การจำแนกพื้นที่ปลูกกาแฟบนพื้นที่สูงด้วยเทคนิควิเคราะห์เชิงจุดภาพจากข้อมูลหลายช่วงคลื่นดาวเทียม Sentinel-2 และปัจจัยแวดล้อมทางภูมิศาสตร์
Article Sidebar
Main Article Content
บทคัดย่อ
การวิจัยครั้งนี้มีวัตถุประสงค์เพื่อกำหนดปัจจัยและเงื่อนไขที่เกี่ยวข้องกับการจำแนกพื้นที่ปลูกกาแฟ และเพื่อพัฒนาเทคนิคการจำแนกพื้นที่ปลูกกาแฟบนพื้นที่สูงด้วยวิธีการเชิงจุดภาพจากข้อมูลหลายช่วงคลื่นดาวเทียม Sentinel-2 โดยใช้ค่าการสะท้อนของช่วงคลื่นที่มีผลต่อลายเซ็นเชิงคลื่น (Digital Signature) ของพื้นที่ปลูกกาแฟ ประกอบกับค่าดัชนีที่ประมวลผลได้จากค่าการสะท้อนในช่วงต่างๆ ของข้อมูลดาวเทียม Sentinel-2 การดำเนินการวิจัยใช้การลงสำรวจพื้นที่เพาะปลูกกาแฟและพัฒนาเขียนสคริปต์จากข้อมูลหลายช่วงคลื่นดาวเทียม Sentinel-2 การกำหนดกลุ่มเป้าหมายเลือกแบบเฉพาะเจาะจง โดยใช้พื้นที่ปลูกกาแฟในพื้นที่สูงของประเทศไทยที่มีความเหมาะสมในการโดยใช้ช่วงคลื่นดาวเทียม Sentinel-2 ได้แก 1) จังหวัดเชียงใหม่ 2) จังหวัดเชียงราย และ 3) จังหวัดน่าน ผลการวิจัยพบว่า 1) ลักษณะพื้นที่การเพาะปลูกที่เป็นป่าดิบเขากับป่าไม้ผลัดใบมีผลต่อผลผลิต และความสูงจากระดับน้ำทะเล 850 เมตร สามารถปลูกกาแฟอาราบิก้าได้ 2) ผลจากการใช้ข้อมูลดาวเทียมและการเขียนสคริปต์เพื่อประมวลผลในการจำแนกพื้นที่เพาะปลูก โดยใช้แบบจำลอง Random Forest พบว่าเทคนิคการจำแนกพื้นที่ปลูกกาแฟด้วยข้อมูลดาวเทียม Sentinel-2 สามารถให้ผลการจำแนกที่มีความแม่นยำสูง ให้ค่าความถูกต้องรวมของการจำแนกร้อยละ 89.70 ซึ่งสามารถนำไปใช้ในการวางแผนเชิงยุทธศาสตร์เพื่อจัดการการปลูกกาแฟในพื้นที่สูงได้อย่างมีประสิทธิภาพ
Article Details
อนุญาตภายใต้เงื่อนไข Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
เอกสารอ้างอิง
Adugna, D. & Struik, P. C. (2011). Effects of Shade on Growth, Production and Quality of Coffee (Coffea Arabica) in Ethiopia. Journal of Horticulture and Forestry, 3(11), 336-341. https://www.researchgate.net/publication/ 215979044_Effects_of_shade_on_growth_production_and_quality_of_coffee_Coffea_arabica_in_Ethiopia
Anhar, A., Rasyid, U. H. Ar., Muslih, A. M., Baihaqi, A., Romano & Abubakar Y. (2021). Sustainable Arabica Coffee Development Strategies in Aceh, Indonesia. IOP Conference Series: Earth and Environmental Science, 667. https://doi.org/10.1088/1755-1315/667/1/012106
Bourgoin, C., Oszwald, J., Bourgoin, J., Gond, V., Blanc, L., Dessard, H., Phan, T. V., Sist, P., Läderach, P. & Reymondin, L. (2020). Assessing the Ecological Vulnerability of Forest Landscape to Agricultural Frontier Expansion in the Central Highlands of Vietnam. International Journal of Applied Earth Observation and Geoinformation, 84, 101958.https:// doi.org/10.1016/j.jag.2019.101958
Digital Economy Promotion Agency. (2025). Remote Sensing for Precision Agriculture with Remote Sensing Technology. Retrieved August 2025, from https://www.depa.or.th/th/article-view/remote-sensing-20210903
Dai, J., Ding, L., Zhang, T., Qin, Z. & Wang, J. (2025). RCFC: Radiometric Resolution Compression of Remote Sensing Images Considering Feature Reconstruction and Color Consistency. Digital Signal Processing, 164(2025), 105255. https://doi.org/10.1016/j.dsp.2025.105255
European Space Agency. (2024). Sentinel-2. Retrieved December 2024, from https://sentiwiki.copernicus.eu/ web/ sentinel-2
European Space Agency. (2025) Applications Sentinel-2. Retrieved Mar 2025, from https://www. esa.int/Applications/ Observing_the_Earth/Copernicus/Sentinel-2
European Space Operations Centre. (2024). Mission Sentinel-2B. Retrieved April 2025, from https://esoc.esa.int/ content/sentinel-2b
Fassnacht, F., White, J., Wulder, M. & Næsset, E. (2024). Remote Sensing in Forestry: Current Challenges, Considerations and Directions. Forestry: An International Journal of Forest Research, 97(1), 11-37.https://doi.org/ 10.1093/forestry/cpad024
Highland Research and Development Institute (Public Organization). (2024). History of Arabica Coffee in Thailand. Retrieved December 2024, from https://research.hrdi.or.th/public/upload/fj11zku0i6.pdf
Huang, Z., Zhong, L., Zhao, F., Wu. J., Tang, H., LV, Z., Xu, B., Zhou, L., Sun, R & Meng, R. (2023), A Spectral-Temporal Constrained Deep Learning Method for Tree Species Mapping of Plantation Forests using Time Series Sentinel-2 Imagery. ISPRS Journal of Photogrammetry and Remote Sensing, 204, 397-420. https://doi.org/10.1016/j.isprsjprs. 2023.09.009
Hunt, D. A., Tabor, K., Hewson, J. H., Wood, M. A., Reymondin, L., Koenig, K., Schmitt-Harsh, M. & Follett, F. (2020). Review of Remote Sensing Methods to Map Coffee Production Systems. Remote Sensing, 12(12), 2041.https:// doi.org/10.3390/rs12122041
Le, T., Dang, K. B., Giang, T. L., Tong, T. H. A., Nguyen, V. G., Nguyen, T. D. L. N. & Yasir, M. (2022). Deep Learning Model Development for Detecting Coffee Tree Changes Based on Sentinel-2 Imagery in Vietnam. IEEE Access, 10, 109097-109107. https://doi.org/10.1109/access.2022.3203405
Maxar. (2025). Extract more data in greater detail. Retrieved January 2025, from https://www. maxar.com/maxar-intelligence/imagery-leadership#high-resolution
Muangpha, S. & Mensin, S. (2021). Royal Project Research Project on Breeding and Value-Added Arabica Coffee Products. Subproject 1: Selection of Quality Coffee Varieties and Study of Environmentally Friendly High-Quality Coffee Cultivation Systems. Retrieved January 2025, from https:// research.hrdi.or.th/public/upload/2yl594gciy.pdf
Office of the Permanent Secretary for Ministry of Agriculture and Cooperatives. (2025). Where are the important Arabica growing areas in Thailand?. Retrieved August 2025, from https://www.opsmoac. go.th/news-preview-471991792943
Oliveira, M., Santos, A., Kazama, E. & Rolim, G. & Silva, R. (2021). Determination of Application Volume for Coffee Plantations using Artificial Neural Networks and Remote Sensing. Computers and Electronics in Agriculture,184, 106096. https://doi.org/10.1016/j.compag.2021.106096
Qin, H., Zhou, W., Yao, Y. & Wang, W. (2022). Individual Tree Segmentation and Tree Species Classification in Subtropical Broadleaf Forests using UAV-based LiDAR, hyperspectral, and Ultrahigh-resolution RGB data. Remote Sensing of Environment, 280, 113143. https://doi.org/10.1016/j.rse.2022.113143
Schneider, B., Alves, M. & Ferreira, V. (2025). Coffee Crop Detection and Mapping using Sentinel-2 Data and Spatial Coherence. Theoretical and Applied Engineering, 9(3), 1-10. https://doi.org/10.31422/ taae.v9i3.64
Tu, Y., Johansen, K., Aragon, B., Hajj, M. & McCabe, M. (2022). The Radiometric Accuracy of the 8-band Multi-spectral Surface Reflectance from the Planet SuperDove Constellation, International Journal of Applied Earth Observation and Geoinformation, 114,103035. https://doi.org/10.1016/j.jag. 2022.103035
