การประยุกต์ภาพถ่ายทางอากาศสีเชิงเลข เพื่อประเมินมวลชีวภาพของป่าชายเลน บ้านเปร็ดใน จังหวัดตราด
Main Article Content
บทคัดย่อ
มวลชีวภาพเป็นตัวชี้วัดหนึ่งที่แสดงความสมบูรณ์ของป่าชายเลน การประเมินมวลชีวภาพส่วนใหญ่จะดำเนินการด้วยวิธีวางแปลงสุ่มสำรวจภาคสนาม ซึ่งเสียเวลา สิ้นเปลืองแรงงาน และค่าใช้จ่ายค่อนข้างสูง การศึกษานี้มีวัตถุประสงค์เพื่อสร้างสมการความสัมพันธ์ระหว่างค่าดัชนีพืชพรรณ (NDVI) กับมวลชีวภาพของป่าชายเลน โดยใช้ภาพถ่ายทางอากาศสีเชิงเลข (DMC) ร่วมกับโปรแกรมสำเร็จรูปทางสารสนเทศภูมิศาสตร์ โดยทำการเก็บข้อมูลจากการวางแปลงสุ่มสำรวจภาคสนามในพื้นที่ป่าชายเลนบ้านเปร็ดใน จำนวน 24 แปลง ทำการวัดขนาดเส้นผ่านศูนย์กลางและความสูงของต้นไม้ในแปลงสำรวจที่มีขนาดเส้นผ่านศูนย์กลางเพียงอกมากกว่า 4.5 เซนติเมตรขึ้นไปทุกต้น ทำการคำนวณหามวลชีวภาพเหนือดินของต้นไม้ในแต่ละแปลงตัวอย่างด้วยสมการแอลโลเมตรีของพรรณไม้ป่าชายเลน ฝั่งอ่าวไทยของประเทศไทยศึกษาความสัมพันธ์ระหว่างค่า NDVI และมวลชีวภาพเหนือดินของป่าชายเลน แล้วนำค่าสมการที่มีความสัมพันธ์ดีที่สุดมาประเมินมวลชีวภาพเหนือดินของป่าชายเลน
ผลการศึกษา พบพรรณไม้ป่าชายเลน จำนวน 9 ชนิด มีความหนาแน่นของพรรณไม้ เท่ากับ 3,838 ต้นต่อเฮกตาร์ พรรณไม้ที่พบมากที่สุด ได้แก่ โปรงแดง (Ceriops tagal) จำนวน 1,450 ต้นต่อเฮกตาร์ พรรณไม้ป่าชายเลนในแปลงสำรวจมีขนาดเส้นผ่านศูนย์กลางเฉลี่ย เท่ากับ 8.95±3.91 เซนติเมตร และมีความสูงเฉลี่ย เท่ากับ 12.10±2.85 เมตร คิดเป็นปริมาณมวลชีวภาพเหนือดิน เท่ากับ 212.52±5.19 ตันต่อเฮกตาร์ จากการหาความสัมพันธ์ระหว่างค่า NDVI กับมวลชีวภาพเหนือดิน พบว่า สมการเอกซ์โพเนนเชียล (exponential) = 26.784e5.2437(NDVI) มีค่าสัมประสิทธิ์การตัดสินใจ (R2) มากที่สุด เท่ากับ 0.8969 เมื่อทำการประเมินมวลชีวภาพเหนือดินของป่าชายเลนบ้านเปร็ดในจากการแทนค่า NDVI เฉลี่ยทั้งพื้นที่ในสมการเอกซ์โพเนนเชียล (exponential) มีปริมาณเท่ากับ 199.04 ตันต่อเฮกตาร์ เมื่อทดสอบความแตกต่างทางสถิติพบว่า มวลชีวภาพเหนือดินทำการประเมินจากการแทนค่า NDVI กับการสำรวจภาคสนาม มีความแตกต่างกันอย่างไม่มีนัยสำคัญทางสถิติ (p>0.05)
Downloads
Article Details
ข้าพเจ้าและผู้เขียนร่วม (ถ้ามี) ขอรับรองว่า ต้นฉบับที่เสนอมานี้ยังไม่เคยได้รับการตีพิมพ์และไม่ได้อยู่ในระหว่างกระบวนการพิจารณาตีพิมพ์ลงในวารสารหรือสิ่งตีพิมพ์อื่นใด ข้าพเจ้าและผู้เขียนร่วม (ถ้ามี) ยอมรับหลักเกณฑ์และเงื่อนไขการพิจารณาต้นฉบับ ทั้งยินยอมให้กองบรรณาธิการมีสิทธิ์พิจารณาและตรวจแก้ต้นฉบับได้ตามที่เห็นสมควร พร้อมนี้ขอมอบลิขสิทธิ์ผลงานที่ได้รับการตีพิมพ์ให้แก่วารสารวนศาสตร์ คณะวนศาสตร์ มหาวิทยาลัยเกษตรศาสตร์ กรณีมีการฟ้องร้องเรื่องการละเมิดลิขสิทธิ์เกี่ยวกับภาพ กราฟ ข้อความส่วนใดส่วนหนึ่ง หรือ ข้อคิดเห็นที่ปรากฏในผลงาน ให้เป็นความรับผิดชอบของข้าพเจ้าและผู้เขียนร่วม (ถ้ามี) แต่เพียงฝ่ายเดียว และหากข้าพเจ้าและผู้เขียนร่วม (ถ้ามี) ประสงค์ถอนบทความในระหว่างกระบวนการพิจารณาของทางวารสาร ข้าพเจ้าและผู้เขียนร่วม (ถ้ามี) ยินดีรับผิดชอบค่าใช้จ่ายทั้งหมดที่เกิดขึ้นในกระบวนการพิจารณาบทความนั้น”
References
Bindu, G., P. Rajan, E.S. Jishnu and K.J. Ajith. 2018. Carbon stock assessment of mangrove using remote sensing and geographic information system. The Egyptian Journal of Remote Sensing and Space Science 23: 1-9.
Department of Marine and Coastal Resources. 2016. The Mangrove Forest Biological Diversity 10 Years of Mangrove Forest Biological Resource. Marine and Coastal Resources Promotion and Management Division, Department of Marine and Coastal Resources, Bangkok. (in Thai)
Gizachew, B., S. Solberg, E. Naesset, T. Gobakken, O.M. Bollandsas, J. Breidenbach, E. Zahabu and E.W. Mauya. 2016. Mapping and estimating the total living biomass and carbon in low-biomass woodlands using Landsat 8 CDR data. Carbon Balance and Management 11: 1-14.
Meepol, W. 2010. Carbon sequestration of mangrove forests at Ranong Biosphere Reserve. Journal of Forest Management 4(7): 33-47. (in Thai)
Ministry of Natural Resources and Environment. 2017. Strategy Planning for Ministry of Natural Resources and Environment 2017-2021. Available Source: http://www.mnre.go.th/oops/th/news/detail/12477, January 15, 2020. (in Thai)
Patanaponpaiboon, P. 1979. Structure of Mangrove Forest at Amphoe Khao Saming, Trat. M.S. Thesis, Chulalongkorn University. (in Thai)
Pattanasing, N. 2012. Biomass and Litter Fall Production in Pred Nai Community Mangrove Forest at Trat Province. M.S. Thesis, Kasetsart University. (in Thai)
Rahetlah, V.B., P. Salgado, B. Andrianarisoa, E. Tillard, H. Razafindrazaka, L. Le Mézo and V.L. Ramalanjaona. 2014. Relationship between normalized difference vegetation index (NDVI) and forage biomass yield in the Vakinankaratraregion, Madaguscar. Livestock Research for Rural Development 26: 1-11.
Salum, R.B., P.W.M. Souza-Filho, M. Simard, C.A. Silva, M.E.B. Fernandes, M.F. Cougo, W.d.J. Nascimento and K. Rogers. 2020. Improving mangrove above-ground biomass estimations using LiDAR. Estuarine, Coastal and Shelf Science 236: 1-16.
Sarawong, A. 2008. Application of Remote Sensing for Land Use Change Prediction and Normalized Difference Vegetation Index in Mae-Huad Sector of Mae-Ngao Demonstration Forest, Amphoe Ngao, Changwat Lampang. M.S. Thesis, Kasetsart University. (in Thai)
Sridang, S. 2008. Estimation of Above-ground Carbon Sequestration on Mangrove Forest at Koh Lanta, Krabi Province Using Remote Sensing Techniques. M.S. Thesis, Kasetsart University. (in Thai)