สมบัติเชิงแสงและเส้นทางมวลอากาศของฝุ่นละอองจากการเผาชีวมวลที่มีความขุ่นมัวสูงในนครปฐม

Main Article Content

วิทยา ทานะมัย

บทคัดย่อ

การศึกษานี้มีวัตถุประสงค์เพื่อจำแนกลักษณะเชิงแสงของฝุ่นละออง วิเคราะห์เส้นทางการเคลื่อนที่ย้อนหลังของมวลอากาศ และประเมินพื้นที่อิทธิพลที่เป็นไปได้ของฝุ่นละอองในช่วงที่บรรยากาศมีความขุ่นมัวสูง ณ สถานีตรวจวัดจังหวัดนครปฐม โดยใช้ข้อมูลจากเครือข่าย Aerosol Robotic Network (AERONET) ระหว่างปี ค.ศ. 2007–2025 จำนวน 9,240 ข้อมูล ประกอบด้วยค่า Ångström exponent, Ångström turbidity coefficient และ Single Scattering Albedo (SSA) ผลการจำแนกพบว่าฝุ่นละอองที่มีลักษณะสอดคล้องกับการเผาชีวมวลมีสัดส่วนสูงที่สุดร้อยละ 61.90 รองลงมาคือฝุ่นจากเมืองและอุตสาหกรรมร้อยละ 26.84 และฝุ่นละอองแบบผสมร้อยละ 9.10 จากนั้นคัดเลือกกรณีฝุ่นจากการเผาชีวมวลที่มีค่า Ångström turbidity coefficient มากกว่า 0.35 จำนวน 437 ข้อมูล และรวมข้อมูลที่มีช่วงเวลาห่างกันไม่เกิน 4 ชั่วโมงเป็นเหตุการณ์เดียว ได้ 190 เหตุการณ์สำหรับวิเคราะห์เส้นทางมวลอากาศย้อนหลัง 168 ชั่วโมงด้วยแบบจำลอง HYSPLIT ที่ระดับ 100, 500 และ 1,000 เมตร ผลพบว่าสัดส่วนเวลาที่เส้นทางมวลอากาศเคลื่อนผ่านทะเลและมหาสมุทรลดลงตามระดับความสูงจากร้อยละ 59.56 เป็น 54.70 และ 43.73 ตามลำดับ เมื่อพิจารณาเฉพาะภาคพื้นดิน ประเทศไทยมีสัดส่วนสูงที่สุดในทุกระดับ ขณะที่กัมพูชามีสัดส่วนเพิ่มขึ้นตามระดับความสูง ส่วนจีนมีค่าเฉลี่ยลดลงแต่มีค่าสูงสุดถึงร้อยละ 86.98 ที่ระดับ 1,000 เมตร สะท้อนการเคลื่อนที่ของมวลอากาศระยะไกลในบางเหตุการณ์ การวิเคราะห์ช่วงที่เส้นทางลดต่ำกว่า 200 เมตรแสดงความแตกต่างของการเคลื่อนที่เข้าใกล้พื้นที่แหล่งกำเนิดบริเวณพื้นผิวตามประเทศและระดับความสูง นอกจากนี้ไม่พบความสัมพันธ์อย่างมีนัยสำคัญทางสถิติระหว่างค่าเฉลี่ยความขุ่นมัวรายเดือนกับ Oceanic Niño Index (ONI) ผลการศึกษาชี้ว่าเหตุการณ์ความขุ่นมัวสูงในนครปฐมสัมพันธ์กับเส้นทางมวลอากาศทั้งภายในประเทศและข้ามพรมแดน ซึ่งแตกต่างกันตามระดับความสูง

Article Details

ประเภทบทความ
บทความวิจัย

เอกสารอ้างอิง

Dubovik, O., Holben, B. N., Eck, T. F., Smirnov, A., Kaufman, Y. J., King, M. D., Tanré, D., & Slutsker, I. (2002). Variability of absorption and optical properties of key aerosol types observed in worldwide locations. Journal of the Atmospheric Sciences, 59(3), 590–608. https://doi.org/10.1175/1520-0469(2002)059<0590:VOAAOP>2.0.CO;2

Eck, T. F., Holben, B. N., Reid, J. S., Dubovik, O., Smirnov, A., O’Neill, N. T., Slutsker, I., & Kinne, S. (1999). Wavelength dependence of the optical depth of biomass burning, urban, and desert dust aerosols. Journal of Geophysical Research: Atmospheres, 104(D24), 31,333–31,349. https://doi.org/10.1029/1999JD900923

Giles, D. M., Sinyuk, A., Sorokin, M. G., Schafer, J. S., Smirnov, A., Slutsker, I., Eck, T. F., Holben, B. N., Lewis, J. R., Campbell, J. R., Welton, E. J., Korkin, S. V., & Lyapustin, A. I. (2019). Advancements in the Aerosol Robotic Network (AERONET) Version 3 database—Automated near-real-time quality control algorithm with improved cloud screening for Sun photometer aerosol optical depth (AOD) measurements. Atmospheric Measurement Techniques, 12, 169–209. https://doi.org/10.5194/amt-12-169-2019

Holben, B. N., Eck, T. F., Slutsker, I., Tanré, D., Buis, J. P., Setzer, A., Vermote, E., Reagan, J. A., Kaufman, Y. J., Nakajima, T., Lavenu, F., Jankowiak, I., & Smirnov, A. (1998). AERONET—A federated instrument network and data archive for aerosol characterization. Remote Sensing of Environment, 66(1), 1–16. https://doi.org/10.1016/S0034-4257(98)00031-5

Janjai, S., Nunez, M., Masiri, I., Wattan, R., Buntoung, S., Jantarach, T., & Promsen, W. (2012). Aerosol optical properties at four sites in Thailand. Atmospheric and Climate Sciences, 2(4), 441–453. https://doi.org/10.4236/acs.2012.24038

Jin, Y., Liu, Y., Lu, X., Chen, X., Shen, A., Wang, H., Cui, Y., Xu, Y., Li, S., Liu, J., Zhang, M., Ma, Y., & Fan, Q. (2024). Measurement report: Assessing the impacts of emission uncertainty on aerosol optical properties and radiative forcing from biomass burning in peninsular Southeast Asia. Atmospheric Chemistry and Physics, 24, 367–395. https://doi.org/10.5194/acp-24-367-2024

Marlier, M. E., DeFries, R. S., Voulgarakis, A., Kinney, P. L., Randerson, J. T., Shindell, D. T., Chen, Y., & Faluvegi, G. (2013). El Niño and health risks from landscape fire emissions in southeast Asia. Nature Climate Change, 3, 131–136. https://doi.org/10.1038/nclimate1658

National Oceanic and Atmospheric Administration, Climate Prediction Center. (n.d.). Oceanic Niño Index (ONI): Historical El Niño/La Niña episodes (1950–present). https://www.cpc.ncep.noaa.gov/products/analysis_monitoring/enso/oni/v5/

Rolph, G., Stein, A., & Stunder, B. (2017). Real-time Environmental Applications and Display sYstem: READY. Environmental Modelling & Software, 95, 210–228. https://doi.org/10.1016/j.envsoft.2017.06.025

Shin, S.-K., Tesche, M., Noh, Y., & Müller, D. (2019). Aerosol-type classification based on AERONET version 3 inversion products. Atmospheric Measurement Techniques, 12, 3789–3803. https://doi.org/10.5194/amt-12-3789-2019

Stein, A. F., Draxler, R. R., Rolph, G. D., Stunder, B. J. B., Cohen, M. D., & Ngan, F. (2015). NOAA’s HYSPLIT atmospheric transport and dispersion modeling system. Bulletin of the American Meteorological Society, 96(12), 2059–2077. https://doi.org/10.1175/BAMS-D-14-00110.1