Page 9 - รายงานการประยุกต์ใช้ฐานข้อมูลการสำรวจระยะไกลจากซอฟต์แวร์รหัสเปิดและคลาวด์คอมพิวติงเพื่องานพัฒนาที่ดิน Utilization of Remote Sensing Database derived from Open-source software and Cloud computing platform for Land Development
P. 9
ห้องสมุดกรมพัฒนาที่ดิน
1
บทที่ 1
บทน า
1.1 หลักการและเหตุผล
เทคโนโลยีการส ารวจระยะไกล (Remote Sensing) ได้เข้ามามีบทบาทต่อการวิเคราะห์
วางแผนการใช้ประโยชน์ที่ดิน และติดตามการเปลี่ยนแปลงของพื้นที่เป็นอย่างมากในปัจจุบัน เนื่องจาก
เป็นเทคโนโลยีที่สามารถบันทึกข้อมูลสภาพสิ่งปกคลุมดินหรือประเภทการใช้ประโยชน์ที่ดิน รวมทั้งสภาพ
ทรัพยากรในพื้นที่นั้น ๆ ณ ช่วงเวลาต่าง ๆ การจ าแนกข้อมูลของภาพถ่ายดาวเทียมที่ได้จากเทคโนโลยี
ส ารวจระยะไกล นับเป็นพื้นฐานและขั้นตอนที่ส าคัญที่สุดส าหรับใช้ในการวิเคราะห์ เช่น การจ าแนก
ประเภทการใช้ประโยชน์ที่ดินและสิ่งปกคลุมดิน การติดตามการเปลี่ยนแปลงของพื้นที่ การประมาณ
จ านวนเนื้อที่ และการประเมินผลทางด้านสิ่งแวดล้อมที่เกิดจากการใช้ประโยชน์ที่ดิน เป็นต้น การพัฒนา
ของเทคโนโลยีการส ารวจระยะไกลในอดีตถึงปัจจุบัน ระบบสารสนเทศภูมิศาสตร์และการประมวลผลภาพ
ได้ก้าวหน้าผ่านการจ าแนกข้อมูลภาพถ่ายดาวเทียมด้วยวิธีการจ าแนกเชิงวัตถุ (Object-based
classification) โดยวิธีการจ าแนกเชิงวัตถุ เป็นวิธีที่ไม่ได้ใช้ทุกจุดภาพ (Pixel) ในการจ าแนกเพียงอย่าง
เดียว แต่มีการใช้พารามิเตอร์อื่นร่วมในการจ าแนกด้วย เช่น พื้นผิว มาตราส่วน สี จากการจัดกลุ่มของ
จุดภาพหรือการแบ่งส่วนของภาพในการจัดประเภทข้อมูล จึงมีความแตกต่างกับวิธีการจ าแนกเชิงจุดภาพ
(Pixel-based classification) ที่ใช้จุดภาพทุกจุดในการจัดประเภทข้อมูล ซึ่งมักเกิดข้อผิดพลาดในการ
จ าแนกหากภาพที่ใช้ในการจ าแนกมีสิ่งรบกวน เช่น เงาของเมฆ มุมตกกระทบของแสงที่ท าให้วัตถุมีค่าการ
สะท้อนผิดเพี้ยนไปจากปกติ ในช่วงเวลาที่แตกต่างกัน ค่าการสะท้อนเชิงช่วงคลื่นของพืชแต่ละชนิดในแต่
ละช่วงเวลาจะไม่ถูกน ามาพิจารณา ซึ่งค่าดังกล่าวอาจมีประโยชน์อย่างมากในการแยกแยะชนิดของพืชที่
เซนเซอร์ของดาวเทียมไม่สามารถจ าแนกความแตกต่างในลักษณะเชิงช่วงคลื่นและเชิงพื้นที่ได้ ประกอบ
กับระบบการเพาะปลูกพืชในภาคเกษตรกรรมมีการเปลี่ยนแปลงตลอดเวลา ซึ่งเป็นประโยชน์ในการสังเกต
พัฒนาการของพืชในช่วงเวลาหนึ่ง เช่น การประมาณผลผลิตพืช เป็นต้น ดังนั้นเพื่อให้ได้ผลลัพธ์การ
จ าแนกที่มีความถูกต้องและแม่นย า จ าเป็นต้องมีหลายปัจจัยเข้ามามีส่วนร่วม ได้แก่ การเลือกใช้
ข้อมูลภาพถ่ายดาวเทียมและข้อมูลสนับสนุน การเลือกใช้ขั้นตอนในการจ าแนกที่เหมาะสม รวมถึงทักษะ
การวิเคราะห์และประสบการณ์ของผู้ศึกษา ระบบการเรียนรู้เครื่อง (Machine learning) ถูกน ามา
ประยุกต์ใช้ในการจ าแนกข้อมูลของภาพถ่ายดาวเทียม เนื่องจากอัลกอริทึมของระบบดังกล่าวเป็น
อัลกอริทึมแบบไม่มีพารามิเตอร์ (Non-parametric algorithms) ไม่ตั้งสมมุติฐานเกี่ยวกับการกระจาย
ของข้อมูล ไม่ใช้ตัวแปรหรือพารามิเตอร์ทางสถิติ (Statistical parameters) ในการจ าแนกข้อมูล
สามารถใช้จ าแนกข้อมูลที่มีการกระจายหลากหลายแบบมีความรวดเร็วและแม่นย าในการจ าแนกข้อมูลที่
มีความซับซ้อนและปริมาณมาก มีการพัฒนาของอัลกอริทึมหลากหลายชนิดเพื่อน ามาเป็นทางเลือกใน