การประเมินความสอดคล้องของข้อมูลภาพถ่ายรายละเอียดสูงด้วยอากาศยานไร้คนขับและภาพถ่ายดาวเทียม Sentinel-2 เพื่อติดตามการเจริญเติบโตของข้าว
คำสำคัญ:
ดัชนีพืชพรรณ, กราฟชีพลักษณ์พืชพรรณ, อากาศยานไร้คนขับบทคัดย่อ
การศึกษาครั้งนี้มีวัตถุประสงค์เพื่อติดตามการเจริญเติบโตของต้นข้าวในพื้นที่ศึกษาด้วยภาพถ่ายรายละเอียดสูงจากอากาศยานไร้คนขับร่วมกับภาพถ่ายดาวเทียม Sentinel-2 ใช้งานผ่านแพลตฟอร์ม GEE และคำนวณดัชนีพืชพรรณ ได้แก่ Excess Green (ExG), Visible Difference Vegetation Indices (VDVI), Green-Red Vegetation Indices (GRVI) และ Normalized Differential Vegetation Indices (NDVI) เพื่อประเมินความสอดคล้องของดัชนีพืชพรรณด้วยสมการถดถอยเชิงเส้นอย่างง่าย (Simple Linear Regression) และค่าสัมประสิทธิ์สหสัมพันธ์ (Correlation Coefficient) ระหว่างดัชนีพืชพรรณที่ได้รับจากเซ็นเซอร์เดียวกัน และระหว่างเซ็นเซอร์ ผลลัพธ์พบว่ากราฟชีพลักษณ์พืชพรรณจากทั้งสองเซ็นเซอร์มีแนวโน้มเพิ่มขึ้นเป็นลำดับ สอดคล้องกับการเจริญเติบโตของต้นข้าวจนถึงตำแหน่งที่มีการเจริญเติบโตสูงที่สุดและลดลงเป็นลำดับเนื่องจากข้าวเขียวของใบข้าวที่ลดลงเมื่อใกล้ฤดูกาลเก็บเกี่ยว นอกจากนี้ยังพบว่ากราฟชีพลักษณ์ พืชพรรณที่ได้รับจากดาวเทียม Sentinel-2 มีความไม่คงที่เนื่องจากอุปสรรคด้านสภาพอากาศ (เมฆปกคลุมเหนือพื้นที่ศึกษา) ในด้านความสอดคล้องของดัชนีพืชพรรณที่ได้รับจากเซ็นเซอร์เดียวกันพบว่ามีทิศทางความสัมพันธ์เป็นบวกทั้งหมดและมีความสอดคล้องกันระดับสูง แตกต่างจากความสอดคล้องของดัชนีพืชพรรณแบบข้ามเซ็นเซอร์ (UAV และดาวเทียม) พบว่าดัชนีพืชพรรณบางชนิดมีความสอดคล้องกันระดับต่ำ อย่างไรก็ตามการศึกษานี้แสดงให้เห็นว่าสามารถประยุกต์ใช้อากาศยานไร้คนขับร่วมกับดัชนีพืชพรรณทั้ง 3 ชนิดเพื่อติดตามการเจริญเติบโตของข้าวได้
References
กรมการข้าว. (2564). โครงการภายใต้ยุทธศาสตร์ข้าวไทย 2563-2567.
ประกาศโฆษณาการรับขึ้นทะเบียนสิ่งบ่งชี้ทางภูมิศาสตร์. (2565). กรมทรัพย์สินทางปัญญา กระทรวงพาณิชย์ (เล่ม 63 เลขที่ประกาศ 186, น. 1-4).
ปริญฉัตร จุนถาวร, กฤชญาณ อินทรัตน์ และ นิลันดอน ไสยะวง. (2564). การเปรียบเทียบดัชนีพืชพรรณ RGB กับดัชนีพืชพรรณผลต่างแบบนอมัลไลซ์ ด้วยข้อมูลจากอากาศยานไร้คนขับ กรณีศึกษาข้าวแปลงเล็ก. การประชุมวิชาการ (Proceedings) ทรัพยากรธรรมชาติ สารสนเทศภูมิศาสตร์ และสิ่งแวดล้อม ครั้งที่ 5 (NatGen 5th), วันที่ 6 – 7 พฤษภาคม 2564 (น. 50-59). คณะวิทยาการสารสนเทศ มหาวิทยาลัยมหาสารคาม.
สำนักงานส่งเสริมการค้าในต่างประเทศ ณ กรุงสิงคโปร์/ สำนักงานส่งเสริมการค้าในต่างประเทศ ณ กรุงมะนิลา. (2562). ภาพรวมตลาดข้าวในอาเซียน. สืบค้นจาก https://www.ditp.go.th/contents_attach/564288/564288.pdf สืบค้นจาก https://www.esa.int/Enabling_Support/Operations/Sentinel-2_operations
European Space Agency. (2022). Sentinel-2 operations.
Kalisperakis, I., Stentoumis, C., Grammatikopoulos, L., & Karantzalos, K. (2015). Leaf area index estimation in vineyards from UAV hyperspectral data, 2D image mosaics and 3D canopy surface models. The International Archives of Photogrammetry, Remote Sensing and Spatial Information Sciences, 40(1), 299.
Mangewa, L. J., Ndakidemi, P. A., Alward, R. D., Kija, H. K., Bukombe, J. K., Nasolwa, E. R., & Munishi, L. K. (2022). Comparative Assessment of UAV and Sentinel-2 NDVI and GNDVI for Preliminary Diagnosis of Habitat Conditions in Burunge Wildlife Management Area, Tanzania. Earth, 3(3), 769-787.
Soesanto, O., Idris, M., & Hastomo, H. D. (2022). Segmentasi vegetasi lahan basah berbasis modified-camera drone. In Prosiding Seminar Nasional Lingkungan Lahan Basah. 7(1), 259-266.
Soontranon, N., Lawawirojwong, S., Jitkajornwanich, K., Srestasathiern, P., & Rakwatin, P. (2017). A comparison of ground and satellite based phenologies for monitoring rice field. Bangkok: Geo-Informatics and Space Technology Development Agency (GISTDA).
Soontranon, N., Srestasathiern, P., & Rakwatin, P. (2015, June). Rice crop calendar based on phenology analysis from time-series images. In 2015 12th International Conference on Electrical Engineering/Electronics, Computer, Telecommunications and Information Technology (ECTI-CON) (pp. 1-5). IEEE.
Tucker, C. J. (1979). Red and photographic infrared linear combinations for monitoring vegetation. Remote sensing of Environment, 8(2), 127-150.
Woebbecke, D. M., Meyer, G. E., Von Bargen, K., & Mortensen, D. A. (1995). Shape features for identifying young weeds using image analysis. Transactions of the ASAE, 38(1), 271-281.
Zhou, H., Fu, L., Sharma, R. P., Lei, Y., & Guo, J. (2021). A hybrid approach of combining random forest with texture analysis and VDVI for desert vegetation mapping Based on UAV RGB Data. Remote Sensing, 13(10), 1891.
