การประมาณค่าอุณหภูมิพื้นผิวในภาคตะวันออกเฉียงเหนือด้วยภาพถ่ายจากดาวเทียมหลายช่วงเวลา

Estimation of Land Surface Temperature in Northeast, Thailand Using Multi – Temporal Satellite Imageries

Abstract

การวิจัยนี้มีวัตถุประสงค์เพื่อ 1) วิเคราะห์อุณหภูมิพื้นผิวในพื้นที่ภาคตะวันออกเฉียงเหนือในช่วงปี 2543 – 2563 2) เพื่อวิเคราะห์ความสัมพันธ์ระหว่างอุณหภูมิพื้นผิวกับสิ่งปกคลุมดิน และ 3) เพื่อวิเคราะห์ความสัมพันธ์ระหว่างอุณหภูมิ พื้นผิวกับจำนวนและความหนาแน่นของประชากร จากข้อมูลภาพถ่ายจากดาวเทียม Terra/Aqua ระบบ MODIS และข้อมูลภาพถ่ายจากดาวเทียม Landsat 8 ระบบ OLI/TIRS ด้วยเทคนิคการรับรู้ ระยะไกล เพื่อประเมินค่าดัชนีผลต่างของสิ่งปลูกสร้าง (NDBI) และค่าดัชนีผลต่างพืชพรรณ (NDVI) จากนั้นหาความสัมพันธ์ระหว่างอุณหภูมิพื้นผิวกับสิ่งปกคลุมดิน จำนวนและความหนาแน่นของประชากรโดยใช้สมการถดถอยเชิงเส้นอย่างง่าย ผลจากการวิเคราะห์อุณหภูมิพื้นผิวในพื้นที่ภาคตะวันออกเฉียงเหนือในช่วงปี 2543 - 2563 พบว่า ในแต่ละจังหวัดมีอุณหภูมิพื้นผิวสูงขึ้นในทุก ๆ จังหวัดทั้งในฤดูร้อน และฤดูหนาว โดยพบว่า จังหวัดนครราชสีมา มีอุณหภูมิพื้นผิวสูงสุดอยู่ที่ 43.55 องศาเซลเซียส และจังหวัดเลย มีอุณหภูมิ พื้นผิวต่ำที่สุดอยู่ที่ 16.71 องศาเซลเซียส และจากการเปรียบเทียบความแตกต่างระหว่างอุณหภูมิพื้นผิวจะมีอุณหภูมิแตกต่างกันถึง 26.84 องศาเซลเซียส โดยพบว่า ในช่วงฤดูร้อนจะมีอุณหภูมิพื้นผิวสูงกว่าในช่วงฤดูหนาว จังหวัดที่มีอุณหภูมิเฉลี่ยสูงที่สุดรองลงมา คือ จังหวัดร้อยเอ็ด จังหวัดมหาสารคาม จังหวัดยโสธร จังหวัดบุรีรัมย์ และจังหวัดสุรินทร์ ในขณะที่จังหวัดที่มีอุณหภูมิเฉลี่ยต่ำที่สุดรองลงมา คือ จังหวัดหนองคาย จังหวัดชัยภูมิ จังหวัดมุกดาหาร จังหวัดสกลนคร และจังหวัดบึงกาฬ และผลจากการศึกษาความสัมพันธ์ระหว่างอุณหภูมิพื้นผิวกับสิ่งปกคลุมดิน จำนวนและความหนาแน่นของประชากรพบว่า ความสัมพันธ์ระหว่างอุณหภูมิพื้นผิวกับสิ่งปกคลุมดิน ทั้งประเภทค่าดัชนีผลต่างพืชพรรณ และค่าดัชนีผลต่างสิ่งปลูกสร้างจะมีความสัมพันธ์กันในระดับที่สูงมากซึ่งมีค่า (R2 ) เท่ากับ 0.9318 และ 0.897 ตามลำดับ ในขณะที่ความสัมพันธ์ระหว่างอุณหภูมิ พื้นผิวกับจำนวนประชากรจะมีค่าความสัมพันธ์กันน้อย ซึ่งมีค่า (R2) เท่ากับ 0.6159 ซึ่งมีความสัมพันธ์กันในระดับปานกลาง และค่าสัมประสิทธิ์ (R2) ของความหนาแน่นประชากร มีค่าเท่ากับ 0.0734 ซึ่งแสดงถึงค่าความสัมพันธ์กันที่น้อยมาก  The objectives of this research were 1) to estimate land surface temperature in the Northeast during 2000 to 2020, 2) to study the relationship between surface temperature and land cover, and 3) to study the relationship between land surface temperature and populations. This research studied the data from Terra/Aqua - MODIS satellite images and Landsat 8 image data from OLI (Operational Land Imager)/TIRS (Thermal Infrared Sensor) satellites using remote sensing techniques to evaluate the Normalized Difference Built-up Index (NDBI) and Normalized difference vegetation index (NDVI). The relationship between land surface temperature and land cover and population density was then determined using a simple linear regression equation. The results of the estimation of land surface temperature in the Northeast from 2000 to 2020 in each province had higher land surface temperature in all provinces both in summer and winter. The highest was 43.55 degrees celsius in ‎Nakhon Ratchasima province and Loei province had the lowest surface temperature at 16.71 degrees celsius, and by comparison, the difference between surface temperatures was 26.84 degrees celsius. It is found that the land surface temperature during summer is presumably higher than winter. Provinces with high temperature including Roi-Et, Maha Sarakham, Yasothorn, Bureeram and Surin. Meanwhile in Nong Khai, Chaiyaphum, Mukdaharn, Sakhon Nakorn and Buengkan are recorded as the provinces with lowest land surface temperature. The research also found that the relations between land surface temperature with land cover and its population; with the normalized difference vegetation index: NDVI and the normalized difference Built-up Index: NDBI have its high relation which are equal (R2) = 0.9318 and 0.897 chronologically. Additionally, the relation between land surface temperature and its population have resulted in (R2) = 0.6159 which is resulted in a median level. The relation between land surface temperature and its the density of population have resulted in (R2) = 0.0734 which is resulted in a low level.