รายงานการวิจัย - Crops Drought_Research Report_Final

รายงานการวจิ ยั โครงการประเมนิ พืน้ ท่เี สี่ยงภยั แลง้ และความเสยี หายของพชื เกษตรรายแปลง ดว้ ยเทคโนโลยีภมู ิสารสนเทศ Geo-Informatics Approach for Assessing the Risk of Crops Loss and Damage Associated with Drought at Farm Level นางกานดาศรี ลิมปาคม โดย นางศิริลักษณ์ พฤกษ์ปิติกุล นางดาเรศร์ กิตติโยภาส ท่ีปรกึ ษาโครงการ (สทอภ.) นางสาววรนชุ จนั ทร์สุรยิ ์ ทปี่ รกึ ษาโครงการ (สทอภ.) นายภานุ เนื่องจำนงค์ ที่ปรกึ ษาโครงการ (สป.กษ.) นางสาวญาติกานต์ ฉววี งศ์ หวั หน้าโครงการวิจัย (สทอภ.) นายเธยี รศริ ิ มูลจันทร์ ผู้รว่ มวิจยั (สทอภ.) นางพอฤทัย เทยี นไทย ผรู้ ว่ มวจิ ัย (สทอภ.) นางสริ ลิ กั ษณ์ น้อยเคยี ง ผรู้ ่วมวจิ ัย (สทอภ.) นางสาวศันสิตา รตั นสุภา ผู้ร่วมวิจัย (สทอภ.) นายพีระพงศ์ รตั นบุรี ผรู้ ่วมวจิ ัย (กสก.) นางสาวอภันตรี ยทุ ธพันธ์ ผรู้ ่วมวจิ ัย (สป.กษ) ผรู้ ว่ มวจิ ัย (ชป.) ผู้รว่ มวจิ ยั (อต.) ได้รบั ทนุ อุดหนนุ การวจิ ัยจากสำนกั งานการวิจัยแหง่ ชาติ ประจำปีงบประมาณ พ.ศ. 2564 2566

โครงการประเมนิ พ้นื ทเี่ สี่ยงภัยแล้งและความเสียหายของพืชเกษตรรายแปลง ด้วยเทคโนโลยภี ูมสิ ารสนเทศ กติ ติกรรมประกาศ โครงการประเมินพื้นที่เสี่ยงภัยแล้งและความเสียหายของพืชเกษตรรายแปลง ด้วยเทคโนโลยี ภูมิสารสนเทศ เป็นโครงการที่ได้รับทุนอุดหนุนการวิจัยจากสำนักงานการวิจัยแห่งชาติ ประจำปีงบประมาณ พ.ศ. 2564 คณะผู้วิจัยได้ดำเนินการศึกษาโดยได้รับความร่วมมือและการอนุเคราะห์ข้อมูลในการวิจัยจาก กรมส่งเสริมการเกษตร กรมชลประทาน กรมอุตุนิยมวิทยา และสำนักปลัดกระทรวงเกษตรและสหกรณ์ ในการศกึ ษาวิเคราะหแ์ ละประเมนิ พ้นื ที่เสย่ี งภัยแลง้ และความเสยี หายของพชื คณะผูว้ ิจยั ขอขอบคุณข้อมูลการขน้ึ ทะเบียนแปลงเกษตรกร จากกรมสง่ เสรมิ การเกษตร ข้อมูลการใช้ นำ้ ของพชื จากกรมชลประทาน ข้อมลู ปริมาณน้ำฝน จากกรมอุตุนยิ มวิทยา และเกณฑ์พจิ ารณาความเสียหาย ของพืชจากภัยแล้ง จากสำนักปลัดกระทรวงเกษตรและสหกรณ์ สำหรับใช้ในการวิเคราะห์ ประเมิน และสอบ เทียบผลการวิเคราะหข์ ้อมลู กบั ขอ้ มูลดาวเทียม นอกจากนี้ คณะผู้วิจัยขอขอบคุณผู้ทรงคุณวุฒิ ที่ได้ให้ข้อเสนอแนะและข้อคิดเห็นเพื่อการพัฒนา งานวิจัยให้ครอบคลุมทุกมิติและประสบความสำเร็จตามวัตถุประสงค์โครงการ และท้ายนี้ขอขอบคุณ ผู้ช่วย นักวิจัย และเจ้าหน้าที่จากทุกภาคส่วนที่เกี่ยวข้อง ที่ได้ให้ความร่วมมือในการดำเนินการวิจยั และสนับสนุนให้ งานวิจยั นส้ี ำเรจ็ ลลุ ว่ งดว้ ยดี คณะผู้วิจัย มนี าคม 2566 รายงานการวิจัย Research Report) | หน้า ก

โครงการประเมินพ้นื ที่เสย่ี งภยั แล้งและความเสยี หายของพชื เกษตรรายแปลง ดว้ ยเทคโนโลยีภมู สิ ารสนเทศ บทคดั ย่อ ภาคการเกษตรของประเทศไทยประสบปัญหาจากภัยแล้งอย่างต่อเนื่อง ทั้งจากสภาวะแล้งปกติและ ภัยแล้งจากฝนทิ้งช่วง ซึ่งได้สร้างผลกระทบและความเสียหายให้กับเกษตรกรอยู่บ่อยครั้ง ทำให้ภาครัฐต้องมี มาตรการในการช่วยเหลือเยียวยาผู้ประสบภัย โดยมีขั้นตอนตั้งแต่การประกาศภัย การขอรับการช่วยเหลือ การตรวจสอบยืนยันความเสียหายและการจ่ายเงินเพื่อช่วยเหลือเยียวยา ซึ่งในการดำเนินการที่ผ่านมาในแต่ละ ขั้นตอนประสบปัญหาความล่าช้า สิ้นเปลืองทรัพยากรทั้งในด้านกำลังคนและงบประมาณ เนื่องจากขาดแคลน ข้อมูลเชิงประจักษ์และเทคโนโลยีที่สามารถช่วยตรวจสอบในเชิงวิทยาศาสตร์ได้ งานวิจัยชิ้นนี้จึงมีวัตถุประสงค์ เพื่อจัดทำแพลตฟอร์มสนับสนุนการตัดสินใจในการช่วยเหลือเกษตรกรผู้ประสบภัยแล้ง ประกอบด้วยดัชนีพื้นท่ี เสี่ยงภัยแล้งที่สามารถใช้เป็นข้อมูลสนับสนุนการประกาศภัยฯ และดัชนีประเมินความเสียหายของพืชเกษตร รายแปลงที่จะใช้เป็นหลักฐานเชิงวิทยาศาสตร์ในการช่วยยืนยันความเสียหายของพืชจากภัยแล้งในพืชเศรษฐกิจ 4 ชนิด คือ ข้าว ข้าวโพด มันสำปะหลังและอ้อย โดยดำเนินการในพื้นที่เป้าหมาย 6 จังหวัดที่ประสบภัยแล้ง ต่อเนื่อง ได้แก่ กำแพงเพชร อุทัยธานี นครราชสีมา สุรินทร์ ร้อยเอ็ดและสกลนคร ซึ่งมีวิธีดำเนินการพัฒนา แบบจำลองการประเมินพื้นที่เสี่ยงภัยแล้งและความเสียหายของพืชเกษตรรายแปลงแบบอัตโนมัติ เริ่มจากการ พัฒนาดชั นีพืน้ ทเี่ ส่ียงภัยแล้งจากข้อมูลดาวเทียมและข้อมูลอุตนุ ิยมวทิ ยา ก่อนนำมาประเมนิ ความเสียหายของพืช เกษตรรายแปลงในพื้นที่เสี่ยงภัยแล้งนั้น โดยวิเคราะห์จากดัชนีพืชพรรณจากดาวเทียม เกณฑ์พิจารณาความ เสียหายของพืชแต่ละชนิดและความเสียหายที่เคยเกิดขึ้นในอดีตจากแบบประมวลรวมช่วยเหลือเกษตรกร ผ้ปู ระสบภยั มาทำการวิเคราะห์ ผลการวิจัย สามารถสร้างแบบจำลองเพื่อประเมินดัชนีพื้นที่เสี่ยงภัยแล้ง (DRI: Drought Risk Index) โดยอาศัยข้อมูล NDVI, LST และ SPI เปรียบเทียบย้อนหลัง 30 ปี คำนวณเป็นเป็นดัชนีความสมบูรณ์ของพืช พรรณ (VHI: Vegetation Health Index) เปรยี บเทียบกับข้อมูลอนุกรมเวลา สร้างความสมั พันธร์ ะหว่างดัชนี VHI กับ ข้อมูลดัชนีความชื้นผิวดิน (SSM: Surface Soil Moisture) ในการคำนวณค่าสหสัมพันธ์ โดยกำหนดให้ค่า น้ำหนักดัชนีความชื้นผิวดิน และดัชนีความรุนแรงความแห้งแล้ง แตกต่างไปตามสถานการณ์ El Nino, La Nina และ Neutral เพอื่ ความต่อเนื่องของพื้นที่เสย่ี งภัยแลง้ (DSI: Drought Severity Index) และทำการประเมินความ เสียหายของพืช (CDAI: Crops Drought Damage Assessment Index) ท่ีคำนวนจากดัชนี 4 ตัว ได้แก่ NDVI, SAVI, CI และ NDWI โดยการบ่งชี้ความเสียหายของพืชจากภัยแล้งจะมีค่าพิจารณา คือ ดัชนี DSI มากกว่า 80 เปอร์เซ็นต์และดัชนี CDAI ของพชื แต่ละชนิด มากกวา่ 55 เปอรเ์ ซน็ ต์ ผลการทดสอบความถกู ต้องจากข้อมูลความ เสียหายที่เกิดขึ้นจริงในอดีต พบว่า ข้าวมีความถูกต้อง 81.9% ข้าวโพดมีความถูกต้อง 77.7% มันสำปะหลังมี ความถูกต้อง 73.7% และออ้ ยมีความถูกต้อง 92.9% ซ่ึงยังมคี วามจำเป็นต้องทดสอบกับข้อมูลภาคสนามและ เพ่มิ ตวั อย่างสำหรบั การปรบั ปรุงแบบจำลองใหม้ ีความแม่นยำมากขึน้ คำสำคัญ: ดัชนีภัยแล้ง ความเสียหายของพชื ภาพถา่ ยดาวเทียม เทคโนโลยภี มู สิ ารสนเทศ รายงานการวจิ ัย Research Report) | หนา้ ข

โครงการประเมนิ พนื้ ทเ่ี สีย่ งภัยแล้งและความเสยี หายของพืชเกษตรรายแปลง ด้วยเทคโนโลยภี มู ิสารสนเทศ Abstract Drought regularly causes devastating impact on the Thai agriculture sector in which over thirty percent of the country’s population is employed. Compensation following drought disaster by the Royal Thai Government must be administered according to the rule and procedure of the Ministry of Agriculture and Cooperatives. The key condition for payment to farmers is the actual crop damage verification performed by local committees. However, with limited monetary and human resources, this verification activity overwhelms local agencies leading to an incomplete and delayed compensation process. Therefore, this research aims to develop decision support system for assessing drought risk and drought-induced crops damage at farm level of Thailand’s major crops which include rice, maize, cassava and sugarcane. The study area encompassed 6 provinces, covering the central and northeast region of Thailand. The drought-prone areas were first identified using satellite imagery and meteorological products. The damages at farm-level within drought- prone areas were then assessed and quantified based on vegetation indices obtained from satellite images. The actual crop damage data from the Department of Agriculture Extension (DOAE) were used for verification. This study developed an assessment for drought-induced crop damage which employed a thresholding method between Drought Severity Index (DSI) and Crop Drought Damage Assessment Index (CDAI). The assessment identifies crop as being damaged by drought when DSI is over 80% and CDAI is over 55%. The DSI was based on continuous cumulative period from the multiple regression of weekly surface soil moisture and Vegetation Health Index (VHI) which incorporated Difference Vegetation Index (NDVI), Land Surface Temperature (LST) and Standardized Precipitation Index (SPI). The underlying models for DSI considered differences during El Nino, La Nina and Neutral periods. CDAI was generated using NDVI, Soil Adjusted Vegetation Index (SAVI), Chlorophyll Index (CI) and Normalized Difference Water Index (NDWI). Applying the proposed assessment method on the validation dataset collected from DOAE’s historical crop damage report showed 81.9% (rice), 77.7% (maize), 73.7% (cassava) and 92.9% (sugarcane) of the samples was accurately identified. Keywords: Drought Index, Crop Damage, Satellite Image, Geo-Informatics Technology รายงานการวิจัย Research Report) | หนา้ ค

โครงการประเมนิ พ้ืนท่ีเสีย่ งภัยแล้งและความเสียหายของพชื เกษตรรายแปลง ดว้ ยเทคโนโลยีภมู ิสารสนเทศ บทสรุปผู้บริหาร โครงการประเมินพนื้ ทีเ่ สี่ยงภัยแลง้ และความเสียหายของพชื เกษตรรายแปลง ด้วยเทคโนโลยภี มู ิสารสนเทศ Geo-Informatics Approach for Assessing the Risk of Crops Loss and Damage Associated with Drought at Farm Level สำนกั งานพฒั นาเทคโนโลยีอวกาศและภูมิสารสนเทศ (องค์การมหาชน) สรุปโครงการวจิ ยั ปัจจุบันการประกาศเขตการให้ความช่วยเหลือผู้ประสบภัยแล้ง อาศัยข้อมูลปริมาณน้ำฝนของกรม อุตุนิยมวิทยา ซึ่งมีการรายงานของฝนทิ้งช่วงต่อเนือ่ งในช่วงฤดูกาลเพาะปลูกพืช ประกาศเป็นพื้นที่ภัยแล้งใน ระดับจังหวัด และให้เกษตรที่ได้รับผลกระทบขึ้นทะเบียนกับกรมส่งเสริมการเกษตร เพื่อขอรับเงินค่าชดเชย โดยจะตอ้ งมีการตรวจสอบยนื ยนั ความเสียหายจากเจ้าหนา้ ที่ของรัฐก่อนถึงจะสามารถดำเนนิ การจ่ายค่าชดเชยได้ ทำให้การช่วยเหลือเกษตรกรเกิดความล่าชา้ และสินเปลอื งกำลังคนในการสำรวจตรวจสอบจำนวนมาก ดังน้นั การศึกษาครั้งนี้จึงมีวัตถุประสงค์เพื่อสร้างแบบจำลองการวิเคราะห์และประเมินพื้นที่เสี่ยงภัยแล้ง และความ เสียหายของพืชเกษตรรายแปลง แบบอัตโนมัติ และจัดทำเป็นแพลตฟอร์มเพื่อสนับสนุนการตัดสินใจในการ ช่วยเหลือเกษตรกรผู้ประสบภยั แล้ง รวมทัง้ การขับเคลอื่ น ตดิ ตาม ประเมินผลลพั ธ์และผลตอบแทนทางสังคม ใหก้ บั หนว่ ยงานระดับนโยบาย อาทิ กระทรวงเกษตรและสหกรณ์ กระทรวงมหาดไทย กรมสง่ เสรมิ การเกษตร กรมชลประทาน เป็นตน้ คณะผู้วิจัยได้ศึกษาและรวบรวมข้อมูลดาวเทียมที่มีศักยภาพและเกี่ยวข้องกับการ ประเมินพื้นที่เสี่ยง ภัยแล้งและความเสียหายของพืช โดยพิจารณาถึงดาวเทียมทั้งในระบบ Passive และระบบ Active คว ามละเอียดปานกลาง (Moderate Resolution Satellites) และดาว เทียมคว ามละเอียดสูง (High Resolution Satellites) โดยไดเ้ ลอื กใช้ข้อมลู ดาวเทยี มจำนวน 4 ดวง ไดแ้ ก่ 1) ดาวเทียม Suomi NPP ระบบ Passive ความละเอียดปานกลาง 375 เมตร ถึง 1 กิโลเมตร มีการ จัดวางระบบกริดแบบเดียวกนั กบั ระบบ MODIS มคี วามละเอยี ดของชว่ งเวลาเป็นรายวัน 2) ดาวเทียม Soil Moisture Active Passive (SMAP) เป็นดาวเทียมรังวัดช่วงคลื่น L-band radiometer (Passive) และ L-band radar (Active) สำหรบั ภารกจิ สำรวจความช้นื ในดินที่ความลกึ ประมาณ 5 - 10 ซม. ความละเอยี ดขอ้ มลู 3 กม. โดยภายใต้โครงการจะมีการ downscale ข้อมลู เปน็ 1 กม. ดว้ ยวธิ กี าร ทดสอบความสัมพนั ธก์ ับข้อมลู จากอุปกรณ์ตรวจวัด IOT 3) ดาวเทยี ม Global Precipitation Measurement (GPM) เปน็ ภารกจิ ดาวเทยี มระหว่างประเทศท่ี สังเกตการณ์ฝนและหิมะทั่วโลกทุกๆ 3 ชั่วโมง สามารถนำมาประมวลผลเป็นข้อมูลรายสัปดาห์ สำหรับ ปรับปรงุ ขอ้ มลู ความชนื้ ผิวดนิ จากดาวเทยี ม SMAP 4) ดาวเทียม Sentinel-2 ระบบ Passive ความละเอียดสูง 10 เมตร ถึง 60 เมตร โดยความถี่ในการ โคจรกลับมายังตำแหน่งเดิมทุก 10 วัน และโคจรกลับมารวมกลุ่มกันที่เส้นศูนย์สูตรทุก 5 วัน สามารถ รายงานการวิจัย Research Report) | หนา้ ง

โครงการประเมนิ พ้ืนทเ่ี สย่ี งภยั แลง้ และความเสียหายของพชื เกษตรรายแปลง ด้วยเทคโนโลยีภูมสิ ารสนเทศ ประมวลผลความละเอียดของช่วงเวลาเป็นรายสัปดาห์ และรายเดือน ของดัชนีที่เกี่ยวข้องกับการประเมิน ความเสยี หายของพืชเกษตรรายแปลง ได้แก่ NDVI, SAVI, CI, NDWI และ CDAI นอกจากนขี้ ้อมลู ดาวเทยี มแล้ว ยังมีการศึกษาและรวบรวมขอ้ มลู อื่นๆทีเ่ กี่ยวข้อง ได้แก่ 5) ข้อมูลการใช้น้ำของพืช เป็นการติดตามการใช้น้ำอ้างอิงของพืชด้วยสมการ Hargreaves-Samani โดยอาศัยตัวแปร NDVI จากดาวเทียม Sentinel-2 ความละเอียดสูง 20 เมตร ร่วมกับความชื้นผิวดิน (SSM: Surface Soil Moisture) จากดาวเทียม SMAP ความละเอียด 1 กม. 6) ข้อมูลปริมาณน้ำฝน เป็นข้อมูลที่ได้จากสถานีตรวจวัดจากกรมอุตุนิยมวิทยา ใช้ในการคำนวณหา ดัชนีฝนมาตรฐาน (Standardized Precipitation Index : SPI) ย้อนหลัง 50 ปี จากสถานีตรวจวัดอากาศท่ัว ประเทศทั้งหมด 123 สถานี โดยแต่ละสถานีจะมีข้อมูลน้ำฝนสะสมรายเดือนตั้งแต่เดือนมกราคม จนถึงเดือน ธนั วาคม ต้งั แต่ปี พ.ศ. 2514-2564 7) ข้อมูลความเสียหายของพืชจากภัยแล้งที่เคยเกิดขึ้นในอดีตจากแบบประมวลรวมช่วยเหลือ เกษตรกรผู้ประสบภัย (กษ.02) ดำเนนิ การเป็นไปตามระเบยี บกระทรวงการคลังว่าด้วยเงินทดรองราชการเพื่อ ช่วยเหลือผู้ประสบภัยพิบัติฉุกเฉิน ด้านการเกษตร โดยการเบิกจ่ายให้ปฏิบัติตามหลักเกณฑ์ วิธีการ เงื่อนไข และอตั รา กรณพี นื้ ที่ทำการเพาะปลกู มีพชื ตายหรือเสียหายโดยสิ้นเชิง ให้ชว่ ยเหลือตามจำนวนพ้ืนท่ีเพาะปลูก ทเี่ สยี หายจรงิ ไมเ่ กินรายละ 30 ไร่ 8) ข้อมูลความชื้นในดินจากสถานีตรวจวัดภายใต้โครงการ เครื่องมือตรวจวัดมีการตรวจวัดความชื้น ในระดบั ตา่ งๆ ตามระดบั โซนราก (root zone) ของพชื ทกุ ๆ 10 ซม. (10, 20, 30, 40, 60, 80 และ 100 ซม.) ผลการศึกษาแบ่งออกเป็น 4 ส่วนที่สำคัญได้แก่ (1) การสร้างแบบจำลองการประเมินพื้นที่เสี่ยงภัย แลง้ (2) การสรา้ งแบบจำลองการประเมนิ ความเสียหายของพชื เกษตรรายแปลง (3) การสรา้ งแพลตฟอร์มเพ่ือ สนับสนนุ การตดั สินใจ (4) การขบั เคลื่อน ติดตาม ประเมนิ ผลลพั ธแ์ ละผลตอบแทนทางสังคม อธบิ ายไดด้ ังน้ี (1) การสรา้ งแบบจำลองการประเมินพืน้ ท่ีเส่ยี งภยั แล้ง การสร้างแบบจำลองการประเมินพื้นที่เสี่ยงภัยแล้ง จากดาวเทียม Suomi NPP ซึ่งมีความถี่เป็น รายวัน ความละเอียด 1 กิโลเมตร ถูกคำนวณด้วยสมการสร้างเป็นดัชนี NDVI, LST, VCI, TCI และ VHI สามารถประมวลผลความละเอียดของช่วงเวลาเป็นรายสัปดาห์ และรายเดือน จากนั้นวิเคราะห์และ ประมวลผลรว่ มกับ ปรมิ าณน้ำฝนจากกรมอตุ ุนยิ มวทิ ยาในการแสดงพื้นทีท่ ่ีมีฝนทงิ้ ชว่ ง (SPI) รว่ มกบั ข้อมูลฝน จากดาวเทียม GPM คำนวณเป็นเป็นดัชนีความรุนแรงความแห้งแล้ง (DHI: Drought Hazard Index) เปรียบเทียบกับข้อมูลอนุกรมเวลา ความสัมพันธ์ระหว่างดัชนี DHI กับ ข้อมูลดัชนีความชื้นผิวดิน (SSM: Surface Soil Moisture) ในการคำนวณคา่ สหสัมพนั ธ์ โดยกำหนดใหค้ า่ นำ้ หนกั ดชั นคี วามช้ืนผวิ ดิน และดัชนี ความรุนแรงความแห้งแล้ง แตกต่างไปตามสถานการณ์ El Nino, La Nina และ Neutral ได้เป็นสมการ DRIONI = a*(100 - DHInor) + b*(100 - SSMnor) รายงานการวจิ ัย Research Report) | หนา้ จ

โครงการประเมนิ พืน้ ท่เี สีย่ งภัยแล้งและความเสียหายของพชื เกษตรรายแปลง ด้วยเทคโนโลยีภูมสิ ารสนเทศ แนวคดิ การสร้างแบบจำลองการประเมินพน้ื ท่ีเส่ยี งภัยและการประเมนิ ความเสยี หายของพชื เกษตรรายแปลง (2) การสรา้ งแบบจำลองการประเมนิ ความเสียหายของพชื เกษตรรายแปลง การสร้างแบบจำลองการประเมินความเสียหายของพืชเกษตรรายแปลง ได้ใช้ข้อมูลจากรายงาน กษ.02 เฉพาะความเสียหายที่เกิดจากภัยแล้งของกรมส่งเสริมการเกษตรมาเป็นข้อมูลในการให้ Machine Learning Classification ทำการเรียนรู้ความเสยี หายท่ีเคยเกิดขึ้นในอดตี รว่ มกับดชั นีพืชพรรณท่ีคำนวณได้จากดาวเทียม Sentinel-2 ที่ความละเอียดเชิงพื้นที่ 20 เมตร ได้แก่ NDVI, SAVI, CI และ NDWI ก่อนจะนำแต่ละดัชนีมา สร้างสมการแบบถ่วงน้ำหนักเพื่อประเมินความเสียหายของพืชแต่ละชนิดหรือดัชนีประเมินความเสียหายของ พืช (Crop Drought Damage Assessment Index: CDAI) ท่ีประมวลผลเป็นรายสัปดาห์และรายเดือน โดย ในการประเมนิ ความเสยี หายของพืชจากภยั แล้งน้ัน จะเป็นการวิเคราะห์ทีเ่ ริ่มจากดัชนีพืน้ ที่เสี่ยงภยั แล้ง (DRI) ทบี่ ่งชี้ความแห้งแลง้ ในแต่ละพน้ื ท่ีรายสัปดาห์ ดูความต่อเนอ่ื งของดชั นี DRI โดยอาศยั เกณฑก์ ารพจิ ารณาความ เสยี หายของพืชตามหลกั วชิ าการจากกรมวชิ าการเกษตรและกรมการขา้ วมาสรา้ งเงื่อนไขในการดูความต่อเนื่อง ของพืชแต่ละชนิด ก่อนจะสร้างเป็นดัชนี Drought Severity Index (DSI) เพื่อบ่งชี้ความต่อเนื่องของความ แห้งแล้งที่อาจส่งผลกระทบต่อพืชแต่ละชนิด เพื่อนำไปสู่การประเมินความเสียหายของพืชรายแปลงจากดัชนี CDAI ในพน้ื ท่ีนน้ั สำหรบั การตรวจสอบความถูกต้องของดชั นีประเมินความเสียหายของพืชเกษตรรายแปลงจากภัยแล้ง (CDAI) กับข้อมูลรายงาน กษ.02 ที่เคยเกิดขึ้นในอดีตแยกตามชนิดพชื พบว่า ข้าวมีความถูกตอ้ ง 81.9% จาก การทดสอบกับแปลงที่เคยเสียหายในอดีต 15,670 แปลง ข้าวโพดมีความถูกต้อง 77.7% จากการทดสอบกับ แปลงที่เคยเสียหายในอดีต 1,043 แปลง มันสำปะหลังมีความถูกต้อง 73.7% จากการทดสอบกับแปลงที่เคย เสียหายในอดีต 19 แปลง และอ้อยมีความถูกต้อง 92.9% จากการทดสอบกับแปลงที่เคยเสียหายในอดีต 14 แปลง จะเห็นว่าเมื่อดูจากความถูกต้องและจำนวนแปลงที่ทำการทดสอบข้าวเป็นพืชที่มีความน่าเชื่อมั่นมาก ที่สุดรองมาคือข้าวโพด ขณะที่มันสำปะหลังและอ้อย มีความจำเป็นต้องเพิ่มจำนวนแปลงในการพัฒนา แบบจำลองและทดสอบความถูกต้องเพ่ิมเติมต่อไป นอกจากนี้ในการตรวจสอบความถูกต้องของงานวิจัยน้ีเป็น รายงานการวจิ ยั Research Report) | หนา้ ฉ

โครงการประเมินพ้ืนท่ีเสี่ยงภยั แล้งและความเสียหายของพืชเกษตรรายแปลง ดว้ ยเทคโนโลยภี ูมิสารสนเทศ เพียงการตรวจสอบกับข้อมลู ความเสยี หายทีเ่ คยเกิดขึ้นในอดตี จากรายงาน กษ.02 เท่าน้ัน เนอ่ื งจากในช่วงการ ดำเนินงานวิจัยเป็นปี La Nina จึงมีพื้นที่ให้ตรวจสอบความเสียหายจากภัยแล้งมากนัก ดังนั้น ในระยะต่อไป จำเป็นต้องทำงานร่วมกับการตรวจสอบข้อเท็จจริงในพื้นที่ เพื่อเพิ่มความถูกต้อง แม่นยำ และความโปร่งใส เพ่อื ใหส้ ามารถนำผลการวิจยั ไปในการจ่ายเงินเยียวยาให้กบั เกษตรกร (3) การสรา้ งแพลตฟอรม์ เพื่อสนับสนุนการตัดสินใจ การพัฒนาแพลตฟอร์มการให้บริการพื้นที่เสี่ยงภัยแล้งและความเสียหายของพืชเกษตรรายแปลง สนับสนนุ การตดั สนิ ใจ ช้ีเป้าแปลงเพาะปลกู พืชท่ไี ด้รับความเสยี หาย และควรทจ่ี ะจา่ ยเงนิ เยยี วยาให้กับเกษตร ที่ได้รับผลกระทบ ถูกออกแบบและพัฒนาต่อยอดจากซอฟต์แวร์ โปรแกรมรหัสเปิด ให้บริการผ่านเว็บแอป พลเิ คชนั เพื่อการเข้าถึงและใชง้ านอย่างงา่ ย โดยแบง่ การทำงานเป็น 4 ส่วน ดังนี้ ส่วนที่ 1 เก่ียวกบั เรา : เป็นสว่ นท่ีแสดงถงึ ความเปน็ มาและวตั ถุประสงคโ์ ครงการฯ ส่วนที่ 2 คลังความรู้ : เป็นส่วนที่ให้ข้อมูลเกี่ยวกับภาพดาวเทียม ดัชนีต่างๆ ที่วิเคราะห์และ ประมวลผลได้ภายใตโ้ ครงการฯ ส่วนท่ี 3 แผนท่ีและ Dashboard : เปน็ สว่ นทร่ี ะบบผลติ และประมวลผลขอ้ มูลอนพุ นั ธจ์ ากดาวเทียม แบบอัตโนมตั ิ รวมถึงเป็นแสดงแผนท่ีเสี่ยงภัยแลง้ และความเสยี หายของพืชเกษตรรายแปลง ส่วนที่ 4 ประชาสัมพันธ์ : สำหรับการเผยแพร่ข้อมูลการดำเนินโครงการ ข้อมูลทางวิชาการ ประชาสัมพันธ์กิจกรรมต่างๆ ทีเ่ กิดข้นึ และเกยี่ วข้องกบั โครงการ เปน็ ต้น สว่ นที่ 1 ส่วนท่ี 2 สว่ นท่ี 3 สว่ นที่ 4 ตัวอยา่ งแพลตฟอร์มการใหบ้ รกิ ารพื้นท่เี สีย่ งภัยแล้งและความเสียหายของพชื เกษตรรายแปลง รายงานการวจิ ยั Research Report) | หนา้ ช

โครงการประเมนิ พ้นื ท่ีเสยี่ งภยั แล้งและความเสยี หายของพืชเกษตรรายแปลง ดว้ ยเทคโนโลยภี มู ิสารสนเทศ (4) การขับเคลอื่ น ตดิ ตาม ประเมนิ ผลลัพธ์และผลตอบแทนทางสังคม ภายใตโ้ ครงการมีการขบั เคลื่อน ตดิ ตามและประเมนิ ผลลพั ธแ์ ละผลตอบแทนทางสังคม ดังนี้ 1) การประชุมกลุ่มย่อยกับหน่วยงานในพื้นที่ ทั้ง 6 จังหวัด เพื่อสร้างการรับรู้ ทำความเข้าใจ เกี่ยวกับโครงการ และรับฟังประเด็นปัญหาในการดำเนินงาน ในการพิจารณาจ่ายเงินเยียวยาความเสียหาย ให้กับเกษตรกร ผา่ นคณะกรรมการใหค้ วามชว่ ยเหลือผปู้ ระสบภัยพบิ ตั จิ ังหวัด/อำเภอ (ก.ช.ภ.จ./อ.) โดยพบว่า คณะกรรมการบางกลุ่มมีความกังวลในการให้ข้อเท็จจริงต่อความเสียหายของเกษตร หากมีเครื่องมือสำหรับ ตรวจสอบข้อเท็จจริงที่เป็นวิทยาศาสตร์ จะสามารถสร้างความเชื่อมั่นให้กับคณะกรรมการต่อการพิจารณา เสริมกับการสำรวจขอ้ เท็จจรงิ ในพน้ื ท่ี 2) การประชุมกลุ่มย่อยกับเกษตรกรในพื้นที่ ทั้ง 6 จังหวัด รวมถึงการเก็บข้อมูลแบบสัมภาษณ์ เชิงลึกมากกว่า 600 ตัวอย่าง โดยพบว่าเกษตรกรในพืน้ ที่ส่วนใหญ่อยู่นอกเขตชลประทาน อาศัยน้ำฝนในการ ทำการเกษตร หากโครงการแล้วเสร็จ มีความคาดหวังว่าจะได้ใช้แพลตฟอร์มเพื่อการบริหารจัดการน้ำในการ เพาะปลูกท่ีเหมาะสมกับพืช เพื่อลดต้นทุน และเพ่ิมผลผลิตได้ในอนาคต และไดน้ ำชุดข้อมลู จากแบบสัมภาษณ์ ไปประเมนิ มลู คา่ โครงการตอ่ ไป 3) การประเมนิ มูลค่าเบ้อื งต้นของประโยชน์ที่คาดว่าจะได้รบั หากมีการนำแพลตฟอร์มไปใช้ โดย คำนวณจากประโยชน์ที่เกษตรกรจะได้รับ ซึ่งนำข้อมูลภัยแล้งที่เกิดขึ้นในอดีตและแนวโน้มการเกิดภัยแล้งใน พน้ื ท่ขี องเกษตรกรไปใช้ในการวางแผน เพือ่ บรรเทาผลกระทบจากภัยแลง้ ที่มีต่อการเพาะปลูกในแปลงของตน โดยมีสมมติฐาน ได้แก่ ร้อยละ 20 ของพื้นที่เพาะปลูกได้ประโยชน์จากข้อมูลในแพลตฟอร์ม ทำให้สามารถ วางแผนบรรเทาผลกระทบที่เกิดขึ้นได้ บทบาทของแพลตฟอร์ม คิดเปน็ รอ้ ยละ 10 ของการปรับตวั ที่เกษตรกร ใช้ในการบรรเทาผลกระทบ และระยะเวลาที่เกษตรกรได้ประโยชน์เท่ากับ 5 ปี โดยมีอัตราคิดลดที่ร้อยละ 3 โดยสามารถคำนวณมลู คา่ ต่อปีจากการนำระบบไปใช้ได้เท่ากับปีละ 236,757,772 บาท และมลู ค่าปจั จบุ นั ของการ นำระบบไปใช้เปน็ เวลา 5 ปีจะเทา่ กบั 1,148,275,194 บาท ขอ้ เสนอแนะ 1) ข้อมูลการขึ้นทะเบียนของเกษตรกร มีการรายงานวันที่พืชได้รับความเสียหาย ซึ่งโดยส่วนใหญ่ เกษตรกรจะแจ้งวันที่เสยี หายเป็นวันเดียวกับที่ผู้ว่าราชการในแตล่ ะจังหวดั ประกาศภัย โดยข้อเท็จจริงแลว้ พชื อาจจะมคี วามเสยี หายกอ่ นหรอื หลังประกาศภยั ก็ได้ เม่ือนำมาเขา้ แบบจำลองทำให้ไดค้ วามแม่นยำตำ่ 2) การตรวจสอบความถูกต้องของแบบจำลองการประเมินความเสียหายของพืชเกษตรรายแปลง จำเป็นต้องยืนยันด้วยการลงพื้นที่จริง ในช่วงระหว่างการดำเนินการวิจัย ไม่มีพื้นที่ประสบภัยแล้ง จึงอาจจะ ตอ้ งตรวจสอบและวัดผลในระยะยาว ในชว่ งปีท่มี กี ารประสบภัยแลง้ 3) ในอนาคตการเพิ่มเคร่ืองมือให้เกษตรกรถ่ายรูปประกอบการรายงานความเสียหายของพืช เพื่อยืนยัน ร่วมกบั ขอ้ มลู ดาวเทยี ม จะช่วยลดการลงพ้นื ท่ีของหน่วยงานภาครฐั รวมถึงเพม่ิ ความแม่นยำและค่าใช้จ่ายอีกดว้ ย 4) การศกึ ษาปจั จยั ดา้ นภูมิอากาศ ร่วมกบั ขอ้ มูลดาวเทยี ม มีความเปน็ ไปไดส้ งู ในการพยากรณ์ภัยแล้ง เพอื่ การเตือนภัยล่วงหน้า เพอ่ื ให้ท้งั หนว่ ยงานระดับนโยบาย และเกษตรกร มีข้อมูลสนับสนนุ การตัดสินใจการ การเพาะปลูกพืช เพื่อลดผลกระทบทีจ่ ะเกดิ ขึ้น รายงานการวจิ ัย Research Report) | หนา้ ซ

โครงการประเมินพ้นื ทเ่ี สี่ยงภยั แล้งและความเสยี หายของพชื เกษตรรายแปลง ด้วยเทคโนโลยภี ูมิสารสนเทศ สารบญั กิตตกิ รรมประกาศ .......................................................................................................................................... ก บทคัดย่อ......................................................................................................................................................... ข Abstract ........................................................................................................................................................ ค บทสรปุ ผ้บู ริหาร...............................................................................................................................................ง สารบัญ................................................................................................................................................ ฌ คำอธิบายสญั ลักษณแ์ ละคำย่อที่ใช้ในการวิจยั ....................................................................................... ด บทที่ 1 บทนำ................................................................................................................................................ 1 1.1 ความสำคญั และที่มาของปัญหา.................................................................................................... 1 1.2 วัตถุประสงค์................................................................................................................................. 1 บทที่ 2 ทบทวนวรรณกรรมท่ีเกยี่ วข้อง .......................................................................................................... 2 2.1 นิยามความหมายเกี่ยวกับภยั แล้ง ................................................................................................. 2 2.2 ดาวเทียมท่ีมีศกั ยภาพในการประเมินภยั แล้ง ................................................................................ 3 2.3 ดัชนีภัยแล้ง.................................................................................................................................. 7 2.4 การศกึ ษาดชั นีความเสียหายของพชื เกษตร ................................................................................ 13 2.5 แบบประมวลรวมช่วยเหลือเกษตรกรผูป้ ระสบภัย (กษ.02) ........................................................ 27 2.6 เกณฑ์พิจารณาความเสยี หายของพชื จากภัยแลง้ ........................................................................ 29 2.7 ฐานขอ้ มูลและระบบการจดั การฐานขอ้ มลู .................................................................................. 32 2.8 งานวิจัยทเี่ ก่ยี วข้อง..................................................................................................................... 33 บทท่ี 3 ระเบียบวธิ ดี ำเนนิ การวจิ ยั ............................................................................................................... 35 3.1 การศึกษาและรวบรวมขอ้ มูลท่ีเกย่ี วข้อง..................................................................................... 35 3.2 การพัฒนาแบบจำลองดชั นีประเมินพนื้ ทีเ่ ส่ียงภยั แลง้ ................................................................. 38 3.3 แบบจำลองประเมินดัชนีความเสียหายของพืชเกษตรรายแปลง.................................................. 47 3.4 การประเมนิ ความถูกต้องของแบบจำลอง................................................................................... 51 3.5 การพฒั นาแพลตฟอร์มเพ่ือสนับสนนุ การตัดสนิ ใจ ...................................................................... 54 3.6 การตดิ ตามและประเมนิ คุณค่าโครงการ ..................................................................................... 54 บทท่ี 4 ผลการวจิ ัย...................................................................................................................................... 55 4.1 การศกึ ษาและรวบรวมข้อมลู ทเี่ กี่ยวข้อง..................................................................................... 55 4.2 การพัฒนาแบบจำลองดัชนีประเมินพื้นทเี่ ส่ียงภยั แล้ง ................................................................. 58 4.3 ดัชนปี ระเมินความเสียหายของพชื เกษตรรายแปลง (Crop Damage Assessment Index: CDAI). 80 4.4 การประเมนิ ความถูกต้องของแบบจำลองพ้นื ทีเ่ ส่ียงภยั แลง้ และแบบจำลองประเมินความเสยี หายของพืช 99 4.5 แพลตฟอรม์ การใหบ้ ริการข้อมลู ...............................................................................................103 รายงานการวิจัย Research Report) | หน้า ฌ

โครงการประเมินพนื้ ทเี่ สยี่ งภัยแลง้ และความเสยี หายของพืชเกษตรรายแปลง ดว้ ยเทคโนโลยภี มู สิ ารสนเทศ 4.6 การตดิ ตาม และประเมนิ คุณค่าโครงการ ..................................................................................105 บทที่ 5 อภิปรายและวิจารณ์ผล.................................................................................................................118 5.1 การประเมินพ้นื ที่เสี่ยงภยั แล้ง...................................................................................................118 5.2 การประเมินความเสียหายของพืชเกษตรรายแปลง...................................................................119 บทท่ี 6 สรปุ ผลการวจิ ัยและขอ้ เสนอแนะ ..................................................................................................120 6.1 สรุปผลการวิจยั ........................................................................................................................120 6.2 ขอ้ เสนอแนะ ............................................................................................................................121 บรรณานุกรม ..............................................................................................................................................123 ภาคผนวก ...................................................................................................................................................126 สรุปผลงานวิจยั /โครงการวิจัย 1 หน้ากระดาษ A4 (สำหรบั ประชาสมั พนั ธ)์ ......................................127 สรุปผลงานวจิ ยั /โครงการวจิ ยั 5 บรรทัด...........................................................................................129 สรุปงานวิจัยในรูปแบบ infographic ................................................................................................131 แบบฟอร์มประเมนิ ผลการวจิ ัยในการนำไปใชป้ ระโยชนอ์ ย่างเป็นรปู ธรรม ........................................132 แบบฟอรม์ สำรวจความเสียหายของพืชเกษตร.............................................................................................140 แบบสอบถามผู้มีส่วนได้ส่วนเสียของโครงการ : เกษตรกร ...........................................................................142 แบบสอบถามผ้มู สี ว่ นได้ส่วนเสยี ของโครงการ : หน่วยงาน ..........................................................................147 แบบฟอร์มรายงานการวจิ ัยและนวตั กรรม...................................................................................................150 รายงานการวิจยั Research Report) | หนา้ ญ

โครงการประเมินพ้ืนทีเ่ สีย่ งภัยแลง้ และความเสียหายของพชื เกษตรรายแปลง ด้วยเทคโนโลยภี มู สิ ารสนเทศ สารบญั รูป รปู ที่ 2- 2 ภารกิจของดาวเทียมระบบ VIIRS ในการตรวจสอบและติดตามด้านสง่ิ แวดลอ้ ม ........................... 4 รปู ท่ี 2-3 ตวั อย่างการแปลงจาก GAMMA DISTRIBUTION (ก) เปน็ STANDARD NORMAL DISTRIBUTION (ข).. 8 รปู ที่ 2-4 ความแตกต่างของตัวเลขค่าดชั นี SAVI และดัชนี NDVI จากการสะท้อนช่วงคล่ืนในพืน้ ท่ีทม่ี ีพืชพรรณ ปกคลุมหนาแนน่ แตกต่างกัน......................................................................................................... 16 รปู ท่ี 2-5 ขอ้ มลู ดัชนี SAVI วนั ท่ี 3 ธ.ค. 2561 (ซ้าย) และวนั ท่ี 13 ธ.ค. 2561 (ขวา).................................... 16 รปู ที่ 2-6 ขอ้ มูลดัชนี NDVI (ซา้ ย) RVI (ขวา) พื้นท่ีชายฝัง่ ประเทศ ICELAND ............................................... 17 รปู ที่ 2-7 การสะทอ้ นชว่ งคลื่นของใบข้าวที่ไดร้ ับความเสยี หายจากเพลี้ยกระโดด 0-8 ตัว เป็นเวลา 6 วัน .. 18 รูปท่ี 2-8 การใช้ CAN_EYE ในการสำรวจ LAI ของขา้ วสาลี 4 มี.ค.2005 (A และ B) และข้าวโพด 7 ก.ค. 2005 (C และ D) ที่ (A และ C) ความสูง 0.40 ม. และ (B และ D) ความสงู 1 ม. ห่างจากเรือนยอด รศั มีครอบคลมุ ประมาณ 1 ม. เพ่อื นำไปใช้คำนวณ LAI................................................................. 19 รปู ท่ี 2-9 การคำนวณการสะท้อนรงั สีดวงอาทติ ย์ของชั้นเรือนยอดดว้ ยแบบจำลอง PROSPECT+SAIL ........ 20 รูปท่ี 2-10 ดัชนี SPI แสดงผลทงิ้ ชว่ งเดอื น มิถนุ ายน - กรกฎาคม 2562....................................................... 21 รูปท่ี 2-11 ชพี ลักษณข์ องข้าวโพดในแปลงท่ีไดร้ บั ผลกระทบจากฝนทิ้งช่วง มถิ ุนายน - กรกฎาคม 2562 (ข้อมลู จาก กษ.02)..................................................................................................................... 21 รูปที่ 2- 12 คา่ สถติ ิดัชนี CI แปลงปลกู ข้าวปี 2020 รายเดอื น....................................................................... 22 รูปที่ 2-13 ข้อแตกตา่ งระหว่างคา่ ของดัชนี NDVI และ NDR ...................................................................... 23 รปู ที่ 2-14 ข้อมลู ETO หรอื MOETO ท่ีประมวลผลในพ้นื ท่จี งั หวดั อทุ ัยธานี................................................ 26 รปู ท่ี 2-15 แผนผงั ข้ันตอนการช่วยเหลอื ผู้ประสบภัยพิบตั ดิ ้านเกษตร ส่วนภูมภิ าค ยกเว้น กรงุ เทพมหานคร .. 28 รปู ที่ 2- 16 การจัดการแบบแฟม้ ขอ้ มลู (ก) เปน็ การจัดเก็บขอ้ มูลแบบฐานข้อมูล (ข) ................................. 32 รปู ที่ 2- 17 ระบบจดั เก็บฐานขอ้ มูล (DATABASE MANAGEMENT SYSTEM: DBMS) ............................... 33 รปู ท่ี 3- 1 ขนั้ ตอนการวจิ ัย .......................................................................................................................... 35 รูปที่ 3- 2 แผนท่แี สดงการกระจายตัวของข้อมลู กษ.02 ในพน้ื ทศ่ี ึกษาท้ัง 6 จงั หวดั ................................... 38 รูปที่ 3- 3 แบบจำลองในการประเมินพ้ืนท่เี สีย่ งภัยแล้ง ............................................................................... 39 รูปท่ี 3- 4 ผังกระบวนการผลิตข้อมลู LST จากข้อมลู ระบบ VIIRS............................................................... 42 รูปท่ี 3- 5 การประมวลผลข้อมลู GPM ราย 0.5 ชม. ใหเ้ ป็นปริมาณฝนสะสมรายเดือน .............................. 45 รูปที่ 3- 6 อลั กอรทิ ึมในการประมวลผลข้อมลู SOIL MOISTURE ความละเอยี ด 3 KM ของ SMAP-SENTINEL... 46 รูปที่ 3- 7 ตัวอยา่ งข้อมลู พืน้ ทแ่ี หง้ แล้งต่อเนอื่ งในแตล่ ะชว่ งเวลาจากระบบ U.S. DROUGHT MONITOR... 48 รูปท่ี 3- 8 การตดิ ตั้งเคร่ืองตรวจวัดความชนื้ ในดินแบบอัตโนมตั ิ ในพ้นื ท่ี 6 จงั หวดั ..................................... 52 รูปท่ี 3- 9 เครอ่ื งวดั ความช้ืนในดนิ ตามระดบั ชั้นดิน พร้อมระบบรบั ส่งระยะไกล.......................................... 53 รายงานการวจิ ัย Research Report) | หนา้ ฎ

โครงการประเมินพื้นท่ีเสี่ยงภัยแล้งและความเสยี หายของพืชเกษตรรายแปลง ด้วยเทคโนโลยีภมู สิ ารสนเทศ รปู ที่ 4- 1 ตัวอย่างการจดั เก็บฐานข้อมลู ดัชนี NDVI รายสปั ดาห์ ปี พ.ศ.2563 ............................................ 59 รูปท่ี 4- 2 ตวั อย่างข้อมลู ดชั นี NDVI สปั ดาห์ที่ 16 ของพ.ศ. 2563.............................................................. 60 รปู ที่ 4- 3 การจัดเก็บฐานข้อมลู ดัชนี LST รายสปั ดาห์ ปี พ.ศ.2563........................................................... 61 รปู ที่ 4- 4 ตวั อยา่ งข้อมลู ดชั นี LST สัปดาห์ที่ 16 ของพ.ศ. 2563................................................................ 62 รปู ที่ 4- 5 การจัดเกบ็ ฐานข้อมูลดชั นี VCI รายสัปดาห์ ปี พ.ศ.2563............................................................ 63 รปู ที่ 4- 6 ตัวอยา่ งข้อมลู ดัชนี VCI สัปดาห์ที่ 20 ของพ.ศ. 2563................................................................. 64 รปู ท่ี 4- 7 การจดั เก็บฐานข้อมลู ดชั นี TCI รายสปั ดาห์ ปี พ.ศ.2563............................................................ 65 รปู ท่ี 4- 8 ตัวอยา่ งข้อมูลดัชนี TCI สัปดาหท์ ี่ 22 ของพ.ศ. 2563................................................................. 66 รูปที่ 4- 9 การจดั เก็บฐานข้อมูลดชั นี VHI รายสปั ดาห์ ปี พ.ศ.2563............................................................ 67 รูปที่ 4- 10 ตวั อย่างข้อมลู ดัชนี VHI สัปดาห์ที่ 20 ของพ.ศ. 2563 .............................................................. 68 รูปที่ 4- 11 ตำแหน่งสถานตี รวจวัดฝนท่วั ประเทศ....................................................................................... 69 รูปท่ี 4- 12 ข้อมูลดัชนี SPI ทผี่ ่านการประมาณค่าเป็นข้อมูลเชงิ พ้นื ที่แบบรายเดือน (ค่าเฉลยี่ 30 ปี).......... 70 รูปท่ี 4- 13 ข้อมลู ฝน (มม./ชม.) จากระบบ GPM ผลิตภัณฑ์ 3IMERGHHL ราย 0.5 ชม. (PRECIPITATIONCAL)..................................................................................................................... 70 รปู ที่ 4- 14 ขอ้ มลู อนุพนั ธ์ฝน ค่ามากทีส่ ุด (MAXIMUM) คา่ น้อยทสี่ ุด (MINIMUM) และค่าเฉล่ีย (MEAN) จากซ้ายไปขวาตามลำดับ.................................................................................................................. 71 รปู ท่ี 4- 15 ดัชนี PRECIPITATION ANOMALY ของฝนเฉล่ียเดอื น มกราคม พ.ศ.2565 ............................. 72 รปู ท่ี 4- 16 (ซ้าย) MAXIMUM PRECIPITATION 2543 – 2564 เปรยี บเทยี บ (ขวา) PRECIPITATION (FEBRUARY 2565)72 รปู ท่ี 4- 17 การจัดเก็บฐานข้อมูลดชั นี DHI รายสปั ดาห์ ปี พ.ศ.2563 ......................................................... 73 รูปท่ี 4- 18 ตัวอย่างข้อมลู ดัชนี DHI สปั ดาหท์ ่ี 14 ของพ.ศ. 2563.............................................................. 74 รูปท่ี 4- 19 ข้อมลู จำนวน REPEAT PIXELS จากการประกอบข้อมลู L2_SM_SP เปน็ เวลา 1 เดอื น (ซ้าย) และข้อมลู คา่ เฉลยี่ ความชื้นผวิ ดินความละเอยี ด 1X1 ตร.กม. รายเดือน (ขวา).................................. 75 รูปท่ี 4- 20 การเปรียบเทยี บค่าความสัมพันธ์ (R-SQUARE) และคา่ ความคลาดเคลื่อน (STANDARD ERROR) ของสถานีตรวจวัดภาคพน้ื ดนิ กับข้อมูลจากระบบดาวเทียม SMAP ภาคตะวันออกเฉยี งเหนือ ......... 76 รูปที่ 4- 21 การเปรียบเทียบค่าความสมั พันธ์ (R-SQUARE) และคา่ ความคลาดเคลือ่ น (STANDARD ERROR) ของสถานตี รวจวัดภาคพืน้ ดิน กบั ข้อมูลจากระบบดาวเทยี ม SMAP ภาคกลาง ................................. 76 รูปท่ี 4- 22 คา่ ดชั นี VHI และ SSM ระหว่างปี พ.ศ.2563 - 2565 (แถบสแี ดงคือช่วงฤดูฝน) ....................... 76 รูปท่ี 4- 23 OCEANIC NIÑO INDEX (ONI) 1950-PRESENT..................................................................... 77 รูปท่ี 4- 24 ข้อมลู ดชั นี DRI รายเดอื นท่ีประมวลผลไดจ้ ากระบบ ปี พ.ศ.2561-2563.................................. 78 รูปท่ี 4- 25 ตัวอย่างข้อมลู ดัชนี DRI สัปดาหท์ ่ี 11 ของพ.ศ. 2563 .............................................................. 79 รายงานการวจิ ยั Research Report) | หนา้ ฏ

โครงการประเมนิ พนื้ ท่ีเส่ียงภยั แลง้ และความเสียหายของพชื เกษตรรายแปลง ดว้ ยเทคโนโลยีภูมิสารสนเทศ รปู ที่ 4- 26 แสดงตัวอย่างคา่ ดัชนี NDVI ทวั่ ประเทศ (บน) และ NDVI ระดบั รายแปลง (ล่าง) จากดาวเทยี ม SENTINEL-2. 80 รูปที่ 4- 27 แสดงคา่ ดชั นี SAVI ท่ัวประเทศ (บน) และ SAVI ระดบั รายแปลง (ล่าง) จากดาวเทียม SENTINEL-2 .. 81 รปู ท่ี 4- 28 แสดงค่าดชั นี CI ท่วั ประเทศ (บน) และ CI ระดับรายแปลง (ลา่ ง) จากดาวเทยี ม SENTINEL-2..... 82 รปู ที่ 4- 29 แสดงคา่ ดชั นี NDWI ทัว่ ประเทศ (บน) และ CI ระดับรายแปลง (ลา่ ง) จากดาวเทยี ม SENTINEL-2 83 รูปที่ 4- 30 เส้นชพี ลักษณข์ องข้าวจากดัชนี NDVI, SAVI, CI, NDWI เปรยี บเทยี บระหว่างปปี กติ (เขยี ว) กับปี ทป่ี ระสบภัยแลง้ (แดง)...................................................................................................................... 85 รูปที่ 4- 31 ตวั อย่างแปลงข้าวท่เี สียหาย (แดง) และไมเ่ สียหาย (เขียว) ที่ประมวลผลจากคา่ ดัชนี NDVI พ้นื ท่ี จังหวดั สรุ นิ ทร์................................................................................................................................... 86 รปู ท่ี 4- 32 เสน้ ชพี ลักษณ์ของข้าวโพดจากดชั นี NDVI, SAVI, CI, NDWI เปรียบเทียบระหวา่ งปปี กติ (เขียว) กับปที ่ีประสบภัยแล้ง (แดง) .............................................................................................................. 87 รปู ที่ 4- 33 ตวั อย่างแปลงข้าวโพดท่ีเสยี หาย (แดง) และไมเ่ สยี หาย (เขียว) ทป่ี ระมวลผลจากคา่ ดชั นี NDVI พ้ืนทจ่ี ังหวัดนครราชสมี า................................................................................................................... 88 รูปท่ี 4- 34 เส้นชีพลักษณข์ องมนั สำปะหลงั จากดชั นี NDVI, SAVI, CI, NDWI เปรยี บเทยี บระหว่างปีปกติ (เขยี ว) กับปีท่ปี ระสบภยั แล้ง (แดง)................................................................................................... 89 รปู ท่ี 4- 35 ตวั อย่างแปลงมันสำปะหลังทเ่ี สยี หาย (แดง) และไมเ่ สยี หาย (เขียว) ทป่ี ระมวลผลจากค่าดัชนี NDVI พืน้ ทจี่ งั หวัดกำแพงเพชร ......................................................................................................... 90 รูปท่ี 4- 36 เส้นชีพลักษณ์ของออ้ ยจากดัชนี NDVI, SAVI, CI, NDWI เปรยี บเทยี บระหว่างปปี กติ (เขยี ว) กับปีที่ ประสบภัยแล้ง (แดง) ........................................................................................................................ 92 รปู ท่ี 4- 37 ตวั อย่างแปลงอ้อยทเี่ สียหาย (แดง) และไมเ่ สียหาย (เขยี ว) ทป่ี ระมวลผลจากคา่ ดชั นี SAVI พ้นื ท่ี จังหวดั อทุ ัยธานี ................................................................................................................................ 92 รปู ท่ี 4- 38 คา่ สถติ ดิ ัชนี CDAI ของแปลงขา้ ว กษ.02 (พืชเสียหาย) มคี า่ เฉลย่ี ที่ 57.8 ................................. 96 รปู ที่ 4- 39 คา่ สถติ ดิ ชั นี CDAI ของแปลงมันสำปะหลงั กษ.02 (พชื เสยี หาย) มีคา่ เฉล่ยี ที่ 56.8................... 97 รปู ที่ 4- 40 ค่าสถิตดิ ชั นี CDAI ของแปลงออ้ ย กษ.02 (พืชเสียหาย) มคี า่ เฉลี่ยที่ 57.5................................. 98 รปู ท่ี 4- 41 ข้อมูลสถติ ขิ องค่าดัชนแี ละค่าความชน้ื ในดิน ปี พ.ศ.2561 เปรยี บเทียบผลการประเมนิ ความ ถกู ต้องของแบบจำลองขอ้ มูลดัชนีพนื้ ท่เี สย่ี งภัยแลง้ DRI ................................................................... 99 รปู ท่ี 4- 42 ขอ้ มลู สถติ ิของค่าดชั นแี ละคา่ ความชืน้ ในดนิ ความลึก 30 ซม.ปี พ.ศ.2561 เปรียบเทียบผลการ ประเมินความถกู ตอ้ งของแบบจำลองข้อมลู ดชั นีพืน้ ทเี่ สยี่ งภยั แล้ง DRI ...........................................100 รปู ท่ี 4- 43 ขอ้ มูลสถติ ขิ องค่าดชั นแี ละคา่ ความช้ืนในดิน ความลกึ 100 ซม.ปี พ.ศ.2561 เปรียบเทียบผลการ ประเมนิ ความถูกตอ้ งของแบบจำลองข้อมูลดชั นีพนื้ ท่เี ส่ียงภยั แล้ง DRI ...........................................100 รูปท่ี 4- 44 ตำแหน่งสถานีตรวจวัดความชนื้ ในดินและข้อมูลดัชนีพนื้ ที่เสย่ี งภยั แลง้ DRI............................100 รายงานการวิจัย Research Report) | หนา้ ฐ

โครงการประเมินพนื้ ทเ่ี สยี่ งภัยแลง้ และความเสียหายของพืชเกษตรรายแปลง ดว้ ยเทคโนโลยีภูมสิ ารสนเทศ รูปที่ 4- 45 แบบจำลอง RFR ในการประมาณค่าความชนื้ ในดนิ สถานีตรวจวัดจากขอ้ มูลพืน้ ท่เี ส่ียงภยั แล้ง DRI.101 รปู ท่ี 4- 46 ความคลาดเคลอื่ นเฉลย่ี กำลงั สองกบั จำนวนต้นไม้สุ่ม (ซา้ ย) ความสมั พนั ธ์ระหวา่ งคา่ ทำนายกับค่า ตรวจวัดในข้อมลู ชดุ ตรวจสอบ (กลาง) และเมตริกการประมาณค่า (ขวา) .......................................101 รูปที่ 4- 47 แบบจำลอง RFR ในการประมาณค่าความช้ืนในดนิ สถานีตรวจวดั จากข้อมูลพ้ืนทเี่ ส่ยี งภยั แล้ง DRI101 รปู ที่ 4- 48 ความคลาดเคลื่อนเฉล่ยี กำลงั สองกบั จำนวนต้นไมส้ มุ่ (ซา้ ย) ความสมั พนั ธ์ระหวา่ งค่าทำนายกับค่า ตรวจวัดในข้อมลู ชดุ ตรวจสอบ (กลาง) และเมตริกการประมาณค่า (ขวา) .......................................102 รปู ท่ี 4- 49 แสดงผลหน้าเว็บไซด์และการปรบั ปรงุ สว่ นที่ 1 เกย่ี วกบั เรา....................................................103 รูปท่ี 4- 50 แสดงผลหน้าเว็บไซดแ์ ละการปรบั ปรงุ สว่ นท่ี 2 คลงั ความรู้.....................................................103 รูปท่ี 4- 51 แสดงผลหน้าเว็บไซดส์ ว่ นแผนท่ีและ DASHBOARD ...............................................................104 รูปท่ี 4- 52 ส่วนแสดงผลประชาสมั พนั ธโ์ ครงการฯ....................................................................................105 รูปที่ 4- 53 ภาพตวั อยา่ งแสดงการประชมุ กลุม่ ย่อยกบั เกษตรกรในพน้ื ทเ่ี ป้าหมาย 6 จังหวดั ได้แก่ จังหวัด กำแพงเพชร อุทยั ธานี นครราชสีมา รอ้ ยเอ็ด สกลนครและสรุ นิ ทร์.................................................107 รูปที่ 4- 54 ภาพตวั อย่างแสดงการประชุมกลมุ่ ย่อยกบั หน่วยงานภาครัฐในพ้ืนท่ี .......................................108 รปู ที่ 4- 55 สดั ส่วนผเู้ ขา้ รบั การอบรมแพลตฟอร์ม......................................................................................112 รปู ที่ 4- 56 ภาพบรรยากาศการฝึกอบรมเชงิ ปฏบิ ัติการแพลตฟอรม์ การประเมนิ พื้นที่เสี่ยงภัยแลง้ .............117 รายงานการวิจัย Research Report) | หนา้ ฑ

โครงการประเมินพ้ืนที่เสย่ี งภัยแลง้ และความเสียหายของพืชเกษตรรายแปลง ดว้ ยเทคโนโลยภี มู สิ ารสนเทศ สารบัญตาราง ตารางท่ี 2- 1 ดัชนคี วามแห้งแลง้ ทน่ี ยิ มใช้ในระบบติดตามและรายงานผล................................................... 12 ตารางท่ี 2- 2 MULTISPECTRAL INDEX ทว่ี ิเคราะห์ไดจ้ ากข้อมูลดาวเทยี ม SENTINEL-2 ......................... 14 ตารางท่ี 2- 3 ระยะเวลาท่ีขา้ วสามารถทนทานไดแ้ ละผลกระทบที่พชื ได้รบั เน่ืองจากภัยแล้ง ....................... 29 ตารางที่ 2- 4 ระยะเวลาท่ขี า้ วโพดเลีย้ งสตั ว์สามารถทนทานไดแ้ ละผลกระทบที่พชื ได้รับเน่อื งจากภยั แล้ง... 30 ตารางท่ี 2- 5 ระยะเวลาทม่ี ันสำปะหลงั สามารถทนทานได้และผลกระทบที่พชื ได้รับเนื่องจากภัยแลง้ ......... 31 ตารางท่ี 2- 6 ระยะเวลาทอี่ ้อยสามารถทนทานได้และผลกระทบท่พี ชื ได้รบั เน่อื งจากภัยแลง้ ....................... 31 ตารางที่ 3- 1 สรปุ ผลการรวบรวมข้อมูลดาวเทยี มและข้อมูลทเ่ี กี่ยวข้องต่อการประเมินพ้ืนทเ่ี ส่ียงภัยแล้งและ ความเสียหายของพชื ............................................................................................................ 36 ตารางที่ 3- 2 จำนวนแบบประมวล กษ.02 ทีร่ วบรวมจากกรมสง่ เสรมิ การเกษตร ระหวา่ งปี พ.ศ. 2561-2564 ตามชนดิ พืช .......................................................................................................................... 37 ตารางท่ี 3- 3 ข้อมลู DATASET จากไฟล์ H5 ทใี่ ชใ้ นการประมวลผล NDVI จากข้อมลู จากดาวเทียม SUOMI-NPP... 39 ตารางท่ี 3- 4 VIIRS BANDS และการประยุกต์ใช้งานในการขจัดสง่ิ ปกคลมุ ท่ีไม่ใช่การสะท้อนจากพืช ....... 41 ตารางท่ี 3- 5 เกณฑพ์ จิ ารณาความเสยี หายของพชื แต่ละชนดิ เม่ือขาดนำ้ (ภัยแลง้ ) ..................................... 47 ตารางท่ี 3- 6 ช่วงการปลูกปกตขิ องแตล่ ะพชื .............................................................................................. 49 ตารางท่ี 4- 1 รอ้ ยละความเสียหายของข้าวแยกตามชว่ งอายุ ...................................................................... 56 ตารางท่ี 4- 2 รอ้ ยละความเสยี หายของข้าวโพดแยกตามช่วงอายุ................................................................ 57 ตารางท่ี 4- 3 ร้อยละความเสียหายของมันสำปะหลังแยกตามช่วงอายุ ........................................................ 57 ตารางท่ี 4- 4 ร้อยละความเสยี หายของออ้ ยแยกตามช่วงอายุ...................................................................... 58 ตารางท่ี 4- 5 คา่ สถิติ DHI โดยการแบ่งชว่ งตามดัชนี OCEAN NINO INDEX (ONI) ..................................... 77 ตารางที่ 4- 6 RUNNING 3-MONTH MEAN ONI VALUES ....................................................................... 78 ตารางที่ 4- 7 แสดงค่าดัชนบี ่งชีค้ วามเสียหายแบบ NORMALIZE เพอื่ คิดค่าถ่วงน้ำหนักของขา้ ว................ 93 ตารางที่ 4- 8 แสดงค่าดชั นบี ง่ ชคี้ วามเสยี หายแบบ NORMALIZE เพื่อคดิ ค่าถว่ งนำ้ หนกั ของขา้ วโพด ......... 94 ตารางท่ี 4- 9 แสดงค่าดชั นบี ่งชี้ความเสียหายแบบ NORMALIZE เพือ่ คดิ คา่ ถว่ งนำ้ หนกั ของมนั สำปะหลัง.. 94 ตารางที่ 4- 10 แสดงค่าดัชนีบง่ ชี้ความเสียหายแบบ NORMALIZE เพอื่ คดิ ค่าถ่วงน้ำหนักของอ้อย ............. 95 ตารางที่ 4- 11 จำนวนเกษตรกร เพอ่ื เก็บตวั อย่างข้อมลู ............................................................................106 ตารางที่ 4- 12 ประโยชนส์ ำคัญทีค่ าดว่าจะไดร้ บั จากระบบของ สทอภ. ....................................................109 ตารางท่ี 4- 13 ปญั หาท่ีเกษตรกรคิดวา่ จะพบหากการพฒั นาระบบของ สทอภ. แลว้ เสรจ็ และนำไปใช้งาน109 ตารางที่ 4- 14 การประเมนิ มูลค่าความเสยี หายจากแนวทางการบรรเทาผลกระทบของภยั แลง้ ................110 ตารางที่ 4- 15 การคำนวณมูลคา่ ทคี่ าดวา่ จะไดจ้ ากจากการใชร้ ะบบ..........................................................111 รายงานการวจิ ัย Research Report) | หน้า ฒ

โครงการประเมินพ้ืนทเี่ สย่ี งภัยแลง้ และความเสยี หายของพชื เกษตรรายแปลง ด้วยเทคโนโลยภี มู สิ ารสนเทศ ตารางที่ 4- 16 จำนวนคนผู้เข้ารว่ มการอบรมการใชง้ านแพลตฟอรม์ ฯ .......................................................112 ตารางที่ 4- 17 เปอร์เซน็ ต์ความพึงพอใชต่อการใช้งานแพลตฟอร์มการประเมินพืน้ ท่เี สี่ยงภยั แล้ง และความ เสยี หายของพืชเกษตรรายแปลง ดว้ ยเทคโนโลยีภมู สิ ารสนเทศ.......................................................113 รายงานการวิจัย Research Report) | หนา้ ณ

โครงการประเมนิ พนื้ ท่ีเสยี่ งภัยแลง้ และความเสยี หายของพชื เกษตรรายแปลง ด้วยเทคโนโลยภี มู สิ ารสนเทศ คำอธบิ ายสญั ลกั ษณแ์ ละคำย่อทใี่ ชใ้ นการวิจยั คำยอ่ Name คำอธิบาย CDAI Crop Drought Damage Assessment ดัชนีประเมินความเสียหายของพืชจาก Index ภัยแลง้ CI Chlorophyll Content Index ดชั นคี า่ คลอโรฟลิ ล์ DHI Drought Hazard Index ดชั นคี วามเสยี่ งภัยแล้ง DRI Drought Risk Index ดัชนีพื้นที่เสี่ยงภัยแล้ง เป็นดัชนีบ่งชี้ ระดับความแห้งแล้ง จากการตรวจวัด สขุ ภาพพืชในชว่ ง 1 สัปดาห์ DSI Drought Severity Index ดัชนีพน้ื ที่เส่ยี งภัยแลง้ ต่อเนื่อง เป็นดัชนี ค่าเฉลี่ย DRI ตามช่วงระยะเวลา ต่อเนื่องกันจนถึงสัปดาห์ที่ประมวลผล 4 สัปดาห์ DVI Drought Volubility Index ดัชนคี วามเปราะบางภยั แล้ง ETo Evapotranspiration การคายระเหย EVI Enhanced Vegetation Index ดัชนเี นน้ ภาพพชื พรรณ FPAR Fraction of Absorbed Photosynthetically ดชั นสี ัดสว่ นของการแผ่รังสใี นช่วงคล่ืนที่ Active Radiation พชื ใชส้ งั เคราะหแ์ สง GPM Global Precipitation Measurement ข้อมูลการวัดปริมาณน้ำฝนจาก ดาวเทยี มทว่ั โลก LAI Leaf Area Index ดชั นีผิวใบ LST Land Surface Temperature อุณหภมู พิ ้นื ผวิ SAVI Soil Adjusted Vegetation Index ดชั นีพชื พรรณปรับแกด้ ิน NDVI Normalized Difference Vegetation Index ดชั นพี ชื พรรณ SMAP Soil Moisture Active Passive ขอ้ มูลดาวเทียมตรวจวดั ความช้ืนในดิน SPI Standard Precipitation Index ดัชนนี ำ้ ฝน TCI Temperature Condition Index ดัชนชี ้ีวัดอุณหภมู ิ VCI The Vegetation Condition Index ดัชนชี ้วี ดั ของพชื พรรณ VHI Vegetation Health Index ดชั นคี วามสมบรู ณข์ องพชื พรรณ รายงานการวิจัย Research Report) | หน้า ด

โครงการประเมินพ้นื ทเี่ สีย่ งภยั แลง้ และความเสยี หายของพชื เกษตรรายแปลง ด้วยเทคโนโลยภี ูมิสารสนเทศ บทที่ 1 บทนำ 1.1 ความสำคัญและท่ีมาของปัญหา ตามที่รัฐบาลได้กำหนดให้การประกันภัยพืชผล เป็นหนึ่งในมาตรการสำคัญที่ใช้เป็นเครื่องมือช่วยเหลือ เกษตรกรในการจัดระบบการเงิน เพื่อคุ้มครองต้นทุนการผลิตเมื่อเกิดภัยพิบัติทางธรรมชาติ คุ้มครองปริมาณ ผลผลิตที่ลดลง และคุ้มครองราคาผลผลิตที่ผันผวน ซึ่งจะสร้างเสถียรภาพทางรายได้และความมั่นคงในอาชีพ ให้แก่เกษตรกร โดยเป็นโครงการบูรณาการร่วมระหว่างภาครัฐและภาคเอกชน โครงการประกันภัยพืชผล ดำเนินการอย่างเป็นรูปธรรมในปี พ.ศ. 2554 ด้วยโครงการประกันภัยข้าวนาปี จนถึงปัจจุบันและในปี พ.ศ. 2562 จึงได้เริ่มโครงการประกันภยั ข้าวโพดเลีย้ งสัตว์ แต่ในกระบวนการตรวจสอบยืนยันความเสียหายยังไม่ได้มี การใช้เครื่องมือทางวิทยาศาสตร์และเทคโนโลยี เช่น การใช้ข้อมูลภาพถ่ายดาวเทียม ฯลฯ เข้ามาช่วยในการ ดำเนินการ ทำให้การช่วยเหลือเกษตรกรเกิดความล่าช้าและสิ้นเปลืองกำลังคนในการสำรวจตรวจสอบจำนวนมาก และ สำนักงานพัฒนาเทคโนโลยีอวกาศและภูมิสารสนเทศ (องค์การมหาชน) : สทอภ. ซึ่งเป็นหน่วยงานท่ี ดำเนินการดา้ นการประยุกตใ์ ช้เทคโนโลยภี ูมสิ ารสนเทศในการบรหิ ารจัดการเชิงพ้นื ที่ ได้เล็งเห็นความสำคัญของ ปัญหาดังกล่าว จึงได้มีแนวคิดในการดำเนินโครงการช่วยเหลือและลดความเสียหายของเกษตรกร จากแบบจำลองพื้นท่ีเส่ียงภัยแล้งด้วยเทคโนโลยีภูมสิ ารสนเทศ ซึ่งจะเป็นการเพิ่มประสิทธิภาพในการบรหิ ารจัด การเกษตรเชงิ พ้ืนทใี่ นสถานการณภ์ ยั แลง้ การดำเนินโครงการใช้หลักการวิเคราะห์ดัชนีภัยแล้งจากภาพถ่ายจากดาวเทยี ม (Drought Index) ทั้งใน ระบบ Passive และ ระบบ Active ท่มี กี ารบันทกึ ขอ้ มูลอยา่ งต่อเน่อื ง เปน็ รายวัน ผ่านการประมวลผลขอ้ มลู เป็น ชุดข้อมูลรายสัปดาห์ วิเคราะห์และคำนวณเป็นดัชนีภัยแล้งต่าง ๆ รวมถึงการพิจารณาเกณฑ์พิจารณาความ เสียหายของพืชแต่ละชนิดจากภัยแล้ง เพื่อวิเคราะห์และประเมินความเสียหายของพืช ทั้งนี้ผลที่ได้จากการวิจัย จะถูกจัดเก็บในรูปแบบฐานข้อมูลเชิงพื้นที่ (Geospatial database) และพัฒนาเป็นแพลตฟอร์มให้บริการผ่าน Web Application และ Mobile Application เพือ่ ชว่ ยเหลือและลดความเสียหายของเกษตรกรจากภยั แลง้ ท้งั ในระดับนโยบาย ระดับปฏิบัติการ และระดับพื้นที่ อาทิ กระทรวงเกษตรและสหกรณ์ กระทรวงมหาดไทย กรม ส่งเสริมการเกษตร กรมชลประทาน เป็นต้น ในการเฝ้าระวัง เตรียมความพร้อมรบั มือกบั สถานการณ์ภยั แล้ง ได้ ทันตอ่ สถานการณ์ 1.2 วัตถปุ ระสงค์ 1.2.1 สรา้ งแบบจำลองการวเิ คราะห์พื้นทเ่ี ส่ยี งภยั แลง้ เพอ่ื พัฒนาลำดบั การประมวลผลเป็นฐานข้อมูลแบบอตั โนมตั ิ 1.2.2 สรา้ งแบบจำลองการประเมินความเสียหายของพืชเกษตรรายแปลง เพ่อื พัฒนาลำดบั การประมวลผล เป็นฐานขอ้ มูลแบบอัตโนมัติ 1.2.3 จัดทำแพลตฟอร์มเพ่อื สนับสนนุ การตดั สินใจในการช่วยเหลอื เกษตรกรผูป้ ระสบภัยแล้ง 1.2.4 การขับเคล่ือน ตดิ ตาม ประเมินผลลพั ธ์และผลตอบแทนทางสังคม รายงานการวจิ ยั Research Report) | หนา้ 1

โครงการประเมินพ้นื ท่เี สี่ยงภัยแลง้ และความเสยี หายของพชื เกษตรรายแปลง ดว้ ยเทคโนโลยีภมู ิสารสนเทศ บทท่ี 2 ทบทวนวรรณกรรมทเ่ี กยี่ วข้อง 2.1 นิยามความหมายเกีย่ วกับภัยแล้ง ภัยแลง้ ในประเทศไทยสว่ นใหญ่เกิดจากฝนแล้งและฝนทิ้งชว่ ง โดยสภาวะฝนแล้งคือภาวะท่ีปริมาณฝนตก มีน้อยกว่าปกติ หรือไม่ตกตามฤดูกาล ส่งผลให้เกิดภัยแล้งในรอบปีได้สองช่วง คือ (1) ภัยแล้งช่วงฤดูหนาว ต่อเนื่องฤดูร้อน (ครึ่งหลังของเดือนตุลาคมถึงกลางเดือนพฤษภาคม) มักเกิดภัยแล้งได้ในบริเวณประเทศไทย ตอนบน (ภาคเหนือ ภาคตะวันออกเฉียงเหนือ) และบางส่วนของภาคกลางและภาคตะวันออก โดยมีปริมาณฝน ลดลงเป็นลำดับจนกว่าจะเข้าสู่ฤดูฝนในช่วงกลางเดือนพฤษภาคมของปีถัดไป ภัยแล้งลักษณะนี้เกิดขึ้นเป็น ประจำทกุ ปี (2) ภยั แลง้ ช่วงกลางฤดูฝน (ปลายเดอื นมถิ นุ ายนถึงเดือนกรกฎาคม) เปน็ กรณขี องฝนทิ้งชว่ ง มกั เป็น เหตุการณ์ที่เกิดเฉพาะถิ่น กล่าวคือเกิดได้ในบางบริเวณ แต่บางปีก็อาจเกิดครอบคลุมพื้นที่กว้างขวางได้เช่นกัน ลักษณะความแห้งแล้งรูปแบบนี้มักเกิดเด่นชัดในภาคตะวันออกเฉียงเหนือ ปัจจุบันภาวะฝนแล้งและฝนทิ้งช่วงมี แนวโนม้ รุนแรงข้ึน สนั นษิ ฐานกันว่ามีสาเหตุมาจากการเปล่ียนแปลงสภาวะภูมิอากาศโลก ความเสียหายจากภัย แล้งจัดเป็นภยั พิบัติทางธรรมชาติทีเ่ รียกกันว่า ภัยแล้ง อันเป็นภัยที่คุกคามชวี ติ และทรัพยส์ ินของประชาชนและ สามารถส่งผลกระทบต่อเศรษฐกิจโดยรวมของประเทศได้ โดยเฉพาะอย่างยิ่งในภาคการเกษตรและภาค เศรษฐกิจที่เกยี่ วขอ้ ง ความหมายของความแห้งแลง้ มกี ารใหค้ ำนยิ ามทต่ี ่างกนั ดงั นี้ 2.1.1 ความแหง้ แล้งทางอตุ ุนิยมวทิ ยา (Meteorological Drought) เป็นความแห้งแลง้ ทเ่ี กิดจากฝนท้ิง ช่วง หรือมีฝนน้อยกว่าระดับท่ีกำหนด (Threshold) โดยช่วงที่เกิดความแห้งแล้งสามารถพิจารณาจากจำนวน วันที่ฝนตกน้อยกว่าระดับท่ีกำหนดความแห้งแล้งเชิงอุตุนิยมวิทยาเป็นจุดเริ่มต้นของปัญหาความแห้งแล้งใน ลกั ษณะอ่นื ๆ ที่จะเกดิ ขึ้นตามมาได้ 2.1.2 ความแห้งแล้งทางการเกษตร (Agricultural Drought) เป็นความแห้งแล้งที่เป็นผลกระทบต่อ เนื่องมาจากความแห้งแล้งทางอุตุนิยมวิทยา เป็นการพิจารณาการทิ้งช่วงของฝนที่ทำให้ดิน ขาดความชุ่มชื้นจน ส่งผลกระทบต่อพืชทางการเกษตรบางชนิด ทั้งนี้เพราะพืชมีความทนทาน ต่อสภาพความแปรปรวนของ ภูมิอากาศได้ต่างกัน ความต้องการน้ำและช่วงอายุของพืชก็ ตอบสนองต่อความแห้งแล้งแตกต่างกัน หากความแห้ง แลง้ มมี ากจนสงผลกระทบตอ่ ผลผลติ ทางการเกษตรจนเกดิ ความเสยี หายทก่ี ว้างขวางก็ถอื ว่าเปน็ ภัยแลง้ ได้ 2.1.3 ความแห้งแล้งทางอุทกวิทยา (Hydrological Drought) เป็นความแห้งแล้งที่เกิดจากการที่ ช่วง ฤดูกาลมีปริมาณฝนน้อยหรือไม่มีฝนกว่าเกณฑ์ปกติ ทำให้ระดับน้ำผิวดินที่อยู่ในแม่น้ำ อ่างเก็บน้ำ ทะเลสาบ และน้ำใต้ดิน (น้ำบาดาล) ลดระดับลง นอกจากนี้อาจมีปัจจัยอื่นร่วม เป็นสาเหตุใหเ้ กิดความแหง้ แลง้ ทางดา้ นน้ี ไดด้ ้วย เชน่ การเปลยี่ นแปลงการใชท้ ี่ดนิ บริเวณ พ้นื ที่ต้นนำ้ ทสี่ ่งผลตอ่ พน้ื ที่ทา้ ยนำ้ ความแหง้ แล้งทางอุทกวิทยา มักพิจารณาในระดับลุ่มน้ำ โดยความแห้งแล้งรูปแบบนี้จะเกิดขึ้นอย่างช้าๆ ต่างจากความแห้งแล้งทาง อุตนุ ยิ มวทิ ยา และความแห้งแลง้ ทางการเกษตร และระดับความรนุ แรงของปญั หาก็เป็นส่งิ ทีป่ ระเมนิ ไดย้ าก รายงานการวิจยั Research Report) | หน้า 2

โครงการประเมนิ พืน้ ท่เี สี่ยงภยั แล้งและความเสียหายของพชื เกษตรรายแปลง ด้วยเทคโนโลยีภมู สิ ารสนเทศ 2.1.4 ความแห้งแล้งทางเศรษฐกิจและสังคม (Socio-Economic Drought) เป็นความแห้งแล้งท่ี พิจารณาจากทรัพยากรท่ีมีอยู่ (Supply) และความต้องการทรัพยากรนั้น (Demand) แต่เนื่องจากความจํากัด ของทรัพยากรที่มีอยู่ในขณะที่ความตอ้ งการทรพั ยากรมีมากจงึ ก่อให้เกิดความขาดแคลนขึน้ ดงั นั้นความแห้งแล้ง ทางเศรษฐกิจและสังคมจะแตกต่างจากนิยามความแห้งแล้งรูปแบบอื่นๆ ด้วยมองที่คนเป็นหลักโดยพิจารณาที่ ความต้องการใช้กับความจํากัดของทรัพยากร กล่าวคือ พิจารณาว่าทรัพยากรที่มีค่าทางเศรษฐกิจ เช่น น้ำ ผลผลิตทางการเกษตร สัตว์น้ำ รวมถึงพลังงานไฟฟ้า มีความจํากัดอันเนื่องมาจากความแห้งแล้งในสามรูปแบบ ข้างต้นหรือไม่ หากมีผลกระทบต่อเน่ืองถงึ สภาพทางเศรษฐกิจและสังคมตามมาจะถือเปน็ ความแห้งแล้งหรือภยั แล้งทางเศรษฐกิจและสังคม เช่น กรณีเกิดฝนทิ้งช่วงในช่วงฤดูการผลิตและปริมาณน้ำที่มีอยู่ไม่เพียงพออัน เนื่องมาจากความแห้งแล้งยาวนานก่อนหน้านี้จน ทำให้ผลผลิตภาคการเกษตรลดลงส่งผล ทำให้รายได้ ของ เกษตรกรลดลง ราคาสินค้าทางการเกษตรในท้องตลาดสูงขึ้นและส่งผลกระทบต่อระบบเศรษฐกิจภาคส่วนอ่ืน ลักษณะนี้จดั เป็นความแห้งแลง้ ทางเศรษฐกิจและสงั คม แต่หากความแห้งแล้งต่าง ๆ ดังกล่าวน้ันไม่รุนแรงถึงข้นั ส่งผลกระทบต่อสภาพทางเศรษฐกิจในวงกว้างมากนกั กย็ งั ไม่จัดเปน็ ความแหง้ แล้งหรือภยั แล้ง 2.2 ดาวเทยี มที่มศี ักยภาพในการประเมินภัยแลง้ 2.2.1 กลมุ่ ดาวเทียมความละเอียดปานกลาง (Moderate Resolution Satellites) 1) Earth Observing System Data and Information System (EOSDIS) ภารกจิ หลกั หน่ึงขององค์การ NASA คอื การสำรวจโลก พันธกิจภายใต้ช่ือ Joint Polar Satellite System (JPSS) เป็นหนึ่งในความร่วมมือกันระหว่าง NOAA และ NASA ในการใช้เทคโนโลยีที่ทันสมัยและ พัฒนาความก้าวหน้าทางวิทยาศาสตร์ในความพยายามที่จะพยากรณ์และติดตามสภาวะอากาศและสิ่งแวดล้อม ของโลก โดยมีดาวเทียม Suomi National Polar-orbiting Partnership (Suomi-NPP) เป็นหนึ่งในโครงการ ดาวเทียมสำรวจโลกท่ีถูกสรา้ งขน้ึ มาเพื่อตอบสนองพันธกจิ ดังกลา่ ว ถกู ส่งโคจรเม่ือปี ค.ศ. 2011 เพ่ือการสำรวจ เมฆ ละอองลอยในช้ันบรรยากาศ สขี องมหาสมทุ ร อณุ หภมู พิ น้ื ผวิ แผน่ ดินและทะเล การเคล่ือนท่ขี องธารน้ำแข็ง ไฟป่า และอลั บีโด ดาวเทยี ม Suomi-NPP มีอปุ กรณ์เครื่องวัดถึง 5 ระบบ หนึง่ ในนั้นคือระบบ Visible Infrared Imaging Radiometer Suite (VIIRS) เป็นเซ็นเซอร์ที่ทันสมัย นำมาใชส้ ำรวจโลกเพ่ือทำหน้าที่ต่อจากดาวเทียม ระบบ AVHRR รุ่นแรกขององค์การ NOAA และระบบ MODIS ขององค์การ NASA โดยเซ็นเซอร์ VIIRS ใน ดาวเทยี ม Suomi-NPP มี 22 แบนด์ ความยาวคลื่นทีส่ ำรวจอยู่ระหว่าง 0.41 ถงึ 12.5 ไมครอน มคี วามละเอียด เชิงพื้นที่ 375 เมตร (บริเวณ Nadir) โคจรผ่านบริเวณศูนย์สูตร 14 รอบต่อวัน ความกว้างแนวบันทึกข้อมูลบน โลกประมาณ 3 กิโลเมตร สามารถบันทึกภาพทั้งโลกได้สองครั้งต่อวัน ออกแบบให้มีอายุใช้งาน 5 ปี จัดเป็น ดาวเทยี มทเ่ี ป็นตวั เช่ือมต่อเทคโนโลยีสองยคุ คือระหวา่ งกลุ่มดาวเทียม NOAA รนุ่ แรก กับ กลุ่มดาวเทียมรุ่นใหม่ ที่กำหนดใช้ชื่อว่า JPSS ที่จะส่งดวงแรกในปี ค.ศ. 2017 ใช้ชื่อ JPSS-1 เพื่อปฏิบัติภารกิจต่อจาก Suomi-NPP โดยใช้ชุดเซ็นเซอร์ที่เป็นเทคโนโลยีเดียวกัน หลังจากนั้นก็มีแผนที่จะส่ง JPSS-2, JPSS-3, และ JPSS-4 ตามมา รายงานการวจิ ยั Research Report) | หน้า 3

โครงการประเมินพนื้ ทเี่ ส่ยี งภยั แลง้ และความเสียหายของพืชเกษตรรายแปลง ด้วยเทคโนโลยภี มู สิ ารสนเทศ ในปี ค.ศ. 2021, 2026 และ 2031 ตามลำดับ หากพิจารณาเป็นการพัฒนาต่อเนื่อง JPSS-1 ก็คือ NOAA-20 นน่ั เอง สำนักงานพัฒนาเทคโนโลยีอวกาศและภูมิสารสนเทศ (องค์การมหาชน) ได้นำข้อมูลจาก ดาวเทียม Suomi-NPP ซึ่งถือว่าเป็นดาวเทียมดวงใหม่ในกลุ่มดาวเทียมสำรวจโลก ในขณะที่ดาวเทียมระบบ AVHRR และระบบ MODIS ยังปฏิบัติการอยู่มาศึกษาและใช้ประโยชน์ทางด้านการติดตามความแห้งแล้งใน ภาพรวมตง้ั แต่ปี พ.ศ. 2560 จนถงึ ปจั จุบัน รูปท่ี 2- 1 ภารกจิ ของดาวเทียมระบบ VIIRS ในการตรวจสอบและติดตามด้านส่ิงแวดล้อม 2) Global Precipitation Measurement (GPM) GPM เป็นปฏิบัติการที่ NASA ใช้เทคโนโลยีดาวเทียมในการตรวจวัดพลวัตของการแลกเปลี่ยน พลังงานความร้อนที่ได้รับจากแสงอาทิตย์กับบรรยากาศของโลก โดย 25% จะถูกใช้อยู่ในบรรยากาศ และอีก 75% จะถูกส่งผ่านกลับมายังชั้นบรรยากาศในรูปของน้ำ (Water) ซึ่งพลังงานความร้อนนี้ก่อให้เกิดพลวัตของ บรรยากาศของโลก GPM พัฒนาระบบ Dual-frequency Precipitation Radar (DPR) ต่อยอดจากระบบของ Tropical Rainfall Measurement Mission (TRMM) โดยอาศัยความถี่ที่สองในการศึกษาโครงสร้างของชั้น หยดน้ำ ฝน หิมะ ข้อมูลหยาดน้ำฟ้า (precipitation) มีความสัมพันธ์กับความชื้นของผิวดิน ที่ส่วนหนึ่งสามารถ ใช้อธิบายความสัมพนั ธท์ ค่ี วามช้ืนมคี า่ มากข้นึ ก็เนือ่ งมาจากฝนท่ีตกลงมาบนพน้ื ดนิ 3) Soil Moisture Active Passive (SMAP) ระบบดาวเทียม Soil Moisture Active Passive (SMAP) เป็นดาวเทียมรังวัดช่วงคล่ืน L-Band Radiometer (Passive) และ L-band radar (Active) สำหรบั ภารกจิ สำรวจความชื้นในดิน ขององค์กร NASA มีการประมวลผลข้อมูล 4 ระดับ (Level) ระดับที่ 1 (L1) เป็นข้อมูลการรังวัดจากอุปกรณ์บนดาวเทียม ระดบั ท่ี 2 (L2) เป็นขอ้ มูลความชน้ื ในดนิ ที่ประมวลผลจากขอ้ มูล L1 และขอ้ มูลเสรมิ ที่เกี่ยวข้อง ผลติ เป็นข้อมูลก รายงานการวจิ ยั Research Report) | หนา้ 4

โครงการประเมนิ พน้ื ทเี่ สย่ี งภยั แลง้ และความเสยี หายของพืชเกษตรรายแปลง ดว้ ยเทคโนโลยีภมู ิสารสนเทศ ริดอ้างอิงบนพื้นผิวโลก ระดับที่ 3 (L3) เป็นข้อมูลคอมโพสิตของ L2 รายวัน และระดับที่ 4 (L4) เป็นข้อมูล ประมวลผลโดยแบบจำลองและข้อมูลที่ตรวจวัดเพิ่มเติมเพื่อผลิตเป็นข้อมูลความชื้นพื้นผิว (Surface Soil Moisture) ข้อมลู ความช้ืนระดบั โซนราก (Root Zone) และข้อมลู วฎั จักรคารบ์ อนในระบบนิเวศ (Carbon Net Ecosystem Exchange) ดงั น้ัน การศกึ ษาในโครงการจะนำข้อมูลระดับ L2 L3 และ L4 มาใช้ในการศึกษาสร้าง แบบจำลองความช้นื ผิวดนิ และความชื้นระดับโซนราก ผลิตภัณฑ์ชนิด SMAP-Sentinel Level 2 Soil Moisture Active-Passive (L2SMSP) ที่มีการ ผนวกข้อมูลความละเอียดสูงจากดาวเทียม Sentinel-1 ของชุดดาวเทียม Copernicus มาร่วมในการคำนวณ ความชื้นในดิน จากที่ SMAP มีปัญหาเรื่องอุปกรณ์รังวัด radar ในดาวเทียมเอง ทำให้ผลิตภัณฑ์ SMAP L2SMAP มีการคำนวณผสมผสานกันระหว่างการรังวัดข้อมูลคลื่น brightness temperature (TB) และ soil Moisture (SM) ที่ตรวจวัดจาก SMAP (33 km.) และเพิ่มความละเอียด (Disaggregates Resolution) ให้เข้า กับความละเอียดของข้อมูลจาก Sentinel-1 (10 m.) ที่ลดทอนความละเอียดให้เท่ากันที่ 3 km. (1 km. ทดสอบ) และคำนวณพารามิเตอร์ความสัมพันธ์ระหว่าง Brightness Temperature และข้อมูล SAR (Synthetic Aperture Radar) เพื่อผลิตข้อมูลความชื้นในดินที่มีความละเอียดมากขึ้นเป็น 3 km. จาก 33 km. รว่ มกบั ขอ้ มูลเพม่ิ เตมิ อนื่ ๆ SMAP เป็นดาวเทียมที่ออกแบบมาเพื่อตรวจวัดความชื้นในดิน วัฏจักรของน้ำ วัฏจักรคาร์บอน และพลังงานในทุก ๆ 2-3 วัน ทำให้สามารถสังเกตการเปลี่ยนแปลงได้ทั่วโลกในช่วงเวลาต่าง ๆ ตั้งแต่พายุใหญ่ ไปจนถึงการวัดการเปลี่ยนแปลงซ้ำ ๆ ตามฤดูกาล กรณีที่พื้นดินไม่แข็งตัว SMAP จะวัดปริมาณน้ำท่ีพบระหว่าง แร่ธาตุ วัสดุที่เป็นหนิ และอนุภาคอินทรียท์ ีพ่ บในดนิ ทุกที่ในโลก (SMAP วัดน้ำของเหลวในชั้นบนสุดของพื้นดนิ แต่ไม่สามารถวัดน้ำแข็งได้) การศึกษาสภาพอากาศจะใช้ข้อมูล SMAP เช่นกัน ปริมาณน้ำที่ระเหยจากผิวดินสู่ ชัน้ บรรยากาศข้ึนอยู่กบั ความช้ืนของดนิ ขอ้ มูลความชน้ื ในดนิ เปน็ กุญแจสำคัญในการทำความเข้าใจการไหลของ น้ำและพลังงานความร้อนระหว่างพื้นผิวและบรรยากาศที่ส่งผลต่อสภาพอากาศ โดยใช้การตรวจวัดจาก SMAP Radiometer และ SMAP Radar ปัจจุบัน สำนักงานพัฒนาเทคโนโลยีอวกาศและภูมิสารสนเทศ เป็นหน่วยงานเดียวที่ให้บริการ ข้อมูลจากดาวเทียมแบบครบวงจร กล่าวคือ มีการรับสัญญาณโดยตรงจากดาวเทียม มีคลังข้อมูลดาวเทียมทั้ง รายละเอยี ดสงู ปานกลาง และตำ่ มกี ารดำเนินการวเิ คราะห์ข้อมลู และผลิตแผนทเ่ี ฉพาะกิจ การจัดทำข้อมูลใน ลักษณะสารสนเทศภูมิศาสตร์ รวมถึงจัดหาและให้บริการข้อมูลดาวเทียมสำรวจทรัพยากร ทั้งภาครัฐ เอกชน ภายในและภายนอกประเทศทั่วโลก 2.2.2 ดาวเทียมความละเอียดสูง (High Resolution Satellites) ข้อมูลจากดาวเทียมในกลุ่มดาวเทียม Sentinels จะมีระบบให้บริการอยู่สองส่วน คือ Copernicus Open Access Hub และ Copernicus Data and Information Access Services (DIAS) สอง ส่วนนี้แตกตา่ งกันตรงที่ Copernicus Open Access Hub จะให้บริการไม่เสยี ค่าใชจ้ ่ายแก่บุคคลทั่วไปและเปน็ การให้บรกิ ารจาก ESA โดยตรงไปให้กับผใู้ ช้งาน แต่การให้บรกิ ารอีกรปู แบบหนงึ่ DIAS จะเป็นการให้บริการผ่าน รายงานการวจิ ัย Research Report) | หนา้ 5

โครงการประเมินพนื้ ทเ่ี ส่ยี งภยั แล้งและความเสยี หายของพืชเกษตรรายแปลง ด้วยเทคโนโลยภี มู สิ ารสนเทศ ผู้แทน เช่น ONDA, Sobloo, CREOIAS และmundi Web Services ซึ่งเป็นภาคเอกชน ESA พัฒนาระบบ ให้บริการข้อมูลผ่านเทคโนโลยี RESTful และเรียกการเข้าถึงชุดข้อมูลแบบ RESTful นี้ว่า Open Data Protocol (OData) หมายถึง การอ้างอิงชุดข้อมูลจะอยู่ในรูปแบบ URL นอกจากการสืบค้นผ่าน GUI Application ที่ ESA เรียกว่า EO Browser ESA เปิดบริการข้อมูล Sentinel ฟรี (กรณีไม่ใช่เพื่อการคา้ ) ทำให้ตรงนี้เปน็ โอกาสอย่างมาก ใน การนำข้อมลู ภาพถ่ายดาวเทยี มรายละเอยี ดสงู ระดบั 10 เมตร มาใช้ในการเข้าถงึ ข้อมูลสามารถทำได้หลากหลาย แบบ เช่น การดาวน์โหลดผ่านหน้า Web Application หรือแม้แต่การเขา้ ถึงจาก Python API ซึ่ง ในงานวิจยั นี้ สำนักงานพัฒนาเทคโนโลยีอวกาศและภูมิสารสนเทศ (องค์การมหาชน) จะมีการดาวน์โหลดข้อมูล Real Time แบบอัตโนมัติ โดยจะมีการจัดเก็บฐานข้อมูลเข้าสู่ระบบเครือข่ายคอมพิวเตอร์ เพื่อนำไปสู่การวิเคราะห์และ ประมวลผลพ้ืนท่ีเสย่ี งภัยแล้งและความเสียหายของพชื เกษตรรายแปลงต่อไป 1) ดาวเทยี ม Sentinel-1 (S1) ดาวเทียม Sentinel-1 ถูกออกแบบมาเพื่อให้ข้อมูลเชิงพื้นที่เพื่อรองรับการสำรวจด้าน สิ่งแวดล้อมและความปลอดภัย รวมถึงการเติบโตทางธุรกิจและเศรษฐกิจทั่วโลก ปล่อยขึ้นสู่วงโคจรเมื่อ ค.ศ. 2014 เป็นดาวเทียมเรดาร์ที่โคจรผ่านขั้วโลก (Polar Orbiting Satellite) วงโคจรสูงจากพื้นโลก 693 กิโลเมตร ประกอบด้วยดาวเทยี ม Sentinel-1A และ Sentinel-1B รอบการกลบั มาถ่ายภาพที่ตำแหน่งเดิม 12 วัน ระบบ เซน็ เซอร์ 2) ดาวเทียม Sentinel-2 (S2) ดาวเทียม Sentinel-2 เป็นดาวเทียมสำรวจทรัพยากร ประกอบด้วยดาวเทียมสองดวงคือ Sentinel-2A และ Sentinel-2B ถูกปล่อยขึ้นสู่วงโคจรเมื่อปี ค.ศ.2015 และ ค.ศ.2017 ตามลำดับ โดย European Space Agency ดาวเทียม Sentinel-2 เป็นดาวเทียมที่ให้ภาพเชิงแสง ความละเอียดเชิงพื้นที่ 10, 20 และ 60 เมตร โดยความละเอียดเชิงพื้นที่จะแตกต่างกันขึ้นอยู่กับความยาวคลื่น ดาวเทียม Sentinel-2 รองรบั ความยาวคลน่ื ทั้งหมด 3 ชว่ งคลื่น คือ Short Wave NIR และ Visible รวมทงั้ หมด 13 ย่านความถี่ พื้นที่ ทำการครอบคลมุ ท่วั โลก ท้งั ภาคพื้นดนิ และมหาสมุทร รองการบนั ทึกข้อมลู ซ้ำทุก ๆ 5 วนั พฒั นาขึ้นเพื่อรองรับ Application ต่าง ๆ เชน่ การเกษตร, การสำรวจทรัพยากร, การจัดการภัยพบิ ตั ิ, การจัดการทรัพยากรนำ้ และอ่นื ๆ รายงานการวจิ ัย Research Report) | หน้า 6

โครงการประเมินพ้นื ทเี่ สยี่ งภัยแลง้ และความเสียหายของพืชเกษตรรายแปลง ดว้ ยเทคโนโลยีภูมสิ ารสนเทศ 2.3 ดัชนภี ยั แลง้ 2.3.1 ดชั นภี ยั แล้งทางอุตุนยิ มวิทยา ดัชนีเป็นตัวบ่งชี้เรื่องราวเพื่อให้เกิดความชัดเจนในขนาดและทิศทางที่ง่ายต่อการเข้าใจกว่าการ พิจารณาท่ีค่าในหน่วยวดั ของเร่ืองน้ัน ๆ ดัชนีภัยแลง้ (drought index) ก็คอื ตัวบง่ ชี้ความแห้งแล้งของพื้นท่ีหนึ่ง ๆ ทีใ่ ชแ้ ทนคา่ ของปจั จัยที่มอี ิทธพิ ลต่อความแห้งแล้งของพื้นที่ ปัจจัยดังกลา่ วเป็นตวั ทกี่ อ่ ให้เกดิ ความผิดปกติของ ความช้ืนที่ลดลงกว่าปกติ ดชั นีภัยแลง้ มกี ารพฒั นาและใช้งานกันในหลายประเทศ ในระยะแรกเป็นการประเมิน จากข้อมูลที่ได้จากการตรวจวัดทางอุตุนิยมวิทยาผวิ พืน้ ทีม่ ีการปรับรูปแบบของตัวดัชนีที่แตกต่างกันออกไปบ้าง ตามตัวแปรทน่ี ำเขา้ มาวเิ คราะห์ เชน่ อุณหภูมิ ท่ีต้ังของพืน้ ท่ี (ละติจูด) ความชน้ื ดิน ความเรว็ ลม เปน็ ตน้ (Paral, 2006; Zargar et al., 2014; วิรัช และคณะ, 2554) โดยดัชนีภัยแล้งในทางอุตุนิยมที่ได้รับความนิยมใช้และมี การอา้ งองิ มาก ได้แก่ 1) ดัชนีความชื้นที่เป็นประโยชน์ต่อพืช (Moisture Available Index; MAI) เป็นดัชนีที่เสนอโดย Hargreaves (1972) เป็นดัชนีที่ใช้การกำหนดความชื้นที่เป็นประโยชน์ต่อพืช โดยใช้อัตราส่วนความน่าจะเป็น ของฝนทีร่ ะดบั ร้อยละ 75 กบั ศักยข์ องการคายระเหยน้ำของพชื ประเมินตามวธิ กี ารของ Penman-Monteith ที่ อยู่บนพื้นฐานของการพิจารณาเปรียบเทียบค่าการคายระเหยที่เป็นอยู่กับค่าอ้างอิง ( Reference Evapotranspiration) โดยตัวแปรที่ใช้ในสมการของ Penman-Monteith ได้แก่ รังสีดวงอาทิตย์ อุณหภูมิ อากาศ ความชื้นสัมพทั ธ์ ความเร็วลม เป็นต้น และสามารถแสดงผลเปน็ ระดับการขาดน้ำของพืชได้ เช่น รุนแรง ปานกลาง เล็กนอ้ ย พอเพียง และมากเกนิ ไป เป็นต้น 2) ดัชนีภัยแล้งของพาล์มเมอร์ (Palmer Drought Severity Index; PDSI) เป็นดัชนีวัดความ ผิดปกติของความชื้น ใช้หลักการวิเคราะห์ความต้องการน้ำและปริมาณน้ำที่มีในสมการสมดุลน้ำ ( water balance equation) ดัชนี PDSI เป็นตัวชี้วัดความแห้งแล้งทางอุตุนิยมวิทยา มีความสัมพันธ์กับอุณหภูมิ ฝน ความชื้นดิน โดย PDSI สามารถนำมาเป็นมาตรฐานของความชื้นที่สามารถเปรียบเทียบได้ทั้งระหว่างพื้นที่และ ระหวา่ งเดอื น PDSI เปน็ ดัชนที สี่ ะท้อนสภาพอากาศท่ีแห้งหรือช้ืนเกินไป มีการใชง้ านอย่างกว้างขวาง เหมาะกับ พื้นท่ีขนาดใหญ่ท่มี ลี ักษณะภูมปิ ระเทศคลา้ ยคลงึ กัน สว่ นในเขตทม่ี ีภูมิประเทศท่ีซับซอ้ นความแมน่ ยำจะลดลง 3) ดัชนีปริมาณน้ำฝนมาตรฐาน (Standardized Precipitation Index; SPI) หรือดัชนีภัยแล้ง จากฝนที่ต่างจากเกณฑ์ปกติ (หากใช้เป็นดัชนีวัดความแห้งแล้ง) เป็นดัชนีที่สะท้อนความแห้งแล้งจากการขาด แคลนปริมาณฝน ที่เป็นปัจจัยที่ส่งผลให้เกิดความแห้งแล้งในแต่ละช่วงเวลาที่ต่างไปจากปกติ (ค่าเฉลี่ย) ได้แก่ ความชื้นดิน ปริมาณน้ำในดิน ปริมาณน้ำในอ่างเก็บน้ำ และน้ำที่ไหลในแม่นำ้ SPI ใช้ข้อมูลพื้นฐาน คือ ปริมาณ ฝน ณ สถานีและช่วงเวลาหนึ่ง ๆ แล้วใช้วิธีการแปลงค่าอนุกรมเวลาของฝน ให้อยู่ในรูปการแจกแจงปกติแบบ มาตรฐาน เพื่อหาค่า SPI สำหรับสถานที่และช่วงเวลานั้น ๆ ค่าดัชนีที่เป็นไปในทางลบแสดงถึงความแห้งแล้ง ส่วนค่าดัชนที ี่เปน็ ไปในทางบวกแสดงถึงความช่มุ ช้ืนหรอื มฝี นมากกวา่ ปกติ 4) ดัชนีความแห้งแล้งจากความชื้นที่พืชใช้ประโยชน์ (Crop Moisture Index; CMI) เป็นดัชนีท่ี พัฒนาจากหลักการที่คล้ายคลึงกับดัชนี PDSI สามารถวัดและเปรียบเทียบระดับความชื้นระหว่างพื้นที่ได้ แต่ รายงานการวิจยั Research Report) | หน้า 7

โครงการประเมนิ พ้ืนท่เี สย่ี งภยั แลง้ และความเสยี หายของพืชเกษตรรายแปลง ด้วยเทคโนโลยภี ูมิสารสนเทศ ดัชนี CMI เน้นการวัดความชื้นในดินชั้นบน โดยคำนวณจากอุณหภูมิ และปริมาณฝนรวมในแต่ละสัปดาห์ ค่า CMI จะเปลี่ยนแปลงอย่างรวดเร็วหากมีฝนตกหนักในสัปดาห์นั้น ๆ ทำให้ค่า CMI ไม่เหมาะสมที่จะนำไปใช้วัด ความแหง้ แลง้ ระยะยาว แต่เหมาะสำหรบั การวดั ในชว่ งเวลาสั้น ๆ และเหมาะในการตดิ ตามเฝ้าระวังผลกระทบที่ เกิดขึน้ กบั พืชผลทางการเกษตร ในบรรดาดชั นภี ัยแล้งทางอุตุนยิ มวิทยาท่ีนิยมใช้กนั มากดังกล่าวข้างต้น SPI จัดเป็นดัชนีที่น่าสนใจ สำหรับการประยุกต์ใช้ในประเทศไทยในกรณีทีต่ ้องการความสะดวกรวดเร็วเนื่องจากใช้ตัวแปรท่ีจะต้องวัดไม่มาก นัก SPI พัฒนาโดย McKee et al (1993) ถูกสร้างมาเพื่อเป็นเครื่องมือในการกำหนดและติดตามสภาวะแห้ง แล้ง ในช่วงเวลาต่าง ๆ ที่กำหนด โดยดูจากปริมาณฝนสะสมในแตล่ ะช่วงเวลาท่ีสนใจ ซึ่งอาจมีตั้งแต่ 1 เดือน 2 เดอื น 3 เดอื น ไปจนถึง 72 เดือน ตามปกตปิ ริมาณฝนโดยทั่วไปจะมีการกระจายแบบต่อเนื่องในรูปแบบฟังก์ชัน การแจกแจงแบบแกมมา (Gamma Distribution) กล่าวคือ ในช่วงเวลาหนึ่ง (เช่น สัปดาห์ เดือน หลายเดือน หรือป)ี ปรมิ าณฝนทตี่ กแตล่ ะจดุ เวลาจะมคี า่ โดยสุม่ ในช่วงหน่งึ โดยรปู กราฟการกระจายจะมรี ูปโคง้ ทแี่ ตกต่างกัน ไปแล้วแต่พื้นที่และช่วงเวลา ในการอธิบายทางคณิตศาสตร์ รูปแบบการกระจายจะแตกต่างกันไปตาม พารามเิ ตอรข์ องฟังก์ชนั (คา่ อัลฟาและเบต้า) แต่ละพ้นื ท่แี ละแตล่ ะช่วงเวลาจะมีข้อมูลท่ีแตกตา่ งกนั ไป ดงั น้ันใน การอธิบายลักษณะฝนที่ตกของแต่ละสถานีวัดอากาศจะใช้ฟังก์ชันความน่าจะเป็นสะสม (Cumulative Probability Density Function) ของปริมาณฝนรวมแทนฟังก์ชันการแจกแจงแบบแกมมา ซึ่งหากมีข้อมูล ปริมาณฝนที่เก็บไว้ต่อเนือ่ งมาในอดีตก็สามารถวเิ คราะห์ได้ว่าความน่าจะเป็นที่ฝนที่ตกในช่วงเวลาท่ีสนใจอยูน่ ้มี ี ค่านอ้ ยกว่าหรือเท่ากับค่าเฉล่ียของพ้ืนท่ี นัน่ คอื สามารถวัดความแห้งแล้งของพ้ืนท่ีได้วา่ มีหรือไม่และอยู่ในระดับ ใด ในการพัฒนาเป็นดัชนี SPI จะทำการแปลงรูปฟังชันความน่าจะเป็นสะสมให้เป็น ค่าปกติมาตรฐาน Z คือมี ค่าเฉลี่ยเท่ากับศูนย์และค่าเบีย่ งเบนมาตรฐานที่ยังคงให้ค่าความน่าจะเปน็ ไม่แตกต่างไปจากฟังก์ชันความน่าจะ เป็นสะสมเดิม ค่า SPI ที่ได้สามารถแบ่งเป็นระดับเพื่อบ่งชี้ถึงระดับความชุ่มชื้นและความแห้งแล้งของพื้นที่ได้ ตวั อย่างการกำหนดชว่ งแสดงดงั รปู ที่ 2-2 (ก) (ข) รูปที่ 2-2 ตัวอย่างการแปลงจาก Gamma Distribution (ก) เป็น Standard Normal Distribution (ข) รายงานการวจิ ัย Research Report) | หนา้ 8

โครงการประเมนิ พน้ื ท่เี ส่ียงภยั แล้งและความเสียหายของพชื เกษตรรายแปลง ดว้ ยเทคโนโลยภี มู ิสารสนเทศ ในการตรวจติดตามความแห้งแล้งของพื้นที่มักระบุด้วยตัวบ่งชี้ที่สะท้อนสภาพความแห้งแล้งและความ รุนแรงที่เกิดได้โดยเรียกกันว่า ดัชนีความแห้งแล้ง โดยดัชนีส่วนใหญ่ได้จากการวิเคราะห์ข้อมู ลภูมิอากาศ ซึ่ง จำเป็นต้องใช้ข้อมูลในอดีตที่เก็บวัดมาอย่างถูกต้องและต่อเนื่องหลายปี ตัวอย่างดัชนีประเภทนี้ เช่น Generalized Monsoon Index ( GMI) , Palmer Drought Severity Index ( PDSI) , Crop Moisture Index (CMI), Standardized Precipitation Index (SPI) เป็นต้น 2.3.2 ดชั นีภัยแล้งทางอุทกวิทยา ภัยแล้งทางอุทกวิทยา (Hydrological Draught) เป็นความแห้งแล้งที่เกิดจากช่วงฤดูกาลที่มีฝน ตกน้อยหรือไม่มีฝนตกยาวนานระยะหนึ่ง จนกระทั่งส่งผลให้ปริมาณน้ำผิวดินลดระดับลง โดยเฉพาะอย่างยิ่ง ปริมาณนำ้ ทา่ เช่น น้ำในแมน่ ำ้ ลำคลอง อา่ งเก็บนำ้ ทะเลสาบ และยงั สามารถมีผลตอ่ การลดลงของน้ำที่อยู่ใต้ดิน ได้ (ปริมาณน้ำบาดาล และระดับน้ำใต้ดิน) ความแห้งแล้งทางอุทกวิทยามักจะเป็นความแห้งแล้งที่เกิดขึ้นอย่าง ช้า ๆ โดยเกิดต่อเนื่องมาจากความแห้งแล้งทางอุตุนิยมวิทยา (Meteorological Drought) ที่เป็นภาวะการทิ้ง ช่วงของน้ำฝนที่ยาวนานในระยะหนึง่ จนระบบลุ่มน้ำขาดแคลนปริมาณน้ำในดินตามไปดว้ ย ทั้งนี้ความแห้งแลง้ ทางอุทกวิทยาจะมีภาวะความรุนแรง และช่วงระยะเวลาความแห้งแล้งแตกต่างกนั ไปในแต่ละสภาพภูมิประเทศ ท้ังนี้ข้ึนอยู่กับลักษณะทางกายภาพของพ้ืนท่ีลุ่มน้ำ (Watershed Morphology) โดยพบว่า ลักษณะภูมิประเทศ ที่เป็นที่ราบลุ่ม หรือเป็นระดับพื้นที่ลอนลาด มีแม่น้ำสำคัญหลายสายไหลผ่าน และมีระดับน้ำใต้ดินสูงจะเกิด ผลกระทบของความแห้งแล้งทางอุทกวิทยาน้อย เนื่องจากได้รับอิทธิพลจากแหล่งน้ำในพื้นที่ราบลุ่ม และระดับ น้ำใต้ดินที่เข้ามาเติมความชื้นในดินอยู่ตลอดเวลา พื้นที่ลุ่มน้ำในลักษณะเช่นนี้แม้ว่าจะมีฝนทิ้งช่วงยาวนานมาก ขึ้นก็จะส่งผลกระทบทางอุทกวทิ ยาน้อย ในทางตรงกันข้าม ลักษณะภมู ิประเทศทเ่ี ป็นทีร่ าบสงู หรือเป็นเทือกเขา ที่มีเป็นดินทราย เนื้อหยาบ จะมีความรุนแรงของการเกิดความแห้งแล้งทางอุทกวิทยาได้มากกว่า และช่วง ระยะเวลายาวนานกว่าเน่ืองจากสภาพภูมปิ ระเทศไมส่ ามารถเกบ็ น้ำไว้ในดินได้ เมอื่ เกิดภาวะฝนทงิ้ ช่วงจึงเกิดผล กระทบต่อลกั ษณะอุทกวิทยาผิวดนิ อยา่ งรวดเร็ว รุนแรงมากกวา่ ภูมิประเทศแบบแรก ในการศกึ ษาความแห้งแล้ง ทางอทุ กวิทยานนั้ มีหลายดชั นที ส่ี ามารถบ่งบอกค่าความแหง้ แล้งทางอทุ กวิทยาได้ ส่วนใหญจ่ ะเป็นดชั นที างอุทก วทิ ยานำ้ ผวิ ดนิ โดยตรง คอื ใช้ปริมาณนำ้ ท่า (Direct Runoff) ระดบั นำ้ ในอ่างเก็บน้ำ ระดับนำ้ ในทะเลสาบ แต่ก็ สามารถใช้พวกน้ำบาดาล หรือน้ำใต้ดินเป็นดัชนีได้ ซึ่งก็จะมีความแตกต่างกันไปตามแต่ละลักษณะภูมิประเทศ อย่างไรก็ตามดัชนีความแห้งแล้งทางอุทกวทิ ยาอาจไม่สามารถเป็นตัวแทนอธิบายลักษณะอุทกวิทยาน้ำผวิ ดินใน บางพน้ื ท่ไี ดด้ ีนกั ดงั เชน่ บริเวณภาคใตข้ องประเทศไทยทม่ี ธี รณีสณั ฐานเปน็ หินปูน มกั จะมบี รเิ วณบ่อหนิ ยุบ (Sink Hole) ซึ่งเป็นแหล่งเติมน้ำให้กับน้ำใต้ดินได้เป็นอย่างดีทำให้ค่าดัชนีทางอุทกวิทยาไม่สะท้อนความแห้งแล้งใน พื้นทจ่ี ริง อาจกล่าวได้วา่ ค่าดชั นีความแห้งแล้งทางอุทกวิทยาไม่มีมาตรฐานท่สี ามารถใช้ได้กับทุกพื้นที่ หลายดัชนี จำเป็นต้องใช้ข้อมูลตรวจวัดลักษณะทางอุตนุ ยิ มวิทยา ลกั ษณะดนิ และลกั ษณะพชื พรรณ เปน็ องค์ประกอบเพื่อ บ่งชี้ปริมาณน้ำผิวดิน หรือใต้ดิน แต่ส่วนใหญ่พบว่า ไม่มีข้อมูลตรวจวัดเพียงพอสำหรับการประเมินค่าดัชนี ดังกล่าว วิธีการศึกษาดัชนีปริมาณน้ำผิวดินอีกวิธีการหนึ่งซึ่งเป็นที่นิยมในหมู่นักอุทกวิทยาน้ำผิวดินและมีการ ทดสอบค่าความถูกต้องใกล้เคยี งกับค่าที่ตรวจวัดปริมาณนำ้ ผิวดินได้จรงิ โดยมีดัชนที ี่ใช้ในการคำนวณไม่ยุ่งยาก รายงานการวิจยั Research Report) | หน้า 9

โครงการประเมนิ พนื้ ท่เี ส่ยี งภัยแลง้ และความเสียหายของพชื เกษตรรายแปลง ด้วยเทคโนโลยภี มู ิสารสนเทศ ซับซ้อนแต่สะท้อนลักษณะการระบายน้ำในพื้นที่ได้ดีก็คือ วิธีการของ SCS-CN ซึ่งเป็นการประยุกต์ค่า Curve Number (CN) ที่เป็นค่าที่สะท้อนการระบายน้ำของพื้นที่ลุ่มน้ำ โดยพิจารณาความสัมพันธ์ของ 2 ปัจจัยหลัก ได้แก่ การใช้ประโยชน์ที่ดิน (Land Use) และชุดดิน (Soil Series) ซึ่งจะสะท้อนลักษณะการระบายน้ำของดิน ในพน้ื ท่นี ัน้ ๆ ทงั้ น้ีเมอ่ื นำคา่ CN มาประเมินคา่ ปรมิ าณน้ำผิวดิน โดยใช้ปริมาณนำ้ ฝนเป็นปจั จยั หลัก จะสามารถ ประเมินค่าดัชนปี ริมาณน้ำผิวดนิ ในพื้นที่นัน้ ๆ ได้ Mishra and Singh (2003) ได้ระบุว่า SCS-CN Method ถูกสร้างขึ้นมาในปี ค.ศ. 1954 โดย หน่วยงานอนุรักษ์ดินของประเทศสหรัฐอเมริกา (Soil Conservation Services; SCS) ซึ่งปัจจุบันใช้ชื่อว่า Natural Resources Conservation Service (NRCS) โดยมีวัตถุประสงค์หลัก คือ สร้างมาตรการหรือระเบียบ ต่าง ๆ เพื่อป้องกันอุทกภัย โดยนำผลการศึกษาวิจัยที่เกี่ยวกับซึมน้ำผ่านผิวดิน (infiltration) ที่เกิดขึ้นจากการ ทำฝนเทียมบนพื้นที่ 2 × 4 ตารางเมตร จำนวน 1,000 แปลง ทั่วประเทศ ทำการศึกษาต่อเนื่องตั้งแต่ปี ค.ศ. 1930 สมการที่ใช้หาปริมาณการไหลโดยตรง (Direct Runoff) โดยวิธี SCS-CN Method โดยใช้ข้อมูลน้ำฝน สะสมและข้อมูลการไหลโดยตรงสะสมสร้างกราฟความสัมพันธ์ โดยพบว่าปริมาณการไหลโดยตรงเริ่มมีข้ึน หลังจากที่ฝนตกแล้วช่วงเวลาหนึ่ง ปริมาณน้ำฝนที่สูญเสียก่อนเกิดการไหลโดยตรง เรียกว่าการสูญเสียเริ่มต้น (Initial Abstraction; Ia) หลังจากนั้นเส้นกราฟปริมาณการสะสมของฝนและการไหลโดยตรงจะกลายเป็น เส้นตรง (SCS, 1972) โดยให้สันนิษฐานว่า ปริมาณน้ำฝนและการไหลโดยตรงเกิดพร้อมกัน ซึ่งเป็นกรณีที่การ สูญเสยี เรม่ิ ต้นเป็นศูนย์ สามารถอธิบายความสมั พันธ์แบบเสน้ โคง้ การไหลโดยตรงสะสมกบั ปรมิ าณฝนสะสมได้ นอกจากน้ยี งั มดี ชั นภี ยั แล้งทเ่ี ชอื่ มโยงกับอุทกวทิ ยา อนั ไดแ้ ก่ 1) Crop Moisture Index (CMI) ใช้ในกรณีสภาวะฝนแล้งที่ส่งผลกระทบต่อปริมาณน้ำใต้ดิน น้ำในอ่างเก็บน้ำ ความชื้นในดิน ความหนาของหิมะ และปริมาณน้ำไหล โดยมีปริมาณน้ำที่ไม่เพียงพอกับ ชว่ งเวลาท่สี นั้ ๆ (McKee et al., 1993) 2) Soil Moisture Index (SMI) เป็นดัชนีความชื้นในดิน จากสมการดัชนีความแห้งแล้งของ Ped (Ped’s Drought Index 2: PID2) เป็นการนำเอาแนวคิดของค่ามาตรฐานของปริมาณความชื้นในดินมา คำนวณร่วมกบั คา่ ความแปรปรวนของกจิ กรรมทีเ่ กี่ยวข้องกบั ดวงอาทิตย์ซ่ึงจะใช้ข้อมูลเปน็ รายเดือนของอุณหภูมิ และฝน (Budagovsky, 1956) 3) Palmer Drought Severity Index (PDSI) เป็นดัชนีความแห้งแล้งทางอุตุนิยมวิทยา แต่ วิธีการครอบคลุมองค์ประกอบทางดา้ นวัฏจักรของน้ำในระดับหนึ่ง จึงถือว่าเกี่ยวขอ้ งกับ ความแห้งแล้งทางด้าน อทุ กวิทยาด้วย และมกี ารเปรยี บเทยี บข้อมูลผลกระทบที่เกิดจากภัยแล้ง ดังน้ันค่าดชั นนี ้ีจงึ สะท้อนความแห้งแล้ง ทางการเกษตร (Agricultural Drought) ได้ดีพอควร โดยคา่ ดชั นี Palmer จะมีประสิทธภิ าพสงู หากใชพ้ ิจารณา ช่วงความแห้งแล้งที่เกิดเป็นระยะเวลานานหลาย ๆ เดือน แต่จะมีประสิทธิภาพต่ำหากใช้กับการประเมินความ แห้งแลง้ ในช่วงระยะเวลาส้ัน ๆ เชน่ รายสปั ดาห์ ค่าดัชนี Palmer จะมีประสทิ ธิภาพสูงหากใช้พิจารณาช่วงความแห้งแล้งท่ีเกิดเป็นระยะเวลานาน หลาย ๆ เดอื น และจะมปี ระสิทธิภาพต่ำหากใชพ้ ิจารณาชว่ งระยะเวลาเป็นสปั ดาห์ (Palmer, 1965) รายงานการวจิ ยั Research Report) | หน้า 10

โครงการประเมนิ พืน้ ทเ่ี สยี่ งภยั แล้งและความเสยี หายของพืชเกษตรรายแปลง ดว้ ยเทคโนโลยภี มู ิสารสนเทศ 2.3.3 ดัชนีภยั แล้งทางการสำรวจระยะไกล การประยุกต์การสำรวจระยะไกลเพื่อการประเมินความแห้งแล้งมักเป็นการวิเคราะ ห์หาข้อมูล อนุพันธ์ภาพจากดาวเทียมสำรวจโลกที่สามารถสะท้อนสภาวะความแห้งแล้งของพื้นที่ได้ เช่น Normalized Difference Water Index ( NDWI) , Enhanced Vegetation Index ( EVI) , Vegetation Condition Index (VCI) เป็นต้น ทั้งนี้เพราะลักษณะทางชีพลักษณ์ที่แตกต่างกันของพืชพรรณที่ปกคลุมพื้นที่มีความสัมพันธ์กับ รูปแบบเชิงพื้นที่และเชิงเวลาของความแหง้ แล้ง เนื่องจากพืชจะตอบสนองต่อการขาดน้ำ เช่น เกิดการเหี่ยวเฉา หรือการทิ้งใบ ประเทศไทยตั้งอยู่ในภูมิภาคที่มีฤดูฝนและฤดูแล้งแยกกันชัดเจน การเกิดความแห้งแล้งในรอบปี หนงึ่ ๆ เปน็ เรอื่ งปกติ สังเกตได้จากการท่ีพ้ืนท่ีเกือบทุกภูมภิ าคของประเทศปกคลุมไปด้วยป่าผลัดใบ นอกจากน้ี พืชเกษตรพ้นื เมอื งหลายชนดิ ทเ่ี กษตรกรเลือกปลูกตามภูมิปัญญาท่ีสั่งสมมาก็สะทอ้ นเร่ืองความสามารถของพืชท่ี ทนต่อการขาดน้ำได้แตกต่างกันอันเนื่องมาจากความแห้งแล้งในรอบปี ดังนั้น การประเมินความแห้งแล้งจึง สามารถใช้ลักษณะปรากฏของพืชพรรณที่ตรวจวัดได้จากการสำรวจด้วยดาวเทียมเป็นตัวบ่งชี้ได้ นอกจากน้ี พบว่า ในหลายประเทศมีการใช้การสำรวจระยะไกลเป็นเครื่องมือประเมินความแห้งแล้ง ดังพบได้จากรายงาน ผลการวิจัยของ Anyamba et al. (2001), Kogan (1993), Nicholson et al. (1994), Seiler et al. (2000), Son et al. (2012), และ Wang et al. (2001) เป็นต้น การศึกษาเหล่านี้ชี้ให้เห็นว่า เทคโนโลยีการสำรวจด้วย ดาวเทียมเป็นทางเลือกที่ดีในการติดตามรูปแบบความแห้งแล้งได้ทั้งเชิงพื้นที่และเชิงเวลาที่เท่าทันต่อการรับ สถานการณ์ ประเทศสหรัฐอเมริกา ออสเตรเลีย และอีกหลายประเทศในยุโรปและเอเชีย ได้ให้ความสำคัญกับ การรับมือกับภัยแล้ง มีการพัฒนาระบบการติดตามความแห้งแล้งของประเทศ โดยผสานการใช้ทั้งข้อมูล อุตนุ ิยมวทิ ยา อุทกวิทยา และระบบการรับรรู้ ะยะไกลเพ่ือประเมินความแห้งแลง้ และรายงานผลเป็นข้อมูลแผนท่ี แบบอัตโนมตั ิใกล้เคียงเวลาจรงิ สว่ นใหญ่ใช้เทคนคิ การวเิ คราะห์เปรยี บเทียบรูปแบบความแห้งแล้งเชิงช่วงเวลาที่ สามารถจำแนกระดบั ความรุนแรงของความแห้งแล้งแสดงเป็นแผนที่ท่ีเขา้ ใจได้งา่ ย ตัวอยา่ งดชั นคี วามแห้งแล้งที่ ใชใ้ นลกั ษณะดงั กล่าวแสดงดังตารางท่ี 2- 1 รายงานการวจิ ยั Research Report) | หน้า 11

โครงการประเมินพน้ื ที่เสย่ี งภัยแลง้ และความเสยี หายของพชื เกษตรรายแปลง ดว้ ยเทคโนโลยภี ูมสิ ารสนเทศ ตารางท่ี 2- 1 ดชั นีความแหง้ แลง้ ทนี่ ิยมใชใ้ นระบบตดิ ตามและรายงานผล ชื่อดชั นี คำย่อ ลกั ษณะสำคญั /ข้อจำกดั อา้ งอิง Standardized Drought Severe PDSI ใช้ขอ้ มลู ตัวแปรทางดา้ นอตุ นุ ิยมหลายตัว Palmer Index SPI และต้องเป็นข้อมูลย้อนอดีตระยะยาว (1965) Standardized Precipitation VegDRI ไม่เปน็ อนุพนั ธ์ภาพถ่ายจากดาวเทยี ม McKee et Index NDVI ใชข้ ้อมลู ปรมิ าณน้ำฝนอย่างเดยี ว ไม่เป็น al. (1993) Vegetation Response Index อนพุ นั ธภ์ าพจากดาวเทียม USGS NDWI ข ้ อ ม ู ล ท า ง อ ุ ต ุ น ิ ย ม ว ิ ท ย า ท ี ่ เ ก ็ บ วั ด Normalized Difference VCI พารามิเตอร์ทางการเกษตร สำหรับ NOAA Vegetation Index TCI ประเทศไทยมีข้อมูลไม่กระจายเพียงพอ เช่นคา่ ความชน้ื ในระดบั รากพืช Gao, B.C. Normalized Difference Water เปน็ ขอ้ มลู อนุพนั ธ์ภาพถ่ายจากดาวเทียม (1996) Index ที่เป็นตัวบ่งชี้ความแตกต่างมวลชีวภาพ พืชได้ดีซึ่งเกี่ยวข้องกับสมบูรณ์ของพืชท่ี NOAA Vegetation Condition Index ได้รบั อิทธพิ ลจากความแห้งแล้ง สามารถ วิเคราะห์เชิงเปรียบเทียบอนุกรมเวลาได้ NOAA Temperature Condition Index สะท้อนปรากฏการณ์ได้ดีในพื้นที่ที่ปก คลมุ ดว้ ยพชื พรรณ ใช้ข้อมูลอนุพันธ์จากดาวเทียม (NDVI) เชิงเปรียบเทียบกับข้อมูลอนุกรมเวลา ทำใหช้ คี้ วามแตกต่างของการขาดน้ำของ พชื ได้ดี ใชข้ ้อมูลอนุพันธ์ NDVI เป็นการวิเคราะห์ เชิงเปรียบเทียบกับข้อมูลอนุกรมเวลา ทำใหช้ ี้ระดับความอุดมสมบูรณ์ของพืชที่ แตกตา่ งไปจากค่าปกติได้ ใช้ข้อมูลจากดาวเทียมที่เป็นช่วงคล่ืน ความร้อนที่บอกอุณภูมิพื้นผิวได้ เป็น การวิเคราะห์เชิงเปรียบเทียบกับข้อมูล อนุกรมเวลา ทำให้ชี้ความแตกต่างจาก คา่ ปกตไิ ด้ รายงานการวิจยั Research Report) | หน้า 12

โครงการประเมินพื้นท่ีเสีย่ งภยั แล้งและความเสียหายของพชื เกษตรรายแปลง ด้วยเทคโนโลยีภูมิสารสนเทศ ชอ่ื ดชั นี คำยอ่ ลกั ษณะสำคญั /ข้อจำกัด อ้างอิง Vegetation Health Index VHI ผสานทั้งดัชนีทั้ง VCI และ TCI ทำให้ NOAA Drought Hazard Index บ่งชี้ความสมบรู ณ์ของพืช ภาวะการขาด Drought Vulnerability Index Drought Risk Index น้ำของพืชที่แตกต่างไปจากค่าปกติ ท่ี Evaporative Stress Index สะทอ้ นความแห้งแล้งได้ DHI ผสานทั้งดัชนี SPI และ VHI ทำให้บ่งช้ี Suomi NPP ปริมาณการขาดแควนน้ำ ความเครียด ของพืช สะท้อนถึงความรุนแรงของ ความแหง้ แล้ง DVI ใช้ข้อมูลทางด้านอุทกวิทยา ที่สะท้อน Suomi NPP ความเปราะบางของพืชต่อภาวะความ แหง้ แลง้ DRI ผสานทั้งดัชนี DHI และ DVI ด้วยการ Suomi NPP กำหนดค่าน้ำหนักที่เท่ากัน ที่สะท้อนถึง ความเสีย่ งตอ่ สภาวะความแหง้ แลง้ ESI ดัชนคี วามเครยี ดจากการคายระเหย MODIS 2.4 การศกึ ษาดัชนีความเสียหายของพืชเกษตร 2.4.1 ดัชนพี ชื พรรณจากดาวเทยี ม ดัชนีพืชพรรณจากดาวเทยี ม เป็นดัชนีสามารถใช้ในการบ่งชี้ความสมบูรณ์ของพืชได้ โดยดาวเทียม ที่นำมาใช้ในการสกัดค่าดัชนีในงานวิจัยนี้ คือ ดาวเทียม Sentinel-2 ที่เป็นภารกิจสำรวจโลกภายใต้ EU Copernicus Programme ประกอบด้วยดาวเทียมคู่แฝดสองดวงคือ Sentinel-2A และ Sentinel-2B มีระบบ บันทกึ ภาพทั้งหมด 13 ชว่ งคลืน่ ทัง้ ช่วงคล่ืนที่ตามองเห็น (Visible), Near Infrared และ Short Wave Infrared มรี ายละเอยี ดเชิงพื้นที่ 10, 20 และ 60 เมตรขน้ึ อยกู่ ับชว่ งคล่ืนที่บันทกึ ภาพ โดยมคี า่ Multispectral Index ท่ี วเิ คราะหไ์ ดจ้ ากขอ้ มลู ดาวเทยี ม Sentinel-2 ประกอบดว้ ย index ท้ังหมด 39 Index โดยมรี ายละเอยี ดดงั ตารางท่ี 2- 2 รายงานการวจิ ัย Research Report) | หน้า 13

โครงการประเมินพน้ื ท่เี สยี่ งภัยแล้งและความเสียหายของพชื เกษตรรายแปลง ดว้ ยเทคโนโลยภี มู สิ ารสนเทศ ตารางท่ี 2- 2 Multispectral index ทว่ี เิ คราะห์ได้จากขอ้ มลู ดาวเทียม Sentinel-2 Layer Index Description แบนดท์ ใี่ ช้ R : B4 NIR : B8 1 NDVI Normalized Difference Vegetation Index R : B4 NIR : B8 R : B4 NIR : B8 2 SAVI Soil Adjusted Vegetation Index R : B4 NIR : B8 R : B4 NIR : B8 3 TSAVI Transformed Soil Adjusted Vegetation Index R : B4 NIR : B8 R : B4 NIR : B8 4 MSAVI Modified Soil Adjusted Vegetation Index R : B4 NIR : B8 R : B4 NIR : B8 5 MSAVI2 second Modified Soil Adjusted Vegetation Index R : B4 NIR : B8 R : B4 NIR : B8 6 DVI Difference Vegetation Index G : B3 NIR : B8 R : B4 NIR : B8A 7 RVI Ratio Vegetation Index R : B4 B : B2 NIR : B8 R : B4 VRE : B5 8 PVI Perpendicular Vegetation Index R : B4 VRE : B5 NIR : B6 R : B4 VRE : B5 G : B3 9 IPVI Infrared Percentage Vegetation Index R : B4 VRE : B5 VRE : B6 NIR : B7 10 WDVI Weighted Difference Vegetation Index R : B4 VRE : B5 VRE : B6 NIR : B7 11 TNDVI Transformed Normalized Difference Vegetation Index R : B4 VRE : B5 VRE : B6 NIR : B7 12 GNDVI Green Normalized Difference Vegetation Index R : B4 NIR : B7 R : B4 G : B3 13 GEMI Global Environmental Monitoring Index R : B4 G : B3 NIR : B8 R : B4 G : B3 14 ARVI Atmospherically Resistant Vegetation Index R : B4 G : B3 MIR : B12 NIR : B8 15 NDI45 Normalized Difference Index G : B3 NIR : B8 G : B3 MIR : B12 16 MTCI Meris Terrestrial Chlorophyll Index 17 MCARI Modified Chlorophyll Absorption Ratio Index 18 REIP Red-Edge Inflection Point Index 19 S2REP Sentinel-2 Red-Edge Position Index 20 IRECI Inverted Red-Edge Chlorophyll Index 21 PSSRa Pigment Specific Simple Ratio 22 BI Brightness Index 23 BI2 second Brightness Index 24 RI Redness Index 25 CI Colour Index 26 NDWI Normalized Difference Water Index 27 NDWI2 second Normalized Difference Water Index 28 MNDWI Modified Normalized Difference Water Index รายงานการวจิ ัย Research Report) | หนา้ 14

โครงการประเมินพน้ื ทเี่ ส่ียงภัยแล้งและความเสยี หายของพชื เกษตรรายแปลง ด้วยเทคโนโลยภี ูมสิ ารสนเทศ Layer Index Description แบนดท์ ี่ใช้ 29 NDPI Normalized Difference Pond Index ( or NHI : Normalized G : B3 SWIP : B11 Humidity Index) 30 NDTI Normalized Difference Turbidity Index R : B4 G : B3 31 LAI Leaf Area Index มีการใช้พารามิเตอร์ของ 32 FAPAR Fraction of Absorbed Photosynthetically Active Radiation ร ะ บ บ บ ั น ท ึ ก ภ า พ บ น 33 FCOVER Fraction of vegetation cover ดาวเทียม 34 LAI_CAB Chlorophyll content in the leaf 35 LAI_CW Canopy Water Content 36 EVI Enhanced Vegetation Index NIR : B8 R : B4 B : B2 37 NDRE Normalized Difference Red-Edge Index NIR : B8 VRE : B6 38 NDRE2 Normalized Difference Red-Edge Index 2 NIR : B8A VRE : B6 39 VARI Visible Atmospheric Resistant Index R : B4 G : B3 B : B2 โดยไดน้ ำตวั อย่างดชั นีทเี่ กยี่ วขอ้ งสำหรับการนำมาใชป้ ระเมินความเสียหายของพืช ดงั น้ี 1) Soil Adjusted Vegetation Index: SAVI ในทางทฤษฎี SAVI มีค่าสอดคล้องกับความหนาแน่นของพืชปกคลุมดินมากกว่า NDVI ในกรณีที่ การสะท้อนช่วงคลื่นของดินปะปนมาในช่วงคลื่น Red และ NIR ซ่ึงผลการสะท้อนที่ปะปนนี้ขึ้นอยู่กับความ หนาแน่นของพชื ลักษณะรปู ร่างของช้นั เรือนยอด และอน่ื ๆ (Rondeaux et al., 1996) การสะทอ้ นของสว่ นปก คลุมที่เป็นดินจะมีความสัมพันธ์กับการสะท้อนช่วงคลื่นต่าง ๆ ในลักษณะเป็นความสัมพันธ์เชิงเส้น (Jansinski และ Eagleson, 1990) ทำให้มีงานวจิ ยั หลายช้ินพยายามพัฒนาดัชนีปรบั แก้ค่าการสะทอ้ นของดินถูกพัฒนาขึน้ ม า เ ช ่ น Soil Adjusted Vegetation Index ( SAVI) , Transformed Soil- Adjusted Vegetation Index ( TSAVI) , Modified Soil- Adjusted Vegetation Index ( MSAVI) แ ล ะ Environment Monitoring Index (GEMI) โดยดัชนีที่พัฒนาขึ้นนี้มีพื้นฐานในการประมวลผลมาจากการศึกษาความสัมพันธ์ของค่าการสะท้อนช่วง คลื่นของดิน (Huete, 1998) และการเลือกใช้ดัชนีที่ได้จากการปรับแก้การสะท้อนของดินจะไม่มีดัชนีใดท่ี สามารถนำไปประยุกต์ใช้ได้โดยตรงในทุกพื้นที่ เนื่องจากการสะท้อนของดินขึ้นอยู่กับองค์ประกอบของดิน คณุ สมบัติของดนิ ทแ่ี ตกต่างกันอย่างมากในแตล่ ะพืน้ ที่ สำหรับสมการ SAVI ที่มีค่าปรับแก้การสะท้อนช่วงคลื่นของดินในประเทศไทยนั้น ไม่ได้มี ผลการวิจัยใด ๆ ที่ทำในประเทศไทย ดังนั้นค่าปรับแก้การสะท้อนจึงต้องใช้ตัวเลขอ้างอิงที่เป็นค่าท่ีแนะนำจาก ESA (European Space Agency) คอื L=0.48 ไปแทนในสมการดงั น้ี SAVI = (1+L) * (NIR-R) / (NIR+R+L) ----------------------------------------------(1) รายงานการวิจยั Research Report) | หน้า 15

โครงการประเมนิ พื้นทเี่ ส่ียงภัยแล้งและความเสยี หายของพชื เกษตรรายแปลง ด้วยเทคโนโลยีภูมสิ ารสนเทศ โดยค่าปรับแก้ L=0.48 ได้มีผลการวิจัยที่นำมาใช้ในประเทศไทย เพื่อประโยชน์ในการวิเคราะห์ ติดตามการเก็บเก่ียวผลผลติ จากพืชไร่ เช่น อ้อย (Soravis, 2019) โดยผู้วิจัยไดท้ ำการเปรยี บเทียบค่าดัชนี SAVI กับ NDVI ในช่วงเวลาเดียวกันและพื้นที่เดียวกัน แบ่งพื้นที่ศึกษาออกเป็นพื้นที่ที่มีพืชพรรณปกคลุมหนาแน่น และพนื้ ท่ีท่ีมพี ืชพรรณปกคลุมน้อย เช่น พื้นทเ่ี ก็บเก่ยี วแล้วท่ยี ังมีวสั ดุทางการเกษตรตกค้าง เช่น กาบใบ เป็นต้น พบวา่ ตัวเลขของคา่ ดชั นี SAVI จะมีค่ามากกว่าคา่ ตัวเลขของดชั นี NDVI ดงั รูปที่ 2-3 รปู ที่ 2-3 ความแตกต่างของตัวเลขคา่ ดชั นี SAVI และดัชนี NDVI จากการสะทอ้ นชว่ งคล่ืนในพื้นท่ีท่ีมีพชื พรรณ ปกคลมุ หนาแนน่ แตกต่างกนั (ที่มา : Soravis, 2019) ดัชนี SAVI สามารถแสดงความแตกต่างระหว่างสิ่งปกคลุมที่มีความหนาแน่นของพืชพรรณแตกต่างกันได้ ดีกว่า NDVI ซึ่งจาการประยุกตใ์ ช้งานในการติดตามการเกบ็ เกีย่ วผลผลิต ดัชนี SAVI ให้ค่า Threshold ระหว่าง พืชในแปลงที่ เกบ็ เก่ยี วแล้ว กำลงั เก็บเกีย่ ว และยงั ไม่เก็บเก่ียว ไดอ้ ย่างชดั เจน ดังรูปท่ี 2-4 รปู ท่ี 2-4 ข้อมูลดชั นี SAVI วนั ท่ี 3 ธ.ค. 2561 (ซ้าย) และวนั ท่ี 13 ธ.ค. 2561 (ขวา) (ทม่ี า : Soravis, 2019) รายงานการวิจยั Research Report) | หนา้ 16

โครงการประเมินพืน้ ท่ีเสีย่ งภัยแลง้ และความเสยี หายของพชื เกษตรรายแปลง ดว้ ยเทคโนโลยีภูมิสารสนเทศ 2) Ratio Vegetation Index: RVI ดัชนี RVI เป็นการประมวลผลจากค่าต่างของผลการสะท้อนในช่วง Red กับ NIR เป็นอัตราส่วน โดยตรงไม่ได้ทำการปรับค่าจากค่าต่างของการสะท้อนในช่วง Red กับ NIR เหมือนกับดัชนี NDVI ทำให้สัดส่วน การสะท้อนมคี วามออ่ นไหวตอ่ องค์ประกอบคลอโรฟิลลใ์ นใบพชื มากกว่าดัชนี NDVI ������������������ = ������ ----------------------------------------------(2) ������������������ เม่ือนำดัชนี NDVI กบั RVI มาเปรียบเทยี บในพน้ื ท่เี ดียวกนั ดังรปู จะเหน็ วา่ ชว่ งตวั เลขดัชนี RVI มา ช่วงท่ีกว้างกว่าดชั นี NDVI และไม่มคี า่ เปน็ ลบ (กรณีขอ้ มลู จากดาวเทียม Landsat TM) ดงั รูปที่ 2-5 รูปท่ี 2-5 ข้อมูลดชั นี NDVI (ซา้ ย) RVI (ขวา) พ้นื ท่ชี ายฝงั่ ประเทศ Iceland (ท่ีมา : Polina, 2020) การท่ดี ัชนี RVI มีชว่ งค่ากว้างและอ่อนไหวต่อปริมาณคลอโรฟิลล์มากกวา่ NDVI น้ี ได้แสดงให้เห็น อย่างชัดเจนจากงานวจิ ัยของ Ye Tan และคณะ (2019) ที่ได้ใช้ RVI ในการศึกษาสเปกตรมั ของการสะท้อนของ ใบข้าวในการแยกความแตกต่างจากการทำลายใบข้าวของเพลี้ยกระโดด (Brown Planthopper Stress) ซ่ึง แสดงให้เห็นวา่ RVI สามารถตรวจวดั ความเสียหายของพืช (ความเครียด) จากการกระทำของศัตรพู ชื เช่น เพลี้ย กระโดด โดยสามารถแสดงความสัมพันธ์ในทางสถิติด้วยค่าสหสัมพันธ์ระหว่างค่า RVI กับจำนวนของเพล้ีย กระโดดทม่ี ีค่าที่มีนยั ะสำคัญระหวา่ งกัน ดังรปู ท่ี 2-6 รายงานการวจิ ัย Research Report) | หนา้ 17

โครงการประเมินพืน้ ทีเ่ สี่ยงภัยแล้งและความเสยี หายของพชื เกษตรรายแปลง ด้วยเทคโนโลยีภูมิสารสนเทศ รปู ที่ 2-6 การสะทอ้ นช่วงคล่ืนของใบข้าวที่ได้รับความเสยี หายจากเพล้ียกระโดด 0-8 ตัว เปน็ เวลา 6 วนั (รปู บน) กราฟลา่ งซา้ ยแสดงสมั ประสิทธค์ิ ่าสหสัมพันธ์ (เสน้ โคง้ สดี ำ) ระหวา่ งการสะท้อนในแตล่ ะ 1 นาโนเมตร ระหว่างชว่ งคลนื่ 400 นาโนเมตร ถงึ 1000 นาโนเมตร ต่อจำนวนของเพลยี้ กระโดด (a) และ คา่ สหสัมพันธ์ระหว่าง RVI กับจำนวนของเพลีย้ กระโดด (b) เสน้ ประสีดำในรปู (a) แสดงตัวเลขนัยสำคญั ของค่าสหสัมพนั ธ์ท่ี p = 0.05 3) Leaf Area Index: LAI, Fraction of Absorbed Photosynthetically Active adiation: FAPAR และ Fraction of Vegetation Cover: FCOVER การศึกษาผลการศึกษาวิจัยในเอกสารวิจัยต่างประเทศเกี่ยวกับ แบบจำลอง LAI, FAPAR และ FCOVER ที่เป็นแบบจำลองเกี่ยวกับรังสีวิทยาของกระบวนการสังเคราะห์แสงของพืชใบเขียว ที่ต้องอาศัยการ เก็บข้อมูลเฉพาะชนิดพืชในสนามการสร้างดัชนี LAI จะต้องใช้การสอบเทียบแยกตามชนิดพืชโดยการตรวจวัด ปริมาณพื้นที่ใบต่อหน่วยพื้นที่จากอุปกรณ์ เช่น Digital Hemispherical Photographs (DHPs) เพื่อคำนวณ ปริมาณพืน้ ทใ่ี บ (รปู ที่ 2-7) จากนน้ั ทำการคำนวณร่วมกับสัดสว่ นความเขียวของชั้นเรือนยอด ด้วยดชั นีที่เรียกว่า FAPAR ย่อมาจาก Fraction of Photosynthetically Radiation (PAR) ท่ีหมายถึงการคำนวณ สัดสว่ นของการ ดูดกลืนรังสีดวงอาทิตย์ของพืชเข้าไปใช้ในกระบวนการสังเคราะห์แสง (แต่ละพืชมีปริมาณแตกต่างกัน) ในทาง ปฏิบัติจะใช้วิธีการคำนวณหาค่าถ่วงน้ำหนกั ระหวา่ งปริมาณรังสขี องดวงอาทิตย์ที่ตกกระทบกับใบพืชและรังสที ี่ กระเจงิ ออกมา (มบี างสว่ นดูดกลืนเอาไว)้ อาจจะใชก้ ารประมาณจากสัดสว่ นของ Intercepted PAR (FIPAR) ถ้า ใส่กรอบการตรวจวัดรัศมี 1 ม. การที่จะตรวจวดั ว่าพืชมกี ารดูดกลืนปรมิ าณรังสีไว้เท่าใด จึงต้องคำนวณพื้นที่ใบ ต่อพื้นที่ครอบคลุม (LAI) และต้องคำนวณ FCOVER (Fraction of Vegetation Cover) เนื่องจากต้องใช้แปลง ตัวอย่างจำนวนหนึ่งมาคำนวณพื้นที่ใบจึงจะสามารถเป็นตัวแทนของ LAI ของพืชที่เจริญเติบโตตามสภาพ สรีรวิทยาของพืชได้จึงต้องคำนวณ LAI เป็น FCOVER จึงจะสามารถนำไปคำนวณเป็น FIPAR เปรียบเทียบกับ การดดู กลืนรังสจี ากดวงอาทติ ยไ์ ด้ รายงานการวจิ ัย Research Report) | หนา้ 18

โครงการประเมนิ พื้นทเี่ สีย่ งภัยแลง้ และความเสียหายของพืชเกษตรรายแปลง ดว้ ยเทคโนโลยภี ูมิสารสนเทศ รูปท่ี 2-7 การใช้ CAN_EYE ในการสำรวจ LAI ของขา้ วสาลี 4 ม.ี ค.2005 (a และ b) และข้าวโพด 7 ก.ค.2005 (c และ d) ที่ (a และ c) ความสงู 0.40 ม. และ (b และ d) ความสูง 1 ม. หา่ งจากเรอื นยอด รัศมี ครอบคลุมประมาณ 1 ม. เพ่ือนำไปใช้คำนวณ LAI (ท่มี า : Demarez และคณะ, 2008) การคำนวณ FIPAR และ FCOVER ในเอกสารของ Demarez และคณะ (2008) ระบุไว้ว่าเป็นการ คำนวณรังสีของดวงอาทิตย์ตามสมการ Radiative Transfer ซึ่งช่วงเวลาที่ดวงอาทิตย์มีพลังงานสูงสุดคือ ช่วงเวลา 12:00 น. (เวลาท้องถิ่น) เป็นช่วงเวลาที่ระยะทางระหว่างดวงอาทิตย์ถึงโลก ณ ตำแหน่งรังวัดมี ระยะทางใกล้ที่สุด ดังนั้นจากตรวจการดูดกลืนแสงด้วยเครื่องมือในสนามจึงต้องตรวจวัดให้ใกล้เคียงเที่ยงวันให้ ได้มากที่สุด แต่ด้วยเวลาเที่ยงวันจะเกิดเงาจากกลอ้ งและอุปกรณ์ที่ใชร้ ังวัดจึงทำการรงั วัดในมุมของดวงอาทิตย์ ระหว่าง 10 องศาจากแนวดิ่ง เรียกว่า Black Sky ส่วนการรังวัดอีกส่วนหนึ่งที่ดวงอาทิตย์ทำมุมกับตำแหน่ง รังวดั (ทไี่ มอ่ ยู่ระหวา่ ง 10 องศาจากแนวด่งิ ) จะเรยี กวา่ White Sky สำหรบั คำนวณ FIPARw ดงั น้นั การคำนวณ FIPAR และ FCOVER ในการคำนวณสัดสว่ นการดดู กลนื แสงของพชื มดี ังนี้ ������������������������������������ = ������������(������10:00) ������/2 ������������������������������������ = 2 ∫ (������������(������)) ������������������������������������������������������������ 0 ������������������������������������ = ������������(������0−10) ----------------------------------------------(3) โดยที่ GF คือ การรังวัดสัดส่วนความเขียว (Green Fraction) ในแต่ละมุมตรวจวัดของเซนเซอร์ เทียบจากมุม zenith ระหว่างมุม ������ และมุม zenith ระหว่างเวลา 10:00 น. (������10:00) สำหรับแบบจำลองการ สะท้อนของรังสีของดวงอาทติ ย์ในขณะรังวัดทม่ี ีทั้งการสะท้อนจากใบพชื และการสะท้อนในส่วนของดินในพื้นที่ สำรวจ LAI จะถกู จำลองด้วยแบบจำลองท่ีเรียกว่า PROSAIL หรือแบบจำลองการแผ่รงั สี PROSPECT และ SAIL ซงึ่ ตอ้ งอาศัยข้อมูลชีวมวลและคุณสมบตั ิชวี เคมี รายงานการวิจัย Research Report) | หนา้ 19

โครงการประเมินพ้ืนท่เี สย่ี งภยั แลง้ และความเสยี หายของพชื เกษตรรายแปลง ดว้ ยเทคโนโลยีภูมสิ ารสนเทศ รปู ท่ี 2-8 การคำนวณการสะท้อนรังสดี วงอาทิตย์ของชั้นเรือนยอดดว้ ยแบบจำลอง PROSPECT+SAIL (ทมี่ า : Katja และคณะ 2018) 4) Enhanced Vegetation Index: EVI ดาวเทียมระบบ MODIS ดัชนี EVI จะตอบสนองต่อความหลากหลายของโครงสรา้ งชั้นเรือนยอดท่ี แตกต่างกันมากกว่าดัชนี NDVI และดัชนีนี้ผู้วิจัยยังกล่าวว่ามีความสัมพันธ์กับความเครียด (Crop Stress) และ การเปลีย่ นแปลงของพชื จากสภาวะแห้งแลง้ ดว้ ย โดย สมการ EVI จะใชช้ ่วงคลื่น Blue, Red และ NIR คำนวณตามสมการ ดังนี้ EVI = 2.5 * (NIR - RED) / ((NIR + 6.0 * RED - 7.5 * BLUE) + 1) ----------------------(4) สำหรับสมการที่แสดงด้วย band ของระบบดาวเทียม Sentinel-2 สำหรับใช้ประมวลผล EVI มรี ายละเอยี ดดงั สมการ EVI = 2.5 * (B08 - B04) / ((B08 + 6.0 * B04 - 7.5 * B02) + 1.0) ---------------------(5) โดยการศึกษาเพื่อสังเกตค่า EVI ในพื้นที่แปลงเกษตรที่ได้รับผลกระทบจากฝนทิ้งช่วง เดือน มิถุนายน - กรกฎาคม 2562 (รูปที่ 3-5) จึงได้ได้นำแปลงปลูกข้าวโพด จำนวน 4,417 แปลง พื้นที่ 29,980 ไร่ ภาคตะวนั ออกเฉยี งเหนือ มาประมวลผลข้อมูลค่า EVI ของทัง้ ปี 2562 เพ่ือคำนวณค่าสถติ ิ ดงั รูปท่ี 2-9 รายงานการวิจัย Research Report) | หน้า 20

โครงการประเมินพ้ืนทีเ่ ส่ยี งภยั แลง้ และความเสยี หายของพืชเกษตรรายแปลง ด้วยเทคโนโลยภี มู สิ ารสนเทศ รูปที่ 2-9 ดัชนี SPI แสดงผลทง้ิ ชว่ งเดือน มิถนุ ายน - กรกฎาคม 2562 (ท่มี า : สถาบันสารสนเทศทรัพยากรน้ำ องค์การมหาชน) ในช่วงฝนทิ้งช่วง เดือน มิถุนายน - กรกฎาคม 2562 ดัชนี EVI จะมีค่าเฉลี่ยที่ 0.50 และ 0.49 ตามลำดับ และเมอื่ มฝี นตกปกตใิ นเดอื นสิงหาคมดัชนี EVI จะเพมิ่ สูงข้นึ เป็น 0.68 ดงั รปู ท่ี 2-10 รูปที่ 2-10 ชพี ลกั ษณข์ องข้าวโพดในแปลงท่ีไดร้ ับผลกระทบจากฝนทง้ิ ชว่ ง มถิ นุ ายน - กรกฎาคม 2562 (ขอ้ มูลจาก กษ.02) 5) Chlorophyll Content Index (CI) ในเอกสารงานวิจยั ของ J.G.P.W. Clevers และ L. Kooistra (2013) ได้รายงานผลการวิจัยในงาน ประชมุ ESA Living Planet Symposium (2013) วา่ การตรวจวดั ช่วงคลนื่ red-edge ใหค้ วามสมั พนั ธเ์ ชงิ เสน้ กบั ปรมิ าณคลอโรฟลิ ล์ไดด้ ีกว่าชว่ งคล่อื น NIR และสามารถแกป้ ญั หาเร่ืองการอ่ิมตัวของสัญญาณจากการ ตรวจวดั ปรมิ าณคลอโรฟลิ ล์ได้ สมการดงั กล่าวมีสูตรการคำนวณดงั นี้ รายงานการวิจัย Research Report) | หน้า 21

โครงการประเมินพ้ืนท่ีเส่ียงภยั แลง้ และความเสยี หายของพืชเกษตรรายแปลง ด้วยเทคโนโลยภี ูมสิ ารสนเทศ ������������������������������−������������������������ = ������800 − 1 ������710 MONTH: 01 , CI: 1.16, STD: 0.96, Skew: 0.62 , Kurtosis: -0.72 (118,497 pixels) MONTH: 02 , CI: 1.29, STD: 1.00, Skew: 0.82 , Kurtosis: 0.15 (122,823 pixels) MONTH: 03 , CI: 0.55, STD: 0.68, Skew: 2.79 , Kurtosis: 7.85 (117,755 pixels) MONTH: 04 , CI: 0.29, STD: 0.20, Skew: 3.33 , Kurtosis: 17.92 (71,576 pixels) MONTH: 05 , CI: 0.75, STD: 0.84, Skew: 2.27 , Kurtosis: 6.45 (68,209 pixels) MONTH: 06 , CI: 1.76, STD: 1.14, Skew: 0.83 , Kurtosis: 0.92 (42,579 pixels) MONTH: 07 , CI: 2.66, STD: 1.01, Skew: 0.48 , Kurtosis: -0.08 (63,357 pixels) MONTH: 08 , CI: 1.54, STD: 0.90, Skew: 0.93 , Kurtosis: 0.70 (38,844 pixels) MONTH: 09 , CI: 1.19, STD: 0.81, Skew: 0.83 , Kurtosis: 0.38 (46,428 pixels) MONTH: 10 , CI: 1.29, STD: 0.82, Skew: 1.08 , Kurtosis: 1.49 (36,175 pixels) MONTH: 11 , CI: 1.38, STD: 0.89, Skew: 0.81 , Kurtosis: 0.49 (110,873 pixels) MONTH: 12 , CI: 0.91, STD: 0.65, Skew: 0.86 , Kurtosis: 0.34 (71,281 pixels) รูปท่ี 2- 11 คา่ สถิติดชั นี CI แปลงปลกู ข้าวปี 2020 รายเดอื น 6) Normalized Difference Red-Edge Index: NDRE ดชั นี NDRE เปน็ ดชั นีทีใ่ ช้ตรวจวัดปริมาณคลอโรฟลิ ลเ์ ช่นเดยี วกบั ดัชนี NDVI แต่แตกต่างกันตรงใช้ Red Edge แทน Red การตรวจวัดระหว่างฤดูไปจนถึงปลายฤดู (เก็บเกี่ยวผลผลิต) ดัชนี NDRE จะให้ความ แตกต่างของพืชพรรณในช่วงนี้ดีกว่าดัชนีอื่น ในดาวเทียม Sentinel-2 ความละเอียด 20 เมตร จะมีช่วงคลื่น VNIR Vegetation Red Edge ประกอบด้วย 6 bands ได้แก่ B5 (705 นาโนเมตร) B6 (740 นาโนเมตร) B7 (783 นาโนเมตร) และ B8a (865 นาโนเมตร) ช่วงคลื่น SWIR ได้แก่ B11 (1610 นาโนเมตร) และ B12 (2190 นาโนเมตร) ที่สามารถคำนวณตามสมการ NDRI ไดด้ งั นี้ NDRE = (NIR – RedEdge)/(NIR + RedEdge) ----------------------------------(6) ชว่ งของคา่ ระหว่าง -1 ถงึ 0.2 หมายถึง หนา้ ดนิ ไปจนถงึ เร่มิ ปลกู ชว่ ง 0.2 ถึง 0.6 หมายถึงช่วงพืช เจริญเติบโตหรือพืชมีสุขภาพไม่ดี และช่วง 0.6 ถึง 1.0 หมายถึง พืชสมบูรณ์ดีพร้อมเข้าสู่ช่วงเก็บเกี่ยว ดังเช่น รูปด้านล่างแสดงข้อแตกต่างระหว่าง NDVI กับ NDRE ตรวจมุมบนของภาพของแปลงปลูกพืชที่อยู่ในช่วงก่อน เก็บเกี่ยว ซึ่งใบพืชชั้นบน (พืชที่มีชั้นเรือนยอดเป็นชั้น ๆ ในแนวตั้ง) จะเริ่มเป็นสีเหลืองเนื่องจากอยู่ในระยะสุก แก่พร้อมเก็บเกี่ยว ในกรณีดัชนี NDRE จะสามารถตรวจวดั ปรมิ าณคลอโรฟลิ ลช์ ั้นทีอ่ ยดู่ ้านลา่ งลงไปได้ดีกว่าดัชนี NDVI ทำใหส้ ามารถแยกพชื สมบรู ณ์ในระยะสกุ แก่ไดด้ กี ว่า รายงานการวจิ ยั Research Report) | หนา้ 22

โครงการประเมินพ้ืนทีเ่ ส่ียงภยั แลง้ และความเสยี หายของพืชเกษตรรายแปลง ดว้ ยเทคโนโลยีภูมสิ ารสนเทศ รปู ท่ี 2-12 ข้อแตกตา่ งระหว่างค่าของดชั นี NDVI และ NDR (ท่ีมา : https://eos.com/industries/agriculture/ndre) 7) EnLST (Enhanced Land Surface Temperature) ข้อมูลดัชนีความร้อนพื้นผิว ใช้สำหรับการประมวลผลลดขนาดข้อมูล SM (Soil Moisture) หรือ ความชื้นผิวดินจากดาวเทียม SMAP เนื่องจากระบบผลิตข้อมูลของดาวเทียม SMAP จาก NASA จะผลิตข้อมูลท่ี ความละเอียดสูงสุดที่ 1 กม. จากการประมวลผลร่วมกับข้อมูลจากดาวเทียม Sentinel-1 โดยก่อนที่จะนำไป ประมวลผลเป็นความชื้นผิวดินที่ความละเอียดสูงขึ้นเป็น 20 ม. เท่ากับข้อมูลดัชนีประเมินความเสียหายของพืช เช่น NDVI, NDWI, SAVI หรือ EVI จะต้องทำการปรับความละเอียดของ LST จากดาวเทียม Suomi-NPP ให้มี ความละเอียด 20 ม. ก่อน ด้วยเทคนิค Data-Mining Sharpening (DMS) ที่อาศัยข้อมูล NIR และ SWIR รายละเอียด 20 ม. จากดาวเทียม Sentinel-2 มาประมวลผลร่วมด้วย ข้อมูลค่าการสะท้อนช่วงคลื่น Infrared เป็นช่วงคลื่นใกล้กับช่วงคลื่น Thermal การแปลงจากค่าการสะท้อนไปเป็นข้อมูลอุณหภูมิพื้นผิวสามารถ ประมวลผลไดต้ ามหลกั การความสัมพันธ์ของการแผ่รงั สีกับอุณหภูมิตามกฎของ Stefan-Boltzmann คือ ������ = ������������������4 ---------------------------------------(7) เมอ่ื r = reflectance ������ = emissivity ������ = ค่าคงท่ี Stefan-Boltzmann T = อณุ หภูมิ สมการ Stefan-Boltzmann ได้แสดงความสัมพันธ์ระหว่างอุณหภูมิกับการแผ่รังสี ซึ่งหมายถึง การแปลงค่าระหว่างอุณหภูมิกับปริมาณการสะท้อน (แผ่ออก) จากวัตถุสามารถประมวลผลไปมาระหว่างกันได้ แยกไปตามคณุ สมบตั ิการแผ่รังสีที่แตกต่างกนั ไป สำหรับการลดขนาดข้อมูล LST จาก 1 กม. เป็น 20 ม. นั้นมาจากการอนุมานว่าขอ้ มูลอุณหภูมิใน ขนาด 1 กม. จะแบ่งเป็นผลรวมของรากที่ 4 ของค่าการสะท้อนแบบสะสมในข้อมูล NIR และ SWIR ของข้อมูล ความละเอียด 20 ม. ตามกฎ Stefan-Boltzmann ซึ่งความสัมพันธ์ดังสมการด้านล่าง แสดงให้เห็นว่าสามารถ นำเทคนิคการประมาณค่าจากการประมวลผลด้วย เทคนิค ML (Machine Learning) เทยี บเคยี งได้เช่นเดียวกัน เนอื่ งจากเปน็ ความสมั พนั ธท์ างคณติ ศาสตรท์ ่นี ยิ ามมาจากความสัมพันธ์ตามทฤษฎีฟสิ ิกส์ รายงานการวิจยั Research Report) | หน้า 23

โครงการประเมินพืน้ ทเ่ี ส่ยี งภยั แลง้ และความเสียหายของพชื เกษตรรายแปลง ด้วยเทคโนโลยภี ูมสิ ารสนเทศ -------------------------------(8) 8) EnSM (Enhanced Soil Moisture) การลดขนาดข้อมูล SMLR จากข้อมูล SMAP ความละเอียด 1 กม. ให้เป็นข้อมูล SMHR ที่ความ ละเอียด 20 ม. ต้องประมวลผลตามสมการจากงานวิจัยของ Geovanni และคณะ (2022) อาศัยหลักการ ตรวจวดั อตั ราการถ่ายพลังงานระหวา่ งดินและอากาศผา่ นกระบวนการคายระเหย และคายระเหย ท่เี รยี กว่า SEE (Soil Evaporative Efficiency) ซึ่งเป็นการรังวัดข้อมูลในสนาม เช่น อุณหภูมิ (T) และค่าดัชนี NDVI จากหลัก คิดที่ว่า อุณหภูมิจะแปรผันไปตามความหนาแน่นของพืช เนื่องจากพืชมีกระบวนการสังเคราะห์แสง ที่ดูดกลืน พลังงานจากแสงอาทิตย์ไปใช้ ทำให้พนื้ ท่ีท่ีมีพชื ปกคลุมหนาแนน่ จะมีอุณหภูมิต่ำกว่า พื้นทด่ี ินเปิดโล่ง ดังนั้น จึง ทำการรังวัดดัชนี NDVI กับ T โดยค่าดัชนี NDVI จะถูกนำมาคำนวณเป็นสัดส่วนความหนาแน่นปกคลุม (fraction of vegetation cover) ซึ่งก็คือค่า ������������������,������������ และข้อมูล ������������,������������ (อุณหภูมิสูงสุดเมื่อค่า ������������������,������������ ต่ำสุด) และ ������������,������������ (อุณหภูมิต่ำสุดเมื่อค่า ������������������,������������ สูงสุด) จะนำมาประมวลผลร่วมกับข้อมูล ������������������������������ ซึ่งจะใช้ดัชนี EnLST ที่ได้จากการประมวลผลในข้อ 5.3.6 ทดแทน ทำให้สามารถประมวลผลข้อมูล SMHR ความละเอียด 20 ม. ไดต้ ามสมการ M ������ = ������������������������ + (���������������������������������(���������������������������������������������)) ∙ (������������������������������ − ������������������������(������������������������������)) ������������������������������ = ������������������������������������ = ������������������������������������ − ������������������������������ ������������������������������������ − ������������������������������������ ������������,������������ = ������������������������������ − ������������������,������������ ∗ ������������,������������ 1 − ������������������,������������ ������������������,������������������������ = ������������������������������������−������������������������������ -------------------------------(9) ������������������������������−������������������������������ 9) ETo (Evapotranspiration) และ MoETo (Modifed Evapotranspiration) ดัชนี ETo ที่จะนำมาใช้ในการประเมินความเสียหายรายแปลงนี้พบว่า การติดตามความเสียหาย รายแปลง ต้องติดตามสภาพการขาดน้ำของพืช แต่ข้อมูลการใช้น้ำจริง ETa (Actual Evapotranspiration) ไม่ สามารถตรวจวัดได้ด้วยเทคนิคทางข้อมูลจากดาวเทียม รวมถึงข้อมูลการตรวจวัดในพื้นที่ก็ไม่มีเครื่องมือ และ ครอบคลุมพ้นื ทม่ี ากพอทจ่ี ะทำเปน็ ระบบอัตโนมัติ ดังน้นั จงึ ต้องใช้ดัชนี ETo ทเ่ี ป็นการคำนวณปริมาณการใช้น้ำ อ้างอิง ทดแทนค่าการใช้น้ำจริงของพืช ร่วมกับดัชนีในกลุ่มอื่น เพื่อให้ได้มาซึ่งข้อมูลที่สามารถมองเห็นการขาด น้ำของพืชได้ ทั้งนี้ แบบจำลองที่จะนำมาใช้เป็นแบบจำลองที่ชื่อว่า Hargreaves Samani 1985 ซ่ึงเป็น แบบจำลองที่สามารถใช้ข้อมูลที่ประมวลผลจากดาวเทียมเป็นข้อมูลอิสระให้กับแบบจำลองได้ ประกอบไปด้วย ขอ้ มูลอณุ หภมู เิ ฉลย่ี ค่าตา่ งอุณหภูมสิ ูงสุดต่ำสดุ คา่ พกิ ัดละติจดู และคา่ คงท่ี ดังสมการต่อไปนี้ ETo =0.0023 Ra * (TC+17.8) * TR0.5 ----------------------------------(10) รายงานการวจิ ัย Research Report) | หนา้ 24

โครงการประเมินพ้ืนทเี่ สี่ยงภยั แลง้ และความเสยี หายของพชื เกษตรรายแปลง ด้วยเทคโนโลยภี ูมิสารสนเทศ Ra = 24(60) Gsc d r s sin ( )sin ( ) + cos ( ) cos ( )sin (s )  dr = 1 + 0.033cos  2 J   365   = 0.409 sin  2 J −1.39   365 โดยท่ี ตัวแปรในสมการประกอบไปดว้ ย ขอ้ มลู ดงั ตอ่ ไปน้ี TC อุณหภมู อิ ากาศเฉล่ีย (average of CDAIly temperature) [°C] TR ผลตา่ งของอุณหภูมสิ งู สุดกับอณุ หภมู ติ ำ่ สุด (CDAIly temperature range) [°C] Ra รงั สนี อกโลก (extraterrestrial radiation) [mm day-1] Gsc ค่าคงท่แี สงอาทิตย์ เทา่ กับ 0.0820 dr คา่ ผกผันระยะทางระหว่างโลกกบั ดวงอาทิตย์ s ค่าช่วั โมงดวงอาทิตย์ตก  ค่าละตจิ ดู  ค่ามมุ สูงของดวงอาทิตย์จากระนาบศนู ยส์ ูตร (solar declination) ข้อมูลอุณหภมู ิ TC และ TR เป็นอณุ หภูมิอากาศเหนือพ้นื ดิน 2 ม. ซ่ึงขอ้ มลู ที่มีความละเอียดขนาด 20 ม. ที่ได้จากการประมวลผลของระบบ คือ ข้อมูลความร้อนพื้นผิว หรือ EnLST จำเป็นต้องใช้แบบจำลอง คำนวณแปลงจากความร้อนพื้นผิวไปเป็นอุณหภูมิอากาศตามสมการผลการวิจัยของ ธกรกฤต จนั ไชยยศ, สรวศิ สุภเวชย์ และ กาญจนเ์ ขจร ชูชพี (2561) ดงั น้ี ������������������������(������,������) = 0.1831 (������������������(������,������)) − 31.2426 ----------------------------------(11) เมื่อประมวลผลครบทุกขั้นตอนก็จะได้ข้อมูล ETo ที่มีความละเอียด 20 ม. ในขั้นตอนนี้จะมีการ ปรับปรุงค่า ETo ด้วยข้อมูล EnSM และ GPM ซึ่งจะทำให้ได้ผลลัพธ์เป็นข้อมูลที่เรียกว่า MoETo (Modified Evapotranspiration Reference) ตวั อย่างขอ้ มูล ETo แสดงดงั รูปที่ 2-13 รายงานการวจิ ยั Research Report) | หน้า 25

โครงการประเมนิ พ้นื ทเ่ี สีย่ งภยั แลง้ และความเสยี หายของพชื เกษตรรายแปลง ด้วยเทคโนโลยีภมู ิสารสนเทศ รูปที่ 2-13 ข้อมลู ETo หรือ MoETo ท่ปี ระมวลผลในพ้ืนที่จงั หวัดอทุ ยั ธานี รายงานการวิจัย Research Report) | หนา้ 26

โครงการประเมินพื้นทเี่ สยี่ งภยั แล้งและความเสียหายของพชื เกษตรรายแปลง ด้วยเทคโนโลยีภูมสิ ารสนเทศ 10) Normalized Difference Water Index: NDWI สมการทั่วไปที่ใช้ประมวลผลข้อมูลดัชนี NDWI เป็นสมการจากงานวิจัยของ (McFEETER, 1995) จะใชช้ ่วงคลน่ื Green กับ NIR ในสมการคำนวณ ดังสมการ ������������������������ = ������������������������������−������������������ -------------------------------(12) ������������������������������+������������������ แต่หลังจากที่ (Gao B.-C. , 1996) เสนอผลงานวิจัยเกี่ยวกับการใช้ช่วงคลื่น SWIR (Short Wave Infra Red) ในการตรวจ water content ในกลุ่มชั้นใบพืชแทนการใช้ช่วงคลื่น Green เนื่องจากไวต่อ คุณลกั ษณะทางชวี ภาพของใบพชื มากกว่า จากนน้ั ก็มีการนำมาใชง้ านในลักษณะของการตดิ ตามการใช้นำ้ ของพืช เกษตรกันอย่างแพร่หลายตอ่ มา โดยใช้สมการในความหมายเดยี วกนั ดังน้ี ������������������������ = ������������������−������������������������ -------------------------------(13) ������������������+������������������������ การประมวลผลสมการทั้งสอง ยังส่งผลต่อการเลือกใช้ความละเอียดของข้อมูล Sentinel-2 ด้วย เนื่องจาก SWIR นั้นมีเฉพาะผลิตภัณฑ์ L2A ขนาด 20x20 ตร.ม. เท่านั้น ทำให้ถ้าเลือกใช้ความละเอียด 10x10 ตร.ม. ของ L1C ก็จะต้องใชส้ มการ Green กบั NIR แทน 2.5 แบบประมวลรวมชว่ ยเหลือเกษตรกรผูป้ ระสบภยั (กษ.02) การขอรับความช่วยเหลือของเกษตรกรผู้ประสบภัย กรมส่งเสริมการเกษตรได้ระบุถึงขั้นตอน ออกเป็น 7 ขั้นตอน คือ 1) ผวู้ า่ ราชการจังหวดั ประกาศเขตการใหค้ วามช่วยเหลือ 2) เกษตรกรย่ืนแบบขอรับการช่วยเหลือ (กษ 01) ซ่งึ มีผู้ใหญ่บา้ น กำนัน องค์การบรหิ ารส่วนตำบล หรือนายกเทศมนตรี ตรวจสอบและรับรองตามสถานที่ทกี่ ำหนด 3) คณะกรรมการหมบู่ า้ นตรวจสอบและรับรองความเสียหาย 4) คณะกรรมการหมู่บ้านนำรายชื่อเกษตรกรที่ผ่านการตรวจสอบแล้ว ไปติดประกาศคัดค้านตาม สถานที่ทกี่ ำหนดไม่นอ้ ยกวา่ 3 วนั 5) สำนักงานเกษตรอำเภอนำเสนอคณะกรรมการให้ความช่วยเหลือผู้ประสบภัยพิบัติอำเภอ (ก.ช.ภ.อ.) พิจารณาใหค้ วามช่วยเหลอื วงเงนิ ไมเ่ กิน 500,000 บาท 6) กรณีวงเงินไม่เพียงพอ จะมีการเสนอคณะกรรมการให้ความช่วยเหลือผู้ประสบภัยพิบัติจังหวัด (ก.ช.ภ.จ.) ทมี่ ีผวู้ า่ ราชการจงั หวัดเป็นประธานกรรมการ ในวงเงนิ 20 ล้านบาท และ 7) กรณีท่ีเกิดความเสียหายมากและไม่เพียงพอ การพิจารณาจะอยู่ในอำนาจของปลัดกระทรวง เกษตรและสหกรณ์ วงเงิน 50 ล้านบาท รายละเอียดแสดงตามแผนผังการช่วยเหลือผูป้ ระสบภัยพบิ ัตดิ ้านเกษตร โดยขั้นตอนที่มีความเกี่ยวข้องสำคัญกับงานวิจัยครั้งนี้ คือ ขั้นตอนที่ 3 และ 4 เนื่องจากเป็น ขั้นตอนที่ต้องมีการลงพื้นที่เพื่อตรวจสอบและรับรองความเสียหายโดยคณะกรรมการหมู่บ้าน เพื่อออกรายงาน รายงานการวิจยั Research Report) | หนา้ 27

โครงการประเมินพ้นื ท่ีเสี่ยงภยั แลง้ และความเสยี หายของพชื เกษตรรายแปลง ด้วยเทคโนโลยีภมู สิ ารสนเทศ เป็นแบบประมวลรวมช่วยเหลือเกษตรกรผู้ประสบภัย (กษ.02) ที่เป็นการยืนยันว่าพืน้ ที่เพาะปลูกที่เกษตรกรมา ทำการยื่นขอรับการช่วยเหลือเกิดความเสียหายจริง ซึ่งเป็นขั้นตอนที่ต้องใช้ทรัพยากรทั้งคนที่ลงไปตรวจสอบ ระยะเวลาในการดำเนินการ และงบประมาณในการลงพื้นที่ อีกทั้งต้องดำเนินการในระยะเวลาที่จำกัด ทำให้ใน บางพนื้ ทเ่ี กดิ ความลา่ ช้าและไมส่ ามารถตรวจสอบได้อยา่ งทวั่ ถึง แบบประมวลรวมช่วยเหลือเกษตรกรผู้ประสบภัย (กษ.02) จะมีการเชอ่ื มโยงกับทะเบียนเกษตรกร (ทบก.) ที่กรมส่งเสริมการเกษตรได้ดำเนินการอยู่ ซึ่งจะมีการวาดผังแปลงเกษตรกรรมดิจิทัล ที่มีการ ระบุ ขอบเขตพิกัดแปลงเพาะปลูกท่ีเกษตรกรทำกจิ กรรมในแต่ละปีการเพาะปลูก รปู ที่ 2-14 แผนผงั ขนั้ ตอนการช่วยเหลอื ผปู้ ระสบภยั พิบัติด้านเกษตร ส่วนภูมิภาค ยกเว้น กรุงเทพมหานคร รายงานการวิจัย Research Report) | หนา้ 28

โครงการประเมินพืน้ ทเ่ี สยี่ งภัยแลง้ และความเสยี หายของพชื เกษตรรายแปลง ด้วยเทคโนโลยภี ูมิสารสนเทศ ท่มี า: (ค่มู ือการบริหารจัดการการชว่ ยเหลอื ผปู้ ระสบภยั พิบัติด้านการเกษตร, 2556) 2.6 เกณฑ์พิจารณาความเสยี หายของพชื จากภัยแล้ง การพิจารณาความเสียหายของพืชแต่ละชนิด กระทรวงเกษตรและสหกรณ์ได้มีการกำหนดเกณฑ์ การพิจารณาตามหลักวิชาการจากหน่วยงานที่รับผิดชอบ คือ จากกรมวิชาการเกษตร กรมการข้าวและ สถาบนั วิจัยพืชไรแ่ ละพืชทดแทนพลังงาน โดยจะเป็นข้อมูลทีร่ ะบเุ ง่ือนไขของระดับความเสียหายท่ีจะเกิดขึ้นกับ พืชแตล่ ะชนดิ ในแต่ละชว่ งอายพุ ชื เม่ือเกิดภัยแล้ง รายละเอยี ดตามตารางท่ี 2- 3 - ข้าว ส่วนใหญ่เกิดขึ้น 2 ช่วงในรอบปี คือในช่วงกลางฤดูฝน เนื่องจากฝนทิ้งช่วงประมาณ ระหว่างเดือนปลายเดือนมิถุนายนถึงเดือนกรกฎาคม และเกิดขึ้นในช่วงต่อระหว่างฤดูหนาว และฤดูร้อน ประมาณปลายเดือนตลุ าคมถึงเดอื นเมษายน ผลกระทบจากความแหง้ แล้งต่อการ เจริญเติบโตของข้าว ในระยะกล้าทำให้ชะงักการเจริญเติบโตใบเหี่ยวเฉา จนถึงแห้งตาย ถ้า เกิดขึ้นในระยะแตกกอจนถึงระยะกำเนิดช่อดอกจะทำให้ข้าวมีเมล็ดลีบมาก จนถึงต้นข้าวแห้ง ตายได้ รายละเอียดตามตารางท่ี 3 ตารางท่ี 2- 3 ระยะเวลาทีข่ า้ วสามารถทนทานได้และผลกระทบที่พชื ได้รบั เนื่องจากภัยแลง้ พชื ระยะเวลาท่ีได้รับ ความรนุ แรง ลักษณะความเสยี หาย/อาการ การฟื้นฟู ขา้ ว ผลกระทบ มาก กลาง น้อย ตน้ ขา้ วแห้งตายทั้งหมด - √ ต้นข้าวแหง้ ตายทง้ั หมด - ต้นข้าวในระยะกล้าขาด ต้นขา้ วแหง้ ตายทัง้ หมด - น้ำมากกว่า 45 วัน √ ต้นขา้ วแห้งตายทงั้ หมด - ต้นข้าวในระยะแตกกอ ขาดน้ำ มากกวา่ 45 วนั √ ต้นข้าวในระยะตั้งท้อง ขาดนำ้ มากกว่า 30 วัน √ ต้นข้าวในระยะออกรวง ขาดนำ้ มากกวา่ 7 วนั - พืชไร่ ไดแ้ ก่ ข้าวโพด มันสำปะหลงั และอ้อย ได้มีการกำหนดเกณฑพ์ ิจารณาความเสียหายของ พชื เนอ่ื งจากภยั ธรรมชาติ โดยกรมวชิ าการเกษตร ปี 2551 รายละเอียดตามตารางท่ี 2- 4 ถึง ตารางท่ี 2- 6 รายงานการวจิ ัย Research Report) | หน้า 29

โครงการประเมินพื้นทีเ่ สยี่ งภยั แล้งและความเสยี หายของพืชเกษตรรายแปลง ด้วยเทคโนโลยภี มู สิ ารสนเทศ ตารางท่ี 2- 4 ระยะเวลาที่ข้าวโพดเลยี้ งสัตวส์ ามารถทนทานไดแ้ ละผลกระทบท่ีพืชได้รบั เนื่องจากภัยแลง้ พชื ระยะเวลาที่ไดร้ ับ ความรุนแรง ลกั ษณะความเสียหาย/อาการ การฟนื้ ฟู ผลกระทบ มาก กลาง น้อย √ ข้าวโพดเลยี้ งสัตว์ ระยะกล้า (1-14 หากขา้ วโพดไม่ได้รับน้ำหลังจาก ไม่สามารถฟ้ืนฟไู ด้ √ วนั หลงั ปลูก) หยอดเมล็ดเป็นระยะเวลา 7-14 √ √√ วัน ความงอกของเมล็ดลดลง หรอื ไมส่ ามารถเจรญิ แทงใบโผล่ พ้นเหนือดนิ เมล็ดเนา่ ภายในดนิ หรือใบท่เี จรญิ พน้ ผิวดนิ ได้จะแห้ง ตายในทสี่ ุด ระยะงอกถึงระยะ หากข้าวโพดขาดนำ้ เปน็ หากไดร้ ับน้ำหลงั ออกดอก (15-45 วันหลังปลกู ) ระยะเวลา 15-30 วัน ขา้ วโพดมี จากนนั้ สามารถ ต้นข้าวในระยะตัง้ อาการใบม้วนเห่ยี ว ใบลา่ ง เจรญิ เตบิ โตได้ แต่ ทอ้ งขาดนำ้ มากกว่า 30 วัน เหลอื ง แหง้ ชะงกั การ ผลผลติ ลดลงร้อยละ ระยะออกดอกถงึ ระยะสะสม เจรญิ เตบิ โต ขอ้ ปล้องส้ัน 25-30 น้ำหนักแห้ง (46- 70 วนั หลังปลกู ) หากขาดน้ำเกินกวา่ 1 เดอื นข้นึ ไม่สามารถฟืน้ ฟไู ด้ ไป ข้าวโพดจะเรมิ่ แหง้ ตาย หากขาดน้ำเป็นระยะเวลา 25- หากไดร้ ับนำ้ หลงั 30 วัน ขา้ วโพดมอี าการใบม้วน จากนั้นสามารถ เหีย่ ว ใบดา่ ง เหลือง แห้ง มกี าร เจริญเติบโตได้ แต่ พัฒนาช่อดอก แตม่ ชี ว่ งการ ผลผลติ ลดลงร้อยละ โปรยละอองเกสรสั้น ช่อ ดอก 50-60 แห้งเร็ว การออกไหมติดฝกั ของ ข้าวโพดช้าลง หรอื ไมม่ ฝี กั รายงานการวจิ ยั Research Report) | หน้า 30

โครงการประเมินพนื้ ที่เสีย่ งภยั แลง้ และความเสยี หายของพืชเกษตรรายแปลง ดว้ ยเทคโนโลยภี มู ิสารสนเทศ ตารางท่ี 2- 5 ระยะเวลาทม่ี ันสำปะหลงั สามารถทนทานไดแ้ ละผลกระทบท่ีพชื ได้รับเน่ืองจากภยั แล้ง พชื ระยะเวลาท่ี ความรุนแรง ลกั ษณะความเสยี หาย/อาการ การฟนื้ ฟู ไดร้ บั ผลกระทบ มาก กลาง นอ้ ย มันสำปะหลงั 1 เดือน √ 1 เดือนหลงั การปลกู มเี ปอรเ์ ซน็ ตก์ าร - งอกต่ำ - 1 เดือน √ 2 - 3 เดือนหลังการปลกู เปอรเ์ ซน็ ตก์ ารอยู่ รอดต่ำ และ ชะงกั การเจริญเตบิ โตทางดา้ น - 1 เดือน √ ลำต้น - 3 - 5 เดือนหลงั การปลกู ชะงักการ - 3 เดอื น √ เจริญเตบิ โต และการ สร้างหัวช้า - 3 เดอื น √ อายุ 1 – 2 เดือนหลังการปลกู แหง้ ตาย 3 - 5 เดือนหลังการปลกู ชะงักการ 3 เดอื น √ เจริญเตบิ โต และการสรา้ งหวั ชา้ อายมุ ากกว่า 5 เดือนหลงั ปลูก ผลผลิต ลดลง/หัวฝอ่ ตารางที่ 2- 6 ระยะเวลาที่อ้อยสามารถทนทานได้และผลกระทบทีพ่ ชื ได้รับเน่อื งจากภัยแลง้ พชื ระยะเวลาทไ่ี ด้รบั ความรุนแรง ลกั ษณะความเสยี หาย/อาการ การฟ้นื ฟู ออ้ ย ผลกระทบ มาก กลาง น้อย √ ออ้ ยต้องการน้ำในช่วงแรกของการงอก ช่วง - อายุออ้ ยหลงั งอก แตกหนอ และชว่ งระยะการเจรญิ เติบโต 1-2 เดอื น √ ตลอดฤดูปลูกประมาณ ปลี ะ 1,500-1,800 - มลิ ลเิ มตร ถา้ แลง้ มากในออ้ ยทอ่ี ายุ 1-2 - ระยะย่างปลอ้ ง √ เดอื นจะทำใหอ้ ้อยไม่งอก ถา้ งอกแล้วจะไม่ และแตกกอ 3-5 เจรญิ เติบโต เสยี หาย 80-100 % เดอื น ถา้ แล้งมาก อ้อยไมแ่ ตกกอ ใบเหลอื ง ไม่ เจริญเตบิ โต อาศัยความช้ืนในดนิ ได้นาน ระยะเจรญิ เตบิ โต 7-10 วนั ถา้ นานเกินกว่าน้ีอ้อยจะแห้งตาย ถงึ เกบ็ เก่ียว 6-12 ไมไ่ ด้ผลผลติ เดอื น ถ้าขาดนำ้ อ้อยจะชะงักการเจรญิ เติบโต ต้นเตย้ี ใบเหลอื ง จนเป็นสนี ำ้ ตาล และ เรมิ่ เห่ียวแหง้ อ้อยสามารถทนแลง้ ไดน้ าน 1-2 เดอื น โดยอาศยั ความช้นื ในดนิ ถ้า แล้งนาน จะแหง้ ตาย ผลผลติ เสียหาย 70- 80 % รายงานการวิจัย Research Report) | หนา้ 31