การประเมินปริมาณมวลชีวภาพเหนือพื้นดินและการกักเก็บคาร์บอนของป่าชุมชนด้วยเทคนิคอากาศยานไร้คนขับ
Article Sidebar
Main Article Content
บทคัดย่อ
การวิจัยนี้มีวัตถุประสงค์ในการประเมินปริมาณมวลชีวภาพเหนือพื้นดินและการกักเก็บคาร์บอนของต้นไม้ในพื้นที่ป่าชุมชน ตั้งอยู่ที่ตำบลท่าสองคอน อำเภอเมืองมหาสารคาม จังหวัดมหาสารคาม โดยใช้เทคโนโลยีอากาศยานไร้คนขับร่วมกับการสำรวจภาคสนาม การดำเนินการแบ่งออกเป็นสามส่วนหลัก ได้แก่ การสำรวจด้วยอากาศยานไร้คนขับ การเก็บข้อมูลภาคสนาม และการสร้างแบบจำลองเรือนยอดต้นไม้ พื้นที่ศึกษาครอบคลุม 66 ไร่ หรือ 10.66 เฮกตาร์ และใช้ Agisoft PhotoScan ในการประมวลผลภาพถ่ายทางอากาศ จากการสำรวจภาคสนามในแปลงตัวอย่างขนาด 40x40 เมตร2 จำนวน 10 แปลง ผลการดำเนินการพบว่า มีพรรณไม้ทั้งสิ้น 22 วงศ์ 39 ชนิด รวมทั้งหมด 1,241 ต้น การประเมินปริมาณการกักเก็บคาร์บอนจากโมเดลการเรียนรู้ด้วยเครื่องจากอากาศยานไร้คนขับพบว่า มีค่าเฉลี่ยประมาณ 213.53 tCO2e, 2.022026 kg CO2e/m2 และ 0.002022 tCO2e/ha ในขณะที่ผลการวิเคราะห์แบบจำลองเรือนยอดต้นไม้ เฉลี่ยอยู่ที่ 212.51 tCO2e, 2.012442 kgCO2e/m2 และ 0.000201 tCO2e/ha การประเมินความแม่นยำของแบบจำลองพบว่า มีค่า Precision = 0.902, Recall = 0.638, Accuracy = 0.597, F1-Score = 0.747 และ Percent = 74.737% ซึ่งแสดงว่าแบบจำลองนี้มีความสามารถในการวิเคราะห์การตรวจจับต้นไม้และความแม่นยำในการจำแนกรูปทรงพุ่มที่ถูกต้อง สอดคล้องกับการวิเคราะห์มวลชีวภาพเหนือพื้นดินและการกักเก็บคาร์บอนของป่าชุมชนครั้งนี้
Downloads
Article Details
อนุญาตภายใต้เงื่อนไข Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
Journal of TCI is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International (CC BY-NC-ND 4.0) licence, unless otherwise stated. Please read our Policies page for more information...
เอกสารอ้างอิง
Y. Liu, H. Tang, M. Aamer, and G. Huang, “Emission Mechanism and Reduction Countermeasures of Agricultural Greenhouse Gases – A Review,” Greenh. Gases: Sci. Technol., vol. 9, no. 2, pp. 160–174, 2019. doi: 10.1002/ghg.1848.
M. Abunyewah et al., “Understanding Climate Change Adaptation in Ghana: The Role of Climate Change Anxiety, Experience, and Knowledge,” Environ. Sci. & Policy, vol. 150, p. 103594, 2023. doi: 10.1016/j.envsci.2023.103594.
L. Al-Ghussain, “Global Warming: Review on Driving Forces and Mitigation,” Environ. Prog. Sustain. Energy, vol. 38, no. 1, pp. 13–21, 2019. doi: 10.1002/ep.13041.
V. Eyring et al., “Human Influence on The Climate System,” in Climate Change 2021—The Physical Science Basis, Cambridge University Press, 2023, pp. 423–552.
IPCC, “Summary for Policymakers,” in Climate Change 2022 - Mitigation of Climate Change, Cambridge: Cambridge University Press, 2023. doi: 10.1017/9781009157926.001.
Y. Zhang, C. - L. Pan, and H. - T. Liao, “Carbon Neutrality Policies and Technologies: A Scientometric Analysis of Social Science Disciplines,” Front. environ. sci., vol. 9, p. 761736, 2021.
D. R. Liyanage, K. Hewage, H. Karunathilake, and R. Sadiq, “Feasibility of Carbon-capturing in Building Heating Systems: A Life Cycle Thinking-based Approach,” Int. J. Greenh. Gas Control, vol. 132, p. 104056, 2024.
B. Zhang, J. I. Arachchi, and S. Managi, “Forest Carbon Removal Potential and Sustainable Development in Japan,” Sci. Rep., vol. 14, 2024, doi: 10.1038/s41598-024-51308-z.
FAO, In Brief to The State of the World’s Forests 2022: Forest Pathways for Green Recovery and Building Inclusive, Resilient and Sustainable Economies, Rome: FAO, 2022, doi: 10.4060/cb9363en.
T. A. M. Pugh et al., “Role of Forest Regrowth in Global Carbon Sink Dynamics,” Proc. Natl. Acad. Sci., vol. 116, no. 10, pp. 4382–4387, 2019. doi: 10.1073/pnas.1810512116.
J. Qin, P. Liu, A. R. Martin, W. Wang, Y. Lei, and H. Li, “Forest Carbon Storage and Sink Estimates under Different Management Scenarios in China from 2020 to 2100,” Sci. Total Environ., vol. 927, p. 172076, 2024.
S. Saha and S. Bera, “Carbon Estimation in the Undershrub Layer and the Soil of a Dry Deciduous Forest of West Bengal (Eastern India),” Trop. Ecol., vol. 61, pp. 487–496, 2020. doi: 10.1007/s42965-020-00108-3
Y. Zhang, S. Liang, and L. Yang, “A Review of Regional and Global Gridded Forest Biomass Datasets,” Remote Sens., vol. 11, no. 23, p. 2744, 2019.
M. Chopping, Z. Wang, C. Schaaf, M. A. Bull, and R. R. Duchesne, “Forest Aboveground Biomass in the Southwestern United States from a MISR Multi-angle Index, 2000–2015,” Remote Sens. Environ., vol. 275, p. 112964, 2022.
Y. Li et al., “Modeling Ecological Resilience of Alpine Forest under Climate Change in Western Sichuan,” Forests, vol. 14, no. 9, p. 1769, 2023. doi: 10.3390/f14091769.
H. B. Huang, C. X. Liu, X. Y. Wang, X. L. Zhou, and P. Gong, “Integration of Multi-resource Remotely Sensed Data and Allometric Models for Forest Aboveground Biomass Estimation in China,” Remote Sens. Environ., vol. 221, pp. 225–234, 2019.
V. A. Slavskiy and S. M. Matveev, “Some Aspects of the Laying of Permanent Trial Plots during the State Inventory of Forests,” Lesotechnical J., vol. 11, pp. 56–63, 2021.
R. Zhang, Y. Wang, Y. Wang, and Y. Wang, “Estimating Aboveground Biomass in Subtropical Forests of China by Integrating Multisource Remote Sensing and Ground Data,” Remote Sens. Environ., vol. 232, p. 111341, 2019. doi: 10.1016/j.rse.2019.111341.
V. Slavskiy et al, “Assessment of Phytomass and Carbon Stock in the Ecosystems of the Central Forest Steppe of the East European Plain: Integrated Approach of Terrestrial Environmental Monitoring and Remote Sensing with Unmanned Aerial Vehicles,” Life, vol. 14, no. 5, p. 632, 2024.
S. Mustafa, R. M. Sabir, A. Sarwar, M. Safdar, M. S. Al Ansari, and S. Hussain “Precision Agriculture and Unmanned Aerial Vehicles (UAVs),” in Agriculture and Aquaculture Applications of Biosensors and Bioelectronics, IGI Global, 2024.
U. Surendran, K. Ch. V. Nagakumar, and M. P. Samuel, “Remote Sensing in Precision Agriculture,” in Digital Agriculture, P. M. Priyadarshan, S. M. Jain, S. Penna, and J. M. Al-Khayri, Eds., Springer, 2024, pp. 201–223.
T. Angkahad, W. Chokkuea, S. Sangpradid, Y. Uttaruk, K. Viriyasatr, and T. Laosuwan, “The Assessment of Above-Ground Biomass and Carbon Sequestration in Community Forests Using UAV Technology,” Def. Technol. Acad. J., vol. 7, no. 15, pp. R11–R28, 2025.
T. Angkahad et al., “Developing a Drone-Based Machine Learning for Spatial Modeling and Analysis of Biomass and Carbon Sequestration in Forest Ecosystems,” Eng. Sci., vol. 35, p. 1508, 2025, doi: 10.30919/es1508.
S. Jarahizadeh and B. Salehi, “A Comparative Analysis of UAV Photogrammetric Software Performance for Forest 3D Modeling: A Case Study Using Agisoft Photoscan, PIX4DMapper, and DJI Terra,” Sensors, vol. 24, no. 1, p. 286, 2024.
V. Reinprecht and D. S. Kieffer, “Application of UAV Photogrammetry and Multispectral Image Analysis for Identifying Land Use and Vegetation Cover Succession in Former Mining Areas,” Remote Sens., vol. 17, no. 3, p. 405, 2025, doi: 10.3390/rs17030405.
P. K. Parida et al., "Unmanned Aerial Vehicle-Measured Multispectral Vegetation Indices for Predicting LAI, SPAD Chlorophyll, and Yield of Maize,” Agriculture, vol. 14, no. 7, p. 1110, 2024.
W. Pan, X. Wang, Y. Sun, J. Wang, Y. Li, and S. Li, “Karst Vegetation Coverage Detection Using UAV Multispectral Vegetation Indices and Machine Learning Algorithm,” Plant Methods, vol. 19, p. 7, 2023. doi: 10.1186/s13007-023-00982-7.
V. Nasiri, A. A. Darvishsefat, H. Arefi, V. C. Griess, S. M. M. Sadeghi, and S. A. Borz, "Modeling Forest Canopy Cover: A Synergistic Use of Sentinel-2, Aerial Photogrammetry Data, and Machine Learning," Remote Sens., vol. 14, no. 6, p. 1453, 2022.
S. Sharma, S. Dhal, T. Rout, and B. S. Acharya, "Drones and Machine Learning for Estimating Forest Carbon Storage," Carbon Res., vol. 1, 2022.
Z. Chen, M. Wang, and J. Zhang, "Object detection in UAV images based on improved YOLOv5," in CSIA 2023, Z. Xu, S. Alrabaee, O. Loyola-González, N. D. W. Cahyani, N. H. Ab Rahman, Eds., 2023, p. 267-278.
M. B. Schwenke, L. Heinzmann, N. Rehush, A. Gessler, and V. C. Griess, "Individual Tree-Crown Detection and Species Identification in Heterogeneous Forests Using Aerial RGB Imagery and Deep Learning," Remote Sens., vol. 15, no. 5, p. 1463, 2023.
T. Kaakkurivaara, J. Hytönen, N. Kaakkurivaara, and J. Nurmi, “Biomass Equations for Rubber Tree (Hevea Brasiliensis) Components in Southern Thailand,” J. Trop. For. Sci., vol. 30, pp. 588–596, 2018.
