Inception Report Crops Drought Flase2_2M

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

โครงการประเมินพ้ืนทเี่ ส่ยี งภัยแล้งและความเสยี หายของพืชเกษตรรายแปลง ด้วยเทคโนโลยภี ูมสิ ารสนเทศ ระยะที่ 2 กุมภาพันธ์ 2018 ตรวจสอบความถูกต้องร่วมกับข้อมูลสังเกต ERA5 โดยผลจากการเปรียบเทียบความแม่นยำ พบว่าจากการประมาณคา่ แบบ Ensemble ในช่วงท้ายฤดูกาลจะใหก้ ารประเมนิ ค่าดีท่สี ดุ ในงานวิจยั นี้ 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 พื้นท่ีทางตอนเหนือของอ่าวเปอร์เซยี และทะเลโอมานทมี่ ีอากาศแหง้ แล้ง สำหรับค่าอุณหภมู ิ 2 เมตร เหนือภูมิภาค ตา่ ง ๆ ของอหิ รา่ นจะแตกต่างกนั ไปตามฤดูกาล โดยปกตคิ ่าอณุ หภมู ิจะมเี กณฑ์อบอนุ่ ที่ฤดูใบไม้ผลแิ ละฤดูใบไม้ร่วง และค่าอุณหภูมิจะมีเกณฑ์สูงกว่าปกติที่ฤดูร้อน โดยทั่วไปแล้ว ค่าอุณหภูมิ 2 เมตรเหนืออิหร่านจะจับได้ดีกว่า ปริมาณน้ำฝน ซึ่งโดยทั่วไปจะให้ค่าปริมาณน้ำฝนสูงที่บริเวณตอนเหนือของอิหร่านตะวันตก ซึ่งในการศึกษานี้ พบว่าค่าอุณหภูมิที่ 2 เมตรค่อย ๆ เพิ่มสูงขึ้นที่อัตราประมาณ 0.5 เซลเซียสต่อทศวรรษ และข้อมูล CFSv2 ได้ให้ แนวโน้มไปในทศิ ทางเดยี วกนั ในขณะเดียวกนั แนวโน้มการลดลงสงู สุดของปรมิ าณน้ำฝนรายปีบริเวณภาคตะวันตก และบางสว่ นบของภาคใตข้ องอิหรา่ น (เกอื บ 45 ถงึ 50 มม. ต่อทศวรรษ) Rahman 2021 ได้ศึกษาแบบจำลองภูมิอากาศที่เป็นเครื่องมือทางวิทยาศาสตร์เพื่อตรวจสอบสภาพ อากาศในปัจจุบันและถือได้ว่าเป็นเครื่องมือการประมาณค่าที่น่าเชื่อถือได้สำหรับการคาดการณ์สภาพอากาศใน ปัจจุบันและอนาคต ซึ่งในการศกึ ษาน้ีได้พจิ รณาทีแ่ บบจำลอง RegCM เวอรช์ ันที่ 4.7 ทไี่ ด้ถกู พฒั นาข้ึนจากสถาบัน International Centre for Theoretical Physics หรือ ICTP เพื่อนำมาดใช้ในการประเมินจำลองสถานการณ์ฝน ของประเทศบังกลาเทศ ในช่วงปี 1991 ถึง 2018 โดยกำหนดให้เงือ่ นไขเริ่มต้นและเงอ่ื นไขค่าขอบจากข้อมูล ERA- Interim 75 โดยพิจรณาที่ความละเอียดเชิงพ้ืนที่ที่ 25 กิโลเมตร จากการศึกษาพบว่าการกระจายตัวเชงิ พื้นที่ของ ปรมิ าณนำ้ ฝนแบบจำลองได้ให้ค่าสงู กวา่ ข้อมูลสังเกตที่บริเวณชายฝ่ังตะวนั ออกเฉียงใตข้ องประเทศบงั กลาเทศและ ให้คา่ ตำ่กว่าข้อมูลสังเกตท่ภี าคตะวนั ตกของเฉียงเหนือของประเทศบังกลาเทศ ท้งั นพ้ี บว่าทางภาคกลาวงและภาค ตะวนั ออกได้ให้คา่ ทใ่ี กลเ้ คียงกับข้อมลู สงั เกตท่สี มเหตุสมผลเม่ือเปรียบเทยี บโดยกระบวนการสถิติ รายงานความก้าวหน้าการวิจัย (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

โครงการประเมินพ้ืนที่เส่ียงภัยแล้งและความเสียหายของพชื เกษตรรายแปลง ดว้ ยเทคโนโลยภี ูมสิ ารสนเทศ ระยะที่ 2 2) ศกึ ษาและรวบรวมขอ้ มลู ปัจจยั ทางกายภาพท่ีเกี่ยวข้องกับการประเมินพนื้ ที่เสีย่ งภยั แล้งและ ความเสียหายของพืช ได้แก่ การใช้น้ำของพืช การคายระเหยน้ำ แผนที่ชุดดิน ปริมาณน้ำผิวดิน ปริมาณน้ำใต้ดิน การใช้ประโยชนท์ ดี่ นิ เปน็ ตน้ 3) ศกึ ษาและรวบรวมขอ้ มลู ความชื้นในดนิ จากสถานีตรวจวดั ภาคพืน้ ดิน ท้งั ท่ี สทอภ. ติดตง้ั ใน พื้นที่ และที่หน่วยงานอื่นติดตั้ง ซึ่งมีการตรวจวัดเป็นราย สามารถวิเคราะห์และประมวลผลเป็นรายสัปดาห์ และ รายเดือน 4) วิเคราะห์ดัชนีที่เกี่ยวข้องกับภัยแล้งจากดาวเทียม Suomi NPP และดาวเทียม NOAA ซึ่งมี ความถี่เป็นรายวัน ความละเอียด 1x1 กิโลเมตร ถูกคำนวณด้วยสมการสร้างเป็นดัชนี NDVI, LST, VCI, TCI และ VHI สามารถประมวลผลความละเอียดของช่วงเวลาเปน็ รายสปั ดาห์ และรายเดือน 5) วิเคราะห์ดัชนีน้ำฝนมาตรฐาน (Standard Precipitation Index: SPI) จาดดาวเทียม CHRIPS ซงึ่ เปน็ ชดุ ขอ้ มูลปรมิ าณน้ำฝนเป็นรายวัน รายห้าวนั และรายเดือน ความละเอียด 5x5 กิโลเมตร 6) พัฒนาและปรับปรุงแบบจำลองการประเมินพื้นที่เสี่ยงภัยแล้ง โดยใช้ปัจจัยที่วิเคราะห์และ รวบรวมได้จากขอ้ 2) – 6) โดยการประยุกตใ์ ช้การเรียนรู้ด้วยเครื่องมือ Machine Learning ด้วยอัลกอรึทมี ตา่ งๆ โดยมีตัวแปรคำตอบเป็นพื้นที่เพาะปลูกที่เคยประสบความเสียหาย กับปริมาณความชื้นในดิน ดังแสดงใน 7) รูปที่ 3- 1 รายงานความกา้ วหนา้ การวิจัย (2 เดือน) Inception Report หน้า | 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

โครงการประเมนิ พ้ืนท่ีเส่ยี งภัยแลง้ และความเสยี หายของพชื เกษตรรายแปลง ด้วยเทคโนโลยภี มู ิสารสนเทศ ระยะที่ 2 2) รวบรวมข้อมูลแปลงเกษตรกรจากการขึ้นทะเบียนเกษตรกร โดยกรมส่งเสริมการเกษตร เพ่มิ เตมิ จากโครงการวิจัยระยะท่ี 1 ซงึ่ ระบุสถานภาพการเพาะปลูกของเกษตรกร ตง้ั แตว่ นั ทเ่ี ริ่มเพาะปลูก วันเก็บ เกี่ยว ชนิดพืช พันธุ์พืชที่ปลูก ฯลฯ และจัดทำให้อยู่ในรูป Geospatial Database พร้อมใช้ โดยงานวิจัยนี้จะใช้ ข้อมูลแปลงเกษตรกรหรือผังแปลงเกษตรกรรมดิจิทัลของกรมส่งเสริมการเกษตร ที่เป็นแผนที่ขอบเขตแปลง เพาะปลูกของเกษตรกรที่มีการระบุพิกัดทางภูมิศาสตรจ์ ากการขึ้นทะเบียนเกษตรกรในแต่ละฤดกู าลเพาะปลูกกับ กรมส่งเสริมการเกษตร โดยมีการระบุข้อมูลประกอบ เช่น ชื่อเกษตร พืชที่เพาะปลูก พันธุ์พืช วันที่เริ่มเพาะปลูก วันท่คี าดว่าจะเกบ็ เกยี่ วผลผลติ เป็นตน้ 3) รวบรวมข้อมูลที่เกษตรกรเคยแจ้งขึ้นทะเบียนของรับการเยียวยาจากความเสียหายจากภัย ธรรมชาติเพิ่มเติมจากโครงการวิจัยระยะท่ี 1 ได้แก่ แบบประมวลผลรวมช่วยเหลอื เกษตรกรผู้ประสบภยั (กษ.02) จากกรมสง่ เสริมการเกษตรท่ีระบพุ ิกัดของแปลงทเี่ สียหาย รวมถงึ วันทีแ่ จง้ ขอรบั การช่วยเหลือ 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 ประยุกต์ใชก้ ารเรยี นรดู้ ้วย Machine Learning วธิ ตี ่างๆ จากตวั แปรคำตอบของแปลงที่ไมเ่ คยเสยี หาย แปลงท่เี คย เสียหายจากภยั แลง้ และดัชนีพชื พรรณ ดงั แสดงในรปู ท่ี 3- 2 รายงานความกา้ วหนา้ การวจิ ัย (2 เดือน) Inception Report หนา้ | 44

โครงการประเมินพ้นื ท่ีเสีย่ งภัยแล้งและความเสยี หายของพชื เกษตรรายแปลง ดว้ ยเทคโนโลยภี มู สิ ารสนเทศ ระยะท่ี 2 รปู ที่ 3- 2 การพฒั นา/ ปรบั ปรงุ แบบจำลองในการประเมินความเสยี หายของพืชเกษตรรายแปลง 4) ตรวจสอบความถูกต้องของแบบจำลองประเมินความเสียหายของพืช 4 ชนิดรายแปลง จะ ใชข้ อ้ มลู จาก 3 แหล่งในการตรวจสอบและนำมาปรบั ปรงุ แบบจำลอง ได้แก่ 4.1) ข้อมูลจากรายงานความเสียหายของพืชรายแปลงจากรายงาน กษ.02 ที่เคยเกิดข้ึน ในอดีตของพืชท้ัง 4 ชนิด ครอบคลุมพื้นที่ 9 จังหวัด ทั้ง 6 จังหวัดที่เปน็ พ้ืนทีศ่ ึกษาเดิม และ 3 จังหวัดที่เป็นพื้นท่ี ศกึ ษาใหม่ในปที ่ี 2 4.2) การสำรวจภาคสนามเพื่อนำผลการวิเคราะห์จากแบบจำลองไปตรวจสอบและยัน ยืนความถูกต้องให้ครอบคลุมในพืชทั้ง 4 ชนิด และ 9 จังหวัดที่เป็นพื้นที่ศึกษา โดยจะมีเจ้าหน้าที่กรมส่งเสริม การเกษตรและอาสาเกษตรหมบู่ า้ นร่วมดำเนนิ การให้การเก็บขอ้ มลู ภาคสนาม รูปที่ 3- 3 หนา้ | 45 รายงานความก้าวหน้าการวิจัย (2 เดอื น) Inception Report

โครงการประเมินพืน้ ที่เส่ยี งภัยแลง้ และความเสยี หายของพชื เกษตรรายแปลง ด้วยเทคโนโลยภี ูมิสารสนเทศ ระยะท่ี 2 รูปที่ 3- 3 กระบวนการตรวจสอบความถูกต้องของการประเมินแปลงเกษตรของพืชท่ีคาดว่าจะได้รบั ความเสยี หาย 4.3) การตรวจสอบความเสียหายของพืชเกษตรราย จากเครื่องมือตรวจวัด ซ่ึง ประกอบด้วย เครื่องมือตรวจวัดค่าความชื้นในดิน ค่าอุณภูมิของดิน รวมถึงการใช้แพลตฟอร์ม EO factory เพ่ือ ติดตามการเปลี่ยนแปลง รวมทั้งผลจากการประมวลผลข้อมูลภาพถ่ายจากอากาศยานไร้คนขับ (Drone) เพื่อ จัดเก็บเป็นฐานข้อมูลในการสอบเทียบ ร่วมกับดัชนีเสี่ยงภัยแล้ง Drought Risk Index (DRI) เพื่อศึกษา ความสมั พันธท์ ่ีเกดิ ข้ึนในการประเมนิ ความเสียหายของพืชรายแปลง รูปที่ 3- 4 กระบวนการตรวจสอบความเสยี หายของพืช ด้วยอุปกรณ์ Drone รายงานความกา้ วหนา้ การวิจยั (2 เดือน) Inception Report หนา้ | 46

โครงการประเมนิ พ้นื ท่ีเสี่ยงภัยแล้งและความเสียหายของพืชเกษตรรายแปลง ด้วยเทคโนโลยภี ูมสิ ารสนเทศ ระยะที่ 2 3.2.3 การพัฒนาแบบจำลองการพยากรณ์พน้ื ทเ่ี สยี่ งภยั แล้ง การพยากรณ์พื้นท่เี ส่ียงภัยแล้งจะเป็นการพัฒนาแบบจำลองทีใ่ ชข้ ้อมูลพยากรณ์สภาพภูมิอากาศ ประมวลผลรว่ มกบั ดชั นพี ื้นท่ีภยั แล้ง (DRI) ที่พฒั นาขึน้ จากโครงการวิจัยระยะท่ี 1 โดยมีขน้ั ตอน ดงั นี้ 1) การหาความสัมพนั ธ์ของดชั นีพื้นที่แห้งแล้ง (DRI) กบั พารามเิ ตอรด์ า้ นสภาพอากาศ เช่น SPI และ LST ที่เคยเกดิ ขึน้ ในอดีต เพอื่ ศึกษาและคัดเลอื กพารามิเตอรด์ า้ นสภาพอากาศที่สอดคล้องกบั พน้ื ทีแ่ ห้งแลง้ 2) การพัฒนาระบบแบบจำลองบรรยากาศ (Regional Climate Model) หรือ RegCM version-5 เพื่อทำการพยากรณ์สภาพภูมิอากาศล่วงหน้ารายฤดูกาลระดับภูมิภาคของประเทศไทย ซึ่งเป็น แบบจำลองภูมอิ ากาศเชงิ ตวั เลขของระบบพยากรณอ์ ากาศระดับกลาง (Mesoscale) ทไี่ ด้รบั การพัฒนาจากองค์กร นานาชาติ International Centre for Theoretical Physics (ICTP) โดยระบบข้อมูลนำเข้าของแบบจำลองจะ ประกอบด้วย 4 ส่วนด้วยกัน ได้แก่ ข้อมูลภูมิประเทศ ข้อมูลอุณหภูมิผิวน้ำทะเล ข้อมูลบรรยากาศ และข้อมูล พนื้ ผิว เพ่ือนำไปใช้ในการพยากรณส์ ภาพภมู ิอากาศล่วงหน้ารายฤดูกาลของประเทศไทยใน 3 เดอื นล่วงหนา้ 3) การพัฒนาแบบจำลองการพยากรณ์พื้นที่เสี่ยงภัยแล้ง โดยใช้ข้อมูลจากสองแหล่งข้อมูล ด้วยกันนั้นคือ 1) ข้อมูลพยากรณ์สภาพภูมิอากาศที่ไดก้ รมอุตุนิยมวิทยา 2) แบบจำลองพยากรณ์สภาพภูมิอากาศ (RegCM version 5) รูปที่ 3- 5 โดยรายละเอียดเบื้องต้นของแบบจำลองแสดงดังรูปท่ี 5 เพื่อเป็นข้อมูลสนับสนุน การพยากรณด์ ชั นี DRI ลว่ งหน้าเป็นรายฤดกู าล รูปท่ี 3- 5 RegCM version 5 modelling system flow chart หน้า | 47 รายงานความกา้ วหน้าการวิจยั (2 เดอื น) Inception Report

โครงการประเมินพื้นทเ่ี สี่ยงภยั แลง้ และความเสยี หายของพืชเกษตรรายแปลง ด้วยเทคโนโลยภี ูมิสารสนเทศ ระยะท่ี 2 รปู ท่ี 3- 6 รายละเอียดเบ้ืองตน้ ของแบบจำลองที่ใชใ้ นการพยากรณ์ 3.2.4 การปรุงปรงุ และพฒั นาแพลตฟอรม์ 1) กรอบแนวคิดในการปรับปรงุ และพฒั นาแพลตฟอร์ม การปรับปรุงและพัฒนาแพลตฟอรม์ ในครั้งน้ี ได้ศึกษาจากแพลตฟอร์มทม่ี ีอยู่ ได้แก่ เว็บแอป พลิเคชัน http://cropsdrought.gistda.or.th และโมบายแอปพลิเคชัน “เช็คแล้ง” นอกจากนี้ยังได้ศึกษาความ ต้องการของผู้ใช้งานโดยการประชุมหารือกับหน่วยงานที่เกี่ยวข้อง และสัมภาษณ์จากผู้ใช้งานจริง ทั้งนี้ในการ ปรับปรุงและพัฒนาแพลตฟอร์มได้ใช้หลักทฤษฎีวงจรการพัฒนาระบบ (System Development Life Cycle : SDLC) และพัฒนาแพลตฟอร์มในรูปแบบเว็บแอปพลิเคชัน (Web Application) และโมบายแอปพลิเคชัน (Mobile Application) ดังแสดงในรปู ที่ 3- 10 รายงานความกา้ วหนา้ การวิจยั (2 เดือน) Inception Report หน้า | 48

โครงการประเมินพ้ืนท่เี ส่ยี งภัยแล้งและความเสียหายของพืชเกษตรรายแปลง ดว้ ยเทคโนโลยภี ูมิสารสนเทศ ระยะท่ี 2 รปู ท่ี 3- 7 กรอบแนวคดิ ในการปรบั ปรงุ และพฒั นาแพลตฟอรม์ 2) โครงสร้างของระบบ การออกแบบโครงสรา้ งของระบบในการปรบั ปรงุ และพัฒนาครง้ั นี้ ประกอบด้วย 4 สว่ น รูปท่ี 3- 8 อธบิ ายไดด้ งั น้ี 2.1) ส่วนผู้ใช้งาน (Client) เป็นส่วนต่อประสานผู้ใช้ โดยในส่วนของเว็บแอปพลิเคชัน (Web Application) จะเรียกใชง้ านผ่านเวบ็ บราวเซอร์ตา่ งๆ เชน่ Mozilla Firefox Google Chrome Microsoft Edge เป็นต้น และในส่วนของโมบายแอปพลิเคชัน (Mobile Application) จะเรียกใช้งาน Application ผ่าน อุปกรณ์เคลื่อนท่ี เช่น สมาร์ทโฟน แล็ปท๊อป เป็นต้น เพื่อส่งคําร้องขอข้อมูลผ่าน HTTP Request ไปยังส่วนเว็บ เซริ ฟ์ เวอร์ (web server) 2.2) ส่วนเว็บเซิร์ฟเวอร์(Web server) ทำหน้าที่ให้บริการ ประมวลผลข้อมูลในรูปแบบ การส่งขอ้ มลู ในลักษณะ Representational State Transfer API (REST API) ซง่ึ เป็นรปู แบบการส่งขอ้ มูลระหว่าง Server กับ Client รูปแบบหนึ่ง ซึ่งอยู่บนพื้นฐานของ HTTP Protocol เป็นการสร้าง Web Service เพ่ือ แลกเปลี่ยนข้อมูลกันผ่านเว็บแอปพลิเคชันโดยใช้ Express ซึ่งสร้างบนพื้นฐานของ Node.js ซึ่งเป็นการเขียน โปรแกรมเซิร์ฟเวอร์โดยใช้ภาษา JavaScript โดยในส่วนการของประมวลผลระบบจะนำไปติดตั้งบน GOOGLE CLOUD PLATFORM โดยใช้โปรแกรม Docker เพอ่ื ให้ระบบท่ีพัฒนาขึน้ มีประสิทธภิ าพในเรื่องการประมวลผล หน้า | 49 รายงานความก้าวหน้าการวิจัย (2 เดือน) Inception Report

โครงการประเมนิ พ้ืนทเี่ สีย่ งภัยแล้งและความเสียหายของพืชเกษตรรายแปลง ด้วยเทคโนโลยภี มู สิ ารสนเทศ ระยะที่ 2 รูปที่ 3- 8 โครงสร้างของระบบ 3) โครงสรา้ งของฐานขอมลู การจดั ทำฐานข้อมลู ที่ใชแ้ สดงผลในระบบ มีการออกแบบฐานขอ้ มูล เพื่อแสดงผลในรปู แบบ รายการข้อมูลตารางคุณลกั ษณะ (Feature tables) และการแสดงผลบนแผนท่ซี ึ่งจะถูกเกบ็ ไว้ในฟลิ ด์ Geometry และ Rast โดยฐานข้อมลู ใชโ้ ปรแกรมจดั เกบ็ ข้อมูล PostgreSQL ที่มีฟงั ก์ชัน POSTGIS ซึง่ มีความสามารถในการ ทำงานกับข้อมูลเชิงพ้ืนที่ และใชโ้ ปรแกรม PgAdmin สำหรับการจดั การฐานขอ้ มลู รปู ที่ 3- 9 โครงสร้างของฐานขอมูล 4) การวเิ คราะหร์ ะบบ (Analysis) รายงานความก้าวหนา้ การวิจัย (2 เดือน) Inception Report หนา้ | 50

โครงการประเมนิ พ้นื ทีเ่ สี่ยงภยั แล้งและความเสยี หายของพชื เกษตรรายแปลง ด้วยเทคโนโลยภี มู สิ ารสนเทศ ระยะท่ี 2 ความต้องการของระบบ ระบบสามารถทำงานได้อย่างมีประสิทธิภาพ ลดขั้นตอนในการ ปฏิบัติงาน มีการจัดการเก็บ และจัดการฐานข้อมูลอย่างเป็นระบบ และมีการประมวลผลได้อย่างถูกต้อง และนำ ข้อมลู ไปใชใ้ นการบริหารจัดการให้เกิดประสิทธิภาพ และมีการควบคมุ และรักษาความปลอดภยั ในการเขา้ ใช้งานร ความต้องการของผู้ใช้งาน ระบบสามารถใช้งานได้ง่าย มีความเหมาะสมของตัวอักษร ทั้ง ขนาด สี และรูปภาพ และเปน็ มาตราฐานเดยี วกัน การนำเข้าข้อมูล ประมวลผลขอ้ มูล ลบหรอื ปรบั ปรงุ ข้อมูล และ รายงานตา่ ง ๆ มปี ระสทิ ธภิ าพ ตอบสนองตอ่ ความต้องการของผู้ใช้งาน และระบบรกั ษาความปลอดภัยของข้อมูล มีการกำหนดรหสั ผู้ใชง้ าน และรหัสผา่ นในการตรวจสอบผใู้ ชง้ าน 5) การออกแบบระบบ (Design) การออกแบบระบบ โดยคำนึงถงึ ตามความต้องการสามารถนำมาออกแบบกระบวนการ และ การแสดงผลต่างๆ ในแพลตฟอร์มได้ โดยแบ่งเป็น (1) มาตรฐานการให้บริการข้อมูล (2) การแสดงผลข้อมูลดัชนี เสี่ยงภัยแลง้ (3) การแสดงผลความเสียหายของพืชรายแปลง (4) การแสดงผลชั้นข้อมูลอื่น ๆ (5) การแสดงแผนที่ พื้นหลัง (6) การติดตามการใช้งานผ่านระบบ Google Analytics และ App Store/play Store และ (7) การ ลงทะเบียนเพ่ือขอรับบรกิ ารข้อมลู จากระบบ 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 เคร่ืองมอทใ่ี ช้ในการพัฒนาระบบ แพลตฟอรม์ เทคโนโลยีและภาษาที่ใช้ การออกแบบสว่ นต่อประสานกราฟิกกับผใู้ ช้ ในการพฒั นาระบบ (Graphic user interface: GUI) เวบ็ แอปพลเิ คชนั (Web Application) - ภาษาทีใ่ ชใ้ นการพฒั นา คือ - หนักหลกั (Home) JavaScript, Html, CSS - เกย่ี วกบั เรา (About Us) - คลังความรู้ (Knowledge) - ฐานขอ้ มลู คือ PostgreSQL - แผนท่ี (Map) - โปรแกรมจดั การฐานข้อมลู คือ - ประชาสมั พันธ์ (Public Relations) - ตดิ ต่อเรา Pg Admin - หนักหลกั /เข้าสู่ระบบ (Home) - เกีย่ วกับเรา (About Us) โมบายแอปพลเิ คชนั - ภาษาที่ใช้ในการพฒั นา คือ Flutter, JavaScript หนา้ | 51 รายงานความกา้ วหนา้ การวจิ ัย (2 เดือน) Inception Report

โครงการประเมนิ พ้นื ทเ่ี ส่ียงภัยแลง้ และความเสียหายของพืชเกษตรรายแปลง ดว้ ยเทคโนโลยภี ูมิสารสนเทศ ระยะที่ 2 แพลตฟอรม์ เทคโนโลยีและภาษาท่ใี ช้ การออกแบบสว่ นตอ่ ประสานกราฟิกกบั ผู้ใช้ ในการพฒั นาระบบ (Graphic user interface: GUI) (Mobile Application) - ฐานขอ้ มลู คือ PostgreSQL - ผใู้ ชง้ าน - โปรแกรมจัดการฐานขอ้ มลู คือ - เชค็ -แผนทีท่ ี่เสี่ยงภัยแล้ง - เชค็ -แลง้ รายจงั หวัด Pg Admin - เช็ค-แปลงเกษตร 7) การทดสอบระบบ (Testing) เมื่อพัฒนาโปรแกรมเสร็จแล้วได้ดำเนินการทดสอบ โดยใช้วิธีการทดสอบแบบกล่องดำ (Black Box Testing) คือทดสอบผลลัพธ์ที่ได้จากการประมวลผล โดยการนําเข้าข้อมูลเพื่อตรวจสอบผลลัพธ์ที่ได้ ว่าถูกต้องหรือไม่ และทำการทดสอบทุกกระบวนการ (Process) เพื่อดูความเชื่อมกันของแต่ละกระบวนการ (Process) จากนั้นได้ให้ผู้ดูแลระบบและผู้ใช้ระบบทำการทดสอบการใช้งานเมื่อมีข้อผิดพลาดของการทำงาน ผู้ ประเมนิ จะทำการแก้ไขโปรแกรมเพื่อให้สามารถทำงานได้ถูกต้องตามท่ตี ้องการ 8) ตดิ ตง้ั ระบบ (Implementation) เมื่อทดสอบระบบเรียบร้อยแล้ว ได้ดำเนินการติดตั้งระบบบน GOOGLE CLOUD PLATFORM เพื่อใช้ระบบที่พัฒนาขึ้นทันที โดยใช้โปรแกรม Docker เป็นโปรแกรมท่ีทำหน้าที่เป็นเว็บเซิรฟเวอร์ (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) จะเรยี กใชง้ านผ่านอปุ กรณ์เคล่ือนท่ี เช่น สมารท์ โฟน แลป็ ทอ๊ ป เป็นต้นบำรุงรักษา 9) การบำรุงรักษาระบบ (Maintenance) ภายหลังจากระบบได้ติดตั้งและใช้งานเป็นที่เรียบร้อยแล้ว ได้มีการบำรุงรักษาระบบเพ่ือ ปรบั ปรงุ ใหต้ รงตามความต้องการของผใู้ ชง้ าน และการปรบั ระบบใหม้ ปี ระสทิ ธิภาพมากยงิ่ ขึ้นการบำรงุ รักษาระบบ ท่ีผา่ นมา ประกอบดว้ ย 9.1) การบำรุงรกั ษาระบบดว้ ยการแก้ไขใหถ้ ูกต้อง หลงั จากทไ่ี ดใ้ ช้ระบบไประยะหนึ่งผู้ใช้งาน หรือ ผู้ดูแลระบบ ได้พบข้อผิดพลาดบางอย่าง ที่ไม่ตรวจพบในการทดสอบระบบ จึงแจ้งผู้ประเมินให้ปรับแก้ไขให้ ถูกตอ้ งตามความต้องการ 9.2) การบำรงุ รักษาระบบด้วยการปรับปรุงใหด้ ีย่งิ ขึน้ เมื่อผูใ้ ชง้ าน หรือผดู้ ูแลระบบใช้งานไป สักระยะหนึ่ง ได้มีการประสานผู้รับประเมิน เพื่อขอเพิ่มกระบวนการ(Process) การทำงาน เพื่อให้เกิด ประสิทธิภาพ และลดขั้นตอนการทำงานบางอยา่ ง ใหส้ ะดวกมากย่งิ ข้ึน ผรู้ บั การประเมนิ จงึ ไดด้ ำเนนิ การพัฒนาใน สว่ นทผ่ี ใู้ ช้งานหรอื ผู้ดูแลระบบรอ้ งขอ รายงานความก้าวหน้าการวิจยั (2 เดอื น) Inception Report หนา้ | 52

โครงการประเมินพนื้ ท่เี ส่ียงภยั แล้งและความเสียหายของพชื เกษตรรายแปลง ดว้ ยเทคโนโลยภี มู สิ ารสนเทศ ระยะท่ี 2 3.2.5 การติดตามประเมนิ ผล ขับเคล่อื นและส่งเสรมิ การใช้งานแพลตฟอรม์ 1) หน่วยงานส่วนกลางระดับนโนบาย ได้แก่ สำนักปลัดกระทรวงเกษตรและสหกรณ์ กรม ส่งเสริมการเกษตร กรมชลประทาน กรมป้องกันและบรรเทาสาธารณภัยและสำนักงานทรัพยากรน้ำแห่งชาติ ร่วมกับสำนกั งานพฒั นาเทคโนโลยอี วกาศและภมู สิ ารสนเทศ (องคก์ ารมหาชน) และกรมอตุ นุ ิยมวิทยา ลงพื้นที่เพื่อ ร่วมขับเคลื่อนการใช้แพลตฟอร์มเพื่อสนับสนุนการตัดสินใจให้เกิดการช่วยเหลือ และลดความเสียหายของพืช ให้กบั เกษตรกร โดยมแี นวทางการดำเนนิ งานดังรปู ท่ี 3- 10 2) หน่วยงานระดับพื้นท่ี เช่น สำนักงานเกษตรจังหวัด สำนักงานเกษตรอำเภอ อาสาเกษตร หมู่บ้าน โครงการชลประทานจังหวัด ปภ.จังหวัด ร่วมกับหน่วยงานจากส่วนกลางจะลงพื้นที่เพื่อนขับเคลื่อน ส่งเสริมและสร้างกลไกการมีส่วนร่วม รวมถึงการอบรมเชิงปฏิบัติการ เพื่อการขยายพื้นที่ในวงกว้าง ครอบคลุม พื้นที่ภัยแล้งระดับสูงทั้งหมด (เกษตรอำเภอทั่วประเทศ 9 เขต/หน่วยงานที่เกี่ยวข้องในพื้นที่/ หัวหน้ากลุ่ม เกษตรกร 900 คน) 3) การปรับปรุงแพลตฟอร์มเพื่อสนับสนุนการตัดสินใจให้กับหน่วยงานระดับนโยบาย ระดับ พื้นที่ และเป็นเครื่องมือในการแจ้งเตือนภัยให้กับเกษตรกร เพื่อการป้องกัน เฝ้าระวัง และลดผลกระทบ ต่อความ เสียหายของพืชเกษตร รวมถึงการช่วยเหลือ เยียวยาให้กับผู้ประสบภัยแล้ง ได้ถูกต้อง แม่นยำ และทันต่อ สถานการณ์ รูปท่ี 3- 10 การตดิ ตามประเมินผล ขับเคล่ือนและสง่ เสรมิ การใชง้ านแพลตฟอรม์ ให้กบั ทุกภาคส่วน ตาม หลักเกณฑ์การให้ความชว่ ยเหลือผ้ปู ระสบภัยพิบัตดิ ้านการเกษตร หนา้ | 53 รายงานความก้าวหน้าการวจิ ัย (2 เดือน) Inception Report

โครงการประเมินพ้ืนท่เี สย่ี งภัยแล้งและความเสียหายของพืชเกษตรรายแปลง ดว้ ยเทคโนโลยภี ูมิสารสนเทศ ระยะที่ 2 4. สรุปความก้าวหนา้ ผลการวิจยั 4.1 การปรบั ปรงุ แบบจำลองดัชนพี น้ื ท่เี ส่ียงภยั แล้ง 4.1.1 ผลการศึกษาและรวบรวมข้อมูลน้ำฝนรายเดือน จากดาวเทียม CHRIPS ความละเอียดเชิงพื้นที่ 5x5 กโิ ลเมตร รปู ที่ 4- 1 ตัวอยา่ งข้อมลู นำ้ ฝนรายเดอื น ปี พ.ศ.2565 จากดาวเทียม CHRIPS 4.1.2 ผลการศึกษาและรวบรวมข้อมลู ความชนื้ ในดนิ จากดาวเทยี ม SMAP รปู ที่ 4- 2 ตวั อย่างข้อมูล SSM จากดาวเทียม SMAP ความละเอียด 1x1 กิโลเมตร รายงานความกา้ วหน้าการวิจยั (2 เดอื น) Inception Report หน้า | 54

โครงการประเมนิ พื้นท่ีเส่ียงภยั แลง้ และความเสยี หายของพชื เกษตรรายแปลง ดว้ ยเทคโนโลยภี ูมสิ ารสนเทศ ระยะที่ 2 4.1.3 ผลการวเิ คราะหด์ ชั นที เ่ี กยี่ วข้องกบั ภยั แลง้ จากดาวเทียม Suomi NPP และดาวเทยี ม NOAA ความ ละเอยี ด 1x1 กิโลเมตร ถูกคำนวณดว้ ยสมการสร้างเป็นดชั นี NDVI, LST, VCI, TCI และ VHI รูปท่ี 4- 3 ตวั อยา่ งการวิเคราะห์ดัชนภี ัยแล้งจากดาวเทยี ม Suomi NPP และดาวเทยี ม NOAA สปั ดาห์ที่ 1 -4 ของปี พ.ศ.2565 หนา้ | 55 รายงานความกา้ วหนา้ การวิจัย (2 เดือน) Inception Report

โครงการประเมินพนื้ ทเ่ี สย่ี งภัยแลง้ และความเสยี หายของพืชเกษตรรายแปลง ดว้ ยเทคโนโลยภี ูมิสารสนเทศ ระยะท่ี 2 4.1.4 ผลการศกึ ษาและรวบรวมข้อมูลปจั จยั ทางกายภาพที่เกีย่ วข้องกับการประเมนิ พ้ืนท่ีเสยี่ งภัยแล้งและ ความเสยี หายของพืช ไดแ้ ก่ การใชน้ ำ้ ของพืช แผนท่ชี ดุ ดนิ ปริมาณน้ำผิวดิน ปริมาณนำ้ ใต้ดิน ศักยภาพน้ำบาดาล การใช้ประโยชนท์ ีด่ นิ เปน็ ต้น กลมุ่ ชุดดนิ พ้ืนที่ชลประทาน ปริมาณน้ำใต้ดิน (ทีม่ า: กรมพัฒนาทด่ี ิน) (ที่มา: กรมชลประทาน) (ที่มา: กรมทรัพยากรนำ้ ยาดาล) การใชป้ ระโยชนท์ ีด่ ิน การคายระเหยน้ำ ปริมาณนำ้ ใต้ดิน (ที่มา: ESA2021) (ท่ีมา: ดาวเทียม MODIS ) (ท่มี า: ดาวเทียม Grace) รูปท่ี 4- 4 ขอ้ มูลปจั จยั ทางกายภาพทเ่ี ก่ยี วข้องกบั การประเมนิ พนื้ ทเ่ี สย่ี งภยั แลง้ รายงานความก้าวหนา้ การวิจยั (2 เดอื น) Inception Report หน้า | 56

โครงการประเมนิ พนื้ ทเี่ ส่ยี งภัยแล้งและความเสียหายของพชื เกษตรรายแปลง ด้วยเทคโนโลยภี ูมสิ ารสนเทศ ระยะที่ 2 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 ในพืน้ ทศี่ กึ ษา 9 จงั หวดั จำนวนทง้ั สิ้น 97,444 แปลง (ตารางที่ 4- 1 รปู ที่ 4- 5) ตารางท่ี 4- 1 สรุปจำนวนแปลงเกษตรกรทีป่ ระสบภยั แล้ง แยกรายพชื ในพื้นที่ 9 จงั หวัด จงั หวัด ข้าว ข้าวโพด มนั สำปะหลัง อ้อย รวม นครสวรรค์ 7,240 791 1 22 8,054 พจิ ติ ร 3,708 509 26 9 4,252 กำแพงเพชร 126 32 0 0 158 สุพรรณบรุ ี 7,767 190 0 0 7,957 อทุ ยั ธานี 6,961 376 84 58 7,479 นครราชสมี า 35,265 0 0 39,544 สุรินทร์ 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 หน้า | 57 รายงานความก้าวหน้าการวจิ ัย (2 เดือน) Inception Report

โครงการประเมนิ พ้นื ที่เสีย่ งภัยแล้งและความเสยี หายของพืชเกษตรรายแปลง ดว้ ยเทคโนโลยภี ูมิสารสนเทศ ระยะที่ 2 จงั หวดั กำแพงเพชร จังหวัดพจิ ติ ร จงั หวัดนครราชสีมา จงั หวัดสพุ รรณบุรี จังหวัดนครสวรรค์ จังหวัดร้อยเอ็ด จังหวดั อทุ ยั ธานี จงั หวดั สกลนคร จงั หวดั สุรินทร์ รปู ท่ี 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 สปั ดาห์ และรายเดอื น (รูปที่ 4- 6 ถึง รูปท่ี 4- 15) รายงานความกา้ วหน้าการวิจัย (2 เดือน) Inception Report หนา้ | 58

โครงการประเมินพืน้ ที่เส่ยี งภัยแลง้ และความเสียหายของพชื เกษตรรายแปลง ด้วยเทคโนโลยภี ูมสิ ารสนเทศ ระยะที่ 2 2) Normalized Difference Vegetation Index (NDVI) แสดงให้เห็นถึงการเพาะปลูกพืชได้ อย่างชัดเจนจากสิ่งที่ปกคลุมดิน โดยค่าดัชนีจะสะท้อนค่าพืชพรรณอย่างชัดเจนในช่วงเดือนมิถุนายนถึงเดือน ธนั วาคม รูปที่ 4- 6 แสดงคา่ ดัชนี NDVI ระดบั รายแปลง จากดาวเทียม Sentinel-2 3) Soil Adjusted Vegetation Index (SAVI) แสดงคา่ ของพืชพรรณที่มีการปรับแกค้ า่ สะทอ้ ง ของพน้ื ดิน ทำให้เหน็ การเพาะปลกู ที่มพี ืชปกคลมุ ได้อยา่ งชดั เจน เรมิ่ ตัง้ แตเ่ ดือนมิถนุ ายนถึงเดือนพฤศจกิ ายน กอ่ น จะเก็บเก่ยี วในเดอื นธันวาคม รปู ที่ 4- 7 ตัวอย่างข้อมูลดชั นี NDWI ระดับรายแปลง จากดาวเทยี ม Sentinel-2 หนา้ | 59 รายงานความกา้ วหนา้ การวิจัย (2 เดือน) Inception Report

โครงการประเมนิ พ้ืนที่เส่ยี งภยั แล้งและความเสยี หายของพชื เกษตรรายแปลง ดว้ ยเทคโนโลยภี มู สิ ารสนเทศ ระยะท่ี 2 4) Chlorophyll Content Index (CI) แสดงค่าของคลอโรฟิลล์ในพชื ทำให้เห็นพืชพรรณจาก การเพาะปลูกท่มี ปี กคลมุ พื้นที่ไดอ้ ย่างชัดเจน เรมิ่ ตั้งแต่เดอื นมถิ นุ ายนถึงเดอื นพฤศจกิ ายน ก่อนจะเก็บเกี่ยวใน เดือนธันวาคม รปู ที่ 4- 8 ตวั อยา่ งข้อมลู ดชั นี CI ระดบั รายแปลง จากดาวเทยี ม Sentinel-2 5) Normalized Difference Water Index (NDWI) แสดงค่าของความชื้นจากน้ำที่ปรากฏบน พนื้ ที่การเพาะปลูกพชื ทำใหเ้ ห็นความชื้นได้อย่างชัดเจน เร่มิ ตงั้ แต่เดอื นมิถุนายนถงึ เดือนพฤศจิกายน ก่อนจะเก็บ เกย่ี วในเดือนธันวาคม รปู ที่ 4- 9 ตัวอยา่ งข้อมลู ดัชนี NDWI ระดับรายแปลง จากดาวเทยี ม Sentinel-2 รายงานความก้าวหนา้ การวิจัย (2 เดือน) Inception Report หน้า | 60

โครงการประเมินพ้นื ท่เี ส่ยี งภัยแล้งและความเสยี หายของพชื เกษตรรายแปลง ดว้ ยเทคโนโลยภี มู ิสารสนเทศ ระยะที่ 2 6) Modified Normalized Difference Water Index (MNDWI) แสดงค่าความชื้นจากน้ำท่ี ปรากฏบนพนื้ ทเ่ี พาะปลูกดว้ ยอาศัยชว่ งคล่ืน SWIR (Short Wave Infra-Red) เขา้ มาช่วย รปู ที่ 4- 10 ตัวอย่างข้อมลู ดัชนี MNDWI ระดับรายแปลง จากดาวเทียม Sentinel-2 7) Shortwave Infrared Water Stress Index (SIWSI) แสดงค่าความเครียดจากการขาดน้ำ ของพืชดว้ ยใช้ชว่ งคลื่น Shortwave Infrared (SWIR) ท่ีมคี ุณสมบัตใิ นการศึกษาเรอ่ื งความชน้ื หรอื นำ้ ในใบพืช รูปท่ี 4- 11 ตัวอย่างข้อมลู ดัชนี SIWSI ระดบั รายแปลง จากดาวเทียม Sentinel-2 หน้า | 61 รายงานความก้าวหน้าการวจิ ยั (2 เดือน) Inception Report

โครงการประเมินพ้นื ที่เสย่ี งภยั แล้งและความเสยี หายของพืชเกษตรรายแปลง ดว้ ยเทคโนโลยภี ูมิสารสนเทศ ระยะที่ 2 8) Infrared percentage vegetation index (IPVI) แสดงให้เห็นถึงดัชนีพืชพรรณที่บ่งชี้การ เพาะปลูกพืชได้อย่างชดั เจนจากสง่ิ ทีป่ กคลุมดนิ รูปที่ 4- 12 ตวั อย่างข้อมูลดัชนี IPVI ระดบั รายแปลง จากดาวเทียม Sentinel-2 9) Modified Chlorophyll Absorption in Reflectance Index (MCARI) แ ส ด ง ค่ า ความสามารถของการดูดซึมคลอโรฟิลด์และความเข้มข้นของคลอโรฟิลด์ จะเห็นได้ชัดว่าค่าคลอโรฟิลด์จะเพิ่มขน้ึ ต้ังแต่เดือนกรกฎาคม ไปจนถึงเดือนพฤศจิกายนก่อนทีจ่ ะเก็บเกย่ี ว รปู ที่ 4- 13 ตัวอย่างข้อมูลดัชนี MCARI ระดับรายแปลง จากดาวเทียม Sentinel-2 รายงานความกา้ วหนา้ การวิจยั (2 เดอื น) Inception Report หนา้ | 62

โครงการประเมนิ พน้ื ที่เสย่ี งภยั แล้งและความเสยี หายของพชื เกษตรรายแปลง ดว้ ยเทคโนโลยภี ูมิสารสนเทศ ระยะท่ี 2 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 เห็นการเจรญิ เติบโตของพืชได้อย่างชัดเจน รูปที่ 4- 14 ตวั อย่างข้อมลู ดัชนี NDRE ระดับรายแปลง จากดาวเทียม Sentinel-2 11) Enhanced Vegetation Index (EVI) เป็นการปรับปรุงดัชนีพืชพรรณโดยการลดค่าสะท้อน ของบรรยากาศ ใช้ในการตดิ ตามการเจริญเตบิ โตของพืชได้ดี รูปที่ 4- 15 ตวั อยา่ งข้อมลู ดัชนี EVI ระดับรายแปลง จากดาวเทียม Sentinel-2 หน้า | 63 รายงานความก้าวหนา้ การวิจัย (2 เดอื น) Inception Report

โครงการประเมนิ พน้ื ท่ีเสี่ยงภยั แล้งและความเสียหายของพชื เกษตรรายแปลง ด้วยเทคโนโลยภี มู สิ ารสนเทศ ระยะท่ี 2 4.3 การพัฒนาแบบจำลองการพยากรณพ์ ้นื ท่ีเสย่ี งภัยแล้ง 4.3.1 พื้นทีศ่ ึกษาของแบบจำลองพยากรณ์ระดบั ภูมิภาค RegCM ขอบเขตพื้นที่ศึกษาของแบบจำลองพยากรณ์ระดับภูมิภาค RegCM ได้ทำการจำกัดขอบเขตพื้นที่ การศกึ ษาของแบบจำลองภายใตเ้ งื่อนไขจากขอจำกัดของทรัพยากรท่ีมีอยู่ไว้ท่ีลองจิจดู 87.38 องศาตะวนั ออก ถึง 114.74 องศาตะวนั ออก และทล่ี ะตจิ ูด 0.31 องศาใต้ ถึง 25.97 องศาเหนือ โดยมคี วามละเอยี ดของพ้ืนท่ีอยู่ท่ี 10 กิโลเมตร x 10 กิโลเมตร แสดงดังรปู ที่ 4- 16 รปู ที่ 4- 16 แสดงขอบเขตพื้นทศ่ี กึ ษาของแบบจำลองพยากรณร์ ะดับภมู ภิ าค RegCM ท่ีใชใ้ นการศึกษาน้ี 4.3.2 ขอ้ มูลนำเข้าสำหรบั แบบจำลอง RegCM ขอ้ มูลท่ีใช้เป็นเงอื นไขเร่ิมต้นและเงือนไขขอบเขตประกอบไปดว้ ยทงั้ หมด 4 สว่ นดว้ ยกันคือ • ขอ้ มูล 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, รายงานความกา้ วหน้าการวจิ ยั (2 เดือน) Inception Report หน้า | 64

โครงการประเมนิ พนื้ ที่เส่ยี งภยั แล้งและความเสยี หายของพชื เกษตรรายแปลง ด้วยเทคโนโลยภี มู ิสารสนเทศ ระยะท่ี 2 o mksrf_lai, o mksrf_lanwat, o mksrf_navuoro_20min, o mksrf_pft, o mksrf_soicol_clm2, o mksrf_soitex.10level, o mksrf_urban, • ขอ้ มลู บรรยากาศสำหรับเป็นเงือนไขเรม่ิ ต้นและเงือนไขขอบเขตแสดงดังตารางที่ 4- 2 ตารางที่ 4- 2 แสดงข้อมูลบรรยากาศจาก CSFv2 สำหรบั แบบจำลอง RegCM ข้อมูลบรรยากาศจาก CSFv2 ชว่ ง 3 00_UTC 06_UTC 12_UTC 18_UTC ถงึ 4 เดือนล่วงหนา้ Air Temperature / / // Relative Humidity / / // Horizontal wind in x dimension / / // Horizontal wind in y dimension / / // Geopotential Height / / // • ข้อมูลอณุ หภมู ิพืน้ ผิวของน้ำทะเลสำหรับเป็นเงอื นไขเร่ิมต้นและเงือนไขขอบเขตแสดงดัง ตารางท่ี 4- 3 แสดงอุณหภมู ิพ้ืนผวิ ของนำ้ ทะเลจาก CSFv2 สำหรับแบบจำลอง RegCM ขอ้ มูลอณุ หภมู ิพืน้ ผิวของน้ำทะเลจาก 00_UTC 06_UTC 12_UTC 18_UTC CSFv2 ช่วง 3 ถึง 4 เดือนล่วงหนา้ / / // Sea Surface Temperature หนา้ | 65 รายงานความก้าวหน้าการวจิ ยั (2 เดือน) Inception Report

โครงการประเมินพ้ืนท่ีเส่ียงภยั แล้งและความเสยี หายของพชื เกษตรรายแปลง ด้วยเทคโนโลยภี มู ิสารสนเทศ ระยะที่ 2 4.3.3 ตวั แปรพารามเิ ตอร์ในพยากรณ์ของแบบจำลอง RegCM แสดงดังตารางท่ี 4- 4 ตารางท่ี 4- 4 แสดงตัวแปรพารามิเตอร์ในแบบจำลอง RegCM ตัวแปรพารามิเตอร์ในพยากรณ์ของแบบจำลอง RegCM รายละเอยี ด 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 รายงานความกา้ วหน้าการวจิ ัย (2 เดือน) Inception Report หนา้ | 66

โครงการประเมนิ พนื้ ท่เี ส่ียงภยั แลง้ และความเสยี หายของพชื เกษตรรายแปลง ดว้ ยเทคโนโลยภี ูมิสารสนเทศ ระยะท่ี 2 ตวั แปรพารามเิ 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 ซง่ึ จะสามารถทำการออกแบบการจำลองแบบจำลอง RegCM ได้ โดยที่จะทำการจัดเก็บข้อมูลท่ี เป็นค่าคงที่แบบจำลองต้องการ ในทางกลับกันข้อมูลที่เป็นแบบไดนามิกโดยเฉพาะอย่างยิ่งข้อมูลบรรยากาศและ ข้อมูลอุณหภูมิผิวน้ำทะเลจะทำการจัดเก็บข้อมูล 2 ช่วงเวลาด้วยกันคือในทุก ๆ วันท่ี 3 และ วันที่ 17 ของทุก ๆ เดือน 1) กรณีของการเกบ็ ขอ้ มูล o ตัวอย่างในวันท่ี 03 ของเดือนพฤษภาคม 2023 จะมีการดำเนินการเก็บข้อมูลรายหก ชั่วโมงในทุก ๆ วันเริ่มตั้งแต่วันท่ี 01 พฤษภาคม 2023 จนถงึ วันที่ 31 สงิ หาคม 2023 o ตัวอย่างในวันท่ี 17 ของเดือนพฤษภาคม 2023 จะมีการดำเนินการเก็บข้อมูลรายหก ชั่วโมงในทุก ๆ วันเริ่มตั้งแต่วันท่ี 15 พฤษภาคม 2023 จนถึงวันท่ี 31 สิงหาคม 2023 สำหรับการออกแบบการ ประมวลผลขอ้ มลู 2) กรณีของการประมวลผลข้อมลู แบบจำลอง o ตัวอย่างข้อมูลเริ่มต้นที่เก็บได้เช่นกรณีของวันที่ 01 พฤษภาคม 2023 จะทำการ ประมวลผลแบบจำลองต้ังแต่วันท่ี 01 พฤษภาคม 2023 จนถึงวนั ท่ี 31 สงิ หาคม 2023 แต่จะใชร้ ะยะเวลาทั้งหมด 1 เดือนในการสปินอปั ข้อมลู ให้มคี วามสเถยี รดังน้นั ผลที่จะเอามาวิเคราะห์จะคือชว่ งต้ังแต่วนั ที่ 01 มิถนุ ายน 2023 จนถงึ วนั ท่ี 31 สงิ หาคม 2023 หนา้ | 67 รายงานความกา้ วหนา้ การวจิ ยั (2 เดอื น) Inception Report

โครงการประเมนิ พื้นทีเ่ ส่ียงภยั แลง้ และความเสยี หายของพืชเกษตรรายแปลง ด้วยเทคโนโลยภี ูมิสารสนเทศ ระยะที่ 2 o ตัวอย่างข้อมูลเริ่มต้นที่เก็บได้เช่นกรณีของวันท่ี 15 พฤษภาคม 2023 จะทำการ ประมวลผลแบบจำลองตั้งแตว่ ันท่ี 15 พฤษภาคม 2023 จนถึงวันท่ี 31 สิงหาคม 2023 แต่จะใช้ระยะเวลาทั้งหมด 15 วันในการสปินอัปข้อมูลให้มคี วามสเถียรดงั นั้นผลท่ีจะเอามาวิเคราะห์จะคือช่วงต้ังแต่วันท่ี 01 มิถุนายน 2023 จนถงึ วันที่ 31 สงิ หาคม 2023 โดยแผนผังโดยสรุปของแบบจำลอง RegCM แสดงดังรูปที่ 4- 17 และ ตารางที่ 4- 5 แสดงถึง การออกแบบและคา่ ตวั แปรพารามิเตอร์ท้งั หมดท่ีอยูใ่ นแบบจำลอง รปู ที่ 4- 17 แสดงแผนผังโดยสรุปของแบบจำลอง RegCM ทใ่ี ช้ในการศึกษานี้ 4.3.5 ตวั อย่างผลการพยากรณ์จากแบบจำลอง RegCM จากการประมวลผลเบื้องต้นที่เก็บข้อมูลกรณีของวันที่ 15 พฤษภาคม 2023 จะทำการประมวลผล แบบจำลองตั้งแต่วันท่ี 15 พฤษภาคม 2023 จนถึงวันท่ี 31 สิงหาคม 2023 แต่จะใช้ระยะเวลาทั้งหมด 15 วันใน การสปินอัปข้อมูลให้มีความสเถียรดังนั้นผลที่จะเอามาวิเคราะห์จะคือช่วงตั้งแต่วันที่ 01 มิถุนายน 2023 จนถึง วันที่ 31 สิงหาคม 2023 รายงานความกา้ วหนา้ การวจิ ัย (2 เดือน) Inception Report หน้า | 68

โครงการประเมนิ พืน้ ที่เส่ียงภัยแล้งและความเสยี หายของพชื เกษตรรายแปลง ดว้ ยเทคโนโลยภี มู สิ ารสนเทศ ระยะท่ี 2 ตารางท่ี 4- 5 แสดงตัวแปรพารามิเตอร์ในแบบจำลอง 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 หน้า | 69 รายงานความก้าวหน้าการวจิ ยั (2 เดือน) Inception Report

โครงการประเมนิ พ้นื ทเ่ี สย่ี งภยั แล้งและความเสยี หายของพชื เกษตรรายแปลง ด้วยเทคโนโลยภี ูมสิ ารสนเทศ ระยะท่ี 2 4.3.5 ตัวอยา่ งผลการพยากรณ์จากแบบจำลอง RegCM เวอรช์ ัน 5 การศึกษานีไ้ ดท้ ำการพยากรณล์ ว่ งหน้าของแบบจำลอง RegCM เวอร์ชนั 5 ในรายงานความก้าวหน้า งวดที่สองได้ยกตัวอย่างผลการพยากรณ์เฉลี่ยรายเดือนของเดือน มิถุนายน กรกฎาคม สิงหาคม และ กันยายน 2023 ดงั รปู ที่ 4- 18 เดอื น: มิถนุ ายน เดอื น: กรกฎาคม เดอื น: สงิ หาคม เดือน: กนั ยายน รูปที่ 4- 18 แสดงตัวอย่างผลการพยากรณป์ รมิ าณน้ำฝนรายเดอื นจากแบบจำลอง RegCM เวอรช์ นั 5 ของเดือน มิถุนายน กรกฎาคม สงิ หาคม และ กนั ยายน 2023 รายงานความก้าวหนา้ การวิจัย (2 เดอื น) Inception Report หนา้ | 70

โครงการประเมินพ้ืนทเ่ี สยี่ งภยั แล้งและความเสยี หายของพชื เกษตรรายแปลง ด้วยเทคโนโลยภี มู ิสารสนเทศ ระยะท่ี 2 4.4 การปรับปรุงและพัฒนาแพลตฟอร์ม ผลจากกการวเิ คราะห์ ออกแบบ พัฒนา ระบบสามารถทำงานด้วยเวบ็ บราวเซอร์ (Web Browser) ผา่ น เครอื ข่ายอนิ เตอรเ์ น็ต (Internet) รองรบั การใชง้ านผา่ นคอมพวิ เตอร์พกพา และโมบายแอปพลเิ คชัน (Mobile Application) ผ่านอปุ กรณ์มือถือ โดยมีผลการดําเนนิ งานดังนี้ 4.4.1 ผลการพฒั นาสว่ นต่อประสานกราฟิกกบั ผู้ใช้ (Graphic user interface: GUI) สำหรบั เวบ็ แอป พลิเคชนั (Web Application) หน้าหลัก เกีย่ วกับเรา แผนท่ี ส่วนเปิด/ปิดชั้นขอ้ มูล ดชั นีเส่ียงภยั แล้งรายสัปดาห์/รายเดือน ดัชนีเสี่ยงภยั แลง้ รายปี หน้า | 71 รายงานความก้าวหน้าการวิจยั (2 เดอื น) Inception Report

โครงการประเมนิ พื้นท่เี สย่ี งภยั แลง้ และความเสยี หายของพืชเกษตรรายแปลง ด้วยเทคโนโลยภี มู ิสารสนเทศ ระยะที่ 2 ผังแปลงเกษตร ดัชนีความเสยี หายรายแปลง ส่วนให้บริการขอ้ มูล สว่ นประชาสัมพนั ธ์ ตดิ ตอ่ เรา รูปที่ 4- 19 ส่วนหน้าหลกั เว็บแอปพลเิ คชนั (Web Application) รายงานความกา้ วหน้าการวจิ ัย (2 เดอื น) Inception Report หน้า | 72

โครงการประเมนิ พ้นื ทเี่ สยี่ งภยั แลง้ และความเสยี หายของพชื เกษตรรายแปลง ดว้ ยเทคโนโลยภี มู สิ ารสนเทศ ระยะท่ี 2 4.4.2 ผลการพัฒนาส่วนต่อประสานกราฟิกกับผ้ใู ช้ (Graphic user interface: GUI) สำหรบั โมบาย แอปพลิเคชนั (Mobile Application) หน้าแรก ลงทะเบยี นเขา้ ใชง้ าน เกยี่ วกบั เรา ผู้ใช้งาน เชค็ -พื้นที่เส่ียงภยั แล้ง เช็ค-แลง้ รายจงั หวดั เช็ค-แปลงเกษตร การวาดขอบเขตแปลงเกษตร รูปท่ี 4- 20 สว่ นหนา้ หลักเว็บแอปพลิเคชัน (Web Application) หนา้ | 73 รายงานความก้าวหน้าการวิจัย (2 เดอื น) Inception Report

โครงการประเมินพ้ืนทเี่ สยี่ งภยั แลง้ และความเสยี หายของพืชเกษตรรายแปลง ด้วยเทคโนโลยภี ูมิสารสนเทศ ระยะท่ี 2 5. อภปิ รายและวจิ ารณผ์ ล 5.1 การปรบั ปรงุ แบบจำลองดัชนีพ้ืนที่เสยี่ งภัยแลง้ การปรับปรุงแบบจำลองดัชนีพื้นที่เสี่ยงภัยแล้งได้เพิ่มเติมภาพถ่ายจากดาวเทียมที่มีศักยภาพในการ วิเคราะห์ข้อมูลอุณหภูมิ ดัชนีพืชพรรณ ปริมาณน้ำฝนและปริมาณน้ำใต้ดิน นอกจากนี้ยังมีการนำเข้าปัจจัยทาง กายภาพอ่ืนๆ ทีเ่ กย่ี วขอ้ งเขา้ มารว่ มประมวลผลในแบบจำลอง ได้แก่ การใชน้ ำ้ ของพชื การคายระเหยน้ำ แผนที่ชุด ดิน ปริมาณน้ำผวิ ดิน ปริมาณน้ำใตด้ นิ และการใช้ประโยชนท์ ี่ดิน ที่จะช่วยให้การประมวลพื้นท่ีเส่ียงภัยแล้งมีความ สอดคลอ้ งกับสภาพของพื้นทจี่ รงิ มากทส่ี ุด การประมวลผลได้ใช้ Machine Learning โดยมีการนำเข้าตัวแปรคำตอบได้แก่ พื้นที่เสียหายและ ความชืน้ ในดนิ จากสถานีในการพัฒนาแบบจำลองดัชนพี ้ืนท่เี ส่ยี งภยั แลง้ (Drought Risk Index: DRI) ท่ีจะถกู สร้าง ตามปขี องปรากฎการณ์ ENSO โดยดัชนี DRI จะเปน็ ปจั จัยทบี่ ง่ ช้คี วามเสยี หายของพชื เกษตรระดับรายแปลงต่อไป ในการใช้รว่ มกับดชั นีความเสยี หายของพชื 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 ดัชนีพชื พรรณต่างๆ ที่เกย่ี วขอ้ งกบั ความสมบูรณ์ ความเครยี ดจากการขาดนำ้ ของพืช จำนวนทง้ั สน้ิ 10 ดัชนี ได้แก่ NDVI NDWI CI MNDWI SAVI IPVI MCARI REIP S2REP และ NDRE ร่วมกับแปลงความเสียหายของพืชจากภัย แล้งในอดีตจากข้อมูล กษ.02 และให้ Machine Learning ทำการเรียนรู้ลักษณะของค่าดัชนีของการเจริญเติบโต ของพืชแบบปกติและความเสียหายที่เคยเกิดขึ้นในอดีตจากการใช้ข้อมูลแปลงที่ไม่เคยเสียหายและเคยเสียหาย จำนวน 70% ในการพัฒนาแบบจำลอง การทดสอบความแม่นยำของดัชนี CDAI จะแบ่งออกได้เป็น 2 ขั้น คือ การทดสอบการแปลงไม่เคย เสยี หายและเคยเสียหาย จำนวน 30% เพิ่มทำการปรับปรุงแบบจำลองขั้นตน้ หลงั จากน้นั จะทำการสุ่มตัวอย่างใน การตรวจสอบความถกู ต้องจากการสำรวจภาคสนามอกี คร้ังหน่งึ 5.3 การพัฒนาแบบจำลองการพยากรณพ์ ้ืนทเ่ี สีย่ งภยั แล้ง การพยากรณ์พนื้ ทเ่ี สีย่ งภยั แล้ง ในระดบั ภมู ภิ าค ดว้ ยแบบจำลอง RegCM เวอร์ชนั 5 มคี วามต้องการ ขอ้ มูล Static Surface ขอ้ มลู Global Land Surface Climatology ข้อมูลบรรยายกาศจาก และข้อมลู อุณหภมู ิ พ้ืนผวิ ทะเล โดยผวู้ ิจยั จะต้องศึกษาว่าตัวแปรใดมคี วามแผนแปรมากหรือนอ้ ย รวมถึงการศึกษาความเหมาะสมใน การกำหนดขนาดและองรายละเอยี ดขอ้ มลู ทเ่ี หมาะสม รายงานความกา้ วหนา้ การวิจัย (2 เดอื น) Inception Report หน้า | 74

โครงการประเมนิ พนื้ ท่เี สีย่ งภยั แล้งและความเสยี หายของพืชเกษตรรายแปลง ดว้ ยเทคโนโลยภี มู ิสารสนเทศ ระยะท่ี 2 การพยากรณจ์ ะต้องใช้ระยะเวลา 15 วัน ในการสปนิ ขอ้ มลู เพอื่ การพยากรณ์ล่วงหนา้ 3-4 เดือน และ ผลลพั ธ์ทีไ่ ด้ จะเป็นขอ้ มลู สนบั สนุนการตดั สินใจ เพ่ือการวางแผนการเพาะปลูกล่วงหนา้ การจดั การนำ้ ในพน้ื ท่ีให้ เกดิ ประโยชนส์ ูงสดุ และเพิม่ ผลผลิตของพืชได้ 5.4 การปรบั ปรงุ และพัฒนาแพลตฟอร์ม จากการวิเคราะห์ความต้องการของระบบ ตามมาตรฐานการให้บริการข้อมูลทั้งในรูปแบบเวกเตอร์ และแรสเตอร์กริด (ดัชนีข้อมูลจากดาวเทียม) ในรูปแบบการให้บริการ OGC Web Services เช่น WMS (Web Map Service), WFS (Web Feature Service), WMTS (Web Map Tile Service) ของระบบใหบ้ ริการข้อมูลภูมิ สารสนเทศเพื่อสนับสนุนการตัดสินใจด้านประเมินพื้นที่เสี่ยงภัยแล้ง ใช้ซอฟต์แวร์รหัสเปิด GeoServer เป็น ซอฟตแ์ วร์ประมวลผล และให้บรกิ ารผ่าน protocol มาตรฐาน โดยจะนำเขา้ ใน GeoServer ในรูปแบบของข้อมูล Mosaic ใหบ้ รกิ ารเปน็ ชนั้ ขอ้ มูลเดยี วครอบคลมุ พน้ื ท่ที ั้งประเทศ โดยระบบจะแสดงข้อมูลดัชนพี น้ื ทเ่ี ส่ียงภยั แลง้ ใน ภาพรวมทง้ั ประเทศ รายภาค และรายจังหวัด และดชั นีความเสียหายของพืชเกษตรรายแปลง การปรับปรุงแพลตฟอร์มการใช้บริการพืน้ ท่ีเสีย่ งภัยแล้งและความเสียหายของพืชเกษตรรายแปลง ทั้งใน ส่วนเวบ็ แอปพลิเคชนั และโมบายแอปพลิเคชัน นอกเหนอื จากการปรับปรงุ แบบจำลองเพ่ือการพัฒนาฐานข้อมูลที่ มคี วามถูกตอ้ งแม่นยำมากขึ้นแล้ว เพอ่ื ให้การแสดงผลรวดเร็วมากย่งิ ข้นึ การออกแบบทสี่ อดคล้องกบั ผใู้ ช้งานในแต่ ละกลมุ่ ทคี่ รอบคลุมทง้ั หนว่ ยงานภาครฐั ในระดบั นโยบาย ระดบั ปฏิบัตกิ าร รวมถึงประชาชนทวั่ ไป หนา้ | 75 รายงานความก้าวหนา้ การวิจยั (2 เดอื น) Inception Report

โครงการประเมนิ พน้ื ที่เสี่ยงภัยแล้งและความเสียหายของพืชเกษตรรายแปลง ดว้ ยเทคโนโลยภี มู สิ ารสนเทศ ระยะท่ี 2 6. ข้อเสนอแนะ 6.1 การศึกษาปัจจัยทางกายภาย ทั้งที่ที่วเิ คราะห์ได้จากดาวเทยี ม และที่รวบรวมได้จากหน่วยงานท่ีเกีย่ วข้อง ซ่ึงจะเป็นข้อมูลในการนำเข้าแบบจำลอง โดยในที่สุดทุกปัจจัยอาจจะไม่ได้มีความสำคัญที่จะนำเข้าแบบจำลอง ผู้วิจัยจะต้องทดสอบปจั จัยทั้งหมดก่อน เพื่อยืนยันว่าปัจจัยดังกล่าวมีอิทธิพลต่อความแห้งแล้ง และความเสียหาย ของพชื หรือไม่ 6.2 นักวิจัยได้ทำการศึกษาและวิเคราะห์ข้อจำกัดที่เกิดขึ้นจากการดำเนินโครงการฯ ในระยะที่ 1 เพื่อนำมา ปรับปรุง ทำให้การดำเนนิ งานในระยะเวลา 2 เดือนของโครงการฯ ระยะที่ 2 เปน็ ชว่ งของการศึกษาขอ้ มูลที่จะเป็น ประโยชน์ในการปรับปรุงแบบจำลองการประเมินพื้นที่เสี่ยงภัยแล้งและความเสียหายของพืชเกษตรรายแปลง เพิม่ เตมิ จากโครงการฯ ระยะท่ี 1 ทง้ั น้ีข้อมลู ที่เพ่ิมเติมเขา้ มาดังกล่าวยงั ต้องทำการประมวลผลในแบบจำลองเพ่ือดู ความเหมาะสมและเพิ่มความแม่นยำให้กับแบบจำลองได้มากน้อยเพียงใด ซึ่งจะอยู่ในการดำเนินงานในระยะ 6 เดือนของโครงการ 6.3 การปรับปรุงแบบจำลองการประเมินพื้นที่เสี่ยงภัยแล้งและความเสยี หายของพืชเกษตรรายแปลง เพื่อให้ ได้ดัชนีพื้นที่เสี่ยงภัยแล้ง (DRI) และดัชนีความเสียหายของพืช (CDAI) เป็นกิจกรรมท่ีต้องเร่งดำเนินการ เนื่องจาก จำเป็นต้องให้ได้ผลจากแบบจำลอง ในการออกแบบการสำรวจและเก็บข้อมูลภาคสนามเพื่อการตรวจสอบความ แมน่ ยำของแบบจำลองทีต่ อ้ งอยู่ในช่วงภยั แลง้ จากฝนท่ีช่วงท่คี าดวา่ จะเกิดในเดือนกรกฎาคม – สิงหาคม 2566 6.4 การพยากรณ์พื้นทเี่ ส่ียงภัยแล้ง มคี วามจำเป็นต้องทำงานอยา่ งใกล้ชดิ กบั ผเู้ ชี่ยวชาญจากกรมอุตุนิยมวิทยา ซงึ่ จะสามารถใหค้ ำแนะนำองคค์ วามรู้ทางวิชาการ และเชงิ เทคนคิ ท้ังด้านลกั ษณะอากาศและการพยากรณ์ เพ่ือให้ ผลลัพธ์มีความแมน่ ยำ โดยไม่เป็นการทำงานที่ซ้ำซ้อนกับกรมอุตุนยิ มวทิ ยา 6.5 การปรบั ปรงุ แพลตฟอรม์ การใหบ้ รกิ ารขอ้ มลู แบบออนไลนจ์ ำเป็นต้องมีการเก็บความต้องการของผ้มู ีสว่ น ไดส้ ว่ นเสยี เพม่ิ เติม เพ่ือให้การปรับปรุงแพลตฟอร์มสามารถให้บริการท่ีตอบสนองความตอ้ งการของผใู้ ชง้ านได้มาก ทีส่ ุด โดยต้องมีการแบ่งกลมุ่ ผู้ใช้งานให้ครอบคลุมท้ังในระดับนโยบายและระดับหน่วยปฏิบตั ิการในพนื้ ที่ รายงานความก้าวหน้าการวจิ ัย (2 เดอื น) Inception Report หน้า | 76

โครงการประเมนิ พนื้ ท่เี สยี่ งภยั แลง้ และความเสียหายของพชื เกษตรรายแปลง ดว้ ยเทคโนโลยภี ูมสิ ารสนเทศ ระยะที่ 2 7. บรรณานกุ รม (Bibliography) กมลพฒั น์ ตันติสวุ ณิชย์กลุ (2562). การสรา้ งฝนกริดแบบรายเดือนสำหรบั ประเทศไทยโดยใชข้ อ้ มูลฝนจาก สถานี ตรวจวัดและผลติ ภณั ฑ์การรบั รู้จากระยะไกล. วิทยานพิ นธป์ ริญญาโท สาขาวิศวกรรมทรพั ยากรน้ำ บัณฑติ วิทยาลยั มหาวทิ ยาลัยเกษตรศาสตร์. [Online]. Available at: https://senswat.eng.ku.ac.th/website/wp- content/uploads/2021/09/Kamonpat_5714501845.pdf [Accessed 7 June 2023]. คมู่ อื การใชง้ านโปรแกรม Quantum GIS: ภาควิชาวศิ วกรรมแหลง่ น้ำ คณะวศิ วกรรมศาสตร์ จฬุ าลงกรณ์ มหาวิทยาลัย. สทิ ธชิ ยั ชสู ำโรง. (2559). การจัดการฐานข้อมูลและฐานข้อมูลภมู ิสารสนเทศ [เอกสารประกอบการสอน]. ภาควชิ าทรพั ยากรธรรมชาติและส่ิงแวดลอ้ ม มหาวทิ ยาลัยนเรศวร. หน่วยปฏิบัติการวิจยั ระบบจัดการแหลง่ น้ำ คณะวศิ วกรรมศาสตร์ จุฬาลงกรณ์มหาวิทยาลัย. (2555). วสุพดั ช้างเขยี ว, กญั ชพร บุตรดี , กนกวรรณ สอนดอนไพร, ทพิ ยกาญจน์ บญุ ชุ่ม 2 และชพู ันธุ์ ชมภูจันทร์ (2565). การประเมินชดุ ข้อมูลปรมิ าณฝนรายเดอื นแบบกริดในพื้นท่ีล่มุ 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]. วริ ัช วรานจุ ิตต์ และคณะ. (2554). เอกสารวิจยั โครงการดรรชนคี วามแห้งแลง้ สำหรับประเทศไทย. เอกสารวชิ าการเลขที่ 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. หนา้ | 77 รายงานความก้าวหนา้ การวิจยั (2 เดอื น) Inception Report

โครงการประเมนิ พนื้ ทเ่ี สย่ี งภัยแลง้ และความเสียหายของพืชเกษตรรายแปลง ด้วยเทคโนโลยภี มู ิสารสนเทศ 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 รายงานความกา้ วหนา้ การวิจัย (2 เดอื น) Inception Report หนา้ | 78

โครงการประเมนิ พน้ื ที่เสีย่ งภัยแลง้ และความเสยี หายของพชื เกษตรรายแปลง ด้วยเทคโนโลยภี มู ิสารสนเทศ ระยะที่ 2 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). หน้า | 79 รายงานความก้าวหน้าการวิจัย (2 เดือน) Inception Report

โครงการประเมนิ พืน้ ทเ่ี สีย่ งภยั แลง้ และความเสียหายของพชื เกษตรรายแปลง ด้วยเทคโนโลยภี ูมสิ 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 รายงานความกา้ วหน้าการวจิ ยั (2 เดอื น) Inception Report หน้า | 80

โครงการประเมนิ พนื้ ทเ่ี สีย่ งภยั แล้งและความเสยี หายของพชื เกษตรรายแปลง ดว้ ยเทคโนโลยภี ูมิสารสนเทศ ระยะท่ี 2 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). หน้า | 81 รายงานความกา้ วหนา้ การวิจยั (2 เดอื น) Inception Report

โครงการประเมินพื้นทีเ่ สี่ยงภยั แล้งและความเสียหายของพืชเกษตรรายแปลง ด้วยเทคโนโลยภี ูมิสารสนเทศ ระยะท่ี 2 8. รายละเอียดนกั วิจัย 1 ทีป่ รึกษาโครงการ ชอ่ื นางกานดาศรี ลมิ ปาคม สงั กดั สำนกั งานพฒั นาเทคโนโลยีอวกาศและภมู สิ ารสนเทศ (องคก์ ารมหาชน) สถานท่ีตดิ ต่อ เลขท่ี 120 ศูนยร์ าชการเฉลมิ พระเกยี รติฯ 80 พรรษา (อาคารรฐั ประศาสนภักดี) ชัน้ 6 และชั้น 7 ถนนแจ้งวฒั นะ แขวงทุ่งสองหอ้ ง เขตหลักส่ี กรุงเทพฯ 10210 เบอร์โทรศัพท/์ โทรสาร E-mail. [email protected] 2 ที่ปรึกษาโครงการ ช่ือ นางดาเรศร์ กิตตโิ ยภาส สงั กดั กระทรวงเกษตรและสหกรณ์ สถานที่ติดต่อ เลขที่ 3 ถนนราชดำเนนิ นอก แขวงบา้ นพานถม เขตพระนคร กรุงเทพมหานคร 10200 เบอร์โทรศัพท/์ โทรสาร E-mail. [email protected] 3 ที่ปรกึ ษาโครงการ ช่อื นายปกรณ์ เพ็ชรประยรู สังกดั สำนักงานพัฒนาเทคโนโลยีอวกาศและภมู ิสารสนเทศ (องคก์ ารมหาชน) สถานทต่ี ิดต่อ เลขท่ี 120 ศนู ย์ราชการเฉลมิ พระเกยี รติฯ 80 พรรษา (อาคารรัฐประศาสนภักด)ี ชัน้ 6 และชัน้ 7 ถนนแจง้ วฒั นะ แขวงทุ่งสองห้อง เขตหลกั ส่ี กรุงเทพฯ 10210 เบอรโ์ ทรศัพท/์ โทรสาร 080-070-8146 E-mail. [email protected] 4 หวั หนา้ โครงการ ชื่อ นางสาววรนุช จันทร์สุรยิ ์ สังกดั สำนกั งานพฒั นาเทคโนโลยีอวกาศและภมู ิสารสนเทศ (องคก์ ารมหาชน) สถานทีต่ ดิ ตอ่ เลขที่ 120 ศูนย์ราชการเฉลมิ พระเกียรติฯ 80 พรรษา (อาคารรัฐประศาสนภักด)ี ชั้น 6 และชั้น 7 ถนนแจ้งวฒั นะ แขวงทงุ่ สองห้อง เขตหลักส่ี กรุงเทพฯ 10210 เบอรโ์ ทรศพั ท/์ โทรสาร 02-141-4549 E-mail. [email protected] รายงานความก้าวหน้าการวจิ ัย (2 เดอื น) Inception Report หน้า | 82

โครงการประเมนิ พ้นื ท่เี สีย่ งภัยแลง้ และความเสียหายของพชื เกษตรรายแปลง ดว้ ยเทคโนโลยภี ูมิสารสนเทศ ระยะท่ี 2 5 นกั วิจยั นายภานุ เนือ่ งจำนงค์ ชื่อ สำนกั งานพฒั นาเทคโนโลยีอวกาศและภมู ิสารสนเทศ (องค์การมหาชน) สังกัด เลขที่ 120 ศนู ยร์ าชการเฉลมิ พระเกยี รตฯิ 80 พรรษา (อาคารรัฐประศาสนภกั ด)ี สถานที่ตดิ ตอ่ ชั้น 6 และชน้ั 7 ถนนแจ้งวัฒนะ แขวงทุ่งสองห้อง เขตหลักส่ี กรงุ เทพฯ 10210 02-141-4528 เบอรโ์ ทรศพั ท/์ โทรสาร [email protected] E-mail. 7 นกั วิจยั นายประเมศ แกว้ มศี รี ช่ือ สำนกั งานพัฒนาเทคโนโลยีอวกาศและภมู สิ ารสนเทศ (องค์การมหาชน) สงั กดั เลขที่ 120 ศนู ยร์ าชการเฉลมิ พระเกยี รตฯิ 80 พรรษา (อาคารรฐั ประศาสนภกั ด)ี สถานท่ตี ดิ ตอ่ ชนั้ 6 และช้ัน 7 ถนนแจ้งวัฒนะ แขวงทุ่งสองหอ้ ง เขตหลักสี่ กรงุ เทพฯ 10210 02-141-4528 เบอร์โทรศัพท/์ โทรสาร [email protected] E-mail. 8 นักวิจัย นายกุลพัชร หล้าปาวงศ์ ชื่อ สำนกั งานพฒั นาเทคโนโลยีอวกาศและภมู สิ ารสนเทศ (องคก์ ารมหาชน) สงั กดั เลขท่ี 120 ศูนย์ราชการเฉลมิ พระเกยี รตฯิ 80 พรรษา (อาคารรฐั ประศาสนภกั ดี) สถานทต่ี ดิ ตอ่ ชน้ั 6 และชัน้ 7 ถนนแจง้ วัฒนะ แขวงทงุ่ สองหอ้ ง เขตหลักส่ี กรงุ เทพฯ 10210 02-141-4528 เบอร์โทรศพั ท/์ โทรสาร [email protected] E-mail. 9 นกั วจิ ยั นางสาวญาติกานต์ ฉววี งศ์ ช่อื สำนกั งานพฒั นาเทคโนโลยีอวกาศและภมู สิ ารสนเทศ (องค์การมหาชน) สังกัด เลขที่ 120 ศนู ยร์ าชการเฉลมิ พระเกยี รตฯิ 80 พรรษา (อาคารรัฐประศาสนภักดี) สถานทตี่ ิดต่อ ชนั้ 6 และชั้น 7 ถนนแจ้งวฒั นะ แขวงทุ่งสองหอ้ ง เขตหลกั ส่ี กรุงเทพฯ 10210 02-141-4527 เบอรโ์ ทรศัพท/์ โทรสาร [email protected] E-mail. 10 นักวจิ ยั นางพอฤทยั เทยี นไทย ช่อื สำนกั งานพัฒนาเทคโนโลยอี วกาศและภมู สิ ารสนเทศ (องคก์ ารมหาชน) สังกัด เลขที่ 120 ศูนยร์ าชการเฉลมิ พระเกยี รติฯ 80 พรรษา (อาคารรฐั ประศาสนภกั ดี) สถานทีต่ ดิ ตอ่ ช้ัน 6 และชน้ั 7 ถนนแจ้งวัฒนะ แขวงทุ่งสองห้อง เขตหลกั ส่ี กรงุ เทพฯ 10210 02-141-4527 เบอรโ์ ทรศพั ท/์ โทรสาร หนา้ | 83 รายงานความก้าวหน้าการวจิ ยั (2 เดอื น) Inception Report

โครงการประเมินพืน้ ทเี่ สี่ยงภัยแล้งและความเสียหายของพืชเกษตรรายแปลง ด้วยเทคโนโลยภี มู สิ ารสนเทศ ระยะท่ี 2 E-mail. [email protected] 11 นกั วจิ ยั นางสาววิภาดา บญุ เลิศ ชื่อ สำนักงานพัฒนาเทคโนโลยอี วกาศและภมู ิสารสนเทศ (องค์การมหาชน) สงั กัด เลขท่ี 120 ศูนยร์ าชการเฉลมิ พระเกียรติฯ 80 พรรษา (อาคารรฐั ประศาสนภกั ด)ี สถานทต่ี ดิ ตอ่ ช้นั 6 และชั้น 7 ถนนแจ้งวัฒนะ แขวงทุ่งสองหอ้ ง เขตหลกั ส่ี กรุงเทพฯ 10210 02-141-4549 เบอรโ์ ทรศพั ท/์ โทรสาร [email protected] E-mail. 12 นกั วจิ ัย นายศักรินทร์ อุน่ ทานนท์ ชอ่ื สำนกั งานพฒั นาเทคโนโลยีอวกาศและภมู ิสารสนเทศ (องคก์ ารมหาชน) สังกัด เลขท่ี 120 ศนู ยร์ าชการเฉลมิ พระเกียรติฯ 80 พรรษา (อาคารรัฐประศาสนภักดี) สถานทต่ี ดิ ตอ่ ชั้น 6 และชนั้ 7 ถนนแจ้งวฒั นะ แขวงทุ่งสองหอ้ ง เขตหลักสี่ กรุงเทพฯ 10210 087-546-1380 เบอรโ์ ทรศพั ท/์ โทรสาร [email protected] E-mail. 13 นักวจิ ัย นางสิริลกั ษณ์ นอ้ ยเคยี ง ชื่อ ศนู ย์เทคโนโลยสี ารสนเทศและการสอ่ื สาร กรมสง่ เสรมิ การเกษตร สังกัด เลขที่ 2143/1 อาคารสง่ เสริมการเกษตร1 ชนั้ 3 ถนนพหลโยธนิ แขวงลาดยาว เขต สถานทีต่ ดิ ต่อ จตจุ ักร กรงุ เทพฯ 10900 086-516-1219 เบอร์โทรศพั ท/์ โทรสาร [email protected] E-mail. 14 นักวจิ ยั นาวสาวสายใจ บงึ ไกล ช่ือ ศนู ยเ์ ทคโนโลยสี ารสนเทศและการสอ่ื สาร กรมสง่ เสรมิ การเกษตร สงั กดั เลขท่ี 2143/1 อาคารส่งเสริมการเกษตร1 ชัน้ 3 ถนนพหลโยธนิ แขวงลาดยาว เขต สถานท่ีติดตอ่ จตจุ ักร กรุงเทพฯ 10900 089-895-5551 เบอรโ์ ทรศพั ท/์ โทรสาร [email protected] E-mail. นายสรายทุ ธ สิรภิ ูษิต 15 นกั วิจัย ศนู ยเ์ ทคโนโลยสี ารสนเทศและการส่ือสาร กรมสง่ เสริมการเกษตร ชอ่ื เลขที่ 2143/1 อาคารสง่ เสรมิ การเกษตร1 ชนั้ 3 ถนนพหลโยธนิ แขวงลาดยาว เขต สงั กัด จตุจักร กรุงเทพฯ 10900 สถานที่ตดิ ตอ่ 085-838-8231 เบอรโ์ ทรศัพท/์ โทรสาร รายงานความก้าวหน้าการวิจยั (2 เดือน) Inception Report หนา้ | 84

โครงการประเมินพ้นื ทเี่ ส่ียงภยั แลง้ และความเสียหายของพืชเกษตรรายแปลง ด้วยเทคโนโลยภี ูมสิ ารสนเทศ ระยะที่ 2 E-mail. [email protected] 16 นักวจิ ยั นางอนงคน์ าฏ ศรรี ัตนา ชอ่ื ศนู ย์เทคโนโลยสี ารสนเทศและการสื่อสาร กรมส่งเสริมการเกษตร สังกดั เลขที่ 2143/1 อาคารส่งเสรมิ การเกษตร1 ชน้ั 3 ถนนพหลโยธนิ แขวงลาดยาว เขต สถานท่ตี ดิ ต่อ จตจุ ักร กรุงเทพฯ 10900 064-536-1556 เบอร์โทรศัพท/์ โทรสาร [email protected] E-mail. 17 นกั วจิ ัย นายสิฏฐพิ งษ์ สรุ ิยกานต์ ชื่อ กองแผนงาน กรมสง่ เสริมการเกษตร สงั กดั เลขที่ 2143/1 อาคารสง่ เสรมิ การเกษตร1 ช้ัน 3 ถนนพหลโยธิน แขวงลาดยาว เขต สถานทต่ี ดิ ตอ่ จตุจักร กรงุ เทพฯ 10900 02-579-9523, 080-476-2964 เบอรโ์ ทรศัพท/์ โทรสาร [email protected] E-mail. 18 นักวิจยั นางชิดชนก ไชยพงษ์ ชอ่ื กองสง่ เสรมิ การอารักขาพชื และจดั การดนิ ปยุ๋ กรมส่งเสรมิ การเกษตร สงั กัด เลขที่ 2143/1 อาคารสง่ เสริมการเกษตร1 ช้นั 3 ถนนพหลโยธิน แขวงลาดยาว เขต สถานทต่ี ดิ ต่อ จตจุ ักร กรงุ เทพฯ 10900 02-561-4663 เบอร์โทรศพั ท/์ โทรสาร [email protected] E-mail. 19 นกั วิจยั นางสาวศันสิตา รัตนสุภา ชอ่ื สำนักแผนงานและโครงการพิเศษ สำนักงานปลัดกระทรวงเกษตรและสหกรณ์ สังกดั เลขที่ 3 ถนนราชดำเนินนอก แขวงบ้านพานถม เขตพระนคร กรุงเทพมหานคร 10200 สถานที่ติดต่อ เบอรโ์ ทรศพั ท/์ โทรสาร นางสาววิศนี เพญ็ วันศกุ ร E-mail. สำนกั แผนงานและโครงการพเิ ศษ สำนักงานปลดั กระทรวงเกษตรและสหกรณ์ 20 นกั วิจยั เลขท่ี 3 ถนนราชดำเนินนอก แขวงบ้านพานถม เขตพระนคร กรุงเทพมหานคร 10200 ช่อื สงั กัด สถานทต่ี ดิ ตอ่ เบอรโ์ ทรศพั ท/์ โทรสาร E-mail. หนา้ | 85 รายงานความก้าวหน้าการวจิ ัย (2 เดือน) Inception Report

โครงการประเมินพน้ื ท่ีเสย่ี งภัยแล้งและความเสยี หายของพชื เกษตรรายแปลง ด้วยเทคโนโลยภี ูมสิ ารสนเทศ ระยะที่ 2 21 นกั วิจัย นายพีระพงศ์ รัตนบรุ ี ช่อื ฝา่ ยจัดสรรน้ำท่ี 2 สว่ นบรหิ ารจดั การน้ำ สำนักบริหารจัดการนำ้ และอทุ กวิทยา สังกัด กรมชลประทาน เลขที่ 3 ถนนราชดำเนนิ นอก แขวงบ้านพานถม เขตพระนคร กรุงเทพมหานคร 10200 สถานท่ีติดตอ่ 083-308-5140 เบอร์โทรศพั ท/์ โทรสาร [email protected] E-mail. 22 นกั วจิ ัย นายชลมั ภ์ อ่นุ อารีย์ ชื่อ กรมอตุ นุ ยิ มวิทยา สังกัด เลขที่ 4353 ถนนสขุ ุมวิท แขวงบางนาใต้ เขตบางนา กรงุ เทพมหานคร สถานที่ติดต่อ 083-398-6977 เบอร์โทรศัพท/์ โทรสาร E-mail. นายฐนโรจน์ วรรฐั ประเสรฐิ 23 นักวิจัย สำนักงานทรัพยากรนำ้ แหง่ ชาติ ชอ่ื อาคารจุฑามาศ เลขที่ 89/168-170 ถนนวภิ าวดรี ังสิต แขวงตลาดบางเขน เขตหลักสี่ สงั กดั กรงุ เทพฯ 10210 สถานที่ติดตอ่ 089-839-8938 เบอรโ์ ทรศพั ท/์ โทรสาร นายทรงเกียรต์ิ ขำทอง E-mail. สำนกั งานทรพั ยากรน้ำแห่งชาติ 24 นกั วจิ ยั อาคารจฑุ ามาศ เลขท่ี 89/168-170 ถนนวิภาวดีรงั สติ แขวงตลาดบางเขน เขตหลกั ส่ี ช่อื กรงุ เทพฯ 10210 สังกัด สถานทต่ี ิดตอ่ นายประสงค์ ธัมมะปาละ กรมปอ้ งกันและบรรเทาสาธารณภยั เบอร์โทรศพั ท/์ โทรสาร กระทรวงมหาดไทย 3/12 ถ.อู่ทองนอก แขวงดุสติ เขตดุสติ 10300 E-mail. 081-818-2560 25 นกั วิจยั [email protected] ชื่อ สงั กัด รายงานความกา้ วหนา้ การวิจยั (2 เดือน) Inception Report หนา้ | 86 สถานทต่ี ิดตอ่ เบอรโ์ ทรศพั ท/์ โทรสาร E-mail.

โครงการประเมนิ พื้นที่เสี่ยงภยั แล้งและความเสยี หายของพืชเกษตรรายแปลง ดว้ ยเทคโนโลยภี มู สิ ารสนเทศ ระยะท่ี 2 หนา้ | 87 รายงานความกา้ วหน้าการวจิ ยั (2 เดอื น) Inception Report