รายงานการวิจัย - Crops Drought_Research Report_Final

โครงการประเมนิ พนื้ ที่เสย่ี งภัยแลง้ และความเสยี หายของพชื เกษตรรายแปลง ดว้ ยเทคโนโลยีภูมสิ ารสนเทศ 3) Chlorophyll Content Index (CI) แสดงค่าของคลอโรฟิลลใ์ นพชื ทำให้เห็นพืชพรรณจากการ เพาะปลูกท่ีมีปกคลุมพ้ืนที่ได้อย่างชดั เจน เรม่ิ ตัง้ แต่เดือนมิถุนายนถึงเดือนพฤศจิกายน ก่อนจะ เกบ็ เกยี่ วในเดือนธันวาคม รูปที่ 4- 28 แสดงค่าดัชนี CI ทว่ั ประเทศ (บน) และ CI ระดับรายแปลง (ลา่ ง) จากดาวเทยี ม Sentinel-2 รายงานการวิจัย Research Report) | หน้า 82

โครงการประเมนิ พื้นท่ีเสย่ี งภัยแลง้ และความเสยี หายของพชื เกษตรรายแปลง ด้วยเทคโนโลยภี ูมิสารสนเทศ 4) Normalized Difference Water Index (NDWI) แสดงค่าของความชื้นจากน้ำที่ปรากฏบน พื้นที่การเพาะปลูกพืช ทำให้เห็นความชื้นได้อย่างชัดเจน เริ่มตั้งแต่เดือนมิถุนายนถึงเดือน พฤศจกิ ายน ก่อนจะเก็บเกีย่ วในเดอื นธันวาคม รูปที่ 4- 29 แสดงค่าดัชนี NDWI ทว่ั ประเทศ (บน) และ CI ระดบั รายแปลง (ล่าง) จากดาวเทียม Sentinel-2 รายงานการวจิ ยั Research Report) | หน้า 83

โครงการประเมนิ พื้นที่เสยี่ งภยั แล้งและความเสียหายของพชื เกษตรรายแปลง ด้วยเทคโนโลยีภมู สิ ารสนเทศ 4.3.2 การวิเคราะหค์ วามเสยี หายของพชื เกษตรรายแปลง 1) การวเิ คราะห์ Drought Severity Index: DSI เพื่อเป็นการระบุความเสียหายของพืชจากสภาวะแห้งแล้งได้ชัดเจนขึ้นจำเป็นต้องมีการนำดัชนี พื้นที่เสี่ยงภัยแล้ง (Drought Risk Index: DRI) มาเป็นปัจจัยตั้งต้นสำหรับการวิเคราะห์ โดยดัชนี DRI จะเป็น ดัชนีที่พัฒนาจากปัจจัยต่างๆ ทั้งด้านอุตุนิยมวิทยาและอุทกวิทยา ที่จะช่วยระบุพื้นที่เป็นราย Pixel และมีการ ปรับปรุงข้อมูลเป็นรายสัปดาห์ ทำให้ทราบได้ว่า พื้นที่ใดเกิดสภาวะแห้งแล้งในช่วงเวลาใด ซึ่งในการประเมิน ความเสยี หายของพชื จะใช้ดัชนี DRI มาวิเคราะห์ร่วมกบั เกณฑ์พิจารณาความเสียหายของพืชแต่ละชนิดตามการ วิเคราะห์ชพี ลักษณ์พชื จากดชั นพี ชื พรรณ การวเิ คราะหช์ ีพลักษณ์ของพืชเป็นสว่ นหนึ่งของสมการดชั นี CDAI ทจ่ี ะมีการนำค่าดัชนพี ืชพรรณท่ี เกีย่ วข้องกับความเสียหายของพชื มาคำนวณท้ังสิ้น 4 ดัชนี ได้แก่ NDVI SAVI CI และ NDWI โดยในโครงการวจิ ัย นี้จะทำการศึกษาจากเส้นชีพลักษณข์ องการเจริญเติบโตของพืชระหว่างการเจริญเตบิ โตปกตกิ ับการเจริญเติบโต ทป่ี ระสบภยั แลง้ ของพชื แต่ละชนดิ - เส้นชีพลักษณ์ของการเจริญเติบโตปกติ: สร้างจากแปลงทะเบียนเกษตรกรที่มีการเพาะปลูก พืชชนิดเดิมต่อเนื่องและไม่เคยได้รับความเสียหายในรอบ 4 ปี (พ.ศ. 2561-2564) จำนวน ทั้งสิ้น 410,326 แปลง แยกเป็น ข้าว 379,237 แปลง ข้าวโพด 5,386 แปลง มันสำปะหลัง 19,445 แปลง และออ้ ย 6,258 แปลง - เส้นชีพลักษณ์ของพืชที่เสียหาย: สร้างจากแปลงทะเบียนเกษตรกรที่เคยเสียหายจากภัยแล้ง และขอรับการช่วยเหลือจากรายงาน กษ.02 ในรอบ 7 ปี (พ.ศ. 2558-2564) ที่ผ่านการกรอง ข้อมูลแล้ว จำนวนทั้งสิ้น 66,983 แปลง แยกเป็น ข้าว 62,680 แปลง ข้าวโพด 4,173 แปลง มันสำปะหลัง 84 แปลง และอ้อย 56 แปลง โดยผลการศึกษาจะเป็นการอธิบายลักษณะดัชนีพืชพรรณตามชีพลักษณ์ที่สอดคล้องกับแปลง เพาะปลูกท่ปี ระสบผลกระทบจากภัยแล้งทเ่ี ป็นชุดขอ้ มลู จาก กษ.02 มีรายละเอยี ดแบ่งตามชนิดพืชดังตอ่ ไปนี้ 1) ข้าว (Rice) ข้าวเป็นพืชที่มีอายุการเพาะปลูกประมาณ 100-150 วัน ขึ้นอยู่กับพันธุ์ข้าว (ไวต่อช่วงแสงและไม่ ไวต่อช่วงแสง) ที่มีการเพาะปลูกแตกต่างกันในแต่ละสภาพของพื้นที่ นอกจากนี้ประเทศไทยยังเป็นประเทศที่ สามารถเพาะปลกู ข้าวได้มากกวา่ 1 รอบการเพาะปลูกต่อปหี รือปลูกตามตามฤดกู าล คอื (1) ข้าวนาปี หรือข้าวนาน้ำฝน คือ ข้าวที่ปลูกในฤดูการทำนาปกติ จึงใช้ภาษาอังกฤษตรงตัว ว่า In-season Rice เริ่มตั้งแต่เดือน พฤษภาคม ถึง ตุลาคม และเก็บเกี่ยวสิ้นสุดไม่เกิน กุมภาพันธ์ (2) ข้าวนาปรัง คือ ข้าวที่ปลูกนอกฤดูการทำนาปกติ ภาษาอังกฤษจึงใช้คำว่า Off-Season Rice มรี อบการเพาะปลกู ต้ังแตเ่ ดือนพฤศจิกายน ถึง เมษายน ของปีถัดไป มกั นยิ มปลูกใน พื้นที่ที่มีการชลประทานดี เช่น ในภาคกลางและภาคตะวันออกเฉียงเหนือในบางพื้นท่ี เป็นตน้ รายงานการวิจยั Research Report) | หนา้ 84

โครงการประเมินพ้นื ทีเ่ สี่ยงภยั แล้งและความเสียหายของพืชเกษตรรายแปลง ดว้ ยเทคโนโลยีภมู สิ ารสนเทศ จากการใชผ้ งั แปลงเกษตรกรรมดจิ ิทลั ของขา้ วนาปมี าสกดั ดชั นีพชื พรรณจากดาวเทยี ม Sentinel-2 ในระดับรายแปลง เพ่ือสรา้ งกราฟของเส้นชีพลักษณ์ตามการเจริญเตบิ โตต้ังแต่เร่ิมเพาะปลูกจนถึงเก็บเกี่ยว โดย ในการสร้างเสน้ การเจริญเติบโตปกติใช้จำนวนแปลงทั้งสิน้ 379,237 แปลง และเส้นท่ีข้าวได้รับความเสียหายใช้ จำนวนแปลงทั้งสิ้น 62,680 แปลง พบว่า เส้นกราฟมีลักษณะเป็นทรงระฆังคว่ำ โดยค่าดัชนีทุกตัวเริ่มเพิ่มขึ้น ตงั้ แต่เดอื นมิถุนายนซึง่ เป็นชว่ งที่เกษกรกรเร่ิมทำการเพาะปลกู และถงึ จดุ สูงสุดในช่วงท่ีข้าวมีอายุ 4 เดือน ก่อน จะเริ่มตกลงในช่วงที่เริ่มมีการเก็บเกี่ยวผลผลิต โดยจากการวิเคราะห์ผลของรายงาน กษ.02 พบว่า ข้าวในภาค ตะวันออกเฉยี งเหนือจะพบวา่ เสยี หายมากทสี่ ุดในช่วงที่ข้าวอายุ 4 เดือนหรอื ในช่วงเดอื นตลุ าคม รูปท่ี 4- 30 เส้นชีพลักษณข์ องขา้ วจากดัชนี NDVI, SAVI, CI, NDWI เปรยี บเทียบระหวา่ งปปี กติ (เขยี ว) กับปที ป่ี ระสบภยั แลง้ (แดง) จะเห็นได้ว่าเส้นชีพลักษณ์ของข้าวที่ประสบภัยแล้งจะมีค่าต่ำกว่าข้าวที่เจริญเติบโตปกติ เม่ือ วิเคราะห์ค่าดัชนีโดยใช้ช่วงเวลาที่เกษตรกรแจ้งขอรับการช่วยเหลือที่ปรากฏในรายงาน กษ.02 ของข้าว (เดือน 10) พบวา่ - ดชั นี NDVI ของเส้นปกติเท่ากับ 0.613 ขณะท่ี เสน้ ทีป่ ระสบภยั แลง้ เทา่ กบั 0.413 - ดชั นี SAVI ของเสน้ ปกตเิ ท่ากับ 0.370 ขณะที่ เส้นท่ีประสบภยั แล้งเท่ากบั 0.223 - ดชั นี CI ของเส้นปกตเิ ทา่ กบั 1.459 ขณะท่ี เสน้ ท่ีประสบภยั แล้งเทา่ กบั 1.314 - ดชั นี NDWI ของเส้นปกติเทา่ กบั 0.262 ขณะที่ เส้นที่ประสบภัยแลง้ เทา่ กับ 0.198 รายงานการวจิ ัย Research Report) | หนา้ 85

โครงการประเมินพน้ื ทีเ่ สีย่ งภัยแลง้ และความเสียหายของพืชเกษตรรายแปลง ด้วยเทคโนโลยีภูมิสารสนเทศ รปู ที่ 4- 31 ตวั อย่างแปลงข้าวทเ่ี สยี หาย (แดง) และไม่เสยี หาย (เขียว) ที่ประมวลผลจากค่าดชั นี NDVI พน้ื ท่ี จังหวัดสรุ ินทร์ 2) ข้าวโพด (Maize) ข้าวโพดมีอายุเก็บเกี่ยว 100 - 120 วัน ในแต่ละปีการผลิต เกษตรกรจะทำการเพาะปลูกข้าวโพด เลี้ยงสัตว์จำนวน 2 ครัง้ ขา้ วโพดร่นุ แรก เรม่ิ ปลูกในชว่ งฤดฝู น ประมาณช่วงเดือน เมษายน - มิถุนายน และเก็บ เกี่ยวผลผลิตในเดือน สิงหาคม - พฤศจิกายน ซึ่งเป็นช่วงที่ยังคงมีฝนตกมาก การเพาะปลูกข้าวโพดรุ่น 2 ประมาณชว่ งฤดูแล้ง แต่ขา้ วโพดรุ่นนี้จะมีปริมาณผลผลติ ไมม่ าก การเพาะปลูกจะเร่ิมในเดือน ธันวาคม และเก็บ เกี่ยวในชว่ งเดอื น มีนาคม - เมษายน ของปีถัดไป จากการใช้ผังแปลงเกษตรกรรมดจิ ิทลั ของขา้ วโพดมาสกัดดชั นีพชื พรรณจากดาวเทยี ม Sentinel-2 ในระดับรายแปลง เพื่อสรา้ งกราฟของเส้นชีพลักษณ์ตามการเจริญเตบิ โตต้ังแต่เริ่มเพาะปลูกจนถึงเก็บเกี่ยว โดย ในการสรา้ งเส้นการเจรญิ เตบิ โตปกติใชจ้ ำนวนแปลงท้ังส้ิน 5,386 แปลง และเส้นท่ีขา้ วโพดไดร้ บั ความเสยี หายใช้ จำนวนแปลงทงั้ สน้ิ 4,173 แปลง พบวา่ เส้นกราฟมีลักษณะเป็นทรงระฆงั ควำ่ โดยคา่ ดชั นที กุ ตวั เร่มิ เพิม่ ขึน้ ตั้งแต่ เดือนพฤษภาคมซ่ึงเป็นชว่ งทเี่ กษกรกรเริ่มทำการเพาะปลูก และถึงจุดสงู สุดในชว่ งเดือนตุลาคมก่อนจะเร่ิมตกลง ในชว่ งท่ีเรม่ิ มีการเก็บเก่ียวผลผลิต โดยจากการวเิ คราะห์ผลของรายงาน กษ.02 พบวา่ ข้าวโพดจะพบว่าเสียหาย มากที่สุดในชว่ งทขี่ ้าวโพดอายุ 2 เดอื นหรอื ในช่วงเดือนกรกฎาคม รายงานการวจิ ยั Research Report) | หนา้ 86

โครงการประเมนิ พื้นทเ่ี สยี่ งภยั แล้งและความเสยี หายของพชื เกษตรรายแปลง ด้วยเทคโนโลยภี ูมิสารสนเทศ รูปท่ี 4- 32 เสน้ ชพี ลกั ษณข์ องขา้ วโพดจากดชั นี NDVI, SAVI, CI, NDWI เปรียบเทยี บระหวา่ งปปี กติ (เขยี ว) กบั ปที ่ปี ระสบภัยแลง้ (แดง) จากรูปที่ 4- 32 จะเห็นได้ว่าเส้นชีพลักษณ์ของข้าวโพดที่ประสบภัยแล้งจะมีค่าต่ำกว่าข้าวโพดท่ี เจริญเติบโตปกติ เมื่อวิเคราะห์ค่าดัชนีโดยใช้ช่วงเวลาที่เกษตรกรแจ้งขอรับการช่วยเหลือที่ปรากฏในรายงาน กษ.02 ของข้าวโพด (เดอื น 7) พบว่า - ดชั นี NDVI ของเสน้ ปกตเิ ท่ากับ 0.318 ขณะที่ เส้นที่ประสบภยั แลง้ เท่ากบั 0.183 - ดชั นี SAVI ของเสน้ ปกตเิ ท่ากับ 0.215 ขณะที่ เสน้ ท่ีประสบภัยแลง้ เทา่ กับ 0.134 - ดชั นี CI ของเสน้ ปกติเทา่ กับ 0.751 ขณะที่ เส้นที่ประสบภัยแลง้ เท่ากับ 0.468 - ดัชนี NDWI ของเส้นปกติเท่ากบั -0.043 ขณะท่ี เส้นทป่ี ระสบภัยแลง้ เทา่ กบั -0.157 รายงานการวจิ ัย Research Report) | หนา้ 87

โครงการประเมินพ้ืนทีเ่ สี่ยงภัยแลง้ และความเสยี หายของพชื เกษตรรายแปลง ด้วยเทคโนโลยภี มู ิสารสนเทศ รูปที่ 4- 33 ตวั อย่างแปลงข้าวโพดท่ีเสียหาย (แดง) และไม่เสยี หาย (เขียว) ท่ปี ระมวลผลจากค่าดชั นี NDVI พืน้ ทีจ่ งั หวดั นครราชสีมา 3) มนั สำปะหลัง (Cassava) มันสำปะหลังเป็นพืชที่สามารถปลูกได้ตลอดปี โดยมากกว่าร้อยละ 65 ของพื้นที่ปลูกทั้งหมด เกษตรกรจะทำการปลูกในช่วงต้นฤดฝู น คือ ประมาณเดือน มีนาคม ถึง พฤษภาคม ส่วนอีกร้อยละ 20 จะปลูก ในช่วงฤดูแล้ง ตั้งแต่เดือน พฤศจิกายน ถึง กุมพาพันธ์ ส่วนที่เหลือรอ้ ยละ 13 จะปลูกในช่วงเดอื น มิถุนายน ถึง ตุลาคม การปลูกในช่วงตน้ ฤดฝู นจะทำให้ได้ผลผลิตสูงกว่าปลูกในฤดูอื่น ๆ แต่ในดินที่มีลักษณะเนื้อดนิ ค่อนข้าง หยาบ การปลูกในช่วงฤดูแลง้ จะใหผ้ ลผลิตสงู ทส่ี ุด การเจรญิ เติบโตของมันสำปะหลงั ประกอบดว้ ย 5 ระยะ ดังน้ี (1) ระยะแตกตา ชว่ งอายุ 5-15 วนั (2) ระยะสร้างเนื้อเยื่อใบและราก ช่วงอายุ 15 วันถึง 3 เดือน ซึ่งในช่วงหนึ่งเดือนแรกนี้ เนื่องจากเนื้อเยื่อใบยังพัฒนาได้ไม่เต็มที่ การเจริญเติบโตของมันสำปะหลังในระยะนี้จึง มิใช่จากการสังเคราะห์แสง แต่มาจากอาหารสะสมในส่วนของท่อนพันธุ์มันสำปะหลังเอง และท่ชี ่วง 2-3 เดอื น จะเรม่ิ มีการสะสมแป้งในราก (3) ระยะการเจริญทางต้นและใบ ชว่ งอายุ 3-6 เดือน ซ่งึ ช่วง 4-5 เดอื น มนั สำปะหลังจะมี พื้นที่ที่จะสังเคราะห์แสงได้เต็มประสิทธิภาพมากที่สุด และการสะสมแป้งที่รากก็ยังคง ดำเนินควบคู่ก้นไป รายงานการวิจยั Research Report) | หนา้ 88

โครงการประเมินพน้ื ท่เี สยี่ งภยั แลง้ และความเสยี หายของพชื เกษตรรายแปลง ด้วยเทคโนโลยภี มู ิสารสนเทศ (4) ระยะสะสมอาหารที่หัว ช่วงอายุ 6-10 เดือน เนื่องจากไม่มีการเจริญเติบโตทางต้นเพิ่ม มากนกั ตน้ เริม่ สะสมลิกนนิ ทำให้แข็งแรงมากข้นึ ใบลา่ งบางสว่ นจะรว่ งเพื่อลดการสูญเสีย นำ้ อตั ราการสะสมอาหารท่ีรากในระยะนีจ้ ะเพิ่มมากข้นึ (5) ระยะพักตวั ชว่ ง 10-12 เดือน ซึ่งจะมผี ลผลิตคงที่ จากการใช้ผังแปลงเกษตรกรรมดิจิทัลของมันสำปะหลังมาสกัดดัชนีพืชพรรณจากดาวเทียม Sentinel-2 ในระดับรายแปลง เพื่อสร้างกราฟของเส้นชีพลักษณ์ตามการเจริญเติบโตตั้งแต่เริ่มเพาะปลูกจนถึง เก็บเกี่ยว โดยในการสรา้ งเส้นการเจริญเติบโตปกติใช้จำนวนแปลงทั้งสิ้น 19,445 แปลง และเส้นทีม่ ันสำปะหลัง ได้รับความเสียหายใช้จำนวนแปลงทั้งสิ้น 84 แปลง พบว่า เส้นกราฟมีลักษณะเป็นทรงระฆังคว่ำเบ้ขวา โดยค่า ดัชนีทุกตัวเริ่มเพิ่มขึ้นตั้งแต่เดือนเมษายนซึ่งเป็นช่วงที่เกษกรกรเริ่มทำการปักท่อนก่อนจะเข้าสู่ฤดูฝนและถึง จุดสูงสุดในช่วงที่มันสำปะหลังมีอายุ 7-8 เดือน ก่อนจะเริ่มตกลงในช่วงที่เริ่มมีการเก็บเกี่ยวผลผลิตในเดือน ธันวาคม โดยจากการวิเคราะห์ผลของรายงาน กษ.02 พบว่า มันสำปะหลังจะพบกว่าเสียหายมากที่สุดในช่วงท่ี มนั สำปะหลงั อายุ 4 เดือนหรอื ในชว่ งเดือนสิงหาคม รูปที่ 4- 34 เส้นชพี ลักษณ์ของมนั สำปะหลงั จากดชั นี NDVI, SAVI, CI, NDWI เปรียบเทียบระหว่างปีปกติ (เขียว) กบั ปีท่ีประสบภัยแล้ง (แดง) จากรูปที่ 4- 34 จะเห็นได้ว่าเส้นชีพลักษณ์ของมันสำปะหลังที่ประสบภัยแล้งจะมีค่าต่ำกว่ามัน สำปะหลังท่ีเจรญิ เตบิ โตปกติ เมื่อวเิ คราะห์ค่าดัชนีโดยใชช้ ว่ งเวลาทเ่ี กษตรกรแจ้งขอรบั การช่วยเหลือท่ีปรากฏใน รายงาน กษ.02 ของมันสำปะหลัง (เดือน 8) พบว่า - ดชั นี NDVI ของเส้นปกติเท่ากับ 0.545 ขณะท่ี เส้นที่ประสบภยั แล้งเท่ากบั 0.410 - ดัชนี SAVI ของเสน้ ปกตเิ ท่ากับ 0.395 ขณะท่ี เสน้ ที่ประสบภยั แล้งเท่ากบั 0.309 - ดชั นี CI ของเสน้ ปกตเิ ทา่ กบั 1.691 ขณะท่ี เส้นท่ีประสบภัยแล้งเทา่ กับ 0.872 - ดัชนี NDWI ของเสน้ ปกติเท่ากบั 0.168 ขณะท่ี เสน้ ทป่ี ระสบภัยแล้งเทา่ กับ 0.071 รายงานการวจิ ัย Research Report) | หน้า 89

โครงการประเมินพืน้ ที่เสยี่ งภยั แลง้ และความเสียหายของพชื เกษตรรายแปลง ดว้ ยเทคโนโลยีภูมสิ ารสนเทศ รูปที่ 4- 35 ตวั อยา่ งแปลงมันสำปะหลงั ที่เสยี หาย (แดง) และไมเ่ สยี หาย (เขยี ว) ที่ประมวลผลจากค่าดชั นี NDVI พื้นทจ่ี ังหวัดกำแพงเพชร 4) ออ้ ย (Sugarcane) อ้อยเป็นพืชที่ปลูกแลว้ สามารถเก็บเก่ียวไดห้ ลายครัง้ การเจรญิ เติบโตทด่ี ขี องอ้อย ต้องพึ่งพาปัจจัย หลายด้าน อาทิเช่น แสงแดด น้ำ อากาศ ธาตุอาหาร เป็นต้น ซึ่งในแต่ละช่วงวัยของอ้อย มีความต้องการปัจจัย ต่าง ๆ มากน้อยตามอายุ ซ่งึ ตอ้ งเข้าใจการเจริญเติบโตของอ้อย ซ่งึ การเจริญเตบิ โตของออ้ ยแบง่ ออกเปน็ 4 ระยะ ดงั นี้ (1) ระยะงอก (Germination Phase) ระยะนี้เริ่มต้นตั้งแต่ปลูกจนกระทั่งหน่อโผล่พ้นดิน โดยจะใช้เวลาประมาณ 2-3 สัปดาห์ ซึ่งก็ขึ้นอยู่กับปัจจัยหลายอย่าง เช่น พันธุ์ ความหนาของดินที่กลบท่อนพันธุ์ และการ ปฏิบัติต่อท่อนพันธุ์ เป็นต้น หน่อที่เกิดจากตาของท่อนพันธุ์ เรียกว่า หน่อแรก (Primary Shoot) หรือหน่อแม่ (Mother shoot) จำนวนท่อนพันธุ์ที่งอกต่อไร่จะเป็นตัวกำหนด จำนวนกอออ้ ยในพนื้ ที่แปลง (2) ระยะแตกกอ (Tillering Phase) การแตกกอ จะเริ่มจากราว ๆ 1.5 เดอื น หลังปลูก และ อาจนานถึง 2.5-4 เดอื น การแตก กอ เป็นกระบวนการทางสรีรวิทยาของแบบการทำซ้ำภายใต้พื้นดิน โดยแยกออกจากข้อ ตาที่เป็นหน่อแม่ โดยการแตกกออ้อย ให้มีจำนวนข้อที่เหมาะสม จะทำให้ได้ผลผลิตที่ดี โดยปัจจัยต่าง ๆ ท่ีมผี ลต่อ การแตกกอ มีหลากหลาย ไดแ้ ก่ ความช้ืนในดิน แสง อุณหภูมิ รายงานการวจิ ยั Research Report) | หนา้ 90

โครงการประเมินพน้ื ทีเ่ ส่ียงภัยแล้งและความเสยี หายของพืชเกษตรรายแปลง ด้วยเทคโนโลยภี ูมสิ ารสนเทศ และปุย๋ หนอ่ ทเี่ กดิ ข้นึ ในช่วงตน้ นน้ั ก่อให้เกดิ ลำทใ่ี หญ่และหนกั แตห่ นอ่ ทเี่ กิดขึ้น ในช่วง ปลายจะมีโอกาสทั้งตายหรือ ซึ่งจะเกิดข้ึนในระยะสั้น คือโตไม่เต็มที่เท่าน้ัน การปลูกอ้อย ในระยะการแตกกอนั้น การควบคุม น้ำ และ วัชพืช ที่มีความสำคัญต่อการแตกกอเป็น อย่างมาก ซึ่งจะช่วยกระตุ้นการแตกกอ ให้มีประมาณหน่อลูกทีเ่ หมาะสม ส่งผลต่อการได้ ผลผลิตตอ่ ไร่ท่ีดี (3) ระยะยา่ งปลอ้ ง (Stalk Elongation Phase) ระยะนี้เป็นระยะต่อเนื่องกับการแตกกอ อ้อยจะมีการเพิ่มความยาวและขนาดเส้นผ่าน ศูนย์กลางของปล้องอย่างรวดเร็ว ทำให้อ้อยทั้งลำต้นเจริญเติบโตได้อยา่ งรวดเร็วด้วย โดย จะเริ่มตั้งแต่อายุประมาณ 3-4 เดือน ถึงอายุประมาณ 7-8 เดือน ซึ่งหลังจากนั้นการ เจริญเตบิ โตจะมีลดลง และจะเรม่ิ มกี ารสะสมน้ำตาลเพม่ิ มากขึน้ (4) ระยะแก่และสุก (Maturity and Ripening Phase) เป็นระยะที่มีอัตราการเจริญเติบโตช้าลงมากเมื่อเปรียบเทียบกับระยะต่าง ๆ ข้างต้น เมื่อ การเจริญเติบโตเริ่มช้าลง น้ำตาลที่ใบสร้างขึ้นโดยการสังเคราะห์แสงนั้นจะถูกใช้น้อยลง และมีเหลือสะสมในลำต้นมากขึ้น ซึ่งระยะนี้เป็นการเริ่มต้นของการสุกนั่นเอง การสะสม น้ำตาลนั้นจะเริ่มจากส่วนโคนไปหาปลาย ดังนั้นส่วนโคนจึงมีความหวานมากกว่าส่วน ปลาย การสะสมน้ำตาลจะมีมากขึ้นตามลำดับ จนกระทั่งทุกส่วน มีความหวานใกล้เคียง กนั เรียกว่า สกุ จากการใชผ้ ังแปลงเกษตรกรรมดิจิทลั ของอ้อยมาสกดั ดัชนีพชื พรรณจากดาวเทียม Sentinel-2 ใน ระดับรายแปลง เพือ่ สร้างกราฟของเส้นชีพลักษณ์ตามการเจริญเตบิ โตตั้งแต่เร่ิมเพาะปลกู จนถึงเก็บเก่ียว โดยใน การสร้างเส้นการเจริญเติบโตปกติใช้จำนวนแปลงทั้งสิ้น 6,258 แปลง และเส้นที่อ้อยได้รับความเสียหายใช้ จำนวนแปลงทั้งสิ้น 54 แปลง พบว่า เส้นกราฟมีลักษณะเป็นทรงระฆังคว่ำเบ้ขวา โดยค่าดัชนีทุกตัวเริ่มเพิ่มขึ้น ต้ังแตเ่ ดือนมีนาคมซ่งึ เปน็ ชว่ งที่อ้อยเข้าสรู่ ะยะย่างปล้อง (อายุ 3-4 เดือน) ใบเรมิ่ ปกคลุมพื้นท่ดี ินและถึงจุดสูงสุด ในช่วงเดือนพฤศจิกายนซึ่งเป็นช่วงที่อ้อยมีการเจริญเติบโตเต็มที่ ก่อนจะเริ่มตกลงในช่วงที่เริ่มมีการเก็บเกี่ยว ผลผลิตเข้าหีบ โดยจากการวิเคราะห์ผลของรายงาน กษ.02 พบว่า อ้อยจะพบว่าเสียหายมากที่สุดในช่วงที่อ้อย อายุ 7-8 เดือนหรือในชว่ งเดือนสิงหาคม รายงานการวจิ ยั Research Report) | หน้า 91

โครงการประเมนิ พน้ื ท่เี สีย่ งภยั แลง้ และความเสยี หายของพชื เกษตรรายแปลง ดว้ ยเทคโนโลยภี มู สิ ารสนเทศ รูปที่ 4- 36 เส้นชพี ลักษณข์ องออ้ ยจากดชั นี NDVI, SAVI, CI, NDWI เปรียบเทียบระหวา่ งปปี กติ (เขยี ว) กบั ปีที่ ประสบภัยแลง้ (แดง) จากรูปที่ 4- 36 จะเห็นได้ว่าเส้นชีพลักษณ์ของอ้อยที่ประสบภัยแล้งจะมีค่าต่ำกว่าอ้อยท่ี เจริญเติบโตปกติ เมื่อวิเคราะห์ค่าดัชนีโดยใช้ช่วงเวลาที่เกษตรกรแจ้งขอรับการช่วยเหลือที่ปรากฏในรายงาน กษ.02 ของออ้ ย (เดอื น 8) พบว่า - ดัชนี NDVI ของเสน้ ปกติเท่ากับ 0.578 ขณะที่ เสน้ ทป่ี ระสบภยั แลง้ เทา่ กบั 0.457 - ดัชนี SAVI ของเส้นปกตเิ ท่ากับ 0.395 ขณะที่ เส้นทป่ี ระสบภยั แล้งเท่ากับ 0.318 - ดัชนี CI ของเส้นปกติเทา่ กับ 1.974 ขณะที่ เสน้ ทีป่ ระสบภยั แล้งเท่ากบั 0.974 - ดัชนี NDWI ของเส้นปกติเท่ากบั 0.283 ขณะที่ เส้นที่ประสบภัยแล้งเท่ากับ 0.107 รูปท่ี 4- 37 ตวั อย่างแปลงอ้อยที่เสยี หาย (แดง) และไมเ่ สียหาย (เขียว) ทป่ี ระมวลผลจากคา่ ดัชนี SAVI พืน้ ท่ี จงั หวดั อุทยั ธานี รายงานการวจิ ยั Research Report) | หนา้ 92

โครงการประเมินพนื้ ทเี่ ส่ียงภัยแล้งและความเสยี หายของพืชเกษตรรายแปลง ดว้ ยเทคโนโลยภี ูมิสารสนเทศ จะเห็นได้ว่าจากการวิเคราะห์ชีพลักษณ์พืชทั้ง 4 ชนิดจากดัชนีพืชพรรณที่ใช้ศึกษาความเสียหาย ของพชื พบว่า ชพี ลักษณข์ องปีที่เสียหายจากภัยแล้งมีค่าต่ำกวา่ ชีพลักษณข์ องปีท่ีพืชเจริญเตบิ โตแบบปกติในทุก ดัชนี ดังนั้นในโครงการวิจัยนี้จึงมีข้อสรุปที่จะใช้ดัชนี NDVI SAVI CI และ NDWI ในการประเมินความเสียหาย ของพชื เกษตรรายแปลง 4.4.3 การสร้างสมการประเมินความเสยี หายของพชื (CDAICROPS) ในการวิเคราะห์ความเสียหายของพืชจากดชั นีพืชพรรณทั้ง 4 ตัว จะทำ Normalized ค่าดัชนีจาก ชีพลักษณ์ตามการเจริญเติบโตให้มีค่าตั้งแต่ 0-100 โดย 0 หมายถึง มีการเจริญเติบโตต่ำที่สุด และ 100 มีการ เจริญเติบโตที่ดีสุด แต่ในการประเมินผลกระทบหรือความเสียหายของพืช จะเป็นทิศทางตรงกันข้ามของการ เจริญเตบิ โต คอื 0 หมายถึง ไมม่ ีผลกระทบหรอื ความเสยี หาย และ 100 มผี ลกระทบหรือเสยี หายสนิ้ เชิง สำหรับ การประเมินความเสียหายของพืชเกษตรรายแปลง จะเป็นการคำนวณจากค่าดัชนีที่เกี่ยวข้องทั้ง 5 ดัชนีเป็น สมการประเมินความเสยี หายของพืช (CDAI) รายพืช โดยมีคา่ ถว่ งน้ำหนักทเ่ี กิดจากการวเิ คราะหค์ วามสำคัญของ ดัชนีท่ีมผี ลตอ่ ความเสยี หายของพืช ดังสมการ -(35)������������������������������������ = ������1(100 − ������������������������������������) + ������2(100 − ������������������������������������)+������3(100 − ������������������������) + ������4(100 − ������������������������������������) การวิเคราะห์หาค่าถ่วงน้ำหนักในสมการ CDAI ของพืชแต่ละชนิด จะพิจารณาจากค่า Normalized ของดัชนีในปีที่พืชเกิดความเสียหายจากภัยแล้งในรายงาน กษ.02 โดยศึกษาค่าเฉลี่ยรายเดือนตามชีพลักษณ์ของ พชื ในช่วงเวลาท่เี ปน็ ฤดกู าลเพาะปลูกปกติ โดยนกั วจิ ยั ได้แบ่งแปลงเสยี หายจากภยั แล้งออกเปน็ 2 ส่วน คอื 1) รอ้ ยละ 75 ของแปลงท้ังหมด เพ่ือการสร้างสมการความเสียหายของพชื 2) รอ้ ยละ 25 ของแปลงท้งั หมด เพอ่ื การทดสอบสมการความเสยี หายของพืช ดังนั้น ในการสร้างสมการความเสียหายของพืชจะใชแ้ ปลงเสียหายจากภัยแล้งทัง้ สิ้น 50,237 แปลง แยกเป็น ขา้ ว 47,010 แปลง ข้าวโพด 3,130 แปลง มันสำปะหลงั 57 แปลง และออ้ ย 40 แปลง ดังนี้ ตารางที่ 4- 7 แสดงคา่ ดัชนบี ่งชี้ความเสียหายแบบ Normalize เพ่อื คิดค่าถว่ งน้ำหนักของขา้ ว อายุข้าว ค่าดชั นบี ่งชี้ความเสยี หายแบบ Normalize ค่าถ่วงน้ำหนัก (เดือน) (0-100) NDVI SAVI CI NDWI 1 NDVI SAVI CI NDWI 0.25 0.25 0.25 0.25 2 61.98 62.29 61.53 60.51 0.30 0.30 0.30 0.10 3 56.90 56.78 57.23 46.35 0.25 0.25 0.40 0.10 4* 40.16 43.78 50.00 35.63 0.10 0.30 0.50 0.10 5 49.99 54.22 60.61 47.06 0.20 0.25 0.35 0.20 50.03 54.15 58.16 52.69 * อายุข้าวทเี่ สียหายมากท่สี ดุ จากรายงาน กษ.02 รายงานการวจิ ัย Research Report) | หน้า 93

โครงการประเมินพนื้ ท่เี สยี่ งภัยแลง้ และความเสยี หายของพืชเกษตรรายแปลง ด้วยเทคโนโลยภี มู สิ ารสนเทศ ตารางที่ 4- 8 แสดงค่าดัชนบี ่งชค้ี วามเสยี หายแบบ Normalize เพื่อคดิ ค่าถ่วงนำ้ หนกั ของขา้ วโพด อายุ คา่ ดชั นบี ง่ ชคี้ วามเสยี หายแบบ Normalize คา่ ถว่ งนำ้ หนกั ขา้ วโพด (0-100) (เดือน) NDVI SAVI CI NDWI NDVI SAVI CI NDWI 1 2* 58.83 59.76 66.41 57.48 0.20 0.20 0.40 0.20 3 4 64.57 64.90 70.59 63.96 0.20 0.20 0.40 0.20 5 54.79 52.89 63.13 43.20 0.20 0.20 0.50 0.10 38.77 39.69 47.51 39.29 0.20 0.20 0.40 0.20 40.77 43.08 50.71 37.61 0.20 0.20 0.50 0.10 * อายุขา้ วโพดทีเ่ สยี หายมากทีส่ ุด จากรายงาน กษ.02 ตารางที่ 4- 9 แสดงคา่ ดัชนีบ่งชีค้ วามเสยี หายแบบ Normalize เพอื่ คิดค่าถ่วงน้ำหนกั ของมนั สำปะหลงั อายมุ นั คา่ ดัชนีบ่งชคี้ วามเสยี หายแบบ Normalize ค่าถ่วงนำ้ หนกั สำปะหลัง (0-100) (เดอื น) NDVI SAVI CI NDWI NDVI SAVI CI NDWI 1 2 71.46 70.79 74.48 72.65 0.20 0.20 0.30 0.30 3 4* 69.13 68.82 72.36 69.86 0.20 0.20 0.40 0.20 5 6 64.39 64.03 68.40 60.80 0.25 0.25 0.30 0.20 7 8 62.03 61.64 66.80 55.62 0.25 0.25 0.40 0.10 9 57.29 55.84 63.28 48.62 0.25 0.25 0.40 0.10 54.17 53.78 60.03 48.98 0.25 0.25 0.40 0.10 44.75 45.93 50.00 36.64 0.25 0.25 0.40 0.10 43.41 46.17 50.14 44.03 0.20 0.20 0.40 0.20 53.29 54.23 61.70 52.42 0.20 0.20 0.40 0.20 * อายุมันสำปะหลงั ทเี่ สยี หายมากที่สุด จากรายงาน กษ.02 รายงานการวิจยั Research Report) | หน้า 94

โครงการประเมนิ พ้ืนท่ีเสี่ยงภัยแล้งและความเสียหายของพชื เกษตรรายแปลง ด้วยเทคโนโลยภี มู ิสารสนเทศ ตารางท่ี 4- 10 แสดงคา่ ดชั นบี ่งชีค้ วามเสียหายแบบ Normalize เพ่อื คดิ ค่าถ่วงน้ำหนักของอ้อย อายุออ้ ย ค่าดัชนีบ่งชคี้ วามเสียหายแบบ Normalize คา่ ถ่วงนำ้ หนกั (เดือน) (0-100) NDVI SAVI CI NDWI 1 NDVI SAVI CI NDWI 0.30 0.30 0.10 0.30 2 69.93 70.18 66.96 69.56 0.25 0.25 0.20 0.30 3 68.90 68.94 66.17 73.30 0.30 0.30 0.10 0.30 4 70.48 69.98 66.56 70.02 0.20 0.20 0.20 0.40 5 58.91 58.49 59.09 63.40 0.25 0.25 0.25 0.25 6 51.24 50.93 52.73 52.93 0.20 0.20 0.30 0.30 7* 47.96 47.83 50.78 49.05 0.30 0.20 0.35 0.15 8 51.72 48.54 52.16 46.76 0.20 0.30 0.30 0.20 9 43.88 45.37 45.40 43.85 0.20 0.30 0.30 0.20 10 36.99 38.87 40.02 36.77 0.10 0.30 0.30 0.30 11 36.69 41.46 42.17 42.30 0.10 0.25 0.40 0.25 46.90 49.01 51.74 48.74 * อายอุ ้อยท่เี สียหายมากทีส่ ดุ จากรายงาน กษ.02 จากการคิดคา่ ถว่ งนำ้ หนกั ของอายุพืชแต่ละชนิดที่ได้รบั ความเสยี หายมากท่ีสดุ เพอ่ื นำมาสร้างใน สมการ CDAICROPS แยกเปน็ รายชนดิ พชื ไดด้ ังน้ี ������������������������������������������������ = 0.1(100 − ������������������������������������������) + 0.3(100 − ������������������������������������������) + 0.5(100 − ������������������������������) + 0.1(100 − ---------------------(36) ������������������������������������������ ) ������������������������������������������������ = 0.2(100 − ������������������������������������������) + 0.2(100 − ������������������������������������������) + 0.4(100 − ������������������������������) + 0.2(100 − ---------------------(37) ������������������������������������������ ) ������������������������������������������������������������ = 0.25(100 − ������������������������������������������) + 0.25(100 − ������������������������������������������) + 0.4(100 − ������������������������������) + ---------------------(38) 0.1(100 − ������������������������������������������) ������������������������������������������������������������������������������ = 0.3(100 − ������������������������������������������) + 0.2(100 − ������������������������������������������) + 0.35(100 − ������������������������������) + ---------------------(39) 0.15(100 − ������������������������������������������) เพือ่ ใหก้ ารประเมินความเสยี หายของพืชสามารถบ่งชี้ไดว้ ่าเกิดจากภัยแลง้ ต้องมกี ารเช่ือมโยงกบั ความต่อเน่ืองของดชั นีภัยแล้ง DSI ตามปรากฏการณ์ ONI ร่วมกบั ดัชนี CDAICROPS ตามสมการ ������������������������ = (������������������������������������ > 80) ������������������ ������������������������������������������������������ --------------------(40) โดย DSI = (DRI1+DRI2+DRI3+DRIn )/N รายงานการวิจยั Research Report) | หนา้ 95

โครงการประเมินพ้ืนที่เส่ียงภัยแล้งและความเสียหายของพืชเกษตรรายแปลง ดว้ ยเทคโนโลยีภูมสิ ารสนเทศ เมอ่ื N = ตามเกณฑพ์ จิ ารณาความเสียหายของพืชแตล่ ะชนิด DRILa Niña = (0.4)(100 - (54.36 - VHIcur) / (52.96) + (0.6)(100 - (0.37 - SSMcur) / (0.26) ------(41) DRIEl Niño = (0.4)(100 - (91.39 - VHIcur) / (81.72) + (0.6)(100 - (0.41 - SSMcur) / (0.24) -------(42) DRINueral = (0.4)(100 - (63.20 - VHIcur) / (57.30) + (0.6)(100 - (0.50 - SSMcur) / (0.30) -------(43) CDAICROPS สมการบง่ ชคี้ วามเสยี หายของพชื รายชนดิ สมการ (44) – (47) 4.4.4 การวิเคราะห์ค่าพิจารณาความเสยี หายของพชื จากดัชนี CDAI จากสมการการประเมินความเสียหายของพชื จากภยั แล้งของพืชแตล่ ะชนิด (CDAICROPS) ท่ีสร้างข้ึน จาก 75% ของแปลง กษ.02 ทั้งหมดที่ใช้ในโครงการวิจัยนี้ ได้ถูกนำมาประมวลผลเพื่อหาค่าเกณฑ์พิจารณา (Threshold) ความเสียหายทีบ่ ง่ ชจี้ ากภาพถ่ายจากดาวเทยี มทเ่ี หมาะสมได้ ดงั นี้ 1) ขา้ ว ใช้จำนวนแปลงเพาะปลกู ข้าวจากขอ้ มูล กษ.02 จำนวน 47,010 แปลง เพอื่ ใชส้ มการ ������������������������������������������������ = 0.1(100 − ������������������������������������������) + 0.3(100 − ������������������������������������������) + 0.5(100 − ������������������������������) + -------------------(44) 0.1(100 − ������������������������������������������) พบวา่ ค่าดัชนี CDAI ท่บี ง่ ช้วี ่าข้าวไดร้ บั ความเสยี หายมีค่าเฉลี่ยเท่ากบั 57.8 รปู ที่ 4- 38 ค่าสถิติดชั นี CDAI ของแปลงขา้ ว กษ.02 (พชื เสยี หาย) มีคา่ เฉลยี่ ที่ 57.8 2) ข้าวโพด ใช้จำนวนแปลงเพาะปลูกข้าวโพดจากข้อมูล กษ.02 จำนวน 3,130 แปลง เพื่อใช้ สมการ ������������������������������������������������ = 0.2(100 − ������������������������������������������) + 0.2(100 − ������������������������������������������) + 0.4(100 − ������������������������������) + -------------------(45) 0.2(100 − ������������������������������������������) พบวา่ ค่าดชั นี CDAI ท่บี ่งช้ีวา่ ขา้ วโพดไดร้ บั ความเสียหายมีคา่ เฉลี่ยเท่ากบั 57.6 รายงานการวจิ ยั Research Report) | หน้า 96

โครงการประเมินพน้ื ทีเ่ สีย่ งภยั แล้งและความเสียหายของพืชเกษตรรายแปลง ด้วยเทคโนโลยภี ูมสิ ารสนเทศ รูปท่ี 5 - 1 ค่าสถิตดิ ัชนี CDAI ของแปลงขา้ วโพด กษ.02 (พืชเสียหาย) มีคา่ เฉลีย่ ท่ี 57.6 3) มันสำปะหลัง ใช้จำนวนแปลงเพาะปลูกมันสำปะหลงั จากขอ้ มูล กษ.02 จำนวน 57 แปลง เพ่ือ ใช้สมการ ������������������������������������������������������������ = 0.25(100 − ������������������������������������������) + 0.25(100 − ������������������������������������������) + 0.4(100 − -------------------(46) ������������������������������) + 0.1(100 − ������������������������������������������) พบวา่ ค่าดัชนี CDAI ที่บง่ ชี้วา่ มนั สำปะหลงั ไดร้ ับความเสยี หายมีค่าเฉลีย่ เท่ากับ 56.8 รูปท่ี 4- 39 ค่าสถิตดิ ัชนี CDAI ของแปลงมันสำปะหลัง กษ.02 (พืชเสียหาย) มีค่าเฉลย่ี ที่ 56.8 4) อ้อย ใช้จำนวนแปลงเพาะปลกู ออ้ ยจากข้อมูล กษ.02 จำนวน 40 แปลง เพ่อื ใช้สมการ ������������������������������������������������������������������������������ = 0.3(100 − ������������������������������������������) + 0.2(100 − ������������������������������������������) + 0.35(100 − -------------------(47) ������������������������������) + 0.15(100 − ������������������������������������������) พบว่า ค่าดัชนี CDAI ทบี่ ง่ ชวี้ ่าออ้ ยได้รับความเสียหายมคี า่ เฉล่ยี เท่ากับ 57.5 รายงานการวจิ ยั Research Report) | หนา้ 97

โครงการประเมนิ พนื้ ท่เี ส่ยี งภยั แลง้ และความเสยี หายของพืชเกษตรรายแปลง ดว้ ยเทคโนโลยีภมู สิ ารสนเทศ รปู ท่ี 4- 40 คา่ สถติ ิดัชนี CDAI ของแปลงอ้อย กษ.02 (พืชเสียหาย) มีคา่ เฉลยี่ ที่ 57.5 ดังนั้น ในการพิจารณาเพื่อกำหนดค่าเกณฑ์พิจารณา (Threshold) ความเสียหายที่บ่งชี้จาก ภาพถ่ายจากดาวเทียมที่เหมาะสม นักวิจัยได้กำหนดให้ CDAI > 55 เป็นค่าที่บ่งชี้ว่าพืชในแปลงนั้นได้รับความ เสียหาย แต่ยังไม่ได้ชี้ชัดว่าความเสียหายที่เกิดขึ้นมาจากภัยแล้ง ซึ่งจะต้องมีการประมวลผลร่วมกับดัชนีพื้นที่ เสีย่ งภัยแลง้ ด้วย โดยมสี มการ ������������������������ = (������������������������������������ > 80) ������������������ (������������������������������������������������������ > 55) -------------------(48) โดยสามารถสร้างสมการการประเมินความเสียหายของพืชจากภัยแล้งแยกตามปรากฏการณ์ ONI และแยกตามชนดิ พืชไดท้ ัง้ ส้ิน 12 สมการ ดังนี้ 1) ดชั นีประเมินความเสียหายของพืชในปรากฏการณ์ ONI ลบ (1) ������������������������������������������������ = ((0.4)(100 − (54.36 − ������������������������������������) / (52.96) + (0.6)(100 − (0.37 − ������������������������������������) / (0.26) > 80) ������������������ ((0.1(100 − ������������������������������������������) + 0.3(100 − ������������������������������������������) + 0.5(100 − ������������������������������) + 0.1(100 − ������������������������������������������)) > 55) (2) ������������������������������������������������������ = ((0.4)(100 − (54.36 − ������������������������������������) / (52.96) + (0.6)(100 − (0.37 − ������������������������������������) / (0.26) > 80) ������������������ ((0.2(100 − ������������������������������������������) + 0.2(100 − ������������������������������������������) + 0.4(100 − ������������������������������) + 0.2(100 − ������������������������������������������)) > 55) (3) ������������������������������������������������������������������ = ((0.4)(100 − (54.36 − ������������������������������������) / (52.96) + (0.6)(100 − (0.37 − ������������������������������������) / (0.26) > 80) ������������������ ((0.25(100 − ������������������������������������������) + 0.25(100 − ������������������������������������������) + 0.4(100 − ������������������������������) + 0.1(100 − ������������������������������������������)) > 55) (4) ������������������������������������������������������������������ = ((0.4)(100 − (54.36 − ������������������������������������) / (52.96) + (0.6)(100 − (0.37 − ������������������������������������) / (0.26) > 80) ������������������ ((0.25(100 − ������������������������������������������) + 0.25(100 − ������������������������������������������) + 0.4(100 − ������������������������������) + 0.1(100 − ������������������������������������������)) > 55) 2) ดชั นีประเมินความเสียหายของพชื ในปรากฏการณ์ ONI บวก (5) ������������������������������������������������ = ((0.4)(100 − (91.39 − ������������������������������������) / (81.72) + (0.6)(100 − (0.41 − ������������������������������������) / (0.24) > 80) ������������������ ((0.1(100 − ������������������������������������������) + 0.3(100 − ������������������������������������������) + 0.5(100 − ������������������������������) + 0.1(100 − ������������������������������������������)) > 55) (6) ������������������������������������������������������������������ = ((0.4)(100 − (91.39 − ������������������������������������) / (81.72) + (0.6)(100 − (0.41 − ������������������������������������) / (0.24) > 80) ������������������ ((0.25(100 − ������������������������������������������) + 0.25(100 − ������������������������������������������) + 0.4(100 − ������������������������������) + 0.1(100 − ������������������������������������������)) > 55) (7) ������������������������������������������������������������������ = ((0.4)(100 − (91.39 − ������������������������������������) / (81.72) + (0.6)(100 − (0.41 − ������������������������������������) / (0.24) > 80) ������������������ ((0.25(100 − ������������������������������������������) + 0.25(100 − ������������������������������������������) + 0.4(100 − ������������������������������) + 0.1(100 − ������������������������������������������)) > 55) รายงานการวจิ ยั Research Report) | หนา้ 98

โครงการประเมนิ พนื้ ทีเ่ ส่ียงภยั แลง้ และความเสียหายของพชื เกษตรรายแปลง ดว้ ยเทคโนโลยีภมู สิ ารสนเทศ (8) ������������������������������������������������������������������������������ = ((0.4)(100 − (91.39 − ������������������������������������) / (81.72) + (0.6)(100 − (0.41 − ������������������������������������) / (0.24) > 80) ������������������ ((0.3(100 − ������������������������������������������) + 0.2(100 − ������������������������������������������) + 0.35(100 − ������������������������������) + 0.15(100 − ������������������������������������������)) > 55) 3) ดัชนีประเมนิ ความเสียหายของพชื ในปรากฏการณ์ ONI กลาง (9) ������������������������������������������������ = ((0.4)(100 − (63.20 − ������������������������������������) / (57.30) + (0.6)(100 − (0.50 − ������������������������������������) / (0.30) > 80) ������������������ ((0.1(100 − ������������������������������������������) + 0.3(100 − ������������������������������������������) + 0.5(100 − ������������������������������) + 0.1(100 − ������������������������������������������)) > 55) (10) ������������������������������������������������������������������ = ((0.4)(100 − (63.20 − ������������������������������������) / (57.30) + (0.6)(100 − (0.50 − ������������������������������������) / (0.30) > 80) ������������������ ((0.25(100 − ������������������������������������������) + 0.25(100 − ������������������������������������������) + 0.4(100 − ������������������������������) + 0.1(100 − ������������������������������������������)) > 55) (11) ������������������������������������������������������������������ = ((0.4)(100 − (63.20 − ������������������������������������) / (57.30) + (0.6)(100 − (0.50 − ������������������������������������) / (0.30) > 80) ������������������ ((0.25(100 − ������������������������������������������) + 0.25(100 − ������������������������������������������) + 0.4(100 − ������������������������������) + 0.1(100 − ������������������������������������������)) > 55) (12) ������������������������������������������������������������������������������ = ((0.4)(100 − (63.20 − ������������������������������������) / (57.30) + (0.6)(100 − (0.50 − ������������������������������������) / (0.30) > 80) ������������������ ((0.3(100 − ������������������������������������������) + 0.2(100 − ������������������������������������������) + 0.35(100 − ������������������������������) + 0.15(100 − ������������������������������������������)) > 55) 4.4 การประเมนิ ความถูกตอ้ งของแบบจำลองพืน้ ท่ีเส่ยี งภัยแล้งและแบบจำลองประเมนิ ความเสยี หายของพชื 4.4.1 การประเมนิ ความถูกต้องของแบบจำลองพน้ื ท่ีเสย่ี งภยั แลง้ แบบจำลองดัชนีพื้นที่เสี่ยงภัยแล้ง คือ ดัชนี Drought Risk Index (DRI) ที่แสดงความแห้งแล้งของ พื้นที่ความละเอียด 1 กม. เป็นข้อมูลรายสัปดาห์ เป็นข้อมูลที่มีความสัมพันธ์โดยตรงกับพืชเนื่องจากเป็นการ ตรวจวัดความแหง้ แล้งด้วยดัชนีพืชพรรณจากดาวเทียม ในความหมายของคา่ ดัชนีระหว่าง 0 - 100 แสดงระดับ ความแหง้ แล้ง ซ่ึงมีความสมั พันธผ์ กผนั กับค่าความชนื้ ในดิน ท่ีตรวจวัดความชนื้ ในแบบปริมาตร ท่ีเป็นอัตราส่วน ระหว่างน้ำกับองค์ประกอบอื่นในพื้นที่ปริมาตรขนาดลูกบาศก์เมตร (เช่น ดินและอากาศ) ข้อมูลทั้ง DRI และ ความชื้นในดิน ในปี พ.ศ.2561 ตั้งแต่ ม.ค. ถึง ต.ค. ถูกนำมาจับคู่โดยการสุ่มตัวแทนข้อมูลความชื้นในดินท่ีเปน็ ตัวแทนรายสัปดาห์ตรงกับช่วงเวลาตรวจวัดรายสัปดาห์ของข้อมูล DRI เพื่อนำมาใช้ประเมินความสัมพันธ์ มี รายละเอยี ดคำอธบิ ายเชิงสถิตดิ งั รปู ท่ี 4- 41 ถึง รปู ที่ 4- 44 รปู ท่ี 4- 41 ข้อมลู สถติ ขิ องค่าดัชนีพน้ื ทเ่ี ส่ยี งภัยแลง้ DRI ปี พ.ศ.2561 ที่นำมาเปรียบเทียบประเมนิ ความ ถูกต้องของแบบจำลอง รายงานการวิจัย Research Report) | หนา้ 99

โครงการประเมินพื้นที่เสย่ี งภัยแลง้ และความเสยี หายของพชื เกษตรรายแปลง ดว้ ยเทคโนโลยีภมู สิ ารสนเทศ รปู ที่ 4- 42 ขอ้ มูลสถติ ิของค่าดัชนแี ละคา่ ความช้ืนในดิน ความลึก 30 ซม.ปี พ.ศ.2561 เปรยี บเทียบผลการ ประเมนิ ความถูกตอ้ งของแบบจำลองข้อมลู ดัชนีพ้ืนทเ่ี สี่ยงภัยแล้ง DRI รปู ท่ี 4- 43 ข้อมูลสถิติของค่าดัชนแี ละค่าความชน้ื ในดนิ ความลึก 100 ซม.ปี พ.ศ.2561 เปรยี บเทยี บ ผลการประเมินความถกู ต้องของแบบจำลองข้อมูลดชั นีพน้ื ทเ่ี สย่ี งภัยแล้ง DRI รปู ที่ 4- 44 ตำแหนง่ สถานตี รวจวัดความช้นื ในดินและข้อมลู ดชั นีพ้นื ทีเ่ สย่ี งภัยแล้ง DRI 1) การประเมินความถกู ต้องกบั ความช้นื ในดนิ ทีร่ ะดบั ความลกึ 30 ซม. ทำการตรวจสอบประเมินความถูกต้องของแบบจำลองพื้นที่เสีย่ งภยั แล้ง DRI กับข้อมูลความชื้นใน ดินความลึก 30 ซม. ด้วยการคำนวณพารามิเตอร์ของแบบจำลองการประมาณค่า Random Forest Regression (RFR) ในการจำลองวา่ ค่าดชั นี DRI ท่ีมีการจัดกลุม่ รายเดือนสามารถประมาณคา่ ความชน้ื ในดินด้วย แบบจำลอง RFR มีความถูกต้องเท่าใด ผลจากการคำนวณด้วยต้นไม้สุ่มจำนวน 92 กลุ่ม ด้วยข้อมูล Train Dataset จำนวน 128 คู่ ไดผ้ ลการประมาณค่าด้วยแบบจำลองที่มีความคลาดเคลอ่ื นเฉล่ีย (MSE) 0.150 ดงั รูปที่ 4- 45 และรปู ที่ 4- 46 รายงานการวิจัย Research Report) | หนา้ 100

โครงการประเมนิ พ้นื ที่เสยี่ งภัยแลง้ และความเสยี หายของพืชเกษตรรายแปลง ดว้ ยเทคโนโลยภี ูมสิ ารสนเทศ รปู ท่ี 4- 45 แบบจำลอง RFR ในการประมาณคา่ ความชืน้ ในดนิ สถานตี รวจวดั จากข้อมลู พนื้ ท่เี สี่ยงภยั แลง้ DRI จากแบบจำลอง RFR คำนวณเป็น เมตริกการประมาณค่า MSE (Mean Square Error) = 0.093 ค่า RMSE (Root Mean Square Error) = 0.305 คา่ MAE (Mean Absolute Error) = 0.26 ค่า MAPE (Mean Absolute Percentage Error) = 79.31% และ R2 = 0.897 รปู ท่ี 4- 46 ความคลาดเคลอื่ นเฉลยี่ กำลังสองกับจำนวนต้นไม้สมุ่ (ซ้าย) ความสมั พันธ์ระหว่างค่าทำนายกบั คา่ ตรวจวดั ในข้อมูลชุดตรวจสอบ (กลาง) และเมตริกการประมาณคา่ (ขวา) 2) การประเมนิ ความถูกต้องกบั ความช้นื ในดนิ ท่ีระดบั ความลกึ 100 ซม. ทำการตรวจสอบประเมินความถูกต้องของแบบจำลองพื้นที่เสี่ยงภัยแล้ง DRI กับข้อมูลความชื้นใน ดินความลึก 100 ซม. ด้วยการคำนวณพารามิเตอร์ของแบบจำลองการประมาณค่า Random Forest Regression (RFR) ในการจำลองวา่ ค่าดชั นี DRI ท่มี กี ารจัดกล่มุ รายเดือนสามารถประมาณค่าความชื้นในดินด้วย แบบจำลอง RFR มีความถูกต้องเท่าใด ผลจากการคำนวณด้วยต้นไม้สุ่มจำนวน 99 กลุ่ม ด้วยข้อมูล Train Dataset จำนวน 128 คู่ ไดผ้ ลการประมาณค่าดว้ ยแบบจำลองท่ีมีความคลาดเคล่อื นเฉล่ยี (MSE) 0.052 ดงั รูปท่ี 4- 47 และรปู ท่ี 4- 48 รูปที่ 4- 47 แบบจำลอง RFR ในการประมาณค่าความชื้นในดินสถานตี รวจวดั จากข้อมูลพ้ืนที่เส่ยี งภัยแลง้ DRI รายงานการวิจัย Research Report) | หน้า 101

โครงการประเมนิ พ้นื ทเี่ สี่ยงภยั แลง้ และความเสยี หายของพชื เกษตรรายแปลง ดว้ ยเทคโนโลยีภมู สิ ารสนเทศ จากแบบจำลอง RFR คำนวณเป็น เมตริกการประมาณค่า MSE (Mean Square Error) = 0.097 คา่ RMSE (Root Mean Square Error) = 0.311 ค่า MAE (Mean Absolute Error) = 0.23 คา่ MAPE (Mean Absolute Percentage Error) = 92.51% และ R2 = 0.883 รปู ท่ี 4- 48 ความคลาดเคล่อื นเฉลี่ยกำลังสองกบั จำนวนต้นไมส้ ุ่ม (ซ้าย) ความสมั พันธร์ ะหว่างค่าทำนายกบั คา่ ตรวจวัดในขอ้ มลู ชุดตรวจสอบ (กลาง) และเมตริกการประมาณคา่ (ขวา) 4.4.4 การประเมนิ ความถูกต้องของแบบจำลองประเมินความเสยี หายของพืชเกษตรรายแปลง การประเมินความถูกต้องของดัชนี CDAI ท่ีผ่านการวิเคราะห์ค่าถ่วงน้ำหนักของดัชนี 4 ตัวที่นำ มาร่วมประมวลผลและการวิเคราะห์เกณฑ์พิจารณา (Threshold) ความเสียหายของพืชที่บ่งชี้จากภาพถ่ายจาก ดาวเทียมที่เหมาะสม ร่วมกับการบ่งชี้ว่าพืชในแปลงนั้นได้รับความเสียหายจากดัชนีพื้นที่เสี่ยงภัยแล้งด้วย ตาม สมการ ������������������������ = (������������������������������������ > 80) ������������������ (������������������������������������������������������ > 55) ----------------------(49) การทดสอบของดัชนี CDAI จากสมการข้างต้น ด้วย 25% ของแปลง กษ.02 ทั้งหมดที่ใช้ใน โครงการนี้ พบว่า ข้าวมีความถูกต้อง 81.9% จากการทดสอบกับแปลงที่เคยเสียหายในอดีต 15,670 แปลง ข้าวโพดมีความถูกต้อง 77.7% จากการทดสอบกบั แปลงท่เี คยเสยี หายในอดีต 1,043 แปลง มนั สำปะหลังมีความ ถูกต้อง 73.7% จากการทดสอบกับแปลงที่เคยเสียหายในอดีต 19 แปลง และอ้อยมีความถูกต้อง 92.9% จาก การทดสอบกับแปลงท่ีเคยเสียหายในอดีต 14 แปลง แต่เนื่องจากจำนวนแปลงเสียหายของทั้งมนั สำปะหลังและ อ้อยในการนำมาสร้างสมการและการทดสอบความถูกต้องของสมการมีจำนวนน้อยมาก ความเชื่อมั่นในการ นำไปใช้ยังจำเป็นต้องมีการเพิ่มจำนวนตัวอย่าง ดังนั้นในการนำไปใช้งานเพื่อประกอบการตัดสินใจในการ ประเมินความเสียหายของพืชจากภัยแล้งครั้งนี้สามารถใช้ในพืชข้าวและข้าวโพดได้ก่อน อย่างไรก็ตามในการ ประเมนิ ความเสียหายของพืชท้ัง 4 ชนดิ ยงั มคี วามจำเปน็ ต้องเพ่ิมจำนวนตัวอย่างในการพฒั นาแบบจำลอง และ การตรวจสอบความถูกต้องจากภาคสนาม ซ่ึงอาจจะอยู่ในงานวจิ ยั ในระยะถัดไป รายงานการวจิ ัย Research Report) | หน้า 102

โครงการประเมินพน้ื ท่เี สยี่ งภัยแลง้ และความเสียหายของพชื เกษตรรายแปลง ด้วยเทคโนโลยีภมู ิสารสนเทศ 4.5 แพลตฟอรม์ การใหบ้ รกิ ารข้อมูล ผลการพัฒนาแพลตฟอรม์ มีสว่ นการแสดงผล 4 ส่วน รายละเอียดดงั นี้ ส่วนที่ 1 เกี่ยวกับเรา ระบบถูกพัฒนาส่วนบริหารการจัดการเนื้อหา ติดตั้งไว้ที่เครื่องแม่ข่ายของ สทอภ. เป็นระบบบริการจัดการเนื้อหาที่ปรับปรุงมาจากซอฟต์แวร์รหัสเปิด WordPress มีส่วนที่ผู้ดูแลระบบสามารถ Login เขา้ ไปแกไ้ ขรายละเอยี ดเน้ือหาได้โดยมีตัวอย่างหน้าแพลตฟอร์มส่วนเกย่ี วกบั เรา ดังรูปที่ 4- 49 รปู ท่ี 4- 49 แสดงผลหนา้ เว็บไซด์และการปรบั ปรุงสว่ นท่ี 1 เก่ยี วกบั เรา ส่วนที่ 2 คลังความรู้ เป็นระบบถูกพัฒนาส่วนบริหารการจัดการเนื้อหา ซึ่งมีความรู้เกี่ยวกับข้อมูล ดาวเทยี ม ขอ้ มลู ดชั นพี ้ืนท่เี สีย่ งภัยแลง้ และความเสียหายของพชื เกษตรรายแปลง บริการจดั การเน้ือหาที่ปรับปรุง มาจากซอฟต์แวร์รหัสเปิด WordPress มีส่วนที่ผู้ดูแลระบบสามารถ Login เข้าไปแก้ไขรายละเอียดเน้ือหาได้ โดยมตี ัวอยา่ งหนา้ แพลตฟอร์มสว่ นคลังความรู้ ดังรูปท่ี 4- 50 รปู ที่ 4- 50 แสดงผลหน้าเวบ็ ไซด์และการปรับปรุงส่วนท่ี 2 คลงั ความรู้ รายงานการวิจยั Research Report) | หน้า 103

โครงการประเมินพ้ืนที่เส่ียงภัยแลง้ และความเสียหายของพืชเกษตรรายแปลง ดว้ ยเทคโนโลยีภูมิสารสนเทศ ส่วนที่ 3 แผนที่และ Dashboard การแสดงผลพื้นที่เสี่ยงภัยแล้ง จะแสดงใน 2 ลักษณะ คือ (1) การ แสดงผลแบบเป็นแผนที่จากฐานข้อมูล GeoTiff และ (2) การแสดงการประมวลผลค่าดัชนี ประกอบการ วิเคราะห์ข้อมูล ดังเช่น การประมวลผลค่าเฉลี่ยรายจังหวัด อำเภอ และตำบล ในแต่ละช่วงเวลา และมีรายงาน สรปุ พน้ื ท่ีเสยี่ งภยั แลง้ ทั้ง DRI และ DSI โดยมตี ัวอย่างหน้าแพลตฟอร์มส่วนแผนท่ีและ Dashboard ดงั รูปที่ 4- 51 รูปท่ี 4- 51 แสดงผลหน้าเว็บไซด์สว่ นแผนทีแ่ ละ Dashboard รายงานการวิจยั Research Report) | หนา้ 104

โครงการประเมินพ้นื ทเ่ี ส่ียงภยั แล้งและความเสียหายของพชื เกษตรรายแปลง ด้วยเทคโนโลยีภูมสิ ารสนเทศ ส่วนที่ 4 ประชาสัมพันธ์ เป็นระบบท่ีถูกพัฒนาส่วนบริหารการจัดการเนื้อหา สามารถบริหารจัดการ เนื้อหาที่ปรับปรุงมาจากซอฟต์แวร์รหัสเปิด WordPress มีส่วนที่ผู้ดูแลระบบสามารถ Login เข้าไปแก้ไข รายละเอียดเน้ือหาได้ โดยมีตัวอย่างหน้าแพลตฟอร์มสว่ นประชาสัมพันธ์โครงการฯ ดงั รปู ที่ 4- 52 รปู ท่ี 4- 52 สว่ นแสดงผลประชาสมั พนั ธโ์ ครงการฯ 4.6 การตดิ ตาม และประเมนิ คณุ คา่ โครงการ การดำเนินการในส่วนการตดิ ตาม และประเมินคุณคา่ โครงการ สทอภ. มกี ารดำเนนิ งาน ดงั น้ี 4.6.1 การจัดประชุมกลุ่มย่อยในพื้นที่เป้าหมาย 6 จังหวัด ประกอบด้วย จังหวัดสกลนคร ร้อยเอ็ด นครราชสีมา กำแพงเพชร สุรินทร์ และจังหวัดอุทัยธานี เพื่อชี้แจงวัตถุประสงค์การดำเนินโครงการ วิธีการ ดำเนนิ งาน เคร่อื งมอื ที่ใชใ้ นการเก็บรวบรวมข้อมูล โดยรับฟังความคิดเห็นจากผ้มู สี ว่ นไดส้ ว่ นเสีย และหน่วยงาน ท่ีเก่ยี วข้องในระดบั พ้ืนที่ โดยกำหนดกลุ่มตวั อย่าง จากจำนวนครัวเรือนที่ขึ้นทะเบยี นเกษตรกร สูตรการคำนวณ ตัวอย่าง ดังนี้ (Rea and Parker, 1997) n = (( N Nx + x) -------------------(50) −1) E2 โดยที่ n = จำนวนตวั อย่าง N = จำนวนประชากร X = ค่ากำหนดระดบั ความเช่ือมนั่ ทรี่ อ้ ยละ 99 และความผิดพลาดทร่ี ้อยละ 5 E = ระดับความผดิ พลาดทยี่ อมรับได้ จำนวนครัวเรือนเกษตรกรที่ขึ้นทะเบียนเกษตรกรของ 6 จังหวัดในปี 2563 รวมทั้งสิ้น 1,141,681 ครัวเรือน จากสูตรการคำนวณ พบว่า หากเกษตร 1,141,681 ครัวเรือน จะได้ขนาดของกลุ่มตัวอย่าง 664 ตัวอย่าง แล้วกระจายสัดส่วนของจำนวนตัวอย่างรายจังหวัดตามจำนวนครัวเรือนเกษตรกรรายละเอียดตามท่ี แสดงไว้ในตารางที่ 4- 11 ด้วยเหตุนี้ในการวิเคราะห์ผลในภาพรวมจะต้องคำนวณควบคู่ไปกับการถ่วงน้ำหนัก ด้วยโครงสรา้ งประชากร และมภี าพตัวอย่างการลงพน้ื ท่ปี ระชุมกลุ่มย่อยกับเกษตรกรดงั น้ี รายงานการวิจัย Research Report) | หนา้ 105

โครงการประเมินพื้นทเี่ ส่ยี งภัยแล้งและความเสยี หายของพชื เกษตรรายแปลง ด้วยเทคโนโลยภี มู สิ ารสนเทศ ตารางที่ 4- 11 จำนวนเกษตรกร เพ่ือเก็บตวั อย่างข้อมูล จังหวดั จำนวนครัวเรอื นเกษตรกร จำนวนตัวอยา่ ง(ครัวเรือน) (ครัวเรอื น) สกลนคร 204,627 ตามสตู ร ตวั เลขท่สี ำรวจจรงิ รอ้ ยเอ็ด 239,189 นครราชสีมา 321,980 138 158 กำแพงเพชร 97,281 สุรนิ ทร์ 223,691 161 138 อทุ ัยธานี 54,913 1,141,681 217 138 รวม 100 105 151 120 100 102 867 761 รายงานการวิจยั Research Report) | หนา้ 106

โครงการประเมินพน้ื ท่ีเสย่ี งภัยแลง้ และความเสียหายของพืชเกษตรรายแปลง ดว้ ยเทคโนโลยีภมู ิสารสนเทศ รปู ที่ 4- 53 ภาพตวั อยา่ งแสดงการประชมุ กลมุ่ ย่อยกับเกษตรกรในพืน้ ท่ีเป้าหมาย 6 จังหวดั ได้แก่ จงั หวัด กำแพงเพชร อุทัยธานี นครราชสมี า ร้อยเอด็ สกลนครและสรุ ินทร์ รายงานการวจิ ยั Research Report) | หนา้ 107

โครงการประเมนิ พน้ื ทีเ่ ส่ียงภยั แลง้ และความเสียหายของพืชเกษตรรายแปลง ดว้ ยเทคโนโลยีภมู ิสารสนเทศ รูปที่ 4- 54 ภาพตวั อย่างแสดงการประชมุ กลมุ่ ย่อยกบั หน่วยงานภาครัฐในพ้นื ท่ี รายงานการวิจยั Research Report) | หนา้ 108

โครงการประเมินพนื้ ทเ่ี ส่ียงภัยแลง้ และความเสยี หายของพชื เกษตรรายแปลง ด้วยเทคโนโลยีภมู สิ ารสนเทศ ตารางท่ี 4- 12 ประโยชนส์ ำคญั ที่คาดว่าจะไดร้ ับจากระบบของ สทอภ. ประโยชน์ท่ีจะไดร้ บั ค่าเฉลยี่ สว่ นเบ่ียงเบนฯ ระดับ 0.94 มาก - ลดระยะเวลาและขั้นตอนในการได้รบั เงนิ ชดเชยจากภาครัฐ 3.27 0.93 ปานกลาง 1.04 ปานกลาง - ภาครัฐสามารถเขา้ ช่วยเหลือเกษตรกรได้อยา่ งทนั ทว่ งที 3.22 1.03 ปานกลาง 1.07 ปานกลาง - ช่วยในการวางแผนการทำการเกษตรไดอ้ ย่างเหมาะสม 3.1 1.17 ปานกลาง - ลดขน้ั ตอนการตรวจสอบความเสียหายทางการเกษตร 3.08 0.99 ปานกลาง - สามารถนำข้อมลู ไปวางแผนรับมือกับภยั พิบัติทางธรรมชาตทิ ี่ 3.03 1.12 ปานกลาง จะก่อใหเ้ กดิ ความเสียหายกบั เกษตรกร - ช่วยในการเฝ้าระวัง ติดตาม เตือนภัยล่วงหน้าก่อนเกิดภัย 3.02 พบิ ตั ิทางธรรมชาติ - ชว่ ยลดความเสยี หายต่อผลผลติ ทางการเกษตร 2.95 - เพิม่ รายไดใ้ หก้ ับเกษตรกร 2.66 เกณฑ์คะแนน คะแนนเฉลย่ี ความหมาย 1.00 - 1.75 ไม่แน่ใจ/ไมท่ ราบ 1.76 - 2.50 นอ้ ย 2.51 - 3.25 ปานกลาง 3.26 – 4.00 มาก ตารางที่ 4- 13 ปญั หาทเี่ กษตรกรคดิ ว่าจะพบหากการพฒั นาระบบของ สทอภ. แล้วเสรจ็ และนำไปใช้งาน ความเสียหายท่ีได้รบั จำนวน (เกษตร) รอ้ ยละ ไม่พบปัญหา 116 41.63 ขน้ั ตอนมีความยงุ่ ยาก ซบั ซอ้ น 74 26.01 เกษตรกรไม่มีความพร้อมด้านอุปกรณ์ในการใช้งาน (ไม่มีโทรศัพท์ ไม่มีอินเทอรเ์ นต็ ) 55 18.27 ไมส่ ามารถใชแ้ ก้ปญั หาให้กบั เกษตรกรได้อยา่ งแทจ้ ริง 23 8.54 กอ่ ใหเ้ กดิ ค่าใชจ้ ่ายเพม่ิ เตมิ แก่เกษตรกร 15 5.55 283 100.00 รวม หมายเหตุ ตอบไดม้ ากกวา่ 1 คำตอบ รายงานการวจิ ยั Research Report) | หน้า 109

โครงการประเมนิ พื้นทเี่ สี่ยงภัยแลง้ และความเสยี หายของพืชเกษตรรายแปลง ด้วยเทคโนโลยีภูมสิ ารสนเทศ 4.6.2 การประเมนิ มลู ค่าของความเสียหายทปี่ ้องกนั ได้ดว้ ยการใช้เทคโนโลยดี า้ นการสำรวจระยะไกล (Remote Sensing) และระบบภูมสิ ารสนเทศ (GIS) การประเมินมูลค่าของความเสียหายที่ป้องกันได้ด้วย “แพลตฟอร์มการประเมินพื้นที่เสี่ยงภัยแล้ง และความเสียหายของพืชเกษตรรายแปลง” ข้อมูลที่ใช้ในการประเมินมูลค่าความเสียหายจากแนวทางการ บรรเทาผลกระทบของภัยแล้งท่ีได้มาจากข้อมูลการสำรวจภาคสนามจากกลุ่มเกษตรกรในพ้ืนท่ีเป้าหมาย จะเห็น ว่าเกษตรกรมีแนวทางบรรเทาผลกระทบที่แตกต่างกัน และแนวทางเหล่านี้มีความสามารถในการบรรเทา ผลกระทบที่เกิดขึ้นในระดับที่ต่างกัน ด้วยเหตุนี้ การคำนวณมูลค่าการเสียหายที่ป้องกันได้ จึงต้องคำนวณจาก ค่าเฉลี่ยถ่วงน้ำหนักของมูลค่าความเสียหายตามแนวทางเหล่านี้ โดยในภาพรวมแล้วแนวทางการบรรเทา ผลกระทบที่เกษตรกรใช้ช่วยให้เกษตรกรบรรเทาความเสยี หายได้ประมาณ 598.58 บาทต่อไร่ รายละเอียดตามท่ี แสดงไว้ในตารางที่ 4- 14 ตารางท่ี 4- 14 การประเมนิ มลู ค่าความเสียหายจากแนวทางการบรรเทาผลกระทบของภัยแล้ง พ้นื ท่ีความเสยี หาย มูลค่าความเสียหาย ท่ีบรรเทาไดเ้ ฉลยี่ แนวทางการบรรเทาผลกระทบ ท่ีบรรเทาไดเ้ ฉล่ีย (บาทต่อไร)่ (ไร่) 1,666.67 623.37 1. การอนรุ กั ษด์ นิ และนำ้ เพิ่มโดยการปลูกพชื คลมุ ดินหรือพชื ปยุ๋ สด 8.00 162.62 2. เพิม่ พ้นื ท่ีกักเกบ็ น้ำ เชน่ การขุดสระ ขดุ บอ่ บาดาล ขดุ ลอกคูคลอง 40.05 434.45 สบู น้ำเขา้ พื้นท่ี เปน็ ตน้ 252.76 3. การเปลี่ยนชนิดพืชปลูก (จากพืชที่มีความต้องการใช้น้ำตลอด 9.40 320.32 ฤดูกาลเพาะปลูกเป็นพืชทีต่ ้องการใช้น้ำน้อย เช่น ปลูกพืชตระกลู ถั่ว 192.31 หรือพืชผกั แทนการทำนา เป็นตน้ ) 1136.11 598.58 4. กำหนดพ้นื ทปี่ ลูกพืชให้สอดคลอ้ งกับสภาพดนิ และปรมิ าณนำ้ เช่น 21.00 598.58 การปลกู ขา้ วในทลี่ มุ่ หรือปลูกมันสำปะหลังในท่ดี อน 5. การทำคันก้ันน้ำ เช่น การทำคนั นาสงู การทำคันนาใหม้ ีขนาดใหญ่ 10.22 การทำร่องน้ำ เปน็ ตน้ 6. ปรบั รปู แบบการทำเกษตรเป็นแบบใช้น้ำนอ้ ย เชน่ การทำนาเปียก 9.00 สลบั แหง้ 7. งดหรอื ลดการเพาะปลกู 28.80 8. การตดิ ตามสถานการณภ์ ยั แลง้ ในช่วงท่ีเกดิ สภาวะแหง้ แล้ง 12.18 ค่าเฉลี่ยรวม 17.33 เฉลย่ี ถ่วงนำ้ หนักมลู คา่ ความเสียหายทีบ่ รรเทาได้ (บาทต่อไร)่ ทม่ี า : คณะผู้วจิ ัยคำนวณจากขอ้ มลู ที่ไดจ้ ากการสำรวจเกษตรกรในพืน้ ทีเ่ ปา้ หมาย ในการคำนวณมลู คา่ เบ้ืองตน้ ของประโยชน์ทจ่ี ะไดร้ ับจากแพลตฟอร์มฯ จะคำนวณจากประโยชน์ท่ี เกษตรกรได้รับ เมื่อนำข้อมูลภัยแล้งที่เกิดขึ้นในอดีตและแนวโน้มการเกิดภัยแล้วในพื้นที่ของตนเองไปใช้ในการ รายงานการวิจัย Research Report) | หนา้ 110

โครงการประเมนิ พน้ื ทีเ่ ส่ยี งภัยแล้งและความเสียหายของพชื เกษตรรายแปลง ด้วยเทคโนโลยีภมู ิสารสนเทศ วางแผนเพื่อบรรเทาผลกระทบจากภัยแล้งที่มีต่อการเพาะปลูกในแปลงของตน ทั้งนี้พื้นที่ทำการปลูกข้าว มัน สำปะหลัง ข้าวโพด และอ้อยของ 6 จังหวัด ได้แก่ กำแพงเพชร อุทัยธานี สกลนคร ร้อยเอ็ด สุรินทร์ และ นครราชสีมา มพี นื้ ท่รี วมท้งั สิ้น 19,776,619 ไร่ ในการคำนวณมสี มมตฐิ านที่ใช้ดังน้ี 1) รอ้ ยละ 20 ของพ้ืนทเี่ พาะปลูกได้ประโยชน์จากข้อมลู ในระบบฯ ทำใหส้ ามารถวางแผนบรรเทา ผลกระทบท่เี กดิ ขนึ้ ได้ 2) บทบาทของระบบฯ คดิ เปน็ รอ้ ยละ 10 ของการปรับตวั ท่เี กษตรกรใช้ในการบรรเทาผลกระทบ 3) ระยะเวลาทเ่ี กษตรกรได้ประโยชนเ์ ท่ากบั 5 ปี โดยมีอตั ราคดิ ลดท่รี ้อยละ 3 จากสมมตฐิ านขา้ งต้น สามารถคำนวณมูลค่าต่อปีจากการนำแพลตฟอรม์ ไปใช้ได้เทา่ กบั ปีละ 236,757,772 บาท และมูลค่าปัจจุบันของการนำแพลตฟอร์มไปใช้เป็นเวลา 5 ปีจะเทา่ กับ 1,148,275,194 บาท รายละเอียดการ คำนวณตามที่แสดงไว้ใน ตารางที่ 4- 15 ตารางที่ 4- 15 การคำนวณมูลค่าทค่ี าดวา่ จะได้จากจากการใชร้ ะบบ ประเภทขอ้ มูล มลู คา่ /จำนวน/ร้อยละ พนื้ ท่เี ป้าหมาย (1) 19,776,619 ไร่ ร้อยละของพืน้ ทเี่ ปา้ หมายทีน่ ำขอ้ มูลจากระบบไปใช้ (2) รอ้ ยละ 20 มลู คา่ ความเสยี หายที่บรรเทาได้ (3) 598.58 บาทต่อไร่ บทบาทของระบบฯ ทช่ี ่วยในการบรรเทาความเสียหาย (4) รอ้ ยละ 10 มลู ค่าต่อปที ่เี กดิ ข้นึ จากการใช้ระบบ (1) x (2) x (3) x (4) 236,757,772 บาทต่อปี มูลค่าปัจจุบนั ของการใช้ระบบเปน็ ระยะเวลา 5 ปี 1,148,275,194 บาท รายงานการวิจัย Research Report) | หน้า 111

โครงการประเมินพ้นื ที่เส่ยี งภยั แลง้ และความเสยี หายของพชื เกษตรรายแปลง ดว้ ยเทคโนโลยีภมู สิ ารสนเทศ 4.6.3 การส่งเสริมอบรมการใช้งานแพลตฟอร์มการประเมินพื้นที่เสี่ยงภัยแล้งและความเสี่ยหายของพืช เกษตรรายแปลง ด้วยเทคโนโลยีภูมิสารสนเทศ ผ่านเว็บไซต์ https://cropsdrought.gistda.or.th และ แอปพลเิ คชันบนมอื ถือ (เช็คแล้ง) เพอื่ รบั ฟงั ขอ้ คิดเหน็ และข้อเสนอแนะตอ่ การพฒั นาในระยะท่ี 2 ต่อไป ตารางที่ 4- 16 จำนวนคนผเู้ ข้ารว่ มการอบรมการใชง้ านแพลตฟอรม์ ฯ ชว่ งเวลา พ้นื ที่ จำนวน 9 – 10 ก.พ.66 อ.วานรนิวาส จ.สกลนคร 98 23 – 24 ก.พ.66 อ.ทา่ ตูม จ.สุรินทร์ 70 2 – 3 ม.ี ค66 อ.ดา่ นขนุ ทด จ.นครราชสมี า 105 13 – 14 ม.ี ค.66 อ.เมอื ง จ.กำแพงเพชร 135 15 – 16 มี.ค.66 อ.สว่างอารมณ์ และอ.เมอื ง จ.อุทัยธานี 154 16 – 17 ม.ี ค.66 จงั หวัดรอ้ ยเอ็ด 500 1,062 รวม กลุ่มผู้เข้ารว่ มการอบรมการใชง้ านแพลตฟอร์ม ในพืน้ ท่ี 6 จังหวดั ไดแ้ ก่ สกลนคร สรุ ินทร์ นครราชสีมา กำแพงเพชร อุทยั ธานี และรอ้ ยเอ็ด จำนวน 1,062 ราย (รปู ท่ี 4- 55) ส่วนใหญ่เป็นอาสาสมัครเกษตรหมู่บ้านคิด เป็นร้อยละ 37 รองลงมาเป็นผู้ใช้งานทั่วไป ร้อยละ 28 เกษตรกร ร้อยละ 17 และอีกร้อยละ 18 เป็น คณะกรรมการ กชภจ. กชภอ. กชภต. และหัวหน้ากลมุ่ เกษตรกร (ผู้ใหญบ่ ้าน กำนัน) โดยมภี าพบรรยายกาศการ อบรมเชงิ ปฏิบัติการในพ้นื ทีด่ งั รปู ที่ รปู ท่ี 4- 56 รูปที่ 4- 55 สัดสว่ นผเู้ ข้ารบั การอบรมแพลตฟอรม์ รายงานการวิจัย Research Report) | หน้า 112

โครงการประเมนิ พ้ืนทเ่ี สย่ี งภยั แลง้ และความเสยี หายของพืชเกษตรรายแปลง ดว้ ยเทคโนโลยีภูมิสารสนเทศ โดยมีการสอบถามความพงึ พอใจตอ่ การใช้งานแพลตฟอรม์ 8 ข้อ ดังแสดงในตารางที่ 4- 17 ตารางที่ 4- 17 เปอร์เซ็นตค์ วามพงึ พอใชต่อการใช้งานแพลตฟอร์มการประเมนิ พนื้ ทีเ่ ส่ียงภัยแล้ง และความ เสยี หายของพชื เกษตรรายแปลง ด้วยเทคโนโลยภี ูมสิ ารสนเทศ ความพึงพอใจตอ่ การใชง้ านแพลฟอร์ม “เชค็ แล้ง” เปอร์เซน็ ต์ความพึงพอใจ เฉล่ีย 12 3 4 5 1) มีความชัดเจน ถูกต้อง น่าเชื่อถือ และข้อมูลมีการปรับปรุง 0.37 3.00 13.48 29.21 53.93 4.3 อยูเ่ สมอ 2) ปรมิ าณเน้ือหามีเพยี งพอกับความต้องการ 1.5 3.75 19.85 26.22 48.69 4.2 3) การจดั รปู แบบในเวบ็ ไซตง์ า่ ยต่อการอา่ นและการใชง้ าน 0.75 4.12 13.86 23.97 27.30 4.3 4) แพลตฟอร์มมีความสวยงาม มีความทนั สมยั น่าสนใจ 0.37 2.25 14.61 25.09 57.68 4.4 5) มคี วามเรว็ ในการแสดงภาพ ตัวอักษร และข้อมลู ต่างๆ 4.12 5.62 17.6 25.47 47.49 4.1 6) ความถกู ต้องในการเชอื่ มโยงภายในเว็บไซต์ 1.87 3.00 16.85 29.67 51.31 4.2 7) ใช้งานงา่ ยและสะดวกในการค้นหาข้อมูล 1.12 4.87 11.61 23.60 58.80 4.3 8) ความพึงพอใจโดยรวมตอ่ การใช้งานแพลตฟอรม์ 0.75 4.12 11.61 23.60 59.93 4.4 เฉลีย่ 1.36 3.84 14.93 25.85 50.64 4.28 จากการสอบถามถึงความพึงพอใจต่อการใช้งานแพลตฟอร์ม โดยเฉลี่ยผู้ใช้งานมีความพึงพอใจในระดบั พึงพอใจมากที่สุด คิดเป็นร้อยยะ 50.64 รองลงมามีความพึงพอใจมาก คิดเป็นร้อยละ 28.85 มีความพึงพอใจ ปานกลาง คิดเปน็ รอ้ ยละ 14.93 พึงพอใจน้อย คิดเปน็ รอ้ ยละ 3.84 และพงึ พอใจน้อยกว่า คดิ เปน็ รอ้ ยละ 1.36 ตามลำดับ และมีข้อเสนอแนะต่อการปรับปรุงและพัฒนาแพลตฟอร์มได้แก่ ให้มีการเพิ่มการประเมินภัยแล้งใน ระดับหมู่บ้าน หากมีการเพิ่มช่องกรอกค่าพิกัดในการวาดแปลงจะดีมาก อยากให้มีการอพเดตแผนที่ให้ทันสมัย เพิ่มเติม การเพิ่มจุดกรณีแปลงที่ไม่ได้มีลักษณะเป็นเส้น เพิ่มคำแนะนำต่อการจัดการแปลงกรณีมีความเสี่ยงสูง รายงานการวิจยั Research Report) | หน้า 113

โครงการประเมินพนื้ ท่ีเสี่ยงภยั แลง้ และความเสียหายของพชื เกษตรรายแปลง ด้วยเทคโนโลยีภูมิสารสนเทศ เสนอใหม้ กี ารเช็คพิกดั จากหมายเลขโฉนดที่ดนิ ใหม้ กี ารอพั เดตข้อมลู ใหถ้ ี่มากขนึ้ ให้มกี ารแสดงขอบเขต/รายช่ือ ตำบล ให้เพิ่มการค้นหาในเมนูวาดแปลง ให้มีการคาดการณ์ล่วงหน้าซัก 3 เดือน 6 เดือน อยากให้มีการเด้ง ตัวอย่างการลากแปลงเป็นภาพเคลื่อนไหวให้เห็นในครั้งแรกเพื่อเป็นตัวอย่างการใช้งาน ให้มีการเพิ่มคำอธิบาย ปุ่มแต่ละปุ่ม อยากให้เพิ่มการค้นหาโดยใส่พิกัด x,y เพิ่มการค้นหาที่เป็นหมู่บ้าน อยากให้มีการเพิ่มข้อมูลการ ประมาณการณ์ปริมาณน้ำฝนรายสปั ดาห์ การตงั้ รหสั ผา่ นให้เปดิ ตามองดไู ด้ การเลือกชนิดพชื ถา้ เปน็ อ่นื ๆ ขอให้ ระบุพืชเพิ่มเติมได้ มปี ่มุ ใหส้ ามารถดาวโหลดข้อมลู shapefile ได้ เพ่มิ ใหส้ ามารถค้นหาแปลงได้โดยไม่ต้องลงไป ในพื้นที่ อยากให้เพิ่มชั้นข้อมูลในมือถือมากขึ้น (เช่นปริมาณน้ำฝน สภาพอากาศล่วงหน้า สุขภาพืชและ คำแนะนำ ความเหมาะสมชุดดินสำหรับพืชเศรษฐกิจหลัก การใช้ปุ๋ยที่เหมาะสมตามการวิเคราะห์ดิน เป็นต้น) ควรทำคู่มือการใช้งานให้ง่ายขึ้น หากพื้นที่ไม่มีสัญญานโทรศัพท์จะสามารถใช้งานได้หรือไม่ ให้สามารถขายดู แผนท่ีท่ีทำการวาดแปลงไปแลว้ และควรปรับปรงุ ใหร้ ะบบประมวลผลเรว็ กว่าน้ี 9 – 10 ก.พ.66 อ.วานรนิวาส จ.สกลนคร รายงานการวจิ ยั Research Report) | หน้า 114

โครงการประเมนิ พ้นื ที่เส่ยี งภยั แล้งและความเสยี หายของพืชเกษตรรายแปลง ด้วยเทคโนโลยีภูมิสารสนเทศ 23 – 24 ก.พ.66 อ.ท่าตูม จ.สุรินทร์ 2 – 3 มี.ค66 อ.ด่านขุนทด จ.นครราชสีมา รายงานการวิจยั Research Report) | หนา้ 115

โครงการประเมนิ พื้นท่เี ส่ยี งภยั แลง้ และความเสยี หายของพืชเกษตรรายแปลง ดว้ ยเทคโนโลยภี ูมิสารสนเทศ 13 – 14 มี.ค.66 อ.เมอื ง จ.กำแพงเพชร 15 – 16 มี.ค.66 อ.สวา่ งอารมณ์ และอ.เมอื ง จ.อทุ ัยธานี รายงานการวจิ ยั Research Report) | หนา้ 116

โครงการประเมนิ พนื้ ที่เสีย่ งภัยแล้งและความเสยี หายของพชื เกษตรรายแปลง ดว้ ยเทคโนโลยีภูมิสารสนเทศ 16 – 17 ม.ี ค.66 จังหวัดร้อยเอ็ด รปู ที่ 4- 56 ภาพบรรยากาศการฝึกอบรมเชงิ ปฏิบตั ิการแพลตฟอร์มการประเมนิ พนื้ ทเี่ สี่ยงภยั แล้ง และความเสยี หายของพชื เกษตรรายแปลง ด้วยเทคโนโลยีภูมสิ ารสนเทศ รายงานการวจิ ยั Research Report) | หนา้ 117

โครงการประเมินพ้ืนที่เสย่ี งภัยแล้งและความเสียหายของพชื เกษตรรายแปลง ด้วยเทคโนโลยีภมู สิ ารสนเทศ บทที่ 5 อภปิ รายและวิจารณ์ผล โครงการประเมินพื้นที่เสี่ยงภัยแล้งและความเสียหายของพืชเกษตรรายแปลง ด้วยเทคโนโลยีภูมิ สารสนเทศ มีวัตถุประสงค์ในการสร้างแบบจำลองการประเมินพื้นที่เสี่ยงภัยแล้งและประเมินความเสียหายของ พืชเกษตรรายแปลง เพื่อพัฒนาลำดับการประมวลผลเป็นฐานข้อมูลแบบอัตโนมัติ และจัดทำแพลตฟอร์มเพ่ือ สนับสนุนการตัดสินใจในการช่วยเหลือเกษตรกรผู้ประสบภัยแล้ง รวมถึงมีการการขับเคลื่อน ติดตาม ประเมิน ผลลัพธแ์ ละผลตอบแทนทางสังคม คณะผู้วจิ ัยสามารถนำข้อสรปุ มาอภิปรายผลตามแนวคดิ ทฤษฎี และงานวิจัย ท่ีเกยี่ วขอ้ ง ไดด้ ังนี้ 5.1 การประเมินพืน้ ท่เี สี่ยงภัยแล้ง การสรา้ งแบบจำลองการประเมินดชั นีพืน้ ท่ีเส่ยี งภัยแลง้ (DRI) จากดาวเทียม ด้วยการเปรียบเทียบ ข้อมูลอนุกรมเวลาความสัมพันธ์ระหว่างดัชนี DHI ซึ่งสร้างจากข้อมูลดัชนี NDVI, LST, VCI, TCI VHI และ SPI กับความชื้นผิวดิน (SSM) แตกต่างไปตามสถานการณ์ El Nino, La Nina และ Neutral พบว่า แบบจำลองมี ความคลาดเคลื่อนเฉลี่ย 0.101 ทั้งนี้เนื่องจากในแบบจำลองมีการใช้ปัจจัยที่เกี่ยวข้องทางด้าน ดัชนีสุขภาพพืช ดัชนีการสะท้อนของอุณหภูมิผิวดิน ดัชนีปริมาณน้ำฝน และความชื้นผิวดิน ซึ่งเป็นปัจจัยที่เกี่ยวข้องทางด้านสิ่ง ปกคลมุ ดิน และปัจจัยทางดา้ นอุตนุ ิยมวิทยา โดยยงั ขาดปัจจัยทางด้านอุทกวทิ ยา ทำใหแ้ บบจำลองนี้เหมาะท่ีจะ นำไปใช้ในการบริหารจัดการน้ำภาคการเกษตร โดยเฉพาะในพื้นที่นอกเขตชลประทานเป็น ซึ่งอาจจะไม่เหมาะ กับพ้นื ที่ที่มกี ารควบคุมการใหน้ ำ้ ของพชื เช่น การสูบนำ้ จากบอ่ หรือแม่นำ้ การให้นำ้ จากการชลประทาน การประเมินดชั นีพื้นท่ีเส่ยี งภัยแล้ง โดยการคำนวณดชั นคี วามรุนแรงความแห้งแลง้ (DHI: Drought Hazard Index) เปรียบเทียบกับข้อมูลอนุกรมเวลา ความสัมพันธ์ระหว่างดัชนี DHI กับ ข้อมูลดัชนีความชื้นผิว ดิน (SSM: Surface Soil Moisture) ในการคำนวณค่าสหสมั พันธ์ โดยกำหนดให้ค่าน้ำหนกั ดชั นคี วามชื้นผิวดนิ และดชั นคี วามรุนแรงความแห้งแลง้ ผลการตรวจสอบความถกู ต้องของดชั นี DRI กับขอ้ มูลความช้ืนในดนิ พบวา่ ความช้นื ในดินท่ีระดับ 30 ซม. มคี วามสมั พนั ธก์ ัน 89.7 % และความชื้นในดินที่ระดบั 100 ซม. มีความสัมพันธก์ ัน 88.3 % จากจำนวน ข้อมลู 128 คู่ จะเห็นไดว้ า่ ดัชนี DRI สามารถเป็นดัชนีบ่งชถี้ งึ สภาวะความแหง้ แลง้ ของพ้นื ท่ที างการเกษตรได้ ซ่ึง พื้นที่นั้นจะเป็นพื้นที่มีการขาดน้ำต่อเนื่อง ส่งผลต่อปริมาณความชื้นในดินต่ำ ซึ่งจะเป็นเครื่องมือช่วยในการ ตัดสินใจให้กับหน่วยงานในระดับโนโยบายพิจารณาประกาศเป็นพื้นที่ประสบภัยแล้ง รวมถึงเครื่องมือในระดับ ปฏิบัติการให้กับเกษตรกรในพ้ืนที่เตรยี มความพร้อมรับมือกับสถานการณภ์ ัยแลง้ ที่เกิดขึ้น สามารถวางแผนการ เพาะปลกู และการจัดการการใหน้ ้ำของพืชในพื้นที่เพาะปลูกได้ รายงานการวิจัย Research Report) | หน้า 118

โครงการประเมนิ พนื้ ท่เี สยี่ งภยั แลง้ และความเสยี หายของพืชเกษตรรายแปลง ดว้ ยเทคโนโลยภี มู สิ ารสนเทศ 5.2 การประเมินความเสียหายของพืชเกษตรรายแปลง การดำเนินการวิจยั ในสว่ นของการประเมินความเสยี หายของพืชเกษตรในระดับรายแปลงดว้ ยเทคโนโลยี ภูมิสารสนเทศ โดยเฉพาะการใช้ภาพถ่ายจากดาวเทยี ม ในพืชเศรษฐกิจที่สำคัญของประเทศท้ัง 4 ชนิด คือ ข้าว ขา้ วโพด มนั สำปะหลัง และอ้อย พบวา่ มคี วามจำเป็นต้องมีการเชื่อมโยงข้อมูลท่ีเกี่ยวข้องในหลายส่วน หลายมิติ ทั้งจากด้านอุตุนิยมวิทยา ด้านอุทกวิทยา ด้านองค์ความรู้ด้านพืช รวมถึงข้อมูลการเพาะปลูกของเกษตรกรจาก การลงทะเบียนและรายงานความเสียหายที่เคยเกิดขึ้นจากรายงาน กษ.02 มาร่วมในการประมวลผล เพื่อให้ได้ ผลลพั ธท์ มี่ ีความแมน่ ยำ สามารถนำไปใช้ในการปฏบิ ัติเป็นทย่ี อมรบั และมคี วามน่าเชอ่ื ถือมากทีส่ ดุ โดยดัชนีที่จะใช้สำหรับการประมวลผลเพื่อสร้างดัชนีประเมินความเสียหายของพืชจากภัยแล้ง (Crop Drought Damage Assessment Index : CDAI) จะประกอบไปด้วย 2 ส่วนทีว่ เิ คราะห์ต่อเนื่องกัน คือ 1) ดัชนี พื้นที่เสี่ยงภัยแล้ง (DRI และ DSI) เพื่อดูสภาวะความแห้งแล้งที่เกิดขึ้นในพื้นที่นั้น และ 2) ดัชนีประเมินความ เสียหายของพืช (CDAI) ที่สร้างจากดชั นี 4 ดชั นี เพ่อื ดคู วามแขง็ แรงหรือความสมบูรณ์ของพืช (NDVI SAVI และ EVI) และดูสภาพความเครียดจากการขาดน้ำ (NDWI) เพื่อบ่งชี้ว่าในพ้ืนที่ที่มีความแห้งแล้งนั้น พืชที่มีการ เพาะปลูกไดร้ ับความเสยี หายหรือไม่ ผลของการตรวจสอบความถูกตอ้ งของดชั นี CDAI พบว่า อ้อย มีความถูกต้องสงู ท่ีสดุ ท่ี 92.9% จากการ ทดสอบด้วยแปลงจำนวน 14 แปลง รองลงมา คือ ข้าว มีความถูกต้องที่ 81.9% จากการทดสอบด้วยแปลง จำนวน 15,670 แปลง ข้าวโพด มีความถูกต้องที่ 77.7% จากการทดสอบด้วยแปลงจำนวน 1,043 แปลง และ มันสำปะหลัง มีความถูกต้องที่ 73.7% จากการทดสอบด้วยแปลงจำนวน 19 แปลง จะเห็นได้ว่าจำนวนแปลง อ้อยและมนั สำปะหลัง มจี ำนวนน้อยมาก เนอื่ งจากเปน็ พืชที่มคี วามทนทานต่อสภาวะแหง้ ทำให้จำนวนตัวอย่าง ที่นำมาใช้ในการสร้างสมการและตัวอย่างที่นำมาใช้ตรวจสอบความถูกต้องมีจำนวนไม่มาก นอกจากนี้ในการ ดำเนินงานวิจัยครั้งนี้ผลการตรวจสอบความถูกต้องเกิดจากการตรวจสอบกับข้อมูลจากรายงาน กษ.02 ที่เป็น รายงานความเสยี หายที่เคยเกิดขน้ึ จากในอดีตเท่านน้ั ยงั ไม่ไดม้ กี ารตรวจสอบกับข้อมูลภาคสนามเนื่องจากเป็นปี ที่นำ้ มาก ดงั นน้ั หากมกี ารดำเนนิ งานในระยะต่อไปจำเป็นต้องมกี ารตรวจสอบผลกับข้อมูลภาคสนาม จะเห็นได้ว่าดัชนี CDAI สามารถใช้เป็นเครื่องมือในการช่วยสนับสนุนการตัดสินใจให้กับเจ้าหน้าที่ใน ตรวจสอบความเสียหายในระดับพื้นที่ได้ในระดับหนึ่ง อาจจะยังไม่สามารถใช้แทนกลไกการตรวจสอบยืนยัน แบบเดิมไดใ้ นทันที แตส่ ามารถใช้ร่วมกบั วิธีการตรวจสอบยืนยันเพอ่ื เพ่มิ ประสิทธภิ าพการทำงานในปจั จุบันได้ รายงานการวจิ ยั Research Report) | หน้า 119

โครงการประเมินพื้นที่เส่ียงภัยแล้งและความเสยี หายของพชื เกษตรรายแปลง ด้วยเทคโนโลยภี ูมิสารสนเทศ บทท่ี 6 สรุปผลการวิจัยและข้อเสนอแนะ 6.1 สรปุ ผลการวิจัย ปัญหาภัยแล้ง เป็นภัยธรรมชาติที่เกิดจากการขาดแควนน้ำเป็นระยะเวลานาน โดยอาจจะเกิดจากฝน แล้งหรือฝนทิง้ ช่วง การบริหารจัดการน้ำที่ไมเ่ พียงพอ การขาดแคลนน้ำอุปโภคบริโภค เป็นต้น ส่งผลกระทบตอ่ ประชาชนโดยรวม การที่จะประเมนิ ว่าบรเิ วณใด หรือพนื้ ทใี่ ด เกิดภัยแลง้ และได้รับความเสียหายบ้าง จะทำได้ก็ ต่อเมื่อผลผลิตของพืชเสียหายไปแล้ว และที่ผ่านมาทางเกษตรกรจะต้องดำเนินการขึ้นทะเบียนเกษตรกร เพื่อ ขอรับเงินเยียวยากับหน่วยงานภาครัฐ และหน่วยงานภาครัฐเองจะต้องมีการตรวจสอบข้อเท็จจริง ผ่านคณะกรรมการให้ความช่วยเหลือผูป้ ระสบภัยทั้งในระดับอำเภอ และระดับจงั หวัด ซ่งึ ใชร้ ะยะเวลาค่อนขา้ งนาน งานวิจัยนี้ สำนักงานพัฒนาเทคโนโลยีอวกาศและภูมิสารสนเทศ (องค์การมหาชน) : สทอภ. ในฐานะ หนว่ ยงานรับผิดชอบหลักด้านการใช้ประโยชน์ข้อมลู ดาวเทียมและข้อมลู ภูมสิ ารสนเทศ ไดต้ ระหนักถึงความสำคัญถึง ความสำคัญต่อการช่วยเหลือเกษตรกรที่ประสบภัยแล้งได้ทันต่อสถานการณ์ จึงได้มุ่งเน้นศึกษารวบรวมข้อมูล และ พฒั นาวิธีการในการนำเทคโนโลยีอวกาศและภูมิสารสนเทศ ข้อมลู อุตนุ ิยมวทิ ยา ขอ้ มลู อุทกวิทยา ขอ้ มูลแบบประมวล รวมชว่ ยเหลือเกษตรกรผู้ประสบภัย (กษ.02) มาทำการประเมินพื้นท่ีเสี่ยงภัยแล้งและความเสียหายของพืชเกษตรราย แปลง สามารถสรปุ ผลการศึกษา ได้ดงั น้ี 6.1.1 ดาวเทยี ม Suomi NPP รายละเอียดปานกลาง 1 กิโลเมตร ถูกคำนวณดว้ ยสมการสร้างเป็นดัชนี NDVI, LST, VCI, TCI และ VHI สามารถประมวลผลความละเอยี ดของชว่ งเวลาเป็นรายสัปดาห์ และรายเดือน 6.1.2 ดัชนี VHI รายละเอียด 1 กิโลเมตร ถูกประมวลผลร่วมกับข้อมูลความชื้นในดิน จากสถานี ตรวจวัดของ สอทภ. ข้อมูลปริมาณน้ำฝนจากสถานีตรวจวัดของกรมอุตุนิยมวิทยา และข้อมูลฝนจากดาวเทียมฝน Global Precipitation Measurement (GPM) รายละเอียดต่ำ 10 กิโลเมตร ความถ่ี 0.5 ชวั่ โมง สร้างเป็นดัชนี DHI 6.1.3 ดัชนี DRI ถูกสร้างมาจากความสัมพันธ์ระหว่างดัชนี DHI กับข้อมูลความชื้นผิวดิน และ ต่อเนื่องเป็นช่วงเวลาสร้างเป็นดัชนี DSI ซึ่งบ่งชี้ถึงสภาวะแห้งแล้งของพื้นที่สามารถคอมโพสิทข้อมูลเป็นรายวัน และรายเดือน และรายปี และจาการตรวจสอบประเมินความถูกต้องของแบบจำลองพื้นที่เสี่ยงภัยแล้ง DRI กับ ข้อมูลความชื้นในดิน 2 ระดับได้แก่ ความชื้นในดินระดับความลึก 30 ซม. มีค่าความคลาดเคลื่อนเฉลี่ย (MSE) 0.150 และ R2 0.897 และความชนื้ ในดนริ ะดับความลึก 100 ซม. มีความคลาดเคลื่อน (MSE) 0.052 และ R2 0.883 6.1.4 ดัชนีประเมินความเสียหายของพืชเกษตรรายแปลง (CDAI) โดยใช้ข้อมูลจากดาวเทียม Sentinel-2 รายละเอียด 20 เมตร นำมาวเิ คราะห์ค่าดัชนีพืชพรรณ NDVI, SAVI และ EVI รวมถงึ ดชั นีความเครียดจาก การขาดน้ำ NDWI มาหาค่าเกณฑ์พิจารณาความเสียหายของพืชทั้ง 4 ชนิด ได้แก่ ข้าว ข้าวโพด มันสำปะหลังและ อ้อย ซึ่งทำการวิเคราะห์เป็นรายแปลงเพาะปลูกจากข้อมูลผังแปลงเกษตรกรรมดิจิทัลของกรมส่งเสริมการเกษตร ผล ที่ได้พบว่า ดัชนี CDAI สามารถบ่งชี้ความเสียหายของอ้อยได้ดีที่สุด รองลงมาคือ ข้าว ข้าวโพดและมันสำปะหลัง ตามลำดับ โดยมีความถูกต้อง ท่ี 92.9%, 81.90%, 77.70% และ 73.7% เมอ่ื ทดสอบกับแปลงเกษตรที่เคยขอรับการ ชว่ ยเหลือจากภยั แล้ง (รายงาน กษ.02) รายงานการวิจยั Research Report) | หนา้ 120

โครงการประเมินพ้ืนที่เสี่ยงภัยแล้งและความเสยี หายของพชื เกษตรรายแปลง ดว้ ยเทคโนโลยภี มู สิ ารสนเทศ 6.1.5 การพัฒนา Platform ให้บริการฐานข้อมูลพื้นที่เสี่ยงภัยแล้งและการประเมินความเสียหายของ พืชเกษตรรายแปลง ได้มีการเก็บความต้องการการใช้งานระบบ 2 กลุ่ม ได้แก่ กลุ่มที่ 1 หน่วยงานภาครัฐระดับ นโยบายและปฏบิ ัติการ เนน้ พฒั นาระบบให้บริการผ่าน Web Application กลุม่ ท่ี 2 ภาคประชาชน และบุคคลท่ัวไป เน้นการให้บริการผ่าน Mobile Application (โดยจะดำเนินการในระยะที่ 2) คณะผู้วิจัยได้ดำเนินการเชื่อมโยง ฐานข้อมูลผังแปลงเกษตรกรรมดิจิทัล จากการขึ้นทะเบียนเกษตรกร ของกรมส่งเสริมการเกษตร เพื่อรายงานระดับ ความเสียหายของพืชเป็นรายแปลง ในรูปแบบต่างๆ ได้แก่ แผนที่ ตารางสรุประดับความเสียหาย นอกจากนี้แล้ว แพลตฟอร์มยังมีส่วนคลังความรู้เกี่ยวกับดาวเทียม และดัชนีที่เกี่ยวข้อง เพื่อเป็นแหล่งเรียนรู้ให้กับผู้เข้ามาใช้งาน สำหรับแพลตฟอร์มการให้บริการผู้ใช้งานสามารถเขา้ ถึงข้อมูลได้ทุกคน ทุกท่ี และทกุ เวลา 6.1.6 การตดิ ตาม และประเมินคุณค่าโครงการ คณะนกั วจิ ัยมีลงพ้ืนทจี่ ัดประชุมกลุ่มย่อยกับเกษตรกร และหน่วยงานภาครัฐ ในพื้นที่ 6 จังหวัด ได้แก่ สกลนคร ร้อยเอ็ด สุรินทร์ นครราชสีมา กำแพงเพชร และอุทัยธานี เพื่อสร้างความเข้าใจในโครงการ และรับฟังข้อคิดเห็นต่อการดำเนินโครงการ และเก็บข้อมูลประโยชน์ที่คาดว่าจะ ได้รับหากมีการดำเนินโครงการ เพื่อประเมินความคุ้มค่าของโครงการเท่ากับ 236,757,772 บาทต่อปี และมูลค่า ปจั จุบันของการใชร้ ะบบเป็นระยะเวลา 5 ปี เทา่ กับ 1,148,275,194 บาท 6.2 ขอ้ เสนอแนะ 6.2.1 ในการวิเคราะห์ดัชนีภัยแล้งมีการ Down Scale ข้อมูลดาวเทียมรายละเอียดปานกลาง โดยอาศัย ข้อมูลดาวเทียมรายละเอียดสูง ให้ไดผ้ ลติ ภัณฑ์ท่ีมีความละเอียดสูง อาจจะเป็นข้อดีในการเพ่ิมผลผลิตของข้อมูล ใหม่ แตห่ ากจะทำใหไ้ ดผ้ ลลัพธ์ท่ีมคี วามแม่นยำสูง จำเปน็ ที่จะต้องใช้ข้อมูลการตรวจวัดจากภาคพ้ืนดินท่ีต่อเนื่อง จำนวนมากเพียงพอในการสรา้ งแบบจำลอง 6.2.2 ข้อมูลการขึ้นทะเบียนของเกษตรกร ซึ่งในโครงการได้รับข้อมูลในรูปแบบ GIS File จากกรม ส่งเสริมการเกษตร โดยในทุกๆรอบการปลูกจะมีการขึ้นทะเบียนเกษตรกรใหม่ หากในระยะยาวมีการเปิดให้ สามารถเชื่อมโยงข้อมูลแปลงเกษตรกรแบบ API เข้ามาเพื่อประมวลผลร่วมกับข้อมูลดาวเทียม จะสามารถ ตรวจสอบผลความเสยี หายของเกษตรกรไดค้ รอบคลมุ และรวดเร็วมากข้ึน 6.2.3 ข้อมูลการขึ้นทะเบียนของเกษตรกร มีการรายงานวันที่พืชได้รับความเสียหาย ซึ่งโดยส่วนใหญ่ เกษตรกรจะแจ้งวันที่เสียหายเป็นวันเดียวกับที่ผู้ว่าราชการในแต่ละจังหวัดประกาศภัย โดยข้อเท็จจริงแล้วพืช อาจจะมกี ารเสียหายกอ่ นหรือหลังประกาศภัยกไ็ ด้ เมอื่ นำมาเขา้ แบบจำลองทำให้ยังมคี วามคลาดเคลอ่ื น หากจะ เพ่ิมความแม่นยำ อาจจะตอ้ งใหเ้ กษตรกรรายงานวันท่ีเสยี หายจริง 6.2.4 แผนท่ีผังแปลงเกษตรดิจทิ ัลท่เี กิดจากการนำเข้า วาดขอบเขตแปลงจากในพ้นื ท่ีถือว่าเป็นข้อมูลที่มี ความสำคญั เปน็ อยา่ งยง่ิ ในการนำมาวเิ คราะหร์ ่วมกับภาพถ่ายจากดาวเทียมในการประมวลผลดัชนปี ระเมินความ เสียหายของพืช ดังนั้นขอบเขตแปลงที่ไม่สอดคล้องหรือไม่ตรงกับพื้นที่เพาะปลูกจริง จะมีผลอย่างมากต่อการ ประมวลคา่ ดัชนี การวาดขอบเขตแปลงจากการขึน้ ทะเบยี นตอ่ ไปในอนาคตต้องให้ความสำคัญกบั เร่ืองน้ี รายงานการวจิ ัย Research Report) | หน้า 121

โครงการประเมินพ้นื ที่เสยี่ งภัยแล้งและความเสยี หายของพชื เกษตรรายแปลง ดว้ ยเทคโนโลยีภมู สิ ารสนเทศ 6.2.5 การพัฒนาแพลตฟอร์มการให้บริการพื้นที่เสี่ยงภัยแล้งและความเสียหายของพืชเกษตรรายแปลง ยังไมไ่ ด้มีการประชาสมั พันธ์การใช้งาน ซึ่งอาจจะเกิดประเด็นข้อเสนอแนะเพม่ิ เติมท่ีต้องปรับปรุงทั้งแบบจำลอง และสว่ นแสดงผล เพอื่ เพ่ิมความเชื่อม่นั ให้กบั ผ้ใู ช้งานให้เกดิ ประโยชนส์ ูงสุดตอ่ ไป 6.2.6 แพลตฟอรม์ สามารถใช้เป็นเคร่ืองมอื ในการช่วยสนับสนุนการตัดสินใจให้กับเจ้าหน้าท่ีในตรวจสอบ ความเสียหายในระดับพื้นที่ได้ในระดับหนึ่ง อาจจะยังไม่สามารถใช้แทนกลไกการตรวจสอบยืนยันแบบเดิมได้ ในทันที แตส่ ามารถใชร้ ว่ มกบั วิธกี ารตรวจสอบยนื ยนั เพือ่ เพิ่มประสิทธิภาพการทำงานในปจั จบุ ันได้ 6.2.7 ในอนาคตการเพิ่มเครื่องมือให้เกษตรกรในการถ่ายรูปประกอบการรายงานความเสียหายของพืช เพื่อยืนยันร่วมกับข้อมูลดาวเทียม จะช่วยลดการลงพื้นที่ของหน่วยงานภาครัฐ รวมถึงเพิ่มความแม่นยำและ คา่ ใช้จ่ายอีกด้วย 6.2.8 การศึกษาปัจจัยด้านภูมิอากาศ ร่วมกับข้อมูลดาวเทียม มีความเป็นไปได้สูงในการพยากรณ์ ภัยแล้ง เพื่อการเตือนภัยล่วงหน้า เพื่อให้ทั้งหน่วยงานระดับนโยบาย และเกษตรกร มีข้อมูลสนับสนุนการ ตัดสินใจการการเพาะปลกู พชื เพือ่ ลดผลกระทบที่จะเกดิ ขน้ึ รายงานการวจิ ัย Research Report) | หน้า 122

โครงการประเมินพน้ื ทีเ่ ส่ียงภัยแลง้ และความเสียหายของพืชเกษตรรายแปลง ดว้ ยเทคโนโลยีภมู สิ ารสนเทศ บรรณานุกรม วิรัช วรานุจิตต์ และคณะ. (2554). เอกสารวิจัยโครงการดรรชนีความแห้งแล้งสำหรับประเทศไทย. เอกสารวชิ าการเลขท่ี 551.577.38-01-2554. Anyamba, A., Tucker, C. J. & Eastman, J. R. (2003). NDVI anomaly patterns over Africa during the 1997/98 ENSO warm event. International Journal of Remote Sensing, vol. 22, no. 10. (pp. 1847–1859). Berger, Katja and Atzberger, Clement and Danner, Martin and D’ Urso, Guido and Mauser, Wolfram and Vuolo, Francesco and Hank, Tobias. Evaluation of the PROSAIL Model Capabilities for Future Hyperspectral Model Environments: A Review Study. Remote Sensing, 2018, 10, 85. Budagovsky, A.I., (1956) Meteorological factor and soil moisture influence on evaporation (in Russian) . In Irrigation Problems in Lower Amu- Darya River. USSR RAS Publication, Moscow. Chang, S. , Chen, H. , Wu, B. , Nasanbat, E. , Yan, N. , & Davdai, B. , ( 2021) . A Practical Satellite- Derived Vegetation Drought Index for Arid and Semi-Arid Grassland Drought Monitoring. Remote Sens. 2021, 13(3), 414; https://doi.org/10.3390/rs13030414. Demarez, V., Duthoit, S., Baret, F., Weiss, M., Dedieu, G. Estimation of leaf area and clumping indexes of crops with hemispherical photographs. Agric. For. Meteorool. 2008, 148. 644-655. Faridatul, M. I. , & Ahmed, B. ( 2020) . Assessing Agricultural Vulnerability to Drought in a Heterogeneous Environment: A Remote Sensing- Based Approach. Remote Sens. 2020, 12(20), 3363; https://doi.org/10.3390/rs12203363. Gao, B.C. (1996). NDWI—A normalized difference water index for remote sensing of vegetation liquid water from space (pp. 257-266). Geovanni Paolini, Maria Jose Escorihuela, Joaquim Bellovert and Olivier Merlin ( 2 0 2 2 ) , Disaggregation of SMAP Soil Moisture at 20 m Resolution: Validation and Sub-Field Scale Analysis. Remote Sensing. Hargreaves, & George, H. ( 1974) . Moisture Adequacies for Agriculture in the Southeast. Department of Agricultural and Irrigation Engineering Utah State University. Hu, X., Ren, H., Tansey, K., Zheng, Y., Ghent, D., Liu, X. & Yan, L. (2019). Agricultural drought monitoring using European Space Agency Sentinel 3A land surface temperature and normalized difference vegetation index imageries. Agricultural and Forest Meteorology Volume 279 Article 107707. รายงานการวจิ ัย (Draft Final Report) | หน้า 123

โครงการประเมินพน้ื ทเ่ี สยี่ งภยั แล้งและความเสยี หายของพืชเกษตรรายแปลง ดว้ ยเทคโนโลยีภูมิสารสนเทศ Hydrology. ( 1972) . SCS National Engineerin Handbook Section 4. Soil Conservation Service (SCS), U.S. Department of Agriculture. Huete, A. R., (1988). A soil-adjusted vegetation index (SAVI). Remote Sensing of Environment, 25(3), 295-309. Huete, A., K. Didan, T. Miura, E.P. Rodriguez, X. Gao and L.G. Ferreira, (2002). Overview of the radiometric and biophysical performance of the MODIS vegetation indices. Remote Sensing of Environment, 83(1), 195–213. Jasinski, M. F. , Eagleson, P. S. , ( 1 9 9 0 ) . Estimation of Subpixel Vegetation Cover Using Red- Infrared Scattergrams. IEEE TRANSACTIONS ON GEOSCIENCE AND REMOTE SENSING, 28(2), 253-267. Kogan, F. & Sullivan, J. ( 1993) . Development of Global Drought- Watch System Using NOAA/AVHRR Data. Advances in Space Research Vol. 13, No. 5pp. (5)21 9 — (5)222. McKee, T. B. , Doesken, N. J. , & Kleist, J. (1993). The relationship of drought frequency and duration to time scales. 8th Conference on Applied Climatology. Am. Meteorol. , (pp.179–184). Mishra, S. K. & Singh, V. P. ( 2003) . Soil Conservation Service Curve Number ( SCS- CN) Methodology. Springer Science+ Business Media Dordrecht Originally published by Kluwer Academic Publishers. Nicholson, C., Sorlien, C. C., Atwater, T., Crowell, J. C. & Luyendyk, B. P. (1994). Microplate capture, rotation of the Western Transverse Ranges, and initiation of the San Andreas transform as a low-angle fault system. Geology, v. 22, (pp.491-495), Institute for Crustal Studies and Department of Geological Sciences, University of California, Santa Barbara, California. Palmer, W. C. ( 1965) . Meteorological Drought. Research Paper No. 45, U. S. Department of Commerce, Washington, D.C. Palmer, W. C. (1968). Keeping Track of Crop Moisture Conditions, Nationwide: The New Crop Moisture Index. Weatherwise. (pp. 156-161). Parmes, Eija; Rauste, Yrjö; Molinier, Matthieu; Andersson, Kaj; and Seitsonen, Lauri, ( 2017) . Automatic Cloud and Shadow Detection in Optical Satellite Imagery Without Using Thermal Bands— Application to Suomi NPP VIIRS Images over Fennoscandia. Remote Sensing, 9. รายงานการวิจัย Research Report) | หนา้ 124

โครงการประเมินพืน้ ทเี่ สีย่ งภยั แล้งและความเสยี หายของพชื เกษตรรายแปลง ดว้ ยเทคโนโลยภี มู ิสารสนเทศ Polina Lemenkova, (2020). Hyperspectral Vegetation Indices Calculated by Qgis Using Landsat TM Image: a Case Study of Northern Iceland. ADVANCED RESEARCH IN LIFE SCIENCES, 4, 70-78. Rondeaux, G., Steven, M., Baret, F., (1996). Optimization of Soil-Adjusted Vegetation Indices. Remote Sensing of Environment, 55(2), 95-107. Seiler, R.A., Kogan, F., & Wei, G. (2000). Monitoring Weather Impact and Crop Yield from NOAA AVHRR Data in Argentina. Advances in Space Research. Vol. 26, No. 7, (pp.1177-1185). Son, N. T. , Chen, C. F. , Chen, C. R. , Chang, L. Y. & Minh, V. Q. ( 2012) . Monitoring agricultural drought in the Lower Mekong Basin using MODIS NDVI and land surface temperature data. International Journal of Applied Earth Observation and Geoinformation, 18, (pp.417-427). Soravis Supavetch, ( 2019) . Sentinel- 2 Based Remote Evaluation System for a Harvest Monitoring of Sugarcane Area in the Northeast Thailand Contract Farming, 5th International Conference on Geographical Information Systems Theory, Application and Management. Wang, J., Price, K. P. & Rich, P. M. (2001). Spatial patterns of NDVI in response to precipitation and temperature in the central Great Plains. International Journal of Remote Sensing, vol. 22, no. 18. (pp. 3827-3844). Ye Tan, Jia-Yi Sun, Bing Zhang, Meng Chen, Yu Liu and Xiang-Dong Liu, (2019). Sensitivity of a Ratio Vegetation Index Derived from Hyperspectral Remote Sensing to the Brown Planthopper Stress on Rice Plants. Sensors. 19, 375. Yoon, D-H., Nam, W-H., Lee, H-J., Hong, E-M., Feng, S., Wardlow, B. D., … Kim, D-E. (2020). Agricultural Drought Assessment in East Asia Using Satellite Based Indices. Remote Sens. 2020, 12(3), 444; https://doi.org/10.3390/rs12030444. Zargar, A., Sadiq, R. & Khan, F. I. (2014). Uncertainty-Driven Characterization of Climate Change Effects on Drought Frequency Using Enhanced SPI. Water Resour Manage. (pp. 15–40). รายงานการวจิ ัย Research Report) | หน้า 125

โครงการประเมนิ พื้นท่เี สี่ยงภยั แล้งและความเสยี หายของพชื เกษตรรายแปลง ด้วยเทคโนโลยีภมู ิสารสนเทศ ภาคผนวก รายงานการวิจัย Research Report) | หนา้ 126

โครงการประเมนิ พื้นที่เสย่ี งภัยแลง้ และความเสียหายของพชื เกษตรรายแปลง ด้วยเทคโนโลยภี ูมสิ ารสนเทศ สรุปผลงานวิจัย/โครงการวิจัย 1 หนา้ กระดาษ A4 (สำหรบั ประชาสัมพนั ธ)์ 1. ช่ือผลงาน/โครงการ ประเมินพน้ื ท่ีเสย่ี งภยั แลง้ และความเสียหายของพืชเกษตรรายแปลง ดว้ ยเทคโนโลยีภูมสิ ารสนเทศ Geo-Informatics Approach for Assessing the Risk of Crops Loss and Damage Associated with Drought at Farm Level 2. ช่ือ - นามสกลุ นกั วจิ ยั นางกานดาศรี ลมิ ปาคม ทป่ี รึกษาโครงการ (สทอภ.) นางศริ ลิ ักษณ์ พฤกษ์ปติ ิกุล ทป่ี รกึ ษาโครงการ (สทอภ.) นางดาเรศร์ กติ ติโยภาส ท่ีปรึกษาโครงการ (สป.กษ.) นางสาววรนชุ จนั ทร์สรุ ยิ ์ หัวหนา้ โครงการวิจยั (สทอภ.) นายภานุ เนอ่ื งจำนงค์ ผูร้ ่วมวจิ ัย (สทอภ.) นางสาวญาติกานต์ ฉวีวงศ์ ผู้ร่วมวจิ ยั (สทอภ.) นายเธียรศิริ มลู จนั ทร์ ผรู้ ่วมวิจยั (สทอภ.) นางพอฤทัย เทยี นไทย ผรู้ ่วมวิจยั (สทอภ.) นางสริ ิลกั ษณ์ นอ้ ยเคยี ง ผรู้ ว่ มวิจัย (กสก.) นางสาวศันสิตา รัตนสุภา ผู้รว่ มวิจยั (สป.กษ) นายพรี ะพงศ์ รตั นบุรี ผรู้ ว่ มวจิ ัย (ชป.) นางสาวอภันตรี ยุทธพันธ์ ผู้ร่วมวจิ ัย (อต.) 3. ที่อยูท่ ตี่ ิดตอ่ ได้ สำนกั งานพฒั นาเทคโนโลยีอวกาศและภมู ิสารสนเทศ (องค์การมหาชน) ศูนย์ราชการเฉลิมพระเกยี รติฯ เลขท่ี 120 อาคารรัฐประศาสนภกั ดี ชั้น 6 และ ช้ัน 7 ถนนแจง้ วัฒนะ แขวงทุ่งสองหอ้ ง เขตหลักสี่ กรงุ เทพฯ 10210 โทรศัพท์ 089-708-2487 Email: [email protected] 4. ชื่อหน่วยงาน สำนักงานพัฒนาเทคโนโลยีอวกาศและภูมิสารสนเทศ (องค์การมหาชน) 5. ปี พ.ศ. ที่ดำเนินการเสรจ็ 2565 6. คำคน้ keyword ภัยแล้ง, ดัชนีภยั แลง้ , ความเสยี หายของพืช, ภาพถ่ายดาวเทยี ม, เทคโนโลยีภมู ิ สารสนเทศ 7. อา้ งองิ http://cropsdrought.gistda.or.th 8. รูปภาพ รายงานการวิจยั Research Report) | หนา้ 127

โครงการประเมินพ้ืนทเ่ี ส่ียงภยั แลง้ และความเสยี หายของพชื เกษตรรายแปลง ดว้ ยเทคโนโลยีภมู สิ ารสนเทศ 9. คำอธิบาย 1 หนา้ กระดาษ A4 การประเมินพื้นที่เสี่ยงภัยแล้งและความเสียหายของพืชเกษตรรายแปลง ด้วยเทคโนโลยีภูมิสารสนเทศ ของสำนักงานพัฒนาเทคโนโลยีอวกาศและภูมิสารสนเทศ (องค์การมหาชน) ดำเนินงานร่วมกับกรมส่งเสริม การเกษตร กรมชลประทาน กรมอุตุนิยมวิทยา และสำนักปลัดกระทรวงเกษตรและสหกรณ์ ภายใต้ทุนอุดหนุน การวจิ ยั และนวตั กรรมจาก สำนักงานการวจิ ยั แห่งชาติ ประจำปี 2564 โดยกำหนดหลกั การไว้วา่ จะใช้ศักยภาพ ของข้อมูลดาวเทียม และเทคโนโลยีภูมิสารสนเทศที่มีอยู่ในการจัดทำฐานข้อมูลและสร้างแบบจำลองการ ประเมินพืน้ ทเี่ สีย่ งภัยแล้งและความเสียหายของพืชเกษตรรายแปลงของประเทศไทยแบบอัตโนมตั ิ คณะผู้วิจัยได้ศึกษาและรวบรวมข้อมูลจากภาพดาวเทียมรายละเอียดปานกลาง Suomi NPP ซึ่งมี ความถี่เป็นรายวัน ความละเอียด 1 กม. ถูกคำนวณด้วยสมการสร้างเป็นดัชนีบ่งชี้ด้านภัยแล้ง ได้แก่ NDVI, LST, VCI, TCI และ VHI สามารถประมวลผลความละเอียดของช่วงเวลาเป็นรายสัปดาห์ และรายเดือน สามารถสร้างแบบจำลองเพื่อประเมินดัชนีพื้นที่เสี่ยงภัยแล้ง (DRI: Drought Risk Index) โดยอาศัยข้อมูล NDVI, LST และ SPI เปรียบเทียบย้อนหลัง 30 ปี คำนวณเป็นเป็นดัชนีความรุนแรงความแห้งแล้ง (DHI: Drought Hazard Index) เปรียบเทยี บกับข้อมลู อนุกรมเวลา ความสัมพนั ธ์ระหวา่ งดัชนี DHI กบั ขอ้ มลู ดัชนคี วามชื้นผิวดิน (SSM: Surface Soil Moisture) ในการคำนวณค่าสหสัมพันธ์ โดยกำหนดให้ค่าน้ำหนักดัชนีความชื้นผิวดิน และ ดัชนีความรุนแรงความแห้งแล้ง แตกต่างไปตามสถานการณ์ El Nino, La Nina และ Neutral สำหรับการ ประเมินความเสียหายของพืชเกษตรรายแปลง มีการใช้ข้อมูลจากดาวเทียมรายละเอียดสูง Sentinel-2 โดย พิจารณาเกณฑ์พิจารณาความเสียหายของพืชแต่ละชนิดจากภัยแล้ง เพื่อวิเคราะห์และประเมินความเสียหาย ของพืช ซึ่งมีความสอดคล้องกับสภาวะความแห้งแล้งที่เกิดขึ้นจึงได้นำดัชนี DRI มาพิจารณาร่วมเกณฑ์ พจิ ารณาความเสียหายของพืชแต่ละชนิดที่มีความทนทานต่อการขาดน้ำไมเ่ ท่ากนั เพื่อสร้างเป็นดชั นี DSI เพ่ือ นำไปสู่การสร้างเกณฑ์พิจารณาความเสียหายของพืชแต่ละชนิดที่เกิดจากการวิเคราะห์ค่าดัชนีที่เปล่ียนแปลง ไปจากการเจริญเตบิ โตของพืชแบบปกติ ได้แก่ NDVI, SAVI, CI และ NDWI และ CDAI โดยมกี ารกำหนดค่าถ่วง น้ำหนักที่เกิดจากการวิเคราะห์ความสำคัญของดัชนีที่มีผลต่อความเสียหายของพืช 4 ชนิด ได้แก่ ข้าว ข้าวโพด มันสำปะหลัง และอ้อย ทั้งนี้พื้นที่เสี่ยงภัยแล้งอย่างต่อเนื่อง (DSI: Drought Severity Index) ที่มีระดับความ รุนแรงมากกว่า 80 เปอร์เซ็นต์ขึ้นไป ถูกเชื่อมโยงกับพื้นที่แปลงเพาะปลูกพืชทั้ง 4 ชนิด ที่มีเกณฑ์ความเสียหาย CDAI เฉลย่ี มากกวา่ 55 เปอร์เซ็นต์ จะถูกชีเ้ ป้าให้เปน็ พนื้ ท่แี ปลงเกษตรที่คาดว่าจะได้รับความเสียหายจากภัยแล้ง โดยพบว่าแบบจำลองประเมินความเสียหายของพืช มีความถูกต้องสูงสุดในอ้อย ร้อยละ 92.9 รองลงมาเป็น ขา้ ว รอ้ ยละ 81.9 ข้าวโพด รอ้ ยละ 77.7 และมันสำปะหลงั ร้อยละ 73.7 ตามลำดับ ทั้งนี้ผลที่ได้จากการวิจัยจะถูกจัดเก็บในรูปแบบฐานข้อมูลเชิงพื้นที่ (Geospatial database) และ พัฒนาเปน็ แพลตฟอร์ม เพื่อชว่ ยเหลือและลดความเสยี หายของเกษตรกรจากภยั แลง้ ทัง้ ในระดับนโยบาย ระดับ ปฏบิ ตั กิ าร และระดับพ้ืนท่ี อาทิ กระทรวงเกษตรและสหกรณ์ กระทรวงมหาดไทย กรมส่งเสรมิ การเกษตร กรม ชลประทาน เปน็ ต้น ในการเฝา้ ระวงั เตรยี มความพรอ้ มรบั มือกับสถานการณภ์ ยั แล้ง ไดท้ นั ต่อสถานการณ์ รายงานการวจิ ัย Research Report) | หนา้ 128

โครงการประเมินพ้ืนทีเ่ สยี่ งภยั แล้งและความเสียหายของพชื เกษตรรายแปลง ด้วยเทคโนโลยีภูมิสารสนเทศ สรปุ ผลงานวิจัย/โครงการวจิ ัย 5 บรรทดั 1. ช่ือผลงาน/โครงการ ประเมนิ พื้นทเี่ ส่ยี งภัยแล้งและความเสยี หายของพชื เกษตรรายแปลง ดว้ ยเทคโนโลยภี ูมิสารสนเทศ Geo-Informatics Approach for Assessing the Risk of Crops Loss and Damage Associated with Drought at Farm Level 2. ช่ือ - นามสกลุ นกั วจิ ยั นางกานดาศรี ลิมปาคม ท่ปี รึกษาโครงการ (สทอภ.) นางศริ ิลักษณ์ พฤกษป์ ิติกุล ท่ีปรกึ ษาโครงการ (สทอภ.) นางดาเรศร์ กิตตโิ ยภาส ทปี่ รกึ ษาโครงการ (สป.กษ.) นางสาววรนุช จนั ทร์สรุ ิย์ หัวหน้าโครงการวจิ ยั (สทอภ.) นายภานุ เนอ่ื งจำนงค์ ผู้รว่ มวิจัย (สทอภ.) นางสาวญาติกานต์ ฉวีวงศ์ ผรู้ ว่ มวิจัย (สทอภ.) นายเธยี รศริ ิ มูลจนั ทร์ ผู้ร่วมวจิ ยั (สทอภ.) นางพอฤทยั เทยี นไทย ผรู้ ่วมวจิ ยั (สทอภ.) นางสริ ิลักษณ์ นอ้ ยเคียง ผรู้ ่วมวิจยั (กสก.) นางสาวศันสิตา รัตนสภุ า ผู้ร่วมวิจัย (สป.กษ) นายพีระพงศ์ รตั นบรุ ี ผรู้ ว่ มวิจัย (ชป.) นางสาวอภันตรี ยทุ ธพนั ธ์ ผู้ร่วมวจิ ยั (อต.) 3. ที่อยูท่ ีต่ ิดต่อได้ สำนกั งานพฒั นาเทคโนโลยอี วกาศและภูมิสารสนเทศ (องค์การมหาชน) ศนู ย์ราชการเฉลิมพระเกยี รติฯ เลขท่ี 120 อาคารรัฐประศาสนภักดี ชัน้ 6 และ ชั้น 7 ถนนแจง้ วัฒนะ แขวงทุ่งสองหอ้ ง เขตหลกั สี่ กรงุ เทพฯ 10210 โทรศัพท์ 089-708-2487 Email: [email protected] 4. ชื่อหนว่ ยงาน สำนักงานพฒั นาเทคโนโลยีอวกาศและภมู ิสารสนเทศ (องค์การมหาชน) 5. ปี พ.ศ. ทดี่ ำเนินการเสร็จ 2564 6. คำคน้ keyword ภยั แล้ง, ดัชนภี ยั แล้ง, ความเสยี หายของพชื , ภาพถา่ ยดาวเทยี ม, เทคโนโลยีภมู ิ สารสนเทศ 7. อา้ งองิ http://cropsdrought.istda.or.th 8. รูปภาพ รายงานการวิจัย Research Report) | หน้า 129

โครงการประเมนิ พ้ืนทีเ่ สย่ี งภัยแลง้ และความเสียหายของพชื เกษตรรายแปลง ดว้ ยเทคโนโลยีภมู ิสารสนเทศ 9. คำอธบิ าย 5 บรรทัด แพลตฟอร์มสนบั สนุนการตัดสนิ ใจเพ่ือประเมนิ พ้ืนทีเ่ สี่ยงภัยแล้งและความเสยี หายของพืชเกษตรราย แปลง เป็นแพลตฟอร์มฯ ท่ีมีแบบจำลองการสร้างดชั นีภัยแลง้ และดัชนีความเสยี หายของพชื แบบอัตโนมัติ ดว้ ย ข้อมูลภาพถ่ายดาวเทียม ข้อมูลด้านอุตุนิยมวิทยา ผังแปลงเกษตรกรรมดิจิทัลและความรู้ทางวิชาการด้านพืช เพื่อให้หน่วยงานระดับนโยบายและระดับปฏิบัติการ อาทิ กระทรวงเกษตรและสหกรณ์ กระทรวงมหาดไทย กรมส่งเสริมการเกษตร กรมชลประทาน เป็นต้น ในพื้นที่ใช้เป็นเครื่องมือในการทำงานให้มีประสิทธิภาพมากขึ้น ในด้านการช่วยเหลือเกษตรกรและการบรหิ ารจดั การภัยแลง้ รายงานการวิจยั Research Report) | หน้า 130

โครงการประเมนิ พื้นท่เี สี่ยงภยั แล้งและความเสยี หายของพชื เกษตรรายแปลง ด้วยเทคโนโลยีภมู ิส สรุปงานวจิ ัยในรูปแ รายงานการวจิ ัย (Draft Fin