รายงานล่าสุดระบุว่า NASA ร่วมกับนักวิจัยจากมหาวิทยาลัยแคลิฟอร์เนีย ซานดิเอโก (UCSD) และองค์การบริหารมหาสมุทรและชั้นบรรยากาศแห่งชาติ (NOAA) ได้พัฒนาซอฟต์แวร์อัจฉริยะในชื่อ TACLS (Transient Artifact and Continuous Learning System) ซึ่งนำเทคโนโลยี Machine Learning มาใช้ในการวิเคราะห์ข้อมูลจากเครือข่ายดาวเทียมเพื่อยกระดับการพยากรณ์น้ำท่วมฉับพลันให้รวดเร็วและแม่นยำยิ่งขึ้นสำหรับกรมอุตุนิยมวิทยา
การทำงานของระบบ AI ในการตรวจจับภัยพิบัติ
ระบบ TACLS ได้รับการสนับสนุนจากสำนักงานเทคโนโลยีวิทยาศาสตร์โลกของ NASA (ESTO) โดยมีกลไกสำคัญคือการใช้ Machine Learning ซึ่งเป็นระบบคอมพิวเตอร์ที่สามารถเรียนรู้และพัฒนาได้เองจากข้อมูลปริมาณมหาศาล เพื่อตรวจจับสัญญาณเตือนของน้ำท่วมฉับพลัน เช่น การเพิ่มขึ้นอย่างผิดปกติของความชื้นในชั้นบรรยากาศ ซึ่งบางครั้งนักอุตุนิยมวิทยาอาจมองข้ามไปในขณะที่ต้องวิเคราะห์ข้อมูลจำนวนมาก
ระบบนี้จะทำการคัดกรองข้อมูลและระบุพื้นที่ที่มีความเสี่ยงสูงในการเกิดน้ำท่วม จากนั้นจะแสดงผลผ่านระบบภาพจำลอง (Visualization) ที่ใช้งานง่าย เพื่อให้นักวิเคราะห์ตัดสินใจประกาศเตือนภัยได้อย่างทันท่วงที โดยกระบวนการทั้งหมดทำงานแบบเกือบเรียลไทม์ (Near Real-time) และสามารถออกพยากรณ์ได้ภายในเวลาเพียง 15 นาทีเท่านั้น
“นั่นคือสิ่งที่เราต้องการทำจริงๆ คือการมอบเครื่องมือให้นักอุตุนิยมวิทยาเพื่อช่วยในการตัดสินใจออกคำเตือนน้ำท่วมฉับพลัน” – Yehuda Bock นักวิจัยอาวุโสจากสถาบันสมุทรศาสตร์ Scripps แห่ง UCSD
ประสิทธิภาพที่ผ่านการทดสอบ
จากการวิเคราะห์พบว่า ในการทดสอบแบบจำลองด้วยข้อมูลเหตุการณ์สภาพอากาศรุนแรงที่เกิดขึ้นระหว่างปี 2017 ถึง 2023 เช่น ปรากฏการณ์แม่น้ำในชั้นบรรยากาศ (Atmospheric Rivers) และอิทธิพลจากพายุหมุนเขตร้อน ระบบ TACLS สามารถตรวจจับและครอบคลุมเหตุการณ์ที่นำไปสู่การเตือนภัยน้ำท่วมฉับพลันได้สำเร็จถึง 93% ขณะนี้นักอุตุนิยมวิทยาจาก National Weather Service (NWS) กำลังอยู่ระหว่างการนำระบบนี้เข้าไปรวมกับฐานข้อมูลการพยากรณ์ที่มีอยู่เดิมในพื้นที่แคลิฟอร์เนียตอนใต้
นวัตกรรมจากข้อมูลดาวเทียม GNSS
TACLS ใช้การวิเคราะห์ข้อมูลจากดาวเทียมในระบบ GNSS (Global Navigation Satellite System) ซึ่งเป็นเครือข่ายดาวเทียมระบุตำแหน่งระดับโลกที่ใช้ในการนำทางทั่วไป โดยระบบจะตรวจวัดความล่าช้าของสัญญาณดาวเทียมที่เดินทางผ่านไอน้ำในชั้นบรรยากาศโทรโพสเฟียร์ เพื่อนำมาคำนวณปริมาณความชื้นในแต่ละตำแหน่งบนโลก
นอกจากนี้ ระบบยังมีความสามารถในการแยกแยะข้อมูลที่เป็นสัญญาณรบกวน (Artifact) ออกจากเหตุการณ์ทางกายภาพจริง (Transient) เช่น ปริมาณฝนที่ตกหนัก เพื่อป้องกันการเกิดข้อผิดพลาดในการพยากรณ์ โดย NASA ได้ออกแบบให้ทั้งซอฟต์แวร์ TACLS และข้อมูลที่ใช้ในการฝึกฝนระบบเป็นแบบ Open-source เพื่อเปิดโอกาสให้นักวิทยาศาสตร์ทั่วโลกนำไปพัฒนาต่อยอดตามความต้องการของแต่ละพื้นที่
สำหรับรายละเอียดเพิ่มเติมเกี่ยวกับการดำเนินงาน สามารถติดตามได้ที่หน้าโครงการบน NASA TechPort
