การจำแนกพื้นที่ป่าผลัดใบโดยใช้ภาพดาวเทียมแลนด์แซทหลายช่วงเวลากับเทคนิคอัตราส่วนช่วงคลื่น
Article Sidebar
Main Article Content
บทคัดย่อ
วัตถุประสงค์ของการศึกษา คือ ประเมินหาชุดข้อมูลหลายช่วงเวลาแบบอัตราส่วนช่วงคลื่นของแลนด์แซท 8 ที่เหมาะสมสำหรับการจำแนกชนิดป่าไม้ในพื้นที่ป่าผลัดใบรอบเขื่อนสิริกิติ์ โดยอาศัยการจำแนกประเภทข้อมูลภาพแบบควบคุมกับกฎการตัดสินใจ เพื่อการจำแนกข้อมูลภาพแบบความน่าจะเป็นไปได้สูงสุด (MLC) โดยใช้ข้อมูลภาพที่บันทึกในช่วงเดือนมกราคม พ.ศ. 2557 ถึงเดือนธันวาคม พ.ศ. 2558 มาสร้างข้อมูลอัตราส่วนช่วงคลื่นรายเดือนของดัชนีความแตกต่างพืชพรรณแบบนอร์แมลไลซ์ (NDVI) ดัชนีความแตกต่างความชื้นแบบนอร์แมลไลซ์ (NDMI) และอัตราส่วนการเผาไหม้แบบนอร์แมลไลซ์ (NBR) และทดสอบการสร้างข้อมูลวันเดียวหลายช่วงคลื่นอีกด้วย (เฉพาะวันที่ 27 มกราคม 2558) จากนั้นข้อมูลทั้ง 4 ชุด ถูกใช้สำหรับการจำแนกชนิดป่าไม้ออกเป็น 2 ชนิด คือ ป่าเบญจพรรณและป่าเต็งรัง และการประเมินความถูกต้อง ผลการศึกษาแสดงให้เห็นว่าความถูกต้องโดยรวมและสัมประสิทธิ์แคปปาของทุกชุดข้อมูลกับ MLC อยู่ระหว่างร้อยละ 62.75-77.50 และอยู่ระหว่างร้อยละ 25.00-55.00 ตามลำดับ ขณะเดียวกันข้อมูล NDVI หลายช่วงเวลาให้ความถูกต้องโดยรวมและสัมประสิทธิ์แคปปาสูงที่สุด และสูงกว่าของชุดข้อมูลวันเดียวหลายช่วงคลื่นเท่ากับร้อยละ 4 และ 8 ตามลำดับ สรุปได้ว่าการใช้ข้อมูลหลายช่วงเวลาจากดาวเทียมแลนด์แซท 8 กับเทคนิคอัตราส่วนช่วงคลื่นโดยเฉพาะอย่างยิ่ง NDVI สามารถเพิ่มความถูกต้องการจำแนกชนิดป่าได้
คำสำคัญ : ข้อมูลดาวเทียมแลนด์แซท 8 หลายช่วงเวลา; เทคนิคอัตราส่วนช่วงคลื่น; การจำแนกชนิดป่า; ป่าผลัดใบ
Article Details
เอกสารอ้างอิง
[2] พบพร รัตนสุวรรณ, 2556, การศึกษาการเปลี่ยนแปลงสภาพพื้นที่ต้นน้ำลำธารในลุ่มน้ำเพชรบุรี, รายงานการวิจัย, กรมอุทยานแห่งชาติ สัตว์ป่าและพันธุ์พืช, กรุงเทพฯ, 51 น.
[3] ณิชนันทน์ บุญญาทรัพย์ และกาญจน์เขจร ชูชีพ, 2554, การประยุกต์การสำรวจระยะไกลและระบบสารสนเทศภูมิศาสตร์เพื่อวิเคราะห์หาแนวเชื่อมต่อป่าและแนวทางการจัดการป่าไม้ในพื้นที่กลุ่มป่าตะวันออก, ว.การจัดการป่าไม้ 5(10): 78-79.
[4] สำนักจัดการที่ดินป่าไม้, 2559, โครงการจัดทำข้อมูลสภาพพื้นที่ป่าไม้, รายงาน, กรมป่าไม้, กรุงเทพฯ, 158 น.
[5] ดวงรัตน์ คล้ายเดช, 2556, การใช้ดัชนีพืชพรรณจากข้อมูลดาวเทียมไทยโชตสำหรับการจำแนกชนิดป่าในอุทยานแห่งชาติดอยหลวง จังหวัดเชียงราย, วิทยานิพนธ์ปริญญาโท, มหาวิทยาลัย เกษตรศาสตร์, กรุงเทพฯ, 104 น.
[6] Jensen, J.R., 2005, Introductory Digital Image Processing: A Remote Sensing Perspective, 2nd Ed., Prentice Hall, New Jersey, 526 p.
[7] เปรมศิริ คงเส้ง, 2560, การจำแนกการใช้ประโยชน์ที่ดินและสิ่งปกคลุมดินของจังหวัดภูเก็ตจากภาพถ่ายดาวเทียมแลนด์แซท 8 ด้วยคุณสมบัติทางชีพลักษณ์, วิทยานิพนธ์ปริญญาโท, มหาวิทยาลัยสงขลานครินทร์, สงขลา, 69 น.
[8] Oliveira, T. C. de A., 2009, Remote Sensing of Deciduous Forests: A Multi Temporal Approach, Ph.D. Thesis, Universidade Federal de Lavras, Brasil, 43 p.
[9] Patakamuria S. K., Agrawalb S. and Krishnavenia M., 2014, Time-series analysis of MODIS NDVI data along with ancillary data for land use/land cover mapping of Uttarakhand, The Internatio-nal Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, Volume XL-8, 2014 ISPRS Technical Commission VIII Symposium: 1491-1500.
[10] Simonetti E., Simometti D. and Preatoni D., 2014, Phenology-based Land Cover Classification using Landsat 8 Time Series, Technical Report, Joint Research Centre of the European Commission, 57 p.
[11] สำนักอนุรักษ์สัตว์ป่า, 2560, ลำน้ำน่าน, แหล่งที่มา : http://park.dnp.go.th/visitor/nation parkshow.php?pta_code=1086, 5 ธันวาคม 2560.
[12] U.S. Geological Survey, 2017, Band Designations for Landsat Satellites, Available Source: https://landsat.usgs.gov /what-are-band-designations-landsat-satellites, August 19, 2017.
[13] U.S. Geological Survey, 2017, Landsat Spectral Indices Product Guide, Available Source: https://landsat.usgs.gov/sites/def ault/files/documents/si_product_guide.pdf, August 19, 2017.
[14] Fitzpatrick-Lins K., 1981, Comparison of sampling procedures and data analysis for a land-use and land-cover map, Photogramm. Eng. Remote Sens. 47: 343-351.
[15] สุวิทย์ อ๋องสมหวัง, 2559, ระบบการรับรู้ระยะไกลและการวิเคราะห์ข้อมูลภาพเชิงเลข, เอกสารประกอบการสอน, สาขาวิชาการรับรู้จากระยะไกล สำนักวิชาวิทยาศาสตร์ มหาวิทยาลัยเทคโนโลยีสุรนารี, นครราชสีมา, 1009 น.
[16] Story, M. and Congalton, R., 1986, Accuracy assessment: A user’s perspective, Photogramm. Eng. Remote Sens. 52: 397-399.
[17] Ongsomwang, S. and Saraisamrong, S., 2017, Pixel-based and object-based image analysis comparison for land use and land cover classification, J. Remote Sens. GIS Assoc. Thai. 18(2-3): 1-22.
[18] Wilson, E.H. and Sader, S.A., 2002, Detection of forest harvest type using multiple dates of landsat TM imagery, Remote Sens. Environ. 80: 385-396.
