Page 54 - รายงานการประยุกต์ใช้ฐานข้อมูลการสำรวจระยะไกลจากซอฟต์แวร์รหัสเปิดและคลาวด์คอมพิวติงเพื่องานพัฒนาที่ดิน Utilization of Remote Sensing Database derived from Open-source software and Cloud computing platform for Land Development
P. 54
ห้องสมุดกรมพัฒนาที่ดิน
46
ของบริการต่างๆ เช่น Google Earth Engineการเชื่อมต่ออินเทอร์เน็ตที่มีประสิทธิภาพกลายเป็นเพียง
จ าเป็นต้องเข้าถึง จัดการ และวิเคราะห์ข้อมูลจ านวนมหาศาล ในขณะที่สังเกตว่าการใช้ประโยชน์จาก
คลาวด์คอมพิวติ้งอย่างเต็มศักยภาพเกี่ยวกับแอปพลิเคชันเชิงพื้นที่ยังอยู่ในช่วงเริ่มต้น โดยการประมวลผล
ของภาพถ่าย Landsat และ MODIS ขนาดเพตะไบต์เต็มภายในหนึ่งวันโดยใช้คลาวด์สาธารณะเท่านั้น
ทรัพยากรการค านวณแสดงให้เห็นถึงศักยภาพอันเหลือเชื่อที่วิธีการค านวณใหม่นี้น าเสนอส าหรับการ
วิเคราะห์เชิงพื้นที่ขนาดใหญ่ แอปพลิเคชันที่ใช้ทรัพยากรการประมวลผลแบบคลาวด์กับชุดข้อมูล
ดาวเทียม EO ขนาดใหญ่ได้รวมการผลิตผลิตภัณฑ์การเปลี่ยนแปลงที่ปกคลุมผืนป่าทั่วโลกด้วย การท า
แผนที่น้ าบนผิวโลกและพลวัตของมัน และการพัฒนาการอย่างต่อเนื่อง , แผนที่โลก 'ที่มีชีวิต' ซึ่ง
ประกอบด้วย 'ภาพยนตร์' ของพื้นผิวโลกแบบไดนามิกเพื่อสนับสนุนการวิเคราะห์การเปลี่ยนแปลงของ
โลกแนวโน้มที่สามที่มีอิทธิพลต่อการเปลี่ยนแปลงในปัจจุบันของวิทยาศาสตร์เชิงพื้นที่การใช้อัลกอริธึม
การเรียนรู้ของเครื่อง (ML) ที่ขยายตัวจากสาขาปัญญาประดิษฐ์เป็นการพัฒนาที่ค่อยเป็นค่อยไปซึ่งเพิ่ง
เกิดขึ้นไม่นานมานี้ซึ่งเป็นเครื่องมือในการเปิดใช้งานการรวม ชุดข้อมูลที่หลากหลาย วิธีการวิเคราะห์ภาพ
EO แบบดั้งเดิมเพิ่มเติม เช่น การจ าแนกประเภทความเป็นไปได้สูงสุด ได้มาจากฟิลด์ของการประมวลผล
สัญญาณ และอิงตามแบบจ าลองข้อมูลที่ค่อนข้างง่าย ดังนั้น ความสามารถในการจัดการกับชุดข้อมูลมิติ
สูงที่ซับซ้อนมากขึ้นจึงถูกจ ากัด [18] แนวทาง ML ได้รับการอธิบายว่าเป็น 'ตัวประมาณสากล' ซึ่งเป็นการ
ปรับประสิทธิภาพของอัลกอริทึมให้เหมาะสมโดยการเรียนรู้เกี่ยวกับความสัมพันธ์ของข้อมูลจากตัวข้อมูล
เองโดยใช้ชุดข้อมูลการฝึกอบรมที่มีความแปรปรวนของข้อมูลทั้งหมดมากที่สุดเท่าที่จะเป็นไปได้ [19]
โดยทั่วไป ML ใช้เพื่อท านาย (เช่น แบบจ าลองการถดถอย) หรืออธิบาย (เช่น การจัดประเภท การดึง
คุณลักษณะ และการรวมสัญญาณ) ชุดข้อมูล โดยเฉพาะอย่างยิ่งเมื่อความรู้ทางทฤษฎีของปรากฏการณ์ที่
เป็นปัญหายังไม่สมบูรณ์ นอกจากนี้ อัลกอริทึมเหล่านี้โดยทั่วไปมีให้ใช้งานในสภาพแวดล้อมการเข้ารหัส
แบบโอเพ่นซอร์สฟรี เช่น ภาษาโปรแกรม R และ Python ดังนั้นจึงปรับแต่งและปรับขนาดได้สูง การ
แนะน าอัลกอริธึมการเรียนรู้ของเครื่องขั้นสูงและการประมวลผลแบบคลาวด์เช่น GEE, ปัญญาประดิษฐ์
(AI) และเทคนิคการประมวลผลภาพ Petascale ท าให้เกิดช่องทางใหม่ส าหรับการรวมและหลอมรวม
ข้อมูลหลายแหล่ง แม้ว่าจะมีงานวิจัยเพียงไม่กี่ชิ้นที่ส ารวจการบังคับใช้เทคนิคเหล่านี้ในการตรวจสอบพืช
พรรณและสาขาการศึกษาอื่น ๆ ที่เกี่ยวข้อง แต่ก็มีความจ าเป็นส าหรับการศึกษาในอนาคตที่จะเปลี่ยน
ไปสู่การยอมรับวิธีการเพื่อปรับปรุงการตรวจจับและการตรวจสอบพื้นที่ชุ่มน้ าโดยเฉพาะในพื้นที่ที่มีข้อมูล
ไม่เพียงพอ ข้อดีอย่างหนึ่งของเทคนิคเหล่านี้คือการประมวลผลชุดข้อมูลขนาดใหญ่อย่างรวดเร็ว อย่างไรก็
ตาม ความท้าทายต่างๆ เช่น เครือข่ายและการเชื่อมต่ออินเทอร์เน็ตที่ไม่เพียงพอ ตลอดจนการขาดระบบ
คอมพิวเตอร์ประสิทธิภาพสูงส าหรับการประมวลผลแบบคลาวด์ และการขาดแคลนบุคลากรที่มีทักษะ
จ ากัดการประยุกต์ใช้เทคนิคดังกล่าว โดยเฉพาะอย่างยิ่งในประเทศก าลังพัฒนา ซึ่งส่วนใหญ่อยู่ในอนุ
ภูมิภาคทะเลทรายซาฮาราและส่วนอื่นๆ ของโลก แม้จะมีความท้าทายที่เน้นให้เห็นอยู่บ้าง แต่การ
ทบทวนนี้สนับสนุนให้เกิดการเปลี่ยนแปลงกระบวนทัศน์ในการประยุกต์ใช้ข้อมูลดาวเทียมในการเฝ้า