การสำรวจพรรณไม้ในป่าชายเลนและการประยุกต์ใช้ข้อมูลการสำรวจระยะไกลจากดาวเทียม เพื่อการสร้างแผนที่ป่าชายเลนบริเวณปากแม่น้ำเวฬุ อำเภอขลุง จังหวัดจันทบุร

Abstract

           จากการที่พื้นที่ป่าชายเลนในประเทศไทยถูกบุกรุกเป็นจำนวนมากทำให้ต้องมีการฟื้นฟูป่าชายเลนอย่างเร่งด่วนซึ่งต้องการข้อมูลเชิงพื้นที่ที่มีความถูกต้องสูง จึงเป็นที่มาของการวิจัยในครั้งนี้ที่มีจุดประสงค์เพื่อสำรวจพันธุ์ไม้ป่าชายเลนและประยุกต์ใช้ข้อมูลการสำรวจระยะไกลจากดาวเทียมเพื่อผลิตแผนที่กลุ่มพืชพรรณป่าชายเลนเพื่อการอนุรักษ์พื้นที่ป่าชายเลนบริเวณปากแม่น้ำเวฬุ ภายใต้ความดูแลของสถานีพัฒนาทรัพยากรป่าชายเลนที่ 2 อำเภอขลุง จังหวัดจันทบุรี ถูกเลือกเป็นพื้นที่ศึกษาเนื่องจากมีความอุดมสมบูรณ์และความหลากหลายทางชีวภาพสูง อย่างไรก็ตามยังมีพื้นที่ป่าชายเลนที่ต้องการการฟื้นฟูเป็นจำนวนมาก พืชพรรณป่าชายเลนที่ได้จากการสำรวจมีทั้งหมด 26 ชนิด และจากการวิเคราะห์ข้อมูลภาพถ่ายจากดาวเทียมไทยโชตพบว่าสามารถจำแนกพืชพรรณป่าชายเลนได้ 4 ชนิด ได้แก่ ไม้โกงกางใบเล็ก ไม้ตาตุ่มทะเล ไม้ฝาดดอกขาว และไม้ฝาดดอกแดง ความถูกต้องรวมของผลการจำแนกข้อมูลมีเพียงร้อยละ 34 เกิดจากการแทรกตัวของไม้โกงกางใบเล็กที่ขึ้นกระจายครอบคลุมพื้นที่ศึกษา การผสมกันของค่าการสะท้อนของไม้โกงกางใบเล็กและไม้ชนิดพันธุ์อื่นเป็นเหตุให้ความถูกต้องของผลการจำแนกมีค่าต่ำ แนวทางการปรับปรุงอาจทำได้โดยการใช้ข้อมูลภาพถ่ายจากดาวเทียมที่มีหลายช่วงคลื่นพิเศษ (Hyperspectral band) หรือข้อมูลภาพถ่ายจากดาวเทียมที่มีหลายช่วงคลื่น (Multispectral band) แต่มีรายละเอียดเชิงพื้นที่ที่สูงกว่าโดยพิจารณาปัจจัยสิ่งแวดล้อมที่เกี่ยงข้องร่วมด้วย           Mangrove forests in Thailand were seriously encroached for human uses, resulting in rapid mangrove area deterioration. This requires urgent rehabilitation and high accurate spatial data to support. The objective of this research is to do the survey of mangrove species and apply satellite remote sensing for mangrove mapping and conservation. Mangrove forest areas in the Welu estuary under responsibility of Mangrove Resource Development Station 2, Khlung district, Chanthaburi province is chosen as the study site due to high species abundant and biodiversity. Fragment mangrove areas of this study site, however, strongly needs rehabilitation. Twenty-six mangrove species were identified in the field survey. THEOS imageries were digitally classified and resulted to 4 mangrove classes, namely Rhizophora apiculata, Excoecaria agallocha, Lumnitzera racemosa and Lumnitzera littorea. Overall mapping accuracy is only 34 percent because of Rhizophora apiculata scattered distribution over the study area. Mixed reflectances of Rhizophora apiculata and other mangrove species lead to low accuracy on classification. Using hyperspectral satellite or high spatial resolution images coupled with environmental data may help to improve mangrove type mapping.