การประมาณปริมาณความต้องการน้ำของมันสำปะหลังด้วยข้อมูลเชิงพื้นที่ จังหวัดชลบุรี ประเทศไทย
Estimation of Cassava Water Requirements by using Geospatial Data in Chon Buri, Thailand
Keywords:
ปริมาณการใช้น้ำพืช, ค่าสัมประสิทธิ์พืช, ปริมาณการใช้น้ำพืชอ้างอิง, สมการ Penman-Monteith, มันสำปะหลังAbstract
ปริมาณความต้องการน้ำของพืชเป็นหนึ่งปัจจัยสำคัญในการเพาะปลูกพืช ซึ่งพืชจะใช้น้ำส่วนใหญ่ในกระบวนการคายน้ำทางใบและการระเหยน้ำจากดินหรือที่เรียกว่า การคายระเหยของพืช เพื่อการวางแผนและบริหารจัดการน้ำพืชและการเกษตรในพื้นที่ได้ ใช้น้ำได้อย่างมีประสิทธิภาพและช่วยลดความเสียหายของพืชอันเนื่องมาจากการขาดน้ำ ในการศึกษาวิจัยครั้งนี้มีวัตถุประสงค์ในการประมาณค่าปริมาณความต้องการน้ำของมันสำปะหลังในพื้นที่อำเภอบางละมุง จังหวัดชลบุรี ประเทศไทย โดยประยุกต์ใช้และศึกษาความสัมพันธ์ระหว่างค่าดัชนีพืชพรรณ NDVI, GNDVI, SAVI และ NDRE ที่ได้จากภาพถ่ายดาวเทียม Sentinel-2 กับค่าสัมประสิทธิ์พืช ที่อ้างอิงจากกรมชลประทาน ประเทศไทย โดยการวิเคราะห์ถดถอยเชิงเส้นเพื่อพัฒนาสมการทำนายค่าสัมประสิทธิ์พืช (Kc) และ คำนวณหาปริมาณการใช้น้ำของมันสำปะหลัง (ETc) จากผลคูณของ Kc ที่ได้จากการพัฒนาดัชนีพืชพรรณ และปริมาณการใช้น้ำของพืชอ้างอิง (ETo) โดยสมการของ Penman-Monteith ผลการศึกษากลุ่มตัวอย่างแปลงมันสำปะหลัง พบว่า ค่าปริมาณการใช้น้ำของมันสำปะหลังตามอายุของพืช 1-12 เดือน มีค่า 1.21, 1.23, 1.07, 1.52, 1.98, 2.29, 3.33, 3.69, 3.36, 2.86, 2.03, และ 1.51 มม./วัน ตามลำดับ โดยค่าการประมาณมีค่าใกล้เคียงกับค่าจริง และมีค่า RMSE = 0.15 แสดงให้เห็นว่าค่าการประมาณมีความสัมพันธ์อย่างมีนัยสำคัญและเชื่อถือได้ Agricultural, crop water requirements are significant with the one of the most crucial factors in crop cultivation. The main water is used by plant’s foliar transpiration and soil evaporation also known as “Evapotranspiration”. The water planning and management by the use of water efficiency and decrease crop damage from a water shortage is applied. This study is aimed to using the Sentinel-2 satellite imagery for determining the crop coefficient (Kc) and best fit correlation between the vegetation indices (VIs) and crop coefficient (Kc) in order to estimation of cassava water requirements by using geospatial data in Chon Buri, Thailand. The methodology first, Reference investigation data from the Royal Irrigation Department's (RID) crop coefficients and Vegetation Indies of NDVI, GNDVI, SAVI, and NDRE obtained by the Sentinel-2 image were determined. Second, the Kc was generated by linear regression analysis. Then, evapotranspiration of cassava (ETc) was estimated by the Penman-Monteith equation. The study found: the evapotranspiration of cassava varied with plant age, from 1 to 12 months were 1.21, 1.23, 1.07, 1.52, 1.98, 2.29, 3.33, 3.69, 3.36, 2.86, 2.03, and 1.51 mm/day, respectively. The estimated values were quite near to the real values which RMSE = 0.15 indicated that the estimations were of significant and reliable correlates.References
Allen, R., Pereira, L., Raes, D., and Smith, M. (1998). FAO Irrigation and drainage paper No. 56. Rome: Food and Agriculture Organization of the United Nations, 56, 26-40.
Carlson, T. N. and Ripley, D. A. (1997). On the relation between NDVI, fractional vegetation cover, and leaf area index. Remote Sensing of Environment, 62(3), 241-252.
doi:https://doi.org/10.1016/S0034-4257(97)00104-1
Chalermpong, P. (2017). The SNAP Guide to Analysis Vegetation Index on the Sentinel 2 satellite. In. GeoInformatics and Space Technology Development Agency (Public Organization).
Chansuwan, W. (2021). Regression and Correlation Analysis with MS Excel. Retrieved Jan 12, 2021, from https://web.rmutp.ac.th/woravith/?page_id=8206
Chiemchaisri, W. (2007). Water Quality for Agricultural: Kasetsart University.
Chuchip K. (2018). Accuracy Assessment. Remote Sensing Technical Note No. 3. Faculty of Forestry, Kasetsart University
Earth Observing System. (2021). NDRE: Vegetation Index For Mid-To-Late Season. Retrieved October 30, 2021, from https://eos.com/industries/agriculture/ndre/
European Space Agency. (2020). Sentinel-2. Retrieved Dec 12, 2020, from https://sentinel.esa.int/web/sentinel/missions/sentinel-2
European Space Agency. (2021). Copernicus Open Access Hub. Retrieved Aug 12, 2021, from https://scihub.copernicus.eu/
Farg, E., Arafat, S. M., Abd El-Wahed, M. S., and El-Gindy, A. M. (2012). Estimation of Evapotranspiration ETc and Crop Coefficient Kc of Wheat, in south Nile Delta of Egypt Using integrated FAO-56 approach and remote sensing data. The Egyptian Journal of Remote Sensing and Space Science, 15(1), 83-89. doi:https://doi.org/10.1016/j.ejrs.2012.02.001
Gitelson, A. A., Kaufman, Y. J., and Merzlyak, M. N. (1996). Use of a green channel in remote sensing of global vegetation from EOS-MODIS. Remote Sensing of Environment, 58(3), 289-298.doi:https://doi.org/10.1016/S0034-4257(96)00072-7
Huete, A. R. (1988). A soil-adjusted vegetation index (SAVI). Remote Sensing of Environment, 25(3), 295-309. doi:https://doi.org/10.1016/0034-4257(88)90106-X
Ippolito, M., De Caro, D., Minacapilli, M., Ciraolo, G., and Provenzano, G.: Estimating Crop Coefficients using multitemporal Sentinel-2 remote sensing data to estimate actual evapotranspiration of a citrus orchard, EGU General Assembly 2021, online, 19–30 Apr 2021, EGU21-4650, https://doi.org/10.5194/egusphereegu21-4650, 2021.
Irrigation Water Management Division. (2011). Crop Water Requirement: Reference Crop Evapotranspiration & Crop Coefficient Handbook. Office of Water Management and Hydrology, Royal Irrigation Department, 12-22. (in Thai)
Irrigation Water Management Division. (2012). Crop Coefficient of 40 Varieties. Retrieved October 16, 2021, from http://water.rid.go.th/hwm/cropwater/CWRdata/Kc/kc_en.pdf.
Kamble, B., Kilic, A., and Hubbard, K. (2013). Estimating Crop Coefficients Using Remote Sensing-Based Vegetation Index. Remote Sensing, vol. 5, issue 4, pp. 1588-1602, 5, 1588-1602. doi:10.3390/rs5041588
Land Development Department. (2020). Land use of Chon Buri 2020.
Li, C., Li, Z., Gao, Z., and Sun, B. (2021). Estimation of Evapotranspiration in Sparse Vegetation Areas by Applying an Optimized Two-Source Model. Remote Sensing, 13,1344. doi:10.3390/rs13071344.
Londhe, D., Kapgate, M., Katpatal, Y., and M S, M. (2022). Estimation of crop water requirements within Wainganga sub-basin for Kharif and Rabi season using spatial analysis. IOP Conference Series: Earth and Environmental Science, 1032,012031. doi:10.1088/1755-1315/1032/1/012031
Office of Agricultural Economics. (2021). Agricultural Production Information (cassava). Retrieved from https://www.oae.go.th
Toureiro, C., Serralheiro, R., Shahidian, S., and Sousa, A. (2017). Irrigation management with remote sensing: Evaluating irrigation requirement for maize under Mediterranean climate condition. Agricultural Water Management, 184, 211-220.
Van der Slik, B. (2013). Using vegetation indices from satellite images to estimate evapotranspiration and vegetation water use in North-central Portugal. University of applied sciences Van Hall Larenstein (VHL). Part of Wageningen University (WUR).
Wullschleger, S., Meinzer, F., and Vertessy, R. (1998). A review of whole-plant water use studies in tree. Tree physiology, 18, 499-512. doi:10.1093/treephys/18.8-9.499
