Remote Sensing (RS) กับภาคการเกษตร

 

ขวัญชนก พุทธจันทร์*

บรรณารักษ์ชำนาญการ

สำนักหอสมุด มหาวิทยาลัยเกษตรศาสตร์

 

          Remote sensing (RS)  หรือเทคโนโลยีการสำรวจข้อมูลจากระยะไกล เป็นเทคโนโลยีที่อาศัยคลื่นแสงพลังงานแม่เหล็กไฟฟ้าเป็นสื่อในการได้มาของข้อมูล ซึ่งส่วนใหญ่อยู่ในรูปของภาพถ่ายทางอากาศ หรือภาพถ่ายดาวเทียม ปัจจุบันเทคโนโลยี Remote Sensing (RS) ช่วยด้านการวัดและตรวจวิเคราะห์ข้อมูล เช่น วิเคราะห์ภาพถ่าย ดัชนีพืชพรรณ จำนวนลำต้น แสดงข้อมูลสภาพการเพาะปลูก ความอุดมสมบูรณ์ของดิน การตรวจวิเคราะห์ดิน การวัดปริมาณผลผลิต ฯลฯ  ซึ่งประโยชน์ที่ได้ส่วนมากเกี่ยวข้องกับภาคเกษตรกรรม

 

RS

ที่มา : https://slideplayer.com/slide/10656012/

 

 

กระบวนการ Remote sensing (RS) ประกอบด้วย 2 กระบวนการหลักคือ

          1. การได้รับข้อมูล (Data Acquisition) เริ่มตั้งแต่พลังงานแม่เหล็กไฟฟ้าจากแหล่งกำเนิดพลังงาน เช่น ดวงอาทิตย์ เคลื่อนที่ผ่านชั้นบรรยากาศ, เกิดปฏิสัมพันธ์กับวัตถุบนพื้นผิวโลก และเดินทางเข้าสู่เครื่องวัด/อุปกรณ์บันทึกที่ติดอยู่กับยานสำรวจ (Platform) ซึ่งโคจรผ่าน ข้อมูลวัตถุหรือปรากฏการณ์บนพื้นผิวโลกที่ถูกบันทึกถูกแปลงเป็นสัญญาณอิเล็กทรอนิกส์ส่งลงสู่สถานีรับภาคพื้นดิน (Receiving Station) และผลิตออกมาเป็นข้อมูลในรูปแบบของข้อมูลเชิงอนุมาน (Analog Data) และข้อมูลเชิงตัวเลข(Digital Data) เพื่อนำไปนำวิเคราะห์ข้อมูลต่อไป

          2. การวิเคราะห์ข้อมูล (Data Analysis) วิธีการวิเคราะห์มีอยู่ 2 วิธี คือ

                    2.1 การวิเคราะห์ด้วยสายตา (Visual Analysis) ให้ผลข้อมูลออกมาในเชิงคุณภาพ (Quantitative) ไม่สามารถ วัดออกมาเป็นค่าตัวเลขได้แน่นอน

                    2.2 การวิเคราะห์ด้วยคอมพิวเตอร์ (Digital Analysis) ให้ผลข้อมูลในเชิงปริมาณ (Quantitative) ที่สามารถแสดงผลการวิเคราะห์ออกมาเป็นค่าตัวเลขได้

 

 

Remote sensing (RS) สามารถจำแนกตามแหล่งกำเนิดพลังงาน ออกได้เป็น 2 ประเภทหลัก คือ

          (1) Passive remote sensing   เป็นระบบที่ใช้ตั้งแต่เริ่มแรกจนถึงปัจจุบัน โดยมีดวงอาทิตย์เป็นแหล่งกำเนิดพลังงานรับสัญญาณและบันทึกข้อมูลได้ในช่วงเวลากลางวันเป็นส่วนใหญ่ ด้วยการอาศัยการสะท้อนพลังงานของวัตถุบนพื้นโลกด้วยแสงอาทิตย์ Passive remote sensing นี้จึงมีข้อจำกัดด้านสภาวะอากาศ ทำให้ไม่สามารถบันทึกข้อมูลได้ดีในช่วงฤดูฝน หรือในช่วงเวลาที่มีเมฆ หมอกปกคลุมอย่างหนาแน่น อย่างไรก็ตามระบบนี้สามารถบันทึกข้อมูลในช่วงคลื่นอินฟราเรดความร้อน (Thermal Infrared) ซึ่งเป็นการแผ่พลังงานความร้อน (Emission) จากวัตถุบนพื้นผิวโลกในเวลากลางคืนได้

          (2) Active remote sensing    เป็นระบบที่มีแหล่งกำเนิดพลังงานจากการสร้างขึ้นของอุปกรณ์สำรวจในช่วงคลื่นไมโครเวฟ ที่นำมาใช้ในระบบเรดาร์ (Radio Detector and Ranging) โดยส่งผ่านพลังงานนั้นไปยังพื้นที่เป้าหมายและบันทึกสัญญาณการกระจัดกระจายกลับ (Backscatter) จากพื้นที่เป้าหมาย Active remote sensing นี้สามารถทำงานได้โดยไม่มีข้อจำกัดด้านเวลาและสภาพภูมิอากาศ ทั้งยังสามารถส่งสัญญาณทะลุผ่านกลุ่มเมฆ หมอก ฝน ทำให้สามารถบันทึกสัญญาณได้ทั้งเวลากลางวันและกลางคืนในทุกฤดูกาล

 

ตัวอย่างการใช้ Remote Sensing กับภาคการเกษตร

  • การประเมินบริเวณพื้นที่ที่เหมาะสม (มีศักยภาพ) ในการปลูกพืชต่าง ๆ เช่น ข้าว ปาล์มน้ำมัน มันสำปะหลัง ฯลฯการติดตามการเปลี่ยนแปลงพื้นที่ป่าไม้จากการแปลภาพถ่ายจากดาวเทียม เช่น ป่าดงดิบ ป่าดิบชื้น ป่าเต็งรัง ป่าชายเลน เป็นต้น
  • การศึกษาเกี่ยวกับการไหลเวียนของน้ำในท้องทะเล ศึกษาตะกอนในทะเลและคุณภาพของน้ำบริเวณชายฝั่ง เช่น พื้นที่ประมงน้ำเค็ม การแพร่ของตะกอนแขวนลอยจากการทำเหมืองแร่ในทะเล เป็นต้น
  • การใช้ภาพถ่ายจากดาวเทียมแปลสภาพพื้นที่เพื่อจัดทำแผนที่ธรณีวิทยาและโครงสร้างทางธรณี ซึ่งเป็นข้อมูลที่ต้องใช้เวลาและงบประมาณในการสำรวจ และนำมาสนับสนุนในการพัฒนาประเทศ เช่น เพื่อการประเมินหาแหล่งแร่ แหล่งเชื้อเพลิงธรรมชาติ แหล่งน้ำบาดาล การสร้างเขื่อน เป็นต้น
  • การใช้ภาพถ่ายจากดาวเทียวเพื่อติดตามขอบเขตและความอุดมสมบูรณ์ของพื้นที่ป่าและเขตอนุรักษ์พันธุ์ไม้
  • การใช้ภาพถ่ายจากดาวเทียมเพื่อใช้สำรวจบริเวณพื้นที่เพาะปลูกพืชเศรษฐกิจ เช่น พื้นที่ปลูกข้าว ปาล์มน้ำมัน ยางพารา สัปปะรด อ้อย ข้าวโพด เป็นต้น
  • ผลลัพธ์จากการแปลภาพเป็นข้อมูลมาใช้วางแผนงาน สนับสนุน ติดตามและประเมินแนวโน้มการใช้ที่ดินการเกษตร พื้นที่ป่าไม้ เป็นต้น
  • ผลลัพธ์จากการแปลภาพใช้ประเมินการเปลี่ยนแปลงการเพาะปลูกพืชเศรษฐกิจในแง่ ผลผลิต ปริมาณ ราคา ช่วงเวลา เป็นต้น

 

สามารถศึกษาเพิ่มเติมจากบทความออนไลน์ที่เกี่ยวข้องกับRemote Sensing (RS) ได้ดังนี้

 

  1. Development of a low-cost quadrotor UAV based on ADRC for agricultural remote sensing.

    Songchao Zhang, Xinyu Xue, Chen Chen, Zhu Sun, & Tao Sun. (2019). Development of a low-cost quadrotor UAV based on ADRC for agricultural remote sensing. International Journal of Agricultural & Biological Engineering, 12(4), 82–87. https://doi.org/10.25165/j.ijabe.20191204.4641

URL :

https://portal.lib.ku.ac.th/login?url=http://search.ebscohost.com/login.aspx?direct=true&db=fsr&AN=138167080&site=eds-live

 

 

  1. Complementing Optical Remote Sensing with Synthetic Aperture Radar Observations of Hail Damage Swaths to Agricultural Crops in the Central United States.

Bell, J. R., Gebremichael, E., Molthan, A. L., Schultz, L. A., Meyer, F. J., Hain, C. R., Shrestha, S., & Payne, K. C. (2020). Complementing Optical Remote Sensing with Synthetic Aperture Radar Observations of Hail Damage Swaths to Agricultural Crops in the Central United States. Journal of Applied Meteorology & Climatology, 59(4), 665–685. https://doi.org/10.1175/JAMC-D-19-0124.1

URL :

https://portal.lib.ku.ac.th/login?url=http://search.ebscohost.com/login.aspx?direct=true&db=iih&AN=142888595&site=eds-live

 

  1. Risk Assessment of Drifting Sand in Agricultural Lands in Basrah Province with the aid of “3S” Techniques.

Jabbar, M. T., Baer, E. M., & Al-Atab, S. M. S. (2020). Risk Assessment of Drifting Sand in Agricultural Lands in Basrah Province with the aid of “3S” Techniques. Basrah Journal of Agricultural Sciences, 33(1), 1–16. https://doi.org/10.37077/25200860.2020.32.1.01

 

URL :

https://portal.lib.ku.ac.th/login?url=http://search.ebscohost.com/login.aspx?direct=true&db=asn&AN=144346299&site=eds-live

 

  1. Agricultural Drought Monitoring by MODIS Potential Evapotranspiration Remote Sensing Data Application.

    Szewczak, K., Łoś, H., Pudełko, R., Doroszewski, A., Gluba, Ł., Łukowski, M., Rafalska-Przysucha, A., Słomiński, J., & Usowicz, B. (2020). Agricultural Drought Monitoring by MODIS Potential Evapotranspiration Remote Sensing Data Application. Remote Sensing, 12(20), 3411. https://doi.org/10.3390/rs12203411

URL :

https://portal.lib.ku.ac.th/login?url=http://search.ebscohost.com/login.aspx?direct=true&db=asn&AN=146967081&site=eds-live

 

  1. Applications of Remote Sensing in Precision Agriculture: A Review.

Sishodia, R. P., Ray, R. L., & Singh, S. K. (2020). Applications of Remote Sensing in Precision Agriculture: A Review. Remote Sensing, 12(19), 3136. https://doi.org/10.3390/rs12193136

URL :

https://portal.lib.ku.ac.th/login?url=http://search.ebscohost.com/login.aspx?direct=true&db=asn&AN=147047248&site=eds-live

 

  1. Inversion modeling of japonica rice canopy chlorophyll content with UAV hyperspectral remote sensing.

Cao, Y., Jiang, K., Wu, J., Yu, F., Du, W., & Xu, T. (2020). Inversion modeling of japonica rice canopy chlorophyll content with UAV hyperspectral remote sensing. PLoS ONE, 15(9), 1–15. https://doi.org/10.1371/journal.pone.0238530

URL :

https://portal.lib.ku.ac.th/login?url=http://search.ebscohost.com/login.aspx?direct=true&db=asn&AN=145699896&site=eds-live

 

  1. Remote Sensing and Geographic Information System in Water Erosion Assessment.

    Kumar, N., Singh, S. K., Reddy, G. P. O., Mishra, V. N., & Bajpai, R. K. (2020). Remote Sensing and Geographic Information System in Water Erosion Assessment. Agricultural Reviews, 41(2), 116–123. https://doi.org/10.18805/ag.R-1968

URL :

https://portal.lib.ku.ac.th/login?url=http://search.ebscohost.com/login.aspx?direct=true&db=asn&AN=144418315&site=eds-live

 

  1. Calibration of a common shortwave multispectral camera system for quantitative agricultural applications.

Barker, J. B., Woldt, W. E., Wardlow, B. D., Neale, C. M. U., Maguire, M. S., Leavitt, B. C., & Heeren, D. M. (2020). Calibration of a common shortwave multispectral camera system for quantitative agricultural applications. Precision Agriculture, 21(4), 922–935. https://doi.org/10.1007/s11119-019-09701-6

URL :

https://portal.lib.ku.ac.th/login?url=http://search.ebscohost.com/login.aspx?direct=true&db=fsr&AN=144297261&site=eds-live

 

  1. Review of Sensor Network-Based Irrigation Systems Using IoT and Remote Sensing.

    Li, W., Awais, M., Ru, W., Shi, W., Ajmal, M., Uddin, S., & Liu, C. (2020). Review of Sensor Network-Based Irrigation Systems Using IoT and Remote Sensing. Advances in Meteorology, 1–14. https://doi.org/10.1155/2020/8396164

URL :

https://portal.lib.ku.ac.th/login?url=http://search.ebscohost.com/login.aspx?direct=true&db=asn&AN=145532191&site=eds-live

 

  1. Developing a remote sensing-based combined drought indicator approach for agricultural drought monitoring over Marathwada, India.

    Kulkarni, S. S. ( 1,2 ), Gedam, S. S. ( 1 ), Wardlow, B. D. ( 2,3 ), Tadesse, T. ( 2 ), Svoboda, M. D. ( 2 ), & Bayissa, Y. A. ( 4 ). (n.d.). Developing a remote sensing-based combined drought indicator approach for agricultural drought monitoring over Marathwada, India. Remote Sensing, 12(13). https://doi.org/10.3390/rs12132091

URL :

https://portal.lib.ku.ac.th/login?url=http://search.ebscohost.com/login.aspx?direct=true&db=edselc&AN=edselc.2-52.0-85087547746&site=eds-live

 

 

เอกสารอ้างอิง

Burapha University. (2558). Remote Sensing : RS. Retrieved from http://rs-buu.blogspot.com/2015/11/blog-post_12.html

mitrpholmodernfarm. (2561). Remote Sensing เทคโนโลยีสำรวจข้อมูลระยะไกล. Retrieved from http://www.mitrpholmodernfarm.com/news/2018/07/remote-sensing-เทคโนโลยีสำรวจข้อมูลระยะไกล

กรรณิการ์ มีสุวรรณ์. (2556). การสำรวจระยะไกล (REMOTE SENSING). Retrieved from https://knowledgeofrs.weebly.com/3585363436193611361936323618364035853605366036513594365736493621363236113619363236503618359436093660.html

อุไรวรรณ  คีรีทอง (2555). เทคโนโลยีด้านการสำรวจระยะไกล (Remote Sensing : RS). Retrieved from

https://yingpew103.wordpress.com/2013/01/18/เทคโนโลยีด้านการสำรวจร/

 

 

 


 
 
 
1xbet casino siteleri bedava bahis kaçak bahis superbetin yeni giriş casino siteleri