52 รูปที่ 27 แผนภาพกระจาย ค่า RMSE ของความสัมพันธ์ระหว่างอัตราผลตอบแทนของสนาม (อัตราผลตอบแทนที่สังเกตได้) และอัตราผลตอบแทนที่คาดการณ์ (อัตราผลตอบแทนที่คาดการณ์) จากค่าการสะท้อน (แบนด์ 4, แบนด์ 5 และแบนด์ 11) 55 รูปที่ 28 แผนภูมิกระจาย ค่า RMSE ความสัมพันธ์ระหว่างผลผลิตของสนาม (ผลผลิตที่สังเกตได้) และผลผลิตที่คาดการณ์ไว้ (ผลผลิตที่คาดการณ์) จากค่าการสะท้อน (แบนด์ 12)
ความส าคัญและที่มาของปัญหา
พื้นที่ยางได้รับการจำแนกอย่างกว้างๆ และแต่ละดัชนีได้รับการทดสอบเพื่อพิจารณาว่าดัชนีใดเหมาะสำหรับการตรวจจับปรากฏการณ์วิทยาของยางจากภาพถ่ายดาวเทียม (Dente, L., et al. Hytönen J. , et al., 2018) ภาพถ่ายดาวเทียมแบบหลายแถบความถี่และไฮเปอร์สเปกตรัมมีบทบาทสำคัญ บทบาทในการจัดการพืชผล ความสามารถในการแสดงสภาพการเจริญเติบโตของพืชในระดับเชิงพื้นที่ การประยุกต์ใช้การวิจัยการสำรวจระยะไกลในด้านการเกษตร รวมถึงการประมาณผลผลิตและการพยากรณ์พืชผล ถือเป็นงานวิจัยที่สนใจและมีความสำคัญมาก (Xu, W., et al., 2011;
วัตถุประสงค์ของงานวิจัย
ขอบเขตของการศึกษา
ประโยชน์ที่คาดว่าจะได้รับ
ข้อมูลทั่วไปเกี่ยวกับยางพารา
การส ารวจระยะไกล
ข้อมูลดาวเทียม Sentinel -2
ทฤษฎีที่น ามาใช้ในงานวิจัย
25 ตารางที่ 1 ตารางแสดงค่าการสะท้อนแสงของดาวเทียม Sentinel-2 26 ตารางที่ 2 ตารางแสดงการรวมย่านความถี่ของดาวเทียม Sentinel-2
เอกสารงานวิจัยที่เกี่ยวข้อง
วีระพงศ์ เกิดสิน และอัลเฟรโด ฮูเต้ (2558) ปรับปรุงความแม่นยำของแผนที่ วีรพงศ์ เกิดสิน และอัลเฟรโด ฮูเต (2559) ศึกษาการประมาณค่า LAI ของต้นยางโดยใช้ภาพ WorldView-2 ที่ความยาวคลื่น 8 ช่วงจากภาพถ่ายดาวเทียม WorldView -2 ถูกใช้เป็นตัวแปรอินพุตของการถดถอยเชิงเส้นพหุคูณแบบขั้นตอนและโครงข่ายประสาทเทียมเพื่อประมาณค่า LAI ของต้นยางในตำบลป่าคลอก อำเภอถลาง จังหวัดภูเก็ต ประเทศไทย ผลการศึกษาพบว่าโครงข่ายประสาทเทียมมีความแม่นยำสูงสุด RMSE = 0.31 Awad (2019) ใช้เทคนิคการวิเคราะห์ การใช้การสำรวจระยะไกลเพื่อประมาณการผลิตพืชโดยใช้ภาพที่มีความละเอียดเชิงพื้นที่สูงและต่ำมาก เช่น Modis แม้ว่าภาพประเภทนี้จะสามารถชดเชยการขาดข้อมูลเนื่องจากปัญหาสภาพอากาศได้ แต่ยังเหมาะสำหรับพื้นที่เกษตรกรรมที่เป็นเนื้อเดียวกัน มีเพียงการประมาณการผลผลิตพืชผลที่มีขนาดใหญ่มากเท่านั้นที่ได้รับการปรับปรุง และความแม่นยำจะเพิ่มขึ้นเมื่อแบบจำลองเพิ่มขึ้น แบบจำลองใหม่โดยใช้สมการสมดุลพลังงาน เพื่อตรวจสอบผลการประมาณค่า แบบจำลองผลผลิตพืชผลใหม่รวบรวมข้อมูลจากเกษตรกรในท้องถิ่นเกี่ยวกับผลผลิตมันฝรั่งในปีเดียวกัน การเปรียบเทียบระหว่างผลผลิตพืชผล
ตรวจพบหลังการปลูกสามสิบเจ็ดครั้งโดยใช้อนุกรมเวลาการปกคลุมทรงพุ่ม MODIS โดยมีค่าสัมประสิทธิ์สหสัมพันธ์ (r) 0.68 และ RMSE เท่ากับ 4.7 ปี ฟิสิกส์ของพื้นที่เกษตรกรรมที่ตรวจพบได้รับการประเมินตามความแปรผันเชิงพื้นที่ ผลผลิตยางและผลผลิตจริงโดยใช้การวิเคราะห์การถดถอย มีการตรวจสอบความถูกต้องของแบบจำลองการประมาณผลผลิต ค่าความคลาดเคลื่อน ค่าคลาดเคลื่อนกำลังสองเฉลี่ยราก RMSE คือ 1.78 g m-2 และค่าคลาดเคลื่อนกำลังสองค่าเฉลี่ยรากสัมพัทธ์ RMSE คือ 18.25%
ข้อมูลพื้นที่ศึกษา
ข้อมูลภาพถ่ายจากดาวเทียมที่ใช้ในการศึกษาและการเตรียมข้อมูล
การเก็บข้อมูลสนาม
การวิเคราะห์ข้อมูล
รูปที่ 20 Correlation Heatmap ของความสัมพันธ์ระหว่างดัชนีพืชผลกับผลผลิตยาง รูปที่ 21 แผนที่ความร้อนสหสัมพันธ์ของความสัมพันธ์ระหว่างค่าการสะท้อนกลับและค่าดัชนีพืช การผลิตยาง
การประมาณผลผลิตยางพาราจากข้อมูลค่าสะท้อนแสง
รูปที่ 30 แผนที่แสดงมูลค่าผลผลิตยาง (Predicted Yield) เดือนมกราคม 2564 จากแบบจำลองสะท้อน B5 รูปที่ 31 แผนที่แสดงมูลค่าผลผลิตยาง (Predicted Yield) ประจำเดือนกุมภาพันธ์ 2564 จากแบบจำลองสะท้อน B5 รูปที่ 32 แผนที่แสดงมูลค่าผลผลิตยางคาดการณ์ (Predicted Yield) เดือนมีนาคม 2564 จากแบบจำลองค่าสะท้อน B5
รูปที่ 33 แผนที่แสดงมูลค่าผลผลิตยาง (Predicted Yield) ในเดือนเมษายน 2564 จากแบบจำลองสะท้อน B5 รูปที่ 34 แผนที่แสดงมูลค่าการผลิตยาง (Predicted Yield) เดือนพฤษภาคม 2564 จากแบบจำลองสะท้อน B5
การประมาณผลผลิตยางพาราจากข้อมูลค่าดัชนีพืช
ภาพที่ 40 แผนที่แสดงการคาดการณ์ผลผลิตยาง (Predicted Yield) ในเดือนพฤศจิกายน 2564 จากแบบจำลองสะท้อน B5 รูปที่ 41 Scatterplot, ค่า RMSE, ความสัมพันธ์ระหว่างผลผลิตจากสนาม (ผลผลิตที่สังเกตได้) และผลผลิตที่คาดการณ์ไว้ (Predicted Yield) จากค่าดัชนีพืชสำหรับ NDVI, GSAVI และ NBR รูปที่ 44 แผนที่แสดงมูลค่าการผลิตยาง (Predicted Yield) ในเดือนมกราคม 2564 จากแบบจำลองดัชนีโรงงาน MSR
ภาพที่ 47 แผนที่แสดงมูลค่าการผลิตยาง (Predicted Yield) ในเดือนเมษายน 2564 จากแบบจำลองดัชนีโรงงาน MSR ภาพที่ 54 แผนที่แสดงมูลค่าการผลิตยาง (Predicted Yield) ในเดือนพฤศจิกายน 2564 จากแบบจำลองดัชนีโรงงาน MSR
การประมาณผลผลิตยางพาราจากข้อมูลค่าสะท้อนแสงร่วมกับค่าดัชนีพืช
รูปที่ 55 แผนภาพกระจาย ค่า RMSE ความสัมพันธ์ระหว่างผลผลิตจากสนาม (ผลผลิตที่สังเกตได้) และผลผลิตที่คาดการณ์ (ผลผลิตที่คาดการณ์) จากแบบจำลองการรวมย่านความถี่ ภาพที่ 56 แผนภูมิกระจาย ค่า RMSE ความสัมพันธ์ระหว่างผลผลิตจากสนาม (ผลผลิตที่สังเกตได้) และผลผลิตที่คาดการณ์ (ผลผลิตที่คาดการณ์) จากแบบจำลองดัชนี ภาพที่ 57 แผนภูมิกระจาย ค่า RMSE ความสัมพันธ์ระหว่างผลผลิตจากสนาม ( ผลผลิตที่สังเกตได้) และผลผลิตที่คาดการณ์จากแบบจำลอง B5+MSR
สรุปผลการศึกษา
อภิปรายผลการศึกษา
ข้อเสนอแนะ
Satellite remote sensing for growth monitoring and yield prediction of para-rubber: a case study in Thoen district area, Lampang province. Estimation and mapping of rubber tree growth distribution using multi-sensor images with remote sensing and GIS analysis. Determination of seagrass biomass at Merambong Shoal in the Strait of Johor using satellite remote sensing technique.
Deep learning-based detection and counting of oil palm trees for high-resolution remote sensing images. Application of a phenology-based algorithm and a linear regression model to estimate rice cultivation area and yield using remote sensing data in the Bansloi River Basin, Eastern India. Wheat yield estimation using remote sensing and the STICS model in the semi-arid Yaqui Valley, Mexico.
Estimating yield of irrigated potatoes using aerial and satellite remote sensing (Doctoral dissertation, Utah State University).
