ดัชนีความแห้งแล้งจากข้อมูลอนุพันธ์ภาพจากดาวเทียม

Friday, 23 November, 2018

การประยุกต์การสำรวจระยะไกลเพื่อการประเมินความแห้งแล้งมักเป็นการวิเคราะห์หาข้อมูลอนุพันธ์ภาพจากดาวเทียมสำรวจโลกที่สามารถสะท้อนสภาวะความแห้งแล้งของพื้นที่ได้ เช่น Normalized Difference Water Index (NDWI), Enhanced Vegetation Index (EVI), Vegetation Condition Index (VCI) เป็นต้น ทั้งนี้เพราะลักษณะทางชีพลักษณ์ที่แตกต่างกันของพืชพรรณที่ปกคลุมพื้นที่มีความสัมพันธ์กับรูปแบบเชิงพื้นที่และเชิงเวลาของความแห้งแล้ง เนื่องจากพืชจะตอบสนองต่อการขาดน้ำ เช่น เกิดการเหี่ยวเฉา หรือการทิ้งใบ ประเทศไทยตั้งอยู่ในภูมิภาคที่มีฤดูฝนและฤดูแล้งแยกกันชัดเจน การเกิดความแห้งแล้งในรอบปีหนึ่ง ๆ เป็นเรื่องปกติ สังเกตได้จากการที่พื้นที่เกือบทุกภูมิภาคของประเทศปกคลุมไปด้วยป่าผลัดใบ นอกจากนี้พืชเกษตรพื้นเมืองหลายชนิดที่เกษตรกรเลือกปลูกตามภูมิปัญญาที่สั่งสมมาก็สะท้อนเรื่องความสามารถของพืชที่ทนต่อการขาดน้ำได้แตกต่างกันอันเนื่องมาจากความแห้งแล้งในรอบปี ดังนั้น การประเมินความแห้งแล้งจึงสามารถใช้ลักษณะปรากฏของพืชพรรณที่ตรวจวัดได้จากการสำรวจด้วยดาวเทียมเป็นตัวบ่งชี้ได้ นอกจากนี้พบว่า ในหลายประเทศมีการใช้การสำรวจระยะไกลเป็นเครื่องมือประเมินความแห้งแล้ง ดังพบได้จากรายงานผลการวิจัยของ Anyamba et al. (2001), Kogan (1993), Nicholson et al. (1994), Seiler et al. (2000), Son et al. (2012), และ Wang et al. (2001) เป็นต้น การศึกษาเหล่านี้ชี้ให้เห็นว่า เทคโนโลยีการสำรวจด้วยดาวเทียมเป็นทางเลือกที่ดีในการติดตามรูปแบบความแห้งแล้งได้ทั้งเชิงพื้นที่และเชิงเวลาที่เท่าทันต่อการรับสถานการณ์

ประเทศสหรัฐอเมริกา ออสเตรเลีย และอีกหลายประเทศในยุโรปและเอเซีย ได้ให้ความสำคัญกับการรับมือกับภัยแล้ง มีการพัฒนาระบบการติดตามความแห้งแล้งของประเทศ โดยผสานการใช้ทั้งข้อมูลอุตุนิยมวิทยา อุทกวิทยา และระบบการรับรู้ระยะไกลเพื่อประเมินความแห้งแล้งและรายงานผลเป็นข้อมูลแผนที่แบบอัตโนมัติใกล้เคียงเวลาจริง ส่วนใหญ่ใช้เทคนิคการวิเคราะห์เปรียบเทียบรูปแบบความแห้งแล้งเชิงช่วงเวลาที่สามารถจำแนกระดับความรุนแรงของความแห้งแล้งแสดงเป็นแผนที่ที่เข้าใจได้ง่าย

สำหรับประเทศไทย พบว่ามีรายงานการประยุกต์ใช้ข้อมูลอนุพันธ์ภาพจากดาวเทียมเพื่อการศึกษาเกี่ยวกับพืชพรรณ ความชื้น อุณหภูมิพื้นผิว ไฟป่า และความแห้งแล้ง ทั้งในระดับการศึกษาวิจัยและการดำเนินการตามภารกิจของหน่วยงาน เช่น สำนักงานเทคโนโลยีอวกาศและภูมิสารสนเทศ (สทอภ.) มีระบบจัดทำข้อมูล NDVI และ NDWI ที่หาจากข้อมูลจากดาวเทียมระบบ MODIS กรมอุทยานแห่งชาติสัตว์ป่าและพันธุ์พืชมีระบบติดตาม hotspot จากไฟป่า เป็นต้น อย่างไรก็ตาม หลายการศึกษาในอดีตระบุว่าข้อมูลอนุพันธ์จากดาวเทียมเพียงอย่างเดียวสะท้อนความแห้งแล้งของพื้นที่ได้ไม่สมบูรณ์นัก จึงยังมีความพยายามที่จะนำดัชนีความแห้งแล้งรูปแบบต่าง ๆ มาใช้ร่วมกัน นอกจากนี้ก็มีการพัฒนาดัชนีแบบใหม่ ๆ หรือดัดแปลงจากดัชนีที่มีอยู่ให้เหมาะสมขึ้นตามเทคโนโลยีการสำรวจด้วยดาวเทียมที่มีการพัฒนาอย่างต่อเนื่อง เทคนิคที่มีการใช้อนุพันธ์ข้อมูลภาพจากดาวเทียมที่เกี่ยวข้องกับพืชพรรณและความชื้นในลักษณะของการวิเคราะห์เปรียบเทียบกับข้อมูลย้อนอดีตเป็นช่วงเวลายาวๆ จะให้ผลการประเมินความแห้งแล้งของพื้นที่ได้แม่นยำขึ้นเมื่อเปรียบเทียบกับดัชนีที่ใช้ข้อมูลภูมิอากาศเพียงอย่างเดียว อีกทั้งมีข้อดีที่สามารถให้ข้อมูลเชิงพื้นที่ได้ละเอียดขึ้น ดังตัวอย่างในประเทศสหรัฐอเมริกา ที่ใช้ดัชนีความแห้งแล้งที่ได้จากอนุพันธ์ข้อมูลภาพจากดาวเทียมในลักษณะของการประกอบชุดข้อมูลดัชนีพืชพรรณในคาบเวลาหนึ่งเข้าด้วยกัน กล่าวคือ ทำการเก็บค่าดัชนีพืชพรรณของพื้นที่หนึ่งๆ ณ เวลาหนึ่งที่ต่อเนื่องกันเป็นช่วงเวลาตามกำหนดเพื่อแสดงค่าที่ดีที่สุดเป็นค่าตัวแทนของพื้นที่นั้นๆ เรียกดัชนีรูปแบบนี้ว่า ดัชนีเชิงประกอบ หรือดัชนีคอมโพสิท (composite index) และมีการใช้ข้อมูลอนุกรมเวลาย้อนอดีตเพื่อเปรียบเทียบให้เห็นดีกรีของความผิดปกติ โดยพิจารณาค่าปัจจุบันที่เบนห่างไปจากค่าปกติและแสดงระดับของความแตกต่างเป็นร้อยละได้ ทำให้ง่ายต่อการตีความหมาย ดัชนีดังกล่าวได้มาจากการทำข้อมูลอนุพันธ์ภาพจากดาวเทียมประเภทโคจรผ่านขั้วโลก (Polar Orbit Earth Observation Satellites; POES)   ที่สามารถบันทึกข้อมูลภาพพื้นที่หนึ่งๆ ได้ทุกวันและครอบคลุมได้ทั้งโลก โดยมีการบันทึกภาพในหลายช่วงคลื่นที่อยู่ในช่วงคลื่นตามองเห็น และช่วงคลื่นอินฟราเรด เช่น ดาวเทียมระบบ AVHRR, MODIS และ VIIRS เป็นต้น

อย่างไรก็ตาม การประเมินความแห้งแล้งที่ใช้อนุพันธ์ข้อมูลภาพจากดาวเทียมที่เกี่ยวกับพืชพรรณเพื่อสะท้อนลักษณะของความแห้งแล้งจำเป็นต้องใช้การวิเคราะห์เชิงเปรียบเทียบกันระหว่างข้อมูลสภาพของพืชพรรณปัจจุบัน กับสภาพที่ได้จากการเก็บข้อมูลต่อเนื่องตั้งแต่อดีตถึงปัจจุบันเป็นเวลานานพอที่จะครอบคลุมการเปลี่ยนแปลงสถานะของพืชพรรณอันเนื่องมาจากการแปรผันของสภาพภูมิอากาศได้ กล่าวคือครอบคลุมทั้งปีที่แห้งแล้งและไม่แห้งแล้ง เช่น 10, 20 หรือ 30 ปี ซึ่งแนวคิดนี้ก็คือ การใช้ดัชนีที่เรียกกว่า Vegetation Condition Index (VCI) กับ Temperature Condition Index (TCI) ในการประกอบกันเป็นดัชนีความสมบูรณ์ของพืชพรรณ Vegetation Health Index (VHI) โดย ค่า VCI และ TCI จะอยู่ระหว่าง 0 – 1 และค่า VHI จะอยู่ระหว่าง 0 - 100 เปอร์เซ็นต์

ระบบดาวเทียมที่มีสมรรถนะในการสะท้อนภาวะความแห้งแล้ง

ดาวเทียมสำรวจโลกแบบโคจรผ่านขั้วโลกกลุ่ม POES ถือเป็นระบบดาวเทียมที่มีความสามารถในการสะท้อนภาวะความแห้งแล้งของพื้นโลกได้ ปัจจุบันมีการประยุกต์นำเอาข้อมูลจากดาวเทียมระบบดังกล่าวมาเป็นข้อมูลหลักในการติดตามความแห้งแล้งทั้งในระดับประเทศและระดับโลก อย่างไรก็ตาม การใช้ประโยชน์ให้มีประสิทธิภาพยังต้องคำนึงถึงเงื่อนไขบางประการ อันได้แก่ ต้องเป็นระบบที่ผู้ใช้สามารถเข้าถึงข้อมูลได้อย่างต่อเนื่อง และสามารถจัดเตรียมข้อมูลในลักษณะเดียวกันหรือเทียบเคียงกันได้ย้อนอดีตไปได้หลายปีตามช่วงเวลาที่เหมาะสมต่อการศึกษาดัชนีความแห้งแล้ง ทั้งนี้เพื่อความแม่นยำในการประเมิน และหากมีความละเอียดเชิงพื้นที่และเชิงเวลาเหมาะสมในการรองรับได้หลายระดับพื้นที่เป้าหมายก็จะยิ่งเป็นประโยชน์มากขึ้น เช่น ควรที่จะสามารถรองรับการจัดทำข้อมูลระดับประเทศ ระดับภาค หรือระดับจังหวัด และสามารถรองรับการติดตามความแห้งแล้งได้แบบรายวัน รายสัปดาห์ หรือรายเดือน เป็นต้น สำหรับประเทศไทยแล้วระบบดาวเทียมที่เหมาะสมที่อยู่ในเกณฑ์ที่ระบุดังกล่าว ได้แก่ ระบบ AVHRR ของดาวเทียม Noaa และ MetOp ระบบ VIIRS ของดาวเทียม Suomi-NPP ระบบ MODIS ของดาวเทียม Terra และ Aqua และ ระบบ OLI / TIRS ของดาวเทียม Landsat 8 ซึ่งมีคุณลักษณะที่สำคัญโดยสังเขป ดังหน้าเพจต่อไปนี้

อย่างไรก็ตาม ในการใช้ข้อมูลจากดาวเทียมเพื่อติดตามภาวะความแห้งแล้งในระยะยาวของประเทศไทย การใช้ข้อมูลหลายระบบดาวเทียมจะไม่เป็นการดี เพราะจะมีความยุ่งยากในจัดการข้อมูลเพื่อให้คุณภาพอยู่ในระดับเดียวกัน ด้วยดาวเทียมแต่ละระบบมีรายละเอียดทางเทคนิคในการจัดการและประมวลผลข้อมูลอนุพันธ์และดัชนีที่แตกต่างกันอันจะส่งผลต่อความแม่นยำในการประเมินความแห้งแล้ง ดังนั้น การใช้ระบบการสำรวจด้วยดาวเทียมเพื่อการติดตามภาวะความแห้งแล้งของประเทศไทยจำเป็นต้องประเมินระบบตั้งแต่ขั้นตอนการออกแบบ การพัฒนาระบบ ไปจนถึงการติดตั้งและใช้งาน ที่อาจต้องมีการปรับปรุงระบบให้มีความเหมาะสมที่สุด เช่น เมื่อมีข้อมูลที่รับสัญญาณและข้อมูลผลผลิตอื่น ๆ สะสมมากขึ้น โมเดลหรืออัลกอริทึมในการประมวลผลควรที่จะได้รับการทวนสอบเพื่อปรับปรุงให้มีประสิทธิภาพยิ่งขึ้น