Page Header

การสร้างแบบจำลองในการประเมินผลผลิตของข้าวนาปรังด้วยค่าสัมประสิทธิ์การสะท้อนกลับจากดาวเทียมเซนติเนลวัน
Model Creation for Assessing Productivity of Dry Season Rice with Backscatter Coefficient from Sentinel-1

Phichaton Mema, Arisara Charoenpanyanet

Abstract


การศึกษาครั้งนี้มีวัตถุประสงค์เพื่อสร้างแบบจำลองในการประเมินผลผลิตข้าวนาปรังด้วยค่าสัมประสิทธิ์การสะท้อนกลับจากดาวเทียมเซนติเนลวันในระบบเรดาร์ เพื่อพัฒนาเป็นแผนที่ผลผลิตข้าวนาปรัง บริเวณพื้นที่อำเภอพิชัย จังหวัดอุตรดิตถ์ ข้อมูลที่ใช้ในการศึกษา ได้แก่ ภาพถ่ายดาวเทียมเซนติเนลวันหลายช่วงเวลาเพื่อนำมาสกัดค่าสัมประสิทธิ์การสะท้อนกลับ และข้อมูลผลผลิตข้าวนาปรังจากการสัมภาษณ์เกษตรกรในพื้นที่จำนวน 34 แปลง เพื่อนำมาใช้เป็นตัวแปรตามในการสร้างแบบจำลอง สำหรับขั้นตอนในการศึกษาประกอบไปด้วย 4 ขั้นตอนหลัก ได้แก่ 1) การปรับแก้ข้อมูลภาพดาวเทียมเซนติเนลวัน 2) การสกัดค่าสัมประสิทธิ์การสะท้อนกลับ 3) การสร้างแบบจำลองในการประเมินผลผลิตข้าวนาปรังโดยใช้วิธีการทางสถิติ และ 4) การคัดเลือกแปลงนาข้าวด้วยเปอร์เซ็นต์การเปลี่ยนแปลงค่าสัมประสิทธิ์การสะท้อนกลับ ผลการศึกษาพบว่า แบบจำลองที่มีประสิทธิภาพดีที่สุด ได้แก่ แบบจำลองที่นำค่าสูงสุดและค่าเฉลี่ยของค่าสัมประสิทธิ์การสะท้อนกลับของแปลงนาข้าว โพลาไรเซซั่นแบบการรับส่งสัญญาณในระนาบเดียวกัน (like-polarized แบบ VV) เป็นตัวแปรอิสระ และผลผลิตข้าวนาปรัง (หน่วย : กิโลกรัมต่อไร่) เป็นตัวแปรตาม แบบจำลองดังกล่าวมีค่า R-Squared, Adjusted R-Squared, Predicted R-Squared, RMSE เท่ากับ 0.869, 0.828 , 0.784 , 40.08 กิโลกรัมต่อไร่ ตามลำดับ

The purposes of this study were to create a model for assessment of dry season rice productivity with backscatter coefficient from Sentinel-1 in radar system for developing season rice productivity map in Phichai district, Uttaradit province. Multi-temporal Sentinel-1 was used to extract backscatter coefficient. The data of dry season rice productivity retrieved from the interview of farmers in 34 field areas was used as the dependent variable to create the model. There are 4 main steps in the study: 1) correction of Sentinel-1 data, 2) extraction of backscatter coefficient, 3) creation of the model for assessing productivity of dry season rice using statistical methods involved, and 4) selection of rice fields with percentage changes of backscatter coefficient. The results showed that the most effective model was the model using maximum and mean value of backscatter coefficient of rice field with the polarization state as a like-polarized (vertical to vertical; VV). This is an independent variable. Dry season rice productivity (unit: kilograms per rai) is a dependent variable. The model reveals its R-Squared, adjusted R-Squared, predicted R-Squared and RMSE as 0.869, 0.828, 0.784, and 40.08 kilograms per rai respectively.


Keywords



Full Text: PDF

DOI: 10.14416/j.kmutnb.2021.05.018

ISSN: 2465-4698