การใช้ข้อมูลการรับรู้ระยะไกลเพื่อศึกษาสมบัติบางประการของดินในพื้นที่เสี่ยง การเป็นดินกรดและดินเค็มภาคกลางของประเทศไทย
คำสำคัญ:
สมบัติดิน , การใช้ประโยชน์ที่ดิน , ดาวเทียม Sentinel-2 , ดัชนีพืชพรรณบทคัดย่อ
การศึกษาสมบัติดินแบบดั้งเดิม ได้แก่ การเก็บตัวอย่างดิน และการวิเคราะห์ในห้องปฏิบัติการ ต้องใช้แรงงานและค่าใช้จ่ายสูง รวมทั้งใช้ระยะเวลาในการวิเคราะห์ในห้องปฏิบัติการนาน ข้อมูลรับรู้ระยะไกลซึ่งอาศัยการบันทึกค่าพลังงานสะท้อนกลับที่แตกต่างกันในแต่ละช่วงคลื่น ซึ่งมีความสัมพันธ์กับการเจริญเติบโตและสุขภาพของพืช การหาความสัมพันธ์ระหว่างสมบัติเคมีดินกับค่าการสะท้อนแสงของพืชที่มีสุขภาพต่างกันในพื้นที่ที่ดินมีความอุดมสมบูรณ์ต่างกันและสร้างเป็นสมการทางคณิตศาสตร์ เพื่อประมาณค่าความสมบูรณ์ของดินในพื้นที่ข้างเคียง ซึ่งช่วยลดแรงงาน ค่าใช้จ่าย และลดระยะเวลาในการดำเนินงาน การศึกษานี้ได้ศึกษาศักยภาพของข้อมูลภาพดาวเทียม Sentinel 2 โดยการคำนวณค่าดัชนีพืชพรรณ 3 ชนิด ได้แก่ ดัชนี Normalized Difference Vegetation Index (NDVI) ดัชนี Green Normalized Difference Vegetation Index (GNDVI) และดัชนี Normalized Difference Infrared Index (NDII) แล้วหาความสัมพันธ์กับความอุดมสมบูรณ์ของดิน ได้แก่ ค่าความเป็นกรดเป็นด่าง ค่าการนำไฟฟ้า และปริมาณอินทรียวัตถุในดิน ในอำเภอกำแพงแสน จังหวัดนครปฐม ซึ่งเป็นพื้นที่เสี่ยงต่อการเกิดดินเค็ม อำเภอบางเลน จังหวัดนครปฐม และอำเภอปากพลี จังหวัดนครนายก ซึ่งเป็นพื้นที่เสี่ยงต่อการเกิดดินกรด ผลการศึกษาพบว่า ความอุดมสมบูรณ์ของดินมีความสัมพันธ์กับประเภทการใช้ที่ดินและชุดดิน และมีความสัมพันธ์กับค่าดัชนีพืชพรรณที่คำนวณจากข้อมูลภาพดาวเทียม Sentinel 2โดยค่า NDVI ในเดือนมีนาคม ที่มีความสัมพันธ์แบบ Logarithmic มีศักยภาพสูงที่สุดในการสร้างสมการทางคณิตศาสตร์เพื่อใช้เป็นแบบจำลองเพื่อประมาณค่าความเป็นกรดเป็นด่างของดิน ค่า GNDVI ในเดือนธันวาคม ที่มีความสัมพันธ์แบบ Exponential มีศักยภาพสูงที่สุด ในการสร้างสมการทางคณิตศาสตร์เพื่อใช้เป็นแบบจำลองเพื่อประมาณค่าการนำไฟฟ้าของดิน ขณะที่ปริมาณอินทรียวัตถุ ค่าดัชนีพืชพรรณทั้ง 3 ชนิด มีศักยภาพในการสร้างสมการทางคณิตศาสตร์เพื่อใช้เป็นแบบจำลองต่ำมาก
References
Azizan, F.A., I.S. Astuti, M.I. Aditya, T.R. Febbiyanti, A. Williams, A. Young, and A.A. Aziz. 2021. Using multi-temporal satellite data to analyse phenological responses of rubber (Hevea brasiliensis) to climatic variations in South Sumatra, Indonesia. Remote Sensing. [Online]. Available https://www.mdpi.com/2072-4292/13/15/2932 (April 10, 2022).
Cilek, A. and S. Berberoglu. 2018. Object-based crop mapping using multi-temporal Landsat 8 Imagery. Int. Journal of Engineering Research and Application 8(4)(Part-II): 34-37.
Gitelson, A.A., Y.J. Kaufman and M.N. Merzlyak. 1996. Use of a green channel in remote sensing of global vegetation from EOS-MODIS. Remote Sensing of Environment 58(3): 289-298.
Glowienka, E., K. Michalowska, A. Pekala, B. Hejmanowska. 2016. Application of GIS and remote sensing techniques inmultitemporal analyses of soil properties in the Foreland of the Carpathians. IOP Conf. Series: Earth and Environmental Science 44(2016): 052044. [Online]. Available https://iopscience.iop.org/article/10.1088/1755-1315/44/5/052044/pdf (March 18, 2021).
Hunt, E.R. Jr. and B.N. Rock. 1989. Detection of changes in leaf water content using near- and middle-infrared reflectances. Remote Sens. Environ. 30: 43-54. DOI:10.1016/0034-4257(89)90046-1.
Jensen, J.R. 2000. Remote Sensing of Environment: An Earth Resource Perspective Second edition. Upper Saddle River, NJ: Pearson Education, Inc. 592 p.
JI, L., L. ZHANG, B.K. WYLIE and J. ROVER. 2011. On the terminology of the spectral vegetation index (NIR−SWIR)/(NIR+SWIR). International Journal of Remote Sensing 32(21): 6901-6909.
Land Development Department. 2014a. Characteristics and Properties of Soil Series in Central Thailand. Bangkok: Soil Resources Survey and Research Division, Land Development Department, Ministry of Agriculture and Cooperatives. [Online]. Available http://www.ldd.go.th/thaisoils_museum// (January 20, 2023). [in Thai]
Land Development Department. 2014b. Soil and Soil Formation. Bangkok: Soil Resources Survey and Research Division, Land Development Department, Ministry of Agriculture and Cooperatives. [Online]. Available https://www.ldd.go.th/thaisoils_museum/survey_1/soils.htm (January 20, 2023). [in Thai]
Land Development Department. 2016. Characteristics and properties of 62 soil groups. Bangkok: Soil Resources Survey and Research Division, Land Development Department, Ministry of Agriculture and Cooperatives. [Online]. Available http://oss101.ldd.go.th/soilr/product.html (January 20, 2023). [in Thai]
Molin, J.P. and T.R. Tavares. 2019. Sensor systems for mapping soil fertility attributes: challenges, advances, and perspectives in Brazilian tropical soils. Eng. Agríc. [Online]. Available https://www.scielo.br/j/eagri/a/QnZPHfvRYqjVfpRH8y3J7VH/?lang=en (March 18, 2021).
Ochoa, C.G., F. Villarreal-Guerrero, J.A. Prieto-Amparán, H.R. Garduño, F. Huang and C. Ortega-Ochoa. 2023. Precipitation, vegetation and groundwater relationships in a rangeland ecosystem in the Chihuahuan desert, Northern Mexico. Hydrology 10(2): 41 [Online]. Available https://doi.org/10.3390/hydrology10020041 (December 21, 2022)
Prachachat Turakit. 2021. Thailand Economic. Prachachat Turakit Online, November 19, 2021. [Online]. Available https://www.prachachat.net/economy/news-805635 (January 20, 2023). [in Thai]
Research and Development for Land Management Division. n.d. Soil Management. Bangkok: Research and Development for Land Management Division Land Development Department, Ministry of Agriculture and Cooperatives. [Online]. Available https://www.ldd.go.th/Web_Soil/Page_02.htm (January 20, 2023). [in Thai]
Rice Department. n.d. Saline Soil, Rice Knowledge. Bangkok: Rice Department, Ministry of Agriculture and Cooperatives. [Online]. Available http://www.ricethailand.go.th/rkb3/Fertilizer_022.pdf (January 20, 2023). [in Thai]
Rouse, J.W., R.H. Haas, J.A. Schell and
D.W. Deering. 1974. Monitoring Vegetation Systems in the Great Plains with ERTS. pp. 309-317. In Freden, S.C., E.P. Mercanti, and M. Becker (eds.). Third Earth Resources Technology Satellite–1 Syposium. Volume I: Technical Presentations. Washington, D.C.: NASA SP-351, NASA.
Simms, É.L. and H. Ward. 2013. Multisensor NDVI-based monitoring of the Tundra-Taiga Interface (Mealy Mountains, Labrador, Canada). Remote Sensing. [Online]. Available www.mdpi.com/journal/remotesensing (December 21, 2022).
Singh, G., B. Kumar, and Shashikant. 2018. Soil fertility mapping using remote sensing and GIS in NSP farms of ND University of Agriculture and Technology, Kumarganj, Faizabad, Uttar Pradesh, India. International Journal of Current Microbiology and Applied Sciences 2018(Special Issue-7): 1394-1402.
Udomsri, S. 2001. Major Characteristics and Potential of Dystraquerts in the Central Plain of Thailand. pp. 84-91. In Proceedings of the 39th Kasetsart University Annual Conference: Plants, Agricultural Extension and Communication. Bangkok: Kasetsart University. [in Thai]
Vaudour, E., C. Gomez, Y. Fouad, P. Lagacherie. 2019. Sentinel-2 image capacities to predict common topsoil properties of temperate and Mediterranean agroecosystems. Remote Sensing of Environment 223: 21-33.
Downloads
เผยแพร่แล้ว
How to Cite
ฉบับ
บท
License
Copyright (c) 2024 วารสารวิจัยและส่งเสริมวิชาการเกษตร
![Creative Commons License](http://i.creativecommons.org/l/by-nc-nd/4.0/88x31.png)
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
วารสารวิจัยและส่งเสริมวิชาการเกษตร