สืบค้นงานวิจัย
เกษตรแม่นยำด้วยระบบฐานข้อมูลสารสนเทศการจัดการพื้นที่เหมาะสมสำหรับการปลูกอ้อยบนอุปกรณ์อัจฉริยะในภาคตะวันออกเฉียงเหนือ
ศุภสิทธิ์ คนใหญ่ - สำนักงานคณะกรรมการส่งเสริมวิทยาศาสตร์ วิจัยและนวัตกรรม (สกสว.)
ชื่อเรื่อง: เกษตรแม่นยำด้วยระบบฐานข้อมูลสารสนเทศการจัดการพื้นที่เหมาะสมสำหรับการปลูกอ้อยบนอุปกรณ์อัจฉริยะในภาคตะวันออกเฉียงเหนือ
ชื่อเรื่อง (EN): Precision agriculture by database information management system in zoning for sugarcane on smart device in Northeast region
ผู้แต่ง / หัวหน้าโครงการ: ศุภสิทธิ์ คนใหญ่
บทคัดย่อ: ในยุคอุตสาหกรรม 4.0 การมีเครื่องมือที่มีความสามารถรวบรวมข้อมูลที่หลากหลายและฐานข้อมูล ขนาดใหญ่ (Big Data) ที่ผ่านการวิเคราะห์ข้อมูล (Data Analysis ถือว่าเป็นสิ่งที่สำคัญในยุคปรับเปลี่ยนผ่าน (Transformation) ระหว่างฝ่ายอุตสาหกรรมกับเกษตรกร การพัฒนาผ่านนวัตกรรมเป็นสิ่งสำคัญและเป็น ตัวกลางในการปรับเปลี่ยนและก้าวผ่าน การใช้ระบบฐานข้อมูลสารสนเทศจัดการพื้นที่การปลูกอ้อยแบบ เกษตรแม่นยำในภาคตะวันออกเฉียงเหนือ เป็นการพัฒนานวัตกรรมในรูปแบบหนึ่งที่นำฐานข้อมูลขนาดใหญ่ ให้มาอยู่ในรูปของแอปพลิเคชัน (Application) ที่เป็นตัวกลางในการเข้าถึงเทคโนโลยีในปัจจุบัน การใช้ระบบฐานข้อมูลสารสนเทศจัดการพื้ นที่ การปลูกอ้อยแบบเกษตรแม่นยำในภาค ตะวันออกเฉียงเหนือ เป็นโครงการต่อเนื่องโดยเริ่มต้นโครงการแรกในปีงบประมาณ 2558 ได้จัดทำในพื้นที่ กลุ่มจังหวัดในภาคตะวันออกเฉียงเหนือตอนกลาง 4 จังหวัด ได้แก่ จังหวัดร้อยเอ็ด ขอนแก่น มหาสารคาม และกาฬสินธุ์ และปิ้งบประมาณ 2560 กลุ่มจังหวัดในภาคตะวันออกเฉียงเหนือตอนล่าง 8 จังหวัด ได้แก่ จังหวัดชัยภูมิ นครราชสีมา บุรีรัมย์ สุรินทร์ ศรีสะเกษ อุบลราชธานี อำนาจเจริญ และยโสธร และใน ปีงบประมาณ 2562 ดำเนินการพัฒนาระบบฐานข้อมูลโดยใช้หลักการเกษตรแม่นยำ (Precision agriculture) และตรวจสอบความถูกต้องระดับความเหมาะสมและศักยภาพการผลิตอ้อยในพื้นที่ศึกษา โครงการปีงบประมาณ 2558 และ 2560 เพื่อเป็นการทำให้ข้อมูลที่มีอยู่ให้ได้ใช้ประโยชน์ได้อย่างเต็มที่และ เป็น smart Data พร้อมทั้งเป็นประโยชน์และช่วยลดความเหสื่อมล้ำทางสังคมให้แก่ ซาวไร่อ้อย สมาคม ชาวไร่อ้อย ตลอดทั้งโรงงานอ้อยและน้ำตาลหรือผู้ที่สนใจ ในการใช้ข้อมูลที่ได้จากโครงก ารในการช่วยในการ ตัดสินใจในอนาคตการศึกษาสภาพแหล่งน้ำโดยใช้ข้อมูลภาพถ่ายดาวเทียม Sentinel-1A (ระบบไมโครเวฟ) และข้อมูล ดาวเทียม LANDSAT 8 0LI ในการสกัดพื้นที่แหล่งน้ำผิวดิน โดยเปรียบเทียบกระบวนการในการสกัดแหล่งน้ำ 4 กระบวนการในพื้นที่ศึกษา 12 จังหวัด เปรียบเทียบข้อมูล 2 ช่วงเวลาภายในปีเดียวกัน ได้แก่ เดือนมีนาคม และเดือนพฤศจิกายน 2562 ได้แก่ (1) Unsupervised classification จากดาวเทียม LANDSAT 8 OLI (2) Density slicing จากดาวเทียม LANDSAT 8 OLI (3) NDWI จากดาวเทียม LANDSAT 8 OL และ (4) สกัดจากสกัดโดยตรงจากภาพถ่าย Sentinel-1A ซึ่งเป็นภาพถ่ายในย่านไมโครเวฟ ผลจากการศึกษา เปรียบเทียบในกระบวนการที่ 1 และกระบวนการที่ 2 พบว่าการแหล่งน้ำผิวดินที่ได้จากกระบวนการที่ 1 พบว่า จังหวัดนครราชสีมามีพื้นที่แหล่งน้ำเท่ากับ 398.86 ตารางกิโลเมตร สำหรับกระบวนการที่ 2 แหล่งน้ำ ที่พบได้เท่ากับ 616.12 ตารางกิโลเมตรเป็นต้นซึ่งกระบวนการที่ 1 และ 2 ให้ผลการวิเคราะห์ที่แตกต่างกัน มากในบางพื้นที่สำหรับกระบวนการ 3 ได้ใช้ค่าดัชนีความชื้นจากการใช้ดัชนีช่วงคลื่น ผลการศึกษาพบว่า จังหวัดนครราชสีมาและจังหวัดอุบลราชธานีโดยมีค่าดัชนีความชื้นมากที่สุดเท่ากับ 1 กระจายอยู่บางพื้นที่ ส่วนจังหวัดอื่น ๆ ดัชนีความชื้นผิวดินอยู่ระหว่าง 0.3 - 0.4 ตามลำดับ สำหรับกระบวนการที่ 4 การสกัดพื้นที่ แหล่งน้ำจากข้อมูลดาวเทียม Sentinel 1A ได้ถูกสกัดพื้นที่แหล่งน้ำผิวดินโดยใช้ค่ากระเจิงกลับในแต่ละพื้นที่ แตกต่างกันแต่ละจังหวัดโดยมีค่าอยู่ระหว่าง -10 ถึง - 15 dB โดยพื้นที่แหล่งน้ำผิวดินนี้แสดงความสัมพันธ์เชิง พื้นที่ได้อย่างมีประสิทธิภาพ ผลการศึกษาพบว่าแหล่งน้ำพบมากที่สุดในช่วงเดือนมีนาคม ได้แก่ จังหวัด ขอนแก่น คิดเป็น 418.64 ตารางกิโลเมตร และพบมากที่สุดในช่วงเดือนพฤศจิกายน ได้แก่ จังหวัด อุบลราชธานี คิดเป็น 353. 78 ตารางกิโลเมตร ตามลำดับ พื้นที่แหล่งน้ำที่สกัดได้จากกระบวนการทั้ง 4 เบื้องต้น พบว่ามีการกระจายตัวไปยังระดับความเหมาะสมในระดับต่าง ๆ เช่น จังหวัดนครราชสีมาพื้นที่แหล่ง น้ำที่สกัดได้ตกอยู่ในพื้นที่ระดับเหมาะสมมากสุด (D1) เหมาะสมมาก (D2) และเหมาะสมปานกลาง (D3) และ มีการแปรปรวนไปตามพื้นที่ต่าง ๆ โดยพบได้ในทุกระดับความเหมาะสมแต่แตกต่างในเชิงความถี่และเชิง ปริมาณอย่างมีนัยยะสำคัญ การตรวจสอบความถูกต้องในระดับความเหมาะสม ได้แก่ มากที่สุด (D1) มาก (D2) ปานกลาง (D3) น้อย (D4) และน้อยที่สุด (D5) สำหรับความเหมาะสมสำหรับการปลูกอ้อยในพื้นที่โดยพิจารณาปัจจัยต่าง ๆ ประกอบด้วย (1) เกณฑ์ความเหมาะสมด้านดิน (2) เกณฑ์ความเหมาะสมด้านน้ำใต้ดิน (3) เกณฑ์ความ เหมาะสมด้านน้ำผิวดิน และ (4) เกณฑ์ความเหมาะสมด้านฝน ที่เป็นข้อจำกัดในแต่ละพื้นที่ พร้อม (5) ข้อมูล ผลผลิตในแต่ละพื้นที่ โดยสำรวจและเก็บข้อมูลเพื่อทำการตรวจสอบศักยภาพการผลิตอ้อยและประเมินระดับ ความเหมาะสม โดยแบ่งเป็นกลุ่มในการสุ่มเก็บข้อมูลเป็น 3 zone ได้แก่ zone A zone B และ zone C โดย ในแต่ละ zone จะทำการสุ่มพื้นที่ตามระดับความเหมาะสมทั้ง 5 ความเหมาะสม 3 ซ้ำข้อมูล จะได้จุดสุ่มใน การเก็บข้อมูลเป็น 15 จุด หรือรวม 45 จุดจากทั้ง 3 zone พร้อมทั้งเก็บข้อมูลจุดสำรวจเพิ่มเติมอีก 15 จุด รวมทั้งหมด 60 จุด โดยใช้วิธีการสุ่มพื้นที่ตัวอย่างแบบแบ่งชั้น (Stratified sampling) พบว่า การตรวจสอบ ความถูกต้องของระดับความเหมาะสม โดยวิธี Kappa มีความถูกต้องโดยรวม (Overall accuracy (OA) (%6) เท่ากับ 93.44 และ Kappa statistics เท่ากับ 0.92 แสดงให้เห็นว่า มีความแม่นยำอยู่ในระดับดีมาก จากผล การสำรวจ เก็บข้อมูลจากผลการสำรวจและทดสอบดิน พบว่า กลุ่มชุดดินมีการเปลี่ยนแปลงในระดับความเหมาะสมด้านดิน และมีผลต่อการเปลี่ยนแปลงพื้นที่ที่เหมาะสมสำหรับการปลูกอ้อย พบว่า พื้นที่ที่เหมาะสมสำหรับการปลูก อ้อยในพื้นที่ศึกษา ในระดับมากที่สุด (D1) ระดับมาก (D2) ระดับปานกลาง (3) ระดับน้อย (D4) ระดับน้อย ที่สุด (D5 มีพื้นที่รวมกันประมาณ 96,716,037.24 ไร่ หรือคิดเป็นร้อยละ 92.27 ของพื้นที่ทั้งหมด และพื้นที่ ที่ไม่มีความเหมาะสมในการปลูกอ้อย (N) ส่วนใหญ่เป็นพื้นที่ภูเขา ป่าไม้ ย่านอุตสาหกรรม และพื้นที่ชุมชน มี พื้นที่ประมาณ 8,106,590.76 ไร่ หรือคิดเป็นร้อยละ 7.73 ในการพัฒนาระบบและจัดทำโปรแกรม คอมพิวเตอร์ระบบฐานข้อมูลสารสนเทศภูมิศาสตร์ของพื้นที่เพาะปลูกอ้อยและการจัดการดิน สามารถเข้าไปที่ เว็บ https://sis3. sugarcane.riseplus. tech/ และสามารถดาวน์โหลดได้ที่ Play store และ Google play พิมพ์ค้นหา KKU GIS V2
บทคัดย่อ (EN): In 4.0 Industrial ages it is important to have right tools that can gather much information and the database of Big Data which past the Data Analysis in this Transformation era between industrialization and agriculturist. The innovations development is important and it is intermediary that can make changes. The uses of database system of information to manage precision agriculture of sugarcanes areas in Northeast of Thailand is an innovation that bring big data to an application form. The uses of database system of information to manage precision agriculture of sugarcanes areas in Northeast of Thailand is a continuous project that started in 2015 fiscal year and prepared in 4 Northeast provinces Roi-et, Khon Kaen, Maha Sarakham and Kalasin. In 2017 fiscal year 8 provinces in the South of Northeast Chaiyaphum, Nakhon Ratchasima, Buri Ram, Surin, Sisaket, Ubon Ratchathani, Amnat Charoen and Yasothon and finally in 2019 fiscal year we proceeded with developing the database by using Precision agriculture and tested for the suitability and ability of sugarcane production in 2015 fiscal year and 2017 fiscal year study areas so we can in order to make the information available to use, be smart data benefit, and also reducing social inequality to sugarcane farmer, sugarcane farmer association, sugarcane plant and others.The Study of water resources allocation using satellite imageries, such as Sentinel-1A (Microwave active instrument) and LANDSAT 8 OLI satellite data (Passive instrument) for surface water area extraction by comparing of 4 approaches covered of 12 provinces, within in 2 periods in the same year (March and November 2019), namely (1) Unsupervised classification from LANDSAT 8 OLI imagery (2) Density slicing from LANDSAT 8 satellite OLI imagery (3) NDWI from the LANDSAT 8 OLI imagery, and (4) extracted directly from Sentinel- 1A imagery. The results comparison in process 1 and process 2 indicated that surface water resources obtained from process 1 located in Nakhon Ratchasima province by the water area of 398.86 square kilometers. For process 2, the water resource found 616.12 square kilometers. Process 1 and 2 shown that the results are much more different in water area, while some area shown the small fluctuated changes. In process 3, the moisture index is used from the wavelength information using NDWI indices. The results showed that Nakhon Ratchasima and Ubon Ratchathani provinces with the highest moisture index by 1 scattered in some areas, while other provinces showed surface moisture index are between 0.3 - 0.4, respectively. In process 4, water resources was directly extracted from Sentinel-1A imageries by using the backscattering values between -10 and -15 dB, which the surface water resources area effectively shows spatial relationships and backscattering coefficients. The results showed that the most area of water resources were found in March located in Khon Kaen province by area 418.64 square kilometers, and the most area found in November located in Ubon Ratchathani province, with the area of 353.78 square kilometers, respectively. The water source area extracted from the 4 processes were found to be distributed to various suitability levels, such as Nakhon Ratchasima, the water resource area that was extracted was located in the highest suitable (D1), high suitable (D2) and moderate suitable (D3), respectively. The extracted water areas found that the position distribution varying in every suitability level, but different in degree of frequency and Quantity. The validation at the appropriate level include the highest (D1) high (D2) moderate (D3) marginally (D4) the lowest (D5) for suitability of planting sugarcane by consider from many factor including (1) Soil suitability criteria (2) Suitability criteria for groundwater (3) Suitability criteria for surface water (4) Rain suitability criteria (5) Production data in each area by survey and collect information for testing the production ability and estimate suitability level by divide into 3 zones including zone A, zone B and zone C in each zone will random an area by 5 suitability and 3 duplicate data so we will have random point for 15 point or 45 point in all of 3 zone and finally in total 60 point including survey point and 3 zone by using stratified sampling found that validation of suitability level by Kappa has Overall accuracy (OA) (%) 93.44 and Kappa statistics 0.92 shows that it has great accuracy from the survey and collect information From survey and soil testing results found that in soil group there is a change in soil suitability and affecting the suitable area for sugarcane cultivation found that the area suitable for sugarcane cultivation in the study areas in the highest suitability (D1) high suitability (D2) moderate suitability (D3) marginally suitability (D4) the lowest suitability (D5) have the total area of 154,745,659,584 square meters or 92.27% of all areas and areas that are not suitable (N) for sugarcane cultivation are mostly mountains, forest, industrial area and community area have total areas of 12,970,545,216 square meters or 7.73% for the developing a computer system and creating a database of geographic information systems for sugarcane cultivation and soil management can be found here https://gis3.sugarcane.riseplus.tech/ and can also download on Play store or Google play by searching KKU GIS V2
บทคัดย่อ: ไม่พบข้อมูลจากหน่วยงานต้นทาง
ภาษา (EN): th
เผยแพร่โดย: สำนักงานคณะกรรมการส่งเสริมวิทยาศาสตร์ วิจัยและนวัตกรรม (สกสว.)
คำสำคัญ: อ้อย
คำสำคัญ (EN): Sugarcane
หมวดหมู่:
  1. TARR::พืช::พืชอาหาร::อ้อย
  2. 15
หมวดหมู่ AGRIS:
  1. A เกษตรทั่วไป (Agriculture)::A50 การวิจัยทางการเกษตร (Agricultural research)
  2. 3
หากไม่พบเอกสารฉบับเต็ม (Full Text) โปรดติดต่อหน่วยงานเจ้าของข้อมูล

การอ้างอิง

ศุภสิทธิ์ คนใหญ่. "เกษตรแม่นยำด้วยระบบฐานข้อมูลสารสนเทศการจัดการพื้นที่เหมาะสมสำหรับการปลูกอ้อยบนอุปกรณ์อัจฉริยะในภาคตะวันออกเฉียงเหนือPrecision agriculture by database information management system in zoning for sugarcane on smart device in Northeast region". สำนักงานคณะกรรมการส่งเสริมวิทยาศาสตร์ วิจัยและนวัตกรรม (สกสว.). 2562

ศุภสิทธิ์ คนใหญ่. "เกษตรแม่นยำด้วยระบบฐานข้อมูลสารสนเทศการจัดการพื้นที่เหมาะสมสำหรับการปลูกอ้อยบนอุปกรณ์อัจฉริยะในภาคตะวันออกเฉียงเหนือPrecision agriculture by database information management system in zoning for sugarcane on smart device in Northeast region". สำนักงานคณะกรรมการส่งเสริมวิทยาศาสตร์ วิจัยและนวัตกรรม (สกสว.). 2562. Print.



TARR Wordcloud:
เกษตรแม่นยำด้วยระบบฐานข้อมูลสารสนเทศการจัดการพื้นที่เหมาะสมสำหรับการปลูกอ้อยบนอุปกรณ์อัจฉริยะในภาคตะวันออกเฉียงเหนือ
ศุภสิทธิ์ คนใหญ่
สำนักงานคณะกรรมการส่งเสริมวิทยาศาสตร์ วิจัยและนวัตกรรม (สกสว.)
2562
การจัดทำระบบฐานข้อมูลสารสนเทศพื้นที่ความเหมาะสมและการจัดการดินสำหรับการปลูกอ้อยบนอุปกรณ์อัจฉริยะ โครงการการจัดทำระบบฐานข้อมูลสารสนเทศพื้นที่ความเหมาะสมและการจัดการดินสำหรับการปลูกอ้อยบนอุปกรณ์อัจฉริยะ การประยุกต์ข้อมูลจากแผนที่ดินเพื่อเพิ่มผลผลิตอ้อยด้วยเทคโนโลยีเกษตรแม่นยำ การประยุกต์การวิเคราะห์หาองค์ประกอบหลักใช้ปรับแก้ข้อมูลคุณลักษณะดินเพื่อการผลิตอ้อยด้วยเทคโนโลยีเกษตรแม่นยำ โครงการวิจัยและพัฒนาเครื่องจักรกลเกษตรสำหรับเตรียมดินและสับใบเศษซากอ้อยสำหรับรถแทรกเตอร์ขนาดกลาง ฐานข้อมูลและสารสนเทศเพื่อการตัดสินใจสำหรับการบริหารจัดการน้ำเพื่อการเพาะปลูกพืชเศรษฐกิจในจังหวัดสุรินทร์ ข้อมูล สารสนเทศ และความรู้ แตกต่างกันอย่างไร การวิจัยและพัฒนาศักยภาพยางพาราสำหรับภาคตะวันออกเฉียงเหนือ การใช้ประโยชน์ของดินชุดยโสธรเพื่อการเกษตรในภาคตะวันออกเฉียงเหนือ ความถี่ อัตราและช่วงระยะเวลาการให้น้ำสำหรับอ้อยในเขตชลประทานภาคกลาง
คัดลอก URL
กระทู้ของฉัน
ผลการสืบค้นทั้งหมด โพสต์     เรียงลำดับจาก
พัฒนาระบบโดยศูนย์ความรู้เฉพาะด้านวิศวกรรมความรู้และวิศวกรรมภาษาDeveloped by Center of Excellence for Unified Knowledge and Language Engineering
สนับสนุนโดยสำนักงานพัฒนาการวิจัยการเกษตร (องค์การมหาชน)Supported by the Agricultural Research Development Agency (Public Organization)
แบบสำรวจความพึงพอใจQuestionair