Research Journal-Rajamangala University of Technology Thanyaburi, ISSN 1686-8420, Vol 15, Issue 1, 2016 45 ระยะท่ี 3 : การออกแบบ (Design Phase) การวเิ คราะห์ข้อมูล ทาการออกแบบให้สอดคล้องกับความต้องการของผู้ใช้งาน นาข้อมลู การส่งซอ่ มทีไ่ ดจ้ ากระบบการซอ่ มบารุงบนเว็บไซต์ โดยนักวิเคราะห์และออกแบบระบบตัดสินใจเลือกเครื่องมือ ต้ังแต่วันท่ี 1 ตุลาคม พ.ศ.2556 – 30 กันยายน พ.ศ.2557 มา อุปกรณ์ฮาร์ดแวร์ ซอฟต์แวร์ และเครือข่าย การออกแบบการ ทาการลงรหัสข้อมูล แล้วประมวลผลข้อมูลทางสถิติ โดยใช้ รายงาน การออกแบบหน้าจอ การออกแบบผังงานระบบ โปรแกรม SPSS for Windows version 18.0 และนาค่าสถิติ รายละเอยี ดโปรแกรม และฐานข้อมลู ต่างๆ ไปใช้ในการวเิ คราะห์เพ่ือแปรผล โดยใช้สถิติเชิงพรรณนา (Descriptive Statistics) ไดแ้ ก่ รอ้ ยละ (Percentage) ค่าเฉล่ีย ระยะที่ 4 : การนาไปใช้ (Implementation Phase) (Mean) และค่าฐานนยิ ม (Mode) สรา้ งระบบข้ึนมาด้วยการเขียนโปรแกรม ดาเนินการทดสอบ ผลการทดลอง ระบบ และทาการติดต้ังระบบ ดาเนินการฝึกอบรมแก่ผู้ใช้งาน 1. พัฒนาระบบบริหารจัดการงานซอ่ มบารงุ บนเวบ็ ไซต์ พร้อมทั้งประเมินผลระบบใหม่โดยการนาข้อเสนอแนะและ ค ว า ม คิ ด เ ห็ น ต่ า ง ๆ ข อ ง ผู้ ใ ช้ ง า น ม า ท า ก า ร ป รั บ ป รุ ง แ ก้ ไ ข การวิเคราะห์และทาการออกแบบระบบตามรูปแบบวงจร ข้อบกพร่องของระบบ และนาระบบท่สี มบรู ณ์มาเปดิ ใชง้ าน การพัฒนาระบบ (System Development Life Cycle) หรือ ระยะท่ี 5 : การบารงุ รักษา (Maintenance Phase) SDLC จากการสารวจความต้องการของผู้ใช้งาน พบว่า ระบบท่ี พัฒนาขึ้นใหม่ต้องลดขั้นตอนการดาเนินการด้านเอกสาร ระยะการบารุงรักษาเป็นระยะที่มีการเปิดการใช้งานของ สามารถตดิ ตามสถานะการซ่อมและการดาเนินงานของช่างได้มี ระบบซ่อมบารุงบนเว็บไซต์เรียบร้อยแล้ว โดยระบบสามารถ สามารถดปู ระวัติการซ่อม มีการเช่ือมโยงกับฐานข้อมูลครุภัณฑ์ รองรับเทคโนโลยีใหม่ๆ ได้หรือมีการเพิ่มเติมคุณสมบัติของ และมีระบบการแจ้งผลการส่งซ่อมผ่านทางเมล์ให้ทราบเป็น ระบบให้มปี ระสิทธิภาพสูงข้ึนโดยผู้วิจัยจะได้มีการปรับปรุงเพื่อ ระยะ หัวหน้าหน่วย/หัวหน้างานสามารถตรวจสอบการ พฒั นาระบบตอ่ ไปในอนาคต โดยหากทาการปรับปรุงระบบใหม่ ดาเนินการซ่อมได้ ซ่งึ ผลการวิจยั ท่ีได้มีดงั ตอ่ ไปน้ี จะต้องเริ่มท่ีระยะที่ 1 : การวางแผนโครงการ (Project Planning Phase) ตามวงจรการพัฒนาระบบ (SDLC) จนเสร็จ 1.1 การเข้าสู่ระบบ ผู้ใช้งานสามารถขอ username และ สมบรู ณ์ password ได้ท่ี หน่วยงานเทคโนโลยีสารสนเทศและส่ือการ เรยี นการสอน เพื่อนามาใช้ในการเข้าระบบ แสดงดังรูปที่ 1 2. ประเมินระยะเวลาแล้วเสร็จในดาเนินการซ่อมบารุงบน รปู ท่ี 1 การเขา้ ระบบการใช้งาน เว็บไซต์ 1.2 การแจ้งซ่อม เมื่อได้รหัสในการเข้าระบบผู้ใช้งานสามารถ ผู้วิจัยได้ทาการเก็บรวบรวมข้อมูลการส่งซ่อมในระบบการ เข้าไปกรอกรายละเอียดในการแจ้งซ่อม โดยใช้เมนูด้านซ้าย ซ่อมบารุงบนเวบ็ ไซต์ ต้งั แต่วันท่ี 1 ตุลาคม พ.ศ.2556 – (Maintenance) เพื่อแจ้งซ่อมใหม่ หรือ ผู้ใช้งานสามารถเข้าไป 30 กันยายน พ.ศ.2557 มีจานวนท้ังส้ิน 895 รายการ โดย ตรวจเช็คสถานะงานที่กาลังซ่อมงานที่ซ่อมเสร็จแล้ว และสามารถ แบ่งเปน็ 4 กลุ่มงาน ตามระบบงานซ่อม ดังนี้ ดูประวัติการซ่อมได้ เพื่อใช้ในการติดตามสถานะของงานท่ีแจ้ง ซ่อม และผลการดาเนินงานของช่าง โดยระบบจะแสดงวัน เวลาที่ 2.1 ระบบงานไฟฟ้า ได้แก่ เคร่ืองมือและอุปกรณ์ท่ีใช้ไฟฟ้า แจง้ ซ่อม และผมู้ ีสทิ ธิ์อนมุ ตั ิการซ่อม แสดงดังรูปท่ี 2 เชน่ เคร่ืองมือวิทยาศาสตร์ หลอดไฟ พัดลม เครอื่ งคอมพิวเตอร์ เปน็ ต้น 2.2 ระบบงานปรับอากาศ ได้แก่ เครื่องปรับอากาศและ อุปกรณ์ เป็นตน้ 2.3 ระบบงานประปา ได้แก่ ท่อประปา ท่อระบายน้า ชักโครก อ่างน้า กอ๊ กนา้ สายฉีดชาระ เปน็ ต้น 2.4 ระบบงานตัวอาคาร หรือ ครุภัณฑ์ติดตึก ได้แก่ ประตู หน้าต่าง โต๊ะ เก้าอี้ ตู้ ฝ้าเพดาน โทรศัพท์ พื้น กระเบอื้ ง บ่อบาบัดนา้ เสยี เป็นต้น
Research Journal-Rajamangala University of Technology Thanyaburi, ISSN 1686-8420, Vol 15, Issue 1, 2016 46 จะส่งเมล์แจ้งกลับไปยังผู้แจ้งซ่อมโดยไม่ได้ส่งรายการแจ้งซ่อม ไปยังหนว่ ยดแู ลทรพั ย์สิน แสดงดงั รูปท่ี 4-7 รูปท่ี 2 การแจง้ ซอ่ ม รูปที่ 4 ขออนมุ ตั ิการซอ่ มไปยงั ผู้มีสิทธิ์อนมุ ัติ 1.3 เม่ือแจ้งซ่อมแล้วจะมีการแจ้งในระบบว่า “ส่งรายการ แจ้งซ่อมสมบูรณ์แล้วโปรดรออนุมัติจากหัวหน้าหน่วยงานของ ท่านก่อน” ทั้งนี้ผู้แจ้งซ่อมสามารถเช็คสถานะงานซ่อมด้วย ตนเองได้ท่ีเมนู “งานท่ีกาลังซ่อม” หรือ “งานที่ซ่อมเสร็จแล้ว” เพ่ือตดิ ตามสถานะการซอ่ ม แสดงดงั รปู ที่ 3 รูปท่ี 5 การสง่ เมลต์ อบกลับการอนุมตั ิซ่อมไปยงั ผแู้ จ้งซ่อม รปู ท่ี 3 ผแู้ จง้ ซ่อมติดตามสถานการณ์ซ่อม 1.4 ระบบจะส่งเมล์ไปยังหัวหน้าหน่วยงาน หรือ รูปที่ 6 หัวหน้าหน่วยดูแลทรัพย์สินรับเร่ืองซ่อมและ ผู้บังคับบัญชาท่ีมีสิทธิ์อนุมัติเพื่อพิจารณาอนุมัติการซ่อมโดยใส่ มอบหมายงานใหช้ า่ ง รหัสยืนยันการอนุมัติ / ไม่อนุมัติ เมื่ออนุมัติการซ่อมแล้วจะส่ง เมล์ไปยังผู้แจ้งซ่อม พร้อมท้ังแจ้งงานซ่อมไปยังหน่วยดูแล ทรัพย์สนิ หัวหน้าหน่วยดูแลทรัพย์สินจะรับเรื่องและดาเนินการ มอบหมายงานให้แก่ช่างเป็นผู้รับผิดชอบในการซ่อมโดยระบบ จะส่งเมลแ์ จ้งกลบั ไปยังผู้แจ้งซ่อม และผู้อนุมัติการซ่อมโดยแจ้ง รายละเอยี ดใหท้ ราบวา่ ขณะน้ีทางหน่วยดแู ลทรัพย์สินได้รับเร่ือง ซอ่ มแลว้ พร้อมท้ังระบุชอื่ ช่างผูร้ ับผิดชอบใหท้ ราบ และแจ้งรหัส ยืนยันการซ่อมซ่ึงทาให้สามารถติดตามสถานะการซ่อมได้ง่าย แตถ่ ้าหากหวั หน้างานหรือผบู้ ังคับบัญชาไม่อนุมัติการซ่อมระบบ
Research Journal-Rajamangala University of Technology Thanyaburi, ISSN 1686-8420, Vol 15, Issue 1, 2016 47 รูปที่ 7 การแจ้งเมล์กลับไปยังผู้แจ้งซ่อมเพ่ือติดตาม รปู ท่ี 9 แจ้งสถานะการซอ่ มไปยังผแู้ จ้งซ่อม และผูอ้ นุมัติการซอ่ ม สถานะการซ่อม 1.6 กรณีการแจ้งซ่อมครุภัณฑ์จะมีการเช่ือมต่อฐานข้อมูล 1.5 เม่ือช่างได้ดาเนินการซ่อมแล้ว หัวหน้าหน่วยดูแล ครุภัณฑ์ หน่วยดูแลทรัพย์สินสามารถดูข้อมูลรายละเอียดของ ทรัพยส์ ินจะทาการเปลยี่ นสถานะการซอ่ มเพอ่ื แจ้งสถานะงานใน ครุภัณฑ์น้ันๆ รวมท้ังประวัติการซ่อมที่ผ่านมาก่อนเปลี่ยน ขณะนี้กลับไปยังผู้แจ้งซ่อมและผู้อนุมัติการซ่อม เช่น ช่างกาลัง สถานะการซ่อมเพอ่ื ประกอบการพจิ ารณาในการดาเนินการซอ่ ม ดาเนินการ, ซ่อมยังไม่เสร็จ-รอเบิกของ(ผ่านพัสดุ), ซ่อมยังไม่ แสดงดังรปู ท่ี 10 เสร็จ-ช่างกาลังรอเงินจัดซื้อ, ซ่อมเสร็จเรียบร้อยแล้ว, เห็นควร ส่งให้ช่างชานาญข้างนอกซ่อม, เห็นควรภาควิชา/หน่วยงาน เสนอจัดหาใหม่ และไม่สามารถรับซ่อมได้ โดยระบบจะส่งเมล์ แจง้ รายละเอยี ดตา่ งๆให้ทราบสถานะการซอ่ ม แสดงดงั รูปท่ี 8-9 รูปท่ี 10 หัวหน้าหน่วยดูแลทรัพย์สินเปล่ียนสถานะการซ่อม ครุภัณฑ์ รูปท่ี 8 หวั หนา้ หน่วยดูแลทรัพยส์ ินเปล่ียนสถานะการซ่อม 1.7 ผู้แจ้งซ่อมและผู้มีสิทธ์ิอนุมัติการซ่อมสามารถติดตาม สถานะงานที่ซ่อมเสร็จแล้ว โดยสามารถดูประวัติการซ่อมได้ หากเป็นครุภัณฑ์จะมีการเช่ือมต่อฐานข้อมูลครุภัณฑ์โดยจะ แสดงในสว่ นของการแจง้ ซ่อมท้ังหมดของหน่วยงานท่ีผู้แจ้งซ่อม สังกดั อยเู่ ท่าน้ัน แสดงดงั รูปที่ 11
Research Journal-Rajamangala University of Technology Thanyaburi, ISSN 1686-8420, Vol 15, Issue 1, 2016 48 จัดเก็บและประมวลผล WEB APPLICATION ต่างๆ โดยส่งออก ข้อมูลมาให้ผู้เรียกใช้งานด้วยเว็บเบราว์เซอร์ (WEB BROWSER) แสดงดงั รปู ท่ี 13 รปู ท่ี 11 ผู้แจ้งซ่อมและผู้มีสิทธ์ิอนุมัติการซ่อมติดตามสถานะ งานท่ซี ่อมแล้ว การแจง้ ซอ่ มระบบเดมิ พบว่ามีการแจง้ การซ่อมโดยเขยี นในใบ รูปท่ี 13 การแจง้ ซ่อมด้วยระบบการซอ่ มบารงุ บนเวบ็ ไซต์ แจ้งซ่อมผ่านหน่วยสารบรรณต้องทาสาเนาทั้งหมด 3 ฉบับ ทาให้เกิดปัญหาเอกสารสูญหาย ติดตามงานไม่ได้ ข้ันตอนการ 2. ประเมินระยะเวลาแล้วเสร็จในการดาเนินการซ่อมบารุง ดาเนนิ การยุง่ ยากใช้ระยะเวลานานหรือบางครั้งหลายวันในการ บนเวบ็ ไซต์ ติดต่อช่างเพื่อมาดาเนินการซ่อม ผู้บังคับบัญชาหรือหัวหน้า ทาการแยกกลุ่มการแจ้งซ่อมตามระบบงานซ่อมโดยนาจานวน หน่วยจะทราบว่ามีการแจ้งซ่อมเมื่อมีการขออนุมัติในหลักการ วนั ท่แี ลว้ เสรจ็ มาหาความถี่จากค่าฐานนิยม (Mode) ค่าร้อยละ เพือ่ ดาเนินการสง่ ชา่ ง หรอื บริษัทภายนอกคณะฯ โดยหน่วยดูแล (%) และค่าเฉลย่ี ( ̅) แสดงดังตารางที่ 1-2 ท รั พ ย์ สิ น จ ะ เ ป็ น ผู้ ติ ด ต่ อ ป ร ะ ส า น ง า น กั บ ห น่ ว ย พั ส ดุ เ พื่ อ ดาเนินการซ่อม โดยในกรณีของเครื่องมือวิทยาศาสตร์ซ่ึงเป็น ตารางท่ี 1 ค่าฐานนิยม (Mode) ค่าร้อยละ (%) และ เคร่ืองมือที่จาเป็นต้องใช้ช่างเชี่ยวชาญเฉพาะจึงขาดการ ค่าเฉลี่ย (̅) ของระยะเวลาแล้วเสร็จของงานซ่อมบารุงบน ประสานงานระหว่างเจา้ หนา้ ที่วิทยาศาสตร์กับเจ้าหน้าท่ีพัสดุใน เว็บไซตจ์ านวน 895 รายการ การติดตามการซ่อมดังกล่าวทาให้เกิดความล่าช้า และเกิด ปัญหากับระบบการซ่อมบารงุ เป็นอย่างมาก แสดงดังรูปท่ี 12 รูปท่ี 12 การแจ้งซอ่ มด้วยระบบเดมิ ตารางที่ 2 การแจกแจงความถ่ี และค่าร้อยละ (%)ของ จานวนวันที่แล้วเสร็จของงานซ่อมบารุงบนเว็บไซต์จานวน เม่ือนาระบบการแจ้งซ่อมแบบเดิมมาพัฒนาเป็นระบบการ 895 รายการ บรหิ ารจัดการงานซ่อมบารุงบนเวบ็ ไซต์ และได้มกี ารนามาใช้จึง ทาให้องค์กรบริหารงานได้อย่างมืออาชีพเกิดความคล่องตัวใน การทางานโดยผู้แจ้งซ่อม ผู้บังคับบัญชา/หัวหน้าหน่วย และ หน่วยดูแลทรัพย์สินส่งข้อมูลรายละเอียดงานซ่อมต่างๆ ไปท่ี WEB SERVER มี DATABASE ที่ให้บริการจัดเก็บฐานข้อมูลเพ่ือส่ง ข้อมูลหรือจัดเก็บข้อมูลตามท่ี WEB SERVER ติดต่อเข้า รวมทั้ง
Research Journal-Rajamangala University of Technology Thanyaburi, ISSN 1686-8420, Vol 15, Issue 1, 2016 49 จ า ก ก า ร ป ร ะ เ มิ น ก า ร ใ ช้ ร ะ ย ะ เ ว ล า แ ล้ ว เ ส ร็ จ ใ น ก า ร รูปแบบของระบบงาน ด้านระบบการแจ้งซ่อม ด้านการติดตาม ดาเนินการซ่อมบารุงบนเว็บไซต์ ดังแสดงในรูปท่ี 14-15 พบว่า ผลการดาเนินการ ด้านสิทธิ์และความปลอดภัยของระบบ และ ระยะเวลาแล้วเสร็จท่ีมีความถี่สูงสุดในการดาเนินการซ่อมต่อ ดา้ นการตอบสนองต่อความต้องการของผใู้ ชง้ าน รายการของระบบงานไฟฟ้า, ระบบงานปรับอากาศ, ระบบงาน ประปา และระบบงานตัวอาคาร คือ 1 วัน ในทุกระบบงาน นั่น แผนการพัฒนาระบบทั้ง 4แผนจะทาให้ระบบบริหารจัดการ แสดงให้เห็นว่าเมื่อหน่วยดูแลทรัพย์รับเร่ืองการแจ้ง ซ่อม งานซ่อมบารุงบนเวบ็ ไซต์ของคณะเภสัชศาสตร์ดาเนินการอย่าง หลังจากผู้บังคับบัญชาหรือหัวหน้าหน่วยอนุมัติการซ่อม เตม็ ประสทิ ธิภาพมากย่ิงข้ึนและเป็นต้นแบบของการพัฒนางาน จนกระทั่งช่างซ่อมเสร็จเรียบร้อยแล้วส่วนใหญ่ใช้ระยะเวลา เทคโนโลยีสารสนเทศด้านอืน่ ๆต่อไป 1 วัน ต่อรายการ ส่วนค่าเฉล่ีย ( ̅) ระยะเวลาแล้วเสร็จ(วัน) ต่อ รายการของแต่ละระบบงาน ได้แก่ งานไฟฟ้าใช้เวลา 3.85 สรปุ ผล วัน งานปรบั อากาศใช้เวลา 3.75 วัน งานประปาใช้เวลา 2.73 วัน และงานตัวอาคารหรือครุภัณฑ์ติดตึกใช้เวลา 4.08 วัน นั่น ระบบบริหารจัดการงานซ่อมบารุงบนเว็บไซต์ทาให้สะดวก แสดงว่า ผู้แจ้งซ่อมสามารถคาดคะเนระยะเวลาแล้วเสร็จโดย และลดขั้นตอนในการแจ้งซ่อมสามารถติดตามสถานะการซ่อม เฉลย่ี ของแต่ละระบบงานท่แี จ้งซอ่ มได้ ดูประวตั ิการซอ่ ม มีระบบการแจ้งสถานะงานเป็นระยะ ผู้ใช้งาน สามารถดูรายงานจากระบบเมล์เพื่อดาเนินการข้ันต่อไปได้ง่าย จากการพฒั นาระบบบริหารจัดการงานซ่อมบารุงบนเว็บไซต์ ทาให้องค์กรมีสรรถนะในการบริหารจัดการด้านต่างๆ ได้อย่าง และประเมนิ ระยะเวลาแล้วเสร็จในการดาเนินการซ่อมบารุงบน มืออาชีพโดยเฉพาะด้านการสร้างบัณฑิต บริการวิชาการ เว็บไซต์ทาให้ได้แนวทางในการจัดทาแผนการพัฒนาระบบให้มี งานวิจัยและนวัตกรรมที่อานวยความสะดวกให้กับผู้ใช้งาน ประสิทธภิ าพต่อไปได้ 4 แผนงาน ดงั นี้ สามารถช่วยเพ่ิมประสิทธิภาพในการทางานท่ีใช้เทคโนโลยี สารสนเทศและการส่ือสารเป็นพื้นฐานตามยุทธศาสตร์ท่ี 6 1. แผนพฒั นาระบบข้อมูลข่าวสาร ICT-based University ส่งเสริมให้เกิดการเป็น ECO จัดระบบข้อมูลข่าวสารภายในองค์กร เช่น ระเบียบ University โดยลดการใช้ทรัพยากรกระดาษจากเดิมที่เคยใช้ จานวน 3 แผ่น ลดลงเหลือ 1 แผ่น ทาให้ช่วยประหยัด ประกาศ ข้ันตอนการแจ้งซ่อมและข้อมูลอ่ืนๆ ให้ผู้บริหาร ทรัพยากรกระดาษลงได้ ซึ่งสอดคล้องกับ ปริญญา สัมพันธ์ อาจารย์ บุคลากรท้ังเก่าและใหม่ให้มีความเข้าใจในระบบการ สวาท ที่ได้ศึกษาเกี่ยวกับการพัฒนาระบบสารสนเทศเพื่อการ บริหารจัดการงานซ่อมบารุงบนเว็บไซต์เพ่ือให้เป็นไปในทิศทาง จัดการงานซ่อมบารุงรักษาคอมพิวเตอร์และระบบเครือข่าย เดียวกนั ทั้งระบบ ห น่ ว ย เ ท ค โ น โ ล ยี ก า ร ศึ ก ษ า แ ล ะ ส า ร ส น เ ท ศ ค ณ ะ วิศวกรรมศาสตร์ มหาวิทยาลัยเชียงใหม่ โดยใช้เทคโนโลยีเว็บ 2. แผนพัฒนาระบบฐานขอ้ มลู การซ่อม ดาต้าเบส เพื่อจัดเก็บข้อมูลอุปกรณ์คอมพิวเตอร์ การแจ้งซ่อม พัฒนาฐานข้อมูล ซอฟแวร์ โดยใช้เทคโนโลยีใหม่ๆ เพ่ือ ประวัติการซ่อมบารุงรักษา และมีระบบจัดการการบารุงรักษา เชิงป้องกันมกี ารจัดเก็บข้อมลู เก่ียวกบั การใช้งานระบบเครือข่าย นามาปรับปรุงระบบเดิมให้ทันสมัย สร้างฐานข้อมูลที่มีความ ข้อมลู เคร่อื งแม่ขา่ ย ขอ้ มูลอปุ กรณ์ด้านระบบเครือข่าย สามารถ ปลอดภัยย่งิ ข้นึ กาหนดผดู้ แู ลระบบเพมิ่ ตามความเหมาะสมเพ่ือ ตรวจสอบสถานะการให้บริการด้านระบบเครือข่ายได้ ทั้งนี้ ประโยชน์ในการปรับปรุงเน้ือหาให้มีความทันสมัย ถูกต้อง เพื่อให้เกิดการบริหารจัดการงานซ่อมบารุงรักษาเครื่อง ชัดเจนเนื่องจากฐานข้อมูลท่ีดีจะช่วยรวบรวมข้อมูลเพ่ือใช้ใน คอมพิวเตอร์และระบบเครือข่าย เป็นไปอย่างมีประสิทธิภาพ การตัดสนิ ใจและกาหนดแนวทางในการพัฒนาระบบอื่นๆต่อไป สามารถนาสารสนเทศท่ีได้จากระบบไปใช้ในวางแผนการ บริหารงาน เพื่อปรับปรุงการบริการให้ดีข้ึน ตลอดจนสามารถ 3. แผนพฒั นาขนั้ ตอนการปฏิบัติ นาไปเปน็ ตน้ แบบในการพฒั นาระบบสารสนเทศเพื่อการจัดการ พัฒนาขั้นตอนการปฏิบัติให้เหมาะสม และถูกต้อง การให้บริการในหน่วยงานอื่นต่อไป [7] ดังนั้นการพัฒนาระบบ สารสนเทศด้านการซ่อมบารุงรักษาน้ันสามารถช่วยให้งานด้าน สอดคล้องกันทั้งองค์กร ร่วมกันกาหนดแนวทางเพิ่มลดขั้นตอน การบริหารจัดการงานซ่อมบารุงมีประสิทธิภาพมากข้ึนและ ให้เหมาะสมเพ่ือเพ่มิ ประสทิ ธิภาพของระบบ จดั ทาคู่มือการแจ้ง สามารถนาสารสนเทศท่ีได้จากระบบไปใช้ในวางแผนการ ซ่อม ทาป้ายประชาสมั พันธก์ ารใช้งาน เป็นต้น บริหารงานด้านต่างๆให้ดีขึ้น ตลอดจนสามารถนาไปเป็น 4. แผนพฒั นาระดับความพงึ พอใจ ระดับความพงึ พอใจเปน็ ตัวช้ีวัดผลสาเร็จด้านคุณภาพ การ จัดทาแผนพัฒนาระดับความพึงพอใจจะใช้เป็นแนวทางในการ ปรับปรุงและพัฒนาระบบได้ต่อไป ดังน้ันจึงได้กาหนด แผนพัฒนาระดับความพึงพอใจของบุคลากรในคณะเภสัช ศาสตร์ตอ่ ระบบซอ่ มบารงุ บนเว็บไซต์ ทงั้ หมด 5ด้าน ได้แก่ ด้าน
Research Journal-Rajamangala University of Technology Thanyaburi, ISSN 1686-8420, Vol 15, Issue 1, 2016 50 ต้นแบบในการพัฒนาระบบสารสนเทศเพื่อการจัดการด้านการ ซอ่ มบารุงในหนว่ ยงานอื่นๆตอ่ ไป ข้อเสนอแนะ ควรมีการประเมนิ ความพึงพอใจของผู้ใช้ระบบการซ่อมบารุง บนเว็บไซต์ทั้งระบบ เพ่ือใช้เป็นแนวทางในการปรับปรุงและ พฒั นาระบบการซอ่ มบารงุ ให้ดขี ้ึนต่อไป กติ ตกิ รรมประกาศ ผ้วู ิจยั ขอขอบคณุ รองศาสตราจารย์ ดร. จุฑามณี สุทธิสี สังข์ คณบดี คณะเภสัชศาสตร์ ผู้ช่วยศาสตราจารย์ ดร. มลั ลิกา ชมนาวัง หัวหนา้ ภาควชิ าจลุ ชีววิทยา รองศาสตราจารย์ ดร. ม.ล.สุมาลย์ สาระยา อาจารย์ ดร. จตุรงค์ ประเทืองเดช กุล และ อาจารย์ ดร. ปิยทิพย์ ขันตยาภรณ์ ที่กรุณาให้ คาแนะนาและข้อเสนอแนะตา่ งๆ แกผ่ ูว้ จิ ัย เอกสารอ้างองิ [1] ชาตรี คงสมบูรณ์, 2551. ระบบแจ้งซ่อมคอมพิวเตอร์ผ่าน เว็บสาหรับภาควิชาคณิตศาสตร์และวิทยาการคอมพิวเตอร์ คณะวทิ ยาศาสตร์และเทคโนโลยี มหาวิทยาลัยสงขลานครินทร์ วิทยาเขตปัตตานี. วิทยานิพนธ์ หลักสูตรปริญญาวิทยาศาสตร มหาบัณฑิต สาขาวิชาการจัดการเทคโนโลยีสารสนเทศ คณะ วทิ ยาศาสตร์และเทคโนโลยีมหาวทิ ยาลัยสงขลานครินทร์. [2] กิติศักด์ิ เจริญโภคานนท์, 2548. คู่มือเรียนเขียนเว็บอี คอมเมิร์ซดว้ ย PHP 5. กรุงเทพฯ: ซัคเซส มีเดยี . [3] บัญชา ปะสีละเตสัง, 2551 ออกแบบและพัฒนาเว็บด้วย DHTML. กรงุ เทพฯ: ซเี อ็ดยเู คชัน่ . [4] วิชา ศิริธรรมจักร์ และ กิตติ ภักดีวัฒนะกุล, 2549. Web Programming ดว้ ย AJAX และ PHP. กรุงเทพฯ: เคทีพี คอมพ์ แอนด์ คอนซัลท.์ [5] โอภาส เอ่ียมสิริวงศ์, 2549. การออกแบบและจัดการ ฐานข้อมลู . กรุงเทพฯ : ซเี อด็ ยูเคช่ัน. [6] โอภาส เอ่ียมสิริวงศ์, 2548. การวิเคราะห์และออกแบบ ระบบ ฉบบั ปรับปรุงเพมิ่ เติม. กรุงเทพฯ : ซีเอ็ดยเู คชน่ั . [7] ปรญิ ญา สมั พันธ์สวาท, 2551. การค้นคว้าแบบอิสระ เรื่อง การพัฒนาระบบสารสนเทศเพื่อการจัดการงานซ่อมบารุงรักษา คอมพิวเตอร์และระบบเครือข่าย หน่วยเทคโนโลยีการศึกษา และสารสนเทศ คณะวิศวกรรมศาสตร์ มหาวิทยาลัยเชียงใหม่ สาขาวิชาเทคโนโลยสี ารสนเทศและการจดั การ, บัณฑติ วิทยาลัย (โครงการพเิ ศษ), มหาวทิ ยาลัยเชยี งใหม่.
Research Journal-Rajamangala University of Technology Thanyaburi, ISSN 1686-8420, Vol 15, Issue 1, 2016 51 ความสมั พนั ธร์ ะหว่างปรมิ าณฝนดาวเทียมกับฝนสถานใี นพืน้ ทลี่ ุ่มนา้ นา่ น The relationship between satellite rainfall and the gauge rainfall in Nan River Basin สบุ รร ผลกะส*ิ สาขาวิศวกรรมโยธา คณะครศุ าสตรอ์ ุตสาหกรรม มหาวทิ ยาลยั เทคโนโลยีราชมงคลอีสาน วิทยาเขตขอนแกน่ ต.ในเมอื ง อ.เมอื ง จ.ขอนแก่น 40000 *E-mail: [email protected] บทคดั ย่อ บทนา ความสัมพันธ์ระหว่างปริมาณฝนจากการสารวจโดยดาวเทียม TRMM และปริมาณฝนจากสถานีวัดฝนของกรมอุตุนิยมวิทยาใน บรเิ วณภาคเหนือของประเทศไทยเป็นแหลง่ ตน้ น้าสาคญั มีสภาพ พื้นท่ีลุ่มน้าน่าน โดยใช้ข้อมูลฝนราย 3 ชั่วโมงระหว่างปี 2552 ถึง ภูมิประเทศเป็นภูเขาสูงและป่าไม้ การประเมินน้าฝนด้วยเครื่องมือ 2554 ผลการศึกษาพบว่าปริมาณฝนจากดาวเทียมมีปริมาณ ภาคพ้ืนดินท้ังจากสถานีวัดฝนภาคพ้ืนดิน หรือจากเรดาร์ตรวจ มากกว่าฝนจากสถานีวัดปริมาณฝนจากดาวเทียมส่วนใหญ่ร้อยละ อากาศ ไม่ทั่วถึงและมีจุดอ่อนในบางพ้ืนท่ี จากการวิเคราะห์ระบบ 48 มีค่าอยู่ระหว่าง 0 - 5 มิลลิเมตร ค่าเปอร์เซ็นต์การตรวจจับ เครือข่ายสถานีวัดน้าฝนและสถานีวัดน้าท่าใน 25 ลุ่มน้าประธาน สัญญาณ (Probability Of Detection ,POD) มีค่า 58 % การหา ของประเทศไทย [1] ระบุว่าลุ่มน้าสาขาท่ีอยู่ตอนบนของแต่ละลุ่ม ความสมั พันธ์เชิงเส้นตรงโดยใชข้ อ้ มลู ฝนรายเดือนได้ค่าสัมประสิทธิ์ น้าประธานซ่ึงเป็นพื้นท่ีต้นน้าของแต่ละลุ่มน้า มีจานวนสถานีวัด การตดั สนิ ใจ (R2) เทา่ กับ 0.557 น้าฝนอยู่น้อย ความหนาแน่นของปริมาณสถานีวัดฝนในพ้ืนลุ่มน้า ตอนบนของประเทศไทยประกอบด้วย ลุ่มน้าปิง วัง ยม น่าน และ คาสาคญั : ฝนจากดาวเทียม ดาวเทยี ม TRMM ความสัมพนั ธ์เชงิ สาละวิน เมื่อเปรียบเทียบกันเกณฑ์ขององค์กรอุตุนิยมวิทยาโลก เสน้ ตรง (The World Meteorological Organization : WMO) ยังมีค่า นอ้ ย [2] ในขณะที่เครือข่ายเรดาร์ตรวจอากาศท่ีมีอยู่ครอบคลุมท่ัว Abstract ประเทศ มีปัญหาการปรับแก้ค่าสัญญาณและปัญหาจากแนวภูเขา The relationship between the rainfall obtained from สูงบังสัญญาณในบางพื้นที่ [3] ดังน้ันข้อมูลปริมาณฝนในแต่ละ weather satellite of the Tropical Rainfall Measuring ชว่ งเวลาท่ีบันทึกไว้โดยสถานียังไม่เพียงพอท่ีจะสามารถครอบคลุม Mission (TRMM) and the recorded rainfall from Thai พ้นื ท่ีได้ทกุ บรเิ วณ บางพื้นทสี่ ถานตี รวจวัดปรมิ าณฝนมคี วามห่างกัน Meteorology Department (TMD) was investigated. The 3 มากทาให้ไม่สามารถทราบค่าปริมาณน้าฝนบริเวณจุดที่สนใจ การ hourly rainfall data during 2009-2011 over the study area ตรวจวัดปริมาณฝนโดยใช้ดาวเทียมอุตุนิยมวิทยาเป็นอีกทางเลือก of the Nan River Basin were used in this study. The โดยสามารถตรวจวัดได้ครอบคลมุ พน้ื ทไี่ ด้ทัว่ ถงึ โดยเฉพาะบริเวณที่ TRMM rainfall is higher than 3- hourly areal rainfall over ไม่มีสถานีวัดฝนภาคพื้นดิน เช่น บริเวณพื้นที่ป่า บริเวณพื้นท่ีภูเขา the study area. More than 48% of 3-hourly rainfall pair สูง ซ่งึ ไมส่ ะดวกในการตั้งสถานีภาคพนื้ ดินดังน้ันจุดประสงค์หลักใน occurrences are in the range of 0-5 mm. The obtained การศึกษาครั้งนี้คือการเปรียบเทียบและหาความสัมพันธ์ระหว่าง Probability of Detection (POD) score is more than 58%. ปริมาณฝนทตี่ รวจวัดไดโ้ ดยดาวเทียมอุตุนิยมวิทยากับปริมาณฝนท่ี The comparison of the TRMM rainfalls and the gauging ตรวจวัดไดจ้ ากสถานีวดั ฝนภาคพนื้ ดนิ ในพ้นื ทล่ี มุ่ นา้ น่าน rainfalls was undertaken using the linear regression technique. The comparison result was quite satisfactory ขอ้ มูลที่ใช้ในการศกึ ษา with R2 of 0.557. ข้อมูลท่ีใช้ในการศึกษาประกอบด้วย ข้อมูลของพ้ืนที่ศึกษา Keywords: Satellite rainfall, TRMM, linear regression ข้อมูลฝนจากการสารวจด้วยดาวเทียม ข้อมูลฝนจากสถานีวัดฝน technique ภาคพืน้ ดิน และวิธีการทางสถติ ิ มรี ายละเอียดดังน้ี
Research Journal-Rajamangala University of Technology Thanyaburi, ISSN 1686-8420, Vol 15, Issue 1, 2016 52 พน้ื ท่ีศึกษา พ้ืนท่ีลุ่มน้าน่านดังแสดงในรูปที่ 1 ครอบคลุมพื้นที่ 5 จังหวัดใน เขตภาคเหนือของประเทศไทย ได้แก่ จังหวัดน่าน, อุตรดิตถ์, พิษณโุ ลก, พจิ ติ ร และนครสวรรค์ ลกั ษณะลมุ่ น้าวางตัวตามแนวทิศ เหนอื -ใต้ มีพืน้ ทล่ี ุ่มน้าทง้ั สิ้น 34,331ตารางกโิ ลเมตร [4] แม่นา้ นา่ น ประกอบด้วย 16 ลาน้าสาขา ได้แก่ แม่น้าน่านตอนบน ห้วยน้ายาว 1 แม่น้าน่านส่วนท่ี 2 น้ายาว 2 น้าสมุน แม่น้าน่านส่วนท่ี 3 น้าสา น้าว้า น้าแหง นา้ น่านส่วนท่ี 4 น้าปาด คลองตรอน แม่น้าแควน้อย น้าภาค แม่น้าวังทอง และแมน่ ้านา่ นตอนล่าง [5] ขอ้ มูลปรมิ าณน้าฝนจาก TRMM รูปที่ 1 เครือข่ายสถานีวัดน้าฝน และTRMM พิกเซลในพื้นท่ีลุ่ม น้านา่ น ดาวเทียมอุตุนิยมวิทยาดังแสดงในรูปที่ 2 ชื่อว่า The Tropical Rainfall Measuring Mission (TRMM) ซึ่งเป็นโครงการท่ีมีความ ร่วมมือกันเกิดขึ้นระหว่าง(National Aeronautics Space Administration) NASA และ (Japan Aerospace Exploration Agency) JAXA เริ่มใช้งานเมื่อ (วันท่ี 27 พฤศจิกายน 2540)[6] ใน การศึกษาคร้ังนี้ใช้ข้อมูลปริมาณฝนราย 3 ช่ัวโมงในช่วงระหว่างปี 2552 ถึงปี 2554 จากผลการสารวจ Product ของ TRMM Multisatellite Precipitation Analysis ซ่งึ สามารถเขา้ ถงึ ข้อมูลได้ ท่ี http//:disc.2nascom.nasa.gov/Giovanni/tovas/realtime. 3B42RT.2.shtml ข้อมูลฝนจากสถานีวัด กระทรวงเทคโนโลยีสารสนเทศและการสือ่ สาร ไดด้ าเนนิ การตาม แผนการติดตง้ั เครือขา่ ยสถานีวัดฝนอัตโนมัติ พัฒนาระบบเฝ้าระวัง การเตือนภัย โดยกรมอุตุนิยมวิทยาเป็นหน่วยงานหลักในการดูแล รับผิดชอบ ดาเนินการติดต้ังเคร่ืองวัดฝนอัตโนมัติพร้อม ระบบสื่อสาร จานวน 820 สถานี ทั่วประเทศไทย แล้วเสร็จพร้อม ท้ังทดสอบการทางานในช่วงต้นปี 2552 และได้ขยายเป็น 1,184 สถานี ในชว่ งปลายปี 2552 [8] สามารถรายงานข้อมูลได้ทันท่วงที และมีความละเอยี ดถงึ ระดับนาที โดยจานวนสถานวี ดั ปริมาณฝนใน พืน้ ท่ลี ุ่มน้าหลักทางภาคเหนอื 5ลมุ่ น้า มจี านวนและความหนาแน่น ดังแสดงในตารางท่ี 1 รูปที่ 2 ดาวเทยี มลกั ษณะการทางานของดาวเทียม TRMM [9]
Research Journal-Rajamangala University of Technology Thanyaburi, ISSN 1686-8420, Vol 15, Issue 1, 2016 53 3000 2400 2500 2000 2000 1600 1500 1200 1000 800 500 400 00 0 500 1000 1500 2000 2500 3000 0 400 800 1200 1600 2000 2400 ปรมิ าณฝน 2 สถานี ปริมาณฝน 3 สถานี รปู ท่ี 3 ตัวอยา่ ข้อมลู ฝนท่ีดาวน์โหลดจากเว็บไซต์ของ TOVAS [7] ตารางที่ 1 ความหนาแนน่ ของสถานวี ัดฝนอตั โนมัติในลุ่มน้าทาง ภาคเหนือ [2] Generate Plot ASCII Output หมายเลข ชื่อลมุ่ น้า พนื้ ที่ จานวน ความหนาแน่น ลมุ่ นา้ (ตร.กม.) สถานีวดั ฝน (ตร.กม. / สถาน)ี โดยท่ี G คือ ปริมาณฝนเชิงพน้ื ที่ทไี่ ด้จากสถานวี ดั ฝน (มม.) S คือ ปรมิ าณฝนท่ไี ดจ้ ากดาวเทียม TRMM (มม.) 1 สาละวนิ 17,918 12 1,493.16 N คือ จานวนคู่ของข้อมูลระหว่าง S และ G ที่อยู่ใน 6 ปงิ 33,896 45 753.24 ตาแหนง่ และเวลาเดียวกนั ค่า A B C และ D คือกรณีความสัมพันธ์ระหว่างปริมาณฝนจาก 7 วงั 10,791 16 674.44 การสารวจโดยดาวเทยี ม TRMM และปรมิ าณฝนเชิงพ้ืนที่จากสถานี 8 ยม 23,330 45 518.44 วัดฝนภาคพื้นดิน โดยให้ค่าเร่ิมต้นท่ี 0.1 มม. ที่เป็นค่าเร่ิมต้นท่ีได้ จากดาวเทียม TRMM ดังแสดงกรณีต่างๆ ในตารางท่ี 2 และในรูป 9 น่าน 34,330 50 686.60 ที่ 4 ในพื้นที่ลุ่มน้าน่านมีสถานีวัดฝนอัตโนมัติจานวน 50 สถานี ตารางท่ี 2 กรณีของการเปรยี บเทียบระหว่างปริมาณฝนเชิงพ้ืนท่ี และมีพิกเซลของ TRMM จานวน 70 พิกเซลในพื้นท่ีศึกษา และฝนจากการสารวจดว้ ยดาวเทียม ดงั รายละเอยี ดในรูปท่ี 1 มีพกิ เซลทีม่ ีสถานวี ัดฝนอัตโนมตั อิ ยู่ภายใน มี 10 พกิ เซลที่มีสถานีวัดฝนมากกว่า 1 สถานีในพ้ืนท่ีพิกเซล มี 22 TRMM 0.1 มม. ฝนเชงิ พืน้ ท่ี 0.1 มม. ฝนเชิงพืน้ ที่ 0.1 มม. พิกเซลท่ีมีสถานีวัดฝน 1 สถานีในพ้ืนท่ีพิกเซล และมี 37 พิกเซลท่ี TRMM 0.1 มม. ไม่มีสถานีวัดฝนอยู่ในพน้ี ที่พิกเซล A B C D การเปรยี บเทยี บปริมาณ สถิติท่ีใช้ในการตรวจสอบความสัมพันธ์และเปรียบเทียบปริมาณ ฝนที่ได้จาก TRMM กับปริมาณฝนจากสถานีวัดฝน ได้แก่ Mean Absolute Error (MAE) คือค่าความคลาดเคล่ือนกลาง เฉลี่ยสมบูรณ์, Multiplicative Bias (Bias) คือค่าเปอร์เซ็นความ คลาดเคล่ือนจากค่าจริง, Probability of Detection (POD) และ False-alarm Ratio (FAR) [10] ∑| | (1) ∑ ⁄∑ (2) (3) รูปท่ี 4 กรณีของการเปรียบเทียบระหว่างปริมาณฝนเชิงพื้นท่ี และฝนจากการสารวจจากดาวเทยี ม [11] (4)
Research Journal-Rajamangala University of Technology Thanyaburi, ISSN 1686-8420, Vol 15, Issue 1, 2016 54 วธิ ดี าเนนิ การวิจัย หาความสัมพันธ์ระหว่างปริมาณฝนจาก TRMM กับฝนจากสถานวี ดั ขนั้ ตอนการดาเนนิ การศึกษาครั้งนแ้ี บ่งออกเปน็ 3 ส่วนหลัก ดังนี้ การวิเคราะหค์ วามสมั พนั ธ์เชงิ เส้นตรงระหว่างปริมาณน้าฝนจาก รวบรวมขอ้ มลู TRMM กับปริมาณฝนจากสถานีวัดฝนภาคพ้ืนดิน โดยคัดเลือก ทาการรวบรวมข้อมูลปริมาณฝนรายวันและราย 3 ชั่วโมงในช่วง เฉพาะข้อมูลปริมาณฝนตกปานกลาง (10.1 – 35 มม.) และฝนตก หนัก (35.1 - 90 มม.) ตามเกณฑ์ของกรมอุตุนิยมวิทยา [12] ปี 2552 -2554 จากกรมอุตุนิยมวิทยาและจากการสารวจโดย เน่อื งจากเปน็ ช่วงปริมาณฝนส่วนใหญท่ เ่ี กิดในฤดขู องประเทศไทย ดาวเทียม TRMM รวมท้ังข้อมูลทางกายภาพและข้อมูลทาง อุตุนิยมวิทยาภายในพ้ืนที่ศึกษาจากกรมชลประทานและกรม ผลการวจิ ยั อุตนุ ิยมวทิ ยา ผลการรวบรวมข้อมูลจากสถานีวัดและจากดาวเทียม TRMM จากข้อมูลฝนราย 3 ช่ัวโมง ในฤดูฝนระหว่างปี พ.ศ. 2552 ถึง วเิ คราะหข์ อ้ มลู เบื้องตน้ 2554 ปริมาณฝนราย 3 ชั่วโมงจากท้ังสองแหล่งข้อมูลท่ีมีค่า พ้ืนท่ีลุ่มน้าน่านมีสถานีวัดฝนอัตโนมัติจานวน 50 สถานี และ มากกว่า 0.1 มิลลิเมตร มีจานวน 18,849 คู่ ปริมาณฝนจากการ สารวจด้วยดาวเทียม TRMM ส่วนใหญ่ร้อยละ 48 จะมีค่าอยู่ พิกเชลจาก TRMM จานวน 70 พิกเซล ทาการตรวจสอบข้อมูล ระหว่าง 0 ถึง 5 มิลลิเมตร ค่าเฉล่ียปริมาณฝนจากการสารวจด้วย เบ้ืองต้น ได้แก่ จานวนของข้อมูลทั้งหมด จานวนท่ีข้อมูลขาดหาย ดาวเทียม TRMM และค่าปริมาณฝนจากสถานีวัดฝนมีค่า 9.59 ปริมาณฝนรวมรายปแี ละค่าสถิติพ้ืนฐาน จากน้ันทาการตรวจสอบ มลิ ลเิ มตรและ 4.11 มลิ ลเิ มตร ตามลาดับ จานวนคขู่ อ้ มลู แยกเป็น 4 ความน่าเชื่อถือของข้อมูลโดยวิธี Double Mass Curve คัดเลือก กรณีจากจานวนคู่ข้อมูลท้งั หมด 142,927 คู่ ดังแสดงในตารางท่ี 3 สถานี รูปท่ี 5 (ก) ผลการตรวจสอบข้อมูลสถานี 3790002 เป็น ผ ล ก า ร เ ป รี ย บ เ ที ย บ ค่ า ป ริ ม า ณ ฝ น โ ด ย ค่ า ส ถิ ติ ข อ ง ข้ อ มู ล ลักษณะเส้นตรงแสดงว่าข้อมูลน่าเช่ือถือ ต่างกับผลการตรวจสอบ ท้ังหมดแสดงในตารางที่ 4 การกระจายตัวของข้อมูลฝนในกรณี A ในรูปท่ี 5 (ข) สถานี 378000 ค แสดงผลการตรวจสอบข้อมูลท่ีไม่ จานวน 18,849 คู่ข้อมูล จาก TRMM ในแต่ละช่วงปริมาณ 5มม. น่าเชื่อถือ จากนั้นทาการจัดสร้างฐานข้อมูลเพ่ือใช้ในการวิเคราะห์ แสดงในรูปที่ 7 ปริมาณฝนร้อยละ 48 จะมีปริมาณอยู่ระหว่าง ในสว่ นอน่ื ตอ่ ไป 0.1- 5 มลิ ลิเมตรและจานวนลดลงในชว่ งปริมาณฝนทม่ี ากขึน้ ผลการวิเคราะหค์ วามสัมพันธ์ในกรณี A ในช่วงข้อมูลปริมาณฝน เปรยี บเทียบปรมิ าณฝน ตกปานกลางและฝนตกหนัก แบบเสน้ ตรง แบบ Exponential และ การตรวจสอบความสัมพนั ธแ์ ละเปรียบเทียบปริมาณฝนท่ีได้จาก แบบยกกาลัง แสดงผลโดยค่าสัมประสิทธ์ิการตัดสินใจ (Coefficient of determination, R2) ได้ค่า R2 เท่ากับ 0.557 TRMM กับปริมาณฝนจากสถานีวัดฝนอัตโนมัติ โดยการวิเคราะห์ 0.519 และ 0.492 ดังแสดงในรูปที่ 8 ถงึ 10 ตามลาดบั ค่าทางสถิติ Bias MAE POD และ FAR ในเวลาและตาแหน่ง เดียวกนั ดังแสดงในรูปที่ 6 ค่าสถิตทิ สี่ าคัญทจี่ ะบอกถึงประสทิ ธภิ าพ ตารางที่ 3 จานวนกรณขี องการเปรยี บเทยี บระหว่างปรมิ าณฝน ของการตรวจวัดปริมาณฝนของดาวเทียมได้แก่ POD ซ่ึงมีค่า อยู่ระหว่าง 0-1 ค่า 1 แสดงว่าการตรวจวัดโดยดาวเทียม เชิงพนื้ ทแี่ ละฝนจากการสารวจจากดาวเทยี ม มีประสิทธิภาพดีมาก และ ค่า FAR มีค่าระหว่าง 0-1 ค่าเข้าใกล้ 0 แสดงว่าความผิดพลาดจากการตรวจวดั มนี ้อยมาก ฝนเชิงพนื้ ที่ 0.1 มม. ฝนเชงิ พน้ื ท่ี 0.1 มม. (A) 18,849 (B) 23,647 TRMM 0.1 มม. TRMM 0.1 มม. (C) 13,671 (D) 86,760 ตารางที่ 4 ผลการวเิ คราะห์ค่าสถติ ิและความสมั พันธ์ของข้อมูลฝน ประเภทของคา่ สถติ ิ คา่ สถิติ จานวนคู่ขอ้ มูล 142,927 Mean Absolute Error (MAE) 1.433 Multiplicative bias (Bias) 2.958 Probability Of Detection (POD) 0.580 False-Alarm Ratio (FAR) 0.557 รูปที่ 6 เปรียบเทียบปริมาณฝนจากสถานีพื้นดินและปริมาณจาก การสารวจโดยดาวเทยี ม [2]
Research Journal-Rajamangala University of Technology Thanyaburi, ISSN 1686-8420, Vol 15, Issue 1, 2016 55 10000 70 9000 8000 ปริมาณฝนจากสถา ีน ัวดฝน (มม.) 60 y = 3.4429x0.5452 7000 R² = 0.4922 6000 จานวน ้ขอมูล 5000 50 4000 3000 40 2000 1000 30 0 20 ปรมิ าณฝนราย 3 ช่วั โมงจาก TRMM (มม.)5 10 15 รูปท่ี 7 จานวนขอ้ มลู ปรมิ าณฝนจากดาวเทยี ม TRMM ในแตล่ ะ25 ช่วงปริมาณ 5 มลิ ลเิ มตรในช่วงฤดฝู นปี 2552-2554 35 45 70 55 60 y = 0.5498x + 6.8387 65 75 R² = 0.5569 85 50 95 40 0 0 10 20 30 40 50 60 70 30 ปรมิ าณฝนจาก TRMM (มม.) 20 รปู ที่ 10 กราฟความสัมพนั ธ์แบบยกกาลังระหวา่ งขอ้ มลู ฝนราย 10 3 ชั่วโมงในพน้ื ทีล่ มุ่ นา้ น่าน 0ปริมาณฝนจากสถา ีน ัวดฝน (มม.) สรปุ ผล 0 10 20 30 40 50 60 70 จากข้อมูลทั้งหมดจานวนท้ังสิ้น 142,927 คู่ ได้ค่าสถิติ ดังนี้ ปริมาณฝนจาก TRMM (มม.)ปริมาณฝนจากสถา ีน ัวดฝน (มม.) MAE เท่ากับ 1.433, Bias มีค่าเท่ากับ 2.958, POD มีค่าเท่ากับ 0.58 เป็นค่าที่ค่อนข้างน่าพอใจและค่า FAR คือค่าเปอร์เซ็นต์ รูปที่ 8 กราฟความสัมพันธ์แบบเส้นตรงระหวา่ งข้อมลู ฝนราย สัญญาณการตรวจจับท่ีผิดพลาด มีค่าเท่ากับ 0.557 เป็นค่าท่ี 3 ชวั่ โมงในพื้นทล่ี ุ่มนา้ นา่ น ค่อนข้างต่า พิจารณาในช่วงฤดูฝนพบว่าปริมาณฝนเฉลี่ยจากการ สารวจด้วยดาวเทียม TRMM มีค่าที่มากกว่าปริมาณฝนเฉล่ียจาก 70 สถานีวัดฝน 2.33 เท่า สาเหตุเน่ืองมาจากระดับของเมฆฝนที่ 60 y = 9.8034e0.0264x ตรวจวัดจากดาวเทียม TRMM จะอยู่เหนือขึ้นไปจากระดับพ้ืนดิน ประมาณ 2 กโิ ลเมตร [13] ดังนัน้ หากมีอิทธิพลของลมในขณะที่เมด็ R² = 0.5196 ฝนกาลงั ตกลงพ้นื ดนิ หรือกรณฝี นตกในปรมิ าณท่ีนอ้ ยกว่าเม็ดฝนจะ 50 ระเหยไประหว่างทางก่อนตกลงพ้ืนดิน มีผลทาให้ปริมาณฝนท่ี ตรวจวัดได้จากดาวเทยี มมีความคลาดเคลือ่ นและมีปริมาณมากกว่า 40 ท่ีวัดได้จากสถานีภาคพ้ืนดิน ผลการวิเคราะห์ความสัมพันธ์เฉพาะ ในช่วงข้อมูลปริมาณฝนตกปานกลางและฝนตกหนัก แบบเส้นตรง 30 แบบ Exponential และแบบยกกาลัง พบว่าวิธีการหา ความสมั พนั ธแ์ บบเสน้ ตรงให้คา่ R2 ดีทสี่ ุด 20 การศึกษาคร้ังนี้เป็นส่วนเริ่มต้นของใช้ผลการสารวจปริมาณฝน จากดาวเทียมเพ่ือจะได้นาผลความสัมพันธ์ไปใช้เป็นตัวปรับแก้ค่า 10 ปริมาณฝนจากการสารวจดว้ ยดาวเทียม TRMM ในพื้นท่ีลุ่มน้าน่าน โดยวิธีการศกึ ษาดังกล่าวสามารถนาไปปรบั ใชใ้ นบริเวณท่ีไม่มีสถานี 0 วัดฝนหรือบริเวณท่ีสนใจอ่ืน ๆ หรือนาวิธีการศึกษานี้ไปปรับใช้กับ 0 10 20 30 40 50 60 70 การสารวจปริมาณฝนจากดาวเทียมดวงอ่ืน ๆ เพ่ือนาผลการศึกษา ปริมาณฝนจาก TRMM (มม.) ไปใช้ในทางอทุ กวทิ ยาด้านตา่ ง ๆ เชน่ การเตอื นภัยน้าหลาก รูปท่ี 9 กราฟความสมั พันธ์แบบ Exponential ระหว่างขอ้ มูล ฝนราย 3 ช่ัวโมงในพ้นื ทล่ี ุ่มน้านา่ น
Research Journal-Rajamangala University of Technology Thanyaburi, ISSN 1686-8420, Vol 15, Issue 1, 2016 56 กติ ตกิ รรมประกาศ [11] A. Behrangil, B. Khakbaz, T.Chun, H. AghaKouchak, ขอขอบคณุ กรมอตุ นุ ยิ มวิทยาท่ีอนเุ คราะหข์ ้อมลู ฝนทใ่ี ชใ้ นการวจิ ัย and S.Sorooshian, Hydrologic evaluation of satellite precipitation products over a mid-size basin. Journal of เอกสารอา้ งองิ Hydrology, 2011, pp. 225-237. [1] วชั ระ องคโ์ ชตกิ ุล, 2542. การวเิ คราะหร์ ะบบเครือข่ายสถานีวัด [12] U.Lewlomphaisarl, and P. Saengsatcha, “High น้าฝนและสถานีวัดน้าท่าใน25ลุ่มน้าประธานของประเทศไทย accuracy tipping bucket rain gauge,” In IEEE SICE Annual กรุงเทพฯ: คณะวศิ วกรรมศาสตร์ มหาวทิ ยาลัยเกษตรศาสตร์. Conference (SICE), Proceedings 2012. [2] S. Tantanee and S. Phonkasi, Investigation of [13] S.A. Ackerman, and J.Knox, Meteorology. N.P: Jones relationship between satellite rainfall and observed & Bartlett, 2011. rainfall from gauging station network for northern Thailand. In The 2nd EIT International Conference on Water Resources Engineering. Chiang Rai: Le Méridien Chiang Rai Resort 2013. [3] R. Chokngamwong and S. Chiu Long , Thailand Daily Rainfall and Comparison with TRMM Products. Journal of Hydrometeorology, 2008, pp. 256-266. [4] สานักพัฒนาแหล่งน้าขนาดใหญ่กรมชลประทาน 25 ลุ่มน้า. ที่มา http//:kromchol.rid.go.th/lproject/2010/index.php/ สืบค้นเมอื่ [14 กนั ยายน 2555] [5] สานักวิจยั พัฒนาและอุกทวิทยา. แผนท่มี าตรฐานการแบง่ ลุ่มนา้ หลกั และลุ่มนา้ สาขาของประเทศไทย กรุงเทพฯ . กรมทรพั ยากรนา้ กระทรวงทรพั ยากรธรรมชาติและสง่ิ แวดลอ้ ม 2552. [6] M.N. Islam and H. Uyeda, “Use of TRMM in determining the climatic characteristics of rainfall over Bangladesh,” Remote Sensing of Environment, 2007 108(3), pp. 264-276. [7] National Aeronautice and Space Administration. TRMM Online Visualization and Analysis System Retrieved May 3 2010, from http//:disc2.nascom.nasa.gov /Giovanni/ tovas./ [8] กรมอุตุนิยมวิทยากระทรวงเทคโนโลยีสารสนเทศและการ สื่อสาร. รายงานประจาปี 2551. กรุงเทพฯ: กระทรวงเทคโนโลยี สารสนเทศและการส่ือสาร. [9] A. Braun, TRMM Background. Retrieved October 22, 2010, from http://trmm.gsfc.nasa.gov/overview_dir/ background.html. [10] T. Dinku, F. Ruiz, J. Stephen and P. Ceccato, “Validation and Intercomparison of Satellite Rainfall Estimates over Colombia,” Journal of Applied Meteorology and Climatology, vol.49(5), 2009, pp. 1004- 1014.
Research Journal-Rajamangala University of Technology Thanyaburi, ISSN 1686-8420, Vol 15, Issue 1, 2016 57 ความหลากชนดิ และการแพรก่ ระจายของปลาในวงศ์ Cyprinidae บริเวณพ้ืนที่ต้นน้าตาปี Diversity and Distribution of Cyprinid Fishes in Tapi Upstream System ธีรวุฒิ เลศิ สุทธิชวาล* และจนั ทนา ขวัญใจ หนว่ ยวิจัยการจัดการสุขภาพสัตวน์ ้า คณะเกษตรศาสตร์ มหาวิทยาลยั เทคโนโลยรี าชมงคลศรีวชิ ัย วิทยาเขตนครศรีธรรมราช อ.ทุง่ สง จ.นครศรีธรรมราช 80110 *E-mail: [email protected] บทคดั ย่อ บทนา การศึกษาความหลากชนิดและการแพร่กระจายของปลาใน วงศ์ Cyprinidae บริเวณพ้ืนท่ีต้นน้าตาปี ในระหว่าง ปี พ.ศ. ระบบแม่น้าในภาคใต้ประกอบด้วยแม่น้าสายส้ัน ๆ มีหลาย 2555 – 2557 โดยท้าการส้ารวจพ้ืนท่ีเก็บตัวอย่างรวม 16 จุด สาย แต่ลุ่มน้าท่ีคลุมพื้นที่กว้างที่สุดคือลุ่มน้าตาปี ทั้งน้ีลุ่มน้าใน ดังน้ี จังหวัดสุราษฎร์ธานี 6 จุด, จังหวัดนครศรีธรรมราช 4 จุด ภาคใต้ท่ีไหลลงสู่อ่าวไทยและมหาสมุทรอินเดีย พบปลาได้ และจังหวดั กระบ่ี 6 จุด ผลการศึกษาสามารถจ้าแนกพรรณปลาใน มากกว่า 270 ชนิด (ชวลิต, 2547) ปัจจุบันมีรายงานว่าปลาน้าจืด วงศ์ Cyprinidae ได้จ้านวน 26 สกุล, 36 ชนิด โดยใช้หลักเกณฑ์ ในประเทศไทยมีประมาณ 720 ชนิด ในลุ่มน้าภาคใต้พบประมาณ ของ Fishbase (2016) พื้นที่ต้นน้าตาปี ในเขตจังหวัดกระบี่พบ 250 ชนิด (ภาสกร, 2557) จ้านวนชนิดในกลุ่มนี้สูงสุดจ้านวน 25 ชนิด ตามด้วยพ้ืนที่จังหวัด นครศรธี รรมราชและสรุ าษฏร์ธานีทมี่ ี จ้านวน 21 ชนิดเท่ากันส่วน ในการส้ารวจพันธุ์ปลาในจังหวัดนครศรีธรรมราชในปี การแพรก่ ระจายพบว่าชนิดปลาท่ีมีการแพร่กระจายทั้ง 3 พื้นที่ มี พ.ศ. 2544 - 2545 พบปลาน้าจืด 11 อันดับ 31 วงศ์ 112 ชนิด จา้ นวน 11 ชนิด ขณะที่ชนิดปลาที่พบได้จากพ้ืนที่ (จังหวัด) เดียว วงศ์ท่ีพบมากท่ีสุดคือ Cyprinidae (ปลาตะเพียน ปลาสร้อย มีจ้านวน 15 ชนิด โดยพบในจังหวัดกระบี่ 8 ชนิด, จังหวัด ปลาซิว) พบ 40 ชนิด รองลงมาคือ Bagridae (ปลากด ปลาแขยง) นครศรธี รรมราช 4 ชนดิ และจงั หวดั สุราษฎรธ์ านี 3 ชนิด พบ 8 ชนิด Cobitidae (ปลาหมู ปลาอีด) พบ 7 ชนิด Mastacembelidae (ปลากระทิง ปลาหลด) พบ 7 ชนิด คำสำคญั : ความหลากหลายทางชีวภาพ การแพรก่ ระจายของ Balitoridae (ปลาจ้ิงจก ปลาติดหิน) พบ 6 ชนิด ตามล้าดับ ปลา แม่น้าตาปี นอกจากน้ียังพบปลาครอบครัวอื่นๆ อีกวงศ์ละ 1 - 5 ชนิด รวม 44 ชนิด (ธีรวุฒิและคณะ, 2548) และจากการศึกษาการ Abstract แพร่กระจายของประชาคมปลาในแม่น้าตาปี พบว่าปลาในแม่ Diversity and distribution of Cyprinidae in Tapi น้าตาปี 88 ชนิด 32 วงศ์ วงศ์ปลาตะเพียนพบมากที่สุดรวม 34 upstreams were investigated during 2012 - 2014. Sixteen ชนิด โครงสร้าง และประชาคมปลาโดยจ้านวนและน้าหนักท่ีพบ localities from three provinces were assigned as fish มากคือปลาซ่า (Dangila lineatus) และปลาตะเพียนขาว collection sites, Suratthani (6 stations), (Barbodes gonionotus) องค์ประกอบของกลุ่มปลาพบกลุ่มปลา Nakhonsithammarat (4 stations) and Krabi (6 stations). In มีเกล็ด ปลาอื่น ๆ ปลาหนังและปลากินเนื้อ ร้อยละ 79.95, 7.76, this study 26 genera and 36 species of Cyprinidae were 7.72 และ 3.57 ตามล้าดับ (สุภาพและคณะ, 2554) ขณะท่ีศูนย์ identified and confirmed according the Fishbase (2016). ศึกษาและวิจัยอุทยานแห่งชาติทางบก จังหวัดสุราษฎร์ธานี Krabi has the highest number of fish species (25 spp.), (2554) ได้รายงานถึงปลาน้าจืดท่ีพบบริเวณอุทยานแห่งชาติ followed by Nakhonsithammarat and Suratthani (21 แก่งกรุง อ้าเภอวิภาวดี จังหวัดสุราษฎร์ธานี มีจ้านวน 40 ชนิด spp.). Of 36 fish species collected, 11 species were จาก 15 วงศ์ ในจา้ นวนนี้ 17 ชนิด เปน็ ปลาในวงศ์ Cyprinidae distributed in all three provinces, while 15 species were present in each province, Krabi (8 spp.), ในการศึกษาครั้งนี้จึงมุ่งเน้นศึกษาปลาน้าจืดเฉพาะในกลุ่ม Nakhonsithammarat (4 spp.) and Suratthani (3 spp.). Cyprinidae ตลอดจนการแพร่กระจาย ในบริเวณต้นน้าตาปี ซึ่ง Key words: Species diversity, Fish distribution, ครอบคลุมพืน้ ที่ 3 จังหวัด คือสุราษฎร์ธานี นครศรีธรรมราช และ Cyprinidae, Tapi River กระบ่ี ข้อมูลจากการศึกษาจะน้ามาไปสู่แนวทางในการอนุรักษ์ ทรัพยากรสัตว์น้า ซ่ึงนับวันแต่จะสูญหายซึ่งมีสาเหตุจากการ
Research Journal-Rajamangala University of Technology Thanyaburi, ISSN 1686-8420, Vol 15, Issue 1, 2016 58 ท้าลายป่าต้นน้า และเป็นการใช้ประโยชน์จากปลาน้าจืด ในแง่ ของการเพ่ิมมลู ค่าในการเป็นปลาสวยงามได้อกี ดว้ ย วิธกี ารศกึ ษา ทีม่ า: สถานวิจยั สารสนเทศภูมศิ าสตร์ มหาวทิ ยาลยั สงขลานครนิ ทร์ 1. การวางแผนการศึกษาวจิ ยั รูปท่ี 1 บริเวณพ้ืนท่ีและจุดเกบ็ ตัวอยา่ งปลา ก้าหนดจดุ ส้ารวจตามลักษณะความแตกต่างของสภาพพื้นท่ี นเิ วศวิทยา และลักษณะของชั้นลุ่มน้า ซึ่งประกอบด้วย 3 พ้ืนที่ 2. การเกบ็ ตวั อยา่ ง และการวิเคราะหพ์ รรณปลา ดังตอ่ ไปน้ี (รูปท่ี 1) เก็บรวบรวมตัวอย่างปลาโดยใช้เครื่องมือประมงพื้นบ้าน 1. พนื้ ท่ีต้นน้าจังหวัดสุราษฎร์ธานี มีจ้านวนจุดเก็บตัวอย่าง ได้แก่ อวน ลอบ ข่ายดักปลา ไซ เบ็ด และศรยิงปลา ตัวอย่าง 6 จดุ ดังน้ี ปลาที่รวบรวมได้จะถูกน้ามาจ้าแนกตามเอกสารท่ีเก่ียวข้อง ได้แก่ คณะนักวิจัยจาวบ้านเชียงของ-เวียงแก่น (2549), ชวลิต 1.1 กลุ่มพื้นท่ีอ้าเภอคีรีรัฐนิคม และอ้าเภอวิภาวดี จ้านวน (2544, 2547), ชวลิตและคณะ (2540), ธีรวุฒิและคณะ 3 จุด ไดแ้ ก่ (2548), ศูนย์ศึกษาและวิจัยอุทยานแห่งชาติทางบก จังหวัด สุราษฎร์ธานี (2554), ภาสกร (2537), Kottelat (2000), 1. คลองพาย ต้าบลนา้ หกั อา้ เภอคีรีรัฐนิคม (จดุ ที่ 1) Rainboth, (1996), Smith (1945), Tyson (1898), 2. คลองตุย ตา้ บลน้าหัก อา้ เภอคีรรี ฐั นคิ ม (จุดท่ี 2) Vidthayanon (2002), Vidthayanon et al. (2005) และ 3. คลองยัน ต้าบลตะกกุ เหนือ อา้ เภอวิภาวดี (จุดท่ี 3) ตรวจสอบยืนยัน valid species หรือ accepted name โดย 1.2 พ้ืนทอี่ ้าเภอพนม จ้านวน 3 จดุ ไดแ้ ก่ ฐานข้อมูล FishBase (www.fishbase.org: 2016) ตัวอย่าง 1. คลองศกทิศตะวันตก ต้าบลคลองศก อ้าเภอพนม ปลาจะถูกเกบ็ รกั ษาไว้ ณ หอ้ งปฏิบัติการมีนวิทยา สาขาประมง (จุดท่ี 4) คณะเกษตรศาสตร์ มหาวิทยาลัยเทคโนโลยีราชมงคลศรีวิชัย 2. คลองศกทิศตะวนั ออก ต้าบลคลองศก อ้าเภอพนม วิทยาเขตนครศรีธรรมราช (จดุ ท่ี 5) 3. คลองพนม ต้าบลคลองศก อ้าเภอพนม (จดุ ท่ี 6) 2. พื้นท่ีต้นน้าบริเวณจังหวัดนครศรีธรรมราช มีจ้านวนจุด เก็บตัวอย่าง 4 จดุ ดงั นี้ 1. คลองตาปี ต้าบลนาเขลียง อ้าเภอฉวาง (จดุ ที่ 7) 2. คลองคดุ ดว้ น ตา้ บลจนั ดี อ้าเภอฉวาง (จดุ ที่ 8) 3. คลองระแนะ ตา้ บลพปิ ูน อ้าเภอพิปนู (จดุ ท่ี 9) 4. คลองงา ต้าบลช้างกลาง อา้ เภอชา้ งกลาง (จดุ ท่ี 10) 3. พื้นทีต่ ้นนา้ บริเวณจังหวัดกระบี่ มีจ้านวนจุดเก็บตัวอย่าง 6 จดุ ดงั นี้ 3.1 พ้นื ที่อ้าเภอปลายพระยา 1. คลองพันโตน ต้าบลปลายพระยา อ้าเภอปลายพระยา (จุดที่ 11) 2. คลองพระยา ต้าบลปลายพระยา อ้าเภอปลายพระยา (จดุ ท่ี 12) 3. คลองบางเหลียว ต้าบลคีรีวงศ์ อ้าเภอปลายพระยา (จดุ ท่ี 13) 3.2 พื้นที่อา้ เภอปลายพระยา 1. คลองสินปนุ ตา้ บลลา้ ทบั อ้าเภอลา้ ทับ (จดุ ท่ี 14) 2. ฝายน้าลน้ ทบั ไม้เลียบ ต้าบลทงุ่ ไทรทอง อ้าเภอล้าทับ (จดุ ที่ 15) 3.คลองพรุดินนา ต้าบลพรุดินนา อ้าเภอคลองท่อม (จุดที่ 16)
Research Journal-Rajamangala University of Technology Thanyaburi, ISSN 1686-8420, Vol 15, Issue 1, 2016 59 ผลการวจิ ัย พ้ืนท่ีต้นน้าตาปีในเขตจังหวัดกระบี่ สามารถพบจานวนชนิด จากการสารวจและศึกษาความหลากชนิด รวมถึงการ ในกลุ่มนี้สูงสุด คือ 25 ชนิด ตามด้วยพ้ืนที่จังหวัด แพร่กระจายของปลาใน วงศ์ Cyprinidae บริเวณพ้ืนที่ต้น นครศรีธรรมราช (21 ชนิด) และสรุ าษฏร์ธานี (21 ชนิด) ส่วน น้าตาปี ในระหว่าง ปี พ.ศ. 2555 - 2557 สามารถจาแนก การแพร่กระจายพบว่าชนิดปลาที่มีการแพร่ กระจายทั้ง 3 พรรณปลาในวงศ์ Cyprinidae ได้จานวน 26 สกุล 36 ชนิด พ้ืนท่ี มีจานวน 11 ชนิด ขณะท่ีชนิดปลาท่ีพบได้จากพ้ืนที่ ตามหลักเกณฑ์ของ FishBase ได้ดังนี้ Barbichthys (จังหวัด) เดียว มีจานวน 15 ชนิด โดยพบในจังหวัดกระบี่ (1 ชนิด), Barbonymus (3 ชนิด), Barbodes (1 ชนิด), จานวน 8 ชนิด, จังหวัดนครศรีธรรมราชจานวน 4 ชนิด Crossocheilus (1 ชนิด), Cyclocheilichthys (1 ชนิด), และจังหวดั สุราษฎรธ์ านีจานวน 3 ชนิด (ตารางท่ี 1) Devario (1 ชนิด), Esomus (1 ชนิด), Garra (2 ชนิด), Hampala (1 ชนิด), Henicorhynchus (2 ชนิด), Labeo (1 ชนิด), Labiobarbus (2 ชนิด), Leptobarbus (1 ชนิด), Lobocheilos (1 ชนิด), Mystacoleucus (1 ชนิด), Neolissochilus (1 ชนิด), Osteochilus (3 ชนิด), Oxygaster (1 ชนิด), Puntioplites (1 ชนิด), Puntigrus (1 ชนิด) Puntius (2 ชนิด), Raiamas (1 ชนิด), Rasbora (3 ชนิด), Systomus (1 ชนิด), Thynnichthys (1 ชนิด) และ Tor (1 ชนดิ ) (ตารางที่ 1, รปู ท่ี 2-37) ตารางที่ 1 ชนิดและการแพร่กระจายของปลาในวงศ์ Cyprinidae ในบรเิ วณพืน้ ที่ตน้ นา้ ตาปี ล้าดบั ช่ือวิทยาศาสตร์ ชือ่ ไทย สุราษฏร์ธานี นครศรีธรรมราช กระบี่ 1 Barbichthys laevis หางบว่ ง 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 2 Barbonymus altus ตะเพยี นทอง 3 Barbonymus gonionotus ตะเพยี นขาว •• • 4 Barbonymus schwanenfeldii กระแห ลาปา 5 Barbodes binotatus ตะเพียนนา้ ตก •• 6 Crossocheilus reticulatus เลบ็ มอื นาง 7 Cyclocheilichthys apogon ไสต้ ันตาแดง • • •• ••••• ••• 8 Devario regina ซวิ ใบไผ่ 9 Esomus metallicus ซวิ หนวดยาว • •• •• •••• 10 Garra cambodgiensis เลยี หนิ แดง 11 Garra salweenica เลยี หนิ หมูด •• •• ลา้ ดบั ชือ่ วทิ ยาศาสตร์ ชื่อไทย ••• ••• • • 12 Hampala macrolepidota กระสบู ขีด 13 Henicorhynchus lobatus สรอ้ ยขาว •••• •• 14 Henicorhynchus siamensis สรอ้ ยขาว 15 Labeo chrysophekadion กาดา •• •• 16 Labiobarbus leptocheilus ซา่ 17 Labiobarbus lineatus ซา่ สรอ้ ยลูกกล้วย •• •••• • •• 18 Leptobarbus hoevenii บา้ ••• •• ••••• สุราษฏร์ธานี นครศรธี รรมราช กระบี่ 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 • ••• ••••••• •• ••• • •• •• •• ••• • •• ••
Research Journal-Rajamangala University of Technology Thanyaburi, ISSN 1686-8420, Vol 15, Issue 1, 2016 60 19 Lobocheilos quadrilineatus สรอ้ ยลกู บวั หวาย • •• • •••• 20 Mystacoleucus marginatus หนามหลงั ขยี้ อก 21 Neolissochilus soroides พลวงทอง • ••••• • •••• 22 Osteochilus vittatus สรอ้ ยนกเขา ข้ขี ม 23 Osteochilus melanopleurus พรม พรมหวั เหมน็ •••• •• 24 Osteochilus waandersii รอ่ งไม้ตับ 25 Oxygaster pointoni แปบควาย • •••••• •••••••• 26 Puntigrus partipentazona เสอื สมุ าตรา 27 Puntioplites proctozystron กระมงั •• 28 Puntius brevis ตะเพยี นทราย 29 Puntius lateristriga อกี อง •••••• 30 Raiamas guttatus จาบ อา้ ว สะนาก 31 Rasbora caudimaculata ซิวหางกรรไกร •• 32 Rasbora myersi ซวิ ควาย 33 Rasbora sumatrana ซวิ สุมาตรา •••• •••• •• 34 Systomus rubripinnis แกม้ ช้า 35 Thynnichthys thynnoides สรอ้ ยเกลด็ ถ่ี •• 36 Tor tambroides เวียน แงะ •• • • ••• ••••• •• •• • •••• ••••• •• ••• •• •••••• •• •• •• • • หมายเหตุ: 1: คลองพาย, 2: คลองตยุ , 3: คลองยนั , 4: คลองศกด้านทิศตะวนั ตก, 5: คลองศกด้านทิศตะวนั ออก, 6: คลองพนม, 7: คลองตาปี, 8: คลองคดุ ด้วน, 9: คลองระแนะ, 10: คลองงา, 11: คลองพนั โตน, 12: คลองพระยา, 13: คลองบางเหลยี ว, 14: คลองสินปุน, 15: ฝายนา้ ล้นทับไมเ้ ลยี บ,16: คลองพรดุ นิ นา (• • • จุดทีพ่ บตัวอยา่ งปลา)
Research Journal-Rajamangala University of Technology Thanyaburi, ISSN 1686-8420, Vol 15, Issue 1, 2016 61 2 345 6 7 89 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 รูปท่ี 2 - 37 ชนดิ ปลาในวงศ์ Cyprinidae ในบรเิ วณพน้ื ท่ีต้นน้าตาปี 2: Barbichthys laevis, 3: Barbonymus altus, 4: Barbonymus gonionotus, 5: Barbonymus schwanenfeldii, 6: Barbodes binotatus, 7: Crossocheilus reticulatus, 8: Cyclocheilichthys apogon, 9: Devario regina, 10: Esomus metallicus, 11: Garra cambodgiensis, 12: Garra salweenica, 13: Hampala macrolepidota, 14: Henicorhynchus lobatus, 15: Henicorhynchus siamensis, 16: Labeo chrysophekadion, 17: Labiobarbus leptocheilus, 18: Labiobarbus lineatus, 19: Leptobarbus hoevenii, 20: Lobocheilos quadrilineatus, 21: Mystacoleucus marginatus, 22: Neolissochilus soroides, 23: Osteochilus vittatus, 24: Osteochilus melanopleurus, 25: Osteochilus waandersii, 26: Oxygaster pointoni, 27: Puntigrus partipentazona, 28: Puntioplites proctozystron, 29: Puntius brevis, 30: Puntius lateristriga, 31: Raiamas guttatus, 32: Rasbora caudimaculata, 33: Rasbora myกerาsรi,อ34ภ:ปิ Raรsาbยoผraลsumatrana, 35: Systomus rubripinnis, 36: Thynnichthys thynnoides, 37: Tor tambroides
Research Journal-Rajamangala University of Technology Thanyaburi, ISSN 1686-8420, Vol 15, Issue 1, 2016 62 การศึกษาความหลากชนิดและการแพร่กระจายของปลา กิตตกิ รรมประกาศ ในวงศ์ Cyprinidae บริเวณพ้ืนที่ต้นน้าตาปี ในระหว่างปี คณะผู้วิจัยขอขอบพระคุณคณะกรรมการวิจัยแห่งชาติ พ.ศ. 2556 - 2557 โดยทาการสารวจพื้นท่ีเก็บตัวอย่างรวม 16 (วช.) ท่ีใหก้ ารสนับสนนุ งบประมาณดาเนินโครงการวจิ ัย ประจาปี จุด ดังน้ี จังหวัดสุราษฎร์ธานี 6 จุด, จังหวัดนครศรีธรรมราช 4 งบประมาณ 2555 ขอขอบคณุ ชมุ ชนต้นน้า ทุกพื้นที่ ๆ เก่ียวข้อง จุด และจังหวัดกระบ่ี 6 จุด ผลการศึกษาสามารถจาแนกพรรณ ในการอานวยความสะดวก และชว่ ยเหลือในการเก็บตัวอย่างปลา ปลาในวงศ์ Cyprinidae ได้จานวน 26 สกุล 36 ชนิด ทั้งน้ีใน บริเวณพ้ืนท่ีต้นน้า ขอขอบคุณเจ้าหน้าที่ภาครัฐและเอกชน ผู้นา การศึกษาที่ผ่านมา มีรายงานว่าโครงสร้างประชาคมปลาในแม่ ชุมชน ตลอดจนชุมชนบริเวณต้นน้าตาปีทุกท่าน ท่ีให้ความ น้าตาปีและคลองสาขามีถึง 110 ชนิด ซึ่ง 10 อันดับแรกท่ีพบ ร่วมมอื ในการใหข้ อ้ มลู ตา่ ง ๆ อยา่ งดีย่งิ มากที่สุด ไดแก สร้อยนก-เขา ซิวควาย ซิว ซิวกลม ร่องไม้ตับ แปน้ ตะเพยี นขาว ไส้ตน้ ตาแดง ไส้ตนั ตาขาว ซ่ึงท้ังหมดเป็นปลา เอกสารอา้ งองิ ในกลุม่ Cyprinidae ทั้งส้นิ (นพดล, 2558) นอกจากนี้สุภาพและ [1] คณะนักวิจัยจาวบ้านเชียงของ-เวียงแก่น, ความรู้ท้องถ่ิน คณะ (2554) ศึกษาเรื่องโครงสร้างประชาคมปลา และ เรอื่ งพนั ธ์ปุ ลาแมน่ ้าโขง. พมิ พค์ ร้งั ท่ี 1. เชียงใหม่: โครงการแม่น้า ประสิทธิภาพของเคร่ืองมือข่ายในอ่างเก็บน้าเขื่อนรัชประภา เพื่อชวี ิต. เครือขา่ ยแม่น้าเอเชียตะวันออกเฉยี งใต้ 2549. พ.ศ. 2546 - 2550 พบว่ามีพันธุ์ปลา 37 ชนิด 12 วงศ์ พบวงศ์ [2] ชวลิต วิทยานนท์, 2544. ปลาน้าจืดไทย. กรุงเทพฯ: บริษัท ปลาตะเพียนมากท่ีสุดรวม 21 ชนิด และเม่ือเปรียบเทียบกับ นานมบี ุค๊ ส์จากดั . จานวนชนิดปลาท่ีสารวจพบในลุ่มน้าต่าง ๆ ในจังหวัด [3] ชวลิต วิทยานนท์, 2547. ปลาน้าจืด. กรุงเทพฯ: สานักพิมพ์ นครศรีธรรมราช ในปี พ.ศ. 2544 -2545 โดยธีรวุฒิ และคณะ สารคดี. (2548) พบปลาในกลุ่มเดียวกันนี้ถึง 40 ชนิด จากที่สารวจพบ [4] ชวลิต วิทยานนท์, จรัลธาดา กรรณสูต และจารุจินต์ นภี ทั้งหมด 112 ชนิด ช้ีให้เห็นว่าปลาในวงศ์ Cyprinidae จัดเป็น ตะภัฏ, 2540. ความหลากชนิดของปลาน้าจืดไทย. กรุงเทพฯ: ปลาท่สี ามารถพบไดม้ ากที่สุดในลุ่มน้าตาปี และใกล้เคียง รวมทั้ง สานักงานนโยบายและแผนส่ิงแวดล้อม. มีการแพร่กระจายมากที่สุด เนื่องจากพบได้ตั้งแต่ต้นน้าจนถึง [5] ธีรวุฒิ เลิศสุทธิชวาล, วรรณะ นนทนาพันธ์, ธรรมนูญ ง่านวิ ปลายนา้ สุทธิพันธ์ และบานช่ืน เมืองแก้ว, 2548. การสารวจพันธ์ุปลาน้า จืดของไทยในจังหวัดนครศรีธรรมราช. รายงานการวิจัย. ปลากลุ่มนหี้ ลายชนดิ มีความสวยงาม และสามารถนามาเพาะ มห า วิทย า ลั ย เ ทค โ นโ ล ยี ร า ชม งค ล ศ รี วิชั ย วิทย า เ ขต ขยายพันธุ์เพื่อเป็นปลาสวยงามเพ่ิมมูลค่าได้ นอกเหนือจากท่ีมี นครศรธี รรมราช. เล้ยี งและจาหน่ายอย่แู ล้ว ไดแ้ ก่ ซิวใบไผ่ ร่องไมต้ บั เลียหนิ สรอ้ ย [6] นพดล จินดาพันธ. โครงสร้างประชาคมปลาในแม่น้าตาปีและ ลกู บวั และอกี อง เป็นตน้ คลองสา [ออนไลน์] เข้าถึงได้จาก: http://www.fisheries.go.th/if- surat thani /R29.pdf (2 มนี าคม 2558). อย่างไรก็ดีจานวนชนิดหรือสกุลของปลาในกลุ่มนี้ อาจมีมาก [7] ภาสกร แสนจันแดง, 2557. สารานุกรมปลาน้าจืดของไทย. ข้ึนหรือลดลง เนื่องจากมีการเปลี่ยนแปลงชื่อวิทยาศาสตร์ หรือ ขอนแกน่ :หจก. โรงพิมพค์ ลงั นานาวิทยา. ช่ือสกุล โดยองค์กรนานาชาติ Fish Base ซึ่งมีการทบทวนระบบ [8] ศนู ยศ์ ึกษาและวจิ ัยอุทยานแหง่ ชาตทิ างบก จ.สรุ าษฎรธ์ านี อนุกรมวิธานของปลาอยอู่ ยา่ งตอ่ เนือ่ ง ทาใหก้ ารจาแนกวิเคราะห์ ปลา กบ เขียด อุทยานแหง่ ชาติแก่งกรงุ เขา้ ถงึ ไดจ้ าก: พรรณปลาจะต้องทันต่อเหตุการณ์และการเปล่ียนแปลงอยู่ http://www.npic-surat.com/web/index.php/2013-07- ตลอดเวลา 23-06-00-51/2554/2013-09-03-11-04-54. (3มีนาคม 2559). [9] สุภาพ สังขไพฑูรย์, พิษณุ นาอนันต์, สุวีณา บานเย็น และ สรุป สุวิมล สี่หิรัญ-วงศ์, โครงสร้างประชาคมปลาและประสิทธิภาพ การศึกษาความหลากชนดิ และการแพรก่ ระจายของปลา ของเคร่ืองมือข่าย. เอกสารวิชาการฉบับท่ี 28/2554. ในอ่างเก็บ ในวงศ์ Cyprinidae บริเวณพื้นทตี่ น้ น้าตาปี ท้งั 3 จังหวดั คือ นา้ เข่ือนรัชประภา พ.ศ. 2546-2550. ศูนย์วิจยั และพัฒนาประมง สรุ าษฎรธ์ านี, นครศรธี รรมราช และกระบี่ รวม 16 จุด ในระหวา่ ง น้าจดื พัทลุง. สานักวิจัยและพัฒนาประมงน้าจืด กรมประมง. 55 ปพี .ศ.2555 – 2557 สามารถจาแนกพรรณปลาในวงศ์ Cyprinidae น. 2554. ได้จานวน 26 สกุล 36 ชนดิ ชนดิ ปลาทีม่ กี ารแพร่กระจายท้งั 3 [10] M. Kottelat, “Diagnoses of a new genus and 64 พืน้ ท่ี (จังหวดั ) มีจานวน 11 ชนดิ ขณะที่ชนดิ ปลาที่พบได้จากพ้ืนท่ี new species of fishes from Laos (Teleostei: Cyprinidae, เดียว มีจานวน 15 ชนดิ โดยพบในจังหวัดกระบี่ 8 ชนดิ , นครศรธี รรมราช 4 ชนิด และสุราษฎรธ์ านี 3 ชนิด ขอ้ มูลที่ได้ นอกจากเปน็ ฐานข้อมูลในการอนรุ ักษ์ทรพั ยากรธรรมชาตแิ ล้ว ปลา บางชนิดยงั มแี นวโนม้ ทีจ่ ะพัฒนาเป็นปลาสวยงามได้
Research Journal-Rajamangala University of Technology Thanyaburi, ISSN 1686-8420, Vol 15, Issue 1, 2016 63 Balitoridae, Bagridae,” Syngnathidae, Chaudhuriidae and Tetraodontidae), 2000, pp.37-82. [11] W. Rainboth, J.. Fishes of the Cambodian Mekong. FAO Species Identification Field Guide for Fishery Purposes. Rome: Food and Agricultural Organization, UN 1996. [12] J. Smith, M.H. , The Freshwater Fishes of Siam, or Thailand. Washington: United State Government Printing Office 1945. [13] R. Tyson ,The Freshwater Fishes of Western Borneo (Kalimantan Barat, Indonesia). Memoirs of the California Academy of Sciences. No. 14. San Francisco 1898. [14] C. Vidthayanon, Identification Guide to Freshwater Fish. Bangkok: Amarin Printing and Publishing Public Co. Ltd. 2002. [15] C. Vidthayanon, A. Termvidchakorn and Pe, M. InIand Fishes of Myanmar. Bangkok: Southeast Asian Fisheries Development Center 2005.
Research Journal-Rajamangala University of Technology Thanyaburi, ISSN 1686-8420, Vol 15, Issue 1, 2016 64 A Study on Speckle Noise Reduction and Feature Extraction in Ultrasonic Images Napa Sae-Bae1 and Somkait Udomhunsakul2* 1Faculty of Science and Technology , 2Faculty of Engineering and Architecture Rajamangala University of Technology Suvarnabhumi *E-mail: [email protected] Abstract— Ultrasonic image is one of the imaging Keywords - Feature Extraction, Speckle Noise techniques that widely used and safe for medical Reduction, Stationary Wavelet Transform, Ultrasonic diagnostic, due to its noninvasive, low cost and real time Images. forming. However, the qualities of ultrasonic images are typically degraded mainly due to the presence of signal I. INTRODUCTION independent known as speckle noise. In this paper, speckle noise suppression in wavelet domain and Ultrasound imaging is widely used and plays an feature extraction technique is studied. In particular, important role in medical diagnosis because it is a speckle noise reduction is a preprocessing step before noninvasive, real-time and inexpensive modality [1]. applying a feature extraction process. In speckle noise However, ultrasonic images are usually suffered from suppression process, the logarithmic transform is firstly speckle noise, which corresponds to coherent wave applied to the original image in order to convert interference in tissue. It is well known to be signal- multiplicative noise to additive one. 2D Stationary dependent in ultrasound imaging system. Over the years, Wavelet Transform (SWT) is used to decompose the speckle noise suppression and feature extraction have logarithmic image into four subbands. Next, 2D adaptive been widely studied and considered. When filtering Wiener Filter is applied all over areas only in detail random noise from a noisy image, two main issues to be subbands. Finally, the 2D Inverse SWT is computed and considered are: 1) how much noise had been removed, it is followed by the exponential transform to get the and 2) how well edges are preserved without blurring. reconstructed image. To evaluate the studied method Conventionally, there are several simple techniques for for speckle noise reduction, some classical well-know speckle noise suppression. Some of well-known classical methods, such as Median filter, Wiener filter, Discrete speckle filterings include Lee filter, Kuan filter, Median Wavelet Transform (DWT) based on Soft thresholding filter and homomorphic Wiener filters [2-5]. They can and DWT along with Wiener filter are compared. For effectively suppress speckle noise but they fail to feature extraction process, Haar wavelet filter is used to adequately preserve the edges. In the past decade, extract the ultrasonic features compared with Sobel and there had been considerable interest in using the Canny operator. Moreover, the nonmaxima suppression Wavelet transform as a powerful tool for recovering technique is adopted to get the edge localization. signal from noisy data. This method is generally referred Finally, the hysteresis thresholding is applied to get the to as wavelet shrinkage technique. In 1995, D. L. Donoho final result in binary format. The results have clearly presented a soft thresholding method for denoising in demonstrated that the studied method outperforms one dimensional signal [6]. S. Chang, B. Yu and M. several existing methods for speckle noise reduction in Vetterli introduced a new shringkage method, BaeyShrink terms of signal to mse ratio (S/mse) and edge [7], which also outperformed Donoho and Johnstone’s preservation (β). Moreover, the studied method can Sureshrink [8]. Furthermore, others proposed detect well-localized and thin edges. probabilistic methods for speckle noise reduction in the wavelet domain [9]-[12]. Another proposed approach uses adaptive block-based singular value decomposition
Research Journal-Rajamangala University of Technology Thanyaburi, ISSN 1686-8420, Vol 15, Issue 1, 2016 65 for speckle noise suppression [13]. Recently, A. K. Gupta rows fL (x, y) columns { fLL (x, y) (Approximation) and D. Sain have proposed a speckle reduction G(x) G(y) { fLH (x, y) (Detail) technique using logarithmic threshold contourlet [14]. { fHL (x, y) (Detail) The method proposed by C. Barcelos and L. Vieira used H ( y) { fHH (x, y) (Detail) an adaptive edge-controlled variation function to detect and reduce speckle noise [15]. Moreover, speckle noise Input image suppression and feature extraction in ultrasonic images is f (x, y) proposed [16]. G(y) In this research, a method for speckle reduction and feature extraction in ultrasonic images is studied. First, a fH (x, y) logarithm is applied to the original image in order to transform the multiplicative noise into the additive H (x) noise. Next, a 2D Stationary wavelet transform (SWT) is used to decompose the image result from the first step H ( y) into four subbands. Then, 2D adaptive Wiener filter is applied over areas only in detailed subbands. Finally, an f LL1 f LH 1 inverse 2D SWT is computed and applied the exponential transform to reconstruct the image. The f HL1 f HH 1 studied method is also compared with some existing approaches, such as Median filter, Wiener filter, 2D Figure 2. 2D Stationary Wavelet Transform Decomposition Discrete Wavelet Transform (DWT) based on Soft Scheme thresholding and DWT along with Wiener filter. Speckle noise reduction is a preprocessing step before applying a II. RESEARCH METHODOLOGY feature extraction process. Next, feature extraction process, Haar wavelet filter is used to extract the A. Speckle noise reduction and feature extraction ultrasonic features compared with Sobel and Canny operator. Moreover, the nonmaxima suppression Similar to homomorphic Wiener filtering, the studied technique is adopted to get the edge localization. method can develop a speckle noise reduction, which is Finally, the hysteresis thresholding is applied to get the done in the SWT domain. The block diagram of the final result in binary format. studied method is illustrated in Fig. 1. Details are as follows [16]: The rest of this paper is organized as follows. Section a) Take a logarithmic transform to the original image (f), II describes the study of speckle noise reduction, feature which yields image result (g). extraction and quantitative image quality measures. b) Perform a 2-D SWT of the log transformed image and Also, the experimental results are expressed in section decompose into four subbands (LL, LH, HL and HH). III. Finally, the conclusion is provided in section IV. c) Perform a 2-D adaptive Wiener filter only in the detailed subbands (LH, HL and HH), window size 7x7 is Denoising chosen, which yields the image result ( ̂). d) Apply the inverse 2-D SWT, which yields a denoised f log(noiseimage) g WT Y Yˆ IWT gˆ exp(gˆ) fˆ image ( ̂). e) Take the exponential transformation of the denoised image to get the reconstructed image ( ̂). Denoising 1) 2D Stationary Wavelet Transform Techniques Unlike the conventional Discrete Wavelet Transform Figure 1. Block diagram for speckle noise reduction (DWT), the two dimensional Stationary Wavelet
Research Journal-Rajamangala University of Technology Thanyaburi, ISSN 1686-8420, Vol 15, Issue 1, 2016 66 Transform (2D SWT) is based on the idea of no 3) Feature extraction decimation, which means the SWT is translation-invariant [17]. It applies the DWT and omits both down-sampling Speckle noise Histogram Feature Extraction Thresholding in the forward and up-sampling in the inverse reduction Equalization transformation. 2D SWT can be implemented by first Harr Wavelet Nonmaxima applying the DWT along the rows of an image, and then Denoised Filter Suppression applying it on the column of an image. Therefore, a image transformed image is decomposed into four subbands, which are the same size as the original image. The LL Figure 3. Block diagram for feature extraction process [16] band contains the approximation coefficients, the LH band contains the horizontal details, the HL band Fig. 3 shows the feature extraction process. First, the contains the vertical details and the HH band contains denoised image is enhanced by histogram equalization the diagonal details. Without translation-invariance, slight technique where the accumulative histogram of the shifts in the input signal will produce variations in the image is linear [2]. The goal of this method is to make wavelet coefficients that might introduce artifacts into structure within the image more visible to human the noise reduction process. This property is good for observers. Next, Haar filter is used to extract the object noise removal because the noise is usually spread over from denoised images in the vertical and horizontal a small number of neighboring pixels. The 2D SWT direction separately and modulus sum is used to get the decomposition scheme is illustrated in Fig 2. edge detection result. Then, nonmaxima suppression technique is adopted to get the edge localization. 2) 2D Adaptive Wiener Filter Finally, the adaptive hysteresis thresholding is applied to Two dimensional Wiener filter is a minimum mean- get the final result in the binary format. In a binary image, each pixel value is represented by a single binary square error filter [18]. It is a nonlinear spatial filter that format. moves a window or kernel over each pixel in the image, computing and replacing the central pixel values under B. Quantitative quality measures the window. It uses a neighborhood of window sizes to estimate the noise power from the local image mean (µ) To quantify the achieved noise reduction ability and standard deviation (σ). 2-D Wiener filter has output performance, there are two main issues to be defined by [19-20], considered, which are how much noise has been removed, and how well edges are preserved without Yˆ(xi , yj) 2 v2 (Y (xi , y j ) ) (1) blurring. In the past decade, there have been many 2 quantitative quality measurements proposed. In this research study, three image quality measurements: where , 2 represents the local mean, standard Mean Square Error (MSE), Signal to MSE ratio (S/mse), deviation obtained from the noisy image window and edge preservation (β) are used and computed using respectively. Y is the noisy pixel and ̂ is the filtered original and reconstructed image data [21-22]. pixel. Also, v is the noise variance, estimated from the average of all the local estimated variances in the image. 1) Mean Square Error (MSE) ) (2) The size of the kernel should be odd. If the size is too large, important features will be lost. On the other hand, ∑ (̂ if the size is too small, noise reduction may not yield good results. In general, a size 3x3 and 7x7 kernel Whereas n and m are image size, ̂ and S refer to provides good results [14]. reconstructed and original images, respectively. The higher MSE values denote lower image quality.
Research Journal-Rajamangala University of Technology Thanyaburi, ISSN 1686-8420, Vol 15, Issue 1, 2016 67 2) Signal to MSE ratio (S/mse) results are tabulated in Table I. As can be seen, the studied method outperforms other methods in terms of To evaluate speckle noise reduction, a Signal to MSE S/mse and β. ratio (S/mse) is used, instead of the standard signal to noise ratio. This is defined as below: To visually compare with all other methods, the original kidney ultrasonic images are corrupted with noise s s, s s (3) at variance 0.08 as shown in Fig. 5 (a). The comparatives of various results are also shown in Fig. 5 (b)-(f). As for the results, Fig. 5(b) and Fig. 5(c) are operated by a fixed s s, s s . s s, s s 7x7 sized window using Median filter and Wiener filter respectively in a special domain. The reconstructed where ̅̅̅̅ and ̅̅̅ are the mean values in the region of images are smoothed over and have artifacts around the interest (ROI) si,j and ŝi,j , respectively. Also, ∆S and ∆̂ object. On the other hand, the combination of Wiener represent the high pass filtered operation of S and ̂ filter and SWT outperforms DWT with soft thresholding respectively, obtained with a 3x3 pixel standard and DWT along with Wiener filter, as shown in Fig. 5(d), approximation of Laplacian operator with (e) and (f). It can efficiently reduce noise and smooth over the homogeneous area. In addition, it can preserve ∑ (4) the edge features whereby enhancing the visual perception of the reconstructed image. The larger values of β signify the better feature preservation ability of the reconstructed image. B. Feature extraction III. EXPERIMENTAL RESULTS Next experiments, the realistic noisy uterus and cholecystitis ultrasonic images are tested, as shown in A. Speckle noise reduction Fig. 6(a) and Fig. 7(a), respectively. The denoised images and enhancement results using studied method are Speckle noise reduction is a preprocessing step expressed in Fig. 6(b)-(c) and Fig. 7(b)-(c). In the feature before applying a feature extraction process. In this part extraction process, Haar wavelet filter is used for feature of the experiment, to validate the performance of the extraction pointed out by an ultrasonographer [23]. In studied method, various liver ultrasonic images are used, fact, gray level is important information for diagnosis and as shown in Fig. 4. The image size is 256x256. A number Haar wavelet filter seemed to be able to preserve of experiments were conducted and compared with original gray level after feature extraction. This thin edge other traditional methods, which were Median filter (7x7), detected image with preserved gray level is important 2D adaptive Wiener filter (7x7), DWT with soft information for diagnosis because gray level expresses thresholding, and DWT along with Wiener filter. The power of reflected signal. Consequently, the ratio of experiments reported in this section have been tested sound velocity at tissue-tissue-interface from the gray using MATLAB 10.0 – R2010b (64 bit). All the wavelet- level can be identified, which may mean elasticity of based techniques used Daubechies 4 wavelet basis, with tissue. As a result, Fig. 6(d,e,f) and Fig. 7(d,e,f) are one level of DWT and SWT decomposition. In fact, noise performed by applying Sobel operator, Canny operator, is generally spread over in detailed subbands, due to the and the proposed method, respectively, to derive the components of highpass wavelet filters. Therefore, the edge feature. It can be seen that the studied method 2D adaptive Wiener filter is applied only in detailed leads to an effective method for speckle noise reduction subbands. To quantify the achieved performance in and yields the best result for feature extraction. terms of the ability of speckle noise reduction and edge preservation, the original liver ultrasonic images are corrupted with noise at variance 0.08. S/mse and β are used to evaluate the reconstructed image quality. The
Research Journal-Rajamangala University of Technology Thanyaburi, ISSN 1686-8420, Vol 15, Issue 1, 2016 68 TABLE I EXPERIMRNTAL RESULTS AT NOISE VARIANCES 0.08 (a) (b) (c) Image Methods Mask S/mse s size Figure 4. Liver ultrasound images Median 7x7 17.014 0.0502 filtering 7x7 17.047 0.1704 (a) (b) (c) Wiener - 17.613 0.2441 filtering (d) (e) (f) liver Visushink 7x7 17.375 0.2135 Figure 5. Results of various speckle reduction (a) with Soft 7x7 18.166 0.3089 methods (a) noisy kidney ultrasound image (b) thresholding 7x7 9.7961 0.0504 denoised image using 2D Median filter (c) denoised DWT and 7x7 12.971 0.7636 image using 2D Wiener filter (d) denoised image Wiener filter - 12.799 0.6505 using Visushink and Soft thresholding (e) denoised SWT and image using DWT and Wiener filter (f) denoised Wiener filter 7x7 13.505 0.7117 image using SWT and Wiener filter Median 7x7 14.113 0.7801 filtering 7x7 15.076 0.2351 (a) (b) (c) Wiener 7x7 15.482 0.3650 filtering - 14.991 0.3205 (d) (e) (f) liver Visushink Figure 6. Results of various feature extraction (b) with Soft 7x7 15.918 0.3356 methods (a) noisy uterus ultrasound image (b) thresholding 7x7 16.868 0.4359 denoised image using SWT and Wiener filter (c) DWT and enhanced image (d) Sobel operator (e) Canny Wiener filter operator (f) Studied method SWT and Wiener filter Median filtering Wiener filtering liver Visushink (c) with Soft thresholding DWT and Wiener filter SWT and Wiener filter
Research Journal-Rajamangala University of Technology Thanyaburi, ISSN 1686-8420, Vol 15, Issue 1, 2016 69 (a) (b) (c) REFERENCES (d) (e) (f) [1] A. Webb and G. C. Kagadis, “Introduction to biomedical imaging,” Wiley Hoboken, 2003. Figure 7. Results of various feature extraction methods [2] A. Mcandrew, “Introduction to digital image processing with MATLAB,” Course Technology, ISBN-10 (a) noisy cholecystitis ultrasound image 534400116, 2004. [3] J. S. Lee, “Digital image enhancement and noise (b) denoised image using SWT and Wiener filter filtering by use of local statistics,” IEEE Transactions on Pattern Analysis and Machine Intelligence, no. 2, 1980, (c) enhanced image (d) Sobel operator pp. 165–168. [4] D. T. Kuan, A. A. Sawchuk, T. C. Strand, and P. Chavel, (e) Canny operator (f) Studied method “Adaptive noise smoothing filter for images with signal- dependent noise,” IEEE Transactions on Pattern Analysis IV. CONCLUSION and Machine Intelligence, no. 2, 1985, pp. 165–177. In this research, the main aim is to study and compare [5] A. K. Jain, “Fundamentals of digital image the different methods of speckle noise suppression and processing,” Prentice-Hall Englewood Cliffs, 1989. feature extraction in ultrasonic images. For speckle noise [6] D. L. Donoho, “De-noising by soft-thresholding,” IEEE reduction, the studied method uses SWT to transform a Transactions on Information Theory, vol. 41, no. 3, 1995, logarithmic image and then applies an adaptive Wiener pp. 613–627. filter only in each detail subband. The advantage of [7] S. G. Chang, B. Yu, and M. Vetterli, “Adaptive wavelet multiresolution analysis using SWT for speckle noise thresholding for image denoising and compression,” IEEE reduction is that it can reduce noise while preserving the Transactions on Image Processing, vol. 9, no. 9, 2000, pp. feature structure of the reconstructed image. From the 1532–1546. results, the combination of the SWT and adaptive Wiener [8] D. L. Donoho and J. M. Johnstone, “Ideal spatial filter has better quantitative and qualitative adaptation by wavelet shrinkage,” Biometrika, vol. 81, performances, compared with existing methods. For no. 3, 1994, pp. 425–455. feature extraction process, the denoised image is [9] P. Kishore, A. Sastry, A. Kartheek, and S. H. Mahatha, enhanced by histogram equalization. Haar wavelet filter “Block based thresholding in wavelet domain for is used for feature extraction. From the results, the denoising ultrasound medical images,” International studied method compared with Sobel operator and Conference in Signal Processing And Communication Canny operator can be detected well-localized and thin Engineering Systems (SPACES), 2015, pp. 265–269. edges. Therefore, the studied method leads to a practical [10] J. Jin, Y. Liu, Q. Wang, and S. Yi, “Ultrasonic speckle method for speckle noise reduction and feature reduction based on soft thresholding in quaternion extraction in ultrasonic images. wavelet domain,” Instrumentation and Measurement Technology Conference (I2MTC), 2012, pp. 13–16. [11] C. Chen and N. Zhou, “A new wavelet hard threshold to process image with strong gaussian noise,” International Conference in Advanced Computational Intelligence (ICACI), 2012, pp. 558–561. [12] J. Scharcanski, C. R. Jung, and R. T. Clarke, “Adaptive image denoising using scale and space consistency,” IEEE
Research Journal-Rajamangala University of Technology Thanyaburi, ISSN 1686-8420, Vol 15, Issue 1, 2016 70 Transactions on Image Processing, vol. 11, no. 9, 2002, multiscale method.” IEEE transactions on image pp. 1092–1101. processing, vol. 6, no. 6, 1996, pp. 888–895. [13] N. Sae-Bae and S. Udomhunsakul, “Despeckling [23] S. Udomhunsakul and K. Hamamoto, “Blood vessel algorithm on ultrasonic image using adaptive block- diameter measurement on ultrasonic images,” based singular value decomposition,” in Photonics Asia Proceedings of the SPIE, Vol. 5637, 2005, pp. 113-117. 2007, International Society for Optics and Photonics, 2007, pp. 68 330J–68 330J. [14] A. K. Gupta and D. Sain, “Speckle noise reduction using logarithmic threshold contourlet,” International Conference in Green Computing, Communication and Conservation of Energy (ICGCE), 2013, pp. 291–295. [15] C. A. Barcelos and L. E. Vieira, “Ultrasound speckle noise reduction via an adaptive edge-controlled variational method,” International Conference in Systems, Man and Cybernetics (SMC), 2014, pp. 145–151. [16] S. Udomhunsakul and P. Wongsita, “Feature extraction in medical ultrasonic image,” in 3rd Kuala Lumpur International Conference on Biomedical Engineering 2006, ser. IFMBE Proceedings, F. Ibrahim, N. Osman, J. Usman, and N. Kadri, Eds. Springer Berlin Heidelberg, vol. 15, 2007, pp. 267–270. [17] G. P. Nason and B. W. Silverman, “The stationary wavelet transform and some statistical applications,” in Wavelets and statistics, Springer, 1995, pp. 281–299. [18] J. S. Lim, “Two-dimensional signal and image processing,” Englewood Cliffs, NJ, Prentice Hall, 1990. [19] D. Lai, N. Rao, C. H. Kuo, S. Bhatt, and V. Dogra, “An ultrasound image despeckling method using independent component analysis,” International Symposium in Biomedical Imaging: From Nano to Macro, 2009, pp. 658–661. [20] E. Ercelebi and S. Koc, “Lifting-based wavelet domain adaptive wiener filter for image enhancement,” IEE Proceedings-Vision, Image and Signal Processing, vol. 153, no. 1, 2006, pp. 31–36. [21] A. Achim, A. Bezerianos, and P. Tsakalides, “Novel bayesian multiscale method for speckle removal in medical ultrasound images,” IEEE Transactions on Medical Imaging, vol. 20, no. 8, 2001, pp. 772–783. [22] F. Sattar, L. Floreby, G. Salomonsson, and B. Lovstrom, “Image enhancement based on a nonlinear
Search
