การประมาณค่าการกักเก็บคาร์บอนเหนือพื้นดินของป่าเบญจพรรณและเต็งรังด้วยข้อมูลภาพถ่ายจากอากาศยานไร้คนขับและภูมิสารสนเทศ
คำสำคัญ:
การกักเก็บคาร์บอนเหนือพื้นดิน, ข้อมูลภาพถ่ายจากอากาศยานไร้คนขับ, ภูมิสารสนเทศ, การวิเคราะห์ถดถอยเชิงเส้นพหุคูณบทคัดย่อ
ข้อมูลจากอากาศยานไร้คนขับถูกประยุกต์ใช้ในงานหลากหลายประเภท โดยเฉพาะการประยุกต์ใช้ข้อมูลภาพถ่ายออร์โธ แบบจำลองพื้นผิวเชิงเลข และแบบจำลองภูมิประเทศเชิงเลข เช่นเดียวกันกับการศึกษานี้ เป็นการบูรณาการข้อมูลภาพถ่ายจากอากาศยานไร้คนขับร่วมกับเทคโนโลยีภูมิสารสนเทศและการวิเคราะห์ถดถอยเชิงเส้นพหุคูณ ในการประมาณค่าการกักเก็บคาร์บอนเหนือพื้นดิน ซึ่งมีวัตถุประสงค์ของการศึกษา คือ การสำรวจและสร้างข้อมูลภาพถ่ายทางอากาศความละเอียดสูงจากอากาศยานไร้คนขับ และการพัฒนาแบบจำลองการประมาณค่าการกักเก็บคาร์บอนเหนือพื้นดินของป่าเบญจพรรณและเต็งรังด้วยการวิเคราะห์ถดถอยเชิงเส้นพหุคูณ โดยปัจจัยที่ใช้ในการวิเคราะห์ ประกอบด้วย ตัวแปรตาม ได้แก่ ข้อมูลการกักเก็บคาร์บอนเหนือพื้นดิน และตัวแปรต้น ได้แก่ ข้อมูลค่าการสะท้อนแสงของข้อมูลจากอากาศยานไร้คนขับแบบหลายช่วงคลื่น คือ ช่วงคลื่นสีน้ำเงิน (Blue) สีเขียว (Green) สีแดง (Red) ขอบสีแดง (Red edge) อินฟราเรดใกล้ (Near infrared) และข้อมูลค่าดัชนีความแตกต่างพืชพรรณแบบนอร์มอลไลซ์ (Normalized Difference Vegetation Index, NDVI) ผลการศึกษาพบว่า ปัจจัยที่มีความสัมพันธ์กับปริมาณค่าการกักเก็บคาร์บอนเหนือพื้นดินของป่าเบญจพรรณและเต็งรังในพื้นที่ศึกษา ได้แก่ ค่า NDVI และแบบจำลองการประเมินค่าการกักเก็บคาร์บอนเหนือพื้นดิน เท่ากับ “(2,293.12 x NDVI) + 35.14” โดยมีค่า R2 อยู่ที่ 71.5% ทั้งนี้ ผลการประเมินค่าการกักเก็บคาร์บอนเหนือพื้นดินของพื้นที่ศึกษา มีปริมาณเฉลี่ยเท่ากับ 31.72 ตัน/ไร่ และมีค่า RMSE เท่ากับ 3.99 ตัน/ไร่
เอกสารอ้างอิง
จนิษฐ์ ประเสริฐบูรณะกุล, วิลาสลักษณ์ วงศ์เยาว์ฟ้า และ สุกิจ วิเศษสินธุ์. (2561). การวิเคราะห์พื้นที่น้ำท่วมด้วย LIDAR: ข้อมูลความสูงภูมิประเทศเชิงเลขความละเอียดสูง. บริษัท ESRI (ประเทศไทย) จำกัด.
ชาติชาย ไวยสุระสงห์. (2563). การสำรวจด้วยภาพถ่าย Photogrammetry. ศูนย์วิจัยและพัฒนาโครงสร้างมูลฐานอย่างยั่งยืน. สาขาวิชาวิศวกรรมโยธา คณะวิศวกรรมศาสตร์ มหาวิทยาลัยขอนแก่น.
ติณณ์ ถิรกุลโตมร, อภิชิต คำภาหล้า, วิลาวัณย์ ประสมทรัพย์, สฤษดิ์ ติยะวงศ์สุวรรณ และ ฐานิตา ขำวิลัย. (2565). การประเมินค่ามวลชีวภาพเหนือพื้นดินจากข้อมูลภาพดาวเทียม Sentinel-2A โดยใช้การวิเคราะห์ถดถอยเชิงเส้นพหุคูณ. การประชุมวิชาการวิศวกรรมโยธาแห่งชาติ ครั้งที่ 27. วันที่ 24-26 สิงหาคม 2565. เชียงราย.
พงษ์ศักดิ์ สหุนาฬุ. (2538). ผลผลิตและการหมุนเวียนของธาตุอาหารในระบบนิเวศป่าไม้. คณะวนศาสตร์ มหาวิทยาลัยเกษตรศาสตร์. กรุงเทพฯ. พิมพ์ครั้งที่ 2.
สุวิทย์ อ๋องสมหวัง. (2559). ระบบการรับรู้จากระยะไกลและการวิเคราะห์ข้อมูลภาพเชิงเลข. สาขาวิชาการรับรู้จากระยะไกล สำนักวิชาวิทยาศาสตร์ มหาวิทยาลัยเทคโนโลยีสุรนารี. นครราชสีมา.
สำนักงานสภาพัฒนาการเศรษฐกิจและสังคมแห่งชาติ. (2561). ยุทธศาสตร์ชาติ พ.ศ. 2561-2580 (ฉบับประกาศราชกิจจานุเบกษา). สืบค้นจาก https://drive.google.com/file/d/1XSBMp8OCsauJqECOB-XZLB91-cRrNsEV/view
องค์การบริหารจัดการก๊าซเรือนกระจก (องค์การมหาชน). (2566). T-VER-TOOL-FOR/AGR-01 การคํานวณการกักเก็บคาร์บอนของต้นไม้ (Calculation for Carbon Sequestration). (ฉบับที่ 4). สืบค้นจาก https://ghgreduction.tgo.or.th/ en/methodology/calculation-tools/forestry-and-agriculture-project/ download/ 5087/245/23.html
อุทิศ กุฎอินทร์. (2542). นิเวศวิทยาพื้นฐานเพื่อการป่าไม้. ภาควิชาชีววิทยาป่าไม้ คณะวนศาสตร์ มหาวิทยาลัยเกษตรศาสตร์. กรุงเทพฯ.
Cao, R., Chen, Y., Shen, M., Chen, J., Zhou, J., Wang, C., & Yang, W., (2018). A simple method to improve the quality of NDVI time-series data by integrating spatiotemporal information with the Savitzky-Golay filter. Remote Sens. Environ. 217, 244–257.
Edwards, P. J., & Grubb, A. (1977). Studies of Mineral Cycling in a Montane Rain Forest in New Guinea, The distribution of organic matter in the Vegetation and Soil. Journal of Ecology. 65: 43-69.
Intergovernmental Panel on Climate Change (IPCC). (2006). IPCC guidelines for national greenhouse gas inventories, Volume 4 Agriculture, forestry, and other land use. IPCC National Greenhouse Gas Inventories Programme.
Jensen, J. R. (2005). Introductory digital image processing: A remote sensing perspective. 3rd ed. USA: Pearson Prentice Hall.
Leah Wasser. (2020). Canopy Height Models, Digital Surface Models & Digital Elevation Models - Work with LiDAR Data in Python. Earth Data Analytics Online Certificate. Source https://www.earthdatascience.org/courses/use-data-open-source-python/data-stories/what-is-lidar-data/lidar-chm-dem-dsm/
Muukkonen, P., & Heiskanen, J. (2007). Biomass estimation over a large area based on standwise forest inventory data and ASTER and MODIS satellite data: A possibility to verify carbon inventories. Remote Sensing of Environment. 107(4): 617-624.
Ogawa, H., Yoda, K., Ogino, K., & Kira, T. (1965). Comparative ecological studies on three main type of forest vegetation in Thailand II. Plant biomass. Nature and Life in Southeast Asia. 4: 49-80.
Valli Manickam, Iyyanki V. Murali Krishna, Sree K. Shanti, & R. Radhika. (2014). Biomass Calculations for Carbon Sequestration in Forest Ecosystem: Case study of andhra pradesh, India. Journal of Energy and Chemical Engineering. Vol. 2 Iss. 1, PP. 30-38.
Virgilio, N., & Marshall, S. (2009). Forest carbon strategies in climate change mitigation: confronting challenges through on-the-ground experience, The Nature Conservancy.
Xue, J., & Su, B. (2017) Significant Remote Sensing Vegetation Indices: A Review of Developments and Applications. Journal of Sensors, 2017, Article ID: 1353691.
