Page 67 - การใช้เทคโนโลยีการสำรวจระยะไกลเพื่อศึกษารูปแบบการเพาะปลูกพืชเศรษฐกิจ Using of remote sensing for economic crops growth pattern study
P. 67

ห้องสมุดกรมพัฒนาที่ดิน

                                                                                                           56







                       ทาสเปกตรัมไลบารี่ของมันสาปะหลัง พบว่า ลักษณะของลายเซ็นต์เชิงคลื่นที่ขึ นลงแตกต่างกันตามช่วง
                       ความยาวคลื่น ขึ นอยู่กับองค์ประกอบที่มีผลต่อการสะท้อนพลังงานของพืชพรรณ โดยค่าการสะท้อน
                       พลังงานที่แท้จริงของมันส าปะหลังในช่วงระยะการเจริญเติบโต ระยะที่ 1 ช่วงอายุ 1 เดือน เท่ากับ
                       0.0399 ถึง 0.3566 และช่วงอายุ 2 เดือน เท่ากับ 0.0287 ถึง 0.3404 ระยะที่ 2 ช่วงอายุ 6 เดือน

                       เท่ากับ 0.0265 ถึง 0.5709 และ ระยะที่ 3 ช่วงอายุ 9 เดือน เท่ากับ 0.0273 ถึง 0.4573
                               Htitiou et al. (2019) ใช้ข้อมูลการรับรู้จากระยะไกลเพื่อศึกษาศักยภาพของข้อมูลอนุกรม
                       เวลา Sentinel-2A (S2) และ Landsat 8 (L8) โดยค านวณดัชนี NDVI ซึ่งประเมินโดยใช้การจ าแนก
                       ประเภท Random Forest (RF) เพื่อจ าแนกและจัดท าแผนที่ชนิดพืชต่างๆ ในประเทศโมร็อกโก อนุกรม

                       เวลาดัชนี NDVI ซึ่งเป็นตัวชี วัดทางชีพลักษ์ เป็นตัวแปรส าหรับการจ าแนกประเภทพื นที่เพาะปลูก วิธีการ
                       จัดประเภทที่ใช้นั นเกี่ยวข้องกับการใช้ตัวแยกประเภท Random Forest (RF) ที่มีการควบคุมดูแล
                       ผลลัพธ์แสดงให้เห็นถึงความสามารถของภาพถ่ายดาวเทียมที่มีความละเอียดระดับปานกลางถึงสูง (10-30
                       ม.) ในการบันทึกภาพระยะทางชีพลักษณ์ของระบบการปลูกพืชต่างๆ ในพื นที่ศึกษา ซึ่งการจ าแนก

                       ประเภทโดยใช้ข้อมูลภาพถ่าย Sentinel 2 ให้ความแม่นย าโดยรวมที่สูงกว่า 93 เปอร์เซ็นต์  และค่า
                       สัมประสิทธิ์คัปปาที่ 0.91 ซึ่งสูงกว่าการใช้ข้อมูลภาพถ่าย Landsat  8 ซึ่งอยู่ที่ 90 เปอร์เซ็นต์ และค่า
                       สัมประสิทธิ์คัปปาที่ 0.88 กล่าวอีกนัยหนึ่งคือ ค่ชีพลักษณ์ที่ได้จากข้อมูลอนุกรมเวลา ข้อมูลภาพถ่าย

                       Sentinel 2 มีศักยภาพสูงส าหรับการจ าแนกประเภทพืชผลทางการเกษตรในพื นที่กึ่งแห้งแล้ง และดังนั น
                       จึงสามารถเป็นเครื่องมือส าหรับการตัดสินใจในการจัดการและติดตามในสภาพพื นที่ที่ซับซ้อน เช่น พื นที่
                       ชลประทาน
                               ยศธร (2562) ศึกษาการใช้เทคนิค NDVI และ NDWI ในการจ าแนกชนิดป่าไม้ ในเขตอ าเภอ
                       นครไทย จังหวัดพิษณุโลก พบว่า การใช้ข้อมูลภาพถ่ายดาวเทียมกับบเทคนิคอัตราส่วนช่วงคลื่น

                       โดยเฉพาะอย่างยิ่ง NDVI และNDWI สามารถเพิ่มความถูกต้องในการจ าแนกชนิดป่าได้ ซึ่งค่า NDVI และ
                       NDWI ของป่าแต่ละชนิดที่จ าแนกออกมานั น ค่าเฉลี่ยของ NDVI และNDWI แตกต่างกัน เช่น ค่า NDVI
                       ของป่าเบญจพรรณกับป่าดิบเขา นั นมีความแตกต่างกันอย่างมีนัยส าคัญ ส่วนป่าไผ่กับสวนป่าสักนั นมีค่าที่

                       ใกล้เคียงกันจึงแยกออกจากกันไม่ได้ ส่วนค่าของ NDWI ของป่าเบญจพรรณกับป่าดิบเขา นั นแตกต่างกัน
                       อย่างมีนัยส าคัญ ส่วนค่าของป่าที่ใกล้เคียงกันของ NDWI นั น คือ ป่าเบญจพรรณกับป่าทุ่ง ป่าเบญจพรรณ
                       กับป่าฟื้นฟูตามธรรมชาติ และ ป่าทุ่งกับป่าฟื้นฟูตามธรรมชาติ
                               ทศนัศว์ และ เชฏฐรุจ (2564) รายงานว่าข้อมูลภาพถ่ายโดยใช้อากาศยานไร้คนขับ (โดรน) ที่ติดกล้อง

                       ชนิด multispectral และ ท าการค านวณค่า NDVI พบว่า ต้นยูคาลิปตัสที่มีอายุต่างกัน มีค่าเฉลี่ย NDVI ที่
                       แตกต่างกัน โดยพบว่า ต้นยูคาลิปตัสที่มีอายุ 8 ปี มีค่าเฉลี่ย NDVI สูงสุด เท่ากับ0.42 รองลงมา ได้แก่ ต้นยูคา
                       ลิปตัสที่มีอายุ 10, 4 และ 6 ปี ตามล าดับ ซึ่งสอดคล้องกับ Qiao และ คณะ (2016) ซึ่งรายงานว่า ค่า NDVI ของ
                       แปลงปลูกต้นยูคาลิปตัสที่มีอายุ 1 ถึง 7 ปี อยู่ในช่วงระหว่าง 1.5 – 0.6 โดยค่า NDVI จะเปลี่ยนไปตามอายุของ

                       ต้นยูคาลิปตัส นอกจากนี ยังรายงานว่า ค่า NDVI ของแปลงปลูกต้นยูคาลิปตัสลดลงต่ าสุดเมื่อถึงอายุที่มีการตัด
                       หลังจากนั นค่า NDVI จะเพิ่มสูงขึ นอีกครั งเมื่อต้นยูคาลิปตัสมีการงอกล าต้นใหม่ขึ นมา
   62   63   64   65   66   67   68   69   70   71   72