การประเมินความรุนแรงของปรากฏการณ์เกาะความร้อนเมืองจากการเปลี่ยนแปลงการใช้ประโยชน์ที่ดินในเขตเทศบาลนครนครราชสีมา ด้วยข้อมูลดาวเทียม Landsat หลายช่วงเวลา

ศันสนีย์ มณีโชติ

ผู้แต่ง

ศันสนีย์ มณีโชติ คณะมนุษยศาสตร์และสังคมศาสตร์ มหาวิทยาลัยราชภัฏนครราชสีมา

คำสำคัญ:

อุณหภูมิพื้นผิว ดัชนีความแปรปรวนความร้อนในเขตเมือง ปรากฏการณ์เกาะความร้อนเมือง

บทคัดย่อ

เทศบาลนครนครราชสีมาเป็นศูนย์กลางการพัฒนาเมืองที่มีการขยายตัวของพื้นที่สิ่งปลูกสร้างอย่างต่อเนื่อง ส่งผลต่อการเปลี่ยนแปลงพลวัตทางความร้อนในเขตเมือง งานวิจัยนี้มีวัตถุประสงค์เพื่อ 1) ศึกษาความสัมพันธ์ระหว่างอุณหภูมิพื้นผิว (Land Surface Temperature : LST) กับการใช้ประโยชน์ที่ดินในช่วงปี พ.ศ. 2557–2567 และ 2) ประเมินความรุนแรงของปรากฏการณ์เกาะความร้อนเมืองด้วยดัชนี Urban Thermal Field Variance Index (UTFVI) โดยใช้ข้อมูลจากดาวเทียม Landsat 8 OLI/TIR และ Landsat 9 OLI-2/TIRS-2 ผลการศึกษาพบว่า พื้นที่สิ่งปลูกสร้างมีการเพิ่มขึ้นจากร้อยละ 85.63 ในปี พ.ศ. 2557 เป็นร้อยละ 89.15 ในปี พ.ศ. 2567 ขณะที่พื้นที่เกษตรกรรมและป่าไม้ลดลงต่อเนื่อง ส่งผลให้พื้นที่ที่มีค่า LST สูงสุดสอดคล้องกับเขตเมืองหนาแน่นและพื้นที่เกษตรหลังการเก็บเกี่ยว ค่า UTFVI แสดงผลการกระจายแบบสองขั้ว โดยมีพื้นที่ระดับที่ไม่เกิดปรากฏการณ์ ประมาณร้อยละ 44–48 และพื้นที่ที่อยู่ในระดับความรุนแรงสูงที่สุด ประมาณร้อยละ 26–33 ในทุกช่วงเวลา อย่างไรก็ตามแนวโน้มระหว่างปี พ.ศ.2557–2567 แสดงให้เห็นว่าพื้นที่ในระดับความรุนแรงสูงที่สุดลดลงเล็กน้อย ขณะที่พื้นที่ระดับกลาง (Weak–Middle–Strong) เพิ่มขึ้น สะท้อนถึงการกระจายตัวของความร้อนจากพื้นที่ศูนย์กลางเมืองไปยังพื้นที่รอบข้าง ผลการวิจัยชี้ว่าการเปลี่ยนแปลงการใช้ที่ดินมีอิทธิพลโดยตรงต่อความรุนแรงและการกระจายตัวของ UHI ซึ่งข้อมูลเหล่านี้สามารถใช้เป็นแนวทางเชิงนโยบายในการจัดการพื้นที่เมือง เพิ่มพื้นที่สีเขียว และพัฒนาเมืองให้มีความยั่งยืนภายใต้สภาพภูมิอากาศที่เปลี่ยนแปลงไป

เอกสารอ้างอิง

วีรนันท์ สงสม, ธงชัย สุธีรศักดิ์ และ พีรภพ สันหวัง. (2563). การศึกษาความสัมพันธ์ระหว่างเกาะความร้อนเมืองและจำนวนนักท่องเที่ยวในตัวเมืองเชียงใหม่ด้วยเทคนิคการรับรู้จากระยะไกล. วารสารวิชาการพระจอมเกล้าพระนครเหนือ, 30(4), 678–688. http://doi.org/10.14416/j.kmutnb.2020.06.007

สำนักงานสถิติจังหวัดนครราชสีมา. (2566). ตารางประชากรจากการทะเบียน จำแนกตามเพศ เขตการปกครอง เป็นรายอำเภอ พ.ศ. 2566. สำนักงานสถิติแห่งชาติ. https://nkrat.nso.go.th/images/2566_%E0%B8%9B%E0%B8%A3%E0%B8%B0%E0%B8%8A%E0%B8%B2%E0%B8%81%E0%B8%A3%E0%B8%99%E0%B8%84%E0%B8%A3%E0%B8%A3%E0%B8%B2%E0%B8%8A%E0%B8%AA%E0%B8%B5%E0%B8%A1%E0%B8%B22566.pdf

สำนักงานสถิติจังหวัดนครราชสีมา. (2559). รายงานสถิติจังหวัดนครราชสีมา พ.ศ. 2559. สำนักงานสถิติแห่งชาติ https://nkrat.nso.go.th/images/Nakhon_Ratchasima_Province_Statistical_Report/NKRAT_R59.pdf

Amani-beni, M., Zhang, B., Xie, G., & Shi, Y. (2019). Impacts of urban green landscape patterns on land surface temperature : evidence from the adjacent area of olympic forest park of Beijing , China. Sustainability, 11(2), 513. https://doi.org/10.3390/su11020513

De Jesus, J. B., & Santana, I. D. M. (2017). Estimation of land surface temperature in caatinga area using Landsat 8 Data. Journal of Hyperspectral Remote Sensing, 7(3), 150–157. https://doi.org/10.29150/jhrs.v7.3.p150-157

Faisal, A.-A., Kafy, A.- Al, Foyezur Rahman, A. N. M., Rakib, A. Al, Akter, K. S., Raikwar, V., Jahir, D. M. A., Ferdousi, J., & Kona, M. A. (2021). Assessment and prediction of seasonal land surface temperature change using multi-temporal Landsat images and their impacts on agricultural yields in Rajshahi, Bangladesh. Environmental Challenges, 7(9), 100147. https://doi.org/10.1016/j.envc.2021.100147

Guha, S., Govil, H., Dey, A., & Gill, N. (2018). Analytical study of land surface temperature with NDVI and NDBI using Landsat 8 OLI and TIRS data in Florence and Naples city, Italy. European Journal of Remote Sensing, 51(1), 667–678. https://doi.org/10.1080/22797254.2018.1474494

Hashim, B. M., Maliki, A. Al, Sultan, M. A., Shahid, S., & Yaseen, Z. M. (2022). Effect of land use land cover changes on land surface temperature during 1984 - 2020 : a case study of Baghdad city using landsat image. Natural Hazards, 112(2), 1223–1246. http://doi.org/10.1007/s11069-022-05224-y

Jackson, R. D., & Huete, A. R. (1991). Interpreting vegetation indices. Preventive Veterinary Medicine, 11(3-4), 185–200. http://doi.org/10.1016/S0167-5877(05)80004-2

Kafy, A. A., Faisal, A.-A.-, Rakib, Al, A., Roy, S., Ferdousi, J., Raikwar, V., Kona, Marium, A., & Fatin, S. M. A. Al. (2021). Predicting changes in land use / land cover and seasonal land surface temperature using multi-temporal landsat images in the northwest region of Bangladesh. Heliyon, 7(7), e07623. https://doi.org/10.1016/j.heliyon.2021.e07623

Kleerekoper, L., van Esch, M., & Salcedo, T. B. (2012). How to make a city climate-proof, addressing the urban heat island effect. Resource Conservation Recycling, 64, 30–38. http://doi.org/10.1016/j.resconrec.2011.06.004

Landis, J. R., & Koch, G. G. (1977). The measurement of observer agreement for categorical data. Biometrics, 33(1), 159–174. http://doi.org/10.2307/2529310

Li, S., Yang, X., Cui, P., Sun, Y., & Song, B. (2024). Machine-Learning-Algorithm-Based prediction of land use / land cover and land surface temperature changes to characterize the surface urban heat island phenomena over Harbin, China. Land, 13(8), 1164. http://doi.org/10.3390/land13081164

Mohammad, P., & Goswami, A. (2022). Predicting the impacts of urban development on seasonal urban thermal environment in Guwahati city, Northeast India. Building and Environment, 226, 109724. http://doi.org/10.1016/j.buildenv.2022.109724

Moisa, M. B., & Gemeda, D. O. (2022). Assessment of urban thermal field variance index and thermal comfort level of Addis Ababa metropolitan city, Ethiopia. Heliyon, 8(8), e10185. https://doi.org/10.1016/j.heliyon.2022.e10185

Mustafa, A., & Szydłowski, M. (2020). The Impact of spatiotemporal changes in land development ( 1984 – 2019 ) on the increase in the runoff coefficient in Erbil , Kurdistan Region of Iraq. Remote Sening, 12(8), 1302. http://doi.org/10.3390/rs12081302

Naim, M. N. H., & Kafy, A.-A. (2021). Assessment of urban thermal field variance index and defining the relationship between land cover and surface temperature in Chattogram city : A remote sensing and statistical approach. Environmental Challenges, 4, 100107. https://doi.org/10.1016/j.envc.2021.100107

Nguyen, T. M., Lin, T., & Chan, H. (2019). The environmental effects of urban development in Hanoi, Vietnam from satellite and meteorological observations from 1999-2016. Sustainability, 11(6), 1768. https://doi.org/10.3390/su11061768

Nyandwi, E., Veldkamp, A., Amer, S., Karema, C., & Umulisa, I. (2017). Schistosomiasis mansoni incidence data in Rwanda can improve prevalence assessments, by providing high-resolution hotspot and risk factors identification. BMC Public Health, 7(1), 845–860. http://doi.org/10.1186/s12889-017-4816-4.

Ranagalage, M., Estoque, R. C., Zhang, X., & Murayama, Y. (2018). Spatial changes of urban heat island formation in the Colombo district, Sri Lanka : Implications for sustainability planning. Sustainability, 10(5), 1367. https://doi.org/10.3390/su10051367

Sanecharoen, W., Nakhapakorn, K., Mutchimwong, A., Jirakajohnkool, S., & Onchang, R. (2019). Assessment of urban heat island patterns in Bangkok Metropolitan area using time-series of LANDSAT thermal infrared data. Environment and Natural Resources Journal, 17(4), 87–102. https://doi.org/10.32526/ennrj.17.4.2019.34

Sobrino, J. A., & Irakulis, I. (2020). A methodology for comparing the surface urban heat island in selected urban agglomerations around the world from Sentinel-3 SLSTR Data. Remote Sening, 12(12), 2052. http://doi.org/10.3390/rs12122052

USGS. (2024, December 14). LANDSAT 8 (L8) Data Users Handbook Version 2.0. Department of the Interior, U.S. Geological Survey. https://dl.icdst.org/pdfs/files/2512b7ec8c34f3a7330e7fa339792e5e.pdf

Weng, Q., Lu, D., & Schubring, J. (2004). Estimation of land surface temperature-vegetation abundance relationship for urban heat island studies. Remote Sensing of Environment, 89(4), 467–483. http://doi.org/10.1016/j.rse.2003.11.005

Yeneneh, N., Elias, E., & Legese, G. (2022). Detection of land use / land cover and land surface temperature change in the Suha Watershed, North-Western highlands of Ethiopia. Environmental Challenges, 7, 100523. https://doi.org/10.1016/j.envc.2022.100523

Zhang, Y., Yu, T., Gu, X., Zhang, Y., Yu, S., Zhang, W., & Li, X. (2006). Land surface temperature retrieval from CBERS-02 IRMSS thermal infrared data and its applications in quantitative analysis of urban heat island effect. Remote Sening, 10, 789–797. http://doi.org/10.11834/jrs.200605117