การระบุชนิดและตำแหน่งของต้นไม้ของพรรณไม้โครงสร้างโดยการใช้การถ่ายภาพจากอากาศยานไร้คนขับ
Rai, K., 2019. Identifying and Locating Trees of Framework Species Using Photography from an Unmanned Aerial Vehicle (UAV). MSc Thesis, The Graduate School, Chiang Mai University.
Contributors
บทคัดย่อ
ความจำเป็นในการระบุตำแหน่งและชนิดของกล้าไม้ให้มีศักยภาพนั้น ได้กลายเป็นสิ่งที่สำคัญเพื่อช่วยในการบรรลุเป้าหมายตามปฏิญญาสหประชาชาติว่าด้วยป่าไม้ ณ เมืองนิวยอร์กปี 2557 โดยมีวัตถุประสงค์เพื่อดำเนินการฟื้นฟูป่าในพื้นที่เสื่อมโทรมขนาด 350 ล้านเฮกแตร์ ภายในปี 2573 ซึ่งอุปสรรคของการจำแนกชนิดของต้นไม้ในป่าเขตร้อนนั้น คือวิสัยทัศน์ของการมองเห็นในระดับภาคพื้นดิน ดังนั้นจึงจำเป็นต้องมีการสำรวจเหนือพื้นดิน โดยอาศัยข้อมูลการสำรวจระยะไกลไม่ว่าจะเป็น เครื่องบิน ดาวเทียม หรือเทคโนโลยีภาพถ่าย เช่น ภาพถ่าย hyperspectral และ LiDAR อย่างไรก็ตามเทคนิคการสำรวจโดยวิธีการเหล่านี้มักมีราคาแพงและมีความยากในการเข้าถึง แต่ในช่วงไม่กี่ปีที่ผ่านมา ได้มีอุปกรณ์ที่เรียกว่าอากาศยานไร้คนขับ (UAV) ซึ่งประกอบด้วยกล้องที่มีความละเอียดสูงรวมถึงราคาไม่แพงมากนัก ดังนั้นงานวิจัยนี้จึงศึกษาโดยการใช้ UAV ในการระบุชนิด และตำแหน่งของต้นไม้ทั้ง 9 ชนิด ได้แก่ หาดหนุน (Artocarpus gomezianus), ก่อหมูดอย (Castanopsis calathiformis), ก่อใบเลื่อม (Castanopsis tribuloides), มะกัก (Choerospondias axillaris), กร่าง (Ficus altissima), มณฑาแดง (Magnolia garrettii), สนสามใบ (Pinus kesiya), นางพญาเสือโคร่ง (Prunus cerasoides) และยมหอม (Toona ciliata) ในพื้นที่ศึกษาบ้านแม่สาใหม่ เขตอุทยานแห่งชาติดอยสุเทพ-ปุย ภาคเหนือของประเทศไทย ซึ่งเป็นพื้นที่ป่าไม้ที่ได้รับการฟื้นฟูโดยใช้ไม้พรรณไม้โครงสร้างเมื่อ 20 ปีก่อน โดยหน่วยปฏิบัติการวิจัยการฟื้นฟูป่า (FORRU-CMU) มหาวิทยาลัยเชียงใหม่ ซึ่งมีพื้นที่ขนาด 0.0064 ตร.กม. มีการเก็บข้อมูลทุก ๆ เดือน จำนวน 8 เดือน โดยใช้ DJI Phantom 4 Pro บินเหนือพื้นดินสูง 50 เมตร มีการวางแผนการบินอัตโนมัติแบบเอกสิทธิ์ของซอฟต์แวร์ Litchi ภาพถ่ายดิจิตอลทางอากาศ (20ล้านพิกเซล) ที่ได้ถูกนำมาใช้ในการพัฒนาคีย์ในแต่ละชนิดของต้นไม้ โดยขึ้นอยู่กับลักษณะของเรือนยอดไม้ ลักษณะของใบและการกรองข้อมูลภาพ จากนั้นทำการทดสอบคีย์ เพื่อตรวจสอบความถูกต้องและความน่าเชื่อถือโดยอาสาสมัคร ผลการศึกษาพบว่ามีความแม่นยำในการจำแนกเกิน 50% สำหรับต้นไม้ทั้ง 7 ชนิด และเกิน 70% สำหรับ 4 ชนิด อย่างไรก็ตาม แม้ว่าระบบนี้จะยังไม่สามารถที่จะระบุต้นไม้ได้ทุกชนิด แต่ก็มีประโยชน์สำหรับการระบุตำแหน่งและชนิดของต้นไม้ที่เพียงพอสำหรับการเริ่มต้นของโครงการฟื้นฟูป่า
Tree identification system by drone