โครงการประเมนิ พนื้ ท่เี สยี่ งภัยแลง้ และความเสียหายของพืชเกษตรรายแปลง ด้วยเทคโนโลยภี ูมสิ ารสนเทศ ระยะท่ี 2 แบบจำลองให้ค่าปริมาณน้ำฝนที่สูงเกินกว่าข้อมูลสังเกตแต่อย่างไรก็ตามแบบจำลองสามารถจับแนวโน้มและ ลกั ษณะของปริมาณน้ำฝนระหวา่ งช่วง ENSO บรเิ วณเกาะกาลมิ นั ตันไดใ้ นระดับท่ีพง่ึ พอใจ Babaeian., 2017 ได้ศึกษาการคาดการณ์ตามฤดูสามารถบอกถึงความผิดปกติของสภาพอากาศเมื่อ เปรียบเทียบกับสภาพอากาศในระยะยาว จากอัตราการเพิ่มของเหตุการณ์รุนแรงภายใต้สภาวะโลกร้อน การ คาดการณ์ตามฤดูกาลของตัวแปรทางอุตุนิยมวิทยามีความสำคัญต่อการดำรงชีวิตของสิ่งมีชีวิตต่าง ๆ ได้แก่ เกษตรกรรม น้ำ ทรัพยากร สุขภาพ น้ำ ทรัพยากร สุขภาพ และปรากฏการณ์ที่เกี่ยวข้องกับสภาพอากาศ ซึ่งใน การศึกษานี้ได้อ้างอิงถึงการทดสอบประสิทธิภาพของแบบจำลอง RegCM เวอร์ชัน 4.2 จากงานวิจัยของ Phan van., 2014 ในการทำนายค่าเฉลี่ยของอุณหภูมิต่ำสุดและสูงสุดรายเดือนที่ประเทศเวียดนามโดยใช้ข้อมูลเงื่อนไข เริ่มต้นและเงื่อนไขค่าขอบจากข้อมูล CFSv2 และอ้างอิงงานวิจัยของ Babaeian et.al., 2007 ได้ใช้แบบจำลอง ปริมาณน้ำฝนในช่วงฤดูใบไม้ผลิบริเวณตะวันตกเฉียงเหนือของอิหร่านผ่านแบบจำลอง RegCM เวอร์ชัน 4 โดย กำหนดพารามิเตอร์ของตัวเมตรทั้งหมดที่ใช้ในแบบจำลองประกอบด้วย Emanuel, Grell และ Kuo ในการ ทำนายปรมิ าณนำ้ ฝนรายเดอื นเพอื่ ศกึ ษากรณกี ารพยากรณ์โดยใช้ค่าตวั แปรเมฆที่แต่ต่างกัน Pattnayak, 2017 การศึกษาน้ีได้ทำการประเมินประสิทธิภาพของแบบจำลองสภาพภูมิอากาศ (RegCM) ในการจำลองมรสุมฤดูร้อนของอินเดียที่พัดปกคลุมเอเชียตะวันออกเฉียงใต้ในช่วงปี 1998 ถึง 2003 โดยมี วัตถุประสงค์เพื่อดำเนินการด้านสภาพอากาศในอนาคตผ่านแบบจำลอง RegCM เวอร์ชัน 4.2 และ RegCM เวอร์ชัน 4.3 ผลการจำลองพบว่าแบบจำลอง RegCM เวอร์ชัน 4.2 ให้ค่าความชื้นมากกว่าขอ้ มูลสังเกตทีท่ างตอน เหนือของทะเลอาหรับและคาบสมุทรอินเดียซึ่งทำให้ปริมาณน้ำฝนบริเวณนั้นเพิ่มขึ้นตามไปดด้วยอย่างไรก็ตาม ค่าท่ีไดจ้ าก RegCM เวอรช์ นั 4.3 ใหค้ า่ ประมวลผลของคา่ ไดด้ กี ว่า Reboita, 2018 หนึ่งในความท้าทายในปัจจุบันในการพัฒนาแบบจำลองสภาพภูมิอากาศคือการ คาดการณต์ ามฤดูกาล ซง่ึ ปัจจบุ ันการคาดการณ์ระยะยาว ระยะกลาง ระยะส้นั รวมไปถงึ ระยะการคาดการณ์แบบ ฤดูกาลได้ใช้แบบจำลองภูมิอากาศโลก (GCMs) ในการศึกษาครั้งนี้ประเมินความสามารถของ RegCM 4.6.1 โดย ใช้เงื่อนไขเริ่มต้นและเงื่อนไขค่าขอบจากข้อมูล Climate Forecast System เวอร์ชัน 2 (CFSv2) จากศูนย์การ คาดการณ์สิ่งแวดแห่งชาติ NCEP เพื่อใช้ในการทำนายสภาพอากาศตามฤดูกาลของทวีปอเมริกาใต้ ในช่วงเวลา 3 เดอื น (กุมภาพันธ์ มีนาคม เมษายน 2018) โดยมีความละเอียดเชิงพ้นื ที่อยทู่ ่ี 25 กิโลเมตร โดยจะใช้การสปินอัฟข องแบบจำลองทั้งหมด 1 เดือนและกำหนดค่าพารามิเตอร์ของเมฆ (Grell-Emanuel, Emanuel และ Kain Fritsch) ในการคาดการณ์ของวิจยั นี้ Correa., 2019 ได้ทำการวิเคราะห์เบื้องต้นของข้อมูล Climate Forecast System version 2 (CFSv2) และนำไปใช้เป็นเงื่อนไขเริ่มต้นและเงื่อนไขค่าขอบเริ่มต้นของแบบจำลอง RegCM เวอร์ชัน 4.6 โดยนำมา คาดการณ์ค่าลมผิวดินและสภาพอากาศอื่น ๆ ที่ภูมิภาค Alcantara บนชายฝั่งรัฐ Maranhao ในช่วงเดือน หนา้ | 39 รายงานความกา้ วหนา้ การวจิ ยั (2 เดอื น) Inception Report
กุมภาพันธ์ 2018 ตรวจสอบความถูกต้องร่วมกับข้อมูลสังเกต ERA5 โดยผลจากการเปรียบเทียบความแม่นยำ พบวา่ จากการประมาณคา่ แบบ Ensemble ในชว่ งทา้ ยฤดูกาลจะใหก้ ารประเมินค่าดที ส่ี ดุ ในงานวจิ ัยน้ี Choobari, 2019 ได้ทำการศึกษาการพยากรณ์ระยะยาวตั้งแต่ช่วงปี 1981 ถีงปี 2010 โดยศึกษาจาก ข้อมูล Climate Forecast System version 2 (CFSv2) ร่วมกับชุดข้อมูลสังเกตจาก Climatic Research Unit (CRU) จากการศึกษาพบว่าข้อมูล CFSv2 ได้แสดงให้เห็นถึงค่าอุณหภูมิที่ต่ำกว่าที่บริเวณไหล่เขาทางตอนเหนือ ของเทือกเขา Alborz ที่มีลักษณะอากาศแบบเมดิเตอร์เรเนียน และแสดงให้เห็นถึงค่าอุณหภูมิที่สูงขึ้นที่บริเวณ พ้นื ทท่ี างตอนเหนือของอ่าวเปอรเ์ ซยี และทะเลโอมานทีม่ ีอากาศแห้งแล้ง สำหรบั ค่าอณุ หภมู ิ 2 เมตร เหนือภูมิภาค ตา่ ง ๆ ของอหิ รา่ นจะแตกต่างกันไปตามฤดกู าล โดยปกติคา่ อุณหภมู ิจะมีเกณฑ์อบอุ่นที่ฤดูใบไมผ้ ลแิ ละฤดูใบไม้ร่วง และค่าอุณหภูมิจะมีเกณฑ์สูงกว่าปกติที่ฤดูร้อน โดยทั่วไปแล้ว ค่าอุณหภูมิ 2 เมตรเหนืออิหร่านจะจับได้ดีกว่า ปริมาณน้ำฝน ซึ่งโดยทั่วไปจะให้ค่าปริมาณน้ำฝนสูงที่บริเวณตอนเหนือของอิหร่านตะวันตก ซึ่งในการศึกษานี้ พบว่าค่าอุณหภูมิที่ 2 เมตรค่อย ๆ เพิ่มสูงขึ้นที่อัตราประมาณ 0.5 เซลเซียสต่อทศวรรษ และข้อมูล CFSv2 ได้ให้ แนวโน้มไปในทิศทางเดยี วกัน ในขณะเดยี วกันแนวโนม้ การลดลงสงู สดุ ของปรมิ าณนำ้ ฝนรายปีบริเวณภาคตะวันตก และบางสว่ นบของภาคใต้ของอิหร่าน (เกอื บ 45 ถงึ 50 มม. ตอ่ ทศวรรษ) Rahman 2021 ได้ศึกษาแบบจำลองภูมิอากาศที่เป็นเครื่องมือทางวิทยาศาสตร์เพื่อตรวจสอบสภาพ อากาศในปัจจุบันและถือได้ว่าเป็นเครื่องมือการประมาณค่าที่น่าเชื่อถือได้สำหรับการคาดการณ์สภาพอากาศใน ปัจจบุ ันและอนาคต ซ่ึงในการศึกษานไี้ ด้พจิ รณาทแ่ี บบจำลอง RegCM เวอร์ชนั ที่ 4.7 ท่ไี ดถ้ กู พัฒนาข้ึนจากสถาบัน International Centre for Theoretical Physics หรือ ICTP เพื่อนำมาดใช้ในการประเมินจำลองสถานการณ์ฝน ของประเทศบังกลาเทศ ในช่วงปี 1991 ถึง 2018 โดยกำหนดใหเ้ ง่อื นไขเริ่มต้นและเงื่อนไขค่าขอบจากขอ้ มูล ERA- Interim 75 โดยพิจรณาที่ความละเอียดเชิงพ้ืนที่ท่ี 25 กิโลเมตร จากการศึกษาพบว่าการกระจายตัวเชงิ พื้นทีข่ อง ปริมาณนำ้ ฝนแบบจำลองได้ใหค้ ่าสงู กวา่ ข้อมลู สังเกตท่ีบริเวณชายฝ่ังตะวนั ออกเฉียงใต้ของประเทศบงั กลาเทศและ ให้คา่ ตำก่ ว่าข้อมูลสังเกตทภ่ี าคตะวนั ตกของเฉียงเหนือของประเทศบังกลาเทศ ท้งั นี้พบว่าทางภาคกลาวงและภาค ตะวันออกไดใ้ ห้ค่าที่ใกล้เคียงกับข้อมลู สงั เกตทีส่ มเหตสุ มผลเมื่อเปรยี บเทยี บโดยกระบวนการสถิติ รายงานความกา้ วหน้าการวิจัย (2 เดอื น) Inception Report หนา้ | 40
โครงการประเมินพื้นทเี่ สยี่ งภัยแล้งและความเสยี หายของพืชเกษตรรายแปลง ด้วยเทคโนโลยภี มู สิ ารสนเทศ ระยะที่ 2 3. ระเบยี บวธิ ีวจิ ยั 3.1 ขอบเขตการวจิ ยั การใช้เทคโนโลยีภูมิสารสนเทศในการประเมินพื้นที่เสี่ยงภยั และความเสียหายของพืชเกษตรรายแปลง มี ขอบเขตการวิจัย ดงั น้ี 3.1.1 การพัฒนาและปรับปรุงแบบจำลองการประเมินพื้นที่แห้งแล้งและความเสียหายของพืชต่อเนื่อง จากผลการวิจัยในปีที่ 1 โดยยังคงมุ่งดำเนนิ การในพืช 4 ชนิดหลักของประเทศ ได้แก่ ข้าว ข้าวโพด มันสำปะหลัง และอ้อย และดำเนินการตอ่ เนื่องในพ้นื ทเี่ ดิม 6 จังหวดั ได้แก่ กำแพงเพชร อุทัยธานี นครราชสีมา รอ้ ยเอ็ด สรุ ินทร์ และสกลนคร ซึ่งจะมีการเก็บข้อมูลความชื้นในดินจากสถานีที่ติดตั้งไว้แล้วในปีท่ี 1 ต่อเนื่องเพื่อการปรับปรุง แบบจำลองการประเมินพื้นที่แห้งแล้ง และมีการเก็บข้อมูลภาคสนามเพื่อนำผลมาทดสอบความถูกต้องกับผลที่ได้ จากแบบจำลอง รวมถึงการนำผลจากข้อมูลภาคสนามมาใช้ในการปรับปรุงแบบจำลอง ทั้งการประเมินพื้นที่แห้ง แลง้ และการประเมนิ ความเสียหายของพืช 3.1.2 การใช้ภาพถ่ายจากดาวเทียมรายละเอียดต่ำ (CHRIPS และ SMAP) รายละเอียดปานกลาง (Suomi NPP และ NOAA) และรายละเอียดสูง (Sentinel-2 และ Landsat8-9) สำหรบั นำมาปรบั ปรุงแบบจำลอง การประเมนิ พน้ื ทแ่ี ห้งแลง้ และความเสียหายของพชื 3.1.3 การเพ่ิมพืน้ ทศ่ี ึกษาในภาคกลาง 3 จังหวัด ไดแ้ ก่ นครสวรรค์ พจิ ิตร และสพุ รรณบรุ ี ท่เี ปน็ จงั หวัด ที่เกษตรกรขึ้นรับการช่วยเหลือจากรายงาน กษ.02 สูงกว่าจังหวัดอื่นของประเทศไทย ในพืชไร่ 3 ชนิด ได้แก่ ข้าวโพด มันสำปะหลังและอ้อย เพื่อเพิ่มตัวอย่างในการพัฒนาแบบจำลองประเมนิ ความเสยี หายของพืชให้มีความ แมน่ ยำและความนา่ เช่ือถอื ท่สี ูงขึ้นจากผลการวิจัยในปีที่ 1 3.1.4 การพัฒนาแบบจำลองการพยากรณ์พื้นทีเ่ ส่ียงภยั แลง้ ด้วยเทคโนโลยภี ูมสิ ารสนเทศ 3.1.5 การส่งเสริม ขับเคลื่อนการใช้งานแพลตฟอร์มในวงกว้างและปรับปรุงแพลตฟอร์มให้สอดคล้อง กบั ความต้องการจากผู้ใชง้ านและเปน็ การขยายผลการใช้งานให้ครอบคลมุ เพ่ิมข้ึนจากการดำเนินงานในปีที่ 1 3.2 รายละเอียดของขนั้ ตอนการดำเนนิ งานจริงตามแผนการดำเนนิ งาน 3.2.1 การปรบั ปรงุ แบบจำลองดชั นีประเมินพืน้ ทีเ่ ส่ยี งภัยแลง้ 1) ศึกษาและรวบรวมภาพถ่ายจากดาวเทียมที่มีศักยภาพและเกี่ยวข้องกับการประเมินพื้นท่ี เสี่ยงภัยแล้งและความเสียหายของพืช โดยพิจารณาถึงดาวเทยี มความละเอียดต่ำ (Low Resolution Satellites) ได้แก่ ดาวเทียม SMAP และดาวเทียม CHRIPS ดาวเทียมความละเอียดปานกลาง (Moderate Resolution Satellites) ได้แก่ ดาวเทยี ม Suomi NPP และดาวเทยี ม NOAA หนา้ | 41 รายงานความกา้ วหนา้ การวิจยั (2 เดอื น) Inception Report
2) ศกึ ษาและรวบรวมขอ้ มลู ปัจจยั ทางกายภาพท่ีเก่ียวข้องกับการประเมินพน้ื ท่ีเส่ียงภัยแล้งและ ความเสียหายของพืช ได้แก่ การใช้น้ำของพืช การคายระเหยน้ำ แผนที่ชุดดิน ปริมาณน้ำผิวดิน ปริมาณน้ำใต้ดิน การใชป้ ระโยชนท์ ่ดี นิ เป็นตน้ 3) ศกึ ษาและรวบรวมข้อมูลความช้นื ในดิน จากสถานีตรวจวดั ภาคพืน้ ดิน ท้งั ท่ี สทอภ. ตดิ ตั้งใน พื้นที่ และที่หน่วยงานอื่นติดตั้ง ซึ่งมีการตรวจวัดเป็นราย สามารถวิเคราะห์และประมวลผลเป็นรายสัปดาห์ และ รายเดือน 4) วิเคราะห์ดัชนีที่เกี่ยวข้องกับภัยแล้งจากดาวเทียม Suomi NPP และดาวเทียม NOAA ซึ่งมี ความถี่เป็นรายวัน ความละเอียด 1x1 กิโลเมตร ถูกคำนวณด้วยสมการสร้างเป็นดัชนี NDVI, LST, VCI, TCI และ VHI สามารถประมวลผลความละเอยี ดของชว่ งเวลาเปน็ รายสปั ดาห์ และรายเดือน 5) วิเคราะห์ดัชนีน้ำฝนมาตรฐาน (Standard Precipitation Index: SPI) จาดดาวเทียม CHRIPS ซ่ึงเป็นชดุ ข้อมลู ปรมิ าณนำ้ ฝนเปน็ รายวนั รายหา้ วนั และรายเดอื น ความละเอียด 5x5 กโิ ลเมตร 6) พัฒนาและปรับปรุงแบบจำลองการประเมินพื้นที่เสี่ยงภัยแล้ง โดยใช้ปัจจัยที่วิเคราะห์และ รวบรวมไดจ้ ากข้อ 2) – 6) โดยการประยกุ ต์ใชก้ ารเรียนรู้ดว้ ยเครื่องมือ Machine Learning ด้วยอัลกอรึทีมตา่ งๆ โดยมีตัวแปรคำตอบเป็นพื้นที่เพาะปลูกที่เคยประสบความเสียหาย กับปริมาณความชื้นในดิน ดังแสดงใน 7) รูปท่ี 3- 1 รายงานความก้าวหนา้ การวิจยั (2 เดอื น) Inception Report หนา้ | 42
โครงการประเมินพื้นทีเ่ สยี่ งภัยแล้งและความเสยี หายของพืชเกษตรรายแปลง ด้วยเทคโนโลยภี ูมิสารสนเทศ ระยะที่ 2 รูปที่ 3- 1 การพัฒนา/ ปรบั ปรุงแบบจำลองในการประเมินพนื้ ที่เสยี่ งภัยแล้ง 3) ตรวจสอบความถูกต้องของแบบจำลองประเมินพื้นที่แห้งแล้งโดยใช้ข้อมูลจาก 4 แหล่งใน การตรวจสอบและนำมาปรบั ปรุงแบบจำลอง ได้แก่ 3.1) ข้อมูลการขึ้นทะเบียนเกษตรกรที่แจ้งความเสียหายของพืช จำนวน 30 เปอร์เซ็นต์ รวบรวมจากกรมส่งเสริมการเกษตร 3.2) ขอ้ มูลความชืน้ ในดนิ จากสถานีตรวจวดั ในพน้ื ท่ี 6 จังหวดั 3.3) ข้อมูลความชื้นในดินจากการตรวจวัดภาคพื้นดิน ด้วยวิธีการสุ่มตัวอย่างในพื้นท่ี 9 จงั หวัด 3.4) ข้อมูลการสำรวจภัยแลง้ ในระดับทอ้ งถิ่นจากกรมป้องกันและบรรเทาสาธารณภัยท่ี ใชป้ ระกอบการประกาศภัยแล้งครอบคลุ มพ้นื ท่ี 9 จังหวัด โดยการสอบเทียบระหว่างเปอร์เซ็นต์ความแห้งแล้งที่ประเมินได้จากแบบจำลองเทียบกับ ข้อมูลการตรวจวัดภาคพื้นดินทั้ง 4 แหล่ง โดยมีสมมุติฐานว่า แปลงที่ขึ้นทะเบียนความเสียหาย หรือตำแหน่งที่มี ความชน้ื ในดนิ ตำ่ หรอื ตำแหนง่ หมู่บ้านทปี่ ระสบภยั แลง้ จะมีคา่ เปอรเ์ ซ็นต์ความแหง้ แล้งสูง 3.2.2 การปรับปรงุ แบบจำลองการประเมินความเสยี หายของพืชเกษตรรายแปลง 1) ศึกษาและรวบรวมภาพถ่ายจากดาวเทียมที่มีศักยภาพและเกี่ยวข้องกับการประเมินพื้นท่ี เสี่ยงภัยแล้งและความเสียหายของพืช โดยพิจารณาถึงดาวเทียมความละเอียดสูง (Hi Resolution Satellites) ได้แก่ ดาวเทียม Sentinel-2 และดาวเทยี ม Landsat8-9 หน้า | 43 รายงานความก้าวหนา้ การวจิ ัย (2 เดือน) Inception Report
2) รวบรวมข้อมูลแปลงเกษตรกรจากการขึ้นทะเบียนเกษตรกร โดยกรมส่งเสริมการเกษตร เพม่ิ เติมจากโครงการวิจัยระยะที่ 1 ซึ่งระบสุ ถานภาพการเพาะปลูกของเกษตรกร ตงั้ แตว่ นั ท่เี ร่ิมเพาะปลูก วันเก็บ เกี่ยว ชนิดพืช พันธุ์พืชที่ปลูก ฯลฯ และจัดทำให้อยู่ในรูป Geospatial Database พร้อมใช้ โดยงานวิจัยนี้จะใช้ ข้อมูลแปลงเกษตรกรหรือผังแปลงเกษตรกรรมดิจิทัลของกรมส่งเสริมการเกษตร ที่เป็นแผนที่ขอบเขตแปลง เพาะปลูกของเกษตรกรที่มีการระบุพิกัดทางภูมิศาสตร์จากการขึ้นทะเบียนเกษตรกรในแต่ละฤดูกาลเพาะปลูกกับ กรมส่งเสริมการเกษตร โดยมีการระบุข้อมูลประกอบ เช่น ชื่อเกษตร พืชที่เพาะปลูก พันธุ์พืช วันที่เริ่มเพาะปลูก วนั ทค่ี าดว่าจะเก็บเกย่ี วผลผลิต เปน็ ต้น 3) รวบรวมข้อมูลที่เกษตรกรเคยแจ้งขึ้นทะเบียนของรับการเยียวยาจากความเสียหายจากภัย ธรรมชาติเพิ่มเติมจากโครงการวิจัยระยะที่ 1 ได้แก่ แบบประมวลผลรวมช่วยเหลอื เกษตรกรผู้ประสบภยั (กษ.02) จากกรมส่งเสรมิ การเกษตรท่รี ะบพุ กิ ดั ของแปลงที่เสียหาย รวมถงึ วันท่ีแจ้งขอรับการชว่ ยเหลือ 4) วิเคราะห์ดัชนีที่เกี่ยวข้องกับภัยแล้งจากดาวเทียม Sentinel-2 และดาวเทียม Landsat8-9 ซึ่งมีความถี่เป็นราย 5 วัน ความละเอียด 20x20 เมตร ถูกคำนวณด้วยสมการสร้างเป็นดัชนี NDVI, NDWI, CI, MNDWI, SAVI, IPVI, MCARI, REIP, S2REP และ NDRE สามารถประมวลผลความละเอียดของช่วงเวลาเป็นราย 2 สปั ดาห์ และรายเดอื น 5) การพัฒนาและปรับปรุงแบบจำลองการประเมินความเสียหายของพืชรายแปลงจะใช้ข้อมูล แปลงจากทะเบียนเกษตรกรที่ไม่เคยเสียหายและแปลงที่เคยได้รับความเสียหาย (กษ.02) จากภัยแล้ง จากที่ได้ รวบรวมไว้แบ่งเป็น 70% สำหรับการพัฒนาแบบจำลองและ 30% สำหรับการทดสอบแบบจำลอง โดยจะ ประยกุ ต์ใชก้ ารเรียนร้ดู ว้ ย Machine Learning วธิ ีต่างๆ จากตัวแปรคำตอบของแปลงที่ไมเ่ คยเสยี หาย แปลงที่เคย เสยี หายจากภยั แล้งและดัชนพี ืชพรรณ ดังแสดงในรปู ที่ 3- 2 รายงานความกา้ วหนา้ การวิจัย (2 เดือน) Inception Report หน้า | 44
โครงการประเมนิ พน้ื ทเ่ี สี่ยงภัยแล้งและความเสียหายของพชื เกษตรรายแปลง ดว้ ยเทคโนโลยภี ูมสิ ารสนเทศ ระยะที่ 2 รูปที่ 3- 2 การพัฒนา/ ปรบั ปรงุ แบบจำลองในการประเมินความเสียหายของพืชเกษตรรายแปลง 4) ตรวจสอบความถูกต้องของแบบจำลองประเมินความเสียหายของพืช 4 ชนิดรายแปลง จะ ใช้ข้อมูลจาก 3 แหล่งในการตรวจสอบและนำมาปรบั ปรุงแบบจำลอง ไดแ้ ก่ 4.1) ข้อมูลจากรายงานความเสียหายของพืชรายแปลงจากรายงาน กษ.02 ที่เคยเกิดข้นึ ในอดีตของพืชท้ัง 4 ชนิด ครอบคลุมพื้นที่ 9 จังหวัด ทั้ง 6 จังหวัดทีเ่ ปน็ พ้ืนทีศ่ ึกษาเดมิ และ 3 จังหวัดทีเ่ ป็นพื้นท่ี ศึกษาใหมใ่ นปที ี่ 2 4.2) การสำรวจภาคสนามเพื่อนำผลการวิเคราะห์จากแบบจำลองไปตรวจสอบและยัน ยืนความถูกต้องให้ครอบคลุมในพืชทั้ง 4 ชนิด และ 9 จังหวัดที่เป็นพื้นที่ศึกษา โดยจะมีเจ้าหน้าที่กรมส่งเสริม การเกษตรและอาสาเกษตรหม่บู ้านรว่ มดำเนนิ การให้การเก็บขอ้ มลู ภาคสนาม รูปที่ 3- 3 รูปท่ี 3- 3 กระบวนการตรวจสอบความถูกต้องของการประเมนิ แปลงเกษตรของพชื ท่คี าดวา่ จะไดร้ ับความเสียหาย 4.3) การตรวจสอบความเสียหายของพืชเกษตรราย จากเครื่องมือตรวจวัด ซึ่ง ประกอบด้วย เครื่องมือตรวจวัดค่าความชื้นในดิน ค่าอุณภูมิของดิน รวมถึงการใช้แพลตฟอร์ม EO factory เพื่อ ติดตามการเปลี่ยนแปลง รวมทั้งผลจากการประมวลผลข้อมูลภาพถ่ายจากอากาศยานไร้คนขับ (Drone) เพ่ือ จัดเก็บเป็นฐานข้อมูลในการสอบเทียบ ร่วมกับดัชนีเสี่ยงภัยแล้ง Drought Risk Index (DRI) เพื่อศึกษา ความสัมพนั ธ์ท่ีเกดิ ขึ้นในการประเมินความเสยี หายของพืชรายแปลง หน้า | 45 รายงานความกา้ วหนา้ การวจิ ยั (2 เดอื น) Inception Report
รูปท่ี 3- 4 กระบวนการตรวจสอบความเสยี หายของพชื ด้วยอุปกรณ์ Drone 3.2.3 การพัฒนาแบบจำลองการพยากรณ์พืน้ ที่เสี่ยงภยั แล้ง การพยากรณ์พน้ื ท่ีเส่ียงภยั แล้งจะเป็นการพฒั นาแบบจำลองท่ใี ชข้ ้อมลู พยากรณส์ ภาพภมู ิอากาศ ประมวลผลร่วมกบั ดชั นีพ้ืนที่ภยั แลง้ (DRI) ท่ีพัฒนาขึน้ จากโครงการวจิ ยั ระยะท่ี 1 โดยมีขัน้ ตอน ดงั น้ี 1) การหาความสัมพนั ธข์ องดัชนีพืน้ ทีแ่ ห้งแล้ง (DRI) กับพารามิเตอร์ดา้ นสภาพอากาศ เชน่ SPI และ LST ท่เี คยเกิดข้นึ ในอดีต เพอ่ื ศึกษาและคัดเลือกพารามิเตอร์ด้านสภาพอากาศที่สอดคลอ้ งกับพืน้ ท่แี หง้ แลง้ 2) การพัฒนาระบบแบบจำลองบรรยากาศ (Regional Climate Model) หรือ RegCM version-5 เพื่อทำการพยากรณ์สภาพภูมิอากาศล่วงหน้ารายฤดูกาลระดับภูมิภาคของประเทศไทย ซึ่งเป็น แบบจำลองภูมิอากาศเชงิ ตัวเลขของระบบพยากรณ์อากาศระดบั กลาง (Mesoscale) ที่ได้รบั การพัฒนาจากองค์กร นานาชาติ International Centre for Theoretical Physics (ICTP) โดยระบบข้อมูลนำเข้าของแบบจำลองจะ ประกอบด้วย 4 ส่วนด้วยกัน ได้แก่ ข้อมูลภูมิประเทศ ข้อมูลอุณหภูมิผิวน้ำทะเล ข้อมูลบรรยากาศ และข้อมูล พืน้ ผวิ เพื่อนำไปใช้ในการพยากรณส์ ภาพภมู อิ ากาศล่วงหน้ารายฤดูกาลของประเทศไทยใน 3 เดือนล่วงหน้า 3) การพัฒนาแบบจำลองการพยากรณ์พื้นที่เสี่ยงภัยแล้ง โดยใช้ข้อมูลจากสองแหล่งข้อมูล ด้วยกันนั้นคือ 1) ข้อมูลพยากรณ์สภาพภูมิอากาศที่ได้กรมอุตนุ ิยมวิทยา 2) แบบจำลองพยากรณ์สภาพภูมิอากาศ (RegCM version 5) รูปที่ 3- 5 โดยรายละเอียดเบื้องต้นของแบบจำลองแสดงดังรูปท่ี 5 เพื่อเป็นข้อมูลสนับสนุน การพยากรณด์ ชั นี DRI ล่วงหนา้ เปน็ รายฤดูกาล รายงานความก้าวหนา้ การวิจัย (2 เดอื น) Inception Report หนา้ | 46
โครงการประเมนิ พืน้ ที่เสย่ี งภยั แลง้ และความเสยี หายของพชื เกษตรรายแปลง ดว้ ยเทคโนโลยภี ูมสิ ารสนเทศ ระยะท่ี 2 รปู ท่ี 3- 5 RegCM version 5 modelling system flow chart รูปที่ 3- 6 รายละเอียดเบ้ืองต้นของแบบจำลองทใ่ี ชใ้ นการพยากรณ์ 3.2.4 การปรงุ ปรุงและพฒั นาแพลตฟอร์ม 1) กรอบแนวคิดในการปรับปรงุ และพฒั นาแพลตฟอร์ม การปรับปรุงและพัฒนาแพลตฟอรม์ ในครั้งน้ี ได้ศึกษาจากแพลตฟอร์มทม่ี ีอยู่ ได้แก่ เว็บแอป พลิเคชัน http://cropsdrought.gistda.or.th และโมบายแอปพลิเคชัน “เช็คแล้ง” นอกจากนี้ยังได้ศึกษาความ หนา้ | 47 รายงานความก้าวหนา้ การวิจยั (2 เดอื น) Inception Report
ต้องการของผู้ใช้งานโดยการประชุมหารือกับหน่วยงานที่เกี่ยวข้อง และสัมภาษณ์จากผู้ใช้งานจริง ทั้งนี้ในการ ปรับปรุงและพัฒนาแพลตฟอร์มได้ใช้หลักทฤษฎีวงจรการพัฒนาระบบ (System Development Life Cycle : SDLC) และพัฒนาแพลตฟอร์มในรูปแบบเว็บแอปพลิเคชัน (Web Application) และโมบายแอปพลิเคชัน (Mobile Application) ดงั แสดงในรูปท่ี 3- 10 รูปที่ 3- 7 กรอบแนวคดิ ในการปรับปรุงและพฒั นาแพลตฟอร์ม 2) โครงสรา้ งของระบบ การออกแบบโครงสร้างของระบบในการปรับปรงุ และพฒั นาครง้ั น้ี ประกอบด้วย 4 สว่ น รปู ท่ี 3- 8 อธิบายได้ดงั นี้ 2.1) ส่วนผู้ใช้งาน (Client) เป็นส่วนต่อประสานผู้ใช้ โดยในส่วนของเว็บแอปพลิเคชัน (Web Application) จะเรยี กใชง้ านผา่ นเว็บบราวเซอร์ต่างๆ เชน่ Mozilla Firefox Google Chrome Microsoft Edge เป็นต้น และในส่วนของโมบายแอปพลิเคชัน (Mobile Application) จะเรียกใช้งาน Application ผ่าน อุปกรณ์เคลื่อนที่ เช่น สมาร์ทโฟน แล็ปท๊อป เป็นต้น เพื่อส่งคําร้องขอข้อมูลผ่าน HTTP Request ไปยังส่วนเว็บ เซิรฟ์ เวอร์ (web server) 2.2) ส่วนเว็บเซิร์ฟเวอร์(Web server) ทำหน้าที่ให้บริการ ประมวลผลข้อมูลในรูปแบบ การสง่ ขอ้ มลู ในลักษณะ Representational State Transfer API (REST API) ซึ่งเป็นรปู แบบการส่งข้อมูลระหว่าง Server กับ Client รูปแบบหนึ่ง ซึ่งอยู่บนพื้นฐานของ HTTP Protocol เป็นการสร้าง Web Service เพื่อ รายงานความก้าวหน้าการวิจยั (2 เดือน) Inception Report หนา้ | 48
โครงการประเมินพ้ืนที่เส่ยี งภัยแล้งและความเสยี หายของพชื เกษตรรายแปลง ด้วยเทคโนโลยภี มู ิสารสนเทศ ระยะที่ 2 แลกเปลี่ยนข้อมูลกันผ่านเว็บแอปพลิเคชันโดยใช้ Express ซึ่งสร้างบนพื้นฐานของ Node.js ซึ่งเป็นการเขียน โปรแกรมเซิร์ฟเวอร์โดยใช้ภาษา JavaScript โดยในส่วนการของประมวลผลระบบจะนำไปติดตั้งบน GOOGLE CLOUD PLATFORM โดยใช้โปรแกรม Docker เพอ่ื ให้ระบบที่พฒั นาขึน้ มีประสทิ ธภิ าพในเรื่องการประมวลผล รูปท่ี 3- 8 โครงสรา้ งของระบบ 3) โครงสร้างของฐานขอมูล การจัดทำฐานข้อมลู ท่ีใชแ้ สดงผลในระบบ มีการออกแบบฐานขอ้ มูล เพ่ือแสดงผลในรปู แบบ รายการข้อมูลตารางคณุ ลักษณะ (Feature tables) และการแสดงผลบนแผนที่ซึง่ จะถกู เก็บไว้ในฟลิ ด์ Geometry และ Rast โดยฐานขอ้ มลู ใช้โปรแกรมจดั เก็บข้อมูล PostgreSQL ท่มี ีฟงั กช์ ัน POSTGIS ซ่ึงมคี วามสามารถในการ ทำงานกับข้อมลู เชิงพืน้ ที่ และใช้โปรแกรม PgAdmin สำหรับการจัดการฐานข้อมลู หน้า | 49 รายงานความก้าวหน้าการวจิ ัย (2 เดือน) Inception Report
รปู ท่ี 3- 9 โครงสร้างของฐานขอมูล 4) การวเิ คราะห์ระบบ (Analysis) ความต้องการของระบบ ระบบสามารถทำงานได้อย่างมีประสิทธิภาพ ลดขั้นตอนในการ ปฏิบัติงาน มีการจัดการเก็บ และจัดการฐานข้อมูลอย่างเป็นระบบ และมีการประมวลผลได้อย่างถูกต้อง และนำ ขอ้ มลู ไปใช้ในการบรหิ ารจดั การให้เกิดประสิทธภิ าพ และมีการควบคมุ และรักษาความปลอดภยั ในการเข้าใชง้ านร ความต้องการของผู้ใช้งาน ระบบสามารถใช้งานได้ง่าย มีความเหมาะสมของตัวอักษร ท้ัง ขนาด สี และรปู ภาพ และเป็นมาตราฐานเดยี วกัน การนำเขา้ ขอ้ มูล ประมวลผลขอ้ มูล ลบหรือปรบั ปรุงขอ้ มูล และ รายงานต่าง ๆ มีประสิทธภิ าพ ตอบสนองต่อความต้องการของผู้ใชง้ าน และระบบรกั ษาความปลอดภัยของข้อมูล มีการกำหนดรหสั ผใู้ ชง้ าน และรหัสผ่านในการตรวจสอบผใู้ ชง้ าน 5) การออกแบบระบบ (Design) การออกแบบระบบ โดยคำนงึ ถึงตามความต้องการสามารถนำมาออกแบบกระบวนการ และ การแสดงผลต่างๆ ในแพลตฟอร์มได้ โดยแบ่งเป็น (1) มาตรฐานการให้บริการข้อมูล (2) การแสดงผลข้อมูลดัชนี เสี่ยงภัยแลง้ (3) การแสดงผลความเสียหายของพืชรายแปลง (4) การแสดงผลชั้นข้อมูลอื่น ๆ (5) การแสดงแผนท่ี พื้นหลัง (6) การติดตามการใช้งานผ่านระบบ Google Analytics และ App Store/play Store และ (7) การ ลงทะเบียนเพือ่ ขอรบั บริการขอ้ มูลจากระบบ 6) การพัฒนาระบบ (Development) หลังจากการวิเคราะห์ระบบ และออกแบบระบบ ได้นำสิ่งที่ออกแบบไว้มาพัฒนาระบบตาม คุณลักษณะ และรูปแบบต่าง ๆ ที่กำหนดไว้ และพัฒนาในลักษณะเว็บแอปพลิเคชัน (Web Application) และโม บายแอปพลิเคชัน (Mobile Application) โดยเครื่องมือที่ใช้ในการพัฒนาแบ่งตามลักษณะของแพลตฟอร์ม ดัง แสดงใน ตารางท่ี 3- 1 ตารางท่ี 3- 1 เครือ่ งมอที่ใช้ในการพัฒนาระบบ แพลตฟอร์ม เทคโนโลยแี ละภาษาทีใ่ ช้ การออกแบบส่วนตอ่ ประสานกราฟกิ กับผ้ใู ช้ ในการพฒั นาระบบ (Graphic user interface: GUI) เว็บแอปพลเิ คชัน (Web Application) - ภาษาทใี่ ช้ในการพฒั นา คือ - หนกั หลกั (Home) JavaScript, Html, CSS - เก่ยี วกบั เรา (About Us) - คลงั ความรู้ (Knowledge) - ฐานข้อมลู คือ PostgreSQL - แผนท่ี (Map) - โปรแกรมจดั การฐานขอ้ มูล คือ - ประชาสัมพันธ์ (Public Relations) - ติดตอ่ เรา Pg Admin รายงานความก้าวหนา้ การวจิ ัย (2 เดือน) Inception Report หน้า | 50
โครงการประเมนิ พน้ื ท่ีเสยี่ งภัยแลง้ และความเสียหายของพชื เกษตรรายแปลง ด้วยเทคโนโลยภี ูมิสารสนเทศ ระยะที่ 2 แพลตฟอร์ม เทคโนโลยีและภาษาท่ใี ช้ การออกแบบส่วนตอ่ ประสานกราฟิกกับผู้ใช้ ในการพัฒนาระบบ (Graphic user interface: GUI) โมบายแอปพลเิ คชนั (Mobile - ภาษาท่ใี ช้ในการพฒั นา คือ - หนกั หลัก/เข้าสรู่ ะบบ (Home) Application) Flutter, JavaScript - เกยี่ วกับเรา (About Us) - ผู้ใชง้ าน - ฐานขอ้ มูล คือ PostgreSQL - เชค็ -แผนทท่ี ่ีเส่ยี งภยั แล้ง - โปรแกรมจัดการฐานขอ้ มลู คือ - เชค็ -แลง้ รายจังหวดั - เชค็ -แปลงเกษตร Pg Admin 7) การทดสอบระบบ (Testing) เมื่อพัฒนาโปรแกรมเสร็จแล้วได้ดำเนินการทดสอบ โดยใช้วิธีการทดสอบแบบกล่องดำ (Black Box Testing) คือทดสอบผลลัพธ์ที่ได้จากการประมวลผล โดยการนําเข้าข้อมูลเพื่อตรวจสอบผลลัพธ์ที่ได้ ว่าถูกต้องหรือไม่ และทำการทดสอบทุกกระบวนการ (Process) เพื่อดูความเชื่อมกันของแต่ละกระบวนการ (Process) จากนั้นได้ให้ผู้ดูแลระบบและผู้ใช้ระบบทำการทดสอบการใช้งานเมื่อมีข้อผิดพลาดของการทำงาน ผู้ ประเมินจะทำการแกไ้ ขโปรแกรมเพ่ือให้สามารถทำงานได้ถูกต้องตามที่ต้องการ 8) ตดิ ตง้ั ระบบ (Implementation) เมื่อทดสอบระบบเรียบร้อยแล้ว ได้ดำเนินการติดตั้งระบบบน GOOGLE CLOUD PLATFORM เพื่อใช้ระบบที่พัฒนาขึ้นทันที โดยใช้โปรแกรม Docker เป็นโปรแกรมที่ทำหน้าที่เป็นเว็บเซิรฟเวอร์ (Web Server) เพื่อเริ่มต้นการใช้งานแพลตฟอร์ม ในเครื่องแม่ข่าย (Server) ก่อนจะนำแพลตฟอร์มติดตั้งบน CLOUD PLATFORM โดยในส่วนของ เว็บแอปพลิเคชัน (Web Application) สามารถใช้งานผ่านเว็บบราวเซอร์ ต่างๆ เช่น Mozilla Firefox Google Chrome Microsoft Edge เป็นต้น และในส่วนของโมบายแอปพลิเคชัน (Mobile Application) จะเรียกใช้งานผ่านอุปกรณ์เคลอ่ื นท่ี เช่น สมาร์ทโฟน แล็ปทอ๊ ป เปน็ ต้นบำรงุ รักษา 9) การบำรงุ รกั ษาระบบ (Maintenance) ภายหลังจากระบบได้ติดตั้งและใช้งานเป็นที่เรียบร้อยแล้ว ได้มีการบำรุงรักษาระบบเพ่ือ ปรบั ปรุงให้ตรงตามความต้องการของผใู้ ช้งาน และการปรับระบบให้มปี ระสิทธิภาพมากย่งิ ขนึ้ การบำรงุ รักษาระบบ ทีผ่ ่านมา ประกอบดว้ ย 9.1) การบำรุงรักษาระบบด้วยการแก้ไขให้ถูกต้อง หลงั จากทไ่ี ดใ้ ช้ระบบไประยะหนึ่งผู้ใช้งาน หรือ ผู้ดูแลระบบ ได้พบข้อผิดพลาดบางอยา่ ง ที่ไม่ตรวจพบในการทดสอบระบบ จึงแจ้งผู้ประเมนิ ให้ปรับแก้ไขให้ ถูกต้องตามความตอ้ งการ 9.2) การบำรุงรกั ษาระบบด้วยการปรับปรุงใหด้ ียิ่งข้นึ เมอ่ื ผใู้ ช้งาน หรอื ผู้ดูแลระบบใช้งานไป สักระยะหนึ่ง ได้มีการประสานผู้รับประเมิน เพื่อขอเพิ่มกระบวนการ(Process) การทำงาน เพื่อให้เกิด หนา้ | 51 รายงานความกา้ วหน้าการวิจัย (2 เดอื น) Inception Report
ประสทิ ธิภาพ และลดข้นั ตอนการทำงานบางอยา่ ง ให้สะดวกมากยิ่งขนึ้ ผู้รบั การประเมิน จึงไดด้ ำเนินการพฒั นาใน สว่ นทผ่ี ใู้ ชง้ านหรือผู้ดแู ลระบบร้องขอ 3.2.5 การติดตามประเมนิ ผล ขบั เคล่ือนและส่งเสรมิ การใชง้ านแพลตฟอร์ม 1) หน่วยงานส่วนกลางระดับนโนบาย ได้แก่ สำนักปลัดกระทรวงเกษตรและสหกรณ์ กรม ส่งเสริมการเกษตร กรมชลประทาน กรมป้องกันและบรรเทาสาธารณภัยและสำนักงานทรัพยากรน้ำแห่งชาติ รว่ มกับสำนักงานพฒั นาเทคโนโลยีอวกาศและภมู สิ ารสนเทศ (องคก์ ารมหาชน) และกรมอตุ ุนิยมวทิ ยา ลงพื้นที่เพื่อ ร่วมขับเคลื่อนการใช้แพลตฟอร์มเพื่อสนับสนุนการตัดสินใจให้เกิดการช่วยเหลือ และลดความเสียหายของพืช ให้กบั เกษตรกร โดยมแี นวทางการดำเนินงานดงั รปู ท่ี 3- 10 2) หน่วยงานระดับพื้นท่ี เช่น สำนักงานเกษตรจังหวัด สำนักงานเกษตรอำเภอ อาสาเกษตร หมู่บ้าน โครงการชลประทานจังหวัด ปภ.จังหวัด ร่วมกับหน่วยงานจากส่วนกลางจะลงพื้นที่เพื่อนขับเคลื่อน ส่งเสริมและสร้างกลไกการมีส่วนร่วม รวมถึงการอบรมเชิงปฏิบัติการ เพื่อการขยายพื้นที่ในวงกว้าง ครอบคลุม พื้นที่ภัยแล้งระดับสูงทั้งหมด (เกษตรอำเภอทั่วประเทศ 9 เขต/หน่วยงานที่เกี่ยวข้องในพื้นท่ี/ หัวหน้ากลุ่ม เกษตรกร 900 คน) 3) การปรับปรุงแพลตฟอร์มเพื่อสนับสนุนการตัดสินใจให้กับหน่วยงานระดับนโยบาย ระดับ พื้นท่ี และเป็นเครื่องมือในการแจ้งเตือนภัยให้กับเกษตรกร เพื่อการป้องกัน เฝ้าระวัง และลดผลกระทบ ต่อความ เสียหายของพืชเกษตร รวมถึงการช่วยเหลือ เยียวยาให้กับผู้ประสบภัยแล้ง ได้ถูกต้อง แม่นยำ และทันต่อ สถานการณ์ รูปที่ 3- 10 การตดิ ตามประเมินผล ขบั เคลื่อนและสง่ เสรมิ การใช้งานแพลตฟอรม์ ให้กบั ทกุ ภาคสว่ น ตาม หลกั เกณฑก์ ารให้ความชว่ ยเหลอื ผปู้ ระสบภยั พิบตั ดิ ้านการเกษตร รายงานความก้าวหนา้ การวิจัย (2 เดอื น) Inception Report หนา้ | 52
โครงการประเมนิ พืน้ ที่เสยี่ งภัยแล้งและความเสยี หายของพชื เกษตรรายแปลง ด้วยเทคโนโลยภี มู สิ ารสนเทศ ระยะที่ 2 4. สรุปความก้าวหนา้ ผลการวิจยั 4.1 การปรบั ปรุงแบบจำลองดัชนีพื้นทเ่ี สี่ยงภัยแลง้ 4.1.1 ผลการศึกษาและรวบรวมข้อมูลน้ำฝนรายเดือน จากดาวเทียม CHRIPS ความละเอียดเชิงพื้นท่ี 5x5 กิโลเมตร รปู ท่ี 4- 1 ตัวอย่างข้อมลู น้ำฝนรายเดือน ปี พ.ศ.2565 จากดาวเทียม CHRIPS 4.1.2 ผลการศกึ ษาและรวบรวมข้อมูลความชื้นในดนิ จากดาวเทยี ม SMAP รูปที่ 4- 2 ตวั อย่างข้อมลู SSM จากดาวเทยี ม SMAP ความละเอยี ด 1x1 กิโลเมตร หนา้ | 53 รายงานความก้าวหนา้ การวจิ ยั (2 เดือน) Inception Report
4.1.3 ผลการวเิ คราะหด์ ชั นที เ่ี กย่ี วขอ้ งกบั ภยั แลง้ จากดาวเทยี ม Suomi NPP และดาวเทียม NOAA ความ ละเอยี ด 1x1 กิโลเมตร ถกู คำนวณดว้ ยสมการสรา้ งเปน็ ดัชนี NDVI, LST, VCI, TCI และ VHI รปู ท่ี 4- 3 ตวั อยา่ งการวเิ คราะหด์ ัชนภี ยั แลง้ จากดาวเทยี ม Suomi NPP และดาวเทยี ม NOAA สปั ดาหท์ ี่ 1 -4 ของปี พ.ศ.2565 รายงานความกา้ วหนา้ การวิจยั (2 เดอื น) Inception Report หน้า | 54
โครงการประเมนิ พน้ื ที่เสี่ยงภยั แล้งและความเสยี หายของพชื เกษตรรายแปลง ดว้ ยเทคโนโลยภี มู ิสารสนเทศ ระยะท่ี 2 4.1.4 ผลการศกึ ษาและรวบรวมขอ้ มูลปจั จัยทางกายภาพที่เก่ียวข้องกับการประเมนิ พน้ื ท่ีเสี่ยงภัยแล้งและ ความเสียหายของพชื ได้แก่ การใช้น้ำของพืช แผนทช่ี ดุ ดนิ ปรมิ าณนำ้ ผวิ ดิน ปรมิ าณน้ำใต้ดิน ศักยภาพน้ำบาดาล การใช้ประโยชนท์ ดี่ นิ เปน็ ต้น กลุม่ ชดุ ดนิ พืน้ ท่ีชลประทาน ปริมาณน้ำใต้ดนิ (ท่ีมา: กรมพัฒนาท่ีดนิ ) (ท่ีมา: กรมชลประทาน) (ทีม่ า: กรมทรัพยากรนำ้ ยาดาล) การใช้ประโยชน์ท่ดี นิ การคายระเหยน้ำ ปริมาณน้ำใต้ดนิ (ท่มี า: ESA2021) (ที่มา: ดาวเทียม MODIS ) (ที่มา: ดาวเทียม Grace) รปู ท่ี 4- 4 ขอ้ มลู ปจั จยั ทางกายภาพที่เกีย่ วข้องกับการประเมินพ้นื ทีเ่ สยี่ งภยั แลง้ หน้า | 55 รายงานความก้าวหน้าการวิจยั (2 เดือน) Inception Report
4.2 การปรบั ปรงุ แบบจำลองการประเมนิ ความเสียหายของพืชเกษตรรายแปลง 4.2.1 ผลการรวบรวมข้อมูลแบบประมวลรวมช่วยเหลือเกษตรกรผู้ประสบภัยจากภัยแล้ง (กษ.02) จาก กรมส่งเสริมการเกษตร ตั้งแต่ พ.ศ. 2558 – 2564 ครอบคลุมพืช 4 ชนิด ได้แก่ ข้าว ข้าวโพด มันสำปะหลังและ อ้อย ในพ้นื ท่ศี ึกษา 9 จงั หวดั จำนวนทงั้ ส้นิ 97,444 แปลง (ตารางท่ี 4- 1 รปู ที่ 4- 5) ตารางที่ 4- 1 สรปุ จำนวนแปลงเกษตรกรทปี่ ระสบภัยแล้ง แยกรายพืช ในพ้ืนท่ี 9 จังหวัด จงั หวดั ขา้ ว ข้าวโพด มันสำปะหลงั อ้อย รวม นครสวรรค์ 7,240 791 1 22 8,054 พจิ ิตร 3,708 509 26 9 4,252 กำแพงเพชร 126 32 0 0 158 สุพรรณบุรี 7,767 190 0 0 7,957 อุทยั ธานี 6,961 376 84 58 7,479 นครราชสมี า 35,265 0 0 39,544 สรุ ินทร์ 2,032 4,279 0 0 2,032 รอ้ ยเอด็ 27,221 0 0 0 27,221 สกลนคร 747 0 0 0 747 รวม 91,067 0 89 97,444 111 6,177 รายงานความก้าวหน้าการวจิ ยั (2 เดอื น) Inception Report หนา้ | 56
โครงการประเมนิ พ้ืนที่เส่ียงภัยแล้งและความเสียหายของพชื เกษตรรายแปลง ดว้ ยเทคโนโลยภี ูมสิ ารสนเทศ ระยะที่ 2 จังหวัดกำแพงเพชร จงั หวัดพจิ ิตร จงั หวัดนครราชสมี า จงั หวัดสุพรรณบุรี จงั หวดั นครสวรรค์ จังหวดั รอ้ ยเอ็ด จงั หวดั อุทัยธานี จงั หวดั สกลนคร จังหวัดสรุ ินทร์ รปู ที่ 4- 5 ขอ้ มลู แปลง กษ.02 ทเ่ี สยี หายจากภยั แล้ง 1) ผลการวิเคราะห์ดัชนีที่เกี่ยวข้องกับภัยแล้งจากดาวเทียม Sentinel-2 และดาวเทียม Landsat8-9 ซึ่งมีความถี่เป็นราย 5 วัน ความละเอียด 20x20 เมตร ถูกคำนวณด้วยสมการสร้างเป็นดัชนี NDVI, NDWI, CI, MNDWI, SAVI, IPVI, MCARI, REIP, S2REP และ NDRE สามารถประมวลผลความละเอียดของ ชว่ งเวลาเป็นราย 2 สัปดาห์ และรายเดอื น (รปู ท่ี 4- 6 ถงึ รปู ที่ 4- 15) หนา้ | 57 รายงานความก้าวหน้าการวจิ ยั (2 เดือน) Inception Report
2) Normalized Difference Vegetation Index (NDVI) แสดงให้เห็นถึงการเพาะปลูกพืชได้ อย่างชัดเจนจากสิ่งที่ปกคลุมดิน โดยค่าดัชนีจะสะท้อนค่าพืชพรรณอย่างชัดเจนในช่วงเดือนมิถุนายนถึงเดือน ธนั วาคม รปู ที่ 4- 6 แสดงคา่ ดัชนี NDVI ระดบั รายแปลง จากดาวเทยี ม Sentinel-2 3) Soil Adjusted Vegetation Index (SAVI) แสดงคา่ ของพืชพรรณทม่ี ีการปรบั แก้ค่าสะท้อง ของพน้ื ดิน ทำให้เหน็ การเพาะปลกู ท่ีมีพชื ปกคลุมได้อย่างชดั เจน เรมิ่ ตั้งแตเ่ ดือนมิถนุ ายนถึงเดือนพฤศจกิ ายน ก่อน จะเกบ็ เก่ียวในเดอื นธันวาคม รูปท่ี 4- 7 ตัวอยา่ งข้อมลู ดชั นี NDWI ระดับรายแปลง จากดาวเทียม Sentinel-2 รายงานความกา้ วหนา้ การวิจยั (2 เดือน) Inception Report หนา้ | 58
โครงการประเมนิ พนื้ ทเี่ สย่ี งภัยแลง้ และความเสียหายของพชื เกษตรรายแปลง ดว้ ยเทคโนโลยภี มู ิสารสนเทศ ระยะที่ 2 4) Chlorophyll Content Index (CI) แสดงค่าของคลอโรฟิลล์ในพชื ทำให้เหน็ พืชพรรณจาก การเพาะปลกู ท่มี ปี กคลุมพืน้ ที่ได้อยา่ งชัดเจน เรม่ิ ต้งั แตเ่ ดือนมถิ นุ ายนถงึ เดือนพฤศจิกายน กอ่ นจะเกบ็ เก่ียวใน เดอื นธันวาคม รูปที่ 4- 8 ตัวอยา่ งข้อมูลดัชนี CI ระดับรายแปลง จากดาวเทยี ม Sentinel-2 5) Normalized Difference Water Index (NDWI) แสดงค่าของความชื้นจากน้ำที่ปรากฏบน พน้ื ทก่ี ารเพาะปลูกพืช ทำใหเ้ ห็นความช้ืนได้อย่างชัดเจน เริม่ ตงั้ แต่เดอื นมิถุนายนถงึ เดือนพฤศจิกายน ก่อนจะเก็บ เกีย่ วในเดอื นธันวาคม รปู ท่ี 4- 9 ตวั อยา่ งข้อมูลดชั นี NDWI ระดับรายแปลง จากดาวเทยี ม Sentinel-2 หนา้ | 59 รายงานความกา้ วหน้าการวิจัย (2 เดอื น) Inception Report
6) Modified Normalized Difference Water Index (MNDWI) แสดงค่าความชื้นจากน้ำที่ ปรากฏบนพ้นื ทเ่ี พาะปลกู ดว้ ยอาศัยชว่ งคลืน่ SWIR (Short Wave Infra-Red) เข้ามาช่วย รปู ท่ี 4- 10 ตัวอย่างข้อมูลดัชนี MNDWI ระดับรายแปลง จากดาวเทียม Sentinel-2 7) Shortwave Infrared Water Stress Index (SIWSI) แสดงค่าความเครียดจากการขาดน้ำ ของพชื ดว้ ยใช้ช่วงคลื่น Shortwave Infrared (SWIR) ทม่ี คี ุณสมบัตใิ นการศกึ ษาเรือ่ งความช้ืนหรอื น้ำในใบพืช รปู ที่ 4- 11 ตวั อย่างข้อมลู ดัชนี SIWSI ระดับรายแปลง จากดาวเทียม Sentinel-2 รายงานความก้าวหนา้ การวจิ ัย (2 เดือน) Inception Report หนา้ | 60
โครงการประเมินพื้นทีเ่ สย่ี งภัยแลง้ และความเสยี หายของพืชเกษตรรายแปลง ดว้ ยเทคโนโลยภี ูมสิ ารสนเทศ ระยะท่ี 2 8) Infrared percentage vegetation index (IPVI) แสดงให้เห็นถึงดัชนีพืชพรรณที่บ่งช้ีการ เพาะปลูกพชื ไดอ้ ยา่ งชดั เจนจากส่งิ ท่ีปกคลมุ ดิน รปู ท่ี 4- 12 ตวั อย่างข้อมลู ดัชนี IPVI ระดบั รายแปลง จากดาวเทียม Sentinel-2 9) Modified Chlorophyll Absorption in Reflectance Index (MCARI) แ ส ด ง ค่ า ความสามารถของการดูดซึมคลอโรฟิลด์และความเข้มข้นของคลอโรฟิลด์ จะเห็นได้ชัดว่าค่าคลอโรฟิลดจ์ ะเพิ่มขึน้ ต้งั แตเ่ ดือนกรกฎาคม ไปจนถงึ เดือนพฤศจิกายนก่อนทจ่ี ะเกบ็ เก่ยี ว รปู ท่ี 4- 13 ตวั อย่างข้อมลู ดัชนี MCARI ระดับรายแปลง จากดาวเทยี ม Sentinel-2 หนา้ | 61 รายงานความก้าวหนา้ การวิจัย (2 เดอื น) Inception Report
10) Normalized Difference Red-Edge Index (NDRE) เ ป ็ น ด ั ช น ี ค ว า ม ต ่ า ง พ ื ช พ ร ร ณ เช่นเดียวกับดัชนี NDVI แต่ใช้ช่วงคลื่น Red-Edge ที่มีความไวต่อการเปลี่ยนแปลงของการสังเคราะห์แสง ทำให้ เหน็ การเจรญิ เตบิ โตของพชื ได้อยา่ งชัดเจน รปู ที่ 4- 14 ตัวอยา่ งข้อมูลดัชนี NDRE ระดับรายแปลง จากดาวเทียม Sentinel-2 11) Enhanced Vegetation Index (EVI) เป็นการปรับปรุงดัชนีพืชพรรณโดยการลดค่าสะท้อน ของบรรยากาศ ใชใ้ นการตดิ ตามการเจรญิ เตบิ โตของพชื ได้ดี รปู ท่ี 4- 15 ตัวอย่างข้อมลู ดัชนี EVI ระดับรายแปลง จากดาวเทียม Sentinel-2 รายงานความก้าวหน้าการวิจัย (2 เดอื น) Inception Report หน้า | 62
โครงการประเมินพืน้ ท่ีเส่ยี งภยั แลง้ และความเสยี หายของพืชเกษตรรายแปลง ด้วยเทคโนโลยภี ูมิสารสนเทศ ระยะท่ี 2 4.3 การพัฒนาแบบจำลองการพยากรณ์พื้นทเ่ี สยี่ งภัยแล้ง 4.3.1 พ้ืนท่ีศึกษาของแบบจำลองพยากรณ์ระดับภูมภิ าค RegCM ขอบเขตพื้นที่ศึกษาของแบบจำลองพยากรณ์ระดับภูมิภาค RegCM ได้ทำการจำกัดขอบเขตพื้นที่ การศึกษาของแบบจำลองภายใตเ้ ง่ือนไขจากขอจำกัดของทรัพยากรทม่ี ีอยู่ไวท้ ่ีลองจิจูด 87.38 องศาตะวันออก ถึง 114.74 องศาตะวันออก และทล่ี ะติจดู 0.31 องศาใต้ ถึง 25.97 องศาเหนือ โดยมีความละเอียดของพ้ืนที่อยู่ที่ 10 กโิ ลเมตร x 10 กโิ ลเมตร แสดงดังรปู ที่ 4- 16 รปู ที่ 4- 16 แสดงขอบเขตพื้นทศ่ี กึ ษาของแบบจำลองพยากรณ์ระดับภูมภิ าค RegCM ท่ีใชใ้ นการศึกษาน้ี 4.3.2 ข้อมูลนำเข้าสำหรับแบบจำลอง RegCM ขอ้ มลู ที่ใช้เปน็ เงอื นไขเริ่มตน้ และเงือนไขขอบเขตประกอบไปดว้ ยทั้งหมด 4 ส่วนดว้ ยกนั คอื • ขอ้ มลู Static Surface o GTOPO_DEM_30s, o GLCC_BATS_30s, o ETOPO_BTM_30s, o GLZB_SOIL_30s • ขอ้ มูล Global Land Surface Climatology o mksrf_fmax, o mksrf_glacier, หนา้ | 63 รายงานความก้าวหน้าการวิจยั (2 เดอื น) Inception Report
o mksrf_lai, o mksrf_lanwat, o mksrf_navuoro_20min, o mksrf_pft, o mksrf_soicol_clm2, o mksrf_soitex.10level, o mksrf_urban, • ข้อมลู บรรยากาศสำหรบั เป็นเงอื นไขเริ่มตน้ และเงือนไขขอบเขตแสดงดงั ตารางที่ 4- 2 ตารางท่ี 4- 2 แสดงข้อมูลบรรยากาศจาก CSFv2 สำหรบั แบบจำลอง RegCM ข้อมูลบรรยากาศจาก CSFv2 ช่วง 3 00_UTC 06_UTC 12_UTC 18_UTC ถงึ 4 เดือนล่วงหน้า Air Temperature / / // Relative Humidity / / // Horizontal wind in x dimension / / // Horizontal wind in y dimension / / // Geopotential Height / / // • ขอ้ มูลอณุ หภูมิพนื้ ผิวของน้ำทะเลสำหรับเป็นเงอื นไขเร่ิมตน้ และเงือนไขขอบเขตแสดงดงั ตารางท่ี 4- 3 แสดงอุณหภมู ิพ้นื ผิวของนำ้ ทะเลจาก CSFv2 สำหรับแบบจำลอง RegCM ข้อมลู อุณหภูมิพน้ื ผิวของน้ำทะเลจาก 00_UTC 06_UTC 12_UTC 18_UTC CSFv2 ช่วง 3 ถึง 4 เดือนล่วงหน้า / / // Sea Surface Temperature รายงานความกา้ วหนา้ การวิจยั (2 เดอื น) Inception Report หน้า | 64
โครงการประเมนิ พ้นื ทเ่ี สยี่ งภัยแล้งและความเสียหายของพืชเกษตรรายแปลง ด้วยเทคโนโลยภี มู สิ ารสนเทศ ระยะที่ 2 4.3.3 ตัวแปรพารามิเตอรใ์ นพยากรณ์ของแบบจำลอง RegCM แสดงดงั ตารางท่ี 4- 4 ตารางท่ี 4- 4 แสดงตัวแปรพารามเิ ตอร์ในแบบจำลอง RegCM ตวั แปรพารามิเตอร์ในพยากรณ์ของแบบจำลอง RegCM รายละเอียด Parameter01: Lateral Boundary Condition Scheme_00: Fixed Scheme Scheme_01: Relaxation, linear Scheme_02: Time-dependent Scheme_03: Time and inflow/outflow dependent Scheme_04: Sponge Scheme_05: Relaxation, exponential Scheme_06: Relaxation, sinusoidal Parameter02: Boundary Layer Scheme Scheme_00: Frictionless Scheme_01: Holtslag Scheme_02: UW_PBL Parameter03: Diffusion Scheme Scheme_00: No diffusion Scheme_01: MM5 4th order interior Scheme_02: LeVeque 4th order Scheme_03: Xue 6th order Parameter04: Cumulus Convection Land Scheme Scheme_00: Kuo Scheme_01: Grell Scheme_02: Emanuel Scheme_03: Tiedtke Scheme_04: Kain-Fritsch Scheme_05: MM5 Parameter05: Cumulus Convection Ocean Scheme_00: Kuo Scheme Scheme_01: Grell Scheme_02: Emanuel Scheme_03: Tiedtke Scheme_04: Kain-Fritsch Scheme_05: MM5 หน้า | 65 รายงานความก้าวหน้าการวจิ ยั (2 เดือน) Inception Report
ตัวแปรพารามเิ ตอร์ในพยากรณ์ของแบบจำลอง RegCM รายละเอียด Parameter06: Moisture Scheme Scheme_00: Explicit moisture (SUBEX) Scheme_01: Explicit moisture (Tomplins) Scheme_02: Explicit moisture (WSM5) Parameter07: Ocean Flux Scheme Scheme_00: BAT1e Scheme_01: Zeng Scheme_02: Coare Parameter08: Pressure gradient force scheme Scheme_00: Use full fields Scheme_01: Hydrostatic deduction 4.3.4 การออกแบบจำลอง RegCM หลังจากที่ได้ทำกำหนดพื้นที่ศึกษาของแบบจำลองพยากรณ์ระดับภูมิภาค RegCM รวมไปถึงข้อมูล นำเข้าสำหรับแบบจำลอง RegCM และตัวแปรพารามิเตอร์ในพยากรณ์ของแบบจำลอง RegCM ในเบื้องต้น เรยี บร้อยแลว้ นั้น ซ่ึงจะสามารถทำการออกแบบการจำลองแบบจำลอง RegCM ได้ โดยทจี่ ะทำการจัดเก็บข้อมูลท่ี เป็นค่าคงที่แบบจำลองต้องการ ในทางกลับกันข้อมูลที่เป็นแบบไดนามิกโดยเฉพาะอย่างยิ่งข้อมูลบรรยากาศและ ข้อมูลอุณหภูมิผิวน้ำทะเลจะทำการจัดเก็บข้อมูล 2 ช่วงเวลาด้วยกันคือในทุก ๆ วันท่ี 3 และ วันท่ี 17 ของทุก ๆ เดอื น 1) กรณขี องการเก็บขอ้ มูล o ตัวอย่างในวันท่ี 03 ของเดือนพฤษภาคม 2023 จะมีการดำเนินการเก็บข้อมูลรายหก ชั่วโมงในทุก ๆ วนั เรมิ่ ตัง้ แต่วันท่ี 01 พฤษภาคม 2023 จนถงึ วนั ที่ 31 สิงหาคม 2023 o ตัวอย่างในวันที่ 17 ของเดือนพฤษภาคม 2023 จะมีการดำเนินการเก็บข้อมูลรายหก ชั่วโมงในทุก ๆ วันเริ่มตั้งแต่วันที่ 15 พฤษภาคม 2023 จนถึงวันท่ี 31 สิงหาคม 2023 สำหรับการออกแบบการ ประมวลผลขอ้ มูล 2) กรณีของการประมวลผลขอ้ มูลแบบจำลอง o ตัวอย่างข้อมูลเริ่มต้นที่เก็บได้เช่นกรณีของวันท่ี 01 พฤษภาคม 2023 จะทำการ ประมวลผลแบบจำลองตง้ั แตว่ ันท่ี 01 พฤษภาคม 2023 จนถึงวันท่ี 31 สงิ หาคม 2023 แตจ่ ะใชร้ ะยะเวลาทั้งหมด 1 เดือนในการสปนิ อัปข้อมลู ให้มีความสเถยี รดังน้ันผลที่จะเอามาวิเคราะหจ์ ะคือช่วงตั้งแตว่ ันที่ 01 มิถุนายน 2023 จนถึงวนั ท่ี 31 สงิ หาคม 2023 o ตัวอย่างข้อมูลเริ่มต้นที่เก็บได้เช่นกรณีของวันที่ 15 พฤษภาคม 2023 จะทำการ ประมวลผลแบบจำลองต้ังแต่วันที่ 15 พฤษภาคม 2023 จนถงึ วันท่ี 31 สิงหาคม 2023 แตจ่ ะใชร้ ะยะเวลาท้ังหมด รายงานความกา้ วหน้าการวิจยั (2 เดือน) Inception Report หนา้ | 66
โครงการประเมนิ พน้ื ที่เสีย่ งภยั แล้งและความเสยี หายของพชื เกษตรรายแปลง ด้วยเทคโนโลยภี ูมสิ ารสนเทศ ระยะท่ี 2 15 วันในการสปินอัปข้อมูลให้มีความสเถียรดงั นั้นผลที่จะเอามาวิเคราะห์จะคือช่วงตั้งแต่วนั ที่ 01 มิถุนายน 2023 จนถึงวนั ที่ 31 สิงหาคม 2023 โดยแผนผังโดยสรุปของแบบจำลอง RegCM แสดงดังรูปที่ 4- 17 และ ตารางที่ 4- 5 แสดงถึง การออกแบบและค่าตัวแปรพารามิเตอรท์ ้งั หมดท่ีอยู่ในแบบจำลอง รปู ท่ี 4- 17 แสดงแผนผังโดยสรปุ ของแบบจำลอง RegCM ทใี่ ชใ้ นการศึกษานี้ 4.3.5 ตัวอยา่ งผลการพยากรณจ์ ากแบบจำลอง RegCM จากการประมวลผลเบื้องต้นที่เก็บข้อมูลกรณีของวันท่ี 15 พฤษภาคม 2023 จะทำการประมวลผล แบบจำลองตั้งแต่วันท่ี 15 พฤษภาคม 2023 จนถึงวันที่ 31 สิงหาคม 2023 แต่จะใช้ระยะเวลาทั้งหมด 15 วันใน การสปินอัปข้อมูลให้มีความสเถียรดังนั้นผลที่จะเอามาวิเคราะห์จะคือช่วงตั้งแต่วันท่ี 01 มิถุนายน 2023 จนถึง วันท่ี 31 สงิ หาคม 2023 หน้า | 67 รายงานความก้าวหน้าการวิจยั (2 เดือน) Inception Report
ตารางท่ี 4- 5 แสดงตวั แปรพารามิเตอร์ในแบบจำลอง RegCM Model Aspects Selected schemes Model domain Lon 87.38 E to 114.74 E Lat 0.31 S to 25.97 N Dynamics Hydrostatic Resolution 10 km horizontal ICBC: [Atmos] Climate Forecast System version 2 (CFSv2) ICBC: [SST] Climate Forecast System version 2 (CFSv2) Lateral Boundary Condition Scheme Relaxation, exponential scheme Boundary Layer Scheme Holtslag scheme Diffusion Scheme MM5 4th order interior Cumulus Convection Land Scheme Grell, Emanuel, Tiedtke, Kain-Fritsch Cumulus Convection Ocean Scheme Grell, Emanuel, Tiedtke, Kain-Fritsch Moisture Scheme Explicit moisture (SUBEX) Ocean Flux Scheme BAT1e Pressure gradient force scheme Use full fields รายงานความก้าวหน้าการวิจัย (2 เดือน) Inception Report หนา้ | 68
โครงการประเมินพืน้ ทเ่ี สี่ยงภัยแลง้ และความเสยี หายของพืชเกษตรรายแปลง ด้วยเทคโนโลยภี ูมสิ ารสนเทศ ระยะท่ี 2 4.3.5 ตัวอย่างผลการพยากรณ์จากแบบจำลอง RegCM เวอร์ชนั 5 การศึกษานไ้ี ด้ทำการพยากรณ์ล่วงหน้าของแบบจำลอง RegCM เวอร์ชัน 5 ในรายงานความก้าวหน้า งวดที่สองได้ยกตัวอย่างผลการพยากรณ์เฉลี่ยรายเดือนของเดือน มิถุนายน กรกฎาคม สิงหาคม และ กันยายน 2023 ดงั รปู ท่ี 4- 18 เดือน: มิถนุ ายน เดือน: กรกฎาคม เดือน: สงิ หาคม เดอื น: กนั ยายน รปู ที่ 4- 18 แสดงตัวอยา่ งผลการพยากรณ์ปรมิ าณน้ำฝนรายเดอื นจากแบบจำลอง RegCM เวอร์ชนั 5 ของเดือน มิถุนายน กรกฎาคม สงิ หาคม และ กันยายน 2023 หนา้ | 69 รายงานความก้าวหน้าการวจิ ัย (2 เดือน) Inception Report
4.4 การปรบั ปรุงและพัฒนาแพลตฟอร์ม ผลจากกการวเิ คราะห์ ออกแบบ พัฒนา ระบบสามารถทำงานด้วยเว็บบราวเซอร์ (Web Browser) ผา่ น เครือข่ายอนิ เตอรเ์ น็ต (Internet) รองรบั การใชง้ านผ่านคอมพวิ เตอร์พกพา และโมบายแอปพลเิ คชัน (Mobile Application) ผ่านอุปกรณ์มือถือ โดยมผี ลการดําเนนิ งานดงั น้ี 4.4.1 ผลการพฒั นาส่วนต่อประสานกราฟิกกบั ผใู้ ช้ (Graphic user interface: GUI) สำหรับเวบ็ แอป พลเิ คชนั (Web Application) หนา้ หลกั เก่ียวกบั เรา แผนที่ สว่ นเปดิ /ปิดช้ันขอ้ มูล ดัชนีเสี่ยงภยั แล้งรายสปั ดาห์/รายเดอื น ดัชนีเสีย่ งภยั แล้งรายปี รายงานความกา้ วหนา้ การวิจัย (2 เดือน) Inception Report หน้า | 70
โครงการประเมนิ พ้ืนที่เสี่ยงภยั แล้งและความเสยี หายของพืชเกษตรรายแปลง ด้วยเทคโนโลยภี ูมิสารสนเทศ ระยะท่ี 2 ผงั แปลงเกษตร ดชั นีความเสยี หายรายแปลง สว่ นให้บรกิ ารข้อมูล สว่ นประชาสัมพนั ธ์ ตดิ ต่อเรา รูปท่ี 4- 19 สว่ นหนา้ หลักเว็บแอปพลิเคชนั (Web Application) หน้า | 71 รายงานความกา้ วหนา้ การวิจัย (2 เดือน) Inception Report
4.4.2 ผลการพฒั นาส่วนตอ่ ประสานกราฟิกกบั ผใู้ ช้ (Graphic user interface: GUI) สำหรบั โมบาย แอปพลิเคชนั (Mobile Application) หน้าแรก ลงทะเบียนเข้าใช้งาน เก่ยี วกบั เรา ผูใ้ ช้งาน เชค็ -พื้นทีเ่ ส่ยี งภยั แล้ง เช็ค-แล้งรายจงั หวัด เชค็ -แปลงเกษตร การวาดขอบเขตแปลงเกษตร รปู ที่ 4- 20 ส่วนหนา้ หลักเว็บแอปพลเิ คชนั (Web Application) รายงานความกา้ วหน้าการวจิ ยั (2 เดือน) Inception Report หน้า | 72
โครงการประเมนิ พน้ื ท่ีเส่ียงภยั แล้งและความเสียหายของพืชเกษตรรายแปลง ดว้ ยเทคโนโลยภี ูมสิ ารสนเทศ ระยะที่ 2 5. อภิปรายและวจิ ารณ์ผล 5.1 การปรบั ปรงุ แบบจำลองดัชนพี ้ืนทเี่ สีย่ งภยั แลง้ การปรับปรุงแบบจำลองดัชนีพื้นที่เสี่ยงภัยแล้งได้เพิ่มเติมภาพถ่ายจากดาวเทียมที่มีศักยภาพในการ วิเคราะห์ข้อมูลอุณหภูมิ ดัชนีพืชพรรณ ปริมาณน้ำฝนและปริมาณน้ำใต้ดิน นอกจากนี้ยังมีการนำเข้าปัจจัยทาง กายภาพอนื่ ๆ ท่เี กย่ี วขอ้ งเขา้ มารว่ มประมวลผลในแบบจำลอง ได้แก่ การใช้นำ้ ของพชื การคายระเหยน้ำ แผนทชี่ ดุ ดิน ปริมาณน้ำผวิ ดิน ปริมาณน้ำใต้ดนิ และการใช้ประโยชน์ทีด่ ิน ที่จะช่วยให้การประมวลพื้นท่ีเส่ียงภัยแล้งมีความ สอดคล้องกบั สภาพของพืน้ ที่จรงิ มากท่ีสดุ การประมวลผลได้ใช้ Machine Learning โดยมีการนำเข้าตัวแปรคำตอบได้แก่ พื้นที่เสียหายและ ความชน้ื ในดินจากสถานใี นการพฒั นาแบบจำลองดชั นีพ้ืนท่ีเสี่ยงภัยแลง้ (Drought Risk Index: DRI) ทีจ่ ะถูกสร้าง ตามปขี องปรากฎการณ์ ENSO โดยดชั นี DRI จะเปน็ ปัจจยั ที่บ่งชี้ความเสยี หายของพืชเกษตรระดับรายแปลงต่อไป ในการใช้รว่ มกับดัชนีความเสียหายของพชื เกษตรรายแปลง (CDAI) 5.2 การปรบั ปรงุ แบบจำลองการประเมนิ ความเสียหายของพืชเกษตรรายแปลง การปรับปรุงแบบจำลองการประเมินความเสียหายของพืชเกษตรรายแปลง (Crop Drought Damage Assessment Index: CDAI) เป็นการบ่งชี้ความเสียหายของพืชทั้ง 4 ชนิด ได้แก่ ข้าว ข้าวโพด มันสำปะหลังและ อ้อย โดยใช้ภาพถ่ายจากดาวเทียมที่มีรายละเอียดสูงเพียงพอต่อการวิเคราะห์ในระดับรายแปลง การวิเคราะห์ค่า ดัชนีพืชพรรณตา่ งๆ ท่ีเกยี่ วขอ้ งกบั ความสมบูรณ์ ความเครยี ดจากการขาดนำ้ ของพืช จำนวนท้งั สน้ิ 10 ดชั นี ได้แก่ NDVI NDWI CI MNDWI SAVI IPVI MCARI REIP S2REP และ NDRE ร่วมกับแปลงความเสียหายของพืชจากภัย แล้งในอดีตจากข้อมูล กษ.02 และให้ Machine Learning ทำการเรียนรู้ลักษณะของค่าดัชนีของการเจริญเติบโต ของพืชแบบปกติและความเสียหายที่เคยเกิดขึ้นในอดีตจากการใช้ข้อมูลแปลงที่ไม่เคยเสียหายและเคยเสียหาย จำนวน 70% ในการพฒั นาแบบจำลอง การทดสอบความแม่นยำของดัชนี CDAI จะแบ่งออกได้เป็น 2 ขั้น คือ การทดสอบการแปลงไม่เคย เสยี หายและเคยเสียหาย จำนวน 30% เพิ่มทำการปรับปรุงแบบจำลองขน้ั ตน้ หลังจากน้นั จะทำการสุ่มตัวอย่างใน การตรวจสอบความถกู ตอ้ งจากการสำรวจภาคสนามอกี ครั้งหนึ่ง 5.3 การพฒั นาแบบจำลองการพยากรณ์พ้ืนทเี่ ส่ียงภัยแล้ง การพยากรณ์พ้ืนทเ่ี ส่ียงภยั แล้ง ในระดับภมู ิภาค ด้วยแบบจำลอง RegCM เวอร์ชนั 5 มีความต้องการ ข้อมลู Static Surface ข้อมูล Global Land Surface Climatology ข้อมลู บรรยายกาศจาก และขอ้ มูลอุณหภูมิ พ้นื ผิวทะเล โดยผวู้ ิจัยจะตอ้ งศกึ ษาวา่ ตวั แปรใดมคี วามแผนแปรมากหรือนอ้ ย รวมถึงการศึกษาความเหมาะสมใน การกำหนดขนาดและองรายละเอยี ดข้อมูลทเ่ี หมาะสม หน้า | 73 รายงานความก้าวหนา้ การวิจัย (2 เดือน) Inception Report
การพยากรณจ์ ะต้องใชร้ ะยะเวลา 15 วนั ในการสปินขอ้ มลู เพอื่ การพยากรณ์ล่วงหน้า 3-4 เดือน และ ผลลพั ธ์ท่ีได้ จะเป็นขอ้ มลู สนบั สนนุ การตดั สนิ ใจ เพื่อการวางแผนการเพาะปลูกล่วงหนา้ การจัดการน้ำในพื้นท่ีให้ เกดิ ประโยชน์สูงสดุ และเพ่มิ ผลผลติ ของพืชได้ 5.4 การปรบั ปรุงและพัฒนาแพลตฟอร์ม จากการวิเคราะห์ความต้องการของระบบ ตามมาตรฐานการให้บริการข้อมูลทั้งในรูปแบบเวกเตอร์ และแรสเตอร์กริด (ดัชนีข้อมูลจากดาวเทียม) ในรูปแบบการให้บริการ OGC Web Services เช่น WMS (Web Map Service), WFS (Web Feature Service), WMTS (Web Map Tile Service) ของระบบใหบ้ รกิ ารขอ้ มูลภูมิ สารสนเทศเพื่อสนับสนุนการตัดสินใจด้านประเมินพื้นที่เสี่ยงภัยแล้ง ใช้ซอฟต์แวร์รหัสเปิด GeoServer เป็น ซอฟต์แวรป์ ระมวลผล และให้บรกิ ารผ่าน protocol มาตรฐาน โดยจะนำเข้าใน GeoServer ในรปู แบบของข้อมูล Mosaic ใหบ้ ริการเปน็ ชน้ั ข้อมูลเดยี วครอบคลมุ พื้นที่ทัง้ ประเทศ โดยระบบจะแสดงข้อมลู ดัชนพี ื้นทีเ่ สยี่ งภยั แล้ง ใน ภาพรวมท้ังประเทศ รายภาค และรายจงั หวัด และดัชนีความเสียหายของพืชเกษตรรายแปลง การปรับปรุงแพลตฟอร์มการใช้บริการพื้นท่ีเสี่ยงภัยแลง้ และความเสียหายของพืชเกษตรรายแปลง ทั้งใน ส่วนเว็บแอปพลิเคชัน และโมบายแอปพลิเคชัน นอกเหนอื จากการปรับปรุงแบบจำลองเพ่ือการพัฒนาฐานข้อมูลที่ มคี วามถูกตอ้ งแม่นยำมากขึ้นแลว้ เพ่อื ให้การแสดงผลรวดเร็วมากย่ิงขน้ึ การออกแบบท่ีสอดคล้องกบั ผใู้ ช้งานในแต่ ละกลุ่มท่ีครอบคลมุ ท้ังหนว่ ยงานภาครฐั ในระดบั นโยบาย ระดับปฏิบตั ิการ รวมถงึ ประชาชนทว่ั ไป รายงานความก้าวหนา้ การวจิ ยั (2 เดือน) Inception Report หนา้ | 74
โครงการประเมินพ้ืนท่เี สย่ี งภัยแลง้ และความเสียหายของพชื เกษตรรายแปลง ดว้ ยเทคโนโลยภี ูมสิ ารสนเทศ ระยะที่ 2 6. ขอ้ เสนอแนะ 6.1 การศึกษาปัจจัยทางกายภาย ทั้งที่ที่วิเคราะห์ไดจ้ ากดาวเทียม และที่รวบรวมไดจ้ ากหน่วยงานท่ีเกีย่ วข้อง ซ่ึงจะเป็นข้อมูลในการนำเข้าแบบจำลอง โดยในที่สุดทุกปัจจัยอาจจะไม่ได้มีความสำคัญที่จะนำเข้าแบบจำลอง ผู้วิจัยจะต้องทดสอบปัจจยั ทั้งหมดก่อน เพื่อยืนยันว่าปัจจัยดังกล่าวมีอิทธิพลต่อความแห้งแล้ง และความเสียหาย ของพชื หรือไม่ 6.2 นักวิจัยได้ทำการศึกษาและวิเคราะห์ข้อจำกัดที่เกิดขึ้นจากการดำเนินโครงการฯ ในระยะท่ี 1 เพื่อนำมา ปรบั ปรุง ทำให้การดำเนนิ งานในระยะเวลา 2 เดือนของโครงการฯ ระยะที่ 2 เปน็ ช่วงของการศกึ ษาขอ้ มลู ที่จะเป็น ประโยชน์ในการปรับปรุงแบบจำลองการประเมินพื้นที่เสี่ยงภัยแล้งและความเสียหายของพืชเกษตรรายแปลง เพมิ่ เติมจากโครงการฯ ระยะท่ี 1 ท้ังน้ขี อ้ มูลทเ่ี พิ่มเติมเข้ามาดังกล่าวยังต้องทำการประมวลผลในแบบจำลองเพื่อดู ความเหมาะสมและเพิ่มความแม่นยำให้กับแบบจำลองได้มากน้อยเพียงใด ซึ่งจะอยู่ในการดำเนินงานในระยะ 6 เดอื นของโครงการ 6.3 การปรับปรุงแบบจำลองการประเมินพื้นที่เสี่ยงภัยแล้งและความเสียหายของพืชเกษตรรายแปลง เพื่อให้ ได้ดัชนีพื้นทีเ่ สีย่ งภัยแล้ง (DRI) และดัชนีความเสยี หายของพืช (CDAI) เป็นกิจกรรมท่ีต้องเร่งดำเนินการ เนื่องจาก จำเป็นต้องให้ได้ผลจากแบบจำลอง ในการออกแบบการสำรวจและเก็บข้อมูลภาคสนามเพื่อการตรวจสอบความ แม่นยำของแบบจำลองทีต่ อ้ งอยูใ่ นช่วงภัยแล้งจากฝนทช่ี ว่ งทคี่ าดว่าจะเกดิ ในเดือนกรกฎาคม – สงิ หาคม 2566 6.4 การพยากรณ์พนื้ ท่ีเส่ียงภัยแล้ง มคี วามจำเป็นต้องทำงานอยา่ งใกล้ชิดกบั ผูเ้ ชี่ยวชาญจากกรมอุตนุ ยิ มวทิ ยา ซงึ่ จะสามารถให้คำแนะนำองค์ความรู้ทางวิชาการ และเชงิ เทคนิคท้ังด้านลกั ษณะอากาศและการพยากรณ์ เพ่ือให้ ผลลพั ธม์ ีความแมน่ ยำ โดยไม่เป็นการทำงานทซ่ี ้ำซ้อนกับกรมอุตุนิยมวทิ ยา 6.5 การปรับปรงุ แพลตฟอรม์ การให้บริการขอ้ มลู แบบออนไลนจ์ ำเปน็ ตอ้ งมกี ารเกบ็ ความต้องการของผมู้ สี ว่ น ไดส้ ว่ นเสียเพมิ่ เติม เพื่อให้การปรับปรุงแพลตฟอร์มสามารถให้บริการที่ตอบสนองความตอ้ งการของผใู้ ช้งานได้มาก ทส่ี ดุ โดยตอ้ งมีการแบง่ กลุม่ ผู้ใชง้ านใหค้ รอบคลุมท้ังในระดับนโยบายและระดับหนว่ ยปฏิบัตกิ ารในพ้นื ที่ หนา้ | 75 รายงานความกา้ วหน้าการวจิ ยั (2 เดือน) Inception Report
7. บรรณานกุ รม (Bibliography) กมลพฒั น์ ตันตสิ ุวณชิ ยก์ ลุ (2562). การสรา้ งฝนกริดแบบรายเดือนสำหรบั ประเทศไทยโดยใชข้ ้อมูลฝนจาก สถานี ตรวจวดั และผลติ ภณั ฑ์การรับรจู้ ากระยะไกล. วทิ ยานิพนธ์ปริญญาโท สาขาวิศวกรรมทรัพยากรนำ้ บัณฑติ วิทยาลยั มหาวิทยาลัยเกษตรศาสตร์. [Online]. Available at: https://senswat.eng.ku.ac.th/website/wp- content/uploads/2021/09/Kamonpat_5714501845.pdf [Accessed 7 June 2023]. คมู่ อื การใช้งานโปรแกรม Quantum GIS: ภาควิชาวศิ วกรรมแหลง่ น้ำ คณะวศิ วกรรมศาสตร์ จฬุ าลงกรณ์ มหาวิทยาลยั . สิทธชิ ยั ชูสำโรง. (2559). การจัดการฐานข้อมูลและฐานข้อมูลภูมสิ ารสนเทศ [เอกสารประกอบการสอน]. ภาควชิ าทรัพยากรธรรมชาติและสิ่งแวดลอ้ ม มหาวิทยาลัยนเรศวร. หนว่ ยปฏบิ ตั ิการวจิ ัยระบบจัดการแหล่งน้ำ คณะวิศวกรรมศาสตร์ จฬุ าลงกรณ์มหาวิทยาลัย. (2555). วสพุ ดั ช้างเขยี ว, กัญชพร บตุ รดี , กนกวรรณ สอนดอนไพร, ทิพยกาญจน์ บญุ ชุ่ม 2 และชูพนั ธ์ุ ชมภูจนั ทร์ (2565). การประเมินชดุ ข้อมูลปริมาณฝนรายเดือนแบบกริดในพน้ื ทีล่ ่มุ น้ำปงิ ตอนบน. การประชุมวิชาการ ดา้ นการชลประทานและการระบายน้ำแห่งชาติ. [Online]. Available at: https://www.researchgate.net/publication/361666901_karprameinchudkhxmulprimanfnraydeuxn baebkridniphunthilumnapingtxnbn_Evaluation_of_Gridded_Monthly_Precipitation_Datasets_over _the_Upper_Ping_River_Basin_Thailand_in_Thai_with_English_abstract [Accessed 7 June 2023]. วิรชั วรานจุ ติ ต์ และคณะ. (2554). เอกสารวิจยั โครงการดรรชนีความแหง้ แลง้ สำหรับประเทศไทย. 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). Arnon Puitrakul. (2016). REST API by Httpful. Retrieved from https://arnondora.in.th/devtip-rest- api-in-php-httpful/ 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. รายงานความกา้ วหน้าการวิจัย (2 เดือน) Inception Report หนา้ | 76
โครงการประเมินพนื้ ทเี่ ส่ยี งภยั แล้งและความเสยี หายของพชื เกษตรรายแปลง ดว้ ยเทคโนโลยภี ูมิสารสนเทศ ระยะที่ 2 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. Climate Hazards Center ( 2023) . CHIRPS: Rainfall Estimates from Rain Gauge and Satellite Observations. [Online]. Available at: https://www.chc.ucsb.edu/data/chirps. [Accessed 7 June 2023]. Dinku, T., Funk C., Peterson, P., Maidment, R., Tadesse, T., Gadain H. and Ceccato, P. (2018). Validation of the CHIRPS satellite rainfall estimates over eastern Africa. Journal of Royal Meteorological Society. Available at: https://doi.org/10.1002/qj.3244 [Accessed 7 June 2023]. 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. Flutter. (2023). flutter. Retrieved from https://flutter.dev/ Funk C., Peterson P., Landsfeld M., Pedreros D., Verdin J., Shukla S., Husak G., Rowland J., Harrison L., Hoell A. & Michaelsen J. (2015). Climate Hazards Group. Available at: http://dx.doi.org/10.15780/G2RP4Q [Accessed 7 June 2023]. 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 หน้า | 77 รายงานความก้าวหน้าการวิจยั (2 เดือน) Inception Report
normalized difference vegetation index imageries. Agricultural and Forest Meteorology Volume 279 Article 107707. 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., (1990). 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). รายงานความก้าวหนา้ การวิจัย (2 เดือน) Inception Report หนา้ | 78
โครงการประเมินพ้ืนท่ีเสยี่ งภัยแลง้ และความเสียหายของพืชเกษตรรายแปลง ดว้ ยเทคโนโลยภี มู สิ ารสนเทศ ระยะที่ 2 Paredes, F., Barbosa, H., Venkata, T., Kumar, T. and Buriti, C. (2020). Assessment of the CHIRPS- Based Satellite Precipitation Estimates. Available at: https://www.researchgate.net/publication/339941100_Assessment_of_the_CHIRPS- Based_Satellite_Precipitation_Estimates/citations [Accessed 7 June 2023]. 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. 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. , ( 1 9 9 6 ) . 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). 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). W3schools. (2021). Node.js Introduction. Retrieved from https://www.w3schools.com/nodejs/nodejs_intro.asp Rattanatat.(2019). System Development Life Cycle : SDLC. Retrieved from https://dol.dip.go.th/th/category/2019-02-08-08-57-30/2019-03-15-11-06-29 SDLC Overview: Models & Methodologies. Retrieved 2021-12-12. SUKKARIN AUNTANON , Asamaporn Sitthi (2020) . A DEVELOPMENT OF PROTOTYPE WEB-BASED GIS หนา้ | 79 รายงานความกา้ วหนา้ การวิจยั (2 เดอื น) Inception Report
APPLICATIONS FOR SUPPORTING DECISION OF SUITABILITY ECONOMIC CROPS.( MASTER OF SCIENCE). Srinakharinwirot University, Bangkok 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. Technology platform. (2023). What is a technology platform. Retrieved from https://www.sap.com/products/technology-platform/what-is-a-technology- platform.html 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). รายงานความกา้ วหน้าการวจิ ยั (2 เดือน) Inception Report หน้า | 80
โครงการประเมินพื้นท่เี ส่ยี งภัยแลง้ และความเสยี หายของพชื เกษตรรายแปลง ด้วยเทคโนโลยภี มู ิสารสนเทศ ระยะที่ 2 8. รายละเอยี ดนกั วิจยั 1 ทปี่ รึกษาโครงการ ช่ือ นางกานดาศรี ลิมปาคม สังกดั สำนักงานพัฒนาเทคโนโลยอี วกาศและภมู สิ ารสนเทศ (องคก์ ารมหาชน) สถานทตี่ ิดต่อ เลขท่ี 120 ศูนย์ราชการเฉลมิ พระเกยี รติฯ 80 พรรษา (อาคารรัฐประศาสนภกั ด)ี ชัน้ 6 และชัน้ 7 ถนนแจง้ วฒั นะ แขวงทุ่งสองห้อง เขตหลักสี่ กรงุ เทพฯ 10210 เบอรโ์ ทรศัพท/์ โทรสาร E-mail. [email protected] 2 ทป่ี รึกษาโครงการ ชื่อ นางดาเรศร์ กิตตโิ ยภาส สงั กัด กระทรวงเกษตรและสหกรณ์ สถานทต่ี ิดต่อ เลขที่ 3 ถนนราชดำเนนิ นอก แขวงบ้านพานถม เขตพระนคร กรุงเทพมหานคร 10200 เบอรโ์ ทรศพั ท/์ โทรสาร E-mail. [email protected] 3 ทปี่ รกึ ษาโครงการ ชอ่ื นายปกรณ์ เพช็ รประยรู สังกดั สำนักงานพัฒนาเทคโนโลยอี วกาศและภมู สิ ารสนเทศ (องค์การมหาชน) สถานทีต่ ิดตอ่ เลขท่ี 120 ศูนยร์ าชการเฉลมิ พระเกยี รตฯิ 80 พรรษา (อาคารรฐั ประศาสนภักด)ี ชน้ั 6 และชั้น 7 ถนนแจง้ วฒั นะ แขวงทงุ่ สองห้อง เขตหลกั ส่ี กรงุ เทพฯ 10210 เบอร์โทรศพั ท/์ โทรสาร 080-070-8146 E-mail. [email protected] 4 หวั หน้าโครงการ ช่อื นางสาววรนุช จนั ทร์สรุ ยิ ์ สงั กดั สำนกั งานพฒั นาเทคโนโลยีอวกาศและภมู สิ ารสนเทศ (องค์การมหาชน) สถานที่ติดตอ่ เลขที่ 120 ศนู ยร์ าชการเฉลมิ พระเกียรตฯิ 80 พรรษา (อาคารรฐั ประศาสนภักด)ี ชน้ั 6 และชัน้ 7 ถนนแจง้ วฒั นะ แขวงทุ่งสองห้อง เขตหลกั ส่ี กรุงเทพฯ 10210 เบอร์โทรศัพท/์ โทรสาร 02-141-4549 E-mail. [email protected] หน้า | 81 รายงานความกา้ วหน้าการวจิ ัย (2 เดอื น) Inception Report
5 นกั วจิ ัย นายภานุ เนอื่ งจำนงค์ ชื่อ สำนกั งานพฒั นาเทคโนโลยีอวกาศและภมู สิ ารสนเทศ (องค์การมหาชน) สังกัด เลขที่ 120 ศนู ย์ราชการเฉลมิ พระเกียรติฯ 80 พรรษา (อาคารรฐั ประศาสนภักดี) สถานทต่ี ดิ ตอ่ ชนั้ 6 และชน้ั 7 ถนนแจง้ วัฒนะ แขวงทงุ่ สองห้อง เขตหลักส่ี กรุงเทพฯ 10210 02-141-4528 เบอร์โทรศพั ท/์ โทรสาร [email protected] E-mail. 7 นักวิจัย นายประเมศ แก้วมีศรี ชอ่ื สำนักงานพฒั นาเทคโนโลยอี วกาศและภมู ิสารสนเทศ (องค์การมหาชน) สังกดั เลขท่ี 120 ศนู ย์ราชการเฉลมิ พระเกียรตฯิ 80 พรรษา (อาคารรัฐประศาสนภกั ดี) สถานที่ตดิ ต่อ ชน้ั 6 และช้นั 7 ถนนแจ้งวฒั นะ แขวงท่งุ สองห้อง เขตหลักส่ี กรุงเทพฯ 10210 02-141-4528 เบอร์โทรศัพท/์ โทรสาร [email protected] E-mail. 8 นักวิจัย นายกลุ พชั ร หล้าปาวงศ์ ชื่อ สำนักงานพฒั นาเทคโนโลยีอวกาศและภมู สิ ารสนเทศ (องคก์ ารมหาชน) สังกดั เลขท่ี 120 ศูนยร์ าชการเฉลมิ พระเกยี รตฯิ 80 พรรษา (อาคารรัฐประศาสนภกั ดี) สถานทีต่ ิดต่อ ช้นั 6 และชน้ั 7 ถนนแจง้ วัฒนะ แขวงท่งุ สองหอ้ ง เขตหลักส่ี กรุงเทพฯ 10210 02-141-4528 เบอร์โทรศพั ท/์ โทรสาร [email protected] E-mail. 9 นักวิจัย นางสาวญาติกานต์ ฉววี งศ์ ชื่อ สำนกั งานพัฒนาเทคโนโลยีอวกาศและภมู สิ ารสนเทศ (องคก์ ารมหาชน) สังกัด เลขที่ 120 ศูนย์ราชการเฉลมิ พระเกยี รติฯ 80 พรรษา (อาคารรฐั ประศาสนภักดี) สถานที่ติดต่อ ชัน้ 6 และช้ัน 7 ถนนแจ้งวฒั นะ แขวงทุ่งสองหอ้ ง เขตหลักสี่ กรุงเทพฯ 10210 02-141-4527 เบอร์โทรศพั ท/์ โทรสาร [email protected] E-mail. 10 นักวิจัย นางพอฤทัย เทยี นไทย ช่ือ สำนกั งานพฒั นาเทคโนโลยีอวกาศและภมู สิ ารสนเทศ (องคก์ ารมหาชน) สงั กดั เลขท่ี 120 ศูนย์ราชการเฉลมิ พระเกยี รตฯิ 80 พรรษา (อาคารรฐั ประศาสนภักด)ี สถานทต่ี ดิ ตอ่ ชัน้ 6 และช้นั 7 ถนนแจ้งวฒั นะ แขวงทงุ่ สองหอ้ ง เขตหลักส่ี กรงุ เทพฯ 10210 02-141-4527 เบอร์โทรศัพท/์ โทรสาร [email protected] E-mail. รายงานความกา้ วหนา้ การวจิ ัย (2 เดอื น) Inception Report หนา้ | 82
โครงการประเมินพื้นทีเ่ สี่ยงภยั แล้งและความเสียหายของพชื เกษตรรายแปลง ดว้ ยเทคโนโลยภี ูมสิ ารสนเทศ ระยะที่ 2 11 นักวจิ ัย ช่อื นางสาววิภาดา บญุ เลศิ สงั กดั สำนกั งานพัฒนาเทคโนโลยอี วกาศและภมู ิสารสนเทศ (องค์การมหาชน) สถานทต่ี ดิ ตอ่ เลขที่ 120 ศูนยร์ าชการเฉลมิ พระเกยี รติฯ 80 พรรษา (อาคารรฐั ประศาสนภักด)ี ชน้ั 6 และช้ัน 7 ถนนแจง้ วฒั นะ แขวงทุง่ สองห้อง เขตหลักสี่ กรงุ เทพฯ 10210 เบอร์โทรศัพท/์ โทรสาร 02-141-4549 E-mail. [email protected] 12 นกั วจิ ัย ช่อื นายศักรินทร์ อนุ่ ทานนท์ สงั กดั สำนกั งานพัฒนาเทคโนโลยีอวกาศและภมู ิสารสนเทศ (องค์การมหาชน) สถานทตี่ ิดต่อ เลขที่ 120 ศูนยร์ าชการเฉลมิ พระเกียรตฯิ 80 พรรษา (อาคารรฐั ประศาสนภักด)ี ช้นั 6 และชน้ั 7 ถนนแจ้งวฒั นะ แขวงท่งุ สองหอ้ ง เขตหลักส่ี กรุงเทพฯ 10210 เบอร์โทรศัพท/์ โทรสาร 087-546-1380 E-mail. [email protected] 13 นักวิจยั ช่อื นางสริ ลิ ักษณ์ นอ้ ยเคยี ง สังกดั ศนู ย์เทคโนโลยสี ารสนเทศและการสอ่ื สาร กรมสง่ เสริมการเกษตร สถานทต่ี ิดต่อ เลขที่ 2143/1 อาคารส่งเสรมิ การเกษตร1 ชัน้ 3 ถนนพหลโยธิน แขวงลาดยาว เขต จตุจกั ร กรงุ เทพฯ 10900 เบอรโ์ ทรศพั ท/์ โทรสาร 086-516-1219 E-mail. [email protected] 14 นักวจิ ัย ชอ่ื นาวสาวสายใจ บงึ ไกล สงั กดั ศนู ย์เทคโนโลยสี ารสนเทศและการส่อื สาร กรมสง่ เสรมิ การเกษตร สถานทตี่ ดิ ต่อ เลขที่ 2143/1 อาคารส่งเสรมิ การเกษตร1 ชั้น 3 ถนนพหลโยธิน แขวงลาดยาว เขต จตจุ ักร กรงุ เทพฯ 10900 เบอร์โทรศพั ท/์ โทรสาร 089-895-5551 E-mail. [email protected] 15 นักวิจยั ชื่อ นายสรายทุ ธ สริ ภิ ูษติ สังกดั ศูนยเ์ ทคโนโลยสี ารสนเทศและการสือ่ สาร กรมสง่ เสรมิ การเกษตร สถานทต่ี ิดต่อ เลขที่ 2143/1 อาคารส่งเสริมการเกษตร1 ช้ัน 3 ถนนพหลโยธิน แขวงลาดยาว เขต จตุจักร กรงุ เทพฯ 10900 เบอร์โทรศพั ท/์ โทรสาร 085-838-8231 E-mail. [email protected] หน้า | 83 รายงานความกา้ วหน้าการวจิ ยั (2 เดือน) Inception Report
16 นักวิจยั นางอนงค์นาฏ ศรรี ัตนา ชอ่ื ศนู ย์เทคโนโลยสี ารสนเทศและการสอื่ สาร กรมส่งเสรมิ การเกษตร สงั กดั เลขที่ 2143/1 อาคารสง่ เสริมการเกษตร1 ชั้น 3 ถนนพหลโยธิน แขวงลาดยาว เขต สถานทต่ี ดิ ตอ่ จตุจกั ร กรุงเทพฯ 10900 064-536-1556 เบอรโ์ ทรศพั ท/์ โทรสาร [email protected] E-mail. 17 นกั วิจัย นายสิฏฐพิ งษ์ สรุ ิยกานต์ ชอื่ กองแผนงาน กรมส่งเสริมการเกษตร สังกดั เลขท่ี 2143/1 อาคารสง่ เสรมิ การเกษตร1 ช้นั 3 ถนนพหลโยธนิ แขวงลาดยาว เขต สถานทต่ี ดิ ต่อ จตุจักร กรงุ เทพฯ 10900 02-579-9523, 080-476-2964 เบอรโ์ ทรศพั ท/์ โทรสาร [email protected] E-mail. 18 นกั วจิ ยั นางชดิ ชนก ไชยพงษ์ ชอ่ื กองสง่ เสริมการอารักขาพชื และจดั การดนิ ปยุ๋ กรมส่งเสริมการเกษตร สังกัด เลขที่ 2143/1 อาคารส่งเสริมการเกษตร1 ชน้ั 3 ถนนพหลโยธนิ แขวงลาดยาว เขต สถานที่ติดต่อ จตุจักร กรุงเทพฯ 10900 02-561-4663 เบอรโ์ ทรศพั ท/์ โทรสาร [email protected] E-mail. 19 นกั วิจยั นางสาวศนั สติ า รัตนสุภา ชื่อ สำนกั แผนงานและโครงการพเิ ศษ สำนกั งานปลดั กระทรวงเกษตรและสหกรณ์ สังกดั เลขท่ี 3 ถนนราชดำเนินนอก แขวงบา้ นพานถม เขตพระนคร กรงุ เทพมหานคร 10200 สถานทต่ี ดิ ตอ่ เบอร์โทรศพั ท/์ โทรสาร นางสาววิศนี เพ็ญวนั ศกุ ร E-mail. สำนักแผนงานและโครงการพเิ ศษ สำนกั งานปลัดกระทรวงเกษตรและสหกรณ์ 20 นกั วิจัย เลขที่ 3 ถนนราชดำเนินนอก แขวงบา้ นพานถม เขตพระนคร กรุงเทพมหานคร 10200 ชื่อ สงั กดั สถานท่ีติดตอ่ เบอร์โทรศพั ท/์ โทรสาร E-mail. รายงานความกา้ วหน้าการวิจัย (2 เดือน) Inception Report หนา้ | 84
โครงการประเมินพน้ื ท่ีเสย่ี งภัยแลง้ และความเสยี หายของพืชเกษตรรายแปลง ด้วยเทคโนโลยภี มู สิ ารสนเทศ ระยะที่ 2 21 นกั วจิ ยั นายพรี ะพงศ์ รตั นบรุ ี ช่อื ฝา่ ยจดั สรรนำ้ ท่ี 2 ส่วนบรหิ ารจดั การน้ำ สำนกั บริหารจัดการนำ้ และอทุ กวทิ ยา สังกัด กรมชลประทาน เลขที่ 3 ถนนราชดำเนินนอก แขวงบ้านพานถม เขตพระนคร กรุงเทพมหานคร 10200 สถานท่ตี ดิ ต่อ 083-308-5140 เบอรโ์ ทรศัพท/์ โทรสาร [email protected] E-mail. 22 นักวิจัย นายชลมั ภ์ อนุ่ อารีย์ ชอ่ื กรมอุตุนิยมวทิ ยา สงั กดั เลขที่ 4353 ถนนสุขุมวิท แขวงบางนาใต้ เขตบางนา กรุงเทพมหานคร สถานทตี่ ดิ ต่อ 083-398-6977 เบอรโ์ ทรศัพท/์ โทรสาร E-mail. นายฐนโรจน์ วรรฐั ประเสรฐิ 23 นักวจิ ัย สำนกั งานทรัพยากรน้ำแหง่ ชาติ ชอื่ อาคารจุฑามาศ เลขท่ี 89/168-170 ถนนวภิ าวดรี ังสติ แขวงตลาดบางเขน เขตหลกั สี่ สังกัด กรงุ เทพฯ 10210 สถานท่ตี ดิ ต่อ 089-839-8938 เบอรโ์ ทรศัพท/์ โทรสาร นายทรงเกยี รติ์ ขำทอง E-mail. สำนักงานทรัพยากรน้ำแหง่ ชาติ 24 นักวิจัย อาคารจุฑามาศ เลขท่ี 89/168-170 ถนนวภิ าวดรี ังสิต แขวงตลาดบางเขน เขตหลักสี่ ชอื่ กรุงเทพฯ 10210 สังกดั สถานทตี่ ดิ ต่อ นายประสงค์ ธัมมะปาละ กรมปอ้ งกนั และบรรเทาสาธารณภยั เบอรโ์ ทรศพั ท/์ โทรสาร กระทรวงมหาดไทย 3/12 ถ.อทู่ องนอก แขวงดุสติ เขตดสุ ติ 10300 E-mail. 081-818-2560 25 นกั วิจยั [email protected] ชือ่ สังกัด สถานที่ติดต่อ เบอร์โทรศัพท/์ โทรสาร E-mail. หนา้ | 85 รายงานความก้าวหนา้ การวิจัย (2 เดอื น) Inception Report
Search
