การประเมินความเสียหายของข้าวจากเพลี้ยกระโดดสีน้ำตาล (Nilaparvata lugens (Stål)) ด้วยเทคโนโลยีภาพถ่ายหลายช่วงคลื่นจากอากาศยานไร้คนขับ
Article Sidebar
Main Article Content
บทคัดย่อ
เพลี้ยกระโดดสีน้ำตาล (Nilaparvata lugens (Stål)) (Hemiptera: Delphacidae) เป็นแมลงศัตรูข้าวที่สำคัญที่สร้างความเสียหายรุนแรงต่อระบบการผลิตข้าว งานวิจัยนี้มีวัตถุประสงค์เพื่อประเมินศักยภาพของภาพถ่ายหลายช่วงคลื่นจากอากาศยานไร้คนขับในการประเมินความเสียหายของข้าวจากการทำลายของเพลี้ยกระโดดสีน้ำตาลในสภาพแปลงนา ดำเนินการทดลองในฤดูนาปรัง พ.ศ. 2565 และ พ.ศ. 2566 ณ แปลงนาทดลองสถาบันวิทยาศาสตร์ข้าวแห่งชาติ โดยชักนำให้เกิดความเสียหายที่เกิดจากเพลี้ยกระโดดสีน้ำตาลในระดับต่างๆ จากนั้นเก็บข้อมูลภาคสนามและข้อมูลภาพถ่ายทางอากาศด้วยอากาศยานไร้คนขับที่ติดตั้งกล้องถ่ายภาพแบบหลายช่วงคลื่น ทุก 7 วันหลังปล่อยแมลง และวิเคราะห์ความสัมพันธ์ระหว่างค่าดัชนีพืชพรรณ ได้แก่ NDVI, SAVI และ GNDVI กับ ระดับคะแนนบ่งชี้อาการผิดปกติของต้นข้าว และร้อยละความเสียหายเชิงพื้นที่จากการทำลายของเพลี้ยกระโดดสีน้ำตาล ผลการศึกษาพบว่า ภาพถ่ายทางอากาศที่ความละเอียด 1 ซม./พิกเซล ไม่สามารถมองเห็นจำนวนประชากรของเพลี้ยกระโดดสีน้ำตาล แต่สามารถประเมินความผิดปกติของต้นข้าวและบริเวณที่ถูกทำลายจากเพลี้ยกระโดดสีน้ำตาลได้ เมื่อต้นข้าวแสดงอาการผิดปกติตั้งแต่ระดับคะแนน 5 เป็นต้นไป แต่ไม่ปรากฏบริเวณของต้นข้าวที่ถูกเพลี้ยกระโดดสีน้ำตาลทำลายในระยะเริ่มต้น (ระดับคะแนน 1-3) โดยค่าดัชนีพืชพรรณมีแนวโน้มลดลงเมื่อระดับคะแนนบ่งชี้ความผิดปกติของต้นข้าวและร้อยละความเสียหายเชิงพื้นที่เพิ่มขึ้น โดยเฉพาะค่า NDVI มีความสัมพันธ์กับความเสียหายของต้นข้าวสูงที่สุด และให้ประสิทธิภาพในการทำนายดีที่สุด (r² = 0.506–0.512) รวมทั้งมีค่า RMSE ต่ำ เมื่อเปรียบเทียบกับ SAVI และ GNDVI ชี้ให้เห็นว่า ภาพถ่ายหลายช่วงคลื่นจากอากาศยานไร้คนขับมีศักยภาพในการประเมินความเสียหายของต้นข้าวจากการทำลายของเพลี้ยกระโดดสีน้ำตาล และสามารถประยุกต์ใช้เพื่อสนับสนุนการติดตามการระบาดและการจัดการศัตรูข้าวแบบแม่นยำในนาข้าวได้
Article Details
อนุญาตภายใต้เงื่อนไข Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
เอกสารอ้างอิง
กองส่งเสริมการอารักขาพืชและจัดการดินปุ๋ย. 2568. สถานการณ์การระบาดศัตรูข้าว กรมส่งเสริมการเกษตร. แหล่งข้อมูล: https://ppsf.doae.go.th/category/ข้อมูลและสถานการณ์ทางก/การระบาดศัตรูข้าว/. ค้นเมื่อ 19 มกราคม 2569.
กองวิจัยและพัฒนาข้าว. 2559. การจัดการดินและปุ๋ยในนาข้าว. องค์ความรู้เรื่องข้าว เวอร์ชั่น 3.0. แหล่งข้อมูล: https://newwebs2.ricethailand.go.th/webmain/rkb3/index.php-file=content.php&id=12.htm. ค้นเมื่อ 21 มกราคม 2565.
กองวิจัยและพัฒนาข้าว. 2566. ศัตรูข้าว และการป้องกันกำจัด. พิมพ์ครั้งที่ 2. บริษัท อาร์ตควอลิไฟท์ จำกัด, กรุงเทพฯ.
คมปกรณ์ ไทยเจริญ และจิระเดช มาจันแดง. 2565. การสร้างสมการเพื่อทำนายผลผลิตอ้อยด้วยค่าดัชนีพืชพรรณจากภาพถ่ายดาวเทียม Sentinel-2 กรณีศึกษา อำาเภอไชยวาน จังหวัดอุดรธานี. วารสารวิทยาศาสตร์และเทคโนโลยี มหาวิทยาลัยมหาสารคาม. 41: 317-324.
ปริญฉัตร จุนถาวร. 2563. การศึกษานาข้าวโดยอากาศยานไร้คนขับ: ติดตามการเจริญเติบโตของข้าวด้วยดัชนีพืชพรรณ RGB และการวัดความสูงของต้นข้าวด้วยแบบจำลองพื้นผิวเชิงเลข. เอกสารประกอบงานวิจัยตามหลักสูตรศิลปศาสตรบัณฑิต ปีการศึกษา 2563. ภาควิชาภูมิศาสตร์ คณะศิลปศาสตร์ มหาวิทยาลัยธรรมศาสตร์, กรุงเทพฯ.
ปริญฉัตร จุนถาวร และกฤชญาน อินทรัตน์. 2564. การประเมินแบบจำลองความสูงของต้นข้าวด้วยภาพถ่ายจากอากาศยานไร้คนขับ (UAV). วารสารวิทยาศาสตร์ประยุกต์. 21: 244575.
พลอยไพลิน ธนิกกุล, จินตนา ไชยวงค์, ปกรณ์ เผ่าธีระศานต์, วิชยุตม์ ปรีชา, ธนดล ไกรรักษ์ และนิตยา รื่นสุข. 2565. การใช้อากาศยานไร้คนขับเพื่อสำรวจและประเมินการเข้าทำลายของเพลี้ยกระโดดสีน้ำตาล (Nilaparvata lugens (Stål)) ในนาข้าว. น. 235-246. ใน: การประชุมวิชาการข้าวกลุ่มศูนย์วิจัยข้าวภาคกลางและภาคตะวันตก และกลุ่มศูนย์วิจัยข้าวภาคตะวันออก ประจำปี 2565 11-12 พฤษภาคม 2565. ศูนย์วิจัยข้าวปราจีนบุรี, ปราจีนบุรี.
วุฒิไกร บุญคุ้ม. 2553. การวิเคราะห์การถดถอย (Regression Analysis). ภาควิชาสัตวศาสตร์ คณะเกษตรศาสตร์, มหาวิทยาลัยขอนแก่น. แหล่งข้อมูล: https://ag2.kku.ac.th/eLearning/100302/Doc%5CRegr. ค้นเมื่อ 30 พฤษภาคม 2567.
ศูนย์วิจัยข้าวชัยนาท. 2561. พันธุ์ข้าว. หจก.กิตสมบูรณ์ออฟเซ็ทแอนด์อิงค์เจ็ท, ชัยนาท.
สุภมาส อังศุโชติ. 2567. เทคนิคการวิเคราะห์ความสัมพันธ์ระหว่างตัวแปร. มหาวิทยาลัยสุโขทัยธรรมาธิราช, นนทบุรี.
สำนักส่งเสริมการผลิตข้าว. 2564. คู่มือโครงการระบบส่งเสริมเกษตรแบบแปลงใหญ่ ปี 2564 กิจกรรมการเพิ่มประสิทธิภาพการผลิตเพื่อรองรับการเปลี่ยนแปลงสภาพภูมิอากาศและการป้องกันกำจัดศัตรูข้าวและภัยธรรมชาติ. สำนักส่งเสริมการผลิตข้าว, กรมการข้าว.
ArcGIS Pro. 2024. SAVI. Available: https://pro.arcgis.com/en/pro-app/latest/arcpy/spatial-analyst/savi.htm#:~:text=The%20Soil%2DAdjusted%20Vegetation%20Index,values%20between%20%2D1.0%20and%201.0.&text=L%E2%80%94The%20amount%20of%20green%20vegetation%20cover. Accessed Dec.2, 2024.
Asawapaisankul, R., W. Rattanapichai, K. Sajjaphan, R. Pitakdantham, R. Sermsak, V. Lukas, K. Klen, and B. Tubana. 2025. Correlation of yield and vegetation indices from unmanned aerial vehicle multispectral imagery in Thailand rice production systems. Agrosystems, Geosciences & Environment. 8: e70107.
Aslan, M. F., A. Durdu, K. Sabanci, E. Ropelewska, and S. S. Gültekin. 2022. A comprehensive survey of the recent studies with UAV for precision agriculture in open fields and greenhouses. Applied Sciences. 12: 1047.
Best, J. W. 1977. Research Education. 3rd Edition. Prentice-Hall Inc.
Cao, Y. F., H. Xu, J. Song, Y. Yang, X. Hu, K. T. Wiyao, and Z. Zhai. 2022. Applying spectral fractal dimension index to predict the SPAD value of rice leaves under bacterial blight disease stress. Plant Methods. 18: 67.
Ghobadifar, F., A. Wayayok, S. Mansor, and H. Z. Shafri. 2016. Detection of BPH (brown planthopper) sheath blight in rice farming using multispectral remote sensing. Geomatics, Natural Hazards and Risk. 7: 237-247.
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: 289-298.
Hair, J. F., W. C. Black, B. J. Babin, and R. E. Anderson. 2010. Multivariate Data Analysis. 7th Edition. NJ: Pearson.
Huang, J. R., J. Y. Sun, H. J. Liao, and X. D. Liu. 2015. Detection of brown planthopper infestation based on SPAD and spectral data from rice under different rates of nitrogen fertilizer. Precision Agriculture. 16: 148-163.
IRRI. 2014. Standard Evaluation System for Rice (SES). 5th Edition. International Rice Research Institute, Los Baños, Philippines.
Jang, G., N. J. Choi, J. Wen, H. J. Kim, and Y. S. Chung. 2024. The trap of presumption: A case study of agricultural research for early detection of brown planthopper damage in rice fields. Korean Journal of Breeding Science. 56: 439-448.
Liu, Z., C. Li, Y. Wang, W. Huang, X. Ding, B. Zhou, H. Wu, D. Wang, and J. Shi. 2012. Comparison of spectral indices and principal component analysis for differentiating lodged rice crop from normal ones. IFIP Advances in Information and Communication Technology. 369: 84-92.
Pahari, S. 2023. Processing drone image using AgiSoft metashape and comparative analysis of different digital elevation model (DEM). Tribhuvan University.
Pettorelli, N., J. O. Vik, A. Mysterud, J. M. Gaillard, C. J. Tucker, and N. C. Stenseth. 2005. Using the satellite-derived NDVI to assess ecological responses to environmental change. Trends in Ecology and Evolution. 20: 503-510.
Prasannakumar, N. R., S. Chander, and R. N. Sahoo. 2014. Characterization of brown planthopper damage on rice crops through hyperspectral remote sensing under field conditions. Phytoparasitica. 42: 387-395.
Prasannakumar, N. R., S. Chander, R. N. Sahoo, and V. K. Gupta. 2013. Assessment of brown planthopper, (Nilaparvata lugens) [Stål], damage in rice using hyperspectral remote sensing. International Journal of Pest Management. 59: 180-188.
Rakwatin, P., A. Lekfuangfu, G. Pantuwan, S. Ngamsaard, K. Ditkhamma, and W. Nilapan. 2016. Brown planthopper damage monitoring in rice using field imaging spectroscopy. Available: http://research.gistda.or. th/assets/uploads/ pdfs/ c5da8-14.brown-plant-hopper-damage-monitoring-in-rice-using-field-imaging-spectrocopy.pdf. Accessed Mar.8, 2022.
Rouse, J. W., R. H. Haas, J. A. Schell, and D. W. Deering. 1973. Monitoring vegetation systems in the great plains with ERTS. pp. 309-317. In: Proceedings of the Third ERTS Symposium 10-14 December 1973. Washington, D.C., USA.
Ruwanpathirana, P. P., P. L. A. Madushanka, G. Y. Jayasinghe, W. M. C. J. Wijekoon, A. C. P. Priyankara, and S. Kazuhitho. 2021. Assessment of the optimal flight time of RGB image based unmanned aerial vehicles for crop monitoring. Rajarata University Journal. 6: 8-14.
Shi, Y., W. Huang, P. González-Moreno, B. Luke, Y. Dong, Q. Zheng, H. Ma, and L. Liu. 2018. Wavelet-based rust spectral feature set (WRSFs): A novel spectral feature set based on continuous wavelet transformation for tracking progressive host–pathogen interaction of yellow rust on wheat. Remote Sensing. 10: 525.
Sivaranjani, S., V. Geethalakshmi, S. Pazhanivelan, J. S. Kennedy, and S. P. Ramanathan. 2023. Study on hyperspectral reflectance of brown planthopper (Nilaparvata lugens) infestation in rice. Agricultural Science Digest. 43: 707-712.
Weier, J., and D. Herring. Measuring Vegetation (NDVI & RVI). 1999. Available: http://Earthobservatory.nasa.gov. Accessed Nov.17, 2014.
Xu, H. J., J. Xue, B. Lu, X. C. Zhang, J. C. Zhuo, S. F. He, X. F. Ma, Y. Q. Jiang, H. W. Fan, J. Y. Xu, Y. X. Ye, P. L. Pan, Q. Li, Y. Y. Bao, H. F. Nijhout, and C. X. Zhang. 2015. Two insulin receptors determine alternative wing morphs in planthoppers. Nature. 519: 464-467.
Yang, C. M., C. H. Cheng, and R. K. Chen. 2007. Changes in spectral characteristics of rice canopy infested with brown planthopper and leaffolder. Crop Science. 47: 329-335.
Zheng, Q., W. Huang, X. Cui, Y. Shi, and L. Liu. 2018. New spectral index for detecting wheat yellow rust using Sentinel-2 multispectral imagery. Sensors. 18: 868.
Zheng, Q., W. Huang, Q. Xia, Y. Dong, H. Ye, H. Jiang, S. Chen, and S. Huang. 2023. Remote sensing monitoring of rice diseases and pests from different data sources: A review. Agronomy. 13: 1851.
