การแทรกค่าเชิงพื้นที่ข้อมูลปริมาณน้ำฝนแต่ละภูมิภาคของประเทศไทยด้วยวิธีการที่แตกต่างกัน
Main Article Content
บทคัดย่อ
ข้อมูลปริมาณน้ำฝนแบบกระจายทั้งพื้นที่มีความสำคัญต่อการใช้ในแบบจำลองทางอุทกวิทยา ซึ่งต้องทำการแทรกค่าเชิงพื้นที่เพื่อประมาณค่าของตำแหน่งที่ไม่ได้ตรวจวัด การศึกษานี้เปรียบเทียบการกระจายและความคลาดเคลื่อนเชิงพื้นที่ที่เกิดจากวิธีการแทรกค่าที่ต่างกัน 2 วิธี คือ 1) Inverse Distance Weighted (IDW) ที่กำหนดค่ายกกำลัง (power, p) เท่ากับ 2 และ 3 จำนวนจุดข้างเคียง (number of neighbor point, n) เท่ากับ 15 30 และ 50 จุด 2) Kriging Ordinary (KrigOrd) ที่ใช้แบบจำลอง Circular, Exponential, Gaussian, Linear และ Spherical และเปรียบเทียบการกระจายเชิงพื้นที่ด้วยค่า Cohen’s kappa coefficient (k) และความคลาดเคลื่อนด้วยค่าความคลาดเคลื่อนสัมบูรณ์เฉลี่ย (mean absolute error) ผลการศึกษาพบว่า กระจายเชิงพื้นที่ของข้อมูลแต่ละภูมิภาคที่เกิดจากวิธีการและพารามิเตอร์ที่แตกต่างกันมีความตรงกันในระดับเกือบทั้งหมด (ค่า k ระหว่าง 0.9202 – 0.9999) แต่ผลที่ได้จากวิธี IDW มีความผันแปรเชิงพื้นที่แบบทีละน้อย ส่วนวิธี KrigOrd เป็นแบบทันทีทันใด วิธีการแทรกค่าเชิงพื้นที่ที่มีความคลาดเคลื่อนน้อยที่สุดของภาคเหนือ ตะวันออกเฉียงเหนือ กลาง ตะวันออก และใต้ฝั่งตะวันออก คือวิธี IDW ที่กำหนดค่า p เท่ากับ 2 แต่ค่า n แตกต่างกัน คือ 15 15 50 50 และ 15 จุด ตามลำดับ ส่วนภาคใต้ฝั่งตะวันตกคือวิธี KrigOrd ที่ใช้แบบจำลอง Linear ค่า MAE จากแต่ละวิธีเท่ากับ 133.88 132.49 114.83 184.01 181.54 และ 142.52 มิลลิเมตร หรือคิดเป็นร้อยละ 11.30 10.25 10.58 11.76 10.90 และ 5.44 ของปริมาณน้ำฝนรายปีเฉลี่ย ตามลำดับ
Downloads
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
Agdas, M.G., Yenen, Z. 2023. Determining land use/land cover (LULC) changes using remote sensing method in Lüleburgaz and LULC change's impacts on SDGs. European Journal of Sustainable Development, 12(1): 1-24. doi: 10.14207/ejsd.2023.v12n1p1.
Bailey, G., Li, Y., McKinney, N., Yoder, D., Wright, W. Herrero, H. 2022. Comparison of ground point giltering algorithms for high-density point clouds collected by terrestrial LiDAR. Remote Sensing, 14(4776): 1-20. doi.org/10.3390/rs14194776.
Burrough, P.A., McDonanell, R.A. 1998. Principles of Geographical Information Systems. Oxford University Press, New York, USA.
Chomwinyan, W. 2017. Geography of Thailand. Udon Thani Rajabhat University. Udon Thani, Thailand. (in Thai)
Donald, S. 1968. A two-dimensional interpolation function for irregularly-spaced data. In : Proceedings of the 1968 23rd ACM National Conference. New York, USA, pp. 517–524.
Eiamprasert, S. 2011. Comparison of Spatial Daily Rainfall Amount Interpolation Methods by Using Geographic Information System at Chao-Phra-Ya Flood Plai. M.S. Thesis, National Institute of Development Administration, Bangkok, Thailand. (in Thai)
Grubbs, F.E. 1969. Procedures for Detecting Outlying Observations in Samples. Technometrics, (11)1: 1-21. doi: :10.1080/00401706.1969.10490657.
Kumari, M., Singh, C.K., Bakimchandra, O., Basistha, A. 2016. DEM-based delineation for improving geostatistical interpolation of rainfall in mountainous region of Central Himalayas, India. Theoretical and Applied Climatology, 130(1-2): 51-58. doi:10.1007/s00704-016-1866-y.
Maddala, G.S. 1992. Introduction to Econometrics, 2nd ed. Macmillan. New York, USA.
Matheron, G. 1963. Principles of geostatistics. Economic Geology, 58(8): 1246–1266. doi: https://doi.org/10.2113/ gsecongeo.58.8.1246.
McHugh, L.M. 2012. Interrater reliability: the Kappa statistic. Biochem Med (Zagreb). https://www.ncbi.nlm.nih.gov/pmc/articles/PMC3900052/, 22 March 2022.
Meechamnan, T. 2017. An Areal Rainfall Interpolation derived from Ground Measurement Rainfall and GSMaP Satellite with Topography Data in Southern Thailand. M.Eng. Thesis, Kasetsart University (Kamphaeng Saen Campus), Nakhon Pathom, Thailand. (in Thai)
Piazza, A.D., Conti, F.L., Noto, L.V., Viola, F. Loggia, G.L. 2011. Comparative analysis of different techniques for spatial interpolation of rainfall data to create a serially complete monthly time series of precipitation for Sicily, Italy. International Journal of Applied Earth Observation and Geoinformation, 13(3): 396-408. doi:10.1016/j.jag.2011.01.005.
Rattanaburee, P. 2014. Comparison of the Spatial Rainfall in Upper Ping Basin and Tha Chin Basin by Spatial Interpolation Techniques. M.Eng. Thesis, Kasetsart University (Kamphaeng Saen Campus), Nakhon Pathom, Thailand. (in Thai)
Thai Meteorological Department. (n.d.). Climate of Thailand. https://www.tmd.go.th/info/tmd-knowledges, 19 March 2023. (in Thai)
Yang, X., Xie, X., Liu, D.L., Ji, F., Wang, L. 2015. Spatial interpolation of daily rainfall data for local climate impact assessment over greater Sydney region. Advances in Meteorology, 2015: 563629. doi:10.1155/2015/563629.
Yodkongdee, E. 2017. A Comparative Study on Areal Rainfall Estimation by Spatial Interpolation Techniques in Bang Pakong Basin and Mae Klong Basin. M.Eng. Thesis, Kasetsart University (Kamphaeng Saen Campus), Nakhon Pathom, Thailand. (in Thai)