ลายเซ็นเชิงคลื่นจากค่าการสะท้อนแสงแบบไฮเปอร์สเปกตรัมของพันธุ์ข้าวที่เกษตรกรนิยมปลูกในพื้นที่ชลประทาน จังหวัดชัยนาท
Main Article Content
Abstract
การศึกษาครั้งนี้มีวัตถุประสงค์ที่จะจัดทำลายเซ็นเชิงคลื่นของข้าวเจ้าพันธุ์ กข41 กข31 ปทุมธานี1 และชัยนาท1 ใน 3 ช่วงการเจริญเติบโต บริเวณศูนย์วิจัยข้าวชัยนาท ด้วยเครื่องวัดค่าการสะท้อนแสงแบบไฮเปอร์สเปกตรัมและเปรียบเทียบความแตกต่างของค่าการสะท้อนแสง ในแต่ละช่วงคลื่นและค่าดัชนีพืชพรรณ ด้วยความแปรปรวนทางเดียว ผลการศึกษา พบว่า ข้าวเจ้าทั้ง 4 พันธุ์ ในช่วงการเจริญเติบโตทางการสืบพันธุ์ มีค่าการสะท้อนพลังงานของคลื่นแม่เหล็กไฟฟ้าสูงสุด คือ ข้าวเจ้าพันธุ์ กข41 กข31 ปทุมธานี1 และชัยนาท1 (Reflectance = 0.5210, 0.5207, 0.4515 และ 0.4312) ตามลำดับ หากพิจารณาค่าการสะท้อนในแต่ละช่วงคลื่น พบว่า ช่วงคลื่นอินฟราเรดใกล้ สามารถจำแนกความแตกต่างของข้าวได้ตั้งแต่ช่วงการเจริญเติบโตทางลำต้น อย่างมีนัยสำคัญทางสถิติ (p < 0.05) ส่วนค่าดัชนีพืชพรรณความต่างแบบนอร์มัลไลซ์ (NDVI) และดัชนีสัดส่วนธรรมดา (SR) สามารถจำแนกความแตกต่างของข้าวเจ้าพันธุ์ กข41 ออกจากพันธุ์ กข31 ปทุมธานี1 และชัยนาท1 ได้ในช่วงการเจริญเติบโตทางลำต้น และการสืบพันธุ์ อย่างมีนัยสำคัญทางสถิติ (p < 0.05) จากผลการศึกษาแสดงให้เห็นว่าเครื่องวัดค่าการสะท้อนแสงแบบไฮเปอร์สเปกตรัมภาคพื้นดิน สามารถจำแนกความแตกต่างของข้าวแต่ละพันธุ์ได้ ซึ่งผู้วิจัยหวังว่าผลที่ได้จากการศึกษาครั้งนี้จะสามารถใช้เป็นฐานข้อมูลสเปกตรัมอ้างอิงในการประยุกต์ใช้ร่วมกับข้อมูลภาพถ่ายดาวเทียม เพื่อเพิ่มประสิทธิภาพในการคาดการณ์ผลผลิตและติดตามพื้นที่ปลูกข้าวของประเทศต่อไป
Article Details
References
กองวิจัยและพัฒนาข้าว. (2562). องค์ความรู้เรื่องข้าว เรื่อง การจัดการน้ำอย่างมีประสิทธิภาพในการผลิตข้าวนาชลประทาน. สืบค้นจาก http://www.ricethailand.go.th/rkb3/Eb_022.pdf
จรัณธร บุญญานุภาพ. (2557). หลักการรับรู้จากระยะไกลด้านนิเวศวิทยาพืชพรรณและการอนุรักษ์.กรุงเทพมหานคร: สำนักพิมพ์โอเดียนสโตร์.
ชฎา ณรงค์ฤทธิ์ และคณะ. (2555). การเปรียบเทียบรังสีการสะท้อนของระบบนิเวศนาข้าวในสภาพภูมิศาสตร์และการจัดการที่แตกต่างกัน. มหาวิทยาลัยนเรศวร. สถานภูมิภาคเทคโนโลยีอวกาศและภูมิสารสนเทศ ภาคเหนือตอนล่าง.
ภราดร กาญจนสุธรรม, นิพนธ์ ตั้งธรรม และเรืองไร โตกฤษณะ. (2557). การประมาณผลผลิตต่อไร่ของข้าวนาปรังด้วยข้อมูลดาวเทียม SMMS โดยใช้ดัชนีความแตกต่างพืชพรรณ (NDVI): กรณีศึกษาอำเภอเมือง จังหวัดสุพรรณบุรี. (วิทยานิพนธ์ปริญญา มหาบัณฑิต). มหาวิทยาลัยเกษตรศาสตร์, สาขาวิชาการใช้ที่ดินและการจัดการทรัพยากรธรรมชาติอย่างยั่งยืน.
ASD. (2010). Analytical Spectral Devices FieldSpec® 3 Spectroradiometer: User Manual. Retrieved from http://www.geo-informatie.nl/manuals/600540-JFieldSpec3 UserManual.pdf
Boschetti, M., Nutini, F., Manfron, G., Brivio, P.A. & Nelson, A. (2014). Comparative analysis of normalised difference spectral indices derived from MODIS for detecting surface water in flooded rice cropping systems. PLOS ONE, 9(2), 1-21.
Corcione, V., Nunziata, F., Mascolo, L. & Migliaccio M. (2016). A study of the use of COSMO-SkyMed SAR PingPong polarimetric mode for rice growth monitoring. International Journal of Remote Sensing, 37(3), 633-647.
González-Betancourt, M. & Mayorga-Ruíz, Z.L. (2018). Normalized difference vegetation index for rice management in El Espinal. Colombia. DYNA, 85(205), 47-56.
Guan, X., Huang, C., Liu, G., Meng, X. & Liu, Q. (2016). Mapping rice cropping systems in vietnam using an NDVI-based time-series similarity measurement based on DTW distance. Remote Sensing, 8(1), 19-44.
Jensen, J.R. (2007). Remote sensing of the environment: An earth resource perspective (2nd ed.). New Jersey: Practice Hall.
Kuenzer, C. & Knauer, K. (2013). Remote sensing of rice crop areas. International Journal of Remote Sensing, 34(6), 2101-2139.
Leinenkugel, P., Kuenzer, C., Oppelt, N. & Dech, S. (2013). Characterisation of land surface phenology and land cover based on moderate resolution satellite data in cloud prone areas - A novel product for the Mekong Basin. Remote Sensing of Environment, 136, 180-198.
Magney, T.S., Eitel, J.U.H., Huggins, D.R. & Vierling, L.A. (2016). Proximal NDVI derived phenology improves in-season predictions of wheat quantity and quality. Agricultural and Forest Meteorology, 217, 46-60.
Mosleh, M.K., Hassan, Q.K. & Chowdhury, E.H. (2015). Application of remote sensors in mapping rice area and forecasting its production: a review. Sensors (Basel, Switzerland), 15(1), 769–791.
Peng, D., Huang, J., Li, C., Liu, L., Huang, W., Wang, F. & Yang, X. (2014). Modelling paddy rice yield using MODIS data. Agricultural and Forest Meteorology, 184, 107-116.
U.S. Geological Survey. (2018). What are the best Landsat spectral bands for use in my research?. Retrieved from https://www.usgs.gov/faqs/what-are-best-landsat-spectral-bands-use-my-research?qt-news_science_products=0#qt- news_science_products.
Van Niel, T. G. & McVicar, T. R. (2004). Current and potential uses of optical remote sensing in rice-based irrigation system: a review. Australian Journal of Agricultural Research, 55,155-185.