การประเมินป่าในเมืองด้วยการรับรู้ระยะไกล ผ่านเทคโนโลยีอวกาศ: มวลชีวภาพและการกักเก็บคาร์บอน
Article Sidebar
Main Article Content
บทคัดย่อ
การเปลี่ยนแปลงสภาพภูมิอากาศซึ่งขับเคลื่อนโดยการเพิ่มขึ้นของก๊าซคาร์บอนไดออกไซด์ใน
บรรยากาศ ได้กลายเป็นความท้าทายเร่งด่วนระดับโลก งานวิจัยนี้มีวัตถุประสงค์เพื่อประมาณการมวลชีวภาพ
เหนือพื้นดิน และปริมาณคาร์บอนสะสมของต้นไม้ในเขตเมือง โดยใช้ข้อมูลภาพถ่ายดาวเทียม Sentinel-2 ซึ่ง
เป็นเทคโนโลยีอวกาศร่วมกับการสำรวจภาคสนาม มีการจัดตั้งแปลงตัวอย่าง 30 แปลง ขนาด 20 × 20 เมตร
เพื่อเก็บข้อมูล และคำนวณดัชนีพืชพรรณพร้อมสัดส่วนพื้นที่ปกคลุมจากข้อมูลดาวเทียม จากนั้นใช้สมการ
อัลโลเมตริกในการประเมินมวลชีวภาพเหนือพื้นดินและการกักเก็บคาร์บอน พร้อมวิเคราะห์ความสัมพันธ์
ระหว่างมวลชีวภาพเหนือพื้นดินและค่าดัชนีพืชด้วยสมการถดถอย เอกซ์โพเนนเชียล ผลการวิเคราะห์พบว่า
GNDVI เป็นดัชนีที่มีประสิทธิภาพสูงสุด การสำรวจภาคสนามระบุมวลชีวภาพเหนือพื้นดินรวม 4,650.75 ตัน
และคาร์บอน 2,185.85 ตัน ขณะที่การประเมินด้วยดาวเทียมให้ค่า 2,798.23 ตัน และคาร์บอน 1,315.17 ตัน ตาม
ลำดับ ผลลัพธ์ยืนยันถึงประโยชน์ของการบูรณาการเทคโนโลยีอวกาศร่วมกับข้อมูลภาคสนาม เพื่อการประเมิน
มวลชีวภาพและคาร์บอนในเขตเมืองอย่างแม่นยำ เป็นการสนับสนุนการวางแผนพื้นที่สีเขียว การจัดการ
ทรัพยากรธรรมชาติ และการบรรเทาผลกระทบจากการเปลี่ยนแปลงสภาพภูมิอากาศ
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
A. T. Arevalo, “Climate change versus economic growth: Case of greenhouse apply a study of European Union countries and England from 2010 to 2019 using linear regression and neural networks,” Sustainability, vol. 16, no. 5, Feb. 2024, Art. no. 1884.
M. Zubair, S. Chen, Y. Ma, and X. Hu, “A systematic review on carbon dioxide (CO2) emission measurement methods under PRISMA guidelines: Transportation sustainability and development programs,” Sustainability, vol. 15, no. 6, Mar. 2023, Art. no. 4817.
T. Angkahad, W. Chokkuea, S. Sangpradid, Y. Uttaruk, K. Viriyasatr, and T. Laosuwan, “The assessment of aboveground biomass and carbon sequestration in community forests using UAV technology,” Def. Technol. Acad. J., vol. 7, no. 15, pp. 11–28, Jan.–Apr. 2025.
Y. Uttaruk and T. Laosuwan, “Methods of estimation for above ground carbon stock in Nongbua-nonmee community forest, Maha Sarakham Province, Thailand,” Agric. For., vol. 66, no. 1, pp. 183–195, 2020.
M. G. Muluneh, “Impact of climate change on biodiversity and food security: A global perspective—a review article,” Agric. Food Secur., vol. 10, Oct. 2021, Art. no. 36.
United Nations, “Biodiversity - our strongest natural defense against climate change,”n.d. [Online]. Available: https://www.un.org/en/climatechange/science/climate-issues/biodiversity. Accessed: May 2, 2025.
U.S. Environmental Protection Agency, “Climate change impacts on ecosystems,” n.d. [Online]. Available: https://www.epa.gov/climateimpacts/climate-change-impacts-ecosystems. Accessed: May 3, 2025.
X. Yuan et al., “Impacts of global climate change on agricultural production: A comprehensive review,” Agronomy, vol. 14, no. 7, Jun. 2024, Art. no. 1360.
M. S. Ragettli et al., “Explorative assessment of the temperature–mortality association to support health-based heat-warning thresholds: A national case-crossover study in Switzerland,” Int. J. Environ. Res. Public Health, vol. 20, no. 6, Mar. 2023, Art. no. 4958.
V. Heidt and M. Neef, “Benefits of urban green space for improving urban climate,” in Ecology, Planning, and Management of Urban Forests, M. M. Carreiro, Y. C. Song, and J. Wu, Eds. New York, NY, USA: Springer, 2008, pp. 84–96.
A. Woodward et al., “Trees, climate change, and health: An urban planning, greening and implementation perspective,” Int. J. Environ. Res. Public Health, vol. 20, no. 18, Sep. 2023, Art. no. 6798.
Z. Rehman et al., “Urban parks and native trees: A profitable strategy for carbon sequestration and climate resilience,” Land, vol. 14, no. 4, Apr. 2025, Art. no. 903.
W. Vattanavongsiri, S. Sangpradid, W. Chokkuea, and T. Laosuwan, “Estimation of above-ground carbon sequestration in the national reserved forest using vegetation indices and gradient boosting machine
learning,” Int. J. Tech. Phys. Probl. Eng., vol. 16, no. 3, pp. 361–366, Sep. 2023.
P. Saengpradit, S. Sangpradid, and T. Laosuwan, “Estimation of aboveground biomass using hybrid machine learning
based on satellite imagery,” Int. J. Tech. Phys. Probl. Eng., vol. 16, no. 4, pp. 7–13, Dec. 2024.
M. M. Rahman and J. Hasan, “Evaluating the impact of green spaces on urban heat reduction in Rajshahi, Bangladesh using the InVEST model,” Land, vol. 13, no. 8, Aug. 2024, Art. no. 1284.
T. Laosuwan, Y. Uttaruk, S. Nakapan, J. Itsarawisut, and C. Plybour, “Evaluation of tree biomass and carbon sequestration through remote sensing and field methods,” Geogr. Tech., vol. 20, no. 1, pp. 33–43, Mar. 2025.
K. Al-Jabri et al., “Integrating remote sensing techniques and allometric models for sustainable carbon sequestration
estimation in Prosopis cineraria-Druce trees,” Sustainability, vol. 17, no. 1, Jan. 2025, Art. no. 123.
T. Rotjanakusol, S. Sangpradid, J. Itsarawisut, and T. Laosuwan, “Estimation of land surface temperature by derivative analysis of MOD11A2 product data, MODIS system,” Def. Technol. Acad. J., vol. 2, no. 6, pp. 76–85, Jul.–Dec. 2020.
T. Angkahad et al., “An empirical analysis of aboveground biomass and carbon sequestration using UAV hotogrammetry and machine learning techniques,” IEEE Access, vol. 12, pp. 186740–186752, 2024.
T. Angkahad et al., “Developing a drone-based machine learning for spatial modeling and analysis of biomass and
carbon sequestration in forest ecosystems,” ES Eng. Sci., vol. 35, 2025, Art. no. 1508.
S. Ullah et al., “Multi-temporal and multi-resolution RGB UAV surveys for cost-efficient tree species mapping in an
afforestation project,” Remote Sens., vol. 17, no. 6, Mar. 2025, Art. no. 949.
H. Ogawa, K. Yoda, K. Ogino, and T. Kira, “Comparative ecological studies on three main types of forest vegetation
in Thailand: II. Plant biomass,” Nat. Life Southeast Asia, vol. 4, pp. 49–80, 1965.
IPCC, 2006 IPCC Guidelines for National Greenhouse Gas Inventories, S. Eggleston, L. Buendia, K. Miwa, T. Ngara, and K. Tanabe, Eds. Kanagawa, Japan: IGES, 2006.
C. J. Tucker, “Red and photographic infrared linear combinations for monitoring vegetation,” Remote Sens. Environ., vol. 8, no. 2, pp. 127–150, May 1979.
A. A. Gitelson, Y. J. Kaufman, and M. N. Merzlyak, “Use of a green channel in remote sensing of global vegetation from
EOS-MODIS,” Remote Sens. Environ., vol. 58, no. 3, pp. 289–298, Dec. 1996.
T. Laosuwan and P. Uttaruk, “Estimating tree biomass via remote sensing, MSAVI 2, and fractional cover model,” IETE Tech. Rev., vol. 31, no. 5, pp. 362–368, Sep. 2014.
H. Yang and Z. Yang, “A modified land surface temperature split window retrieval algorithm and its applications over China,” Global Planet. Change, vol. 52, no. 1–4, pp. 207–215, Jul. 2006.
GM. Gebremichael and A. P. Barros, “Evaluation of MODIS gross primary productivity (GPP) in tropical monsoon
regions,” Remote Sens. Environ., vol. 100, no. 1, pp. 150–166, Jan. 2006.
