การประยุกต์ใช้ระบบสารสนเทศภูมิศาสตร์เพื่อประเมินพื้นที่เสี่ยงต่อการเกิดอุทกภัย อำเภอพรานกระต่าย จังหวัดกำแพงเพชร
Article Sidebar
Main Article Content
บทคัดย่อ
การประยุกต์ใช้ระบบสารสนเทศภูมิศาสตร์เพื่อประเมินพื้นที่เสี่ยงต่อการเกิดอุทกภัย อำเภอพรานกระต่าย จังหวัดกำแพงเพชร มีวัตถุประสงค์เพื่อหาปัจจัยที่ส่งผลต่อการเกิดน้ำท่วมและวิเคราะห์พื้นที่เสี่ยงภัยน้ำท่วมในอำเภอพรานกระต่าย จังหวัดกำแพงเพชร โดยใช้ระบบสารสนเทศภูมิศาสตร์ (GIS) ร่วมกับการวิเคราะห์ศักยภาพเชิงพื้นที่ ซึ่งพิจารณาปัจจัย 8 ประการ ได้แก่ ความลาดชัน ระดับความสูง ปริมาณน้ำฝน การระบายน้ำของดิน ระยะห่างจากแหล่งน้ำ พื้นที่น้ำท่วมในอดีต การใช้ประโยชน์ที่ดิน และความหนาแน่นประชากร ในการศึกษาได้กำหนดค่าน้ำหนักและคะแนนสำหรับช่วงของแต่ละปัจจัยไม่เท่ากัน โดยผู้วิจัยอิงข้อมูลทุติยภูมิจากงานวิจัยที่เกี่ยวข้อง จำนวน 15 เรื่อง จากนั้นจึงจัดกลุ่มและให้คะแนนและค่าน้ำหนักแก่แต่ละปัจจัย เพื่อกำหนดเกณฑ์และคะแนนรวมสำหรับประเมินความเสี่ยงน้ำท่วม พบว่า ปัจจัยที่มีค่าน้ำหนักมากซึ่งแสดงให้เห็นว่ามีส่วนสำคัญที่สำคัญที่สุดต่อการเกิดน้ำท่วม คือ ความลาดชันของพื้นที่ และการใช้ประโยชน์ที่ดิน โดยผลการศึกษาพบว่าพื้นที่เสี่ยงอุทกภัยระดับสูงและสูงมากตั้งกระจายตัวอยู่ในบริเวณที่พื้นที่ที่มีความลาดชัน 6–15 องศา (ร้อยละ 45.65) และในพื้นที่ที่มีการใช้ประโยชน์ที่ดินประเภทพื้นที่เกษตรกรรม (ร้อยละ 76.83) โดยพื้นที่ที่ไม่เคยมีน้ำท่วมในอดีตมีความเสี่ยงสูงและสูงมากในการเกิดอุทกภัย (ร้อยละ 88.58) ผลการศึกษาเมื่อจำแนกพื้นที่เสี่ยงน้ำท่วมออกเป็น 5 ระดับ พบว่า พื้นที่ของอำเภอส่วนใหญ่เป็นพื้นที่เสี่ยงปานกลาง ร้อยละ 32.68 เสี่ยงต่ำ ร้อยละ 25.17 เสี่ยงสูง ร้อยละ 23.89 เสี่ยงสูงมาก ร้อยละ 10.43 และเสี่ยงต่ำมาก ร้อยละ 7.83 โดยตำบลที่มีพื้นที่เสี่ยงน้ำท่วมสูงและสูงมาก เกินกว่าร้อยละ 50 ของพื้นที่ตำบล ได้แก่ คุยบ้านโอง (ร้อยละ 59.01) ห้วยยั้ง (ร้อยละ 56.66) และวังตะแบก (ร้อยละ 54.22) ข้อเสนอแนะจากการศึกษานี้คือการนำแผนที่เสี่ยงภัยที่ได้จากการศึกษาเพื่อวางแผนป้องกันและบริหารจัดการน้ำท่วมร่วมกับหน่วยงานต่างๆ โดยกำหนดพื้นที่รองรับน้ำหลากและแนวกันชนธรรมชาติ ควบคุมการก่อสร้างในพื้นที่เสี่ยง ปรับปรุงลำน้ำและระบบระบายน้ำ และเตรียมความพร้อมในชุมชนเสี่ยงสูง
Article Details
อนุญาตภายใต้เงื่อนไข Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
เอกสารอ้างอิง
Bui, D. T., Khosravi, K., Li, S., Shahabi, H., Panahi, M., Singh, V. P., & Bin Ahmad, B. (2018). New hybrids of ANFIS with several optimization algorithms for flood susceptibility modeling. Water, 10(9), 1210. https://doi.org/10.3390/w10091210
Choubin, B., Moradi, E., Golshan, M., Adamowski, J., Sajedi-Hosseini, F., & Mosavi, A. (2019). An ensemble prediction of flood susceptibility using multivariate discriminant analysis, classification and regression trees, and support vector machines. Science of the Total Environment, 651, 2087–2096. https://doi.org/10.1016/j.scitotenv.2018.10.064
Darabi, H., Choubin, B., Rahmati, O., Haghighi, A. T., Pradhan, B., & Kløve, B. (2019). Urban flood risk mapping using the GARP and QUEST models: A comparative study of machine learning techniques. Journal of Hydrology, 569, 142–154. https://doi.org/10.1016/j.jhydrol.2018.12.002
Feizizadeh, B., Blaschke, T., Nazmfar, H., & Rezaei Moghaddam, M. H. (2013). Landslide susceptibility mapping for the Urmia Lake Basin, Iran: A multi-criteria evaluation approach using GIS. International Journal of Environmental Research, 7(2), 319–336.
Gu, Z., Phakdimek, S., Nagami, K., & Komori, D. (2025). Relationship between urbanization–induced land use changes and flood risk: Case study in Chiang Mai, Thailand. Water, 17(3), 327.
Kamphaeng Phet Provincial Disaster Prevention and Mitigation Committee. (2015). Kamphaeng Phet Province disaster prevention and mitigation plan. https://www.disaster.go.th/upload/download/file_attach/5fad08305272b.pdf
Kamphaengphet Agricultural Extension Office. (2025). Agricultural information of Kamphaeng Phet Province. https://kamphaengphet.doae.go.th/province/?page_id=2271
Khosravi, K., Nohani, E., Maroufinia, E., & Pourghasemi, H. R. (2016). A GIS-based flood susceptibility assessment and its mapping in Iran: A comparison between frequency ratio and weights-of-evidence bivariate statistical models with multi-criteria decision-making technique. Natural Hazards, 83(2), 947–987. https://doi.org/10.1007/s11069-016-2357-2.
Kourgialas, N. N., & Karatzas, G. P. (2017). A national scale flood hazard mapping methodology: The case of Greece–Protection and adaptation policy approaches. Science of the Total Environment, 601, 441–452. https://doi.org/10.1016/j.scitotenv.2017.05.197
Land Development Department. (2020). Information on repeated flooding areas [Data set]. Land Development Department. https://data.go.th/dataset/floodplain
Land Development Department. (2024). Statistics on repeated flooding areas by sub-district [Data set]. https://data.go.th/dataset/ldd_21_04
Land Development Department (n.d.). Characteristics and important properties of soils. https://iddindee.ldd.go.th/web/data.html
Mangsamong, W., Mama, I., & Jedolo, N. (2022). Application of geographic information system for analysis of flood risk areas in Kolok River Basin, Narathiwat Province. In Proceedings of the 27th National Convention on Civil Engineering (NCCE27). Retrieved from https://conference.thaince.org/index.php/ncce27/article/view/1945/907
Niamthong, D., & Obphaet, A. (2023). Flood risk analysis in Bangkok Metropolitan Region. In Proceedings of the 28th National Convention on Civil Engineering, May 24–26, 2023, Phuket, Thailand.
Noichaisin, L. (2016). Application of GIS on flood risk area assessment in Sa Kaeo Province. Burapha Science Journal, 21(1), 51–63.
Sae-jern, N., Suwanchatree, N., Chub-uppakarn, T., & Chalermyanon, T. (2022). Assessment and comparison of urban flood vulnerability index: A case study of Hat Yai, Chiang Mai, and Ubon Ratchathani. Journal of Science and Technology, Maha Sarakham University, 41(3), 164–174.
Samanta, R. K., Bhunia, G. S., Shit, P. K., & Pourghasemi, H. R. (2018). Flood susceptibility mapping using geospatial frequency ratio technique: A case study of Subarnarekha River Basin, India. Modeling Earth Systems and Environment, 4, 395–408. https://doi.org/10.1007/s40808-018-0427-z
Sermkarndee, P., Charoensuk, J., & Inthasara, T. (2015). Analysis of flood risk areas using the geographic information system: Khuan Khanun District, Phatthalung Province. In Proceedings of the 11th Hatyai National and International Conference (pp. 2160–2173). Hatyai University.
Sureeyatanapas, P. (2016). Comparison of rank-based weighting methods for multi-criteria decision making. Engineering and Applied Science Research, 43, 376–379.
Tehrany, M. S., Jones, S., & Shabani, F. (2019). Identifying the essential flood conditioning factors for flood prone area mapping using machine learning techniques. Catena, 175, 174–192. https://doi.org/10.1016/j.catena.2018.12.011
Thanarun, S., & Amornsanguansin, J. (2010). Application of geographic information systems in determining flood risk areas: Ang Thong Province. Environmental Management Journal, 6(2), 19–24.
