรายเดือน ของลุ่มน้ำมูลส่วนที่ 3 ด้วย ML จากภาพ พบว่า สถานี ST11 มี ค่าคาดการณ์ปริมาณน้ำฝนสะสม เคลื่อนที่ 10 วัน ในช่วงเดือน พฤศจิกายน ปี พ.ศ. 2567 และ 2570 ต่ำกว่าสถานีอื่น ๆ ทั้งนี้การแจกแจงของปริมาณ น้ำฝนต่ำสุดสะสมเคลื่อนที่ 10 วันของแต่ละสถานีในลุ่มน้ำมูล ส่วนที่ 2 ส่วนใหญ่เป็นการแจก แจงที่มีลักษณะหางหนักด้านขวา ( Right heavy-tailed distribution) และมีสถานี ST06 และ ST11 ที่มีลักษณะเป็นการ แจกแจงที่มีลักษณะ Mixed distribution
ผลการวิจัย 275 การพัฒนาระบบสารสนเทศภูมิศาสตร์สำหรับการพยากรณ์ภัยแล้งสุดขีดเชิงพื้นที่ในลุ่มน้ำมูล เพื่อการบริหารจัดการน้ำพื้นที่ในและนอกเขตชลประทานสำหรับการเกษตรแม่นยำ 3) ผลการวิเคราะห์ด้วยทฤษฎีเกรย์ สำหรับปริมาณน้ำฝนสะสมเคลื่อนที่ 10 วัน สูงสุดรายเดือน ตารางที่ 3.87 ค่าคาดการณ์ปริมาณน้ำฝนสะสมเคลื่อนที่ 10 วัน สูงสุดรายเดือน จำแนกรายสถานี ด้วยแบบจำลองเกรย์ สถานี มกราคม กุมภาพันธ์ มีนาคม เมษายน พฤษภาคม มิถุนายน กรกฎาคม สิงหาคม ST1 95.95 100.88 106.06 111.51 117.23 123.26 129.59 136.24 ST2 118.51 127.72 137.65 148.36 159.89 172.32 185.72 200.16 ST3 96.15 100.48 105.00 109.72 114.65 119.81 125.20 130.83 ST4 118.55 123.03 127.67 132.49 137.50 142.69 148.08 153.67 ST5 117.28 122.70 128.37 134.30 140.51 147.00 153.80 160.90 ST6 108.47 116.91 126.01 135.81 146.37 157.76 170.03 183.25 ST7 133.77 137.86 142.09 146.44 150.92 155.54 160.30 165.21 ST8 130.63 135.14 139.80 144.62 149.61 154.77 160.11 165.63 ST9 145.01 154.70 165.04 176.07 187.83 200.38 213.77 228.05 ST10 198.68 212.09 226.41 241.69 258.01 275.43 294.02 313.87 ST11 190.53 205.89 222.48 240.41 259.79 280.72 303.35 327.80 ST12 117.74 124.22 131.06 138.27 145.88 153.91 162.38 171.32 ST13 143.64 152.39 161.66 171.51 181.95 193.03 204.79 217.26 ST14 99.70 103.79 108.06 112.50 117.12 121.93 126.94 132.15 ST15 88.03 92.25 96.67 101.30 106.15 111.23 116.56 122.15 ST16 101.48 102.84 104.21 105.61 107.02 108.45 109.91 111.38 ST17 107.51 112.83 118.41 124.27 130.42 136.87 143.64 150.75 จากตารางที่ 3.87 พบว่า สถานี ST10 และ สถานี ST11 มีค่าคาดการณ์ปริมาณน้ำฝนสะสมเคลื่อนที่ 10 วัน สูงสุดรายเดือนสูงกว่าสถานีอื่น ๆ เป็นสองลำดับแรก ตั้งแต่เดือน มกราคม-พฤษภาคม พ.ศ.2566 และพบว่า สถานี ST15 และสถานี ST16 มีค่าคาดการณ์ปริมาณน้ำฝนสะสมเคลื่อนที่ 10 วัน สูงสุดรายเดือน ต่ำกว่าสถานีอื่น ๆ เป็นสองลำดับสุดท้าย ตั้งแต่เดือน มกราคม-พฤษภาคม พ.ศ.2566
276 ผลการวิจัย Development of an Information System for Forecasting Spatial Extremely Drought in Mun-River Basin for Water management of Precision Agriculture ภาพที่ 3.90 ค่าคาดการณ์ปริมาณน้ำฝนสะสมเคลื่อนที่ 10 วัน สูงสุดรายเดือนจำแนกรายสถานีด้วยแบบจำลองเกรย์
ผลการวิจัย 277 การพัฒนาระบบสารสนเทศภูมิศาสตร์สำหรับการพยากรณ์ภัยแล้งสุดขีดเชิงพื้นที่ในลุ่มน้ำมูล เพื่อการบริหารจัดการน้ำพื้นที่ในและนอกเขตชลประทานสำหรับการเกษตรแม่นยำ 4) ผลการวิเคราะห์ด้วยทฤษฎีค่าสุดขีด Block Maxima รูปแบบของแบบจำลองการแจกแจง GEV ภายใต้กระบวนการคงที่ วิเคราะห์ข้อมูลที่มีค่าสุดขีดวิธีหนึ่ง ซึ่งเหมาะสำหรับการวิเคราะห์คำสุดขีดในช่วงเวลาที่มีคาบ เท่าๆ กัน เช่น รายสัปดาห์ รายเตือน รายสามเดือน หรือรายปี ซึ่งวิธีการเลือกข้อมูลที่นำมาใช้ในการวิเคราะห์ คือ เลือกข้อมูลที่มีค่าสูงสุดในแต่ละช่วงคาบเวลา โดยมีรูปแบบสมการของแบบจำลองการแจกแจง GEV ภายใต้กระบวนการคงที่ ดังตาราง 3.88 ตารางที่3.88 รูปแบบของแบบจำลองการแจกแจง GEV ภายใต้กระบวนการคงที่ ชื่อแบบจำลอง สมการของแบบจำลอง GEV00 = 0 , เป็นค่าคง , เป็นค่าคงที่ หรือ 0 รูปแบบของแบบจำลองการแจกแจง GEV ภายใต้กระบวนการไม่คงที่ การวิเคราะห์ค่าสุดขีดที่ได้รับอิทธิพล จากตัวแปรอื่น ๆ เช่น ข้อมูลมีการเปลี่ยนแปลงเมื่อเวลา เปลี่ยนไป หรือข้อมูลมีแนวโน้ม ซึ่งทำให้ข้อมูลที่นำมาวิเคราะห์เป็นข้อมูลที่อยู่ภายใต้กระบวนการไม่คงที่ การ วิเคราะห์ข้อมูลลักษณะนี้จะแตกต่างจากการวิเคราะห์ข้อมูลที่อยู่ภายใต้กระบวนการคงที่ โดยลักษณะข้อมูลที่ อยู่ภายใต้กระบวนการไม่คงที่ โดยมีรูปแบบสมการของแบบจำลองการแจกแจง GEV ภายใต้กระบวนการไม่ คงที่ ดังตาราง 3.89 ดังตารางที่3.89 รูปแบบของแบบจำลองการแจกแจง GEV ภายใต้กระบวนการไม่คงที่ ชื่อแบบจำลอง สมการของแบบจำลอง GEV01 0 1 0 = + − + ( 1) Year t , เป็นค่าคง , เป็นค่าคงที่ หรือ 0 GEV02 2 0 1 0 2 0 = + − + + − + ( 1) ( 1) Year t Year t , เป็นค่าคง , เป็นค่าคงที่ หรือ 0 GEV03 2 0 ( 1) 0 1 Year t e − − + = + , เป็นค่าคง , เป็นค่าคงที่ หรือ 0 GEV04 = 0 0 1 0 = + − + exp( ( 1)) Year t , เป็นค่าคงที่ หรือ 0 GEV05 0 1 0 = + − + ( 1) Year t 0 1 0 = + − + exp( ( 1)) Year t , เป็นค่าคงที่ หรือ 0 GEV06 2 0 1 0 2 0 = + − + + − + ( 1) ( 1) Year t Year t 0 1 0 = + − + exp( ( 1)) Year t , เป็นค่าคงที่ หรือ 0 GEV07 2 0 ( 1) 0 1 Year t e − − + = + 0 1 0 = + − + exp( ( 1)) Year t , เป็นค่าคงที่ หรือ 0
278 ผลการวิจัย Development of an Information System for Forecasting Spatial Extremely Drought in Mun-River Basin for Water management of Precision Agriculture ในการวิจัยครั้งนี้ผู้วิจัยได้นำข้อมูลปริมาณน้ำฝนสะสมเคลื่อนที่ 10 วัน โดยจำแนกข้อมูลออกเป็น 2 แบบ ได้แก่ ค่าต่ำสุด และค่าสูงสุด โดยจำแนกเป็นรายเดือน รายฤดูกาล และรายปี มาวิเคราะห์ โดยรายละเอียด ผลการวิเคราะห์ดังนี้
ผลการวิจัย 279 การพัฒนาระบบสารสนเทศภูมิศาสตร์สำหรับการพยากรณ์ภัยแล้งสุดขีดเชิงพื้นที่ในลุ่มน้ำมูล เพื่อการบริหารจัดการน้ำพื้นที่ในและนอกเขตชลประทานสำหรับการเกษตรแม่นยำ 4.1) การคาดการณ์ปริมาณน้ำฝนสะสมเคลื่อนที่ 10 วัน ต่ำสุด รายเดือน รูปแบบของแบบจำลองการแจกแจง GEV ภายใต้กระบวนการไม่คงที่ โดยแสดงค่าประมาณ พารามิเตอร์ ของตัวแบบที่เหมาะสมจากค่า AIC และการทดสอบภาวะสารูปสนิทดี จากสถิติทดสอบ KS-test ของแบบจำลองปริมาณน้ำฝนสะสมเคลื่อนที่ 10 วัน ต่ำสุด รายเดือน ดังตาราง 3.90 ตารางที่ 3.90 รูปแบบของแบบจำลองที่เหมาะสม และค่าประมาณพารามิเตอร์ ค่า AIC และค่า BIC ภายใต้ กระบวนการไม่คงที่ สำหรับข้อมูลปริมาณน้ำฝนสะสมเคลื่อนที่ 10 วัน ต่ำสุด รายเดือน รหัส สถานี รูปแบบของ แบบจำลอง ที่เหมาะสม ค่าประมาณพารามิเตอร์ AIC BIC KS-test (p-value) ST1 GEV00 ˆ = 0.12, ˆ = 0.21, ˆ = 9.05 1232.46 1244.62 0.09 ST2 GEV05 0 ˆ = 0.34, 1 ˆ = -0.002, 0 ˆ =-0.87, 1 ˆ =- 0.01, ˆ = 1.05 1320.95 1333.14 0.10 ST3 GEV00 ˆ = 0.10, ˆ = 2.199*10-12 , ˆ = 7.06 1456.42 1468.63 0.08 ST4 GEV00 ˆ = 0.33, ˆ = 0.33, ˆ = 1.01 2501.94 2514.07 0.08 ST5 GEV00 ˆ = 0.10, ˆ = 6.50*10-16 , ˆ = 2.49 1460.40 1472.56 0.08 ST6 GEV02 0 ˆ = 0.26, 1 ˆ = 0.001, 2 ˆ =-7.04*10-6 , ˆ = 0.34, ˆ = 1.61 1617.49 1629.47 0.09 ST7 GEV03 0 ˆ = 0.13, 1 ˆ = -0.00004, 2 ˆ = 3.29*10-7 , ˆ = 0.06, ˆ = 2.21 1602.02 1614.14 0.08 ST8 GEV00 ˆ = 0.27, ˆ = 0.31, ˆ = 1.56 1630.10 1642.17 0.07 ST9 GEV05 0 ˆ = 0.49, 1 ˆ = -0.002, 0 ˆ =-0.41, 1 ˆ =- 0.01, ˆ = 1.30 1669.94 1681.90 0.09 ST10 GEV05 0 ˆ = 0.1, 1 ˆ = -9.23*10-7 , 3.99, 1 ˆ =-0.14, ˆ = 3.88 1768.92 1780.97 0.08 ST11 GEV00 ˆ = 0.10, ˆ = 0.02, ˆ = 9.00 1682.31 1694.33 0.08 ST12 GEV00 ˆ = 0.14, ˆ = 0.36, ˆ = 8.58 1401.76 1413.84 0.09 ST13 GEV00 ˆ = 0.12, ˆ = 0.14, ˆ = 8.58 1438.35 1450.41 0.07 ST14 GEV00 ˆ = 0.16, ˆ = 0.50, ˆ = 8.25 1540.24 1552.33 0.08 ST15 GEV02 0 ˆ = 0.24, 1 ˆ = 0.0003, 2 ˆ =-2.92*10-6 , ˆ = 0.27, ˆ = 1.61 1690.37 1702.43 0.08 ST16 GEV03 0 ˆ = 0.33, 1 ˆ = 1.63, 2 ˆ =-0.0005, ˆ = 0.28, ˆ = 0.86 1424.92 1436.95 0.07 ST17 GEV00 ˆ = 0.23, ˆ = 0.24, ˆ = 1.48 1464.84 1476.86 0.08
280 ผลการวิจัย Development of an Information System for Forecasting Spatial Extremely Drought in Mun-River Basin for Water management of Precision Agriculture จากตารางที่ 3.90 เมื่อพิจารณารูปแบบของพารามิเตอร์ที่เหมาะสมในแต่ละสถานี พบว่า รูปแบบของ พารามิเตอร์ ภายใต้กระบวนการคงที่และไม่คงที่ที่เหมาะสม ส่วนใหญ่ คือ รูปแบบ GEV00 จำนวน 10 สถานี รองลงมาคือ รูปแบบ GEV05 จำนวน 3 สถานี ที่เหมาะสมกับข้อมูลปริมาณน้ำฝนสะสมเคลื่อนที่ 10 วัน ต่ำสุด รายเดือน ทั้งนี้ ผู้วิจัยได้วิเคราะห์ระดับการเกิดซ้ำของข้อมูลปริมาณน้ำฝนสะสมเคลื่อนที่ 10 วัน ต่ำสุด รายเดือน ด้วยแบบจำลองที่เหมาะสม ในคาบย้อนพินิจ 2 5 25 50 และ 100 ปี ผลแสดงดังตารางที่ 3.91 ตารางที่ 3.91 ระดับการเกิดซ้ำของข้อมูลปริมาณน้ำฝนสะสมเคลื่อนที่ 10 วัน ต่ำสุด รายเดือน สถานี คาบย้อนพินิจ(ปี) 2 5 25 50 100 ST1 0.73 1.79 8.47 49.11 271.77 ST2 0.19 0.50 2.64 5.45 11.26 ST3 0.10 0.10 0.10 0.39 40.57 ST4 0.48 1.48 8.13 16.49 33.29 ST5 0.10 0.10 0.10 0.10 0.10 ST6 0.43 2.42 36.71 113.91 350.75 ST7 0.16 0.84 3.17 14.96 69.82 ST8 0.42 2.14 29.56 88.64 263.92 ST9 154.69 0.31 1.22 10.81 26.93 ST10 204.75 0.10 0.10 0.49 6.09 ST11 0.15 1.33 5.85 32.97 177.18 ST12 1.07 16.34 35.04 146.69 587.37 ST13 0.47 6.21 13.19 55.04 219.60 ST14 1.34 14.38 17.67 58.75 187.14 ST15 0.37 1.92 28.55 88.30 271.10 ST16 2.20 2.93 6.88 11.16 18.95 ST17 0.35 1.59 18.82 53.16 149.24 จากตารางที่ 3.91 พบว่า ระดับการเกิดซ้ำของข้อมูลปริมาณน้ำฝนรวมทุก ๆ 10 วัน ต่ำสุด รายเดือน มี ระดับการเกิดซ้ำของสถานี 388401 และ 48404 ที่มีค่าปริมาณน้ำฝนรวมทุก ๆ 10 วัน ต่ำสุด รายเดือน เมื่อ คาบย้อนพินิจมีค่าเพิ่มขึ้น ดังนั้น สามารถสรุประดับการเกิดปริมาณน้ำฝนสะสมเคลื่อนที่ 10 วัน ซ้ำ ในรอบ คาบย้อนพินิจต่าง ๆ ดังภาพที่ 3.86
ผลการวิจัย 281 การพัฒนาระบบสารสนเทศภูมิศาสตร์สำหรับการพยากรณ์ภัยแล้งสุดขีดเชิงพื้นที่ในลุ่มน้ำมูล เพื่อการบริหารจัดการน้ำพื้นที่ในและนอกเขตชลประทานสำหรับการเกษตรแม่นยำ ระดับการเกิดซ้ำ ในคาบย้อนพินิจ 2 ปี ระดับการเกิดซ้ำ ในคาบย้อนพินิจ 5 ปี ระดับการเกิดซ้ำ ในคาบย้อนพินิจ 25 ปี ระดับการเกิดซ้ำ ในคาบย้อนพินิจ 50 ปี ระดับการเกิดซ้ำ ในคาบย้อนพินิจ 100 ปี ภาพที่ 3.91 แผนที่ค่าประมาณระดับการเกิดซ้ำ ในคาบย้อนพินิจ 2 ปี 5 ปี 25 ปี50 ปี และ 100 ปี ของข้อมูลปริมาณน้ำฝนสะสมเคลื่อนที่ 10 วัน ต่ำสุด รายเดือน
282 ผลการวิจัย Development of an Information System for Forecasting Spatial Extremely Drought in Mun-River Basin for Water management of Precision Agriculture 4.2) การคาดการณ์ปริมาณน้ำฝนสะสมเคลื่อนที่ 10 วัน สูงสุด รายเดือน รูปแบบของแบบจำลองการแจกแจง GEV ภายใต้กระบวนการไม่คงที่ โดยแสดงค่าประมาณ พารามิเตอร์ ของตัวแบบที่เหมาะสมจากค่า AIC และการทดสอบภาวะสารูปสนิทดี จากสถิติทดสอบ KS-test ของแบบจำลองปริมาณน้ำฝนสะสมเคลื่อนที่ 10 วัน สูงสุด รายเดือน ดังตาราง 3.92 ตารางที่ 3.92 รูปแบบของแบบจำลองที่เหมาะสม และค่าประมาณพารามิเตอร์ ค่า AIC และค่า BIC ภายใต้ กระบวนการไม่คงที่ สำหรับข้อมูลปริมาณน้ำฝนสะสมเคลื่อนที่ 10 วัน สูงสุด รายเดือน รหัส สถานี รูปแบบของ แบบจำลอง ที่เหมาะสม ค่าประมาณพารามิเตอร์ AIC BIC KS-test (p-value) ST1 GEV00 ˆ = 35.73, ˆ = 36.09 ˆ = 0.21 4510.23 4522.39 0.08 ST2 GEV00 ˆ = 36.78, ˆ = 34.28, ˆ = 0.08 4447.65 4459.84 0.07 ST3 GEV00 ˆ = 38.94, ˆ = 33.26, ˆ = 0.10 4447.95 4460.16 0.05 ST4 GEV00 ˆ = 38.47, ˆ = 34.15, ˆ = 0.14 4377.93 4390.06 0.06 ST5 GEV00 ˆ = 38.56, ˆ = 36.79, ˆ = 0.13 4475.99 4488.15 0.06 ST6 GEV02 ˆ = 44.95, ˆ = 43.91, ˆ = 0.11 4356.30 4368.28 0.09 ST7 GEV03 ˆ = 56.53, ˆ = 57.97, ˆ = 0.09 4561.32 4573.43 0.08 ST8 GEV00 ˆ = 52.67, ˆ = 55.25, ˆ = 0.17 4510.09 4522.17 0.08 ST9 GEV05 ˆ = 56.66, ˆ = 59.38, ˆ = 0.21 4410.98 4422.94 0.07 ST10 GEV05 ˆ = 57.66, ˆ = 63.99, ˆ = 0.24 4629.25 4641.31 0.09 ST11 GEV00 ˆ = 56.62, ˆ = 62.05, ˆ = 0.26 4542.48 4554.50 0.08 ST12 GEV00 ˆ = 46.35, ˆ = 46.80, ˆ = 0.19 4403.59 4415.67 0.07 ST13 GEV00 ˆ = 53.07, ˆ = 51.51, ˆ = 0.00 4397.09 4409.16 0.07 ST14 GEV00 ˆ = 45.55, ˆ = 46.18, ˆ = 0.21 4422.42 4434.52 0.07 ST15 GEV01 0 ˆ = 57.67, 1 ˆ = -0.03, ˆ = 52.07, ˆ = 0.18 4455.17 4467.23 0.08 ST16 GEV01 0 ˆ = 56.02, 1 ˆ = 1.63, 2 ˆ =-0.01, ˆ = 54.83, ˆ = 0.20 4480.94 4492.97 0.07 ST17 GEV00 ˆ = 54.62, ˆ = 54.78, ˆ = 0.11 4405.54 4417.56 0.08
ผลการวิจัย 283 การพัฒนาระบบสารสนเทศภูมิศาสตร์สำหรับการพยากรณ์ภัยแล้งสุดขีดเชิงพื้นที่ในลุ่มน้ำมูล เพื่อการบริหารจัดการน้ำพื้นที่ในและนอกเขตชลประทานสำหรับการเกษตรแม่นยำ จากตารางที่ 3.92 เมื่อพิจารณารูปแบบของพารามิเตอร์ที่เหมาะสมในแต่ละสถานี พบว่า รูปแบบของ พารามิเตอร์ ภายใต้กระบวนการคงที่และไม่คงที่ที่เหมาะสม ส่วนใหญ่ คือ รูปแบบ GEV00 จำนวน 11 สถานี รองลงมาคือ รูปแบบ GEV01 และ GEV05 รูปแบบละ 2 สถานี ที่เหมาะสมกับข้อมูลปริมาณน้ำฝนสะสม เคลื่อนที่ 10 วัน สูงสุด รายเดือน ทั้งนี้ ผู้วิจัยได้วิเคราะห์ระดับการเกิดซ้ำของข้อมูลปริมาณน้ำฝนสะสมเคลื่อนที่ 10 วัน สูงสุด รายเดือน ด้วยแบบจำลองที่เหมาะสม ในคาบย้อนพินิจ 2 5 25 50 และ 100 ปี ผลแสดงดังตารางที่ 3.93 ตารางที่ 3.93 ระดับการเกิดซ้ำของข้อมูลปริมาณน้ำฝนสะสมเคลื่อนที่ 10 วันสูงสุด รายเดือน สถานี คาบย้อนพินิจ(ปี) 2 5 25 50 100 ST1 49.49 99.56 201.47 255.80 318.46 ST2 49.54 91.52 162.28 194.62 228.63 ST3 51.35 92.71 164.05 197.28 232.64 ST4 51.32 95.60 176.94 216.85 260.64 ST5 52.37 99.32 183.55 224.07 268.02 ST6 61.36 116.31 212.00 256.92 304.93 ST7 61.69 117.02 211.38 254.93 301.01 ST8 58.43 116.08 228.53 286.45 351.89 ST9 62.03 126.47 259.78 331.78 415.47 ST10 64.31 135.64 288.87 374.14 475.08 ST11 63.69 132.13 277.17 357.02 450.93 ST12 51.13 102.49 207.01 262.72 326.95 ST13 58.09 107.19 187.37 223.07 260.03 ST14 51.29 102.07 202.68 255.15 314.87 ST15 57.95 113.67 219.20 272.28 331.39 ST16 61.88 121.95 237.32 296.02 361.82 ST17 60.24 115.18 213.03 259.83 310.41 จากตารางที่ 3.93 พบว่า ระดับการเกิดซ้ำของข้อมูลปริมาณน้ำฝนรวมทุก ๆ 10 วัน สูงสุด รายเดือน มี ระดับการเกิดซ้ำของสถานี ST11 และ ST10 ที่มีค่าปริมาณน้ำฝนรวมทุก ๆ 10 วัน สูงสุด รายเดือน เมื่อคาบ ย้อนพินิจมีค่าเพิ่มขึ้น ดังนั้น สามารถสรุประดับการเกิดปริมาณน้ำฝนสะสมเคลื่อนที่ 10 วัน ซ้ำ ในรอบคาบ ย้อนพินิจต่าง ๆ ดังภาพที่ 3.92
284 ผลการวิจัย Development of an Information System for Forecasting Spatial Extremely Drought in Mun-River Basin for Water management of Precision Agriculture ระดับการเกิดซ้ำ ในคาบย้อนพินิจ 2 ปี ระดับการเกิดซ้ำ ในคาบย้อนพินิจ 5 ปี ระดับการเกิดซ้ำ ในคาบย้อนพินิจ 25 ปี ระดับการเกิดซ้ำ ในคาบย้อนพินิจ 50 ปี ระดับการเกิดซ้ำ ในคาบย้อนพินิจ 100 ปี ภาพที่ 3.92 แผนที่ค่าประมาณระดับการเกิดซ้ำ ในคาบย้อนพินิจ 2 ปี 5 ปี 25 ปี50 ปี และ 100 ปี ของข้อมูลปริมาณน้ำฝนสะสมเคลื่อนที่ 10 วัน สูงสุด รายเดือน
ผลการวิจัย 285 การพัฒนาระบบสารสนเทศภูมิศาสตร์สำหรับการพยากรณ์ภัยแล้งสุดขีดเชิงพื้นที่ในลุ่มน้ำมูล เพื่อการบริหารจัดการน้ำพื้นที่ในและนอกเขตชลประทานสำหรับการเกษตรแม่นยำ 4.3.3 การวิเคราะห์ปริมาณน้ำฝนสะสมเคลื่อนที่ 10 วัน ต่ำสุด และสูงสุด รายฤดูกาล 1) ผลการวิเคราะห์ด้วยสถิติพรรณนา ตาราง 3.94 รายละเอียดผลการวิเคราะห์ปริมาณน้ำฝนสะสมเคลื่อนที่ 10 วัน เบื้องต้น รหัส สถานี ปี เดือน วัน วันที่มี ปริมาณ น้ำฝน สะสม เคลื่อนที่ 10 วัน วันที่ไม่มี ปริมาณ น้ำฝนสะสม เคลื่อนที่ 10 วัน ค่าเฉลี่ย ปริมาณ น้ำฝนสะสม เคลื่อนที่ 10 วัน ปริมาณ น้ำฝนสะสม สูงสุด ปริมาณ น้ำฝน เฉลี่ย ฤดูร้อน ปริมาณ น้ำฝน เฉลี่ย ฤดูฝน ปริมาณ น้ำฝน เฉลี่ย ฤดูหนาว 48381 39 465 14,153 9,964 4,189 48 335 28.22 62.88 22.21 48384 39 465 14,153 9,886 4,267 46 603 28.14 60.65 22.53 48382 39 465 14,153 9,902 4,251 51 534 29.97 68.71 18.30 48403 39 465 14,153 9,848 4,305 45 534 28.97 57.96 23.39 48405 39 465 14,153 9,877 4,276 53 335 29.47 72.13 17.69 48404 39 465 14,153 9,893 4,260 53 702 27.37 72.54 18.46 48408 39 465 14,153 9,981 4,172 62 708 27.11 88.90 20.08 48407 39 465 14,153 10,013 4,140 64 471 29.92 90.07 20.95 48409 39 465 14,153 9,669 4,484 58 573 27.40 79.50 23.96 48435 39 465 14,153 10,381 3,772 42 441 28.92 54.04 22.46 48431 39 465 14,153 10,835 3,318 41 324 36.17 48.55 26.02 48434 39 465 14,153 10,517 3,636 39 292 27.53 48.80 24.25 48432 39 465 14,153 10,374 3,779 54 410 30.74 73.80 21.98 48433 39 465 14,153 10,212 3,941 54 451 30.42 73.95 20.89 48416 39 465 14,153 9,812 4,341 52 373 30.33 68.41 22.70 48436 16 189 5,752 4,196 1,556 52 306 27.26 73.64 19.61 48437 39 465 14,153 10,629 3,524 44 295 29.98 58.33 21.87
286 ผลการวิจัย Development of an Information System for Forecasting Spatial Extremely Drought in Mun-River Basin for Water management of Precision Agriculture 2) ผลการวิเคราะห์ด้วยการเรียนรู้ด้วยเครื่อง (ML) ผู้วิจัยได้วิเคราะห์ปริมาณน้ำฝนสะสมเคลื่อนที่ 10 วัน ค่าต่ำสุดรายฤดูกาล ด้วยการเรียนรู้ของเครื่อง หรือ Machine Learning โดยแบ่งข้อมูลออกเป็น 3 กลุ่ม ตามลักษณะลุ่มน้ำ ได้แก่ ลุ่มน้ำมูลส่วนที่ 1 ลุ่มน้ำ มูลส่วนที่ 2 และ ลุ่มน้ำมูลส่วนที่ 3 รายละเอียดดังต่อไปนี้ ลุ่มน้ำมูลส่วนที่ 1 คำอธิบาย ภาพที่ 3.93 ค่าคาดการณ์การคาดการณ์ปริมาณน้ำฝนสะสมเคลื่อนที่ 10 วัน รายเดือน ของลุ่มน้ำมูลส่วนที่ 1 ด้วย ML จากภาพ พบว่า สถานี ST01 ST02 มีค่าคาดการณ์ปริมาณ น้ำฝนสะสมเคลื่อนที่ 10 วัน ในช่วงเดือนกุมภาพันธ์ ปี พ.ศ. 2566 แ ล ะ ใ น ช ่ ว ง เ ด ื อ น พฤศจิกายน ปี พ.ศ. 2566 จนถึง เดือนกุมภาพันธ์ ปี พ.ศ.2567 ต่ำ กว่าสถานีอื่น ๆ ทั้งนี้การแจกแจงของปริมาณ น้ำฝนต่ำสุดสะสมเคลื่อนที่ 10 วันของแต่ละสถานีในลุ่มน้ำมูล ส่วนที่ 1 ส่วนใหญ่เป็นการแจก แจงที่มีลักษณะหางหนักด้านขวา ( Right heavy-tailed distribution) และมีสถานี ST12 ที่มีลักษณะเป็นการแจกแจงที่มี ลักษณะ Mixed distribution
ผลการวิจัย 287 การพัฒนาระบบสารสนเทศภูมิศาสตร์สำหรับการพยากรณ์ภัยแล้งสุดขีดเชิงพื้นที่ในลุ่มน้ำมูล เพื่อการบริหารจัดการน้ำพื้นที่ในและนอกเขตชลประทานสำหรับการเกษตรแม่นยำ ลุ่มน้ำมูลส่วนที่2 คำอธิบาย ภาพที่ 3.94 ค่าคาดการณ์การคาดการณ์ปริมาณน้ำฝนสะสมเคลื่อนที่ 10 วัน รายเดือน ของลุ่มน้ำมูลส่วนที่ 2 ด้วย ML จากภาพ พบว่า สถานี ST08 และ ST13 มีค่าคาดการณ์ ปริมาณน้ำฝนสะสมเคลื่อนที่ 10 วัน ในช่วงเดือนกุมภาพันธ์ ปี พ.ศ. 2566 และในช่วงเดือน พฤศจิกายน ปี พ.ศ. 2566 จนถึง เดือนกุมภาพันธ์ ปี พ.ศ.2567 ต่ำ กว่าสถานีอื่น ๆ ทั้งนี้การแจกแจงของปริมาณ น้ำฝนต่ำสุดสะสมเคลื่อนที่ 10 วันของแต่ละสถานีในลุ่มน้ำมูล ส่วนที่ 2 ส่วนใหญ่เป็นการแจก แจงที่มีลักษณะหางหนักด้านขวา ( Right heavy-tailed distribution) และมีสถานี ST06 และ ST07 ที่มีลักษณะเป็นการ แจกแจงที่มีลักษณะ Mixed distribution
288 ผลการวิจัย Development of an Information System for Forecasting Spatial Extremely Drought in Mun-River Basin for Water management of Precision Agriculture ลุ่มน้ำมูลส่วนที่ 3 คำอธิบาย ภาพที่ 3.95 ค่าคาดการณ์การคาดการณ์ปริมาณน้ำฝนสะสมเคลื่อนที่ 10 วัน รายเดือน ของลุ่มน้ำมูลส่วนที่ 3 ด้วย ML จากภาพ พบว่า สถานี ST11 มี ค่าคาดการณ์ปริมาณน้ำฝนสะสม เคลื่อนที่ 10 วัน ในช่วงเดือน พฤศจิกายน ปี พ.ศ. 2567 และ 2570 ต่ำกว่าสถานีอื่น ๆ ทั้งนี้การแจกแจงของปริมาณ น้ำฝนต่ำสุดสะสมเคลื่อนที่ 10 วันของแต่ละสถานีในลุ่มน้ำมูล ส่วนที่ 2 ส่วนใหญ่เป็นการแจก แจงที่มีลักษณะหางหนักด้านขวา ( Right heavy-tailed distribution) และมีสถานี ST06 และ ST11 ที่มีลักษณะเป็นการ แจกแจงที่มีลักษณะ Mixed distribution
ผลการวิจัย 289 การพัฒนาระบบสารสนเทศภูมิศาสตร์สำหรับการพยากรณ์ภัยแล้งสุดขีดเชิงพื้นที่ในลุ่มน้ำมูล เพื่อการบริหารจัดการน้ำพื้นที่ในและนอกเขตชลประทานสำหรับการเกษตรแม่นยำ ผู้วิจัยได้วิเคราะห์ปริมาณน้ำฝนสะสมเคลื่อนที่ 10 วัน ค่าสูงสุดรายฤดูกาล ด้วยการเรียนรู้ของเครื่อง หรือ Machine Learning โดยแบ่งข้อมูลออกเป็น 3 กลุ่ม ตามลักษณะลุ่มน้ำ ได้แก่ ลุ่มน้ำมูลส่วนที่ 1 ลุ่มน้ำ มูลส่วนที่ 2 และ ลุ่มน้ำมูลส่วนที่ 3 รายละเอียดดังต่อไปนี้ ลุ่มน้ำมูลส่วนที่ 1 คำอธิบาย ภาพที่ 3.96 ค่าคาดการณ์การคาดการณ์ปริมาณน้ำฝนสะสมเคลื่อนที่ 10 วัน สูงสุดรายฤดูกาลของลุ่มน้ำมูลส่วนที่ 1 ด้วย ML จากภาพ พบว่า สถานี ST01 ST02 มีค่าคาดการณ์ปริมาณ น้ำฝนสะสมเคลื่อนที่ 10 วัน ในช่วงเดือนกุมภาพันธ์ ปี พ.ศ. 2566 แ ล ะ ใ น ช ่ ว ง เ ด ื อ น พฤศจิกายน ปี พ.ศ. 2566 จนถึง เดือนกุมภาพันธ์ ปี พ.ศ.2567 ต่ำ กว่าสถานีอื่น ๆ ทั้งนี้การแจกแจงของปริมาณ น้ำฝนต่ำสุดสะสมเคลื่อนที่ 10 วันของแต่ละสถานีในลุ่มน้ำมูล ส่วนที่ 1 ส่วนใหญ่เป็นการแจก แจงที่มีลักษณะหางหนักด้านขวา ( Right heavy-tailed distribution) และมีสถานี ST12 ที่มีลักษณะเป็นการแจกแจงที่มี ลักษณะ Mixed distribution
290 ผลการวิจัย Development of an Information System for Forecasting Spatial Extremely Drought in Mun-River Basin for Water management of Precision Agriculture ลุ่มน้ำมูลส่วนที่2 คำอธิบาย ภาพที่ 3.97 ค่าคาดการณ์การคาดการณ์ปริมาณน้ำฝนสะสมเคลื่อนที่ 10 วัน สูงสุดรายฤดูกาลของลุ่มน้ำมูลส่วนที่ 1 ด้วย ML จากภาพ พบว่า สถานี ST08 และ ST13 มีค่าคาดการณ์ ปริมาณน้ำฝนสะสมเคลื่อนที่ 10 วัน ในช่วงเดือนกุมภาพันธ์ ปี พ.ศ. 2566 และในช่วงเดือน พฤศจิกายน ปี พ.ศ. 2566 จนถึง เดือนกุมภาพันธ์ ปี พ.ศ.2567 ต่ำ กว่าสถานีอื่น ๆ ทั้งนี้การแจกแจงของปริมาณ น้ำฝนต่ำสุดสะสมเคลื่อนที่ 10 วันของแต่ละสถานีในลุ่มน้ำมูล ส่วนที่ 2 ส่วนใหญ่เป็นการแจก แจงที่มีลักษณะหางหนักด้านขวา (Right heavy-tailed distribution) และมีสถานี ST06 และ ST07 ที่มีลักษณะเป็นการ แจกแจงที่มีลักษณะ Mixed distribution
ผลการวิจัย 291 การพัฒนาระบบสารสนเทศภูมิศาสตร์สำหรับการพยากรณ์ภัยแล้งสุดขีดเชิงพื้นที่ในลุ่มน้ำมูล เพื่อการบริหารจัดการน้ำพื้นที่ในและนอกเขตชลประทานสำหรับการเกษตรแม่นยำ ลุ่มน้ำมูลส่วนที่ 3 คำอธิบาย ภาพที่ 3.98 ค่าคาดการณ์การคาดการณ์ปริมาณน้ำฝนสะสมเคลื่อนที่ 10 วัน สูงสุดรายฤดูกาลของลุ่มน้ำมูลส่วนที่ 1 ด้วย ML จากภาพ พบว่า สถานี ST11 มี ค่าคาดการณ์ปริมาณน้ำฝนสะสม เคลื่อนที่ 10 วัน ในช่วงเดือน พฤศจิกายน ปี พ.ศ. 2567 และ 2570 ต่ำกว่าสถานีอื่น ๆ ทั้งนี้การแจกแจงของปริมาณ น้ำฝนต่ำสุดสะสมเคลื่อนที่ 10 วันของแต่ละสถานีในลุ่มน้ำมูล ส่วนที่ 2 ส่วนใหญ่เป็นการแจก แจงที่มีลักษณะหางหนักด้านขวา ( Right heavy-tailed distribution) และมีสถานี ST06 และ ST11 ที่มีลักษณะเป็นการ แจกแจงที่มีลักษณะ Mixed distribution
292 ผลการวิจัย Development of an Information System for Forecasting Spatial Extremely Drought in Mun-River Basin for Water management of Precision Agriculture 3) ผลการวิเคราะห์ด้วยทฤษฎีค่าสุดขีด Block Maxima รูปแบบของแบบจำลองการแจกแจง GEV ภายใต้กระบวนการคงที่ วิเคราะห์ข้อมูลที่มีค่าสุดขีดวิธีหนึ่ง ซึ่งเหมาะสำหรับการวิเคราะห์คำสุดขีดในช่วงเวลาที่มีคาบ เท่าๆ กัน เช่น รายสัปดาห์ รายเตือน รายสามเดือน หรือรายปี ซึ่งวิธีการเลือกข้อมูลที่นำมาใช้ในการวิเคราะห์ คือ เลือกข้อมูลที่มีค่าสูงสุดในแต่ละช่วงคาบเวลา โดยมีรูปแบบสมการของแบบจำลองการแจกแจง GEV ภายใต้กระบวนการคงที่ ดังตาราง 3.95 ตารางที่3.95 รูปแบบของแบบจำลองการแจกแจง GEV ภายใต้กระบวนการคงที่ ชื่อแบบจำลอง สมการของแบบจำลอง GEV00 = 0 , เป็นค่าคง , เป็นค่าคงที่ หรือ 0 รูปแบบของแบบจำลองการแจกแจง GEV ภายใต้กระบวนการไม่คงที่ การวิเคราะห์ค่าสุดขีดที่ได้รับอิทธิพล จากตัวแปรอื่น ๆ เช่น ข้อมูลมีการเปลี่ยนแปลงเมื่อเวลา เปลี่ยนไป หรือข้อมูลมีแนวโน้ม ซึ่งทำให้ข้อมูลที่นำมาวิเคราะห์เป็นข้อมูลที่อยู่ภายใต้กระบวนการไม่คงที่ การ วิเคราะห์ข้อมูลลักษณะนี้จะแตกต่างจากการวิเคราะห์ข้อมูลที่อยู่ภายใต้กระบวนการคงที่ โดยลักษณะข้อมูลที่ อยู่ภายใต้กระบวนการไม่คงที่ โดยมีรูปแบบสมการของแบบจำลองการแจกแจง GEV ภายใต้กระบวนการไม่ คงที่ ดังตาราง 3.96 ตารางที่3.96 รูปแบบของแบบจำลองการแจกแจง GEV ภายใต้กระบวนการไม่คงที่ ชื่อแบบจำลอง สมการของแบบจำลอง GEV01 0 1 0 = + − + ( 1) Year t , เป็นค่าคง , เป็นค่าคงที่ หรือ 0 GEV02 2 0 1 0 2 0 = + − + + − + ( 1) ( 1) Year t Year t , เป็นค่าคง , เป็นค่าคงที่ หรือ 0 GEV03 2 0 ( 1) 0 1 Year t e − − + = + , เป็นค่าคง , เป็นค่าคงที่ หรือ 0 GEV04 = 0 0 1 0 = + − + exp( ( 1)) Year t , เป็นค่าคงที่ หรือ 0 GEV05 0 1 0 = + − + ( 1) Year t 0 1 0 = + − + exp( ( 1)) Year t , เป็นค่าคงที่ หรือ 0 GEV06 2 0 1 0 2 0 = + − + + − + ( 1) ( 1) Year t Year t 0 1 0 = + − + exp( ( 1)) Year t , เป็นค่าคงที่ หรือ 0 GEV07 2 0 ( 1) 0 1 Year t e − − + = + 0 1 0 = + − + exp( ( 1)) Year t , เป็นค่าคงที่ หรือ 0 ในการวิจัยครั้งนี้ผู้วิจัยได้นำข้อมูลปริมาณน้ำฝนสะสมเคลื่อนที่ 10 วัน รายฤดูกาล โดยจำแนกข้อมูล ออกเป็น 2 แบบ มาวิเคราะห์ รายละเอียดผลการวิเคราะห์ดังนี้
ผลการวิจัย 293 การพัฒนาระบบสารสนเทศภูมิศาสตร์สำหรับการพยากรณ์ภัยแล้งสุดขีดเชิงพื้นที่ในลุ่มน้ำมูล เพื่อการบริหารจัดการน้ำพื้นที่ในและนอกเขตชลประทานสำหรับการเกษตรแม่นยำ 3.1) การคาดการณ์ปริมาณน้ำฝนสะสมเคลื่อนที่ 10 วัน ต่ำสุด รายฤดูกาล รูปแบบของแบบจำลองการแจกแจง GEV ภายใต้กระบวนการไม่คงที่ โดยแสดงค่าประมาณ พารามิเตอร์ ของตัวแบบที่เหมาะสมจากค่า AIC และการทดสอบภาวะสารูปสนิทดีจากสถิติทดสอบ KS-test ของแบบจำลองปริมาณน้ำฝนสะสมเคลื่อนที่ 10 วัน ต่ำสุด รายฤดูกาล ดังตาราง 3.97 ตารางที่ 3.97 รูปแบบของแบบจำลองที่เหมาะสม และค่าประมาณพารามิเตอร์ ค่า AIC และค่า BIC ภายใต้ กระบวนการไม่คงที่ สำหรับข้อมูลปริมาณน้ำฝนสะสมเคลื่อนที่ 10 วัน ต่ำสุด รายฤดูกาล รหัส สถานี รูปแบบของ แบบจำลอง ที่เหมาะสม ค่าประมาณพารามิเตอร์ AIC BIC KS-test (p-value) ST1 GEV01 0 ˆ = 0.22, 1 ˆ = 0.0003, 2 ˆ =-0.000002, ˆ = 0.22, ˆ = 1.51 207.18 221.00 0.73 ST2 GEV05 0 ˆ = 0.34, 1 ˆ = -0.002, 0 ˆ =-0.87, 1 ˆ =-0.01, ˆ = 1.05 128.10 141.91 0.12 ST3 GEV02 0 ˆ = 0.11, 1 ˆ = 0.0005, 2 ˆ = 0.0000, ˆ = 0.07, ˆ = 1.90 70.58 84.39 0.14 ST4 GEV00 ˆ = 0.33, ˆ = 0.33, ˆ = 1.01 240.24 248.52 0.18 ST5 GEV01 0 ˆ = 0.10, 1 ˆ = -1.71*10-6 , ˆ = 0.004 , ˆ = 1.827 31.05 38.54 0.13 ST6 GEV02 0 ˆ = 0.26, 1 ˆ = 0.001, 2 ˆ = 0.00, ˆ = 0.34, ˆ = 1.61 316.54 330.35 0.40 ST7 GEV02 0 ˆ = 0.13, 1 ˆ = 0.00, 2 ˆ = 0.00, ˆ = 0.06, ˆ = 2.21 208.09 221.9 0.43 ST8 GEV00 ˆ = 0.27, ˆ = 0.31, ˆ = 1.56 0.12 ST9 GEV05 0 ˆ = 0.49, 1 ˆ = -0.002, 0 ˆ =-0.41, 1 ˆ =-0.01, ˆ = 1.3 319.38 333.19 0.09 ST10 GEV05 0 ˆ = 0.1, 1 ˆ = 0, 0 ˆ = 3.99, 1 ˆ =-0.14, ˆ = 3.88 419.5 433.31 0.11 ST11 GEV02 0 ˆ = 0.11, 1 ˆ = 0.00005, 2 ˆ =-0.0000003, ˆ = 0.02, ˆ = 2.89 135.02 148.83 0.69 ST12 GEV00 ˆ = 75.10, ˆ = 143.78, ˆ = 263.72 -121.72 -113.44 0.41 ST13 GEV00 ˆ = 0.12, ˆ = 0.14, ˆ = 8.58 -198.91 -190.62 0.47 ST14 GEV00 ˆ = 0.16, ˆ = 0.50, ˆ = 8.25 -120.34 -112.06 0.43 ST15 GEV00 ˆ = 0.14, ˆ = 0.45, ˆ = 10.02 -147.28 -139.00 0.43 ST16 GEV00 ˆ = 0.30, ˆ = 0.28, ˆ = 0.92 194.53 202.81 0.11 ST17 GEV00 ˆ = 0.23, ˆ = 0.24, ˆ = 1.48 223.35 231.63 0.14
294 ผลการวิจัย Development of an Information System for Forecasting Spatial Extremely Drought in Mun-River Basin for Water management of Precision Agriculture จากตารางที่ 3.97 เมื่อพิจารณารูปแบบของพารามิเตอร์ที่เหมาะสมในแต่ละสถานี พบว่า รูปแบบของ พารามิเตอร์ ภายใต้กระบวนการไม่คงที่ที่เหมาะสม ส่วนใหญ่ คือ รูปแบบ GEV03 จำนวน 9 สถานี รองลงมา คือ รูปแบบ GEV07 จำนวน 3 สถานี ที่เหมาะสมกับข้อมูลปริมาณน้ำฝนสะสมเคลื่อนที่ 10 วัน ต่ำสุด ราย ฤดูกาล ทั้งนี้ ผู้วิจัยได้วิเคราะห์ระดับการเกิดซ้ำของข้อมูลปริมาณน้ำฝนสะสมเคลื่อนที่ 10 วัน ต่ำสุด ราย ฤดูกาล ด้วยแบบจำลองที่เหมาะสม ในคาบย้อนพินิจ 2 5 25 50 และ 100 ปี ผลแสดงดังตารางที่ 3.98 ตารางที่ 3.98 ระดับการเกิดซ้ำของข้อมูลปริมาณน้ำฝนสะสมเคลื่อนที่ 10 วัน ต่ำสุด รายฤดูกาล สถานี คาบย้อนพินิจ(ปี) 2 5 25 50 100 ST1 1.12 9.22 7.88 22.51 61.81 ST2 0.10 0.12 6.88 48.38 329.79 ST3 0.16 0.69 15.42 58.60 221.21 ST4 0.48 1.48 8.13 16.49 33.29 ST5 0.10 0.14 0.90 2.99 10.45 ST6 0.10 0.10 0.10 0.10 0.10 ST7 0.16 0.84 31.74 14.96 69.82 ST8 0.42 2.14 29.56 88.64 263.92 ST9 0.31 1.22 10.81 26.93 66.76 ST10 0.10 0.10 0.49 6.09 90.00 ST11 0.12 0.66 7.65 58.40 439.68 ST12 1.07 16.34 35.04 146.69 587.37 ST13 0.47 6.21 13.19 55.04 219.61 ST14 1.34 1.44 17.67 58.75 187.17 ST15 1.85 14.95 36.80 42.33 46.211 ST16 0.42 1.21 5.83 11.17 21.28 ST17 0.35 1.59 18.82 53.16 149.24 จากตารางที่ 3.98 พบว่า ระดับการเกิดซ้ำของข้อมูลปริมาณน้ำฝนสะสมเคลื่อนที่ 10 วัน ต่ำสุด ราย ฤดูกาล ของ สถานี ST16 ST4 และ ST9 มีระดับการเกิดซ้ำของค่าปริมาณน้ำฝนสะสมเคลื่อนที่ 10 วัน ต่ำสุด รายฤดูกาล เมื่อคาบย้อนพินิจมีค่าเพิ่มขึ้น ดังนั้น สามารถสรุประดับการเกิดปริมาณน้ำฝนสะสมเคลื่อนที่ 10 วัน ซ้ำ ในรอบคาบย้อนพินิจต่าง ๆ ดังภาพที่ 3.99
ผลการวิจัย 295 การพัฒนาระบบสารสนเทศภูมิศาสตร์สำหรับการพยากรณ์ภัยแล้งสุดขีดเชิงพื้นที่ในลุ่มน้ำมูล เพื่อการบริหารจัดการน้ำพื้นที่ในและนอกเขตชลประทานสำหรับการเกษตรแม่นยำ ระดับการเกิดซ้ำ ในคาบย้อนพินิจ 2 ปี ระดับการเกิดซ้ำ ในคาบย้อนพินิจ 5 ปี ระดับการเกิดซ้ำ ในคาบย้อนพินิจ 25 ปี ระดับการเกิดซ้ำ ในคาบย้อนพินิจ 50 ปี ระดับการเกิดซ้ำ ในคาบย้อนพินิจ 100 ปี ภาพที่ 3.99 แผนที่ค่าประมาณระดับการเกิดซ้ำ ในคาบย้อนพินิจ 2 ปี 5 ปี 25 ปี50 ปี และ 100 ปี ของข้อมูลปริมาณน้ำฝนสะสมเคลื่อนที่ 10 วัน ต่ำสุด รายฤดูกาล
296 ผลการวิจัย Development of an Information System for Forecasting Spatial Extremely Drought in Mun-River Basin for Water management of Precision Agriculture 3.2) การคาดการณ์ปริมาณน้ำฝนสะสมเคลื่อนที่ 10 วัน สูงสุด ฤดูกาล รูปแบบของแบบจำลองการแจกแจง GEV ภายใต้กระบวนการไม่คงที่ โดยแสดงค่าประมาณ พารามิเตอร์ ของตัวแบบที่เหมาะสมจากค่า AIC และการทดสอบภาวะสารูปสนิทดี จากสถิติทดสอบ KS-test ของแบบจำลองปริมาณน้ำฝนสะสมเคลื่อนที่ 10 วัน สูงสุด ฤดูกาล ดังตาราง 3.99 ตารางที่ 3.99 รูปแบบของแบบจำลองที่เหมาะสม และค่าประมาณพารามิเตอร์ ค่า AIC และค่า BIC ภายใต้ กระบวนการไม่คงที่ สำหรับข้อมูลปริมาณน้ำฝนสะสมเคลื่อนที่ 10 วัน สูงสุด ฤดูกาล รหัส สถานี รูปแบบของ แบบจำลอง ที่เหมาะสม ค่าประมาณพารามิเตอร์ AIC BIC KS-test (p-value) ST1 GEV00 ˆ = 104.02, ˆ = 49.16, ˆ = -0.10 1272.75 1281.04 0.54 ST2 GEV00 ˆ = 94.00, ˆ = 47.89, ˆ = -0.08 1271.39 1279.68 0.57 ST3 GEV00 ˆ = 96.63, ˆ = 62.20, ˆ = 0.02 1344.66 1352.95 0.96 ST4 GEV00 ˆ = 92.66, ˆ = 57.11, ˆ = -0.06 1315.30 1323.59 0.61 ST5 GEV01 0 ˆ = 107.32, 1 ˆ = -0.83, ˆ = 55.93, ˆ = 0.20 557.00 564.49 0.21 ST6 GEV00 ˆ = 95.06, ˆ = 66.07, ˆ = -0.05 1350.72 1359.00 0.38 ST7 GEV01 0 ˆ = 101.71, 1 ˆ = -0.04, ˆ = 66.47, ˆ = 0.06 1370.29 1384.10 0.76 ST8 GEV00 ˆ = 93.81, ˆ = 64.52, ˆ = 0.13 1368.50 1376.79 0.33 ST9 GEV00 ˆ = 98.56, ˆ =-0.23, ˆ = 62.78 1393.08 1404.13 0.13 ST10 GEV03 0 ˆ = 87.94, 1 ˆ = 714.42, 2 ˆ = 0.02, ˆ = 65.45, ˆ = 0.27 1393.65 1407.46 0.49 ST11 GEV00 ˆ = 86.18, ˆ = 68.55, ˆ = 0.28 1401.49 1409.77 0.21 ST12 GEV02 0 ˆ = 105.07, 1 ˆ = -0.27, ˆ = 53.78, ˆ = 0.13 1326.93 1337.98 0.74 ST13 GEV00 ˆ = 90.92, ˆ = 58.03, ˆ = -0.08 1316.36 1324.65 0.47 ST14 GEV00 ˆ = 89.32, ˆ = 58.07, ˆ = 0.05 1330.86 1339.15 0.69 ST15 GEV00 ˆ = 82.35, ˆ = 61.51, ˆ = 0.11 1353.82 1362.10 0.12 ST16 GEV00 ˆ = 80.72, ˆ = 63.24, ˆ = 0.20 1372.11 1380.40 0.28 ST17 GEV00 ˆ = 86.33, ˆ = 63.88, ˆ = 0.02 1351.76 1360.05 0.32 จากตารางที่ 3.99 เมื่อพิจารณารูปแบบของพารามิเตอร์ที่เหมาะสมในแต่ละสถานี พบว่า รูปแบบของ พารามิเตอร์ ภายใต้กระบวนการคงที่และไม่คงที่ที่เหมาะสม ส่วนใหญ่ คือ รูปแบบ GEV00 จำนวน 13 สถานี
ผลการวิจัย 297 การพัฒนาระบบสารสนเทศภูมิศาสตร์สำหรับการพยากรณ์ภัยแล้งสุดขีดเชิงพื้นที่ในลุ่มน้ำมูล เพื่อการบริหารจัดการน้ำพื้นที่ในและนอกเขตชลประทานสำหรับการเกษตรแม่นยำ รองลงมาคือ รูปแบบ GEV01 จำนวน 2 สถานี ที่เหมาะสมกับข้อมูลปริมาณน้ำฝนสะสมเคลื่อนที่ 10 วัน สูงสุด รายฤดูกาล ทั้งนี้ ผู้วิจัยได้วิเคราะห์ระดับการเกิดซ้ำของข้อมูลปริมาณน้ำฝนสะสมเคลื่อนที่ 10 วัน สูงสุด ราย ฤดูกาลด้วยแบบจำลองที่เหมาะสม ในคาบย้อนพินิจ 2 5 25 50 และ 100 ปี ผลแสดงดังตารางที่ 3.100 ตารางที่ 3.100 ระดับการเกิดซ้ำของข้อมูลปริมาณน้ำฝนสะสมเคลื่อนที่ 10 วันสูงสุด ฤดูกาล สถานี คาบย้อนพินิจ(ปี) 2 5 25 50 100 ST1 119.55 191.01 300.49 346.68 393.04 ST2 112.41 163.01 229.99 254.92 278.20 ST3 121.89 172.37 237.70 261.55 283.55 ST4 99.13 158.41 270.31 326.43 388.83 ST5 113.55 174.45 258.52 290.98 321.92 ST6 118.82 190.71 294.45 336.05 376.58 ST7 124.43 203.94 332.72 389.64 448.36 ST8 117.95 200.68 350.19 422.56 501.33 ST9 111.95 213.17 466.71 625.84 828.65 ST10 118.86 216.13 424.27 539.74 676.16 ST11 112.30 215.28 456.05 599.28 775.89 ST12 110.89 179.28 297.94 353.49 412.75 ST13 109.84 172.89 266.46 304.90 342.87 ST14 110.98 179.47 289.05 337.00 386.16 ST15 104.89 182.18 321.51 388.83 462.00 ST16 105.75 192.08 361.01 448.26 546.98 ST17 109.91 183.02 296.20 344.38 392.98 จากตารางที่ 3.100 พบว่า ระดับการเกิดซ้ำของข้อมูลปริมาณน้ำฝนสะสมเคลื่อนที่ 10 วัน สูงสุด ราย ฤดูกาล ของ สถานี ST9 และ ST11 มีระดับการเกิดซ้ำของปริมาณน้ำฝนสะสมเคลื่อนที่ 10 วัน สูงสุด ราย ฤดูกาล เมื่อคาบย้อนพินิจมีค่าเพิ่มขึ้น ดังนั้น สามารถสรุประดับการเกิดปริมาณน้ำฝนสะสมเคลื่อนที่ 10 วัน ซ้ำ ในรอบคาบย้อนพินิจต่าง ๆ ดังภาพที่ 3.89
298 ผลการวิจัย Development of an Information System for Forecasting Spatial Extremely Drought in Mun-River Basin for Water management of Precision Agriculture ระดับการเกิดซ้ำ ในคาบย้อนพินิจ 2 ปี ระดับการเกิดซ้ำ ในคาบย้อนพินิจ 5 ปี ระดับการเกิดซ้ำ ในคาบย้อนพินิจ 25 ปี ระดับการเกิดซ้ำ ในคาบย้อนพินิจ 50 ปี ระดับการเกิดซ้ำ ในคาบย้อนพินิจ 100 ปี ภาพที่ 3.100 แผนที่ค่าประมาณระดับการเกิดซ้ำ ในคาบย้อนพินิจ 2 ปี 5 ปี 25 ปี50 ปี และ 100 ปี ของข้อมูลปริมาณน้ำฝนสะสมเคลื่อนที่ 10 วัน สูงสุด รายฤดูกาล
ผลการวิจัย 299 การพัฒนาระบบสารสนเทศภูมิศาสตร์สำหรับการพยากรณ์ภัยแล้งสุดขีดเชิงพื้นที่ในลุ่มน้ำมูล เพื่อการบริหารจัดการน้ำพื้นที่ในและนอกเขตชลประทานสำหรับการเกษตรแม่นยำ 4.3.4 การวิเคราะห์ปริมาณน้ำฝนสะสมเคลื่อนที่ 10 วัน ต่ำสุด และสูงสุด รายปี 1) ผลการวิเคราะห์ด้วยสถิติพรรณนา ตาราง 3.101 รายละเอียดผลการวิเคราะห์ปริมาณน้ำฝนสะสมเคลื่อนที่ 10 วัน เบื้องต้น รหัส สถานี ปี เดือน วัน วันที่มี ปริมาณ น้ำฝน สะสม เคลื่อนที่ 10 วัน วันที่ไม่มี ปริมาณ น้ำฝนสะสม เคลื่อนที่ 10 วัน ค่าเฉลี่ย ปริมาณ น้ำฝนสะสม เคลื่อนที่ 10 วัน ปริมาณ น้ำฝนสะสม สูงสุด ปริมาณ น้ำฝน เฉลี่ย ฤดูร้อน ปริมาณ น้ำฝน เฉลี่ย ฤดูฝน ปริมาณ น้ำฝน เฉลี่ย ฤดูหนาว 48381 39 465 14,153 9,964 4,189 48 335 28.22 62.88 22.21 48384 39 465 14,153 9,886 4,267 46 603 28.14 60.65 22.53 48382 39 465 14,153 9,902 4,251 51 534 29.97 68.71 18.30 48403 39 465 14,153 9,848 4,305 45 534 28.97 57.96 23.39 48405 39 465 14,153 9,877 4,276 53 335 29.47 72.13 17.69 48404 39 465 14,153 9,893 4,260 53 702 27.37 72.54 18.46 48408 39 465 14,153 9,981 4,172 62 708 27.11 88.90 20.08 48407 39 465 14,153 10,013 4,140 64 471 29.92 90.07 20.95 48409 39 465 14,153 9,669 4,484 58 573 27.40 79.50 23.96 48435 39 465 14,153 10,381 3,772 42 441 28.92 54.04 22.46 48431 39 465 14,153 10,835 3,318 41 324 36.17 48.55 26.02 48434 39 465 14,153 10,517 3,636 39 292 27.53 48.80 24.25 48432 39 465 14,153 10,374 3,779 54 410 30.74 73.80 21.98 48433 39 465 14,153 10,212 3,941 54 451 30.42 73.95 20.89 48416 39 465 14,153 9,812 4,341 52 373 30.33 68.41 22.70 48436 16 189 5,752 4,196 1,556 52 306 27.26 73.64 19.61 48437 39 465 14,153 10,629 3,524 44 295 29.98 58.33 21.87
300 ผลการวิจัย Development of an Information System for Forecasting Spatial Extremely Drought in Mun-River Basin for Water management of Precision Agriculture 2) ผลการวิเคราะห์ด้วยเกรย์ สำหรับปริมาณน้ำฝนสะสมเคลื่อนที่ 10 วัน สูงสุดรายปี ตารางที่ 3.102 ค่าคาดการณ์ปริมาณน้ำฝนสะสมเคลื่อนที่ 10 วัน สูงสุดรายปี จำแนกรายสถานี ด้วยแบบจำลองเกรย์ สถานี 2566 2567 2568 2569 2570 ST1 227.00 223.09 219.25 215.48 211.77 ST2 166.65 165.45 164.25 163.07 161.89 ST3 170.17 168.60 167.05 165.51 163.98 ST4 239.21 241.10 242.99 244.91 246.84 ST5 185.05 182.88 180.74 178.62 176.52 ST6 263.57 270.18 276.96 283.91 291.03 ST7 321.63 331.44 341.55 351.96 362.70 ST8 272.67 278.34 284.14 290.05 296.09 ST9 342.91 350.48 358.23 366.15 374.24 ST10 263.57 258.01 252.57 247.24 242.03 ST11 356.93 357.95 358.97 360.00 361.03 ST12 364.23 392.85 423.72 457.01 492.92 ST13 298.80 316.42 335.07 354.83 375.75 ST14 294.35 306.36 318.86 331.87 345.41 ST15 259.37 255.98 252.63 249.33 246.06 ST16 324.00 330.11 336.34 342.69 349.15 ST17 185.20 179.92 174.79 169.81 164.97 จากตารางที่ 3.102 พบว่า สถานี ST13 และ สถานี ST12 มีค่าคาดการณ์ปริมาณน้ำฝนสะสม เคลื่อนที่ 10 วัน สูงสุดรายปีสูงกว่าสถานีอื่น ๆ เป็นสองลำดับแรก ตั้งแต่ปี 2566-2570 และพบว่า สถานี ST2 และสถานี ST3 มีค่าคาดการณ์ปริมาณน้ำฝนสะสมเคลื่อนที่ 10 วัน สูงสุดรายปีต่ำกว่าสถานีอื่น ๆ เป็น สองลำดับสุดท้าย ตั้งแต่ปี 2566-2570
ผลการวิจัย 301 การพัฒนาระบบสารสนเทศภูมิศาสตร์สำหรับการพยากรณ์ภัยแล้งสุดขีดเชิงพื้นที่ในลุ่มน้ำมูล เพื่อการบริหารจัดการน้ำพื้นที่ในและนอกเขตชลประทานสำหรับการเกษตรแม่นยำ ภาพที่ 3.101 ค่าคาดการณ์ปริมาณน้ำฝนสะสมเคลื่อนที่ 10 วัน สูงสุดรายปีจำแนกรายสถานี ด้วยแบบจำลองเกรย์
302 ผลการวิจัย Development of an Information System for Forecasting Spatial Extremely Drought in Mun-River Basin for Water management of Precision Agriculture 3) ผลการวิเคราะห์ด้วยทฤษฎีค่าสุดขีด Block Maxima รูปแบบของแบบจำลองการแจกแจง GEV ภายใต้กระบวนการคงที่ วิเคราะห์ข้อมูลที่มีค่าสุดขีดวิธีหนึ่ง ซึ่งเหมาะสำหรับการวิเคราะห์คำสุดขีดในช่วงเวลาที่มีคาบ เท่าๆ กัน เช่น รายสัปดาห์ รายเตือน รายสามเดือน หรือรายปี ซึ่งวิธีการเลือกข้อมูลที่นำมาใช้ในการวิเคราะห์ คือ เลือกข้อมูลที่มีค่าสูงสุดในแต่ละช่วงคาบเวลา โดยมีรูปแบบสมการของแบบจำลองการแจกแจง GEV ภายใต้กระบวนการคงที่ ดังตาราง 3.103 ตารางที่3.103 รูปแบบของแบบจำลองการแจกแจง GEV ภายใต้กระบวนการคงที่ ชื่อแบบจำลอง สมการของแบบจำลอง GEV00 = 0 , เป็นค่าคง , เป็นค่าคงที่ หรือ 0 รูปแบบของแบบจำลองการแจกแจง GEV ภายใต้กระบวนการไม่คงที่ การวิเคราะห์ค่าสุดขีดที่ได้รับอิทธิพล จากตัวแปรอื่น ๆ เช่น ข้อมูลมีการเปลี่ยนแปลงเมื่อเวลา เปลี่ยนไป หรือข้อมูลมีแนวโน้ม ซึ่งทำให้ข้อมูลที่นำมาวิเคราะห์เป็นข้อมูลที่อยู่ภายใต้กระบวนการไม่คงที่ การ วิเคราะห์ข้อมูลลักษณะนี้จะแตกต่างจากการวิเคราะห์ข้อมูลที่อยู่ภายใต้กระบวนการคงที่ โดยลักษณะข้อมูลที่ อยู่ภายใต้กระบวนการไม่คงที่ โดยมีรูปแบบสมการของแบบจำลองการแจกแจง GEV ภายใต้กระบวนการไม่ คงที่ ดังตาราง 3.104 ตารางที่3.104 รูปแบบของแบบจำลองการแจกแจง GEV ภายใต้กระบวนการไม่คงที่ ชื่อแบบจำลอง สมการของแบบจำลอง GEV01 0 1 0 = + − + ( 1) Year t , เป็นค่าคง , เป็นค่าคงที่ หรือ 0 GEV02 2 0 1 0 2 0 = + − + + − + ( 1) ( 1) Year t Year t , เป็นค่าคง , เป็นค่าคงที่ หรือ 0 GEV03 2 0 ( 1) 0 1 Year t e − − + = + , เป็นค่าคง , เป็นค่าคงที่ หรือ 0 GEV04 = 0 0 1 0 = + − + exp( ( 1)) Year t , เป็นค่าคงที่ หรือ 0 GEV05 0 1 0 = + − + ( 1) Year t 0 1 0 = + − + exp( ( 1)) Year t , เป็นค่าคงที่ หรือ 0 GEV06 2 0 1 0 2 0 = + − + + − + ( 1) ( 1) Year t Year t 0 1 0 = + − + exp( ( 1)) Year t , เป็นค่าคงที่ หรือ 0 GEV07 2 0 ( 1) 0 1 Year t e − − + = + 0 1 0 = + − + exp( ( 1)) Year t , เป็นค่าคงที่ หรือ 0 ในการวิจัยครั้งนี้ผู้วิจัยได้นำข้อมูลปริมาณน้ำฝนสะสมเคลื่อนที่ 10 วัน รายฤดูกาล โดยจำแนกข้อมูล ออกเป็น 2 แบบ มาวิเคราะห์ รายละเอียดผลการวิเคราะห์ดังนี้
ผลการวิจัย 303 การพัฒนาระบบสารสนเทศภูมิศาสตร์สำหรับการพยากรณ์ภัยแล้งสุดขีดเชิงพื้นที่ในลุ่มน้ำมูล เพื่อการบริหารจัดการน้ำพื้นที่ในและนอกเขตชลประทานสำหรับการเกษตรแม่นยำ 3.1) การคาดการณ์ปริมาณน้ำฝนสะสมเคลื่อนที่ 10 วัน ต่ำสุด รายปี รูปแบบของแบบจำลองการแจกแจง GEV ภายใต้กระบวนการไม่คงที่ โดยแสดงค่าประมาณ พารามิเตอร์ ของตัวแบบที่เหมาะสมจากค่า AIC และการทดสอบภาวะสารูปสนิทดีจากสถิติทดสอบ KS-test ของแบบจำลองปริมาณน้ำฝนสะสมเคลื่อนที่ 10 วัน ต่ำสุด รายปีดังตาราง 3.105 ตารางที่ 3.105 รูปแบบของแบบจำลองที่เหมาะสม และค่าประมาณพารามิเตอร์ ค่า AIC และค่า BIC ภายใต้ กระบวนการไม่คงที่ สำหรับข้อมูลปริมาณน้ำฝนสะสมเคลื่อนที่ 10 วัน ต่ำสุด รายปี รหัส สถานี รูปแบบของ แบบจำลอง ที่เหมาะสม ค่าประมาณพารามิเตอร์ AIC BIC KS-test (p-value) ST1 GEV00 ˆ = 0.10, ˆ = 1.68*10-16 , ˆ = 2.28 -319.34 -314.35 0.49 ST2 GEV00 ˆ = 0.10, ˆ = 8.90*10-16 , ˆ = 3.16 -421.30 -416.31 0.46 ST3 GEV02 0 ˆ = 0.10, 1 ˆ = 2.44*10-17 , 2 ˆ =-6.78*10-19 , ˆ = 1.43*10-16 , ˆ = 0.57 -573.41 -568.42 0.54 ST4 GEV03 0 ˆ = 0.12, 1 ˆ = 0.18, 2 ˆ = 0.001, ˆ = 0.06, ˆ = 0.52 -42.82 -37.83 0.69 ST5 GEV03 0 ˆ = 0.10, 1 ˆ = -4.26*10-16 , 2 ˆ =-2.68*10-17 , ˆ = 1.86*10-16 , ˆ = 0.52 -41.39 -36.40 0.28 ST6 GEV00 ˆ = 0.10, ˆ = 5.59*10-17 , ˆ = 1.65 -746.43 -741.44 0.51 ST7 GEV00 ˆ = 0.10, ˆ = 5.11*10-18 , ˆ = 1.10 -719.19 -714.20 0.56 ST8 GEV00 ˆ = 0.10, ˆ = 3.88*10-19 , ˆ = 1.93 -261.14 -256.15 0.43 ST9 GEV01 0 ˆ = 0.10, 1 ˆ = 5.18*10-17 , ˆ = 8.88*10-14 , ˆ = 4.17 -28.07 -23.08 0.27 ST10 GEV01 0 ˆ = 0.10, 1 ˆ = 4.25*10-17 , ˆ = 2.90E-15, ˆ = 2.13 -44.60 -39.61 0.29 ST11 GEV00 ˆ = 0.10, ˆ = 5.67*10-17 , ˆ = 1.73 - 1118.57 - 1113.58 0.51 ST12 GEV00 ˆ = 0.10, ˆ = 7.44*10-18 , ˆ = 1.28 -382.04 -377.05 0.56 ST13 GEV01 0 ˆ = 0.10, 1 ˆ = 1.36*10-19 , ˆ = 1.48*10-16 , ˆ = 2.57 -812.62 -807.63 0.54 ST14 GEV00 ˆ = 0.10, ˆ = 7.12*10-17 , ˆ = 2.45 - 1038.52 - 1033.53 0.49 ST15 GEV01 0 ˆ = 0.10, 1 ˆ = 1.14*10-18 , ˆ = 1.26*10-16 , ˆ = 2.19 -470.07 -465.08 0.49 ST16 GEV00 ˆ = 0.10, ˆ = 1.59*10-16 , ˆ = 1.94 -276.71 -271.72 0.49 ST17 GEV01 0 ˆ = 0.10 , 1 ˆ = 4.10*10-17 , ˆ = 4.36*10-15 , ˆ = 1.90 -492.62 -487.63 0.44
304 ผลการวิจัย Development of an Information System for Forecasting Spatial Extremely Drought in Mun-River Basin for Water management of Precision Agriculture จากตารางที่ 3.105 เมื่อพิจารณารูปแบบของพารามิเตอร์ที่เหมาะสมในแต่ละสถานี พบว่า รูปแบบของ พารามิเตอร์ ภายใต้กระบวนการไม่คงที่ที่เหมาะสม ส่วนใหญ่ คือ รูปแบบ GEV03 จำนวน 9 สถานี รองลงมา คือ รูปแบบ GEV07 จำนวน 3 สถานี ที่เหมาะสมกับข้อมูลปริมาณน้ำฝนสะสมเคลื่อนที่ 10 วัน ต่ำสุด รายปี ทั้งนี้ ผู้วิจัยได้วิเคราะห์ระดับการเกิดซ้ำของข้อมูลปริมาณน้ำฝนสะสมเคลื่อนที่ 10 วัน ต่ำสุด รายปี ด้วยแบบจำลองที่เหมาะสม ในคาบย้อนพินิจ 2 5 25 50 และ 100 ปี ผลแสดงดังตารางที่ 3.106 ตารางที่ 3.106 ระดับการเกิดซ้ำของข้อมูลปริมาณน้ำฝนสะสมเคลื่อนที่ 10 วัน ต่ำสุด รายปี สถานี คาบย้อนพินิจ(ปี) 2 5 25 50 100 ST1 0.10 0.10 0.10 0.10 0.10 ST2 0.10 0.10 0.10 0.10 0.10 ST3 0.1 0.1 0.1 0.1 0.1 ST4 0.32 0.42 0.75 1.00 1.35 ST5 0.10 0.10 0.10 0.10 0.10 ST6 0.10 0.10 0.10 0.10 0.10 ST7 0.10 0.10 0.10 0.10 0.10 ST8 0.19 0.42 1.64 2.97 5.42 ST9 0.17 0.31 0.62 0.80 1.02 ST10 0.10 0.10 0.10 0.10 0.10 ST11 0.10 0.10 0.10 0.10 0.10 ST12 0.10 0.10 0.10 0.10 0.10 ST13 0.10 0.10 0.10 0.10 0.10 ST14 0.10 0.10 0.10 0.10 0.10 ST15 0.10 0.10 0.10 0.10 0.10 ST16 0.10 0.10 0.10 0.10 0.10 ST17 0.12 0.18 0.27 0.31 0.35 จากตารางที่ 3.106 พบว่า ระดับการเกิดซ้ำของข้อมูลปริมาณน้ำฝนสะสมเคลื่อนที่ 10 วัน ต่ำสุด รายปี ในทุกสถานีมีระดับการเกิดซ้ำของปริมาณน้ำฝนสะสมเคลื่อนที่ 10 วัน ต่ำสุด รายปี เมื่อคาบย้อนพินิจมีค่า เพิ่มขึ้น ดังนั้น สามารถสรุประดับการเกิดปริมาณน้ำฝนสะสมเคลื่อนที่ 10 วัน ซ้ำ ในรอบคาบย้อนพินิจต่าง ๆ ดังภาพที่ 3.99
ผลการวิจัย 305 การพัฒนาระบบสารสนเทศภูมิศาสตร์สำหรับการพยากรณ์ภัยแล้งสุดขีดเชิงพื้นที่ในลุ่มน้ำมูล เพื่อการบริหารจัดการน้ำพื้นที่ในและนอกเขตชลประทานสำหรับการเกษตรแม่นยำ ระดับการเกิดซ้ำ ในคาบย้อนพินิจ 2 ปี ระดับการเกิดซ้ำ ในคาบย้อนพินิจ 5 ปี ระดับการเกิดซ้ำ ในคาบย้อนพินิจ 25 ปี ระดับการเกิดซ้ำ ในคาบย้อนพินิจ 50 ปี ระดับการเกิดซ้ำ ในคาบย้อนพินิจ 100 ปี ภาพที่ 3.102 แผนที่ค่าประมาณระดับการเกิดซ้ำ ในคาบย้อนพินิจ 2 ปี 5 ปี 25 ปี50 ปี และ 100 ปี ของข้อมูลปริมาณน้ำฝนสะสมเคลื่อนที่ 10 วัน ต่ำสุด รายปี
306 ผลการวิจัย Development of an Information System for Forecasting Spatial Extremely Drought in Mun-River Basin for Water management of Precision Agriculture 3.2) การคาดการณ์ปริมาณน้ำฝนสะสมเคลื่อนที่ 10 วัน สูงสุด รายปี รูปแบบของแบบจำลองการแจกแจง GEV ภายใต้กระบวนการไม่คงที่ โดยแสดงค่าประมาณ พารามิเตอร์ ของตัวแบบที่เหมาะสมจากค่า AIC และการทดสอบภาวะสารูปสนิทดีจากสถิติทดสอบ KS-test ของแบบจำลองปริมาณน้ำฝนสะสมเคลื่อนที่ 10 วัน สูงสุด รายปี ดังตาราง 3.107 ตารางที่ 3.107 รูปแบบของแบบจำลองที่เหมาะสม และค่าประมาณพารามิเตอร์ ค่า AIC และค่า BIC ภายใต้ กระบวนการไม่คงที่ สำหรับข้อมูลปริมาณน้ำฝนสะสมเคลื่อนที่ 10 วัน สูงสุด รายปี รหัส สถานี รูปแบบของ แบบจำลอง ที่เหมาะสม ค่าประมาณพารามิเตอร์ AIC BIC KS-test (p-value) ST1 GEV00 ˆ = 160.80, ˆ = 37.92, ˆ = -0.04 410.90 415.89 0.97 ST2 GEV00 ˆ = 155.17, ˆ = 28.00, ˆ = 0.09 393.13 398.12 0.92 ST3 GEV00 ˆ = 177.52, ˆ = 47.12, ˆ = 0.09 433.75 438.74 0.95 ST4 GEV01 0 ˆ = 158.42, 1 ˆ = 0.98, ˆ = 44.65, ˆ = -0.28 414.86 421.51 0.98 ST5 GEV00 ˆ = 214.11, ˆ = 43.46, ˆ = -0.30 172.22 174.54 0.97 ST6 GEV03 0 ˆ = 175.90, 1 ˆ = 444.43, 2 ˆ = 0.59, ˆ = 39.19, ˆ = 0.01 419.83 428.15 0.78 ST7 GEV02 0 ˆ = 205.75, 1 ˆ = -1.65, 2 ˆ = 0.08, ˆ = 58.13, ˆ = -0.21 440.58 448.89 0.95 ST8 GEV00 ˆ = 213.79, ˆ = 49.51, ˆ = -0.01 432.83 437.83 0.38 ST9 GEV02 0 ˆ = 230.09, 1 ˆ = -4.88, 2 ˆ = 0.17, ˆ = 56.11, ˆ = 0.14 453.53 461.85 0.98 ST10 GEV00 ˆ = 233.50, ˆ = 60.25, ˆ = 0.05 451.32 456.31 0.99 ST11 GEV00 ˆ = 240.61, ˆ = 63.92, ˆ = 0.06 455.20 460.19 0.66 ST12 GEV00 ˆ = 172.80, ˆ = 54.46, ˆ = 0.08 444.34 449.34 0.79 ST13 GEV00 ˆ = 173.25, ˆ = 38.35, ˆ = -0.05 411.09 416.08 0.73 ST14 GEV00 ˆ = 169.26, ˆ = 36.39, ˆ = 0.26 420.87 425.86 0.85 ST15 GEV00 ˆ = 179.57, ˆ = 36.65, ˆ = 0.31 423.97 428.96 0.99 ST16 GEV00 ˆ = 203.59, ˆ = 38.93, ˆ = 0.29 427.64 432.63 0.98 ST17 GEV00 ˆ = 189.88, ˆ = 32.69, ˆ = 0.24 411.99 416.98 0.79
ผลการวิจัย 307 การพัฒนาระบบสารสนเทศภูมิศาสตร์สำหรับการพยากรณ์ภัยแล้งสุดขีดเชิงพื้นที่ในลุ่มน้ำมูล เพื่อการบริหารจัดการน้ำพื้นที่ในและนอกเขตชลประทานสำหรับการเกษตรแม่นยำ จากตารางที่ 3.107 เมื่อพิจารณารูปแบบของพารามิเตอร์ที่เหมาะสมในแต่ละสถานี พบว่า รูปแบบของ พารามิเตอร์ส่วนใหญ่ คือ รูปแบบภายใต้กระบวนการคงที่ GEV00 จำนวน 13 สถานี รองลงมาคือ รูปแบบ ภายใต้กระบวนการไม่คงที่ GEV02 จำนวน 2 สถานี ที่เหมาะสมกับข้อมูลปริมาณน้ำฝนสะสมเคลื่อนที่ 10 วัน สูงสุด รายปี ทั้งนี้ ผู้วิจัยได้วิเคราะห์ระดับการเกิดซ้ำของข้อมูลปริมาณน้ำฝนสะสมเคลื่อนที่ 10 วัน สูงสุด รายปี ด้วยแบบจำลองที่เหมาะสม ในคาบย้อนพินิจ 2 5 25 50 และ 100 ปี ผลแสดงดังตารางที่ 3.108 ตารางที่ 3.108 ระดับการเกิดซ้ำของข้อมูลปริมาณน้ำฝนสะสมเคลื่อนที่ 10 วันสูงสุด รายปี สถานี คาบย้อนพินิจ(ปี) 2 5 25 50 100 ST1 195.20 253.29 351.91 397.26 445.13 ST2 167.49 202.23 258.41 283.23 308.80 ST3 174.59 215.86 274.01 296.86 318.85 ST4 187.51 232.50 287.77 307.05 324.37 ST5 193.29 233.92 276.02 288.63 299.04 ST6 207.00 257.39 341.07 378.86 418.31 ST7 231.04 289.74 367.28 396.09 422.94 ST8 231.86 287.93 371.65 406.20 440.43 ST9 247.55 325.15 449.81 504.54 560.76 ST10 255.78 327.49 443.07 493.97 546.34 ST11 268.36 348.65 479.77 538.14 598.59 ST12 193.06 259.78 372.27 423.69 477.78 ST13 189.38 234.23 298.96 324.92 350.21 ST14 183.26 236.14 351.60 416.69 494.34 ST15 195.12 251.32 380.09 455.49 547.55 ST16 218.70 276.92 409.41 486.58 580.51 ST17 202.41 249.08 348.21 402.89 467.27 จากตารางที่ 3.108 พบว่า ระดับการเกิดซ้ำของข้อมูลปริมาณน้ำฝนสะสมเคลื่อนที่ 10 วัน สูงสุด รายปี ในสถานี ST11 และ ST16 มีระดับการเกิดซ้ำของค่าปริมาณน้ำฝนสะสมเคลื่อนที่ 10 วัน สูงสุด รายปี เมื่อ คาบย้อนพินิจมีค่าเพิ่มขึ้น ดังนั้น สามารถสรุประดับการเกิดปริมาณน้ำฝนสะสมเคลื่อนที่ 10 วัน ซ้ำ ในรอบ คาบย้อนพินิจต่าง ๆ ดังภาพที่ 3.92
308 ผลการวิจัย Development of an Information System for Forecasting Spatial Extremely Drought in Mun-River Basin for Water management of Precision Agriculture ระดับการเกิดซ้ำ ในคาบย้อนพินิจ 2 ปี ระดับการเกิดซ้ำ ในคาบย้อนพินิจ 5 ปี ระดับการเกิดซ้ำ ในคาบย้อนพินิจ 25 ปี ระดับการเกิดซ้ำ ในคาบย้อนพินิจ 50 ปี ระดับการเกิดซ้ำ ในคาบย้อนพินิจ 100 ปี ภาพที่ 3.103 แผนที่ค่าประมาณระดับการเกิดซ้ำ ในคาบย้อนพินิจ 2 ปี 5 ปี 25 ปี50 ปี และ 100 ปี ของข้อมูลปริมาณน้ำฝนสะสมเคลื่อนที่ 10 วัน สูงสุด รายปี
ผลการวิจัย 309 การพัฒนาระบบสารสนเทศภูมิศาสตร์สำหรับการพยากรณ์ภัยแล้งสุดขีดเชิงพื้นที่ในลุ่มน้ำมูล เพื่อการบริหารจัดการน้ำพื้นที่ในและนอกเขตชลประทานสำหรับการเกษตรแม่นยำ 4.4 ผลการวิเคราะห์แบบจำลองปริมาณน้ำฝนสะสมเคลื่อนที่ 7 วัน สำหรับวิธีการที่นำมาใช้ในการวิเคราะห์ปริมาณน้ำฝนสะสมเคลื่อนที่ 7 วัน สามารถสรุปได้ดังนี้ 4.4.1 การวิเคราะห์ปริมาณน้ำฝนสะสมเคลื่อนที่ 7 วัน (รายวัน) 1) ผลการวิเคราะห์ด้วยสถิติเชิงพรรณนา ตารางที่3.109 ค่าสถิติพื้นฐานของปริมาณน้ำฝนสะสมเคลื่อนที่ราย 7 วัน จำแนกตามสถานี รหัส เรียก Q(0.25) Q(0.50) ค่าเฉลี่ย Q(0.75) ค่าสูงสุด ส่วนเบี่ยงเบน มาตรฐาน ค่าความเบ้ ค่าความโด่ง ST1 4.90 19.20 31.79 44.80 313.90 37.63 2.24 9.98 ST2 5.60 18.30 29.50 42.50 232.80 32.68 1.82 6.97 ST3 7.10 20.30 30.76 43.30 314.10 32.92 2.00 8.82 ST4 13.20 29.80 38.19 52.40 280.90 34.51 1.86 8.24 ST5 7.10 22.60 33.33 47.00 286.40 35.70 1.89 7.78 ST6 7.88 25.80 39.31 57.50 334.40 41.43 1.76 7.15 ST7 8.10 27.10 40.46 58.40 331.40 43.02 1.88 8.16 ST8 8.50 27.20 40.77 59.40 449.70 43.46 2.04 9.77 ST9 8.88 29.80 44.19 63.20 428.10 48.65 2.20 10.45 ST10 10.00 31.70 48.05 70.90 434.90 51.41 1.82 7.61 ST11 9.00 31.10 47.13 68.90 613.10 51.61 2.29 13.25 ST12 6.55 21.00 34.53 49.85 508.90 39.54 2.57 16.49 ST13 6.80 24.30 36.18 54.30 305.40 38.03 1.79 7.67 ST14 6.80 23.05 35.32 51.38 450.80 39.24 2.35 13.06 ST15 7.30 25.90 38.89 57.50 508.90 42.45 2.36 14.36 ST16 7.60 26.10 40.05 58.50 607.20 45.29 2.63 17.84 ST17 8.20 26.90 39.99 58.50 300.40 42.09 1.74 7.08