AI-Powered Spatio-temporal Cluster Detection from Open Burning/Slash-and-Burn to combat the effects of PM 2.5

เชื่อว่าทุกคนน่าจะเคยเห็นข้อมูล Fire Hotspots จากดาวเทียม แบบ Live Feed แสดงจุดความร้อนจากดาวเทียม VIIRS / MODIS ของ NASA ซึ่งจุดความร้อนนั้นอาจเกิดจากเหตุไฟป่า และการเผา ที่เป็นปัจจัยที่ทำให้เกิดปัญหา ฝุ่น PM2.5 อีกด้วย

จุดความร้อนจากดาวเทียม VIIRS วันที่ 14/1/2026

​ซึ่งจะเห็นได้ว่า ข้อมูลจุดความร้อนนี้มีหลายหมื่นจุดกระจัดกระจายอยู่ทุกพื้นที่ เราจะรู้ได้ยังไง ว่าพื้นที่ไหน เวลาไหน มีจุดความร้อนเกิดขึ้นอย่างมีนัยยะ ที่นับเป็นพื้นที่เสี่ยงของการเกิดไฟป่า หรือปัจจัยที่อาจทำให้เกิดฝุ่น PM 2.5 เช่น การเผาในที่โล่งได้

วันนี้ผมจะใช้ Model AI ชื่อว่า DBSCAN ด้วยเครื่องมือ ​Density-based Clustering บน ArcGIS Pro ที่จะช่วยตรวจจับ และค้นพบ หา Cluster ตามเงื่อนไขที่เรากำหนดได้แบบอัตโนมัติ

DBSCAN (Density-based Spatial Clustering of Applications with Noise) เป็นการหาบริเวณที่ข้อมูลเกาะกลุ่มกัน ซึ่งสามารถคำนวณได้จาก Data Point ที่อยู่รอบ ๆ ในรัศมีที่กำหนด

Ref. Clustering — DBSCAN คืออะไร. ​ทำความเข้าใจกับ DBSCAN | by Lalita Lowphansirikul

Data Integration & Cleansing

แต่ดาวเทียม VIIRS ที่ตรวจพบจุดความร้อนจากเซนเซอร์อย่างเดียว อาจตรวจจับเหตุการณ์อื่น ๆ นอกจากการเผาในที่โล่ง เช่น โรงงานอุตสาหกรรม เพราะฉะนั้น เราจะเลือก (Spatial Query) เฉพาะจุดความร้อนที่เกิดขึ้นในการใช้ประโยชน์ที่ดินสำหรับการเกษตรและป่าไม้ ด้วยชั้นข้อมูล Land Use/Land Cover ที่ Impact Observatory, Microsoft และ Esri ได้นำ AI มาจำแนกการใช้ประโยชน์ที่ดินทั่วโลกจากภาพดาวเทียม Sentinel-2

Data Analytics

นอกจากนั้น การเผามักจะเกิดขึ้นตามฤดูกาล ซึ่งหมายความว่า นอกจากมิติเชิงพื้นที่ (Location) แล้ว การวิเคราะห์หา Cluster จะต้องคำนึงถึงมิติของเวลา (Time/Temporal) อีกด้วย

เพราะเหตุนี้ผมจะใช้ AI มาช่วยหา Cluster ของการเผาในพื้นที่การเกษตรที่เกิดขึ้นเป็นกลุ่มก้อนอย่างน้อย 25 จุด ที่อยู่ใกล้กันในรัศมี 10 กิโลเมตร และเกิดขึ้นในวันเดียวกัน

ผลลัพธ์ได้เป็น Cluster จุดความร้อน สีต่าง ๆ ที่มีนัยยะสำคัญ ที่ AI ช่วยวิเคราะห์หา Pattern ให้ ซึ่งสามารถนำไปใช้ตรวจสอบตอบหาพื้นที่ที่อาจมีการเผาทางการเกษตรจำนวนมากอย่างมีนัยยะ ในพื้นที่ใกล้กัน และเวลาไล่เลี่ยกันด้วยครับ

(จุดสีเทา​คือ Noise หรือจุดความร้อนที่ AI มองว่าไม่ได้เป็นกลุ่มก้อนกันอย่างมีนัยยะ)

Data Visualization

ซึ่งผมได้ทำการสรุป Cluster จุดความร้อนด้วยเครื่องมือ Spatial Aggregation เข้าไปในชั้นข้อมูลขอบเขตจังหวัดเพื่อนำมาดูผลลัพธ์ของการวิเคราะห์และจัดลำดับจังหวัดที่อาจมีการเผามากที่สุดในรูปแบบ Dashboard ครับ

การใช้ AI มาวิเคราะห์หากลุ่มก้อนหรือ Cluster ของข้อมูลปริมาณมาก สามารถช่วยให้เราลดเวลาการประมวลผลข้อมูลได้โดยอัตโนมัติ (Automation) และนำข้อมูล Big Data ที่เก็บไว้มาใช้งานให้เกิดประโยชน์สำหรับการแก้ปัญหาต่าง ๆ ในโลกของเราได้ครับ

นอกจากการวิเคราะห์ด้านการเผาไหม้ เรายังสามารถนำโมเดล DBSCAN มาใช้งานในด้านอื่น เช่น ​พื้นที่ที่ไฟดับบ่อย การร้องเรียนโดยลูกค้า/ประชาชน ปัญหาด้านสัญญาณมือถือ/อินเตอร์เน็ต อุบัติเหตุ หรือแม้แต่โรคระบาดครับ ถ้าหากใครสนใจส่วนไหนเพิ่มเติม หรือส่วนอื่น ๆ Comment ไว้ได้เลยนะครับ

Reference

1. Satellite (VIIRS) Thermal Hotspots and Fire Activity — Overview
2. How Density-based Clustering works — ArcGIS Pro | Documentation
3. Sentinel-2 10m Land Use/Land Cover Time Series
4. Professional Plus User Type | Premier Spatial Analysis & Cartography
5. App Builders | Create No-Code & Low-Code Web Apps
6. OpenAQ Recent Conditions in Air Quality