|
การคาดการณ์พื้นที่น้ำท่วมบริเวณพื้นที่ลุ่มน้ำชุมชนเมืองจังหวัดเชียงใหม่ โดยใช้การสำรวจระยะไกลและการเรียนรู้การถดถอย |
|---|---|
| รหัสดีโอไอ | |
| Creator | นฤพร เต็งไตรรัตน์ |
| Title | การคาดการณ์พื้นที่น้ำท่วมบริเวณพื้นที่ลุ่มน้ำชุมชนเมืองจังหวัดเชียงใหม่ โดยใช้การสำรวจระยะไกลและการเรียนรู้การถดถอย |
| Contributor | เพชรรัช ปะระไทย และ Wai Lok Woo |
| Publisher | มหาวิทยาลัยแม่โจ้ |
| Publication Year | 2568 |
| Journal Title | วารสารแม่โจ้เทคโนโลยีสารสนเทศและนวัตกรรม |
| Journal Vol. | 11 |
| Journal No. | 2 |
| Page no. | 188 ถึง 210 |
| Keyword | การสำรวจระยะไกล, การคาดการณ์น้ำท่วม, การถดถอย, การเรียนรู้ของเครื่อง, ภาพถ่ายดาวเทียม |
| URL Website | https://mitij.mju.ac.th/ |
| Website title | วารสารแม่โจ้เทคโนโลยีสารสนเทศและนวัตกรรม |
| ISSN | ISSN 3027-7280 (Online) |
| Abstract | ภาวะโลกร้อนปัจจุบันทำให้เกิดอุทกภัยรุนแรงและมีความถี่ในการเกิดสูงขึ้น หากสามารถแจ้งเตือนพื้นที่น้ำท่วมล่วงหน้าได้อย่างตรงจุด จะช่วยลดความเสียหายแก่ชีวิตและทรัพย์สินของประชาขนได้ งานวิจัยนี้นำเสนอ การสร้างแบบจำลองเพื่อคาดการณ์พื้นที่น้ำท่วมโดยใช้การสกัดข้อมูลจากภาพจากดาวเทียม บริเวณพื้นที่ชุมชนเมือง จ. เชียงใหม่ ครอบคลุมพื้นที่ทั้งหมด 902.025 ตารางเมตร ปัจจัยที่เกี่ยวข้องกับการคาดการณ์พื้นที่น้ำท่วม ประกอบด้วย 6 ปัจจัย ได้แก่ สมดุลน้ำ การคายระเหยของน้ำ พื้นผิวปกคลุมดิน ปริมาณน้ำฝน NDVI และ พื้นที่น้ำท่วมจากภาพถ่ายดาวเทียม Sentinel ดาวเทียม MODIS และ ดาวเทียม Landsat ผ่าน Google Earth Engine ภาพถ่ายดาวเทียมครอบคลุมพื้นที่กว้างและต่อเนื่อง ข้อมูลจากดาวเทียมเรดาร์ (SAR) สามารถใช้งานได้แม้ในสภาพอากาศที่มีเมฆมากหรือเวลากลางคืน ช่วยลดต้นทุนและเวลาในการสำรวจ สำหรับแบบจำลองได้ถูกสร้างโดยใช้วิธีทาง Regression จำนวน 7 วิธี ได้แก่ LR, SVR, Decision Tree, Random Forest, Gradient Boosting, XGBoost และ LightGBM เนื่องจากมีประสิทธิภาพสูงและคำนวณได้เร็วสามารถใช้กับชุดข้อมูลขนาดใหญ่ได้โดยไม่ต้องการพลังประมวลผลสูง จากการศึกษาพบว่า วิธี Random Forest สามารถคาดการณ์พื้นที่น้ำท่วมได้ถูกต้องสูงสุด มีค่า RMSE และ R-Square สูงกว่าวิธี XGBoost LightGBM Decision Tree Gradient Boosting SVR และ LR คิดเป็นค่าเฉลี่ยร้อยละ 3 ร้อยละ 12 ร้อยละ 19 ร้อยละ 31 ร้อยละ 51 และ ร้อยละ 65 ตามลำดับ งานวิจัยนี้สามารถพัฒนาต่อยอดให้เกิดประโยชน์ โดยการนำแบบจำลองที่พัฒนาขึ้นไปประยุกต์ใช้เป็นระบบแจ้งเตือนภัยน้ำท่วมล่วงหน้าในระดับพื้นที่ โดยเฉพาะในเขตเมืองซึ่งมีความหนาแน่นของประชากรสูง ซึ่งจะช่วยเสริมประสิทธิภาพในการวางแผนรับมือและดำเนินการอพยพประชาชนของหน่วยงานที่เกี่ยวข้องได้อย่างทันท่วงทีและเป็นระบบ |
