การเฝ้าติดตามไฟป่าแบบใกล้เวลาจริงด้วยกูเกิลเอิร์ธเอนจิน กรณีศึกษา อำเภอปาย จังหวัดแม่ฮ่องสอน

ผู้แต่ง

  • พงศ์พันธุ์ จันทะคัต กองวิชาวิศวกรรมโยธา ส่วนการศึกษา โรงเรียนนายร้อยพระจุลจอมเกล้า จังหวัดนครนายก 26001
  • เยาวเรศ จันทะคัต คณะวิทยาศาสตร์และศิลปะศาสตร์ มหาวิทยาลัยเทคโนโลยีราชมงคลอีสาน จังหวัดนครราชสีมา 30000
  • จอมภัค จันทะคัต คณะบริหารธุรกิจ มหาวิทยาลัยวงษ์ชวลิตกุล จังหวัดนครราชสีมา 30000

คำสำคัญ:

กูเกิลเอิร์ธเอนจิน, จุดความร้อนของไฟป่า, ภาพถ่ายดาวเทียม, แบบใกล้เวลาจริง

บทคัดย่อ

การศึกษานี้มีวัตถุประสงค์หลักคือการประยุกต์ใช้กูเกิลเอิร์ธเอนจิน (Google Earth Engine: GEE) เพื่อการเฝ้าติดตามและวิเคราะห์พื้นที่ไฟป่าโดยการใช้ข้อมูลภาพถ่ายดาวเทียม Terra/Aqua ระบบ MODIS จากฐานข้อมูล Fire Information for Resource Management System (FIRMS) ขององค์กร National Aeronautics and Space Administration (NASA) ซึ่งมุ่งเน้นการนำเสนอการใช้กูเกิลเอิร์ธเอนจินแพลตฟอร์มเพื่อการประเมินและแสดงผลจำนวนครั้งและจำนวนผลรวมสะสมของจุดความร้อน (Hotspot) ในแบบใกล้เวลาจริงและอัตโนมัติ โดยสามารถกำหนดขอบเขตพื้นที่ที่สนใจได้และกำหนดช่วงระยะเวลาที่ต้องการได้ ยิ่งไปกว่านั้นการศึกษานี้ยังสามารถแสดงผลเชิงพื้นที่ที่เกิดจุดความร้อนบ่อยครั้งได้ ซึ่งจะเป็นประโยชน์อย่างมากสำหรับการเฝ้าระวังและการวางแผนเพื่อป้องกันการเกิดไฟป่าในพื้นที่ดังกล่าว ในการศึกษานี้ได้ทำการตรวจสอบความถูกต้องของการใช้งานแพลตฟอร์มโดยการเปรียบเทียบกับตำแหน่งอ้างอิงของเหตุการณ์ไฟป่าที่เกิดขึ้นจริงในปี พ.ศ.2563 ในพื้นที่อำเภอปาย จังหวัดแม่ฮ่องสอน เป็นกรณีศึกษา พบว่ามีความถูกต้องโดยรวมเท่ากับร้อยละ 76.19 และค่าสัมประสิทธิ์แคปปาของความสอดคล้องเท่ากับ 0.78 ซึ่งอยู่ในเกณฑ์ความสอดคล้องระดับดี ดังนั้นการใช้งานเกิลเอิร์ธเอนจินแพลตฟอร์มเพื่อการเฝ้าติดตามไฟป่าแบบใกล้เวลาจริงและอัตโนมัติ สามารถนำมาใช้เป็นเครื่องมือหนึ่งที่มีประสิทธิภาพสำหรับการเฝ้าระวังพื้นที่ที่มีความเสี่ยงต่อการเกิดไฟป่าได้เป็นอย่างดี

เอกสารอ้างอิง

DDPM. (2015). National Disaster Risk Management Plan. Department of Disaster Prevention and Mitigation, Ministry of Interior, Thailand. 1-12. Retrieved on July 10, 2021, from https://www.disaster.go.th/upload/download/ file_ attach/584115d64fcee.pdf

Pollution Control Department. (2015). Smog and weather problems. (Type 1). Pollution Control Department.

Flannigan, M. D., Stocks, B. J., & Wotton, B. M. (2000). Climate change and forest fires. The Science of the Total Environment. 262: 221-229.

Nitschke, C. R., & Innes, J. L. (2006). Interactions between fire, climate change and forest biodiversity, CABI Publishing.

Abatzoglou, J. T., & Williams, A. P. (2016). Impact of anthropogenic climate change on wildfire across western US forests, PNAS. 113(42): 11770-11775.

Juntakut, P. (2020). Assessment of Drought Impacts on Urban Green Areas With the Climatic Drought Index in Nakhonratchasima City, Thailand. วารสารวิชาการ โรงเรียนนายร้อยพระจุลจอมเกล้า. 18(1): 15-22.

Simon, P., Eva-Maria, F., & Corinne, F. (2017). A Fully Automatic Instantaneous Fire Hotspot Detection Processor Based on AVHRR Imagery-A Timeline Thematic Processo. Remote Sens. 9(1).

Nion, S., Sarawut, P., & Vivarad, P. (2017). Near Real Time Wildfire Monitoring in Chiang Rai Province using Mobile Phone Application. Information Technology Journal. 13(2).

ดาวุฒิ กาลาเอส และคณะ. (2019). การวิเคราะห์พื้นที่เสียหายจากไฟป่าด้วยข้อมูลจากดาวเทียมในพื้นที่ป่าอนุรักษ์และป่าสงวนแห่งชาติ จังหวัดแม่ฮ่องสอน. วารสารวิจัยและพัฒนาวไลยอลงกรณ์ในพระบรมราชูปถัมภ์. 14(1): 72-81.

Nigro, J., Slayback, D., Policelli, F., & Brakenridge, G. R. (2014). NASA/DFO MODIS Near Real-Time (NRT) Global Flood Mapping Product Evaluation of Flood and Permanent Water Detection. Eval. Greenbelt MD. Retrieved on July 10, 2021, from https://floodmap.modaps.eosdis.nasa.gov/documents/NASAGlobalNRTEvaluationSummary_v4.pdf

Wang, Y., Colby, J. D., & Mulcahy, K. A. (2002). An efficient method for mapping flood extent in a coastal floodplain using Landsat TM and DEM data. Int. J. Remote Sens. 23: 3681–3696.

พงศ์พันธุ์ จันทะคัต และคณะ. (2021). แนวทางการประยุกต์ใช้กูเกิลเอิร์ธเอนจินเพื่อการเฝ้าติดตามและประเมินผลความเสียหายจากภัยธรรมชาติ. The 26th National Convention on Civil Engineering. Golden City Hotel. Rayong. Thailand.

Google Earth Engine. (2020). Retrieved on July 15, 2021, from official website: https://earthengine.google.com

สุภาสพงษ์ รู้ทำนอง. (2562). การสกัดและประเมินพื้นที่ถูกเผาไหม้โดยใช้ค่าความแตกต่างของดัชนีเชิงคลื่นหลายช่วงเวลา จากข้อมูลแลนด์แซท 8 : กรณีศึกษา อุทยานแห่งชาติคลองวังเจ้า คลองลานและแม่วงก์. วารสารมนุษยศาสตร์และสังคมศาสตร์ (สทมส.). 25(2).

พิจิตรา พะยิ้ม. (2562). การเปรียบเทียบการกระจายตัวของจุดความร้อนที่ตรวจวัดได้ระหว่าง MODIS C6 กับ VIIRS

ในพื้นที่อำเภอลานสัก จังหวัดอุทัยธานี. (วิทยานิพนธ์ วิทยาศาสตร์บัณฑิต, มหาวิทยาลัยนเรศวร พิษณุโลก).

สำนักงานจังหวัดแม่ฮ่องสอน. (2564). รายงานบรรยายสรุปจังหวัดแม่ฮ่องสอน ประจำปี 2564. สืบค้น 21 มีนาคม 2564, จาก http://www.maehongson.go.th/th/province-info/provincial-offices/administrative-region/pai.html

กรมอุตุนิยมวิทยา. (2013). เอกสารวิชาการอุตุนิยมวิทยาน่ารู้เพื่อการเกษตรจังหวัดแม่ฮ่องสอน. สืบค้น 21 มีนาคม 2564, จาก www.arcims.tmd.go.th/DailyDATA/Agromettoknow/NN/อุตุนิยมวิทยาน่ารู้เพื่อการเกษตรจังหวัดแม่ฮ่องสอน.pdf

Vadrevu, K., Csiszar, I., Ellicott, E., Giglio, L., Badarinath, K., Vermote, E., & Justice, C. (2013). Hotspot Analysis of Vegetation Fires and Intensity in the Indian Region. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing. 6: 224-238.

Giglio, L. (2010). MODIS Collection 5 Active Fire Product User’s Guide. Science Systems and Applications, Inc. University of Maryland. Department of Geography. Retrieved on July 8, 2021, from https://gis-lab.info/docs/mod14_ users_ guide_2.4.pdf

Giglio, L., Schroeder, W., & Justice, C. O. (2016). The collection 6 MODIS active fire detection algorithm and fire products. Remote Sensing of Environment. 178(2016): 31-41.

ส่วนควบคุมไฟป่า สำนักป้องกัน ปราบปราม และควบคุมไฟป่า. (2021). สืบค้น 8 มิถุนายน 2565, จาก http://forestinfo. forest.go.th/ fWilde_firedetail.aspx?wf=-1&year=-1&eyear=-1&month=-1&emonth=-1&prov=58

นวพล ลินต๋า. (2563). การหาพื้นที่เผาไหม้จากไฟป่าด้วยภาพดาวเทียม Sentinel-2 กรณีศึกษา อำเภอปาย จังหวัดแม่ฮ่องสอน. (วิทยานิพนธ์ระดับปริญญาตรี คณะเกษตรศาสตร์ ทรัพยากรธรรมชาติและสิ่งแวดล้อม มหาวิทยาลัยนเรศวร พิษณุโลก).

Geo-Informatics and Space Technology Development Agency. (2021). GISTDA. Retrieved on June 9, 2021, from http://fire. gistda.or.th/download-v1.html

Landis, J., & Koch, G. (1977). The measurement of observer agreement for categorical data. Biometrics. 33(1): 159-174.

ดาวน์โหลด

เผยแพร่แล้ว

2022-06-30

รูปแบบการอ้างอิง

[1]
จันทะคัต พ., จันทะคัต เ., และ จันทะคัต จ., “การเฝ้าติดตามไฟป่าแบบใกล้เวลาจริงด้วยกูเกิลเอิร์ธเอนจิน กรณีศึกษา อำเภอปาย จังหวัดแม่ฮ่องสอน”, NKRAFA J.Sci Technol., ปี 18, ฉบับที่ 1, น. 1–14, มิ.ย. 2022.

ฉบับ

ประเภทบทความ

บทความวิจัย