การประเมินความชื้นในดินโดยใช้ข้อมูลการรับรู้จากระยะไกลบริเวณป่าต้นน้ำหมู่บ้านป่าสักงาม ตำบลลวงเหนือ อำเภอดอยสะเก็ด จังหวัดเชียงใหม่
Assessment of Soil Moisture Using Remote Sensing in Watershed Forest, Pa Sak Ngam Village, Luang Nuea Sub District, Doi Saket District, Chiang Mai Province
Keywords:
ความชื้นในดิน, ดัชนีความแตกต่างของพืชพรรณ, การรับรู้จากระยะไกล, ป่าต้นน้ำ, สถิติสหสัมพันธ์, soiloisture, NDVI, remote sensing, watershed forest, Correlation StatisticsAbstract
การวิจัยนี้มีวัตถุประสงค์เพี่อประเมินความชื้นในดินด้วยข้อมูลภาพถ่ายดาวเทียม Landsat 8 OLI/TIRS ในพื้นที่ป่าต้นน้ำ หมู่บ้านป่าสักงาม ตำบลลวงเหนือ อำเภอดอยสะเก็ด จังหวัดเชียงใหม่ ระหว่างเดือนกุมภาพันธ์ถึงพฤษภาคมและพฤศจิกายนถึงธันวาคม ปี 2564 โดยใช้ความสัมพันธ์ระหว่างอุณหภูมิพื้นผิว (Land Surface temperature: LST) และดัชนีความแตกต่างของพืชพรรณ (Normalized Difference Vegetation Index: NDVI) และศึกษาความสัมพันธ์ระหว่างค่าดัชนีความชื้นในดิน จากภาพถ่ายดาวเทียมและร้อยละความชื้นในดินที่ได้จากการสุ่มเก็บตัวอย่างความชื้นในดินจำนวน 30 ตัวอย่าง และทำการตรวจวัดในห้องปฏิบัติการ ผลการศึกษา พบว่า ในเดือนพฤศจิกายนมีความชื้นในดินเฉลี่ยมากที่สุด รองลงมาคือ เดือนพฤษภาคม เมษายน ธันวาคม กุมภาพันธ์ และมีนาคม ตามลำดับ นอกจากนี้ยังพบว่าค่าดัชนีความชื้นในดินที่ได้จากภาพถ่ายดาวเทียม และค่าร้อยละความชื้นในดินที่ได้จากการเก็บตัวอย่างภาคสนามและนำไปวิเคราะห์ในห้องปฏิบัติการในแต่ละเดือนไม่มีความสัมพันธ์กัน แต่พบความสัมพันธ์ตามช่วงฤดูกาลโดยมีค่าสถิติสหสัมพันธ์ในระดับปานกลางอย่างมีนัยสำคัญทางสถิติ (0.653) ที่ระดับความเชื่อมั่นร้อยละ 95 ผลการศึกษาสามารถเป็นแนวทางในการประเมินความชื้นในดินโดยใช้ภาพถ่ายดาวเทียม เพื่อติดตามภาวะความแห้งแล้งของพื้นที่สำหรับวางแผนการฟื้นฟูและอนุรักษ์พื้นที่ป่าต้นน้ำต่อไป This study aimed to estimate soil moisture in the watershed forest area of Pa Sak Ngam Village, Doi Saket district, Chiang Mai province, Thailand using Landsat 8 OLI/TIRS satellite image data. The analysis was conducted between February to May and November to December in 2021. The relationship between Land Surface temperature (LST) and Normalized Difference Vegetation Index (NDVI) was evaluated. The research also explored the connection between the soil moisture index obtained from satellite images and the soil moisture percentage obtained from thirty laboratory-measured soil samples. Results showed that average soil moisture in November had the highest, followed by May, April, December, February, and March, respectively. In addition, the soil moisture index obtained from satellite images and soil moisture percentage obtained from field samples and analyzed in the laboratory each month were not correlated. However, there was a significant seasonal correlation with a moderate correlation (0.653) at the 95% confidence level. The study findings could serve as a guideline for monitoring drought conditions using satellite images to assess soil moisture in the area and planning the restoration and conservation of watershed forests.References
Duangsrisai S. (2012). Integrating knowledge on upstream management with water management in Thailand. The Policy-Research Platform (PRP) Project, 2(25), 1-8 (in Thai)
Chen, J., Wang, C., Jiang, H., Mao, L., & Yu, Z. (2011). Estimating soil moisture using Temperature–Vegetation Dryness Index (TVDI) in the Huang-huai-hai (HHH) plain. International Journal of Remote Sensing, 32(4), 1165-1177.
Chen, S., Wen, Z., Jiang, H., Zhao, Q., Zhang, X., & Chen, Y. (2015). Temperature vegetation dryness index estimation of soil moisture under different tree species. Sustainability, 7(9), 11401-11417.
Colliander, A., Cosh, M. H., Kelly, V. R., Kraatz, S., Bourgeau‐Chavez, L., Siqueira, P., ... & Yueh, S. H. (2020). SMAP detects soil moisture under temperate forest canopies. Geophysical research letters, 47(19), e2020GL089697.
Office of the National Economic and Social Development Council. (2022). The Thirteenth National Economic and Social Development Plan 2023-2027. Office of the Prime Minister. (in Thai)
Pa Sak Ngam Community. (2011). Villagers' manual for check dams Pa Sak Ngam Community. Hydro and Agro Informatics Institute Ministry of Science and Technology (in Thai)
Parida, B. R., Collado, W. B., Borah, R., Hazarika, M. K., & Samarakoon, L. (2008). Detecting drought-prone areas of rice agriculture using a MODIS-derived soil moisture index. GIScience & Remote Sensing, 45(1), 109-129.
Peng, W., Wang, J., Zhang, J., & Zhang, Y. (2020). Soil moisture estimation in the transition zone from the Chengdu Plain region to the Longmen Mountains by field measurements and LANDSAT 8 OLI/TIRS-derived indices. Arabian Journal of Geosciences, 13(4), 1-13.
Sandholt, I., Rasmussen, K., & Andersen, J. (2002). A simple interpretation of the surface temperature/vegetation index space for assessment of surface moisture status. Remote Sensing of environment, 79(2-3), 213-224.
Sukkasem, T., Sittichok, K., & Chompuchan, C. (2020). An Analysis of Drought in Phetchaburi River Basin using TVDI Derived from MODIS Data. Thaksin University Journal, 23(2), 74-83. (in Thai)
Wang, L., Qu, J. J., Zhang, S., Hao, X., & Dasgupta, S. (2007). Soil moisture estimation using MODIS and ground measurements in eastern China. International Journal of Remote Sensing, 28(6), 1413-1418.
Wongrattana, C. (1998). Techniques for using statistics for research (7th ed.). Bangkok: Chulalongkorn University Book Center. (in Thai)
Zhan, Z., Qin, Q., & Wang, X. (2004). The application of LST/NDVI index for monitoring land surface moisture in semiarid area. In IGARSS 2004. 2004 IEEE International Geoscience and Remote Sensing Symposium, 3, 1551-1554.
