|
การพัฒนาตัวชี้วัดภัยแล้งโดยใช้ภาพถ่ายดาวเทียมในลุ่มน้ำชี |
|---|---|
| รหัสดีโอไอ | |
| Title | การพัฒนาตัวชี้วัดภัยแล้งโดยใช้ภาพถ่ายดาวเทียมในลุ่มน้ำชี |
| Creator | ภัทร กมลจิตสุที |
| Contributor | อุรุยา วีสกุล, ที่ปรึกษา |
| Publisher | มหาวิทยาลัยธรรมศาสตร์ |
| Publication Year | 2567 |
| Keyword | ภาพถ่ายดาวเทียม, ภัยแล้งทางการเกษตร, ลุ่มน้ำชี, Satellite images, Agricultural drought, Chi River Basin |
| Abstract | ในการพัฒนาแบบจำลองเพื่อการพยากรณ์ภัยแล้งมักจะขาดข้อมูลภัยแล้งภาคสนามทำให้ขาดความเชื่อมั่นในความแม่นยำของการพยากรณ์การศึกษานี้มีวัตถุประสงค์เพื่อใช้ภาพถ่ายดาวเทียมชี้วัดภัยแล้งทางการเกษตร เพื่อให้สามารถใช้ภาพถ่ายดาวเทียมแทนข้อมูลภัยแล้งภาคสนามทางการเกษตร ลุ่มน้ำชีซึ่งมักจะประสบภัยแล้งอยู่เสมอได้ถูกเลือกเป็นพื้นที่ศึกษา ข้อมูลจากภาพถ่ายดาวเทียม MODIS ข้อมูลการใช้ประโยชน์ที่ดินและข้อมูลภัยแล้งจากกรมป้องกันบรรเทาสาธารณภัย ตลอดจนข้อมูลผลผลิตทางการเกษตรจากสำนักงานเศรษฐกิจการเกษตรโดยระหว่างปีพ.ศ.2553-2562 ได้ถูกนำมาวิเคราะห์ความสอดคล้องระหว่างความแห้งแล้งทางการเกษตรกับตัวแปรต่างๆที่คำนวณได้จากภาพถ่ายดาวเทียมการศึกษาได้เลือกใช้ "ข้าว" เป็นตัวแทนพืชผลทางการเกษตรในการวิเคราะห์ เนื่องจากเป็นพืชเศรษฐกิจหลักของพื้นที่ลุ่มน้ำชีกระบวนการวิเคราะห์ความสอดคล้องระหว่างดัชนีจากภาพถ่ายดาวเทียม (NDVI, LST) ดึงข้อมูล NDVI และ LST เฉพาะช่วงเวลาและพื้นที่ศึกษาที่ตรงกัน ผลลัพธ์ NDVI สูง (พืชเขียว) พบว่า LST ต่ำ (พื้นผิวเย็น) NDVI ต่ำ (พื้นที่โล่ง/สิ่งปลูกสร้าง) พบว่า LST สูง (พื้นผิวร้อนกว่า) ผลการวิเคราะห์โดยใช้ข้อมูลระหว่างปีพ.ศ.2553-2562 รวมทั้งสิ้น 10 ปีจังหวัดในลุ่มน้ำชี ผลการวิเคราะห์ความสอดคล้องของตัวแปรที่ได้จากภาพถ่ายดาวเทียมกับความแก้งแล้งทางการเกษตรจริงที่เกิดขึ้นในภาคสนามชี้ให้เห็นว่า Normalized Difference Vegetation Index (NDVI) และอุณหภูมิพื้นผิวดิน Land Surface Temperature (LST) ทุก 16 วันสามารถใช้สะท้อนความแห้งแล้งทางการเกษตรได้ดีโดยพบว่า เมื่อ NDVI มีค่าระหว่าง 0.24 - 0.39 และ LST มีค่าตั้งแต่ 35.35 องศาเซลเซียส แสดงถึงภัยแล้งทางการเกษตรเนื่องจากข้าวไม่สามารถได้ผลผลิตตามมาตรฐาน จากการตรวจสอบความน่าเชื่อถือโดยใช้ข้อมูลระหว่างปีพ.ศ.2560 - 2562 ยังพบว่า NDVI และ LST สามารถสะท้อนแห้งแล้งทางการเกษตรได้โดยมีความแม่นยำเฉลี่ย 80-90% ซึ่งสามารถนำไปประยุกต์ใช้ทดแทนข้อมูลภัยแล้งภาคสนามในการพัฒนาแบบจำลองเพื่อการพยากรณ์ภัยแล้งทางการเกษตรได้ |
