การเปรียบเทียบแบบจําลองการใช้ประโยชน์ที่ดินในอนาคตในการขยายตัวของเมือง กรณีศึกษา อำเภอเมืองบุรีรัมย์ จังหวัดบุรีรัมย์
คำสำคัญ:
แบบจำลองการใช้ประโยชน์ที่ดิน, CA-Markov, Land Change Modeler, บุรีรัมย์บทคัดย่อ
จังหวัดบุรีรัมย์ เป็นจังหวัดที่มีการขยายตัวอย่างรวดเร็วจังหวัดหนึ่งของประเทศไทย จากการที่มีเส้นทางรถไฟตัดผ่านกลางเมือง เป็นเมืองเศรษฐกิจ เมืองการกีฬา และการท่องเที่ยว ทำให้มีความสนใจในการศึกษาพัฒนาการของเมืองบุรีรัมย์โดยใช้แบบจำลองการใช้ประโยชน์ที่ดินเชิงเปรียบเทียบ โดยมีวัตถุประสงค์เพื่อตรวจสอบความถูกต้องของแบบจำลอง และเพื่อคาดการณ์การใช้ประโยชน์ที่ดินใน ปี พ.ศ. 2575 โดยใช้แบบจำลอง CA-Markov (CAM) และ Land Change Modeler 3 วิธีคือMulti-Layer Perceptron (MLP), Logistic Regression (LR) และ SimWeight (SM) และได้นำปัจจัยรวม 10 ปัจจัย มาประกอบการวิเคราะห์ได้แก่ 1) แบบจำลองความสูงเชิงเลข 2) แผนที่ความชัน 3) แผนที่ทิศด้านลาด 4)ระยะห่างจากเทศบาลเมือง 5) ระยะห่างจากเทศบาลตำบล 6)ระยะห่างจากถนน 7) ระยะห่างจากทางรถไฟ 8) เส้นทางน้ำ 9) การระบายน้ำของดิน และ 10) ความหนาแน่นประชากร ผลการวิจัยพบว่า แนวโน้มพื้นที่ช่วงระหว่างปี พ.ศ. 2550-2555 และ 2555-2565 พื้นที่สิ่งปลูกสร้างและพื้นที่แหล่งน้ำ มีพื้นที่เพิ่มขึ้น ขณะที่ พื้นที่เกษตรกรรมและพื้นที่ป่าไม้ มีขนาดพื้นที่ลดลง ใช้สำหรับการคาดการณ์การใช้ประโยชน์ที่ดิน ต่อมาทำการตรวจสอบความถูกต้องของแบบจำลองพบว่าในภาพรวมวิธีตรวจสอบความถูกต้องโดยรวมและค่าสัมประสิทธิ์แคปปา วิธีการ MLP, LR และ SM ให้ผลลัพธ์ที่มีความถูกต้องสูงกว่าวิธี CAM ผลลัพธ์ของการคาดการณ์การใช้ประโยชน์ที่ดินปี พ.ศ. 2575 พบว่า ทั้ง 4 วิธีให้ผลลัพธ์คล้ายคลึงกันในเชิงปริมาณ (ขนาดพื้นที่) แต่มีความต่างกันในเชิงการจัดสรรพื้นที่ที่มีแนวคิดที่ส่งผลออกมาในรูปแบบแผนที่ที่มีความต่างกันกันออกไป ซึ่งสามาถนำไปประยุกต์ใช้ให้เข้ากับสถานการณ์และบริบทของพื้นที่ที่แตกต่างกันออกไป
References
กรมการปกครอง. (2565). ระบบสถิติทางการทะเบียน (Official statistics registration systems). ส่วนบริหารและพัฒนาเทคโนโลยีการทะเบียน สำนักบริหารการทะเบียน กรมการปกครอง. สืบค้นวันที่ 20 กรกฎาคม 2565. https://stat.bora.dopa.go.th/stat/statnew/statMenu/newStat/sumyear.php/
กลุ่มงานยุทธศาสตร์และข้อมูลเพื่อการพัฒนาจังหวัด. (2563). แผนพัฒนาจังหวัดบุรีรัมย์ (ปี 2561-2565) ฉบับทบทวน ปี 2563. สำนักงานจังหวัดบุรีรัมย์.
เกศินี นงโพธ์, ชูเดช โลศิริ และ สุธาทิพย์ ชวนะเวสสกุล. (2564). การติดตามและการคาดการณ์การเปลี่ยนแปลงการใช้ประโยชน์ที่ดินในอนาคตจังหวัดอุดรธานี. วารสารสังคมศาสตร์ มหาวิทยาลัยศรีนครินทรวิโรฒ. 24(1): 13-34.
ณัฐวุฒิ บุตรคล้อ, มานัส ศรีวณิช และนิติ เอี่ยมชื่น. (2564). การเปลี่ยนแปลงการใช้ที่ดินและการขยายตัวของเมืองอุตสาหกรรม กรณีศึกษา อําเภอศรีมหาโพธิ จังหวัดปราจีนบุรี. การประชุมวิชาการ Built Environment Research Associates Conference ครั้งที่ 12 (BERAC 12) 28 มิถุนายน 2564. ปทุมธานี: มหาวิทยาลัยธรรมศาสตร์. 408-418.
นงนภัส ชวนกำเนิดการ (2563). ภาพฉายการเปลี่ยนแปลงการใช้ประโยชน์ที่ดิน ปี ค.ศ. 2050 บริเวณพื้นที่ภาคตะวันออกของประเทศไทย ด้วยแบบจำลอง Land Change Modeler. ศิลปศาสตรบัณฑิต (ภูมิศาสตร์) คณะศิลปศาสตร์ มหาวิทยาลัยธรรมศาสตร์.
นิติ เอี่ยมชื่น และ วันณัชชา เทพวงศ์. (2563). การหาความสัมพันธ์ระหว่างปัจจัยทางกายภาพกับการใช้ประโยชน์ที่ดินเพื่อคาดการณ์การใช้ประโยชน์ที่ดินในอนาคต. วารสารวิจัยและสาระสถาปัตยกรรม/การผังเมือง. 17(2): 79-92.
มานัส ศรีวณิช, ชลิตา เถยศิริและนิติ เอี่ยมชื่น. (2561). Modeling Urban Growth and Analyzing Urban Spatial Patterns in the City of Suratthani, Thailand. Science Journal Chandrakasem Rajabhat University. 28(1), 18-24.
วุฒิพงษ์ นิลจันทร์ และ นิติ เอี่ยมชื่น. (2563). การคาดการณ์ปริมาณการใช้ไฟฟ้าภาคเหนือตอนบนของประเทศไทย. วารสารวิทยาศาสตร์บูรพา. 25(1): 76-89.
Alberg, A. J. Park, J. W. Hager, B. W. Brock, M. V and Diener-West, M. (2004) The Use of “Overall Accuracy” to Evaluate the Validity of Screening or Diagnostic tests. J Gen Intern Med. 19(5):460-465.
Bergsma, W. (2013). A bias correction for Cramer's V and Tschuprow's T. Journal of the Korean Statistical Society. 42(3): 323-328. DOI: 0.1016/j.jkss.2012.10.002.
Bhatti, S. S., Tripathi, N. K., Nitivattananon, V., Rana, I. A., & Mozumder, C. (2015). A multi-scale modeling approach for simulating urbanization in a metropolitan region. Habitat International. 50: 354-365.
Congalton, R. (1991). A review of assessing the accuracy of classifications of remotely sensed data. Remote Sensing of Environment. 37(1): 35-46.
Kolb, M. and Galicia, L. (2013). Scenarios and story lines: drivers of land use change in southern Mexico. Environ Dev Sustain. 20: 681–702.
Mishra, V. N., Rai, P. V. and Mohan, K. (2014). Prediction of land use changes based on land change modeler (LCM) using remote sensing: A case study of Muzaffarpur (Bihar), India. J. Geogr. Inst. Cvijic. 64(1): 111-127.
Sangermano, F. Eastman, J. R. and Zhu, H. (2010). Similarity Weighted Instance-based Learning for the Generation of Transition Potentials in Land Use Change Modeling. Transactions in GIS. 14(5): 569-580.
