ข้อพิจารณาสำหรับการใช้ข้อมูลต่างระบบ

ในการประเมินภาวะความแห้งแล้งของประเทศไทยด้วยข้อมูลจากดาวเทียมที่จะนำไปสู่การประเมินพื้นที่เสี่ยงภัยแล้งได้นั้นจำเป็นที่จะต้องใช้ทั้งข้อมูลอนุกรมเวลาย้อนอดีตร่วมกับข้อมูลปัจจุบันที่ทันสมัย ซึ่งข้อมูลระบบ VIIRS จัดเป็นข้อมูลที่เหมาะสมที่สุดในปัจจุบันและมีความต่อเนื่องในอนาคต แต่มีข้อจำกัดสำหรับการใช้เป็นข้อมูลอดีตเพราะเป็นระบบที่สำรวจด้วยดาวเทียมดวงใหม่คือ Suomi-NPP ที่เพิ่งจะถูกส่งขึ้นปฏิบัติการเมื่อปี ค.ศ. 2012 ดังนั้นจึงจำเป็นที่จะต้องใช้ข้อมูลย้อนอดีตจากดาวเทียมที่อยู่ในกลุ่มเดียวกัน ซึ่งก็คือระบบ MODIS จากดาวเทียม Terra และ Aqua อย่างไรก็ตาม การใช้ข้อมูลต่างระบบกันจำเป็นที่จะต้องคำนึงถึงเรื่องความแตกต่างในทางเทคนิคด้วย โดยเฉพาะเมื่อจะต้องประยุกต์ใช้แบนด์ข้อมูลและค่าอนุพันธ์มาประมวลผลร่วมกัน จากการตรวจเอกสารพบว่า ค่าการสะท้อนช่วงคลื่นแสงสีดแดงและ NIR ที่ใช้ในสมการ NDVI จากระบบดาวเทียม VIIRS และ MODIS นั้นมีค่าแตกต่างกันอันเนื่องมาจากมีช่วงความยาวคลื่นรับสัญญาณแตกต่างกัน ดังภาพ โดยช่วงคลื่นแสงสีแดง (ภาพ ก) เซนเซอร์ VIIRS มีการตอบสนองสเปกตรัมความยาวคลื่นช่วง 590 ถึง 700 นาโนเมตร ในขณะที่เซนเซอร์ MODIS จะตอบสนองสเปกตรัมความยาวคลื่นช่วง 610 ถึง 680 นาโนเมตร สำหรับช่วงคลื่น NIR (ภาพ ข) เซนเซอร์ VIIRS มีการตอบสนองสเปกตรัมความยาวคลื่น NIR ที่ช่วง 840 ถึง 900 นาโนเมตร ส่วนเซนเซอร์ MODIS จะอยู่ในช่วง 840 ถึง 890 นาโนเมตร จะเห็นได้ว่าเซนเซอร์ VIIRS สามารถวัดค่ารังสีได้ในช่วงคลื่นที่กว้างกว่า MODIS ทั้งลักษณะความแตกต่างกันของระบบเซนเซอร์และช่วงเวลาที่ทำการบันทึกภาพล้วนมีส่วนที่ทำให้ NDVI ที่คำนวณได้มีค่าแตกต่างกันได้

(ก) Band width in red band [ Kim Youngwook et al. (2010)]

(ข) Band width in NIR band [ Kim Youngwook et al. (2010)]

นอกจากนี้ Kim Youngwook et al. (2010) ได้ทดสอบหาความสัมพันธ์ของค่าการสะท้อนช่วงคลื่น แสงสีแดงและ NIR ในรูปแบบสมการเชิงเส้นระหว่างค่าการสะท้อนจากระบบดาวเทียม VIIRS และ MODIS สมการที่ได้มีค่าสัมประสิทธิ์ r2 ค่อนข้างสูงทั้งสองช่วงคลื่น ในการนำค่าการสะท้อนช่วงคลื่นมาสร้างอนุพันธ์ข้อมูล เช่น NDVI การศึกษานี้ชี้ให้เห็นว่าความแตกต่างของระบบเซนเซอร์นั้นขึ้นอยู่กับเงื่อนไขสองประการ คือ (1) ความยาวช่วงคลื่นในการตรวจวัดข้อมูล และ (2) คุณลักษณะของชั้นบรรยากาศ ณ ขณะตรวจวัดค่ารังสี นอกจากนี้ในรายงานยังได้อ้างถึงเอกสารทางวิชาการอีกหลายฉบับที่เกี่ยวข้องกับการศึกษา ความแตกต่างของผลการวิเคราะห์ข้อมูลข้ามระบบเซนเซอร์ (cross-sensor differences) ซึ่งในการจัดทำระบบประมวลผลเพื่อการหาพื้นที่เสี่ยงภาวะแห้งแล้งแบบอัตโนมัติในโครงการนี้ก็ได้นำมาผลการศึกษาและข้อสังเกตดังกล่าวมาพิจารณาประกอบการจัดทำข้อมูล เนื่องจากอยู่ขอบข่ายเดียวกันคือ มีการวิเคราะห์ข้อมูลอนุกรมเวลา (time series) ข้ามระบบดาวเทียม

นอกจากการศึกษาดังกล่าวข้างต้น การศึกษาของ van Leeuwen et al. (2006) ก็เป็นอีกงานวิจัยหนึ่งที่เป็นความพยายามทดสอบผลกระทบของการปรับแก้อิทธิพลของชั้นบรรยากาศที่มีต่อการตรวจวัดรังสีของดาวเทียมระบบ AVHRR และ MODIS ในชุดข้อมูล NDVI ของ LP DAAC ในกรณีที่มีการนำข้อมูลต่างระบบดาวเทียมมาวิเคราะห์ร่วมกัน โดยพัฒนาสมการแปลงค่า NDVI สำหรับชุดดาวเทียม AVHRR-14, AVHRR-16, MODIS และ VIIRS ด้วยแบบจำลอง SAIL (Scattering by Arbitrarily Inclined Leaves (SAIL) ซึ่งเป็นแบบจำลองเชิงกายภาพที่ใช้วิเคราะห์ข้อมูลการสะท้อนช่วงคลื่นแสงสีแดง และ NIR ตามค่า LAI (Leaf Area Index) ที่แตกต่างกันตามลักษณะพืชปกคลุมดิน เพื่อใช้เป็นข้อมูลตั้งต้นในการเปรียบเทียบกับข้อมูล NDVI ที่ได้จาก LP DAAC เพื่อประเมินความแตกต่างของเซนเซอร์ของดาวเทียมแต่ละระบบ และประเมินผลกระทบจากชั้นบรรยากาศที่มีต่อการข้อมูล

ประเด็นสำคัญจากงานวิจัยของ van Leeuwen et al. (2006) มีดังนี้

1. ความแตกต่างค่าช่วงคลื่นแสงสีแดง และ NIR ที่วัดได้จากเซนเซอร์ของดาวเทียมระบบ MODIS และ VIIRS สามารถใช้รูปแบบสมการความสัมพันธ์เชิงเส้นแปลงค่า NDVI ได้ด้วยสมการ

NDVIVIIRS = 0.975 NDVIMODIS + 0.0022

2. ความผันแปรของสภาพบรรยากาศ (Atmospheric Uncertainties) ที่มีผลต่อค่า NDVI ได้แก่ Rayleight, Ozone, Aerosols และ Water Vapor ซึ่งขึ้นอยู่กับสภาพแวดล้อมและช่วงเวลารับสัญญาณในแต่ละพื้นที่ อิทธิพลดังกล่าวสามารถใช้สมการเชิงเส้นปรับแก้ไขค่า NDVI ได้ ภายใต้เงื่อนไขที่สภาพชั้นบรรยากาศมีปริมาณไอน้ำอยู่ที่ระดับ 2 g/cm2 และความหนาเชิงแสง (Aerosol Optical Thickness; AOT) ที่ 0.2 ตามการได้มาซึ่งข้อมูลที่ใช้พัฒนาสมการ โดยสมการปรับแก้ที่ได้ คือ

NDVIVIIRS, R+AOT+H2O = 0.914 NDVIMODIS, R + 0.0025

      โดยที่

          R      คือ Rayleigh Phenomenon Effect

        AOT    คือ       Aerosol Optical Thickness

ในการจัดทำระบบประมวลผลเพื่อการหาพื้นที่เสี่ยงภาวะแห้งแล้งแบบอัตโนมัติตามโครงการฯ ของ สทอภ. ในครั้งนี้ได้คำนึงถึงเรื่องความแตกต่างของการใช้ข้อมูลต่างระบบ และมีการประยุกต์การปรับแก้ด้วยหลักการตามงานวิจัยทั้งสองดังกล่าว อย่างไรก็ตามจำเป็นต้องกล่าวไว้ในที่นี้ว่า ข้อมูลอนุกรมเวลา NDVI จากระบบ MODIS ของ LP DAAC ตามที่โครงการฯ นำมาใช้ประมวลผล ยังมีปัจจัยอื่นที่มีอิทธิพลนอกเหนือจากตัวแปรทั้งสองเรื่องดังกล่าวข้างต้นอีก โดยจะมีผลต่อค่า NDVI และความแม่นยำของการหาพื้นที่เสี่ยงภาวะแห้งแล้งแบบอัตโนมัติที่ได้ ด้วยเป็นการใช้ข้อมูลอนุกรมเวลาสองระบบดาวเทียมคือ MODIS และ VIIRS ที่ได้มาจากต่างองค์กร และมีการนำมาใช้ร่วมกับข้อมูล VIIRS ปัจจุบันที่โครงการฯ จัดทำเองจากข้อมูลที่ สทอภ. รับสัญญาณ อันเป็นปัจจัยสำคัญที่ส่งผลต่อคุณภาพของข้อมูลที่จะผลิตได้ โดยสรุป ดังนี้

  1. การจัดทำข้อมูลรายสัปดาห์ตามข้อกำหนดของโครงการฯ ที่จำเป็นต้องได้มาจากข้อมูลภาพคอมโพสิท 16 วัน ของ LP DAAC ด้วยวิธีวิธีจำลองข้อมูลรายสัปดาห์โดยการใช้ข้อมูลที่เหลื่อมวันบันทึกข้อมูลกัน 8 วันของดาวเทียม Terra และ Aqua (ซึ่งทั้งสองดวงมีการตรวจวัดข้อมูลต่างช่วงเวลากันในรอบวัน) การเทียบช่วงเวลาให้เป็นสัปดาห์นั้นใช้การนับช่วง 7 วัน (เริ่มนับตั้งแต่วันที่ 1 มกราคมของปี) เทียบกับวันที่ข้อมูลตามที่ LP DAAC ระบุเป็น DOY ไว้ ลักษณะนี้จะเกิดความแตกต่างกันของข้อมูลได้มาก ข้อมูลภาพในสัปดาห์ใกล้เคียงกันอาจมีจุดภาพจำนวนหนึ่งที่เหลื่อมเวลากันได้
  2. การประมวลผลเชิงภาพสำหรับประเทศไทยเพื่อประเมินพื้นที่เสี่ยงภาวะแห้งแล้ง ไม่ได้เป็นการพิจารณาเฉพาะพื้นที่ที่ปกคลุมด้วยพืชพรรณเท่านั้น แต่วิเคราะห์ผลเป็นรายจุดภาพที่มีสภาพสิ่งปกคลุมพื้นที่ได้หลากหลายประเภท สมการปรับแก้เชิงเส้นอาจแสดงความสัมพันธ์ที่ดีสำหรับพื้นที่ที่ปกคลุมไปด้วยพืชพรรณ แต่ให้ผลไม่ดีสำหรับพื้นที่ลักษณะอื่น
  3. พื้นที่ประเทศไทยอยู่ในเขตมรสุมใกล้กับเส้นศูนย์สูตรซึ่งปกติจะมีความแปรปรวนของสภาพอากาศมากกว่าพื้นที่ที่เป็นฐานในการวิจัยของ van Leeuwen et al. (2006)