สศก. ถอดบทเรียนปัญหาพื้นที่เพาะปลูกทับซ้อน เตรียมใช้ Machine Learning

นางธัญธิตา บุญญมณีกุล รองเลขาธิการสำนักงานเศรษฐกิจการเกษตร (สศก.) กระทรวงเกษตรและสหกรณ์ เปิดเผยว่า จากที่ สศก. มีภารกิจในการจัดทำและบริหารจัดการข้อมูลสารสนเทศการเกษตร ที่ผ่านมา ศูนย์สารสนเทศการเกษตร ได้ดำเนินการจัดทำแผนที่แหล่งเพาะปลูกจากข้อมูลภาพถ่ายดาวเทียมในพืชเศรษฐกิจหลักของประเทศจำนวน 5 ชนิด ได้แก่ ข้าว มันสำปะหลังโรงงาน สับปะรด ปาล์มน้ำมัน และยางพารา

โดยอาศัยการแปลวิเคราะห์ด้วยสายตาจากข้อมูลภาพถ่ายดาวเทียมรายละเอียดปานกลาง (Medium Resolution Satellite Image) จากกลุ่มดาวเทียม Sentinel-2 และ Landsat 8-9 OLI/TIRS เพื่อสร้างฐานข้อมูลเชิงพื้นที่ที่มีความแม่นยำสูง สำหรับนำมาจัดทำแผนที่แหล่งเพาะปลูกที่มีความเป็นเอกภาพสอดคล้องกัน

ล่าสุด เจ้าหน้าที่ศูนย์สารสนเทศการเกษตร ได้ลงพื้นที่สำรวจในจังหวัดฉะเชิงเทรา ปราจีนบุรี และสระแก้ว ระหว่างวันที่ 19 – 23 พฤษภาคม 2568 เก็บตัวอย่างแปลงเพาะปลูกจำนวน 300 แปลง โดยมุ่งเก็บข้อมูลในพื้นที่ที่มีผลการแปลวิเคราะห์เนื้อที่เพาะปลูกทับซ้อนกัน และนำข้อมูลมาวิเคราะห์ร่วมกับเทคโนโลยีดัชนีพืชพรรณ (Vegetation Index) 4 วิธี

ได้แก่ ดัชนีความแตกต่างของพืชพรรณแบบนอร์มอลไลซ์ (Normalized Difference Vegetation Index: NDVI), ดัชนีพืชพรรณปรับแก้หน้าดิน (Soil-Adjusted Vegetation Index: SAVI), ดัชนีความแตกต่างในช่วงขอบความยาวคลื่นสีแดงแบบนอร์มอลไลซ์ (Normalized Difference Red Edge: NDRE) และดัชนีปริมาณคลอโรฟิลด์ (Chlorophyll Index: CHI) ซึ่งใช้วัดปริมาณคลอโรฟิลล์ในใบพืชและคุณลักษณะการสะท้อนแสงเชิงคลื่นของใบ เพื่อดูว่าแปลงนั้นปลูกพืชอะไรอยู่

จากนั้นจึงนำข้อมูลที่สำรวจได้ มาแบ่งเป็นชุดข้อมูลฝึกหัดและทดสอบ เพื่อฝึกแบบจำลองปัญญาประดิษฐ์ (AI) ที่เรียกว่า XGBoost ให้สามารถวิเคราะห์และแยกประเภทการใช้ประโยชน์พื้นที่ได้อัตโนมัติ ซึ่งจะช่วยแก้ปัญหาการแปลและวิเคราะห์ภาพถ่ายดาวเทียมผิดพลาด อันเป็นสาเหตุสำคัญของการเกิดพื้นที่ทับซ้อนของเนื้อที่เพาะปลูกพืชแต่ละชนิดได้

ผลการทดลองพบว่า แบบจำลองดังกล่าวสามารถทำนายประเภทการใช้ประโยชน์ที่ดิน  ได้ถูกต้องประมาณร้อยละ 55 ซึ่งยังไม่แม่นยำมาก แต่ก็ถือเป็นจุดเริ่มต้นที่ดีในการพัฒนาต่อไป สศก. จะมีการปรับปรุงและคัดเลือกแปลงที่ต้นพืชเติบโตเต็มที่ เพื่อให้การวิเคราะห์จากภาพถ่ายดาวเทียมมีความแม่นยำมากขึ้น และนำไปใช้ประกอบการวางแผนด้านการเกษตรของประเทศได้อย่างมีประสิทธิภาพต่อไป