การประยุกต์ใช้ภาพถ่ายหลายช่วงคลื่นจากอากาศยานไร้คนขับขนาดเล็กในการติดตาม การเจริญเติบโตและผลผลิตของถั่วเหลืองฝักสด พื้นที่ศูนย์วิจัยพืชไร่เชียงใหม่
DOI:
https://doi.org/10.14456/jare-mju.2025.29คำสำคัญ:
ภาพถ่ายหลายช่วงคลื่น , อากาศยานไร้คนขับขนาดเล็ก , ถั่วเหลืองฝักสดบทคัดย่อ
การใช้ภาพถ่ายหลายช่วงคลื่นจากอากาศยาน ไร้คนขับขนาดเล็ก ในการติดตามการเจริญเติบโตและผลผลิตถั่วเหลืองฝักสด มีวัตถุประสงค์เพื่อติดตาม การเจริญเติบโตในระยะต่าง ๆ ที่สัมพันธ์กับผลผลิตของถั่วเหลืองฝักสด โดยเก็บข้อมูลภาพถ่ายทางอากาศ การเจริญเติบโตทั้งหมด 4 ระยะ จากวันที่เมล็ดงอก คือ อายุ 7, 16, 31 และ 61 วัน แปรผลภาพออกมาเป็นค่าดัชนี พืชพรรณผลต่างแบบนอร์มัลไลซ์ (Normalized Difference Vegetation Index, NDVI) และแถบคลื่นแสงที่ตามองเห็น Visible light (Red Green and Blue, RGB) นำข้อมูลเชิงตัวเลขจากภาพหาความสัมพันธ์ ตามระยะการเจริญเติบโตและผลผลิตของถั่วเหลืองฝักสด ผลการศึกษาพบว่าปริมาณที่ปกคุลมพื้นที่ของถั่วเหลืองฝักสดเพิ่มขึ้นตามระยะการเจริญเติบโตหลังจากเมล็ดงอกน้อยที่สุด 7 วัน และมากที่สุด 61 วัน ในส่วนของระดับความเขียวของใบมีความเข้มน้อยสุดที่ 7 วัน และเข้มมากสุดที่ 31 วัน ซึ่งระดับความเขียวของใบในภาพ RGB มีแนวโน้มไปทิศทางเดียวกับภาพ NDVI ที่มีค่าเข้าใกล้ -1 มากที่สุดที่ 7 วัน และเข้าใกล้ 1 มากสุดที่ระยะ 31 วัน ค่า NDVI ในระยะ 31 DAS มีความสัมพันธ์กับพื้นที่ปลูกสูงสุด (R2 = 0.86) โดยมีค่าสูงสุด 0.97 และค่าต่ำสุด -0.77 ผลผลิตรวมที่ระยะ 31 DAS อยู่ในช่วง 1,200–1,330 กรัม/ 2 ตารางเมตร (960–1,064 กิโลกรัม/ไร่) และค่า NDVI อยู่ในช่วง 0.65–0.79 ซึ่งผลผลิตของถั่วเหลืองฝักสด มีแนวโน้มเพิ่มมากขึ้นตามค่า NDVI (R2=0.80)
เอกสารอ้างอิง
Alabi, T.R., A.T. Abebe, G. Chigeza and K.R. Fowobaje. 2022. Estimation of soybean grain yield from multispectral high-resolution UAV data with machine learning models in West Africa. Remote Sensing Applications: Society and Environment 27(2022): 100782.
GISTDA. 2018. Remote Sensing Glossary. Bangkok: Matichon Premium Print. 296 p. [in Thai]
Khunpllueg, P., L. Sangla, A. Chanmaung and R. Sopa. 2011. Effect of spacing on quality and yield of aroma vegetable soybean. Khon Kaen Agr. Journal 39(Suppl.3): 153–157. [in Thai]
Kouadio, L., El. Jarroudi, M. Belabess, Z. Laasli, S.-E. Roni, M.Z.K. Amine, I.D.I. Mokhtari, N. Mokrini, F.J. Junk and R. Lahlali. 2023. A review on UAV-based applications for plant disease detection and monitoring. Remote Sens 15: 4273.
Liu, Y., S.M. Swinton and R.N. Miller. 2006. In site-specific yield response consistent over time? Does it pay? JSTOR 88(2): 471–483.
Santana, D.C., M.F. Cotrim, M.S. Flores, F.H. Rojo Baio, L.S. Shiratsuchi, C.A.D. Silva Junior, L.P.R. Teodoro and P.E. Teodoro. 2021. Remote Sensing Applications. Society and Environment 23: 100534.
Sepkota, S. and D.R. Paudyal. 2023. Growth monitoring and yield estimation of maize plant using Unmanned Aerial Vehicle (UAV) in a Hilly Region. Sensors 23(12): 5432.
Sermsak, R. and H. Boonjung. 2007. Application of Digital Image for Leaf Area Index Estimation of Soybean. Nakhon Ratchasima: Suranaree Technology University. 17 p. [in Thai].
Shammi, S.A., Y. Huang, G. Feng, H. Tewolde, X. Zhang, J. Jenkins and M. Shankle, 2024. Application of UAV multispectral imaging to monitor soybean growth with yield prediction through machine learning. Agronomy 14: 672.
Silva, E.E., F.H. Rojo Baio, L.P. Ribeiro Teodoro C.A. da Silva Junior, R.S. Borges and P.E. Teodoro. 2020. UAV-multispectral and vegetation indices in soybean grain yield prediction based on in situ observation. Remote Sensing Applications: Society and Environment 18: 100318.
Suksirirak, P. 2019. Real-time processing from multispectral camera for agriculture. CRMA Journal 17(2019): 75-85. [in Thai]
Thaicharoen, K. and J. Majandang. 2022. The development of equation of sugarcane yield prediction using vegetation index from Sentinel-2 Satellite imagery: a case study in Chaiwan district, Udon Thani province. Journal of Science Technology MSU 41(6): 317–324. [in Thai]
Trindade, F.S., M.C. Alves, R. Noetzold, I.C. Andrade and A.A.A. Pozza. 2019. Relação espectro-temporal de índices de vegetação com atributos do solo e produtividade da soja Revista de Ciências Agrárias. Amazonian Journal 62(1): 1-11.
Xue, J. and B. Su. 2017. Significant remote sensing vegetation indices: a review of developments and applications. Journal of Sensor 2017: 1–17.
ดาวน์โหลด
เผยแพร่แล้ว
รูปแบบการอ้างอิง
ฉบับ
ประเภทบทความ
สัญญาอนุญาต
ลิขสิทธิ์ (c) 2025 วารสารวิจัยและส่งเสริมวิชาการเกษตร
อนุญาตภายใต้เงื่อนไข Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
บทความนี้ได้รับการเผยแพร่ภายใต้สัญญาอนุญาต Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International (CC BY-NC-ND 4.0) ซึ่งอนุญาตให้ผู้อื่นสามารถแชร์บทความได้โดยให้เครดิตผู้เขียนและห้ามนำไปใช้เพื่อการค้าหรือดัดแปลง หากต้องการใช้งานซ้ำในลักษณะอื่น ๆ หรือการเผยแพร่ซ้ำ จำเป็นต้องได้รับอนุญาตจากวารสาร
