请留言
สไลด์ 1

โกลบอล วิชั่น มีเดีย โฟกัส

บริษัทดังกล่าวได้รับการนำเสนอในรายการ CCTV รวมทั้งหมด 15 ครั้ง และเข้าถึงผู้ชมรวมกว่า 50 ล้านคนผ่านสื่อของพรรค สื่อส่วนกลาง และสื่อทางการท้องถิ่น

0101

การตรวจจับและการประยุกต์ใช้การเรืองแสงของคลอโรฟิลล์ที่เกิดจากแสงแดดโดยใช้ไฮเปอร์สเปกโทรเมตรจากอวกาศ

18 เมษายน 2568

1 (3).jpg

รูปที่ 1. การกระจายตัวของ SIF ในภาคเหนือของไนจีเรีย ทวีปแอฟริกา ณ วันที่ 8 เมษายน 2568

ปัจจุบัน ข้อมูลการเรืองแสงของคลอโรฟิลล์ที่เกิดจากแสงแดด (SIF) ส่วนใหญ่อยู่ในรูปแบบจุดที่ไม่ต่อเนื่อง โดยมีการครอบคลุมเชิงพื้นที่ค่อนข้างจำกัด

เราใช้เครื่องมือไฮเปอร์สเปกตรัมที่มีความละเอียดเชิงสเปกตรัม 0.48 นาโนเมตร เพื่อทำการสำรวจการเรืองแสงของคลอโรฟิลล์ด้วยความละเอียดสูง โดยหวังว่าจะเติมเต็มช่องว่างในแพลตฟอร์มดาวเทียมปัจจุบันสำหรับการเรืองแสงของคลอโรฟิลล์ที่เกิดจากแสงแดดด้วยความละเอียดเชิงพื้นที่ที่สูงขึ้น

ตารางที่ 1 ตัวชี้วัดประสิทธิภาพหลักของเซ็นเซอร์บนอวกาศบางชนิดที่มีความสามารถในการตรวจจับ SIF

1 (2).png

*อ้างอิง: Zhang, Lifu; Wang, Siheng; Huang, Changping. 2018. วิธีการผกผันการสำรวจระยะไกลจากดาวเทียมสำหรับการเรืองแสงของคลอโรฟิลล์ที่เกิดจากแสงอาทิตย์ วารสารการสำรวจระยะไกล, 22(1): 1-12

หลักการพื้นฐานของการคำนวณ SIF

พลังงานแสงส่วนหนึ่งที่พืชดูดซับไม่ได้ถูกนำไปใช้ในการสังเคราะห์แสง แต่จะถูกปล่อยออกมาในรูปของแสงฟลูออเรสเซนต์ที่มีความยาวคลื่นสูง แสงฟลูออเรสเซนต์ของคลอโรฟิลล์อยู่ในช่วงแสงสีแดงและแสงสีแดงเข้มของพืช (650-800 นาโนเมตร) เนื่องจากเป็นผลพลอยได้จากการสังเคราะห์แสง แสงฟลูออเรสเซนต์จึงมีความเชื่อมโยงทางชีวภาพกับกลไกการสังเคราะห์แสงและสามารถสะท้อนถึงความสามารถในการสังเคราะห์แสงของพืชได้โดยตรง

การเรืองแสงมีส่วนทำให้เกิดการสะท้อนแสงที่ปรากฏของเรือนยอดพืช โดยสามารถสังเกตจุดสูงสุดของการสะท้อนแสงได้ที่ 685 และ 760 นาโนเมตร โดยใช้สเปกโทรเมตรที่มีความละเอียดระดับต่ำกว่านาโนเมตร ที่ 685 นาโนเมตร การเรืองแสงมีส่วนทำให้เกิดการสะท้อนแสงที่ปรากฏประมาณ 10%–20% และที่ 740 นาโนเมตร มีส่วนทำให้เกิดการสะท้อนแสงประมาณ 2%–6%

ในบริเวณขอบเขตสีแดงของพืช (650-800 นาโนเมตร) การเรืองแสงมีส่วนทำให้เกิดการสะท้อนแสงที่ปรากฏ

ข้อดีของ SIF เมื่อเปรียบเทียบกับดัชนีพืชพรรณ: ดัชนีพืชพรรณที่อิงตามค่าการสะท้อนแสงไม่สามารถตรวจจับสัญญาณเริ่มต้นของการเจริญเติบโตของพืชที่ผิดปกติในระยะเริ่มแรกของความผิดปกติทางสิ่งแวดล้อมได้อย่างทันท่วงที เนื่องจากมีความล่าช้า ในทางกลับกัน SIF สามารถตรวจจับความผิดปกติได้อย่างละเอียดอ่อนกว่า

123 (2).png

รูปที่ 2 ตำแหน่งของเส้นที่ซ่อนอยู่ของฟราวน์โฮเฟอร์และเฟเฮเม

วิธีการเติมเส้นมืดของฟราวน์โฮเฟอร์: เนื่องจากการดูดซับของชั้นบรรยากาศ สเปกตรัมของแสงอาทิตย์จึงมีเส้นมืดละเอียดจำนวนมาก ซึ่งเรียกว่าเส้นมืดของฟราวน์โฮเฟอร์ สัญญาณฟลูออเรสเซนซ์สามารถวัดได้ในเชิงปริมาณที่ความยาวคลื่นเฉพาะซึ่งถูกลดทอนโดยสเปกตรัมของแสงอาทิตย์

รังสีจากดวงอาทิตย์มีแถบการดูดกลืนหลักสามแถบในย่านสีแดงและใกล้อินฟราเรด ได้แก่ เส้น Hα ที่ 656.3 นาโนเมตร (ซึ่งแสดงโดยการดูดกลืนของไฮโดรเจนในชั้นบรรยากาศ) และเส้นการดูดกลืน O2 ในชั้นบรรยากาศของโลกที่ 687 นาโนเมตรและ 760 นาโนเมตร แถบเหล่านี้มักจะทับซ้อนกับสเปกตรัมการปล่อยแสงฟลูออเรสเซนซ์ของคลอโรฟิลล์ เทคโนโลยีการตรวจวัดระยะไกลด้วยฟลูออเรสเซนซ์จะเปรียบเทียบความลึกของเส้นสเปกตรัมรังสีจากดวงอาทิตย์กับความลึกของเส้นสเปกตรัมรังสีของพืช โดยวัดปริมาณฟลูออเรสเซนซ์ที่ปล่อยออกมาจากการกระตุ้นด้วยคลื่นความยาวสั้นเพื่อเติม "บ่อ" ของฟราวน์โฮเฟอร์ในระดับหนึ่ง "บ่อ" ของฟราวน์โฮเฟอร์แสดงถึงเส้นการดูดกลืนในแถบความยาวคลื่นเฉพาะ ซึ่งมีลักษณะคล้าย "บ่อน้ำ"

โดยสมมติว่าค่าการสะท้อนแสงสเปกตรัม R ของพืชพรรณในบริเวณเส้นมืดของฟราวน์โฮเฟอร์และบริเวณสเปกตรัมที่อยู่ติดกันมีค่าเท่ากัน ความเข้มของการเรืองแสง f ของพืชพรรณในบริเวณเส้นมืดของฟราวน์โฮเฟอร์และบริเวณสเปกตรัมที่อยู่ติดกันจะคำนวณได้โดยใช้สูตรต่อไปนี้:

123 (3).png

123 (1).png

รูปที่ 3 หลักการตรวจจับการเรืองแสงแบบเส้นมืดของฟราวน์โฮเฟอร์

a, b: ความเข้มของสเปกตรัมการแผ่รังสีแสงอาทิตย์ที่วัดโดยใช้แผ่นอ้างอิงในเส้นมืดของฟราวน์โฮเฟอร์และบริเวณสเปกตรัมที่อยู่ติดกัน

ค, ง: ความเข้มของสเปกตรัมการแผ่รังสีที่สะท้อนจากเรือนยอดพืชในเส้นมืดของฟราวน์โฮเฟอร์และบริเวณสเปกตรัมที่อยู่ติดกัน

λ0: ความยาวคลื่นศูนย์กลางของเส้นมืดฟราวน์โฮเฟอร์

เนื่องจากค่า R ไม่ขึ้นอยู่กับค่าการเรืองแสง ดังนั้นจึงสามารถวัดค่าการเรืองแสงของคลอโรฟิลล์ได้ง่ายๆ โดยการวัดค่าการสะท้อนแสงสเปกตรัม ค่าความเข้มแสงอาทิตย์ และค่าการสะท้อนแสงของเรือนยอดพืชในแถบเส้นมืดของฟราวน์โฮเฟอร์

พืชแต่ละชนิดและสภาพแวดล้อมที่แตกต่างกันส่งผลให้ค่าอัตราส่วนความเข้มของการเรืองแสงสัมพัทธ์ที่ 760 นาโนเมตรและ 687 นาโนเมตรที่คำนวณโดยวิธี FLD แตกต่างกัน ซึ่งสามารถใช้เป็นพื้นฐานในการประเมินสถานะทางสรีรวิทยาของพืชได้

ตัวอย่างข้อมูล

52. (2).png

รูปที่ 4 ตัวอย่างสเปกตรัมพิกเซลของพืชพรรณ

52. (1).png

รูปที่ 5. จุดสูงสุดของการดูดกลืนแสง O2A

ภาพด้านบนแสดงสเปกตรัมการดูดกลืนแสงของพืชพรรณทั่วไปจากดาวเทียม 04 สามารถสังเกตเห็นยอดการดูดกลืนแสง O2B ใกล้ 687 นาโนเมตร ยอดการดูดกลืนแสง O2A ใกล้ 760 นาโนเมตร และยอดการดูดกลืนแสง H2O ใกล้ 720 นาโนเมตร เมื่อเปรียบเทียบกับสเปกตรัมการดูดกลืนแสงแบบมาตรฐานของฟราวน์โฮเฟอร์ ตำแหน่งสเปกตรัมมีความแม่นยำ และผลกระทบจากการเลื่อนของสเปกตรัมมีน้อยมาก (

การคำนวณ SIF

วิธีการเติมเส้นมืด Fraunhofer แบบ Spline Interpolation ที่ปรับปรุงแล้ว (iFLD)

โดยอิงตามวิธีการเติมเส้นมืดของฟราวน์โฮเฟอร์ (FLD) ได้มีการปรับปรุงการเลือกแถบอ้างอิงและแถบข้างเคียง โดยเลือกแถบทั้งหมด 8 แถบตามความกว้างของยอดการดูดกลืน และใช้ฟังก์ชันสปลายน์ในการปรับสเปกตรัมพื้นหลัง

1 (4).png

รูปที่ 6. ช่วงแถบที่ใช้สำหรับการปรับให้เหมาะสม

1 (5).png

รูปที่ 7 ผลลัพธ์ของการปรับฟังก์ชันสปลายน์และการประมาณค่าในช่วง (พิกเซล 1, 2 และ 3 แทนพิกเซลพุ่มไม้ พื้นที่เกษตรกรรม และอาคาร ตามลำดับ)

ดังแสดงในรูปด้านบน เส้นประแสดงถึงผลลัพธ์การปรับให้เข้ากับข้อมูลโดยใช้แถบคลื่นแปดแถบใกล้กับจุดสูงสุดของการดูดกลืนแสง O2A เนื่องจากแถบคลื่น 211 และ 212 อยู่ทั้งสองด้านของจุดสูงสุดของการดูดกลืนแสง O2A ค่าเฉลี่ย 760.43195 นาโนเมตร จึงถูกใช้เป็นค่าการแผ่รังสีที่ได้รับผลกระทบจาก SIF และยังใช้เป็นความยาวคลื่นเป้าหมายสำหรับการปรับฟังก์ชันสปลายน์ด้วย ในรูปด้านบน ที่ด้านล่างของฟังก์ชันกำลังสอง ความแตกต่างระหว่างค่าสเปกตรัมดั้งเดิมและค่าที่ปรับด้วยฟังก์ชันสปลายน์คือส่วนที่เติมด้วย SIF ซึ่งก็คือความเข้มของ SIF

จากสภาพภูมิประเทศจริง พบว่าความหนาแน่นของพืชพรรณในพิกเซลพุ่มไม้ของพิกเซลที่ 1 ต่ำกว่าพื้นที่เกษตรกรรมอย่างเห็นได้ชัด และความเข้มข้นของการสังเคราะห์แสงก็ต่ำกว่าพืชผลในช่วงการเจริญเติบโตอย่างรวดเร็ว ดังนั้น ค่า SIF จึงต่ำกว่าพื้นที่เกษตรกรรมของพิกเซลที่ 1 อย่างเห็นได้ชัด ส่วนพิกเซลที่ 3 ซึ่งเป็นพื้นที่สิ่งปลูกสร้าง มีค่า SIF ต่ำที่สุด เนื่องจากมีภูมิทัศน์และต้นไม้สีเขียวเพียงเล็กน้อย

การตรวจสอบผลลัพธ์ SIF

1 (6).jpg

รูปที่ 8 การเปรียบเทียบผลการคำนวณสำหรับแถบการดูดกลืนแสงที่แตกต่างกัน

ภาพด้านบนแสดงผลลัพธ์ SIF ที่ได้จากการใช้ตำแหน่งแถบคลื่นความถี่ต่างกัน และเปรียบเทียบกับค่า NDVI จากข้อมูล Sentinel-2 ชุดเดียวกัน ดังที่แสดงไว้ SIF ที่ใช้แถบคลื่นความถี่ O2A มีสัญญาณรบกวนน้อยที่สุด และการกระจายตัวของข้อมูลใกล้เคียงกับค่า NDVI ส่วนแถบคลื่นความถี่ O2B เนื่องจากมีความลึกในการดูดซับที่ตื้นกว่า จึงมีสัญญาณรบกวนมาก แต่แนวโน้มการกระจายตัวยังคงสามารถมองเห็นได้ ผลลัพธ์ที่คำนวณจากแถบคลื่นความถี่ที่ไม่ใช่ลักษณะเฉพาะของ SIF แทบไม่มีข้อมูลที่เป็นประโยชน์เลย การเปรียบเทียบนี้แสดงให้เห็นถึงประสิทธิภาพของวิธีการของเรา

กรณีศึกษาการประยุกต์ใช้

1 (7).jpg

รูปที่ 9 แผนที่แสดงการกระจายตัวของ SIF ในพื้นที่เกษตรกรรมและป่าไม้

1 (8).jpg

 รูปที่ 10 แผนที่แสดงการกระจายตัวของค่า NDVI ในพื้นที่เกษตรกรรมและป่าไม้ 

1 (9).jpg

รูปที่ 11 แผนที่แสดงการกระจายตัวของค่า NDVI ความละเอียดสูงในพื้นที่เกษตรกรรม

1 (10).png

รูปที่ 12 การเปรียบเทียบทางสถิติระหว่างความชื้นในดินบริเวณรากพืชและปริมาณน้ำฝนในพื้นที่เพาะปลูกและป่าไม้

ค่า SIF ในพื้นที่ป่าและพื้นที่เพาะปลูกที่กล่าวถึงข้างต้นแสดงความแตกต่างอย่างมีนัยสำคัญและแตกต่างเล็กน้อยจากการกระจายตัวของ NDVI ในพื้นที่เพาะปลูก เนื่องจากความละเอียดดั้งเดิมของภาพดาวเทียมเซนติเนลอยู่ที่ 10 เมตร หลังจากปรับขนาดภาพให้ตรงกับความละเอียดของ SIF แล้ว การผสมผสานของพืชผลและดินในพื้นที่เพาะปลูกด้านซ้ายล่างทำให้ค่า NDVI โดยรวมลดลง อย่างไรก็ตาม ปรากฏการณ์ SIF ที่สูงในพื้นที่เพาะปลูกนั้นสังเกตได้อย่างชัดเจนในผลลัพธ์ของ SIF พื้นที่ป่าซึ่งมีภูมิประเทศเป็นภูเขาและพืชพรรณส่วนใหญ่ประกอบด้วยไม้พุ่มเตี้ยและต้นไม้บางส่วน มีความหนาแน่นของพืชพรรณน้อยกว่าพื้นที่เพาะปลูก ส่งผลให้ค่า SIF ต่ำกว่าอย่างมีนัยสำคัญ นอกจากนี้ ตามแผนภูมิสถิติข้างต้น ปริมาณน้ำฝนลดลงในทั้งสองพื้นที่หลังจากเดือนมีนาคม ส่งผลให้ความชื้นในดินลดลงอย่างมาก โดยลดลงมากกว่าในพื้นที่ป่ามากกว่าในพื้นที่เพาะปลูก เนื่องจากพื้นที่เพาะปลูกมักมีระบบชลประทาน ในขณะที่พื้นที่ภูเขามักไม่มี จึงคาดการณ์ได้ว่าพื้นที่ป่าอาจประสบกับภาวะแห้งแล้ง ซึ่งนำไปสู่การลดลงของ SIF มากยิ่งขึ้น สิ่งนี้บ่งชี้ว่า เมื่อเปรียบเทียบกับ NDVI แล้ว SIF สามารถสังเกตปรากฏการณ์ความเครียดของพืชและระบุพื้นที่ที่เครียดได้อย่างละเอียดอ่อนกว่า ทำให้เป็นเครื่องมือที่มีประสิทธิภาพมากขึ้นสำหรับการประเมินสภาพแวดล้อมทางนิเวศวิทยาและการเกษตรแม่นยำ