การจำแนกพื้นที่ปลูกอ้อยโรงงานในช่วงหนึ่งฤดูเพาะปลูกโดยใช้ข้อมูลภาพดาวเทียมเซนทิเนล-2 ด้วยวิธีการป่าสุ่มบนแพลตฟอร์มกูเกิ้ลเอิร์ธเอนจิน
คำสำคัญ:
การสำรวจระยะไกล, แพลตฟอร์ม กูเกิ้ล เอิร์ธ เอนจิน, อัลกอริทึมป่าสุ่มบทคัดย่อ
อ้อย เป็นพืชเศรษฐกิจของประเทศชนิดหนึ่งที่มีการเพาะปลูกในประเทศไทยตั้งแต่อดีตจนถึงปัจจุบัน ซึ่งสามารถสร้างรายได้ให้กับภาคเกษตรเป็นอย่างมาก ในทางภูมิสารสนเทศได้มีการนำเทคโนโลยีการสำรวจระยะไกลมาใช้เพื่อสำรวจพื้นเพาะปลูกอ้อยมามากมาย และติดปัญหาเรื่องของทรัพยากรการคำนวณที่มีอย่างจำกัด จึงเกิดแนวคิดที่จะใช้แพลตฟอร์ม กูเกิ้ล เอิร์ธ เอนจิน ที่มีศักยภาพเทียบเท่าซอฟต์แวร์ทางภูมิสารสนเทศ ในการศึกษาวิจัยครั้งนี้มีจุดประสงค์เพื่อศึกษาความถูกต้องของการจำแนกพื้นที่เพาะปลูกอ้อยโรงงาน ด้วยวิธีการอัลกอริทึมป่าสุ่ม จากข้อมูลภาพถ่ายดาวเทียมเซนทิเนล-2 ด้วยแพลตฟอร์ม กูเกิ้ล เอิร์ธ เอนจิน ผลการวิจัยพบว่า พื้นที่อำเภอระกำ อำเภอบางกระทุ่ม อำเภอพรหมพิราม และอำเภอวัดโบสถ์ ของจังหวัดพิษณุโลก มีพื้นที่การเพาะปลูกอ้อยโรงงานก่อนเริ่มฤดูกาลเพาะปลูกในเดือนเมษายน มีพื้นที่เพาะปลูกอ้อยโรงงานอยู่ที่ 49,160.79 ไร่ ตลอดฤดูกาลเพาะปลูกอ้อยโรงงานของปี พ.ศ.2566 ในเดือนพฤศจิกายน พ.ศ.2566 มีพื้นที่การเพาะปลูกมากถึง 216,822.56 ไร่ และลดลงอย่างต่อหลังจากมีการประกาศจากโรงงานอ้อยจังหวัดพิษณุโลกของการเปิดหีบรับอ้อยโรงงานจนถึงเดือนมีนาคม พ.ศ.2567 ที่ยังหลงเหลือพื้นที่เพาะปลูกอ้อยโรงงานอยู่ที่ 87,779.43 ไร่ ก่อนจะเข้าสู่ฤดูกาลเพาะปลูกครั้งถัดไป ผลการตรวจสอบความถูกต้อง ค่าสัมประสิทธิแคปปา อยู่ระหว่าง 0.78 – 0.95 ค่าความถูกต้องของผู้ผลิต อยู่ระหว่าง 0.90 – 0.97 ค่าความถูกต้องของผู้ใช้ อยู่ระหว่าง 0.88 – 0.97 และค่าความแม่นยำโดยรวม อยู่ระหว่าง 0.91 – 0.98
เอกสารอ้างอิง
กองนโยบายและแผนพัฒนาการเกษตร. (2565). Agricultural Economic Outlook ภาวะเศรษฐกิจการเกษตรปี 2565 และแนวโน้มปี 2566 (ฉบับปี 2565). กรุงเทพฯ: สำนักงานเศรษฐกิจการเกษตร.
กองนโยบายและแผนพัฒนาการเกษตร. (2566). Agricultural Economic Outlook ภาวะเศรษฐกิจการเกษตรปี 2566 และแนวโน้มปี 2567 (ฉบับปี 2566). กรุงเทพฯ: สำนักงานเศรษฐกิจการเกษตร.
นครินทร์ ชัยแก้ว. (2560). Geographic Information Systems ระบบสารสนเทศภูมิศาสตร์ (พิมพ์ครั้งที่ 1). ISBN: 978-616-414-422-2.
สำนักงานพัฒนาเทคโนโลยีอวกาศและภูมิสารสนเทศ. (2558). ตำราเทคโนโลยีอวกาศและภูมิสารสนเทศศาสตร์. สำนักงานพัฒนาเทคโนโลยีอวกาศและภูมิสารสนเทศ (องค์การมหาชน) กระทรวงการอุดมศึกษา วิทยาศาสตร์ วิจัยและนวัตกรรม.
Elizabeth Champa-Bujaico, Ana M. D Díez-Pascual, Alba Lomas Redondo and Pilar Garcia-Diaz. (2024). Optimization of mechanical properties of multiscale hybrid polymer nanocomposites: A combination of experimental and machine learning techniques. ELSEVIER. Composites Part B, 269, 111099.
Felipe Cardoso de Oliveira Maia, Vinícius Bof Bufon and Tairone Paiva Leão. (2023). Vegetation indices as a Tool for Mapping Sugarcane Management Zones. Precision Agriculture, 24, 213–234.
Humberto Cruz-Sanabria1, Marıa Guadalupe S´anchez1, Juan Pablo Rivera-Caicedo2 and Himer Avila-George. (2021). Mapping Sugarcane using Vegetation Indices and Time Series of Sentinel-2 Images. 978-1-6654-0369-6/21.
Jie Wanga, Xiangming Xiaoa, Luo Liub, Xiaocui Wua, Yuanwei and Jean L. Steinerc. et al. (2020). Mapping sugarcane plantation dynamics in Guangxi, China, by time series Sentinel-1, Sentinel-2 and Landsat images. Remote Sensing of Environment, 247, 111951.
J. W. Rouse Jr., R. H. Haas, J. A. Schell and D. W. Deering. (1973). Monitoring Vegetation Systems in The Great Plains With ERTS.
Ming Wanga, Zhengjia Liub,c, Muhammad Hasan Ali Baigd, Yongsheng Wangb,c, Yurui Lib,c and Yuanyan Chena. (2019). Mapping sugarcane in complex landscapes by integrating multi-temporal Sentinel-2 images and machine learning algorithms. Land Use Policy, 88, 104190.
Russell G. Congalton. (1991). A Review of Assessing the Accuracy of Classifications of Remotely Sensed Data. Remote Sens. ENVIRON, 37, 35-46.
Shuai Xie 1,2, Liangyun Liu, Xiao Zhang, Jiangning Yang, Xidong Chen and andYuan Gao. (2019). Automatic Land-Cover Mapping using LandsatTime-Series Data based on Google Earth Engine. Remote Sens, 11, 3023.
Sudianto Sudianto a, Yeni Herdiyeni b and Lilik Budi Prasetyo. (2023). Classification of Sugarcane Area Using Landsat-8 and Random Forest based on Phenology Knowledge, 1974-1981.
Thanh Noi Phan, Verena Kuch and Lukas W. Lehnert. (2020). Land Cover Classification using Google Earth Engine and Random Forest Classifier—The Role of Image Composition. Remote Sens, 12, 2411.
Tri Muji Susantoro, Ketut Wikantika, Asep Saepuloh, Agus Handoyo and Harsolumakso. (2018). Selection of vegetation indices for mapping the sugarcane condition around the oil and gas field of North West Java Basin, Indonesia. Earth and Environmental Science, 149, 012001.
