360 ผลการวิจัย Development of an Information System for Forecasting Spatial Extremely Drought in Mun-River Basin for Water management of Precision Agriculture รหัส สถานี รูปแบบของ แบบจำลอง ที่เหมาะสม ค่าประมาณพารามิเตอร์ AIC BIC KS-test (p-value) ST12 GEV06 0 ˆ = 0.08, 1 ˆ = 0.01, 2 ˆ =-0.00003, 0 ˆ = 0.39, 1 ˆ =-0.0003, ˆ = 0.72 1731.58 1755.69 0.38 ST13 GEV00 ˆ = 0.54, ˆ = 0.74, ˆ = 1.35 1640.27 1652.33 0.55 ST14 GEV01 0 ˆ = 0.57, 1 ˆ = -0.0001, ˆ = 0.78, ˆ = 1.48 1746.344 1762.457 0.61 ST15 GEV00 ˆ = 0.70, ˆ = 1.00, ˆ = 1.35 1863.30 1875.34 0.46 ST16 GEV07 0 ˆ = 0.91, 1 ˆ = -3.33, 2 ˆ =-0.001, 0 ˆ = 0.17, 1 ˆ =-0.002, ˆ = 1.23 1629.87 1653.94 0.56 ST17 GEV00 ˆ = 0.60, ˆ = 0.83, ˆ = 1.37 1710.91 1722.91 0.62 จากตารางที่ 3.137 เมื่อพิจารณารูปแบบของพารามิเตอร์ที่เหมาะสมในแต่ละสถานี พบว่า รูปแบบของ พารามิเตอร์ภายใต้กระบวนการคงที่และไม่คงที่ที่เหมาะสม ส่วนใหญ่ คือ รูปแบบ GEV00 จำนวน 5 สถานี รองลงมาคือ รูปแบบ GEV05 จำนวน 3 สถานี ที่เหมาะสมกับข้อมูลปริมาณน้ำฝนสะสมเคลื่อนที่ 7 วัน ต่ำสุด รายเดือน
ผลการวิจัย 361 การพัฒนาระบบสารสนเทศภูมิศาสตร์สำหรับการพยากรณ์ภัยแล้งสุดขีดเชิงพื้นที่ในลุ่มน้ำมูล เพื่อการบริหารจัดการน้ำพื้นที่ในและนอกเขตชลประทานสำหรับการเกษตรแม่นยำ ทั้งนี้ ผู้วิจัยได้วิเคราะห์ระดับการเกิดซ้ำของข้อมูลปริมาณน้ำฝนสะสมเคลื่อนที่ 7 วัน ต่ำสุด รายเดือน ด้วยแบบจำลองที่เหมาะสม ในคาบย้อนพินิจ 2 5 25 50 และ 100 ปี ผลแสดงดังตารางที่ 3.138 ตารางที่ 3.138 ระดับการเกิดซ้ำของข้อมูลปริมาณน้ำฝนสะสมเคลื่อนที่ 7 วัน ต่ำสุด รายเดือน สถานี คาบย้อนพินิจ(ปี) 2 5 25 50 100 ST1 0.59 2.70 26.44 68.02 173.77 ST2 0.41 2.01 24.55 69.83 197.31 ST3 0.57 3.26 47.29 143.74 433.50 ST4 1.12 3.95 25.53 55.24 118.80 ST5 0.10 0.10 0.10 0.10 0.10 ST6 1.26 5.28 42.43 100.15 234.76 ST7 6.75 10.21 67.54 193.87 575.12 ST8 84.07 87.09 123.00 187.95 357.12 ST9 1.19 6.24 72.71 200.72 549.85 ST10 15.33 21.81 136.29 397.86 1209.33 ST11 0.72 4.96 9.599 32.81 111.18 ST12 0.77 3.77 16.63 28.65 48.39 ST13 0.89 4.15 41.41 107.29 276.06 ST14 0.90 4.84 59.82 169.53 476.80 ST15 1.17 5.55 55.35 143.11 367.36 ST16 2.85 4.75 14.87 42.59 107.57 ST17 1.00 4.73 48.60 127.55 332.36 จากตารางที่ 3.138 พบว่า ระดับการเกิดซ้ำของข้อมูลปริมาณน้ำฝนสะสมเคลื่อนที่ 7 วัน ต่ำสุด รายเดือน ในสถานี ST5 ST16 และ ST11 มีระดับการเกิดซ้ำของค่าปริมาณน้ำฝนสะสมเคลื่อนที่ 7 วัน ต่ำสุด รายเดือน เมื่อคาบย้อนพินิจมีค่าเพิ่มขึ้น สามารถสรุประดับการเกิดปริมาณน้ำฝนสะสมเคลื่อนที่ 7 วัน ซ้ำ ใน รอบคาบย้อนพินิจต่าง ๆ ดังภาพที่ 3.137
362 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 3.127 แผนที่ค่าประมาณระดับการเกิดซ้ำ ในคาบย้อนพินิจ 2 ปี 5 ปี 25 ปี50 ปี และ 100 ปี ของข้อมูลปริมาณน้ำฝนสะสมเคลื่อนที่ 7 วัน ต่ำสุด รายเดือน
ผลการวิจัย 363 การพัฒนาระบบสารสนเทศภูมิศาสตร์สำหรับการพยากรณ์ภัยแล้งสุดขีดเชิงพื้นที่ในลุ่มน้ำมูล เพื่อการบริหารจัดการน้ำพื้นที่ในและนอกเขตชลประทานสำหรับการเกษตรแม่นยำ 4.2) การคาดการณ์ปริมาณน้ำฝนสะสมเคลื่อนที่ 7 วัน สูงสุด รายเดือน รูปแบบของแบบจำลองการแจกแจง GEV ภายใต้กระบวนการไม่คงที่ โดยแสดงค่าประมาณ พารามิเตอร์ ของตัวแบบที่เหมาะสมจากค่า AIC และการทดสอบภาวะสารูปสนิทดีจากสถิติทดสอบ KS-test ของแบบจำลองปริมาณน้ำฝนสะสมเคลื่อนที่ 7 วัน สูงสุด รายเดือน ดังตาราง 3.139 ตารางที่ 3.139 รูปแบบของแบบจำลองที่เหมาะสม และค่าประมาณพารามิเตอร์ ค่า AIC และค่า BIC ภายใต้ กระบวนการไม่คงที่ สำหรับข้อมูลปริมาณน้ำฝนสะสมเคลื่อนที่ 7 วัน สูงสุด รายเดือน รหัสสถานี รูปแบบของ แบบจำลอง ที่เหมาะสม ค่าประมาณพารามิเตอร์ AIC BIC KS-test (p-value) ST1 GEV00 ˆ = 42.15, ˆ = 35.74, ˆ = 0.08 4478.12 4490.31 0.99 ST2 GEV00 ˆ = 39.01, ˆ = 36.52, ˆ = 0.08 4468.39 4480.56 0.68 ST3 GEV00 ˆ = 38.02, ˆ = 38.62, ˆ = 0.22 4547.50 4559.65 0.72 ST4 GEV00 ˆ = 41.32, ˆ = 39.38, ˆ = 0.11 4505.57 4517.72 0.94 ST5 GEV00 ˆ = 42.86, ˆ = 44.10, ˆ = 0.24 1876.89 1886.30 0.98 ST6 GEV00 ˆ = 48.99, ˆ = 47.36, ˆ = 0.07 4379.46 4391.43 0.87 ST7 GEV00 ˆ = 48.50, ˆ = 48.10, ˆ = 0.07 4591.05 4603.15 0.65 ST8 GEV00 ˆ = 45.47, ˆ = 46.11, ˆ = 0.17 4545.30 4557.37 0.97 ST9 GEV01 0 ˆ = 53.74, 1 ˆ = -0.04, ˆ = 48.26, ˆ = 0.24 4467.78 4483.74 0.92 ST10 GEV00 ˆ = 48.28, ˆ = 53.16, ˆ = 0.24 4671.18 4683.23 0.98 ST11 GEV00 ˆ = 49.54, ˆ = 52.34, ˆ = 0.22 4579.12 4591.12 0.61 ST12 GEV00 ˆ = 40.04, ˆ = 40.27, ˆ = 0.21 4437.45 4449.51 0.96 ST13 GEV00 ˆ = 46.19, ˆ = 44.40, ˆ = 0.02 4446.20 4458.26 0.99 ST14 GEV00 ˆ = 39.34, ˆ = 39.76, ˆ = 0.19 4464.41 4476.50 0.99 ST15 GEV00 ˆ = 45.35, ˆ = 45.47, ˆ = 0.15 4490.45 4502.49 0.58 ST16 GEV00 ˆ = 46.63, ˆ = 47.34, ˆ = 0.19 4527.93 4539.96 0.97 ST17 GEV00 ˆ = 46.76, ˆ = 46.22, ˆ = 0.12 4435.66 4447.66 0.88 จากตารางที่ 3.139 เมื่อพิจารณารูปแบบของพารามิเตอร์ที่เหมาะสมในแต่ละสถานีพบว่า ส่วนใหญ่ รูปแบบของพารามิเตอร์อยู่ภายใต้กระบวนการคงที่ หรือ รูปแบบ GEV00 จำนวน 16 สถานี รองลงมาคือ ภายใต้กระบวนการไม่คงที่ คือ รูปแบบ GEV03 จำนวน 1 สถานี ที่เหมาะสมกับข้อมูลปริมาณน้ำฝนสะสม เคลื่อนที่ 7 วัน สูงสุด รายเดือน
364 ผลการวิจัย Development of an Information System for Forecasting Spatial Extremely Drought in Mun-River Basin for Water management of Precision Agriculture ทั้งนี้ ผู้วิจัยได้วิเคราะห์ระดับการเกิดซ้ำของข้อมูลปริมาณน้ำฝนสะสมเคลื่อนที่ 7 วัน สูงสุด รายเดือน ด้วยแบบจำลองที่เหมาะสม ในคาบย้อนพินิจ 2 5 25 50 และ 100 ปี ผลแสดงดังตารางที่ 3.140 ตารางที่ 3.140 ระดับการเกิดซ้ำของข้อมูลปริมาณน้ำฝนสะสมเคลื่อนที่ 7 วัน สูงสุด รายเดือน สถานี คาบย้อนพินิจ(ปี) 2 5 25 50 100 ST1 172.28 226.08 306.69 340.07 373.20 ST2 149.47 179.05 217.11 230.93 243.65 ST3 148.28 188.67 254.71 284.14 314.63 ST4 156.21 199.92 261.81 286.23 309.79 ST5 165.06 206.16 257.14 275.07 291.27 ST6 183.97 229.11 298.23 327.37 356.61 ST7 181.53 237.19 343.49 397.32 457.50 ST8 192.71 247.41 348.78 398.86 454.04 ST9 212.89 282.11 391.17 438.29 486.23 ST10 222.11 286.72 384.30 424.98 465.51 ST11 224.09 292.11 403.94 454.01 506.03 ST12 168.72 228.10 329.28 375.94 425.28 ST13 165.89 207.17 271.39 298.83 326.59 ST14 160.54 209.59 317.38 378.45 451.54 ST15 170.58 224.78 327.12 378.47 435.56 ST16 188.09 241.16 378.07 465.97 579.58 ST17 172.28 220.31 347.98 431.85 541.83 จากตารางที่ 3.140 พบว่า ระดับการเกิดซ้ำของข้อมูลปริมาณน้ำฝนสะสมเคลื่อนที่ 7 วัน สูงสุด ราย เดือน ในสถานีST16 ST17 และ ST11 ที่มีระดับการเกิดซ้ำของค่าปริมาณน้ำฝนสะสมเคลื่อนที่ 7 วัน สูงสุด รายเดือน เมื่อคาบย้อนพินิจมีค่าเพิ่มขึ้น สามารถสรุประดับการเกิดปริมาณน้ำฝนสะสมเคลื่อนที่ 7 วัน ซ้ำ ใน รอบคาบย้อนพินิจต่าง ๆ ดังภาพที่ 3.122
ผลการวิจัย 365 การพัฒนาระบบสารสนเทศภูมิศาสตร์สำหรับการพยากรณ์ภัยแล้งสุดขีดเชิงพื้นที่ในลุ่มน้ำมูล เพื่อการบริหารจัดการน้ำพื้นที่ในและนอกเขตชลประทานสำหรับการเกษตรแม่นยำ ระดับการเกิดซ้ำ ในคาบย้อนพินิจ 2 ปี ระดับการเกิดซ้ำ ในคาบย้อนพินิจ 5 ปี ระดับการเกิดซ้ำ ในคาบย้อนพินิจ 25 ปี ระดับการเกิดซ้ำ ในคาบย้อนพินิจ 50 ปี ระดับการเกิดซ้ำ ในคาบย้อนพินิจ 100 ปี ภาพที่ 3.128 แผนที่ค่าประมาณระดับการเกิดซ้ำ ในคาบย้อนพินิจ 2 ปี 5 ปี 25 ปี50 ปี และ 100 ปี ของข้อมูลปริมาณน้ำฝนสะสมเคลื่อนที่ 7 วัน สูงสุด รายเดือน
366 ผลการวิจัย Development of an Information System for Forecasting Spatial Extremely Drought in Mun-River Basin for Water management of Precision Agriculture 4.4.3 การวิเคราะห์ปริมาณน้ำฝนสะสมเคลื่อนที่ 7 วัน ต่ำสุด และสูงสุด รายฤดูกาล 1) ผลการวิเคราะห์ด้วยสถิติพรรณนา ตารางที่3.141 รายละเอียดผลการวิเคราะห์ปริมาณน้ำฝนสะสมเคลื่อนที่ 7 วัน เบื้องต้น รหัส สถานี ปี เดือน วัน วันที่มี ปริมาณ น้ำฝน สะสม เคลื่อนที่ 10 วัน วันที่ไม่มี ปริมาณ น้ำฝนสะสม เคลื่อนที่ 7 วัน ค่าเฉลี่ย ปริมาณ น้ำฝนสะสม เคลื่อนที่ 7 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
ผลการวิจัย 367 การพัฒนาระบบสารสนเทศภูมิศาสตร์สำหรับการพยากรณ์ภัยแล้งสุดขีดเชิงพื้นที่ในลุ่มน้ำมูล เพื่อการบริหารจัดการน้ำพื้นที่ในและนอกเขตชลประทานสำหรับการเกษตรแม่นยำ 2) ผลการวิเคราะห์ด้วยการเรียนรู้ด้วยเครื่อง (ML) ต่ำสุดและสูงสุดรายฤดูกาล ผู้วิจัยได้วิเคราะห์ปริมาณน้ำฝนสะสมเคลื่อนที่ 7 วัน ต่ำสุดรายฤดูกาล ด้วยการเรียนรู้ของเครื่อง หรือ Machine Learning โดยแบ่งข้อมูลออกเป็น 3 กลุ่ม ตามลักษณะลุ่มน้ำ ได้แก่ ลุ่มน้ำมูลส่วนที่ 1 ลุ่มน้ำมูล ส่วนที่ 2 และ ลุ่มน้ำมูลส่วนที่ 3 รายละเอียดดังต่อไปนี้ ลุ่มน้ำมูลส่วนที่ 1 คำอธิบาย ภาพที่ 3.129 ค่าคาดการณ์การคาดการณ์ปริมาณน้ำฝนสะสมเคลื่อนที่ 7 วัน ค่าต่ำสุดรายฤดูกาล ของลุ่มน้ำมูลส่วนที่ 1 ด้วย ML จากภาพ พบว่า สถานี ST01 ST02 มีค่าคาดการณ์ปริมาณ น้ำฝนสะสมเคลื่อนที่ 7 วัน ในช่วงเดือนกุมภาพันธ์ ปี พ.ศ. 2566 และในช่วงเดือน พฤศจิกายน ปี พ.ศ. 2566 จนถึง เดือนกุมภาพันธ์ ปี พ.ศ.2567 ต่ำ กว่าสถานีอื่น ๆ ทั้งนี้การแจกแจงของปริมาณ น้ำฝนต่ำสุดสะสมเคลื่อนที่ 7 วัน ของแต่ละสถานีในลุ่มน้ำมูลส่วน ที่ 1 ส่วนใหญ่เป็นการแจกแจงที่ มีลักษณะหางหนักด้านขวา (Right heavy-tailed distribution) และมีสถานี ST12 ที่มีลักษณะเป็นการแจกแจงที่มี ลักษณะ Mixed distribution
368 ผลการวิจัย Development of an Information System for Forecasting Spatial Extremely Drought in Mun-River Basin for Water management of Precision Agriculture ลุ่มน้ำมูลส่วนที่ 2 คำอธิบาย ภาพที่ 3.130 ค่าคาดการณ์การคาดการณ์ปริมาณน้ำฝนสะสมเคลื่อนที่ 7 วัน ค่าต่ำสุดรายฤดูกาล ของลุ่มน้ำมูลส่วนที่ 2 ด้วย ML จากภาพ พบว่า สถานี ST08 และ ST13 มีค่าคาดการณ์ ปริมาณน้ำฝนสะสมเคลื่อนที่ 7 วัน ในช่วงเดือนกุมภาพันธ์ ปี พ.ศ. 2566 และในช่วงเดือน พฤศจิกายน ปี พ.ศ. 2566 จนถึง เดือนกุมภาพันธ์ ปี พ.ศ.2567 ต่ำ กว่าสถานีอื่น ๆ ทั้งนี้การแจกแจงของปริมาณ น้ำฝนต่ำสุดสะสมเคลื่อนที่ 7 วัน ของแต่ละสถานีในลุ่มน้ำมูลส่วน ที่ 2 ส่วนใหญ่เป็นการแจกแจงที่ มีลักษณะหางหนักด้านขวา ( Right heavy-tailed distribution) และมีสถานี ST06 และ ST07 ที่มีลักษณะเป็นการ แจกแจงที่มีลักษณะ Mixed distribution
ผลการวิจัย 369 การพัฒนาระบบสารสนเทศภูมิศาสตร์สำหรับการพยากรณ์ภัยแล้งสุดขีดเชิงพื้นที่ในลุ่มน้ำมูล เพื่อการบริหารจัดการน้ำพื้นที่ในและนอกเขตชลประทานสำหรับการเกษตรแม่นยำ ลุ่มน้ำมูลส่วนที่ 3 คำอธิบาย ภาพที่ 3.131 ค่าคาดการณ์การคาดการณ์ปริมาณน้ำฝนสะสมเคลื่อนที่ 7 วัน ค่าต่ำสุดรายฤดูกาล ของลุ่มน้ำมูลส่วนที่ 3 ด้วย ML จากภาพ พบว่า สถานี ST11 มี ค่าคาดการณ์ปริมาณน้ำฝนสะสม เคลื่อนที่ 7 วัน ในช่วงเดือน พฤศจิกายน ปี พ.ศ. 2567 และ 2570 ต่ำกว่าสถานีอื่น ๆ ทั้งนี้การแจกแจงของปริมาณ น้ำฝนต่ำสุดสะสมเคลื่อนที่ 7 วัน ของแต่ละสถานีในลุ่มน้ำมูลส่วน ที่ 2 ส่วนใหญ่เป็นการแจกแจงที่ มีลักษณะหางหนักด้านขวา (Right heavy-tailed distribution) และมีสถานี ST06 และ ST11 ที่มีลักษณะเป็นการ แจกแจงที่มีลักษณะ Mixed distribution
370 ผลการวิจัย Development of an Information System for Forecasting Spatial Extremely Drought in Mun-River Basin for Water management of Precision Agriculture ผู้วิจัยได้วิเคราะห์ปริมาณน้ำฝนสะสมเคลื่อนที่ 7 วัน สูงสุดรายฤดูกาล ด้วยการเรียนรู้ของเครื่อง หรือ Machine Learning โดยแบ่งข้อมูลออกเป็น 3 กลุ่ม ตามลักษณะลุ่มน้ำ ได้แก่ ลุ่มน้ำมูลส่วนที่ 1 ลุ่มน้ำมูล ส่วนที่ 2 และ ลุ่มน้ำมูลส่วนที่ 3 รายละเอียดดังต่อไปนี้ ลุ่มน้ำมูลส่วนที่ 1 คำอธิบาย ภาพที่ 3.132 ค่าคาดการณ์การคาดการณ์ปริมาณน้ำฝนสะสมเคลื่อนที่ 7 วัน ค่าสูงสุดรายฤดูกาล ของลุ่มน้ำมูลส่วนที่ 1 ด้วย ML จากภาพ พบว่า สถานี ST01 ST02 มีค่าคาดการณ์ปริมาณ น้ำฝนสะสมสะสมเคลื่อนที่ 7 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 น้ำฝนต่ำสุดสะสมทุก ๆ 10 วัน ของแต่ละสถานีในลุ่มน้ำมูลส่วน ที่ 1 ส่วนใหญ่เป็นการแจกแจงที่ มีลักษณะหางหนักด้านขวา (Right heavy-tailed distribution) และมีสถานี ST12 ที่มีลักษณะเป็นการแจกแจงที่มี ลักษณะ Mixed distribution
ผลการวิจัย 371 การพัฒนาระบบสารสนเทศภูมิศาสตร์สำหรับการพยากรณ์ภัยแล้งสุดขีดเชิงพื้นที่ในลุ่มน้ำมูล เพื่อการบริหารจัดการน้ำพื้นที่ในและนอกเขตชลประทานสำหรับการเกษตรแม่นยำ ลุ่มน้ำมูลส่วนที่ 2 คำอธิบาย ภาพที่ 3.133 ค่าคาดการณ์การคาดการณ์ปริมาณน้ำฝนสะสมเคลื่อนที่ 7 วัน ค่าสูงสุดรายฤดูกาล ของลุ่มน้ำมูลส่วนที่ 2 ด้วย ML จากภาพ พบว่า สถานี ST08 และ ST13 มีค่าคาดการณ์ ปริมาณน้ำฝนสะสมเคลื่อนที่ 7 วัน ในช่วงเดือนกุมภาพันธ์ ปี พ.ศ. 2566 และในช่วงเดือน พฤศจิกายน ปี พ.ศ. 2566 จนถึง เดือนกุมภาพันธ์ ปี พ.ศ.2567 ต่ำ กว่าสถานีอื่น ๆ ทั้งนี้การแจกแจงของปริมาณ น้ำฝนต่ำสุดสะสมเคลื่อนที่ 7 วัน ของแต่ละสถานีในลุ่มน้ำมูลส่วน ที่ 2 ส่วนใหญ่เป็นการแจกแจงที่ มีลักษณะหางหนักด้านขวา ( Right heavy-tailed distribution) และมีสถานี ST06 และ ST07 ที่มีลักษณะเป็นการ แจกแจงที่มีลักษณะ Mixed distribution
372 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 3.134 ค่าคาดการณ์การคาดการณ์ปริมาณน้ำฝนสะสมเคลื่อนที่ 7 วัน ค่าสูงสุดรายฤดูกาล ของลุ่มน้ำมูลส่วนที่ 3 ด้วย ML จากภาพ พบว่า สถานี ST11 มี ค่าคาดการณ์ปริมาณน้ำฝนสะสม เคลื่อนที่ 7 วัน ในช่วงเดือน พฤศจิกายน ปี พ.ศ. 2567 และ 2570 ต่ำกว่าสถานีอื่น ๆ ทั้งนี้การแจกแจงของปริมาณ น้ำฝนต่ำสุดสะสมเคลื่อนที่ 7 วัน ของแต่ละสถานีในลุ่มน้ำมูลส่วน ที่ 2 ส่วนใหญ่เป็นการแจกแจงที่ มีลักษณะหางหนักด้านขวา ( Right heavy-tailed distribution) และมีสถานี ST06 และ ST11 ที่มีลักษณะเป็นการ แจกแจงที่มีลักษณะ Mixed distribution
ผลการวิจัย 373 การพัฒนาระบบสารสนเทศภูมิศาสตร์สำหรับการพยากรณ์ภัยแล้งสุดขีดเชิงพื้นที่ในลุ่มน้ำมูล เพื่อการบริหารจัดการน้ำพื้นที่ในและนอกเขตชลประทานสำหรับการเกษตรแม่นยำ 3) ผลการวิเคราะห์ด้วยทฤษฎีค่าสุดขีด Block Maxima รูปแบบของแบบจำลองการแจกแจง GEV ภายใต้กระบวนการคงที่ วิเคราะห์ข้อมูลที่มีค่าสุดขีดวิธีหนึ่ง ซึ่งเหมาะสำหรับการวิเคราะห์คำสุดขีดในช่วงเวลาที่มีคาบ เท่าๆ กัน เช่น รายสัปดาห์ รายเตือน รายสามเดือน หรือรายปี ซึ่งวิธีการเลือกข้อมูลที่นำมาใช้ในการวิเคราะห์ คือ เลือกข้อมูลที่มีค่าสูงสุดในแต่ละช่วงคาบเวลา โดยมีรูปแบบสมการของแบบจำลองการแจกแจง GEV ภายใต้กระบวนการคงที่ ดังตาราง 3.142 ตารางที่3.142 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 3.143 ตารางที่3.143 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
374 ผลการวิจัย Development of an Information System for Forecasting Spatial Extremely Drought in Mun-River Basin for Water management of Precision Agriculture ในการวิจัยครั้งนี้ผู้วิจัยได้นำข้อมูลปริมาณน้ำฝนสะสมเคลื่อนที่ 7 วัน รายฤดูกาล โดยจำแนกข้อมูลออกเป็น 2 แบบ มาวิเคราะห์ รายละเอียดผลการวิเคราะห์ดังนี้ 3.1) การคาดการณ์ปริมาณน้ำฝนสะสมเคลื่อนที่ 7 วัน ต่ำสุด รายฤดูกาล รูปแบบของแบบจำลองการแจกแจง GEV ภายใต้กระบวนการไม่คงที่ โดยแสดงค่าประมาณ พารามิเตอร์ ของตัวแบบที่เหมาะสมจากค่า AIC และการทดสอบภาวะสารูปสนิทดีจากสถิติทดสอบ KS-test (แสดงในภาคผนวก ข ตารางที่ ข.1) ของแบบจำลองปริมาณน้ำฝนสะสมเคลื่อนที่ 7 วัน ต่ำสุด รายฤดูกาล ดังตาราง 3.144 ตารางที่ 3.144 รูปแบบของแบบจำลองที่เหมาะสม และค่าประมาณพารามิเตอร์ ค่า AIC และค่า BIC ภายใต้ กระบวนการไม่คงที่ สำหรับข้อมูลปริมาณน้ำฝนสะสมเคลื่อนที่ 7 วัน ต่ำสุด รายฤดูกาล รหัส สถานี รูปแบบของ แบบจำลอง ที่เหมาะสม ค่าประมาณพารามิเตอร์ AIC BIC KS-test (p-value) ST1 GEV03 0 ˆ = 0.10, 1 ˆ = -0.65, 2 ˆ =-4.41*10-10 , ˆ = 8.25*10-5 , ˆ = 2.81 -72.91 -59.10 0.54 ST2 GEV02 0 ˆ = 0.10, 1 ˆ = 2.20*10-18 , 2 ˆ =-1.65*10-20 , ˆ = 7.88*10-15 , ˆ = 3.25 -539.95 -526.14 0.44 ST3 GEV05 0 ˆ =-1.19, 1 ˆ = 0.01, 0 ˆ = 0.70, 1 ˆ =-0.02, ˆ = 0.12 267.88 281.69 0.32 ST4 GEV02 0 ˆ = 0.21, 1 ˆ = 0.001, ˆ = 0.17, ˆ = 0.64 40.77 51.82 0.41 ST5 GEV02 0 ˆ = 0.10, 1 ˆ = 6.09*10-19 , ˆ = 1.23*10-16 , ˆ = 0.90 -161.70 -154.22 0.13 ST6 GEV05 0 ˆ = 0.10, 1 ˆ = -2.28E-08, 0 ˆ =-5.04, 1 ˆ =-0.09, ˆ = 5.29 31.14 44.95 0.73 ST7 GEV00 ˆ = 0.10, ˆ = 1.66*10-14 , ˆ = 4.48 -1424.86 -1416.57 0.68 ST8 GEV05 0 ˆ = 0.10, 1 ˆ = -1.24E-10, 0 ˆ =-1.81, 1 ˆ =-0.17, ˆ = 4.31 -67.72 -53.91 0.35 ST9 GEV05 0 ˆ = 0.28, 1 ˆ = -0.001, 0 ˆ =-1.18, 1 ˆ =-0.01, ˆ = 1.12 95.90 109.71 0.16 ST10 GEV05 0 ˆ = 0.10, 1 ˆ = -1.50E-08, 0 ˆ = 0.66, 1 ˆ =-0.14, ˆ = 2.98 15.93 29.74 0.14 ST11 GEV05 0 ˆ = 0.10, 1 ˆ = -3.66E-09, 0 ˆ =-2.22, 1 ˆ =-0.12, ˆ = 4.54 -392.75 -378.94 0.44
ผลการวิจัย 375 การพัฒนาระบบสารสนเทศภูมิศาสตร์สำหรับการพยากรณ์ภัยแล้งสุดขีดเชิงพื้นที่ในลุ่มน้ำมูล เพื่อการบริหารจัดการน้ำพื้นที่ในและนอกเขตชลประทานสำหรับการเกษตรแม่นยำ รหัส สถานี รูปแบบของ แบบจำลอง ที่เหมาะสม ค่าประมาณพารามิเตอร์ AIC BIC KS-test (p-value) ST12 GEV02 0 ˆ = 0.15, 1 ˆ = -0.001, 2 ˆ = 5.48*10-6 , ˆ = 0.08, ˆ = 1.35 5.93 19.74 0.32 ST13 GEV00 ˆ = 0.1, ˆ = 1.61*10-14 , ˆ = 4.35 -366.85 -358.57 0.69 ST14 GEV03 0 ˆ = 0.11, 1 ˆ = 0.46, 2 ˆ = 7.32*10-5 , ˆ = 0.05, ˆ = 2.29 -47.64 -33.83 0.69 ST15 GEV02 0 ˆ = 0.12, 1 ˆ = 0.001, 2 ˆ =-4.76*10-6 , ˆ = 0.10, ˆ = 1.90 84.34 98.15 0.45 ST16 GEV02 0 ˆ = 0.30, 1 ˆ = -3.75*10-6 , 2 ˆ =-1.12*10-5 , ˆ = 0.16, ˆ = 0.41 8.24 22.05 0.17 ST17 GEV00 ˆ = 0.10, ˆ = 3.91*10-15 , ˆ = 3.36 -366.85 -358.57 0.43 จากตารางที่ 3.144 เมื่อพิจารณารูปแบบของพารามิเตอร์ที่เหมาะสมในแต่ละสถานี พบว่า ส่วนใหญ่ รูปแบบของพารามิเตอร์ภายใต้กระบวนการไม่คงที่ที่เหมาะสม คือ รูปแบบ GEV02 จำนวน 7 สถานี รองลงมา คือ รูปแบบ GEV05 จำนวน 6 สถานี และรูปแบบ GEV03 จำนวน 1 สถานี ที่เหมาะสมกับข้อมูลปริมาณน้ำฝน สะสมเคลื่อนที่ 7 วัน ต่ำสุด รายฤดูกาล
376 ผลการวิจัย Development of an Information System for Forecasting Spatial Extremely Drought in Mun-River Basin for Water management of Precision Agriculture ทั้งนี้ ผู้วิจัยได้วิเคราะห์ระดับการเกิดซ้ำของข้อมูลปริมาณน้ำฝนสะสมเคลื่อนที่ 7 วัน ต่ำสุด ราย ฤดูกาล ด้วยแบบจำลองที่เหมาะสม ในคาบย้อนพินิจ 2 5 25 50 และ 100 ปี ผลแสดงดังตารางที่ 3.xx ตารางที่ 3.145 ระดับการเกิดซ้ำของข้อมูลปริมาณน้ำฝนสะสมเคลื่อนที่ 7 วัน ต่ำสุด รายฤดูกาล สถานี คาบย้อนพินิจ(ปี) 2 5 25 50 100 ST1 0.55 0.55 0.32 1.13 11.39 ST2 0.1 0.1 0.1 0.1 0.1 ST3 0.30 0.47 0.76 0.90 1.05 ST4 0.34 0.69 2.04 3.20 5.01 ST5 0.10 0.10 0.10 0.10 0.10 ST6 0.10 0.10 0.61 2.13 8.54 ST7 0.10 0.10 0.10 0.10 0.10 ST8 0.10 0.10 0.10 0.10 0.16 ST9 0.18 0.46 2.75 5.98 12.98 ST10 0.10 0.10 0.10 0.11 0.16 ST11 0.10 0.10 0.12 0.68 13.90 ST12 0.19 0.56 4.78 12.21 31.15 ST13 0.10 0.10 0.10 0.10 0.10 ST14 0.59 1.16 3.05 15.03 73.93 ST15 0.19 1.00 2.31 8.74 32.89 ST16 0.21 0.48 1.21 1.69 2.33 ST17 0.10 0.10 0.10 0.10 0.10 จากตารางที่ 3.145 พบว่า ระดับการเกิดซ้ำของข้อมูลปริมาณน้ำฝนสะสมทุก ๆ 7 วัน ต่ำสุด ราย ฤดูกาล ในสถานี ST2 ST5 และ ST17 มีระดับการเกิดซ้ำของ ที่มีค่าปริมาณน้ำฝนสะสมทุก ๆ 7 วัน ต่ำสุด รายฤดูกาล เมื่อคาบย้อนพินิจมีค่าเพิ่มขึ้น สามารถสรุประดับการเกิดปริมาณน้ำฝนสะสมเคลื่อนที่ 7 วัน ซ้ำ ในรอบคาบย้อนพินิจต่าง ๆ ดังภาพที่ 3.144
ผลการวิจัย 377 การพัฒนาระบบสารสนเทศภูมิศาสตร์สำหรับการพยากรณ์ภัยแล้งสุดขีดเชิงพื้นที่ในลุ่มน้ำมูล เพื่อการบริหารจัดการน้ำพื้นที่ในและนอกเขตชลประทานสำหรับการเกษตรแม่นยำ ระดับการเกิดซ้ำ ในคาบย้อนพินิจ 2 ปี ระดับการเกิดซ้ำ ในคาบย้อนพินิจ 5 ปี ระดับการเกิดซ้ำ ในคาบย้อนพินิจ 25 ปี ระดับการเกิดซ้ำ ในคาบย้อนพินิจ 50 ปี ระดับการเกิดซ้ำ ในคาบย้อนพินิจ 100 ปี ภาพที่ 3.134 แผนที่ค่าประมาณระดับการเกิดซ้ำ ในคาบย้อนพินิจ 2 ปี 5 ปี 25 ปี50 ปี และ 100 ปี ของข้อมูลปริมาณน้ำฝนสะสมเคลื่อนที่ 7 วัน ต่ำสุด รายฤดูกาล
378 ผลการวิจัย Development of an Information System for Forecasting Spatial Extremely Drought in Mun-River Basin for Water management of Precision Agriculture 3.2) การคาดการณ์ปริมาณน้ำฝนสะสมเคลื่อนที่ 7 วัน สูงสุด ฤดูกาล รูปแบบของแบบจำลองการแจกแจง GEV ภายใต้กระบวนการไม่คงที่ โดยแสดงค่าประมาณ พารามิเตอร์ ของตัวแบบที่เหมาะสมจากค่า AIC และการทดสอบภาวะสารูปสนิทดี จากสถิติทดสอบ KS-test ของแบบจำลองปริมาณน้ำฝนสะสมเคลื่อนที่ 7 วัน สูงสุด ฤดูกาล ดังตาราง 3.146 ตารางที่ 3.146 รูปแบบของแบบจำลองที่เหมาะสม และค่าประมาณพารามิเตอร์ ค่า AIC และค่า BIC ภายใต้ กระบวนการไม่คงที่ สำหรับข้อมูลปริมาณน้ำฝนสะสมเคลื่อนที่ 7 วัน สูงสุด ฤดูกาล รหัส สถานี รูปแบบของ แบบจำลอง ที่เหมาะสม ค่าประมาณพารามิเตอร์ AIC BIC KS-test (p-value) ST1 GEV00 ˆ = 89.17, ˆ = 44.52, ˆ = -0.08 1250.79 1259.08 0.70 ST2 GEV00 ˆ = 81.24, ˆ = 44.26, ˆ = -0.12 1248.55 1256.84 0.78 ST3 GEV00 ˆ = 80.82, ˆ = 54.94, ˆ = 0.02 1317.01 1325.30 0.72 ST4 GEV00 ˆ = 78.36, ˆ = 51.62, ˆ = -0.04 1294.98 1303.27 0.82 ST5 GEV00 ˆ = 79.00, ˆ = 54.84, ˆ = 0.09 547.35 552.96 0.66 ST6 GEV01 98.72 -0.26, ˆ = 60.13, ˆ = -0.05 1330.36 1341.41 0.65 ST7 GEV00 ˆ = 87.19, ˆ = 57.67, ˆ = 0.002 1325.50 1333.78 0.93 ST8 GEV00 ˆ = 79.94, ˆ = 57.19, ˆ = 0.12 1338.31 1346.60 0.39 ST9 GEV01 0 ˆ = 88.82, 1 ˆ = -0.21, ˆ = 58.72, ˆ = 0.28 1367.62 1378.67 0.27 ST10 GEV03 0 ˆ = 74.06, 1 ˆ = 422.50, 2 ˆ = 0.06, ˆ = 58.28, ˆ = 0.26 1365.05 1378.86 0.38 ST11 GEV00 ˆ = 73.17, ˆ = 58.70, ˆ = 0.26 1362.81 1371.10 0.18 ST12 GEV01 0 ˆ = 89.26, 1 ˆ = -0.22, ˆ = 49.76, ˆ = 0.11 1306.11 1317.15 0.99 ST13 GEV00 ˆ = 81.76, ˆ = 52.96, ˆ = -0.08 1294.28 1302.57 0.33 ST14 GEV00 ˆ = 77.57, ˆ = 52.50, ˆ = 0.03 1305.59 1313.88 0.88 ST15 GEV00 ˆ = 72.29, ˆ = 54.66, ˆ = 0.09 1323.57 1331.85 0.45 ST16 GEV00 ˆ = 71.48, ˆ = 56.32, ˆ = 0.20 1345.04 1353.33 0.10 ST17 GEV00 ˆ = 74.61, ˆ = 55.92, ˆ = 0.04 1323.82 1332.11 0.37
ผลการวิจัย 379 การพัฒนาระบบสารสนเทศภูมิศาสตร์สำหรับการพยากรณ์ภัยแล้งสุดขีดเชิงพื้นที่ในลุ่มน้ำมูล เพื่อการบริหารจัดการน้ำพื้นที่ในและนอกเขตชลประทานสำหรับการเกษตรแม่นยำ จากตารางที่ 3.146 เมื่อพิจารณารูปแบบของพารามิเตอร์ที่เหมาะสมในแต่ละสถานี พบว่า ส่วนใหญ่ รูปแบบของพารามิเตอร์ ภายใต้กระบวนการคงที่ หรือรูปแบบ GEV00 จำนวน 13 สถานี และรูปแบบของ พารามิเตอร์ ภายใต้กระบวนการไม่คงที่ คือ รูปแบบ GEV01 จำนวน 3 สถานี รองลงมาคือ รูปแบบ GEV03 จำนวน 1 สถานี ที่เหมาะสมกับข้อมูลปริมาณน้ำฝนสะสมเคลื่อนที่ 7 วัน สูงสุด รายฤดูกาล ทั้งนี้ ผู้วิจัยได้วิเคราะห์ระดับการเกิดซ้ำของข้อมูลปริมาณน้ำฝนสะสมเคลื่อนที่ 7 วัน สูงสุด ราย ฤดูกาลด้วยแบบจำลองที่เหมาะสม ในคาบย้อนพินิจ 2 5 25 50 และ 100 ปี ผลแสดงดังตารางที่ 3.147 ตารางที่ 3.147 ระดับการเกิดซ้ำของข้อมูลปริมาณน้ำฝนสะสมเคลื่อนที่ 7 วันสูงสุด ฤดูกาล สถานี คาบย้อนพินิจ(ปี) 2 5 25 50 100 ST1 100.62 164.13 264.98 308.83 353.62 ST2 97.93 142.47 199.23 219.68 238.40 ST3 105.28 151.85 213.76 236.90 258.54 ST4 84.67 136.87 231.90 278.18 328.73 ST5 97.38 153.81 234.15 266.00 296.82 ST6 106.24 171.14 259.73 293.60 325.70 ST7 108.33 173.83 272.29 313.16 353.80 ST8 101.36 173.63 301.37 362.09 427.46 ST9 101.48 188.07 376.28 482.01 607.87 ST10 103.30 187.89 364.36 460.31 572.30 ST11 95.23 181.86 379.75 495.35 636.32 ST12 96.41 158.58 263.12 310.80 360.89 ST13 99.63 156.24 237.30 269.58 300.91 ST14 97.15 158.04 252.88 293.46 334.51 ST15 92.44 159.66 276.63 331.53 390.19 ST16 94.10 170.77 319.59 395.94 481.99 ST17 95.55 161.07 265.94 311.85 358.92 จากตารางที่ 3.147 พบว่า ระดับการเกิดซ้ำของข้อมูลปริมาณน้ำฝนสะสมเคลื่อนที่ 10 วัน สูงสุด ราย ฤดูกาล มีระดับการเกิดซ้ำของสถานี ST9 และ ST10 ที่มีค่าปริมาณน้ำฝนสะสมเคลื่อนที่ 10 วัน สูงสุด ราย ฤดูกาล เมื่อคาบย้อนพินิจมีค่าเพิ่มขึ้น สามารถสรุประดับการเกิดปริมาณน้ำฝนสะสมเคลื่อนที่ 7 วัน ซ้ำ ใน รอบคาบย้อนพินิจต่าง ๆ ดังภาพที่ 3.129
380 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 3.136 แผนที่ค่าประมาณระดับการเกิดซ้ำ ในคาบย้อนพินิจ 2 ปี 5 ปี 25 ปี50 ปี และ 100 ปี ของข้อมูลปริมาณน้ำฝนสะสมเคลื่อนที่ 7 วัน สูงสุด รายฤดูกาล
ผลการวิจัย 381 การพัฒนาระบบสารสนเทศภูมิศาสตร์สำหรับการพยากรณ์ภัยแล้งสุดขีดเชิงพื้นที่ในลุ่มน้ำมูล เพื่อการบริหารจัดการน้ำพื้นที่ในและนอกเขตชลประทานสำหรับการเกษตรแม่นยำ 4.4.4 การวิเคราะห์ปริมาณน้ำฝนสะสมเคลื่อนที่ 7 วัน ต่ำสุด และสูงสุด รายปี 1) ผลการวิเคราะห์ด้วยสถิติพรรณนา ตารางที่ 3.148 ค่าสถิติเบื้องต้นของปริมาณน้ำฝนสะสมเคลื่อนที่ 7 วัน จำแนกตามรายสถานี รหัส สถานี ปี เดือน วัน วันที่มีปริมาณ น้ำฝนสะสม เคลื่อนที่ 7 วัน ค่าเฉลี่ยปริมาณ น้ำฝนสะสม เคลื่อนที่ 7 วัน ปริมาณ น้ำฝนสะสม สูงสุด ปริมาณน้ำฝน สะสมต่ำสุด 48381 39 465 14,153 9,205 36 305 0.10 48384 39 465 14,153 9,086 35 451 0.10 48382 39 465 14,153 9,110 39 509 0.10 48403 39 465 14,153 9,029 35 509 0.10 48405 39 465 14,153 9,146 40 300 0.10 48404 39 465 14,153 9,126 40 607 0.10 48408 39 465 14,153 9,297 47 613 0.10 48407 39 465 14,153 9,308 48 435 0.10 48409 39 465 14,153 8,992 44 428 0.10 48435 39 465 14,153 9,598 32 314 0.10 48431 39 465 14,153 10,070 31 314 0.10 48434 39 465 14,153 9,729 29 233 0.10 48432 39 465 14,153 9,640 41 331 0.10 48433 39 465 14,153 9,415 41 450 0.10 48416 39 465 14,153 9,078 39 334 0.10 48436 16 189 5,752 3,873 40 281 0.10 48437 39 465 14,153 9,897 33 286 0.10
382 ผลการวิจัย Development of an Information System for Forecasting Spatial Extremely Drought in Mun-River Basin for Water management of Precision Agriculture 2) ผลการวิเคราะห์ด้วยเกรย์ปริมาณน้ำฝนสะสมเคลื่อนที่ 7 วัน ต่ำสุด รายปี ตารางที่ 3.149 ค่าคาดการณ์ปริมาณน้ำฝนสะสมเคลื่อนที่ 7 วัน สูงสุดรายปี จำแนกรายสถานี ด้วยแบบจำลองเกรย์ สถานี 2566 2567 2568 2569 2570 ST1 202.30 198.33 194.44 190.62 186.89 ST2 143.78 142.82 141.87 140.92 139.98 ST3 137.45 135.14 132.88 130.65 128.45 ST4 225.22 229.13 233.10 237.15 241.27 ST5 163.01 161.01 159.03 157.07 155.15 ST6 233.16 238.85 244.67 250.64 256.75 ST7 244.66 250.45 256.37 262.44 268.65 ST8 245.40 253.08 261.00 269.17 277.60 ST9 313.36 322.36 331.61 341.12 350.91 ST10 254.37 253.27 252.17 251.08 249.99 ST11 324.69 329.57 334.52 339.54 344.64 ST12 344.68 373.57 404.88 438.81 475.59 ST13 263.03 278.18 294.20 311.14 329.06 ST14 255.31 265.99 277.12 288.72 300.80 ST15 245.45 245.50 245.54 245.59 245.63 ST16 272.56 275.05 277.55 280.08 282.64 ST17 150.85 145.01 139.39 134.00 128.81 จากตารางที่ 3.149 พบว่า สถานี ST9 และ สถานี ST12 มีค่าคาดการณ์ปริมาณน้ำฝนสะสมเคลื่อนที่ 7 วัน สูงสุดรายปีสูงกว่าสถานีอื่น ๆ เป็นสองลำดับแรก ตั้งแต่ปี 2566-2570 และพบว่า สถานี ST3 และ สถานี ST17 มีค่าคาดการณ์ปริมาณน้ำฝนสะสมเคลื่อนที่ 7 วัน สูงสุดรายปีต่ำกว่าสถานีอื่น ๆ เป็นสองลำดับ สุดท้าย ตั้งแต่ปี 2566-2570
ผลการวิจัย 383 การพัฒนาระบบสารสนเทศภูมิศาสตร์สำหรับการพยากรณ์ภัยแล้งสุดขีดเชิงพื้นที่ในลุ่มน้ำมูล เพื่อการบริหารจัดการน้ำพื้นที่ในและนอกเขตชลประทานสำหรับการเกษตรแม่นยำ ภาพที่ 3.137 ค่าคาดการณ์ปริมาณน้ำฝนสะสมเคลื่อนที่ 7 วัน สูงสุดรายปีจำแนกรายสถานี ด้วยแบบจำลองเกรย์
384 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 3.150 ตารางที่3.150 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 3.151 ตารางที่3.151 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
ผลการวิจัย 385 การพัฒนาระบบสารสนเทศภูมิศาสตร์สำหรับการพยากรณ์ภัยแล้งสุดขีดเชิงพื้นที่ในลุ่มน้ำมูล เพื่อการบริหารจัดการน้ำพื้นที่ในและนอกเขตชลประทานสำหรับการเกษตรแม่นยำ ในการวิจัยครั้งนี้ผู้วิจัยได้นำข้อมูลปริมาณน้ำฝนสะสมเคลื่อนที่ 7 วัน รายฤดูกาล โดยจำแนกข้อมูลออกเป็น 2 แบบ มาวิเคราะห์ รายละเอียดผลการวิเคราะห์ดังนี้ 3.1) การคาดการณ์ปริมาณน้ำฝนสะสมเคลื่อนที่ 7 วัน ต่ำสุด รายปี รูปแบบของแบบจำลองการแจกแจง GEV ภายใต้กระบวนการไม่คงที่ โดยแสดงค่าประมาณ พารามิเตอร์ ของตัวแบบที่เหมาะสมจากค่า AIC และการทดสอบภาวะสารูปสนิทดี จากสถิติทดสอบ KS-test ของแบบจำลองปริมาณน้ำฝนสะสมเคลื่อนที่ 7 วัน ต่ำสุด รายปีดังตาราง 3.152 ตารางที่ 3.152 รูปแบบของแบบจำลองที่เหมาะสม และค่าประมาณพารามิเตอร์ ค่า AIC และค่า BIC ภายใต้ กระบวนการไม่คงที่ สำหรับข้อมูลปริมาณน้ำฝนสะสมเคลื่อนที่ 7 วัน ต่ำสุด รายปี รหัส สถานี รูปแบบของ แบบจำลอง ที่เหมาะสม ค่าประมาณพารามิเตอร์ AIC BIC KS-test (p-value) ST1 GEV00 ˆ = 0.1, ˆ = 1.68*10-16 , ˆ = 2.28 -1233.42 -1228.43 0.53 ST2 GEV01 0 ˆ = 0.1, 1 ˆ = 6.00*10-13 , ˆ = 3.46*10-10 , ˆ = 4.35 -755.40 -748.75 0.49 ST3 GEV01 0 ˆ = 0.1, 1 ˆ = 5.29*10-20 , ˆ = 5.40*10-17 , ˆ = 1.58 -1845.19 -1838.53 0.56 ST4 GEV00 ˆ = 0.10, ˆ = 2.62*10-16 , ˆ = 2.16 -267.20 -262.21 0.67 ST5 GEV00 ˆ = 0.10, ˆ = 5.26*10-17 , ˆ = 1.50 -829.04 -826.72 0.64 ST6 GEV00 ˆ = 0.10, ˆ = 5.59*10-17 , ˆ = 1.65 -823.95 -818.96 0.44 ST7 GEV00 ˆ = 0.10, ˆ = 5.11*10-18 , ˆ = 1.10 -1009.68 -1004.69 0.37 ST8 GEV00 ˆ = 0.10, ˆ = 3.88*10-19 , ˆ = 1.93 -894.17 -889.17 0.49 ST9 GEV06 0 ˆ = 0.27, 1 ˆ = -0.01, 2 ˆ = 0.0001, 0 ˆ =-1.66, 1 ˆ =-0.05, ˆ = 0.20 -50.5714 -40.59 0.59 ST10 GEV06 0 ˆ = 0.10, 1 ˆ = 1.70*10-5 , 2 ˆ =- 2.47*10-7 , 0 ˆ = 1.99, 1 ˆ =-0.40, ˆ = 3.68 -192.343 -182.361 0.29 ST11 GEV06 0 ˆ = 0.10, 1 ˆ = 8.14*10-5 , 2 ˆ =- 1.35*10-6 , 0 ˆ =-1.49, 1 ˆ =-0.33, ˆ = 4.91 -275.43 -265.45 0.50 ST12 GEV06 0 ˆ = 0.10, 1 ˆ = 3.64*10-5 , 2 ˆ =- 6.27*10-7 , 0 ˆ =-1.54, 1 ˆ =-0.77, ˆ = 4.18 -223.84 -213.86 0.38
386 ผลการวิจัย Development of an Information System for Forecasting Spatial Extremely Drought in Mun-River Basin for Water management of Precision Agriculture รหัส สถานี รูปแบบของ แบบจำลอง ที่เหมาะสม ค่าประมาณพารามิเตอร์ AIC BIC KS-test (p-value) ST13 GEV02 0 ˆ = 0.10, 1 ˆ = 1.28*10-17 , 2 ˆ =- 4.62*10-19 , ˆ = 1.97*10-16 , ˆ = 1.18 -740.13 -731.82 0.55 ST14 GEV02 0 ˆ = 0.10, 1 ˆ = -0.0003, 2 ˆ = 7.88*10-6 , ˆ = 0.003, ˆ = 1.03 -178.77 -170.45 0.61 ST15 GEV06 0 ˆ = 0.25, 1 ˆ = -0.01, 2 ˆ = 0.0001, 0 ˆ = 0.07, 1 ˆ =-0.14, ˆ = 0.18 -40.19 -30.21 0.46 ST16 GEV03 0 ˆ = 0.10, 1 ˆ = -0.35, 2 ˆ =-1.81E10, ˆ = 1.20E-07, ˆ = 1.76 -147.64 -139.33 0.56 ST17 GEV03 0 ˆ = 0.10, 1 ˆ = -1.26, 2 ˆ =-3.45E10, ˆ = 2.25E-07, ˆ = 1.64 -229.49 -221.17 0.62 จากตารางที่ 3.152 เมื่อพิจารณารูปแบบของพารามิเตอร์ที่เหมาะสมในแต่ละสถานี พบว่า ส่วนใหญ่ รูปแบบของพารามิเตอร์ภายใต้กระบวนการคงที่ หรือรูปแบบ GEV00 จำนวน 6 สถานี รองลงมาคือรูปแบบ พารามิเตอร์ ภายใต้กระบวนการไม่คงที่ คือ รูปแบบ GEV06 จำนวน 5 สถานี รูปแบบ GEV01 GEV02 GEV03 จำนวน 2 สถานี ที่เหมาะสมกับข้อมูลปริมาณน้ำฝนสะสมเคลื่อนที่ 10 วัน ต่ำสุด รายปี
ผลการวิจัย 387 การพัฒนาระบบสารสนเทศภูมิศาสตร์สำหรับการพยากรณ์ภัยแล้งสุดขีดเชิงพื้นที่ในลุ่มน้ำมูล เพื่อการบริหารจัดการน้ำพื้นที่ในและนอกเขตชลประทานสำหรับการเกษตรแม่นยำ ทั้งนี้ ผู้วิจัยได้วิเคราะห์ระดับการเกิดซ้ำของข้อมูลปริมาณน้ำฝนสะสมเคลื่อนที่ 10 วัน ต่ำสุด รายปี ด้วยแบบจำลองที่เหมาะสม ในคาบย้อนพินิจ 2 5 25 50 และ 100 ปี ผลแสดงดังตารางที่ 3.153 ตารางที่ 3.153 ระดับการเกิดซ้ำของข้อมูลปริมาณน้ำฝนสะสมเคลื่อนที่ 7 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 0.14 ST3 0.10 0.10 0.10 0.10 0.10 ST4 0.10 0.10 0.10 0.10 0.10 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 0.10 0.10 0.10 0.10 0.10 ST9 0.12 0.15 0.23 0.26 0.30 ST10 0.10 0.10 0.15 0.70 8.02 ST11 0.1 0.1 0.1 0.1 0.1 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 0.11 0.17 0.24 0.38 ST15 0.10 0.11 0.12 0.13 0.13 ST16 0.25 0.25 0.25 0.25 0.25 ST17 1.16 1.16 1.16 1.16 1.16 จากตารางที่ 3.153 พบว่า ระดับการเกิดซ้ำของข้อมูลปริมาณน้ำฝนสะสมเคลื่อนที่ 7 วัน ต่ำสุด รายปี มีระดับการเกิดซ้ำของทุกสถานีมีค่าปริมาณน้ำฝนสะสมเคลื่อนที่ 7 วัน ต่ำสุด รายปี เมื่อคาบย้อนพินิจมีค่า เพิ่มขึ้น สามารถสรุประดับการเกิดปริมาณน้ำฝนสะสมเคลื่อนที่ 7 วัน ซ้ำ ในรอบคาบย้อนพินิจต่าง ๆ ดังภาพที่ 3.132
388 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 3.138 แผนที่ค่าประมาณระดับการเกิดซ้ำ ในคาบย้อนพินิจ 2 ปี 5 ปี 25 ปี50 ปี และ 100 ปี ของข้อมูลปริมาณน้ำฝนสะสมเคลื่อนที่ 7 วัน ต่ำสุด รายปี
ผลการวิจัย 389 การพัฒนาระบบสารสนเทศภูมิศาสตร์สำหรับการพยากรณ์ภัยแล้งสุดขีดเชิงพื้นที่ในลุ่มน้ำมูล เพื่อการบริหารจัดการน้ำพื้นที่ในและนอกเขตชลประทานสำหรับการเกษตรแม่นยำ 3.2) การคาดการณ์ปริมาณน้ำฝนสะสมเคลื่อนที่ 7 วัน สูงสุด รายปี รูปแบบของแบบจำลองการแจกแจง GEV ภายใต้กระบวนการไม่คงที่ โดยแสดงค่าประมาณ พารามิเตอร์ ของตัวแบบที่เหมาะสมจากค่า AIC และการทดสอบภาวะสารูปสนิทดี จากสถิติทดสอบ KS-test ของแบบจำลองปริมาณน้ำฝนสะสมเคลื่อนที่ 7 วัน สูงสุด รายปีดังตาราง 3.154 ตารางที่ 3.154 รูปแบบของแบบจำลองที่เหมาะสม และค่าประมาณพารามิเตอร์ ค่า AIC และค่า BIC ภายใต้ กระบวนการไม่คงที่ สำหรับข้อมูลปริมาณน้ำฝนสะสมเคลื่อนที่ 7 วัน สูงสุด รายปี รหัส สถานี รูปแบบของ แบบจำลอง ที่เหมาะสม ค่าประมาณพารามิเตอร์ AIC BIC KS-test (p-value) ST1 GEV00 ˆ = 135.81, ˆ = 33.64, ˆ = 0.06 406.28 411.27 0.99 ST2 GEV00 ˆ = 139.11, ˆ = 28.85, ˆ = -0.11 387.00 391.99 0.68 ST3 GEV01 0 ˆ = 124.88 1.73, ˆ = 47.80, ˆ = -0.11 428.17 434.82 0.72 ST4 GEV00 ˆ = 150.19, ˆ = 40.88, ˆ = -0.13 413.02 418.01 0.94 ST5 GEV00 ˆ = 184.48, ˆ = 40.16, ˆ = -0.20 171.33 173.65 1.00 ST6 GEV03 0 ˆ = 150.76, 1 ˆ = 317.60, 2 ˆ = 0.80, ˆ = 38.06, ˆ = -0.03 416.14 424.46 0.87 ST7 GEV00 ˆ = 165.71, ˆ = 41.84, ˆ = 0.17 428.17 433.16 0.65 ST8 GEV00 ˆ = 176.90, ˆ = 41.95, ˆ = 0.15 427.23 432.22 0.97 ST9 GEV01 0 ˆ = 159.42, 1 ˆ = 1.74, ˆ = 57.72, ˆ = -0.003 447.53 454.18 0.92 ST10 GEV00 ˆ = 201.30 56.71, ˆ = 0.01 444.69 449.68 0.98 ST11 GEV01 0 ˆ = 172.78, 1 ˆ = 1.45, ˆ = 50.30, ˆ = 0.07 439.24 445.90 0.61 ST12 GEV00 ˆ = 150.78, ˆ = 48.14, ˆ = 0.09 434.86 439.85 0.96 ST13 GEV00 ˆ = 151.20, ˆ = 33.75, ˆ = 0.03 405.01 410.00 0.99 ST14 GEV00 ˆ = 147.60, ˆ = 33.61, ˆ = 0.27 415.02 420.01 0.99 ST15 GEV00 ˆ = 154.84, ˆ = 40.97, ˆ = 0.16 425.82 430.81 0.58 ST16 GEV00 ˆ = 175.42, ˆ = 32.98, ˆ = 0.38 418.77 423.76 0.97 ST17 GEV00 ˆ = 160.82, ˆ = 28.98, ˆ = 0.40 408.88 413.87 0.88 จากตารางที่ 3.154 เมื่อพิจารณารูปแบบของพารามิเตอร์ที่เหมาะสมในแต่ละสถานี พบว่า ส่วนใหญ่ รูปแบบของพารามิเตอร์ภายใต้กระบวนการคงที่ที่เหมาะสม หรือรูปแบบ GEV00 จำนวน 13 สถานี รองลงมา คือรูปแบบพารามิเตอร์ ภายใต้กระบวนการไม่คงที่ คือ รูปแบบ GEV01 จำนวน 3 สถานี และ GEV03 จำนวน 1 สถานี ที่เหมาะสมกับข้อมูลปริมาณน้ำฝนสะสมเคลื่อนที่ 7 วัน สูงสุด รายปี
390 ผลการวิจัย Development of an Information System for Forecasting Spatial Extremely Drought in Mun-River Basin for Water management of Precision Agriculture ทั้งนี้ ผู้วิจัยได้วิเคราะห์ระดับการเกิดซ้ำของข้อมูลปริมาณน้ำฝนสะสมเคลื่อนที่ 7 วัน สูงสุด รายปีด้วย แบบจำลองที่เหมาะสม ในคาบย้อนพินิจ 2 5 25 50 และ 100 ปี ผลแสดงดังตารางที่ 3.155 ตารางที่ 3.155 ระดับการเกิดซ้ำของข้อมูลปริมาณน้ำฝนสะสมเคลื่อนที่ 7 วัน สูงสุด รายปี สถานี คาบย้อนพินิจ(ปี) 2 5 25 50 100 ST1 172.28 226.08 306.69 340.07 373.20 ST2 149.47 179.05 217.11 230.93 243.65 ST3 148.28 188.67 254.71 284.14 314.63 ST4 156.21 199.92 261.81 286.23 309.79 ST5 165.06 206.16 257.14 275.07 291.27 ST6 183.97 229.11 298.23 327.37 356.61 ST7 181.53 237.19 343.49 397.32 457.50 ST8 192.71 247.41 348.78 398.86 454.04 ST9 212.89 282.11 391.17 438.29 486.23 ST10 222.11 286.72 384.30 424.98 465.51 ST11 224.09 292.11 403.94 454.01 506.03 ST12 168.72 228.10 329.28 375.94 425.28 ST13 165.89 207.17 271.39 298.83 326.59 ST14 160.54 209.59 317.38 378.45 451.54 ST15 170.58 224.78 327.12 378.47 435.56 ST16 188.09 241.16 378.07 465.97 579.58 ST17 172.28 220.31 347.98 431.85 541.83 จากตารางที่ 3.155 พบว่า ระดับการเกิดซ้ำของข้อมูลปริมาณน้ำฝนสะสมเคลื่อนที่ 7 วัน สูงสุด รายปี มีระดับการเกิดซ้ำของสถานี ST17 และ ST16 ที่มีค่าปริมาณน้ำฝนสะสมเคลื่อนที่ 7 วัน สูงสุด รายปีเมื่อ คาบย้อนพินิจมีค่าเพิ่มขึ้นสามารถสรุประดับการเกิดปริมาณน้ำฝนสะสมเคลื่อนที่ 7 วัน ซ้ำ ในรอบคาบย้อน พินิจต่าง ๆ ดังภาพที่ 3.139
ผลการวิจัย 391 การพัฒนาระบบสารสนเทศภูมิศาสตร์สำหรับการพยากรณ์ภัยแล้งสุดขีดเชิงพื้นที่ในลุ่มน้ำมูล เพื่อการบริหารจัดการน้ำพื้นที่ในและนอกเขตชลประทานสำหรับการเกษตรแม่นยำ ระดับการเกิดซ้ำ ในคาบย้อนพินิจ 2 ปี ระดับการเกิดซ้ำ ในคาบย้อนพินิจ 5 ปี ระดับการเกิดซ้ำ ในคาบย้อนพินิจ 25 ปี ระดับการเกิดซ้ำ ในคาบย้อนพินิจ 50 ปี ระดับการเกิดซ้ำ ในคาบย้อนพินิจ 100 ปี ภาพที่ 3.139 แผนที่ค่าประมาณระดับการเกิดซ้ำ ในคาบย้อนพินิจ 2 ปี 5 ปี 25 ปี50 ปี และ 100 ปี ของข้อมูลปริมาณน้ำฝนสะสมเคลื่อนที่ 7 วัน สูงสุด รายปี