รองศาสตราจารย์ ดร.มานัส ศรีวณิช อาจารย์ประจำสาขาวิชาการผังเมือง และ ผู้ช่วยศาสตราจารย์ ศุภวัจน์ แก้วขาว อาจารย์ประจำสาขาภูมิสถาปัตยกรรม คณะสถาปัตยกรรมศาสตร์และการผังเมือง มหาวิทยาลัยธรรมศาสตร์ ได้ร่วมกันพัฒนาระบบประเมินความเสี่ยงอัจฉริยะด้วย Machine Learning เพื่อปกป้องชีวิตและทรัพย์สินจากอุบัติเหตุต้นไม้ล้มในมหาวิทยาลัย

ในแต่ละปี มหาวิทยาลัยต้องเผชิญกับความท้าทายในการดูแลต้นไม้นับพันต้น หลายครั้งที่เกิดอุบัติเหตุจากต้นไม้ล้มและกิ่งไม้หัก สร้างความเสียหายต่อชีวิตและทรัพย์สิน คำถามสำคัญคือ เราจะสามารถคาดการณ์และป้องกันเหตุการณ์เหล่านี้ได้อย่างไร?

นี่คือโจทย์ที่ ทีมวิจัยจากคณะสถาปัตยกรรมศาสตร์และการผังเมือง มหาวิทยาลัยธรรมศาสตร์ ได้ศึกษาอย่างจริงจังตลอดช่วงที่ผ่านมา จนนำไปสู่การพัฒนาโปรโตคอลการประเมินความเสี่ยงของต้นไม้รูปแบบใหม่ ที่ผสานเทคโนโลยี Machine Learning เข้ากับระบบสารสนเทศภูมิศาสตร์ (GIS)

จากการสำรวจต้นไม้ในพื้นที่มหาวิทยาลัยธรรมศาสตร์ ศูนย์รังสิต พบข้อมูลที่น่าสนใจ จากต้นไม้ 3,659 ต้น ใน 139 สายพันธุ์ มีต้นไม้เสี่ยงสูงถึง 280 ต้น โดยเฉพาะในพื้นที่ที่มีการสัญจรและการใช้งานหนาแน่น เช่น ทางเดินเท้า ที่จอดรถ และพื้นที่กิจกรรมของนักศึกษา สายพันธุ์ที่พบมากที่สุด 10 อันดับแรก ได้แก่ ต้นหางนกยูงฝรั่ง ประดู่ ตะเคียนทอง อินทนิลน้ำ ชัยพฤกษ์ ราชพฤกษ์ มะฮอกกานี ตะเกรากาบขาว อินทรชิต และกระถินเทพา คิดเป็น 56.52% ของจำนวนต้นไม้ทั้งหมด

การประเมินความเสี่ยงแบบดั้งเดิมต้องใช้ผู้เชี่ยวชาญและใช้เวลามากแต่ระบบ AI ที่เราพัฒนาขึ้นสามารถวิเคราะห์ปัจจัยเสี่ยงได้อย่างแม่นยำถึง 87.35% โดยพิจารณาจาก 3 ตัวแปรสำคัญคือ โอกาสกระทบเป้าหมาย ผลกระทบที่ตามมา และอาการผิดปกติของต้้นไม้ โดยมี 5 อาการผิดปกติของต้นไม้ที่พบความสัมพันธ์กับความเสี่ยงประกอบด้วย กิ่งไม้ตาย โพรงในลำต้น การแตกกิ่งใหม่ผิดปกติ ความเสียหายทางกล และการติดโรคหรือแมลง

ปัญหาสำคัญที่พบในต้นไม้กลุ่มเสี่ยงคือ การจำกัดพื้นที่การเติบโตของราก (53.21%) พื้นผิวที่ไม่ซึมน้ำรอบโคนต้น และการมีพืชพันธุ์อื่นขึ้นรอบโคนต้น (30%) นอกจากนี้ยังพบปัญหาด้านสุขภาพต้นไม้ เช่น กิ่งไม้ตาย โพรงในลำต้น การแตกกิ่งใหม่ผิดปกติ และการเข้าทำลายของโรคและแมลง ซึ่งเพิ่มความเสี่ยงต่อการหักโค่นในช่วงพายุฝนหรือลมแรง

สำหรับหน่วยงานที่สนใจนำแนวคิดการประเมินไปประยุกต์ใช้ ทีมวิจัยแนะนำให้เริ่มต้นจากการประเมินตัวแปรพื้นฐาน 5 ประการ ได้แก่ กิ่งไม้ตาย โพรงในลำต้น การแตกกิ่งใหม่ผิดปกติ ความเสียหายทางกล และการติดโรคหรือแมลง จากนั้นจึงประเมินโอกาสการกระทบเป้าหมายและผลกระทบที่อาจเกิดขึ้น เพื่อจัดระดับความเสี่ยงของต้นไม้แต่ละต้น

"แม้ระบบจะมีความแม่นยำสูง แต่ยังมีข้อจำกัดที่ต้องพัฒนาต่อ เช่น ระบบยังไม่ครอบคลุมปัจจัยบางอย่างที่ส่งผลต่อการล้มของต้นไม้ อาทิ ความเสียหายของราก ความอ่อนแอของดิน การรัดของราก และการยกตัวของแผ่นราก ซึ่งเป็นโจทย์วิจัยที่เราจะพัฒนาต่อไป"

นอกจากนี้ ทีมวิจัยยังมีแผนพัฒนาระบบการติดตามการเปลี่ยนแปลงของต้นไม้แบบเรียลไทม์ ผ่านเทคโนโลยี IoT และเซนเซอร์ต่างๆ เพื่อให้สามารถตรวจจับความเสี่ยงได้ทันท่วงที รวมถึงการพัฒนาแบบจำลองที่สามารถทำนายผลกระทบจากสภาพอากาศรุนแรงที่อาจเกิดขึ้นในอนาคต

"การจัดการพื้นที่สีเขียวที่ยั่งยืนต้องอาศัยทั้งเทคโนโลยีและการมีส่วนร่วมของชุมชน ทีมวิจัยได้วางแผนจะพัฒนาแอปพลิเคชันที่ให้ประชาคมมหาวิทยาลัยมีส่วนร่วมในการเฝ้าระวังและรายงานความเสี่ยงของต้นไม้ ซึ่งจะช่วยเพิ่มประสิทธิภาพในการดูแลรักษาต้นไม้ได้อีกทางหนึ่ง"

ผลงานวิจัยนี้ได้รับการตีพิมพ์ในวารสารระดับนานาชาติ Urban Forestry & Urban Greening และได้รับทุนสนับสนุนจากมหาวิทยาลัยธรรมศาสตร์ สำหรับผู้ที่สนใจข้อมูลเพิ่มเติมเกี่ยวกับงานวิจัยนี้ สามารถติดต่อได้ที่คณะสถาปัตยกรรมศาสตร์และการผังเมือง มหาวิทยาลัยธรรมศาสตร์

อ่านบทความฉบับเต็มได้ที่: https://doi.org/10.1016/j.ufug.2024.128420