Page Header

Home > Vol 35, No 2 (2025) > Chaithong

การคาดการณ์การเปลี่ยนแปลงปริมาณฝนสูงสุดรายวันในอนาคตสำหรับภาคใต้ของประเทศไทยภายใต้แบบจำลองภูมิอากาศโลก CMIP 6

Thapthai Chaithong, Kulapramote Prathumchai

Abstract


งานวิจัยนี้มีวัตถุประสงค์เพื่อคาดการณ์การเปลี่ยนแปลงของปริมาณฝนสูงสุดรายวันในพื้นที่ภาคใต้ของประเทศไทย ตามแนวทางการปล่อยก๊าซเรือนกระจกตามภาพฉายของแนวทางการพัฒนาเศรษฐกิจสังคม SSP1-2.6 และ SSP3-7.0 ใช้ค่าเฉลี่ยปริมาณฝนจากแบบจำลองภูมิอากาศโลก CMIP6 จำนวน 5 แบบจำลอง INM-CM5-0, CESM2-WACCM, IPSL-CM6A-LR, MIROC6 และ ACCESS-ESM1-5 โดยใช้ข้อมูลปริมาณฝนตรวจวัดทั้งหมด 24 สถานี ซึ่งทำการตรวจวัดโดยกรมอุตุนิยมวิทยา กรมทรัพยากรน้ำ และกรมชลประทาน สำหรับช่วงเวลาการวิเคราะห์แบ่งช่วงเวลาการวิเคราะห์ออกเป็น 4 ช่วงเวลา คือ ช่วงเวลาอดีต (พ.ศ. 2531 ถึง พ.ศ. 2557) ช่วงเวลาอนาคตระยะใกล้ (พ.ศ. 2563 ถึง พ.ศ. 2589) ช่วงเวลาอนาคตระยะกลาง (พ.ศ. 2590 ถึง พ.ศ. 2616) และช่วงเวลาอนาคตระยะไกล (พ.ศ. 2617 ถึง พ.ศ. 2643) แบบจำลองภูมิอากาศโลกทั้ง 5 แบบจำลอง ถูกย่อส่วนและปรับแก้ด้วยเทคนิคปรับแก้ความคลาดเคลื่อนแบบสเกลเชิงเส้น สำหรับการวิเคราะห์ค่าปริมาณฝนสูงสุดรายวันใช้วิธีการแจกแจงค่าสุดขีดวางนัยทั่วไป โดยพิจารณารอบการเกิดซ้ำ 5 ปี 25 ปี และ 100 ปี ผลการศึกษาพบว่า แนวโน้มปริมาณฝนเมื่อสิ้นศตวรรษมีแนวโน้มเพิ่มขึ้น แต่ปริมาณฝนสูงสุดรายวันจะมีเพิ่มขึ้นหรือลดลงจะผันแปรไปตามช่วงเวลาที่คาดการณ์และพื้นที่ โดยพื้นที่ที่มีฝนตกชุกยังคงเป็นพื้นที่เดิมไม่เปลี่ยนแปลง เช่น จังหวัดระนอง จังหวัดนครศรีธรรมราช โดยที่มีการแปรผันเพียงแค่ความเข้มฝนที่ตกในพื้นที่เท่านั้น จากการวิเคราะห์สามารถสรุปรูปแบบการเปลี่ยนแปลงได้ 5 รูปแบบ สำหรับแนวทางการพัฒนาเศรษฐกิจสังคม SSP1-2.6 และ 4 รูปแบบ สำหรับแนวทางการพัฒนาเศรษฐกิจสังคม SSP3-7.0

The aim of this study was to predict future changes in the pattern of extreme daily rainfall in the south of Thailand using five ensemble climate models in the CMIP6 (INM-CM5-0, CESM2-WACCM, IPSLCM6A-LR, MIROC6 and ACCESS-ESM1-5). Analyses were conducted based on the Shared Socioeconomic Pathways (SSPs) SSP1-2.6 and SSP3-7.0. The analysis was divided into 4 periods: historical (1988 to 2014), near-future (2020 to 2046), mid-future (2047 to 2073) and far-future (2074 to 2100). The linear scaling technique was used to downscale and bias correct the climate models using the 24 measured rainfall dataset from the Thai Meteorological Department, Department of Water Resource, and Royal Irrigation Department. For extreme rainfall analysis, the generalized extreme value distribution, based on the extreme value theory, was applied to calculate extreme daily rainfall by considering 5-year, 25-year and 100-year recurrence intervals. According to this analysis, the overall extreme daily rainfall was predicted to increase over time to the end of the century. Areas with the highest precipitation remain unchanged. There were five distinct patterns of rainfall change for SSP1-2.6 and four patterns of change for SSP3-7.0


Keywords



[1] G. Yu, J. J. Miller, B. J. Hatchett, M. Berli, D. B. Wright, C. Mcdougall, and Z. Zhu, “The nonstationary flood hydrology of an urbanizing arid watershed,” Journal of Hydrometeorology, vol. 24, pp. 87–104, Jan 2023.

[2] Intergovernmental Panel on Climate Change, Climate Change 2021: The Physical Science Basis. Cambridge: Cambridge University Press, 2021.

[3] P. Busababodhin and A. Keawmun, “Extreme Values Statistics,” The Journal of KMUTNB, vol. 25 no. 2, pp. 315–324, 2015 (in Thai).

[4] E. B. Santos, P. S. Lucio, and C. M. S. Silva, “Estimating return period for daily precipitation extreme events over the Brazilian Amazon,” Theor Appl Climatol, vol. 126, pp. 585–595, 2016.

[5] B. C. O’Neill, C. Tebaldi, D. P. Van Vuuren, V. Eyring, P. Friedlingstein, G. Hurtt, R. Knutti, E. Kriegler, J. F. Lamarque, J. Lowe, G. A. Meehl, R. Moss, K. Riahl, and B. M. Sanderson, “The scenario model intercomparison Project (ScenarioMIP) for CMIP6” Geoscientific Model Development, vol. 9, pp. 3461–3482, 2016

[6] T. Chaithong and S. Soralump, “Statistical bias correction technique for precipitation data output of global climate circulation under emission scenarios A2 and B2,” The Journal of KMUTNB, vol 26, no. 2 pp. 153–164, 2016 (in Thai).

[7] K. Chaichumporn, and S. Mallikamarl “Model law on green house gas emission trading,” IJBRU Interdisciplinary Management Journal Buriram Rajabhat University, vol. 6, no. 1, pp. 60–70, 2022 (in Thai).

[8] K. Riahi, D. P. V. Vauuren, E. Kriegler, J. Edmonds, B. O’Neill, “The Shared Socioeconomic Pathways and their energy, land use, and greenhouse gas emissions implications: An overview,” Global Environmental Change, vol 42, pp. 153–168, 2017.

[9] F. Shinichiro, H. Tomoko, T. Kiyoshi, S. H. Diego, D. Hancheng, H. Yasuaki, and K. Mikiko, “SSP3: AIM implementation of shared socioeconomic pathways,” Global Environmental Change, vol 42, pp. 268–283, 2017.

[10] W. Julpanont, “RCEP in the context of open regionalism,” Journal of Business Administration and Social Sciences Ramkhamhaeng University, vol. 3, no. 2 pp. 26–33, 2020 (in Thai).

[11] T. Siththada, “The evolution of association of south east Asian nations,” in Conference The 5th NPRU National Academic Conference, Nakhon Pathom, Thailand, 2013 (in Thai).

[12] T. Claudia and J. Seibert, “Bias correction of reginal climate model simulations for hydrological climate-change impact studies: Review and evaluation of different methods” Journal of Hydrology, vol 456–457, pp. 12, 2012.

[13] E. Hawkins, T. M. Osborne, C. K. Ho, and A. J. Challinor, “Calibration and bias correction of climate projections for crop modelling: An idealized case study over Europe,” Agricultural and Forest Meteorology, vol 170, pp. 19–31, 2013

[14] A. Limsakul, and P. Singhruck, “Long-term trends and variability of total and extreme precipitation in Thailand,” Atmospheric Research, vol 169, pp.301–317, 2016.

Full Text: PDF

DOI: 10.14416/j.kmutnb.2024.08.013

ISSN: 2985-2145