A Study of Change in Forest Area during 2013-2022 in the Sri Lanna National Park, Chiang Mai Province
Article Sidebar
Main Article Content
Abstract
The objective of this study was to apply remote sensing techniques to examine the changes in the forested area around the Sri Lanna National Park during a period of 10 years from 2013–2022, using computer-based classification of Landsat 8 OLI satellite data. Supervised classification techniques were used in conjunction with visual interpretation, which included the use of GIS (geographic information system) to assist in data management. At least 500 inspection points were used around the Sri Lanna National Park to determine the accuracy of the classification by using an error matrix or confusion matrix table and Kappa statistics.
Using the classification, it was observed that the forested area decreased by 4,439 rai (710.24 ha) between 2013–2022, with the most decrease experienced during the past 10 years. Specifically, between 2014–2015, the area decreased by 1,308 rai (209.28 ha), 2015–2016 decreased by 605 rai (96.80 ha), 2016–2017 decreased by 1,988 rai (318.08 ha), 2017–2018 decreased by 863 rai (138.08 ha), 2018–2019 decreased by 297 rai (47.52 ha), in 2019–2020 decreased by 353 rai (57.28 ha), in 2020–2021 decreased by 386 rai (61.76 ha), and in 2021–2022 decreased by 153 rai (24.48 ha), was the least decrease during the 10 years analyzed. The classification accuracy for each year indicated to an average overall accuracy of about 85.54 percent and a Kappa statistic of 77.74 percent. The trend of change in the forested areas was a polynomial of the 3rd order as described by the equation y = -0.0322x3 + 195.19x2 - 394313x + 3E+08 (R² = 0.9789), where x is the year of interest.
Article Details
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
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
Chuchip, K. 2018. Accuracy Assessment: Remote Sensing Technical. Faculty of Forestry, Kasetsart University, Bangkok, Thailand. (in Thai)
Department of Provincial Administration. 2022. Population Statistical Data Structure. https://stat.bora.dopa.go.th/new_stat/webPage/statByYear.php, 1 March 2023.
Frankin, S.E. 2001. Remote Sensing for Sustainable Forest Management. Boca Raton London, New York, USA.
USGS Science for a Changing World. 2016. Landsat 8 OLI and TIRS and Their Uses. https://www.usgs.gov/media/images/landsat-8-oli-and-tirs-and-their-uses, 1 March 2023.
Geo-Informatics and Space Technology Development Agency (Public Organization). 2009. Space Technology and GEO-Informatics. Geo-Informatics and Space Technology Development Agency (Public Organization), Bangkok, Thailand. (in Thai)
Office of the Auditor General of Thailand. 2010. Investigation of Conservation, Reforestation and Protection of Forest Resources of Department of National Parks, Wildlife and Plant Conservation. Office of the Auditor General of Thailand, Bangkok, Thailand. (in Thai)
Office of the Secretary of the National Strategy Committee. 2018. National Strategy 2018 – 2037. Office of the National Economics and Social Development Council, Bangkok, Thailand. (in Thai)
Planning and Information Office. 2021. Government Action Plan 2022 Office Department of National Parks, Wildlife and Plant Conservation. Department of National Parks, Wildlife and Plant Conservation, Bangkok. (in Thai)
Pongtong, P., Wongsiwawilas, T. 2015. The natural resources and environmental management: forest resources and biodiversity. The National Defence College of Thailand Journal, 57(2): 19-30. (in Thai)
Rungrưang, K. 2013. The Management of Geography Instruction. Suweeriyasarn, Bangkok, Thailand. (in Thai)
Si Lanna National Park. 2018. Management Plan Sri Lanna National Park 2019-2023. Sri Lanna National Park, Chiang Mai, Thailand. (in Thai)
U.S. Department of the Interior. 2016. Using the USGS Landsat Level-1 Data Product. https://www.usgs.gov/landsat-missions/using-usgs-landsat-level-1-data-product, 1 March 2023.