การประเมินผลกระทบของระบบไฟฟ้าแสงสว่างของถนนต่อการเพาะปลูกข้าวด้วยภูมิสารสนเทศ
คำสำคัญ:
การประมวลผลภาพเชิงเลข, แสงไฟประดิษฐ์ในช่วงกลางคืน, มลภาวะของแสง, ข้อมูลชีพลักษณ์ของข้าวบทคัดย่อ
บทความนี้มีเป้าหมายเพื่อวิเคราะห์และการประเมินผลกระทบของระบบไฟฟ้าแสงสว่างของถนนต่อการเพาะปลูกข้าวในพื้นที่บริเวณด้านข้างถนนอุบาลี (พระอุบาลีคุณูปมาจารย์) จังหวัดพะเยา ช่วงปี พ.ศ. 2561 ถึง 2563 โดยอาศัยการสร้างข้อมูลชีพลักษณ์ของข้าวจากการผสานข้อมูลดัชนีพืชพรรณผลต่างแบบนอร์แมลไลซ์ (NDVI) จากข้อมูลภาพดาวเทียมเซนติเนล 2 (Sentinal-2) กับร่วมกับการวิเคราะห์ข้อมูลแบบอนุกรมเวลาเพื่อติดตามการเพาะปลูกข้าวและประเมินผลกระทบของระบบไฟฟ้าแสงสว่างของถนนต่อการเจริญเติบโตของข้าว การประเมินพื้นที่ที่ได้รับผลกระทบเชิงตำแหน่งอาศัยการจำแนกข้อมูลแบบไม่กำกับดูแล (Unsupervised classification) จากข้อมูลออร์โทภาพจากอากาศยานไร้คนขับ ผลจากการศึกษาแสดงให้ว่า พื้นที่ที่ได้รับผลกระทบจะมีค่าดัชนีพืชพรรณผลต่างแบบนอร์แมลไลซ์ที่สูงยาวนานต่อเนื่องมากกว่าพื้นที่ที่ไม่ได้รับผลกระทบ เนื่องจากกระบวนการออกดอกของข้าวล่าช้ากว่าปกติ เมื่อใช้ข้อมูลภาพออร์โทที่ได้จากอากาศยานไร้คนขับคำนวณหาระยะห่างจากแนวเสาไฟฟ้าแสงสว่าง พบว่า แสงไฟประดิษฐ์ในช่วงกลางคืนของถนนยังส่งผลให้ข้าวออกรวงช้ามากกว่าปกติและสามารถส่งผลได้ไกลจากแหล่งกำเนิดแสง (บริเวณกึ่งกลางถนน) ถึง 50 เมตรหรือประมาณ 40 เมตรจากแนวไหล่ถนน ทำให้เกษตรกรประสบปัญหาในด้านการเพาะปลูก การเก็บเกี่ยวผลผลิตและการบริหารจัดการ ข้อมูลเหล่านี้จะช่วยให้เกษตรกรและผู้มีส่วนเกี่ยวสามารถนำผลจากการศึกษาไปร่วมกันออกแบบทางแก้ไขปัญหาดังกล่าวได้บนพื้นฐานของข้อเท็จจริงและหลักฐานเชิงประจักษ์
References
กมลินทร์ พรหมรัตน์รักษ์, ลิลลี่ กาวีต๊ะ, มาลี ณ นคร และ รังสฤษดิ์ กาวีต๊ะ. (2548). อิทธิพลของช่วงแสงต่อการเปลี่ยนแปลงทางสัณฐานของปลายยอดข้าว. การประชุมทางวิชาการของมหาวิทยาลัยเกษตรศาสตร์ ครั้งที่ 43: สาขาพืช (น. 491-498). กรุงเทพฯ: สำนักงานกองทุนสนับสนุนการวิจัย มหาวิทยาลัยเกษตรศาสตร์.
กรมทางหลวง. (2554). ข้อกำหนดมาตรฐานงานทั่วไปงานติดตั้งไฟฟ้าส่องสว่างบนทางหลวง. สืบค้นจาก https://www.yotathai.com/yotanews/lighting-installation.
สมาคมผู้ส่งออกข้าวไทย. (2565). ผลพยากรณ์การผลิตข้าว. สืบค้นจาก http://www.thairiceexporters.or.th/ production.htm.
สำนักงานประชาสัมพันธ์. (2563). แขวงทางหลวงชนบทจังหวัดพะเยาพร้อมเปิดใช้งานถนนอุบาลี (พระอุบาลีคุณูปมาจารย์). สืบค้นจาก https://region3.prd.go.th/region3_ci/topic/news/14931.
สำนักงานเศรษฐกิจการเกษตร. (2565). สถิติการส่งออก (Export). สืบค้นจาก http://impexp.oae.go.th/service/export.phpS_YEAR=2564&E_YEAR=2564&PRODUCT_GROUP=5250&wf_search=&WF_SEARCH=Y.
สำนักงานสถิติแห่งชาติ. (2553). รายงานวิเคราะห์สถานการณ์จังหวัดพะเยา. สืบค้นจาก http://osthailand.nic.go.th/masterplan_area/userfiles/fileDownload/Report Analysis Province/รายงานวิเคราะห์สถานการณ์จังหวัดพะเยา.pdf.
สำนักประชาสัมพันธ์พะเยา. (2563). เกษตรกรผู้ปลูกข้าวตำบลจำป่าหวาย อ.เมืองพะเยา ร้องข้าวไม่ออกรวง จากผลกระทบไฟส่องสว่างบนถนน ด้านหน่วยงานที่เกี่ยวข้องลงพื้นที่แก้ไขปัญหา. สืบค้นจาก https://thainews.prd.go.th/th/news/detail/TCATG201027151715239.
Betancourt, M. & Zaira, M-R. (2018). Normalized difference vegetation index for rice management in El Espinal, Colombia. DYNA, 85, 47-56.
Bhandari, A.K., Kumar, A., & Singh, G.K. (2012). Feature Extraction using Normalized Difference Vegetation Index (NDVI): A Case Study of Jabalpur City. Procedia Technology, 6(2012), 612-621.
Chen, C.,Huang, M., Lin, K., Wong, S., Huang, W. & Yang, C. (2014). Effects of Light Quality on the Growth, Development and Metabolism of Rice Seedlings (Oryza sativa L.). Research Journal of Biotechnology, 9, 15-24.
Chen, J., Jönsson, P., Tamura, M., Gu, Z., Matsushita, B., & Eklundh, L. (2004). A simple method for reconstructing a high-quality NDVI time-series data set based on the Savitzky–Golay filter. Remote Sensing of Environment, 91(3–4).
Chen, Y., Cao, R., Chen, J., Liu, L., & Matsushita, B. (2021). A practical approach to reconstruct high-quality Landsat NDVI time-series data by gap filling and the Savitzky–Golay filter. ISPRS Journal of Photogrammetry and Remote Sensing, 180, 174-190.
Chepesiuk R. (2009). Missing the dark: health effects of light pollution. Environmental health perspectives. 117(1), A20–A27.
de Lima, I. P., Jorge, R. G., & de Lima, J. L. P. (2021). Remote sensing monitoring of rice fields: Towards assessing water saving irrigation management practices. Frontiers in Remote Sensing, 2, 762093.
Jeevalakshmi, D., Reddy, S. N., & Manikiam, B. (2016). Land cover classification based on NDVI using LANDSAT8 time series: A case study Tirupati region. In 2016 International Conference on Communication and Signal Processing (ICCSP) (pp. 1332-1335). IEEE.
Kurahara, Y., & Itsubo, N. (2022). Quantitative Environmental Impact Assessment for Agricultural Products Caused by Exposure of Artificial Light at Night. In Z. S. Klos, J. Kalkowska, & J. Kasprzak (Eds.), Towards a Sustainable Future - Life Cycle Management: Challenges and Prospects (pp. 27-38). Cham: Springer International Publishing.
Meeragandhi, G., bS.Parthiban, & A, cNagaraj. (2015). Ndvi: Vegetation change detection using remote sensing and gis – A case study of Vellore District. Procedia Computer Science, 57(2015), 1199 – 1210.
Pohl, C. & gendersen, J. V. (2017). Remote Sensing Image Fusion : A Practical Guide. Boca Raton: CRC Press.
Rosle, R., Che’Ya, N. N., Roslin, N. A., Halip, R. M., & Ismail, M. R. (2019). Monitoring early stage of rice crops growth using normalized difference vegetation index generated from UAV. In IOP Conference Series: Earth and Environmental Science (Vol. 355, No. 1, p. 012066). IOP Publishing.
Shih, H-c., Stow, D. A., Weeks, J. R., & Coulter, L. L. (2016). Determining the Type and Starting Time of Land Cover and Land Use Change in Southern Ghana Based on Discrete Analysis of Dense Landsat Image Time Series. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 9(5), 2064-2073.
Wijesingha, J. S. J., Deshapriya, N. L., & Samarakoon, L. (2015). RICE CROP MONITORING AND YIELD ASSESSMENT WITH MODIS 250m GRIDDED VEGETATION PRODUCT: A case study in Sa Kaeo Province, Thailand. International Archives of the Photogrammetry, Remote Sensing & Spatial Information Sciences.
