การประเมินสุขภาพของพื้นที่วนเกษตรโดยใช้ข้อมูลดาวเทียมไฮเปอร์สเปกตรัมและดัชนีพืชพรรณ

เมืองคอมอุมบู ตั้งอยู่ในจังหวัดอัสวาน ทางตอนใต้ของอียิปต์ บนแม่น้ำไนล์ตอนบน ใกล้กับทะเลสาบนัสเซอร์ เป็นเมืองสำคัญและโอเอซิสริมแม่น้ำไนล์ มีภาคเกษตรกรรมชลประทานที่พัฒนาแล้ว โดยส่วนใหญ่ปลูกฝ้าย ธัญพืช และป่าไม้เศรษฐกิจ ทำให้เป็นภูมิภาคเกษตรกรรมแบบผสมผสาน เนื่องจากความแตกต่างของโครงสร้างใบและเรือนยอด ดัชนีพืชพรรณแบบดั้งเดิมเพียงอย่างเดียวจึงไม่สามารถครอบคลุมทั้งป่าไม้และเกษตรกรรมได้พร้อมกัน ดังนั้นจึงจำเป็นต้องใช้ดัชนีหลายตัวร่วมกันในการประเมิน

บทนำโครงการ

เมื่อไม่นานมานี้ ทีมงานด้านอวกาศแห่งซีอาน สังกัดสถาบันวิทยาศาสตร์แห่งประเทศจีน ได้ใช้ดาวเทียมไฮเปอร์สเปกตรัมถ่ายภาพพื้นที่คอมอุมบู จังหวัดอัสวาน ประเทศอียิปต์ (ภาพที่ 1) ภายในช่วงคลื่นความถี่ของข้อมูลไฮเปอร์สเปกตรัม ได้ใช้ดัชนีพืชพรรณที่ปรับปรุงแล้ว (Enhanced Vegetation Index) ในการคัดกรองและปกปิดพืชผล และประเมินความเขียวและปริมาณคลอโรฟิลล์ของพืช ใช้ดัชนีการสะท้อนแสงแอนโทไซยานิน 2 (Anthocyanin Reflectance Index 2) ในการประเมินปริมาณแอนโทไซยานินในใบ และใช้ดัชนีอัตราส่วนสีแดงต่อสีเขียว (Red-to-Green Ratio Index) ในการแสดงประสิทธิภาพการใช้แสงและอัตราการเติบโตของป่า ได้สร้างแผนที่ดัชนีและแผนที่สุขภาพทางการเกษตรและป่าไม้ที่รวมดัชนีข้างต้นเข้าด้วยกัน ซึ่งสามารถใช้ประเมินการเกิดความเครียดจากศัตรูพืชและโรค และประเมินการเก็บเกี่ยวไม้ในภูมิภาคได้ ภาพที่ป้อนเข้าถูกแบ่งออกเป็นเก้าประเภทตามสุขภาพของพืช ซึ่งช่วยในการประเมินสถานะสุขภาพโดยรวมของพืชภายในภาพ

△ ภาพที่ 1. ภาพถ่ายสีจริงแบบผสมผสานของ XIGUANG-003 ซ้อนทับกับแผนที่ฐานของ Google

△รูปที่ 2 ดัชนีพืชพรรณที่ปรับปรุงแล้ว

ดัชนีพืชพรรณที่ปรับปรุงแล้ว (Enhanced Vegetation Index หรือ EVI) เป็นดัชนีพืชพรรณที่ได้รับการปรับให้เหมาะสมที่สุด ซึ่งออกแบบมาเพื่อปรับปรุงการตอบสนองต่อพืชพรรณและเพิ่มขีดความสามารถในการตรวจสอบพืชพรรณดัชนี EVI นี้มีพื้นฐานมาจากดัชนีความแตกต่างของพืชพรรณแบบนอร์มาไลซ์ (NDVI) และได้รับการปรับปรุงให้ดีขึ้นโดยใช้การผสมผสานแถบคลื่นและอัลกอริทึมที่เข้มงวดกว่า เพื่อขจัดความแปรผันบางส่วนของสภาพการแผ่รังสีที่เกี่ยวข้องกับมุมของดวงอาทิตย์ ภูมิประเทศ เมฆ/เงา และสภาพบรรยากาศ ซึ่งจะช่วยเพิ่มประสิทธิภาพการตอบสนองของ EVI ต่อพืชพรรณให้ดียิ่งขึ้น

สูตรการคำนวณ EVI คือ: EVI = (NIR - Red) / (NIR + 6*Red - 7.5*Blue + 1) โดยที่ NIR คือค่าการสะท้อนแสงอินฟราเรดใกล้, Red คือค่าการสะท้อนแสงสีแดง และ Blue คือค่าการสะท้อนแสงสีน้ำเงิน การปรับค่าน้ำหนักและสัมประสิทธิ์ของแถบคลื่นเหล่านี้จะช่วยให้ EVI สามารถสะท้อนโครงสร้างละเอียดและสถานะสุขภาพของพืชพรรณได้ดียิ่งขึ้น

ข้อดีของ EVI อยู่ที่ความไวต่อการเปลี่ยนแปลงโครงสร้างของเรือนยอด รวมถึงดัชนีพื้นที่ใบ (LAI) ชนิดของเรือนยอด ระยะการเจริญเติบโต และโครงสร้างของเรือนยอด EVI สามารถสกัดพารามิเตอร์ทางชีวฟิสิกส์ของพืชได้ดีขึ้น เช่น ปริมาณคลอโรฟิลล์และชีวมวล ซึ่งจะช่วยเพิ่มความแม่นยำในการติดตามสถานะการเจริญเติบโตและการเปลี่ยนแปลงของพืช

EVI มีการใช้งานที่หลากหลาย รวมถึงด้านเกษตรกรรม ป่าไม้ นิเวศวิทยา และวิทยาศาสตร์สิ่งแวดล้อม ในด้านเกษตรกรรม EVI สามารถใช้ในการติดตามการเจริญเติบโตของพืช ประเมินสถานะธาตุอาหารของพืช และคาดการณ์ผลผลิต ในด้านป่าไม้ EVI สามารถใช้ในการติดตามสุขภาพของป่า และประเมินโครงสร้างของป่าและหน้าที่ทางนิเวศวิทยา ในด้านนิเวศวิทยาและวิทยาศาสตร์สิ่งแวดล้อม EVI สามารถใช้ในการติดตามและประเมินปัญหาสิ่งแวดล้อม เช่น การเปลี่ยนแปลงของพืชปกคลุม การเสื่อมโทรมของที่ดิน และการขยายตัวของเมือง

△รูปที่ 3 ดัชนีการสะท้อนแสงของแอนโทไซยานิน 2

ดัชนีการสะท้อนแสงแอนโทไซยานิน 2 (ARI2) เป็นดัชนีการสำรวจระยะไกลที่ใช้ในการตรวจสอบปริมาณแอนโทไซยานินในพืชเป็นการปรับปรุงจากดัชนีการสะท้อนแสงแอนโทไซยานิน 1 (ARI1) ซึ่งปรับปรุงการตอบสนองต่อปริมาณแอนโทไซยานินโดยการปรับการรวมแถบคลื่นและอัลกอริทึม

สูตรในการคำนวณ ARI2 คือ: ARI2 = (NIR - 0.57*Red - 0.2*Green) / (NIR + 0.88*Red + 0.2*Green) โดยที่ NIR คือค่าการสะท้อนแสงอินฟราเรดใกล้, Red คือค่าการสะท้อนแสงสีแดง และ Green คือค่าการสะท้อนแสงสีเขียว เมื่อเปรียบเทียบกับ ARI1 แล้ว ARI2 มีน้ำหนักในแถบแสงสีแดงเพิ่มขึ้นและน้ำหนักในแถบแสงสีเขียวลดลง จึงช่วยเพิ่มความไวต่อปริมาณแอนโทไซยานิน

ข้อดีของ ARI2 อยู่ที่การตอบสนองต่อปริมาณแอนโทไซยานินในทรงพุ่มของพืช แอนโทไซยานินเป็นรงควัตถุที่มีอยู่ในพืชในปริมาณน้อย แต่มีผลกระทบอย่างมากต่อการเจริญเติบโตและสุขภาพของพืช การตรวจสอบการเปลี่ยนแปลงของค่า ARI2 ช่วยให้เข้าใจการเปลี่ยนแปลงของปริมาณแอนโทไซยานินภายในทรงพุ่มของพืชได้ ซึ่งจะช่วยให้สามารถอนุมานสถานะการเจริญเติบโตและสภาวะความเครียดของพืชได้

การประยุกต์ใช้ ARI2 ส่วนใหญ่ครอบคลุมสาขาต่างๆ เช่น นิเวศวิทยา วิทยาศาสตร์สิ่งแวดล้อม และการเกษตร ในด้านนิเวศวิทยา ARI2 สามารถใช้ในการตรวจสอบสุขภาพและผลผลิตของระบบนิเวศ เช่น ป่าไม้และทุ่งหญ้า ในด้านวิทยาศาสตร์สิ่งแวดล้อม ARI2 สามารถใช้ในการประเมินผลกระทบของปัญหาสิ่งแวดล้อม เช่น คุณภาพดิน มลภาวะ และการเปลี่ยนแปลงสภาพภูมิอากาศต่อพืชพรรณ ในด้านการเกษตร ARI2 สามารถใช้ในการตรวจสอบการเจริญเติบโตของพืช ประเมินระดับความเครียดของพืช และกำหนดผลผลิต

△รูปที่ 4 ดัชนีอัตราส่วนสีแดง-เขียว

ดัชนีอัตราส่วนสีแดง-เขียวเป็นดัชนีการสำรวจระยะไกลที่ใช้ในการตรวจสอบสถานะสุขภาพและแนวโน้มการเจริญเติบโตของพืชพรรณดัชนีนี้คำนวณโดยการเปรียบเทียบค่าการสะท้อนแสงของแถบแสงสีแดงและสีเขียว โดยมีสูตรดังนี้: ดัชนีอัตราส่วนสีแดงต่อสีเขียว = สีแดง / สีเขียว

โดยทั่วไป แสงสีแดงสะท้อนปริมาณคลอโรฟิลล์ในพืช ในขณะที่แสงสีเขียวสะท้อนโครงสร้างโดยรวมและสุขภาพของพืช ดังนั้น การคำนวณดัชนีอัตราส่วนสีแดงต่อสีเขียว จะช่วยให้เราเข้าใจสถานะการเจริญเติบโตและระดับสุขภาพของพืชได้

ดัชนีอัตราส่วนสีแดงต่อสีเขียว (R-Green Ratio) มีข้อดีคือความเรียบง่าย คำนวณง่าย และสามารถรับข้อมูลเกี่ยวกับการเจริญเติบโตของพืชได้อย่างรวดเร็ว อย่างไรก็ตาม ข้อจำกัดของมันอยู่ที่ความไวต่อโครงสร้างของเรือนยอดและปัจจัยด้านสิ่งแวดล้อมค่อนข้างต่ำ ซึ่งอาจไม่สามารถสะท้อนถึงความเครียดของพืชและข้อมูลรายละเอียดอื่นๆ ได้อย่างแม่นยำ ในขณะที่ R-Green Ratio เป็นดัชนีการสำรวจระยะไกลที่สะดวกและสามารถได้ข้อมูลเกี่ยวกับการเจริญเติบโตของพืชอย่างรวดเร็ว แต่ก็อาจไม่สะท้อนถึงความเครียดของพืชและข้อมูลรายละเอียดอื่นๆ ได้อย่างแม่นยำ ในการใช้งานจริง จำเป็นต้องนำไปใช้ร่วมกับดัชนีการสำรวจระยะไกลอื่นๆ และข้อมูลจากการสำรวจภาคสนามเพื่อให้เข้าใจสถานะการเจริญเติบโตและระดับสุขภาพของพืชได้อย่างครอบคลุม

△รูปที่ 5 สุขภาพพืชผล

จากการสังเกตการกระจายตัวของสุขภาพพืชในรูปที่ 5 พบว่าสุขภาพของบางพื้นที่โดยทั่วไปดีกว่าพื้นที่โดยรอบ พื้นที่เหล่านี้ส่วนใหญ่อยู่ในบริเวณที่ค่อนข้างห่างไกลจากตัวเมืองและอยู่ใกล้กับแม่น้ำไนล์และลำน้ำสาขา ซึ่งเป็นการยืนยันรูปแบบการเกษตรแบบชลประทานในภูมิภาคที่ขาดแคลนน้ำ

△ภาพที่ 6. สุขภาพพืชในเขตอากาศร้อนและเขตอากาศเย็น

แผนที่ดัชนีพืชพรรณในรูปที่ 2-5 สามารถสะท้อนการกระจายตัวของการเจริญเติบโตและสุขภาพของพืชผล และมีผลในการแสดงผลในระดับหนึ่ง อย่างไรก็ตาม สำหรับดัชนีที่มีความแตกต่างระหว่างขีดจำกัดบนและล่างมากเกินไปหรือน้อยเกินไป การแสดงผลจะได้รับผลกระทบ ดังนั้น เราจึงสุ่มตัวอย่างข้อมูลแรสเตอร์ของดัชนีสุขภาพพืชผลเป็นข้อมูลจุดตามตารางกริด

ถัดไป จะคำนวณค่าสถิติ Getis-Ord Gi* สำหรับแต่ละคุณลักษณะในชุดข้อมูลจุด ค่าสถิติ Gi* ได้มาจากค่า z-score และ p-value ที่ได้ สำหรับค่า z-score ที่เป็นบวกและมีนัยสำคัญทางสถิติ ยิ่งค่า z-score สูงเท่าไร การรวมกลุ่มของจุดที่มีค่าสูง (hot spots) ก็ยิ่งแน่นขึ้นเท่านั้น สำหรับค่า z-score ที่เป็นลบและมีนัยสำคัญทางสถิติ ยิ่งค่า z-score ต่ำเท่าไร การรวมกลุ่มของจุดที่มีค่าต่ำ (cold spots) ก็ยิ่งแน่นขึ้นเท่านั้น และค่า p-value จะใช้ในการกำหนดระดับความเชื่อมั่นของผลลัพธ์

จากการคำนวณข้างต้น เราสามารถระบุตำแหน่งที่องค์ประกอบที่มีค่าสูงหรือต่ำกระจุกตัวอยู่ในพื้นที่ และระบุโซนเย็นและโซนร้อนที่สุขภาพของพืชต่ำกว่าหรือสูงกว่าบริเวณโดยรอบอย่างมีนัยสำคัญ ซึ่งแสดงให้เห็นถึงสุขภาพทางการเกษตรของภูมิภาคในรูปแบบที่เข้าใจง่ายยิ่งขึ้น

นอกจากนี้ ยังสามารถแปลงเขตที่มีอุณหภูมิสูงและต่ำให้เป็นเวกเตอร์ และวิเคราะห์รูปร่างของภูมิภาค ระยะห่างระหว่างภูมิภาค และความสัมพันธ์ระหว่างภูมิภาค แม่น้ำ และเมืองต่างๆ โดยอาศัยขอบเขตเวกเตอร์ของเขตที่มีอุณหภูมิสูงและต่ำ เพื่อสำรวจรูปแบบการพัฒนาการเกษตรในท้องถิ่นอย่างลึกซึ้งยิ่งขึ้น