การใช้แบบจำลอง CA-Markov ร่วมกับข้อมูลภาพดาวเทียม Landsat 8 สำหรับการคาดการณ์การใช้ประโยชน์ที่ดิน บริเวณเขตห้ามล่าสัตว์ป่าทะเลน้อย

Main Article Content

วีระภาส คุณรัตนสิริ
สุณิสา กลายเจริญ
สันติ สุขสอาด

บทคัดย่อ

การนำเทคโนโลยีด้านการรับรู้ระยะไกลมาใช้สำหรับการตรวจและติดตามการเปลี่ยนแปลงการใช้ประโยชน์ที่ดินจำเป็นอย่างยิ่งต่อการวางแผนการจัดการพื้นที่ทั้งในปัจจุบันและอนาคต โดยเฉพาะในพื้นที่ที่มีความสำคัญระดับนานาชาติการศึกษาครั้งนี้มีวัตถุประสงค์เพื่อศึกษารูปแบบการใช้ประโยชน์ที่ดินในปี พ.ศ. 25582562 และ 2566 จากข้อมูลภาพดาวเทียม Landsat 8 และการเปลี่ยนแปลงรูปแบบการใช้ประโยชน์ที่ดินในช่วงปี พ.ศ. 2558-2562 และ 2562-2566 และคาดการณ์รูปแบบการใช้ประโยชน์ที่ดินในปี พ.ศ. 2566 และ 2570 จากการใช้แบบจำลอง CA-Markov บริเวณ เขตห้ามล่าสัตว์ป่าทะเลน้อยซึ่งเป็นพื้นที่ชุ่มน้ำและมรดกทางการเกษตรแห่งแรกของประเทศไทย โดยแบ่งประเภทการใช้ประโยชน์ที่ดินเป็น 5 ประเภท ได้แก่ พื้นที่ชุมชนและสิ่งปลูกสร้าง พื้นที่เกษตรกรรม พื้นที่ป่าไม้ พื้นที่แหล่งน้ำ พื้นที่เบ็ดเตล็ด ด้วยเทคนิคการตีความด้วยสายตา (visual interpretation technique)


ผลการศึกษาพบว่า การแปลตีความการใช้ประโยชน์ที่ดินด้วยสายตาในปี พ.ศ. 2558  2562 และ 2566 มีค่าร้อยละความถูกต้องโดยรวม เท่ากับ 94.59  97.30 และ 97.30 ตามลำดับ มีค่าสัมประสิทธิ์แคปปา เท่ากับ 0.92  0.96 และ 0.96 ตามลำดับการเปลี่ยนแปลงการใช้ประโยชน์ที่ดิน ในช่วงปี พ.ศ. 2558-2562 พบพื้นที่ป่าไม้มีพื้นที่ลดลงมากที่สุด จำนวน 939.03 เฮกตาร์ ในขณะที่พื้นที่เบ็ดเตล็ดเพิ่มขึ้นมากที่สุด จำนวน 966.99 เฮกตาร์ และในช่วงปี พ.ศ. 2562-2566 พบพื้นที่ป่าไม้มีพื้นที่ลดลงมากที่สุด จำนวน 75.96 เฮกตาร์ ในขณะที่พื้นที่เบ็ดเตล็ดเพิ่มขึ้นมากที่สุด จำนวน 79.03 เฮกตาร์ และผลการคาดการณ์การใช้ประโยชน์ที่ดิน ในปี พ.ศ. 2566 พบว่า แบบจำลอง CA-Markov มีค่าร้อยละความถูกต้องโดยรวม เท่ากับ 91.89 มีค่าสัมประสิทธิ์แคปปาเท่ากับ 0.89 แนวโน้มการเปลี่ยนแปลงการใช้ประโยชน์ที่ดินประเภทต่าง ๆ ในปี พ.ศ. 2570 พบว่าการใช้ประโยชน์ที่ดินประเภท พื้นที่เกษตรกรรม พื้นที่ป่าไม้ พื้นที่แหล่งน้ำมีแนวโน้มที่จะลดลงอย่างต่อเนื่อง ในขณะที่การใช้ประโยชน์ที่ดินประเภทพื้นที่เบ็ดเตล็ดและพื้นที่ชุมชนและสิ่งปลูกสร้างมีแนวโน้มที่จะเพิ่มขึ้นอย่างต่อเนื่อง

Downloads

Download data is not yet available.

Article Details

บท
นิพนธ์ต้นฉบับ

References

Congalton, R.G., Green, K. 2008. Assessing the accuracy of remotely sensed data. Principles and Practices, 2nd ed. CRC Press. Boca Raton, FL, USA.

Food and Agriculture Organization of the United Nations (FAO). 2022. Thale Noi Wetland Buffalo Pastoral Agro-eco-system in Thailand. https://www.fao.org/giahs/giahs aroundtheworld/designated-sites/asia-and-the-pacific/thailand-thale-noi/detailed-information/en/, 14 January 2024.

Department of National Park, Wildlife and Plant Conservation (DNP). 2016. Report on the Biodiversity Durvey of the Thale Noi Wildlife Non-Hunting Area, Phatthalung Province, Songkhla Province, Nakhon Si Thammarat Province. Department of National Park, Wildlife and Plant Conservation, Bangkok, Thailand. (in Thai)

Department of National Park, Wildlife and Plant Conservation (DNP). 2018. Annual Report 2018. Department of National Park, Wildlife and Plant Conservation, Bangkok, Thailand. (in Thai)

Department of National Park, Wildlife and Plant Conservation (DNP). 2021. Annual Report 2021. Department of National Park, Wildlife and Plant Conservation, Bangkok, Thailand. (in Thai).

Department of National Park, Wildlife and Plant Conservation (DNP). 2023. Draft Plan for Conservation and Protection of the Thale Noi Non-Hunting Area in 2023-2032. Department of National Park, Wildlife and Plant Conservation, Bangkok, Thailand. (in Thai).

Department of Province Administration. 2023. Population in Thailand. https://stat.bora.dopa.go.th/stat/statnew/statyear/#/TableTemplate/Area/statpop, 20 April 2023.

Geo-Informatics and Space Technology Development Agency (Public Organization). 2009. Space Technplogy and Geo-informatics. Geo-Informatics and Space Technology Development Agency (Public Organization), Bangkok, Thailand. (in Thai)

Geo-Informatics and Space Technology Development Agency (Public Organization). 2013. Fundamental Geographic Data Set (FGDS) Land Use. Geo-Informatics and Space Technology Development Agency (Public Organization), Bangkok, Thailand. (in Thai)

Kan-in, K. 2020. Comparative Study on CA-Markov Model and CLUE-S Model for Land Use Changed Prediction in National Reserved Forest, Nan Province. M.S. Thesis, Kasetsart University, Bangkok, Thailand. (in Thai)

Landis, J.R., Koch, G.G. 1977. The measurement of observer agreement for categorical data. Biometrics, 33(1): 159-174.

Office of Natural Resources and Environmental Policy and Planning. 2021. Project to Increase Efficiency of Eetland Management in Thailand: Creating Guidelines for the Management of Wetlands of International Importance (Ramsar Site) of Thailand. Office of Natural Resources and Environmental Policy and Planning, Bangkok, Thailand. (in Thai)

Royal Forest Department (RFD). 2023. Final Report of Forest area Information Project 2023. Royal Forest Department, Bangkok, Thailand. (in Thai)

Sukyuang, N., Chuchip ,K., Tongdeenok, P. 2023. Prediction of land use changes for the Mae Soi river sub-basin, Lampang province, using a neural network model. Thai Journal of Forestry, 42(1): 1-11. (in Thai)

Tonsiri, S., Arunpraparut, W., Khunrattanasiri, W. 2018. Application of CA-Markov model to predict land use changes in Khao Soi Dao Wildlife Sanctuary, Chanthaburi province. Thai Journal of Forestry, 37(2): 138-150. (in Thai)

Wanthongchai, K., Saguantam, P. 2013. Evaluation of fire damages from the 2012 peat fires at Kuan Kreng peat forest. In: 8 Decades of Forestry the Science of Life. Forestry Research Center, Faculty of Forestry, Kasetsart University, Bangkok, Thailand, pp. 168-169. (in Thai)