งานนี้เสนอ Socio-Economic Asymmetry Index หรือ SEA เพื่อระบุพื้นที่เกษตรที่ความเปราะบางทางเศรษฐกิจและสังคมมีน้ำหนักมากกว่าการเผชิญภัยทางกายภาพ ผู้วิจัยทดสอบกรอบดังกล่าวกับจุดตัวอย่าง 63,010 จุดในลุ่มน้ำชีตอนบน ภาคตะวันออกเฉียงเหนือของไทย โดยผสานข้อมูลดาวเทียม การใช้ที่ดิน ดัชนีองค์ประกอบ 6 ชุด Random Forest และ SHAP พบว่าราวหนึ่งในสี่ของพื้นที่อยู่ในกลุ่มความไม่สมมาตรสูงหรือสูงมาก ผลนี้เป็นหลักฐานแบบจำลองเชิงพื้นที่สำหรับจัดลำดับการสำรวจและช่วยเหลือ ไม่ใช่ข้อพิสูจน์เชิงเหตุว่าปัจจัยใดทำให้เกิดความเสียหายจากน้ำท่วม
ข้อค้นพบสำคัญ
- ประมาณ 25% ของพื้นที่ศึกษาถูกจัดเป็นความไม่สมมาตรระดับสูงหรือสูงมาก โดยใช้ SEA มากกว่า 0.478 เป็นเส้นแบ่งที่รายงานในบทความ
- ACI มีความสัมพันธ์เชิงบวกกับ SEA สูงที่สุด (r=0.808) ตามด้วย NELI (r=0.788) และความถี่น้ำท่วม (r=0.786) ขณะที่ CERI มีความสัมพันธ์เชิงลบ (r=-0.707); ค่าสหสัมพันธ์เหล่านี้ไม่ใช่หลักฐานเชิงเหตุ
- เมื่อใช้ความถี่น้ำท่วมเป็นเป้าหมาย เกณฑ์ SEA มากกว่า 0.608 ให้ AUC 0.988 ความไว 0.972 และความจำเพาะ 0.962 แต่เป็นการประเมินภายในข้อมูลภูมิภาคเดียว ไม่ใช่การยืนยันอิสระในลุ่มน้ำใหม่
- การจัดกลุ่ม k-means แบ่งจุดเป็น High-Asymmetry 9.5%, Moderate-Asymmetry 37.4%, Low-Asymmetry 16.2% และ Resilient 36.8% ซึ่งช่วยแยกรูปแบบเพื่อการสำรวจภาคสนามต่อไป
ทำไมจึงมีความสำคัญระดับโลก
SEA เสนอภาษากลางสำหรับชี้จุดที่แผนที่อันตรายทางกายภาพเพียงอย่างเดียวอาจมองข้ามครัวเรือนหรือพื้นที่เกษตรที่รับมือได้น้อย หากทดสอบซ้ำข้ามลุ่มน้ำและเชื่อมกับความเสียหายที่สังเกตจริง กรอบนี้อาจช่วยออกแบบการจัดสรรทรัพยากร การประกันภัยพิบัติ และการปรับตัวต่อภูมิอากาศในประเทศรายได้ปานกลางและต่ำได้ อย่างไรก็ดี ตัวเลขความแม่นยำจากพื้นที่เดียวไม่ยืนยันความใช้ได้ระดับโลก
บทบาทของนักวิจัยไทย
Patiwat Littidej และ Jiradech Majandang สังกัดมหาวิทยาลัยมหาสารคาม ส่วน Benjamabhorn Pumhirunroj สังกัดมหาวิทยาลัยราชภัฏสกลนคร ทำให้ทีมไทยเป็นแกนหลักของการพัฒนาดัชนีและการประยุกต์กับลุ่มน้ำชีตอนบน การระบุบทบาทรายกิจกรรมยึดเฉพาะข้อมูลผู้เขียนและสังกัดที่ผู้จัดพิมพ์แสดง โดยไม่อนุมาน CRediT ที่ไม่ปรากฏในหลักฐานที่ตรวจ
ข้อจำกัดที่ควรรู้
งานพัฒนาและประเมินแบบจำลองในลุ่มน้ำเดียว จึงยังไม่ทราบว่าเกณฑ์ 0.478 หรือ 0.608 จะคงประสิทธิภาพในพื้นที่และปีอื่นหรือไม่ ดัชนีผสมขึ้นกับคุณภาพข้อมูลตัวแทน วิธีปรับมาตรฐาน และโครงสร้างอัตราส่วน การใช้ความถี่น้ำท่วมเป็นเป้าหมายไม่เท่ากับการตรวจด้วยความสูญเสียระดับครัวเรือนหรือผลผลิต และค่า SHAP กับสหสัมพันธ์บอกความสำคัญเชิงแบบจำลอง ไม่พิสูจน์เหตุและผล จำเป็นต้องมี external และ temporal validation พร้อมการวิเคราะห์ความไม่แน่นอน
ตรวจสอบแหล่งต้นทาง
Symmetryบทความต้นฉบับใน Symmetry↗DOI: 10.3390/sym18101675