วิธีการระบุพื้นที่ปลูกปาล์มน้ำมันโดยใช้ข้อมูลการสำรวจระยะไกลจากดาวเทียม

ปาล์มน้ำมันเป็นพืชเศรษฐกิจที่สำคัญ และข้อมูลการกระจายตัวของปาล์มน้ำมันมีความสำคัญอย่างยิ่งต่อการติดตามตรวจสอบทางการเกษตร การประเมินการใช้ที่ดิน และการจัดการทรัพยากร บทความนี้เสนอวิธีการสำรวจระยะไกลแบบหลายแหล่งข้อมูลที่ผสมผสานข้อมูลจากดาวเทียม Sentinel-1 และ Sentinel-2 เพื่อการสกัดข้อมูลการกระจายตัวของปาล์มน้ำมันที่มีความแม่นยำสูง Sentinel-1 ให้ภาพเรดาร์ที่สามารถใช้งานได้ทุกสภาพอากาศและทุกเวลาโดยไม่ได้รับผลกระทบจากสภาพอากาศ ในขณะที่ Sentinel-2 ให้ภาพถ่ายดาวเทียมที่มีข้อมูลมากมาย เช่น ดัชนีพืชพรรณและลักษณะพื้นผิว ความสมบูรณ์ของแหล่งข้อมูลทั้งสองนี้สร้างเงื่อนไขที่เอื้ออำนวยต่อการระบุตำแหน่งปาล์มน้ำมัน
วิธีการวิจัย
ได้เลือกพื้นที่เฉพาะแห่งหนึ่งในประเทศอินโดนีเซียเป็นพื้นที่ศึกษา (ภาพที่ 1) ได้ทำการสกัดพื้นที่เพาะปลูกในพื้นที่นี้ในปี 2025 โดยช่วงเวลาที่เลือกข้อมูลคือตั้งแต่วันที่ 1 มิถุนายน 2024 ถึงวันที่ 31 พฤษภาคม 2025 ข้อมูลได้รับการประมวลผลเบื้องต้นโดยใช้แพลตฟอร์ม GEE ซึ่งรวมถึงการสกัดแบนด์ การคำนวณดัชนี และการลดสัญญาณรบกวนของข้อมูล SAR ดังแสดงในภาพที่ 2 จากนั้นข้อมูลได้รับการปรับขนาดใหม่ให้มีความละเอียด 10 เมตร โดยใช้ระบบพิกัด WGS84

รูปที่ 1 พื้นที่ศึกษา

รูปที่ 2(ก) VV
รูปที่ 2(b) NDVI
รูปที่ 3 แสดงคุณลักษณะข้อมูลที่เรียงลำดับโดยใช้สัมประสิทธิ์ Gini มีการเลือกคุณลักษณะทั้งหมด 14 รายการจากข้อมูล Sentinel-1 และ Sentinel-2 สำหรับการคำนวณสัมประสิทธิ์ Gini โดยมี 8 รายการจาก Sentinel-2 และ 6 รายการจาก Sentinel-1 เมื่อใช้ข้อมูล SAR เป็นคุณลักษณะหลักในการจำแนกประเภท แถบ VH และ VV และความแตกต่างของแถบเหล่านี้แสดงความสัมพันธ์สูงในแบบจำลองการจำแนกประเภท ทำให้คุณลักษณะเหล่านี้มีความสำคัญอย่างยิ่งต่อการตรวจจับสวนปาล์มน้ำมัน นอกจากนี้ ข้อมูลพื้นผิวและดัชนีพืชพรรณยังสามารถใช้สำหรับการจำแนกประเภทพืชพรรณได้ คุณลักษณะพื้นผิวช่วยเพิ่มความแม่นยำในการตรวจจับปาล์มน้ำมันได้อย่างมีประสิทธิภาพมากกว่าดัชนีพืชพรรณ

รูปที่ 3 การจัดอันดับสัมประสิทธิ์จินี
ผลการสกัด
VV, VH, B3, B8, NDVI รวมถึงเอนโทรปีของพื้นผิวและความแตกต่างของสี ถูกเลือกใช้ในการสร้างคุณลักษณะ จากนั้น พื้นที่ปลูกปาล์มน้ำมันภายในพื้นที่ศึกษาถูกแยกออกมาโดยใช้ Random Forest ผลลัพธ์ของการแยกแสดงในรูปที่ 4

รูปที่ 4 ผลการสกัดจากพื้นที่ปลูกปาล์มน้ำมัน
งานวิจัยนี้ใช้วิธีการผสมผสานข้อมูลจากดาวเทียม Sentinel-1 และ Sentinel-2 เพื่อระบุพื้นที่ปลูกปาล์มน้ำมัน โดยใช้เทคนิคการสร้างคุณลักษณะและป่าสุ่ม (random forest) เพื่อระบุพื้นที่ปลูกปาล์มน้ำมันที่มีความแม่นยำสูง งานวิจัยนี้ชี้ให้เห็นว่าการผสมผสานข้อมูลจากดาวเทียมหลายแหล่งเป็นทิศทางสำคัญในการพัฒนาความสามารถในการระบุพืชพรรณทางการเกษตร งานวิจัยในอนาคตอาจศึกษาเพิ่มเติมเกี่ยวกับวิธีการแบ่งส่วนเชิงความหมายโดยใช้การเรียนรู้เชิงลึก (deep learning) เพื่อปรับปรุงความแม่นยำของขอบเขตและความสามารถในการวิเคราะห์พลวัตของอนุกรมเวลา

