• ภาษาไทย
  • English

รับมือภัยแล้ง...กับความเข้าใจ NDVI

รับมือภัยแล้ง...กับความเข้าใจ NDVI

215_photopost.jpg

Normalized Difference Vegetation Index (NDVI) หรือ ดัชนีความแตกต่างพืชพรรณ เป็นหนึ่งในตัวบ่งชี้ถึงพื้นที่ภัยแล้งที่ได้มาจากการคำนวณค่าการสะท้อนในภาพถ่ายจากดาวเทียม ซึ่ง NDVI นิยมใช้กันอย่างแพร่หลายจากพื้นฐานความสัมพันธ์ที่ว่า “บริเวณที่เกิดสภาวะภัยแล้ง มักจะส่งผลต่อความสมบูรณ์ของพืช” แต่ทว่า แค่ฟังจากชื่อดัชนีก็เริ่มงงแล้ว อาจจะมีหลายคำถามต่อมาว่า แล้วอะไรแตกต่าง? และความแตกต่างนั้นไปเกี่ยวข้องกับภัยแล้งอย่างไร?

ก่อนที่จะไปหาคำตอบร่วมกัน เราจำเป็นต้องเข้าใจปฏิกิริยาธรรมชาติของพืชหรือต้นไม้ที่มีต่อคลื่นแสงหรือคลื่นแม่เหล็กไฟฟ้าที่ถูกปล่อยออกมาจากดวงอาทิตย์เสียก่อน ซึ่งเป็นสิ่งสำคัญที่ทำให้ดาวเทียมสามารถมองเห็นและแยกแยะสิ่งต่างๆบนผิวโลกได้ ปกติแล้วคลื่นแม่เหล็กไฟฟ้ามีความถี่และความยาวคลื่นแตกต่างกัน แบ่งออกเป็น คลื่นอัลตราไวโอเลต คลื่นแสงที่ตามองเห็น (แบ่งย่อยเป็นคลื่นแสงสีน้ำเงิน สีเขียว และสีแดง) คลื่นอินฟราเรด คลื่นไมโครเวฟ และคลื่นวิทยุ เป็นต้น

เมื่อคลื่นเหล่านี้ตกกระทบลงบนใบไม้ คลอโรฟิลล์ในใบไม้จะคอยดูดซับคลื่นแสงที่ตามองเห็น โดยเฉพาะช่วงคลื่นแสงสีน้ำเงินและแสงสีแดง เพื่อกระบวนการสังเคราะห์แสงผลิตเป็นอาหารหล่อเลี้ยงให้แก่ต้นพืช (ใบไม้ส่วนมากจะสะท้อนแสงสีเขียวออกมา จึงทำให้เราเห็นใบไม้เป็นสีเขียว) ส่วนคลื่นอินฟราเรดจะถูกส่วนประกอบอื่นๆภายในโครงสร้างเซลล์ของใบไม้สะท้อนออกมา ในสัดส่วนที่ค่อนข้างสูงมาก พืชต่างชนิดกัน มีองค์ประกอบเซลล์ต่างกัน ก็สะท้อนคลื่นในสัดส่วนที่ต่างกัน ส่วนพืชชนิดเดียวกัน แต่มีอายุหรือความสมบูรณ์ที่แตกต่างกัน ก็สะท้อนคลื่นในสัดส่วนที่แตกต่างกันด้วยเช่นกัน

พืชที่สมบูรณ์ คือ พืชที่ได้รับน้ำและสารอาหารเพียงพอต่อการเติบโต มักจะมีค่าสะท้อนในช่วงคลื่นอินฟราเรดสูงกว่าช่วงคลื่นแสงสีแดง (ในกลุ่มคลื่นแสงที่ตามองเห็น) และสำหรับพืชที่ไม่สมบูรณ์จะมีค่าสะท้อนในช่วงคลื่นอินฟราเรดใกล้เคียงหรือต่ำกว่าช่วงคลื่นสีแดง จากการสะท้อนที่แตกต่างกันนี้ จึงนำมาสู่การคำนวณสัดส่วนความแตกต่างระหว่าง 2 ช่วงคลื่นดังกล่าว ทำให้เราแยกพื้นที่ระหว่างพืชที่สมบูรณ์กับพืชที่ไม่สมบูรณ์ออกจากกันได้ ซึ่งเราเรียกว่า ดัชนีความแตกต่างพืชพรรณ หรือ NDVI ที่ได้เกริ่นเอาไว้ตอนต้นนั่นเอง

สิ่งที่เราจำเป็นต้องเข้าใจอีกอย่างก็คือ ค่า NDVI ที่คำนวณได้จะมีค่าตั้งแต่ -1 ถึง 1 แบ่งเป็น บริเวณพืชที่สมบูรณ์ ค่า NDVI ที่คำนวณได้จะมีค่าใกล้เคียง 1  คือยิ่งมีค่าใกล้เคียง 1 เท่าไรพืชยิ่งมีความสมบูรณ์สูง ส่วนบริเวณพืชไม่สมบูรณ์หรือบริเวณที่เกิดความแห้งแล้ง ค่า NDVI ที่คำนวณได้จะมีค่าใกล้เคียง -1 คือ ยิ่งใกล้เคียง -1 มากเท่าไรหมายถึงแห้งแล้งมาก พืชทิ้งใบไม้ หรือเป็นพื้นที่ที่ไม่มีต้นไม้เลย มาถึงตรงนี้เราก็สามารถอนุมานได้ว่าบริเวณที่ปรากฏพืชที่ไม่สมบูรณ์ก็คือบริเวณที่กำลังประสบภัยแล้งนั้นเอง เพื่อความเข้าใจมากยิ่งขึ้นทุกท่านสามารถตรวจสอบแผนที่ NDVI ของประเทศไทยทั้งรายวันและรายสัปดาห์ ได้ที่ http://droughtv2.gistda.or.th/  หรือ  http://drought.gistda.or.th/

ขอยกตัวอย่างให้เห็นภาพง่ายๆ สมมุติว่า นายดำ เกษตรกรหัวใจไฮเทคมีแปลงข้าวโพดอยู่ 2 แปลง ซึ่ง แปลง ก. อยู่ใกล้แหล่งน้ำ ส่วนแปลง ข. อยู่ห่างแหล่งน้ำออกไป ในกลางเดือนกุมภาพันธ์ย่างเข้าสู่หน้าแล้งฝนทิ้งช่วงมาก็นานแล้วแบบนี้ นายดำ จึงได้ใช้เครื่องมือตรวจสอบการสะท้อนคลื่นแม่เหล็กไฟฟ้าไปตรวจสอบกับต้นข้าวโพดของเขาในทั้งสองแปลง เพื่อจะได้ทราบว่าแปลงใดที่กำลังเจอกับปัญหาภัยแล้ง แปลง ก. วัดค่าเฉลี่ยการสะท้อนในช่วงคลื่นอินฟราเรด(NIR) ได้ 0.5 และคลื่นแสงสีแดง(RED) ได้ 0.08 ส่วนแปลง ข. วัดค่าเฉลี่ยการสะท้อนในช่วงคลื่นอินฟราเรด(NIR) ได้ 0.4 และคลื่นแสงสีแดง(RED) ได้ 0.3

เมื่อนำมาเข้าสมการ NDVI ที่ว่า NDVI = (NIR – RED)/(NIR + RED) แปลง ก. ก็จะได้ค่า NDVI เท่ากับ 0.72 ส่วนแปลง ข. ได้ค่า NDVI เท่ากับ 0.14 นั่นหมายความในบริเวณพื้นที่แปลง ข. เริ่มมีปัญหาเกี่ยวกับความสมบูรณ์ของพืช หนึ่งในนั้นอาจจะเป็นเพราะการขาดน้ำของต้นข้าวโพด เพราะที่ตั้งของแปลงอยู่ไกลจากแหล่งน้ำทำให้ความชื้นในดินลดต่ำลงไปตามระยะทาง

สาเหตุที่มีการวิเคราะห์ค่า NDVI ทั้งรายวันและรายสัปดาห์ก็เนื่องมาจาก ข้อมูลรายวันนั้นรวดเร็วต่อการอัพเดทสถานการณ์ความแห้งแล้งแต่บางพื้นที่ถูกบดบังด้วยเมฆ จึงทำให้ขาดข้อมูล NDVI ตรงส่วนนั้นไป  สำหรับข้อมูลรายสัปดาห์ ก็คือการรวมข้อมูลรายวันทั้ง 7 วันเข้าด้วยกันเนื่องจากระยะเวลาเพียงหนึ่งสัปดาห์ พื้นที่ภัยแล้งมักจะไม่มีการเปลี่ยนแปลงมากนัก อีกทั้งเพื่อเติมเต็มข้อมูลบางส่วนที่ถูกเมฆบังไปในข้อมูลรายวันนั้นเอง

ทั้งนี้ การวิเคราะห์ภัยแล้งจากการตรวจสอบค่า NDVI ด้วยข้อมูลชุดเดียว (1 วัน หรือ 1 สัปดาห์) สามารถบอกพื้นที่แห้งแล้งได้ระดับหนึ่งแต่ไม่สมบูรณ์นัก หากเราต้องการผลที่แม่นยำขึ้นจำเป็นต้องเปรียบเทียบกับข้อมูล NDVI ในอดีตเป็นช่วงเวลายาวๆ โดยเฉพาะหากเปรียบเทียบแนวโน้มของภัยแล้งเทียบกับดัชนีตัวอื่นๆ เช่น NDWI, VCI, TCI, VHI เป็นต้น ในช่วงเวลาเดียวกันก็จะยิ่งทำให้เกิดความเข้าใจเกี่ยวกับสภาวะภัยแล้งในพื้นที่มากยิ่งขึ้น 

จะเห็นได้ว่าการตรวจสอบภัยแล้งด้วยดาวเทียมนั้น ดาวเทียมไม่สามารถตรวจวัดพื้นที่ประสบภัยแล้งได้โดยตรง เช่นเดียวกับพื้นที่น้ำท่วม พื้นที่ไฟป่า และพื้นที่เผาไหม้จากไฟป่า ที่มีขอบเขตความเสียหายที่ชัดเจน ดังนั้นการตรวจวัดพื้นที่ภัยแล้งจำเป็นต้องอาศัยความสัมพันธ์ทางธรรมชาติในหลายมิติ ซึ่ง NDVI เป็นเพียงมิติความสัมพันธ์ระหว่างความสมบูรณ์ของพืชกับความแห้งแล้งเท่านั้น ยังมีอีกหลายดัชนีที่ใช้กันอย่างแพร่หลาย อาทิเช่น ความชื้น อุณหภูมิพื้นผิว ไฟป่า และปริมาณน้ำฝน เป็นต้น และควรนำมาวิเคราะห์ร่วมกัน

การวิเคราะห์สภาวะภัยแล้งด้วยข้อมูลจากดาวเทียมจะทำให้เราเข้าใจภาพรวม เข้าใจสถานะการณ์ความรุนแรง และการเก็บข้อมูลอย่างต่อเนื่องในมาตรฐานเดียวกันทำให้เราเข้าใจการเปลี่ยนแปลงของปัจจัยต่างๆที่มีผลต่อความแห้งแล้งในพื้นที่ ความเข้าใจต่อดัชนีหรือตัวบ่งชี้สภาวะความแห้งแล้งก่อนนำไปวิเคราะห์ต่อจึงมีความจำเป็นอย่างยิ่งเพื่อให้ผลลัพธ์มีความถูกต้องยิ่งขึ้นและการบริหารจัดการแก้ไขปัญหาได้ถูกจุดตรงประเด็น เอาไว้จะค่อยมาเล่าต่อสำหรับดัชนีตัวอื่นๆในโอกาสต่อไปครับ

อ้างอิง https://earthobservatory.nasa.gov/

#จิสด้าก้าวสู่ปีที่20 #จิสด้า #GISTDA