การประมาณปริมาณน้ำฝนโดยใช้ข้อมูลดาวเทียมฮิมาวารี-9: กรณีศึกษาจังหวัดนครสวรรค์
Article Sidebar
Main Article Content
บทคัดย่อ
จังหวัดนครสวรรค์เป็นจังหวัดที่ได้รับผลกระทบจากภัยพิบัติที่เกี่ยวข้องกับน้ำเป็นประจำทุกปี ทั้งอุทกภัยและภัยแล้ง การพยากรณ์ข้อมูลปริมาณน้ำฝนที่แม่นยำ และครอบคลุม จึงเป็นสิ่งสำคัญสำหรับการบริหารจัดการน้ำในระดับพื้นที่ ซึ่งงานวิจัยนี้มีวัตถุประสงค์เพื่อประมาณค่าปริมาณน้ำฝนรายวันจากข้อมูลจากดาวเทียม Himawari-9 โดยใช้อุณหภูมิความสว่างของยอดเมฆมาวิเคราะห์สหสัมพันธ์ของเฟียร์สัน (r) และสร้างแบบจำลองสำหรับประมาณค่าปริมาณน้ำฝน รวมถึงศึกษาเปรียบเทียบวิธีการประมาณค่าปริมาณน้ำฝนจำนวน 3 วิธี บนฐานอุณหภูมิความสว่างของยอดเมฆ คือ 1) การประมาณค่าโดยวิธี Auto Estimator 2) การประมาณค่าโดยวิธี IMSRA และ 3) การประมาณค่าโดยวิธี Non Linear Relation หลังจากนั้นสอบเทียบปริมาณน้ำฝนรายวันกับสถานีอุตุนิยมวิทยา โดยวิธีการถดถอย (Regression Analysis) พร้อมประเมินค่าคลาดเคลื่อนของแบบจำลอง ในโปรแกรม Microsoft Excel ผลการศึกษาพบว่า ทั้ง 3 วิธีมีค่าสหสัมพันธ์กับปริมาณน้ำฝนรายวันจากสถานีอุตุนิยมวิทยาอยู่ในระดับปานกลางถึงสูง ที่ระดับนัยสำคัญ 0.01 ซึ่งวิธีการประมาณค่าแบบ NLR เป็นวิธีการที่เหมาะสมที่สุดในการใช้งาน เพราะมีค่าสหสัมพันธ์สูงสุด เท่ากับ 0.7163 รวมถึงให้ค่าคลาดเคลื่อน RMSE และค่าคลาดเคลื่อน MAD ต่ำที่สุด เท่ากับ +- 7.61 มิลลิเมตร/วัน และ 3.84 มิลลิเมตร/วัน ตามลำดับ
Article Details
เอกสารอ้างอิง
Ayasha, N. (2020). A comparison of rainfall estimation using Himawari-8 satellite data in different Indonesian topographies. International Journal of Remote Sensing and Earth Science, 17(2), 194.
Gairola, R. V. (2011). Development of rainfall estimation algorithms for monitoring rainfall events over India using KALPANA-IR measurements on various temporal and spatial scales. In Proceedings of the 38th Meeting of the Coordination Group of Meteorological Satellites. New Delhi, India.
Vicente, G. A., & Vicente, R. A. (1998). The operational GOES infrared rainfall estimation technique. Bulletin of the American Meteorological Society, 79(9), 1186.
Sakolnakhon, K. P. (2016). The estimation rainfall using infrared (IR) band of Himawari-8 satellite over Thailand. Environmental Science.
Land Development Department. (2020). Land use of Nakhonsawan Province. Retrieved from http://www1.ldd.go.th/web_OLP/Lu_63/Lu63_N/NSN2563.htm
Mitrearth. (2021, January 26). Precipitation: It's not just rain and snow. Retrieved May 05, 2024, from https://www.mitrearth.org/23-3- precipitation/
POSN. (2019). Meteorology. Bangkok, Thailand: Darnsutha Press Co. Ltd.
Singlor, T. (2022, January 12). Water-related disasters: Top destructive hazards to occur frequently and intensely. SDG MOVE. Retrieved from https://www.sdgmove.com/2021/07/30/water-related-disasters-top-destructive-hazards-to-occur-frequently-intensely/
Suwarsono, P. K. (2009). Penentuan hubungan antara suhu kecerahan data MTSAT dengan curah hujan data QMORPH. Jurnal Penginderaan Jauh, 6, 39.
Thai Meteorological Department. (n.d.). Daily rainfall. Retrieved May 05, 2024, from http://www.arcims.tmd.go.th/dailydata/Detail DailyRain.html
Thai Meteorological Department. (n.d.). Frequently asked questions. Retrieved from https://tmd.go.th/info/faq
Thailand Science Research and Innovation (TSRI). (2020, March 11). Algorithm for estimation rainfall from satellite image: Precision, fast and extensive. Research Cafe. Retrieved from https://researchcafe.tsri.or.th/worldmeteorology-application/
Warayuth, P. (2023, April 18). Nakhonsawan today’s drought analysis. Provincial Statistical Office. Retrieved from https://nksawan.nso.go.th/?view=article&id=154:today-s-drought-analysis&catid=58
World Meteorological Organization (WMO). (2021). WMO Atlas of Mortality and Economic Losses from Weather, Climate, and Water Extremes (1970–2019). Geneva, Switzerland: World Meteorological Organization.
