Big Data เพื่อส่งเสริมการเพิ่มพื้นที่สีเขียวในเขตเมืองและชุมชน

Big Data เพื่อส่งเสริมการเพิ่มพื้นที่สีเขียวในเขตเมืองและชุมชน

22 มิถุนายน 2565
Big Data เพื่อส่งเสริมการเพิ่มพื้นที่สีเขียวในเขตเมืองและชุมชน

                 การเติบโตในภาคอุตสาหกรรมทำให้ความเป็นเมืองมีการขยายตัวมากขึ้น และทำให้พื้นที่สีเขียวในเขตเมืองและชุมชน ถูกปรับเปลี่ยนแปลสภาพจากเดิมที่เคยเป็นพื้นที่ทางการเกษตร หรือพื้นที่ป่าธรรมชาติไปเป็นพื้นที่สำหรับที่อยู่อาศัย อาคารสำนักงาน ร้านค้า และโรงงานอุตสาหกรรมมากขึ้น ซึ่งองค์การสหประชาชาติ (United Nation) โดย Department of Economic and Social Affairs Population Dynamics ได้จัดทำรายงานการประเมินและการคาดการณ์จำนวนประชากรเมืองและชนบทของประเทศไทย นับแต่ปี ค.ศ. 1950 เป็นต้นมา โดยพบว่าจำนวนประชากรจากชนบทจะลดลงและเป็นประชากรในเมืองเพิ่มมากขึ้น โดยแสดงดังรูปที่ 1 ( Big Data เพื่อเพิ่มพื้นที่สีเขียว )

รูปที่ 1 แสดงการคาดการณ์จำนวนประชากรเมืองและชนบทของประเทศไทย
(United Nations, Department of Economic and Social Affairs, 2018)

                 ซึ่งการเติบโตของเมืองที่ขยายตัวอย่างรวดเร็วนั้น มักมาพร้อมกับปัญหาทางด้านสิ่งแวดล้อม เช่น การสูญเสียความหลากหลายทางชีวภาพ มลพิษทางอากาศ มลพิษทางน้ำ และปัญหาในเรื่องของพื้นที่สีเขียว ก็เป็นหนึ่งในปัญหาทางด้านสิ่งแวดล้อม เนื่องจากพื้นที่สีเขียวเป็นส่วนที่มีการดูดกลับของปริมาณก๊าซคาร์บอนไดออกไซด์ หรือมีการกักเก็บก๊าซคาร์บอนไดออกไซด์ จึงถือว่าเป็นด้านที่มีความสำคัญด้านหนึ่ง ซึ่งเมื่อพูดถึงพื้นที่สีเขียวจะตีความว่าเป็นพื้นที่ป่าไม้ จากข้อมูลในปี พ.ศ. 2563 ประเทศไทยมีพื้นที่ป่าไม้ อยู่ที่ 163,765.57 ตร.กม. คิดเป็นร้อยละ 31.64 ของพื้นที่ทั้งหมดของประเทศ ซึ่งมีปริมาณพื้นที่ลดลงจากปี พ.ศ. 2562

                 โดยปัจจัยที่ทำให้พื้นที่ป่าไม้ลดลง ได้แก่ การนำไปทำเป็นพื้นที่ทางการเกษตร ปัญหาจากไฟป่า ปัญหาการลักลอบตัดไม้ และปัญหาการขยายตัวของเมือง จากการสำรวจและจัดทำฐานข้อมูล (Database) พื้นที่ป่าไม้ในประเทศไทยเพื่อใช้ในการบริหารจัดการพื้นที่ป่าไม้ของหน่วยงานต่าง ๆ พบว่าในความเป็นจริงมีพื้นที่ ที่อยู่นอกเขตพื้นที่ป่าไม้ซึ่งเป็นพื้นที่สีเขียวในเขตเมืองและชุมชน ที่มีความสำคัญไม่น้อยไปกว่าพื้นที่สีเขียวในพื้นที่ป่าไม้ ซึ่งการพิจารณาพื้นที่สีเขียวของเมืองโดยใช้ขอบเขตพื้นที่การปกครองของเมืองเป็นตัวกำหนดว่าภายในพื้นที่ของเมืองนั้นมีพื้นที่สีเขียวประเภทอะไรอยู่บ้าง มีความเพียงพอต่อจำนวนประชากรที่อยู่ภายในเมืองนั้นมากน้อยเพียงไรนั้นมีความสำคัญ เนื่องจากประชากรส่วนมากไม่ได้อยู่ในพื้นที่ป่าไม้แต่จะอยู่ในพื้นที่เมือง แต่เรากลับมองข้ามพื้นที่สีเขียวในเขตเมืองและชุมชนที่อยู่ใกล้ตัว ที่อยู่ในชีวิตประจำวันของเรา

                  ในปี พ.ศ. 2560 มีความพยายามเริ่มพัฒนาฐานข้อมูลการรายงานพื้นที่สีเขียวในเขตเมืองและชุมชน โดยกรมส่งเสริมคุณภาพสิ่งแวดล้อม กระทรวงทรัพยากรธรรมชาติและสิ่งแวดล้อม ในชื่อ “GreenArea” แสดงดังรูปที่ 2

รูปที่ 2 แสดงระบบรายงานการเพิ่มพื้นที่สีเขียวในเขตเมืองและชุมชน (GreenArea)

            โดยมีวัตถุประสงค์เพื่อให้เมืองต่าง ๆ ทั่วประเทศไทยมีเครื่องมือและมีระบบใช้ในการประเมินพื้นที่สีเขียวของตนเอง ซึ่งจะช่วยให้สามารถกำหนดนโยบายและทิศทางการพัฒนาเมืองอย่างสมดุลและยั่งยืนอีกทั้งยังเป็นเครื่องมือช่วยในการส่งเสริมการมีส่วนร่วม และการปลูกจิตสำนึกภาคประชาสังคมและท้องถิ่นให้มีการอนุรักษ์และจัดการทรัพยากรธรรมชาติ เมื่อระยะเวลาผ่านไป 5 ปี เริ่มมีหน่วยงาน ภาคี และเครือข่ายที่ให้ความสนใจทางด้านพื้นที่สีเขียวในเขตเมืองและชุมชนมากขึ้น ทำให้ปริมาณข้อมูลที่ถูกจัดเก็บในระบบมีมากขึ้น (Data Volume) มีความหลากหลายของประเภทของข้อมูล (Data Variety) และมีความถี่ในการผลิตข้อมูล (Data Velocity) ที่เพิ่มขึ้น ทำให้มองเห็นภาพของเทคโนโลยีฐานข้อมูลขนาดใหญ่หรือที่เรียกกันว่า “Big Data” ว่าควรถูกนำมาประยุกต์ใช้ในการจัดเก็บข้อมูลสำหรับระบบรายงานพื้นที่สีเขียวในเขตเมืองและชุมชน เพื่อให้สามารถจัดเก็บพื้นที่สีเขียวที่อยู่ภายในขอบเขตของเมืองและชุมชน และต้นไม้ยืนต้นทั้งหมดได้ เพื่อจะได้นำไปใช้วิเคราะห์ข้อมูล เช่น การวิเคราะห์สัดส่วนพื้นที่สีเขียวต่อพื้นที่ทั้งหมด การวิเคราะห์สัดส่วนพื้นที่สีเขียวต่อประชากร การวิเคราะห์ความหลากหลายทางชีวะภาพ หรือแม้กระทั้งเป็นฐานข้อมูลเพื่อการพัฒนาเศรษฐกิจชีวภาพในกับชุมชน

            ในต่างประเทศมีงานวิจัยหลายงงานที่น่าสนใจ ที่มีการใช้เทคโนโลยีฐานข้อมูลขนาดใหญ่ นำมาวิเคราะห์ข้อมูลที่เกี่ยวข้องกับพื้นที่สีเขียว เช่น ในประเทศจีนมีการวิเคราะห์หาความเหลื่อมล้ำในการเข้าถึงพื้นที่สีเขียวของชุมชนต่าง ๆ โดยมีการใช้ปัจจัย ขนาดพื้นที่สีเขียว การปกคลุมเรือนยอดของต้นไม้ ระยะทางจากชุมชนเดินทางมาถึงพื้นที่สีเขียว ค่าใช้จ่ายในการเดินทาง [1] และมีการติดตามประเมินสวนสาธารณะในเมือง โดยดูจากการความสามารถในการเข้าถึงพื้นที่สีเขียวและคุณภาพของพื้นที่สีเขียว [2] หรือในประเทศญี่ปุ่น ทำการวิเคราะห์การเปลี่ยนแปลงการใช้พื้นที่สีเขียวของประชาชนก่อนและระหว่างการระบาดของ COVID-19 โดยการวิเคราะห์ข้อมูลขนาดใหญ่โดยใช้ข้อมูล GPS ติดตามมือถือ [3] โดยพบว่าพฤติกรรมการออกนอกบ้านมีแนวโน้มสูงที่จะหลีกเลี่ยงการออกนอกบ้าน โดยมีจำนวน เวลา และระยะทางของการออกนอกบ้านลดลง มีแนวโน้มในการใช้พื้นที่สีเขียวในใจกลางเมืองลดลง และมีการเพิ่มขึ้นของพื้นที่สีเขียวใกล้บ้านหรือภายในบ้านแทน แสดงดังรูปที่ 3

รูปที่ 3 แสดงการการใช้พื้นที่สีเขียวของประชาชนก่อนและระหว่างการระบาดของ COVID-19
(ซ้าย) ภาพการใช้งานพื้นที่สีเขียวในปี พ.ศ. 2021 (ขวา) ภาพการใช้งานพื้นที่สีเขียวในปี พ.ศ. 2022

           จากตัวอย่างงานในต่างประเทศ ทำให้เห็นว่าข้อมูลที่ใช้ในการวิเคราะห์เรื่องพื้นที่สีเขียวทั้งหมดมีการจัดเก็บข้อมูลในหลายมิติและมีปริมาณข้อมูลที่มาก ดังนั้นจึงปฏิเสธไม่ได้เลยที่จะต้องมีการนำเทคโนโลยีฐานข้อมูลขนาดใหญ่มาใช้ในการจัดเก็บข้อมูล เพื่อนำไปใช้วิเคราะห์ข้อมูลในด้านต่าง ๆ ของพื้นที่สีเขียวในเขตเมืองและชุมชนได้อย่างรวดเร็วและมีประสิทธิภาพ ซึ่งจะส่งผลประโยชน์ไปยังการบริหารจัดการด้านพื้นที่สีเขียวของเมืองและอาจจะนำไปประยุกต์ใช้งานกับการแก้ไขปัญหาทางด้านสิ่งแวดล้อมในมิติอื่นได้ในอนาคต

เนื้อหาโดย ว่าที่ ร.ต. ดร.องอาจ อุ่นอนันต์
ตรวจทานและปรับปรุงโดย ดวงใจ จิตคงชื่น

อ้างอิง

[1] Yang Chen, Wenze Yue, Daniele La Rosa, Which communities have better accessibility to green space? An investigation into environmental inequality using big data, Landscape and Urban Planning, Volume 204, 2020, ISSN 0169-2046.

[2] Xu, Z.; Gao, X.; Wang, Z.; Fan, J. Big Data-Based Evaluation of Urban Parks: A Chinese Case Study. Sustainability 2019, 11, 2125. https://doi.org/10.3390/su11072125

[3] Ueno, Y., Kato, S., Mase, T., Funamoto, Y., Hasegawa, K. (2022). Changes in the Use of Green Spaces by Citizens Before and During the First COVID-19 Pandemic: A Big Data Analysis Using Mobile-Tracking GPS Data in Kanazawa, Japan. In: Nakamura, F. (eds) Green Infrastructure and Climate Change Adaptation. Ecological Research Monographs. Springer, Singapore. https://doi.org/10.1007/978-981-16-6791-6_16

[4] This article originally appeared on Maxar’s website on May 3, 2018, and later in Geospatial World on May 14, 2018.

Acting Sub Lt. Aongart Aun-a-nan, Ph.D.

Independent Consultants and Scholar of Information Technology

Vice President, Manpower Development Division at Big Data Institute (Public Organization), BDI

แบ่งปันบทความ

กลุ่มเนื้อหา

แท็กยอดนิยม

แจ้งเรื่องที่อยากอ่าน

คุณสามารถแจ้งเรื่องที่อยากอ่านให้เราทราบได้ !
และเราจะนำไปพัฒนาบทความให้มีเนื้อหาที่น่าสนใจมากขึ้น

ไอคอน PDPA

เราใช้คุกกี้เพื่อพัฒนาประสิทธิภาพ และประสบการณ์ที่ดีในการใช้เว็บไซต์ของคุณ คุณสามารถศึกษารายละเอียดได้ที่ “นโยบายคุ้กกี้” และสามารถจัดการความเป็นส่วนตัวเองได้ของคุณได้เองโดยคลิกที่ “ตั้งค่า”

ตั้งค่าความเป็นส่วนตัว

คุณสามารถเลือกการตั้งค่าคุกกี้โดยเปิด/ปิด คุกกี้ในแต่ละประเภทได้ตามความต้องการ ยกเว้น คุกกี้ที่จำเป็น

ยอมรับทั้งหมด
จัดการความเป็นส่วนตัว
  • คุกกี้ที่มีความจำเป็น (Strictly Necessary Cookies)
    เปิดใช้งานตลอด

    คุกกี้ประเภทนี้มีความจำเป็นต่อการให้บริการเว็บไซต์ของ สำนักงานคณะกรรมการคุ้มครองข้อมูลส่วนบุคคล เพื่อให้ท่านสามารถเข้าใช้งานในส่วนต่าง ๆ ของเว็บไซต์ได้ รวมถึงช่วยจดจำข้อมูลที่ท่านเคยให้ไว้ผ่านเว็บไซต์ การปิดการใช้งานคุกกี้ประเภทนี้จะส่งผลให้ท่านไม่สามารถใช้บริการในสาระสำคัญของ สำนักงานคณะกรรมการคุ้มครองข้อมูลส่วนบุคคล ซึ่งจำเป็นต้องเรียกใช้คุกกี้ได้
    รายละเอียดคุกกี้

  • คุกกี้เพื่อการวิเคราะห์และประเมินผลการใช้งาน (Performance Cookies)

    คุกกี้ประเภทนี้ช่วยให้ BDI ทราบถึงการปฏิสัมพันธ์ของผู้ใช้งานในการใช้บริการเว็บไซต์ของ BDI รวมถึงหน้าเพจหรือพื้นที่ใดของเว็บไซต์ที่ได้รับความนิยม ตลอดจนการวิเคราะห์ข้อมูลด้านอื่น ๆ BDI ยังใช้ข้อมูลนี้เพื่อการปรับปรุงการทำงานของเว็บไซต์ และเพื่อเข้าใจพฤติกรรมของผู้ใช้งานมากขึ้น ถึงแม้ว่า ข้อมูลที่คุกกี้นี้เก็บรวบรวมจะเป็นข้อมูลที่ไม่สามารถระบุตัวตนได้ และนำมาใช้วิเคราะห์ทางสถิติเท่านั้น การปิดการใช้งานคุกกี้ประเภทนี้จะส่งผลให้ BDI ไม่สามารถทราบปริมาณผู้เข้าเยี่ยมชมเว็บไซต์ และไม่สามารถประเมินคุณภาพการให้บริการได้

  • คุกกี้เพื่อการใช้งานเว็บไซต์ (Functional Cookies)

    คุกกี้ประเภทนี้จะช่วยให้เว็บไซต์ของ BDI จดจำตัวเลือกต่าง ๆ ที่ท่านได้ตั้งค่าไว้และช่วยให้เว็บไซต์ส่งมอบคุณสมบัติและเนื้อหาเพิ่มเติมให้ตรงกับการใช้งานของท่านได้ เช่น ช่วยจดจำชื่อบัญชีผู้ใช้งานของท่าน หรือจดจำการเปลี่ยนแปลงการตั้งค่าขนาดฟอนต์หรือการตั้งค่าต่าง ๆ ของหน้าเพจซึ่งท่านสามารถปรับแต่งได้ การปิดการใช้งานคุกกี้ประเภทนี้อาจส่งผลให้เว็บไซต์ไม่สามารถทำงานได้อย่างสมบูรณ์

  • คุกกี้เพื่อการโฆษณาไปยังกลุ่มเป้าหมาย (Targeting Cookies)

    คุกกี้ประเภทนี้เป็นคุกกี้ที่เกิดจากการเชื่อมโยงเว็บไซต์ของบุคคลที่สาม ซึ่งเก็บข้อมูลการเข้าใช้งานและเว็บไซต์ที่ท่านได้เข้าเยี่ยมชม เพื่อนำเสนอสินค้าหรือบริการบนเว็บไซต์อื่นที่ไม่ใช่เว็บไซต์ของ BDI ทั้งนี้ หากท่านปิดการใช้งานคุกกี้ประเภทนี้จะไม่ส่งผลต่อการใช้งานเว็บไซต์ของ BDI แต่จะส่งผลให้การนำเสนอสินค้าหรือบริการบนเว็บไซต์อื่น ๆ ไม่สอดคล้องกับความสนใจของท่าน

บันทึกการตั้งค่า
ไซต์นี้ลงทะเบียนกับ wpml.org ในฐานะไซต์พัฒนา สลับไปยังไซต์การผลิตโดยใช้รหัส remove this banner.