ที่มาโครงการ

แพลตฟอร์ม RID มีสุข

"แพลตฟอร์ม RID สุขเป็นหนึ่งในระบบบริการภายใต้โครงการชลประทานอัจฉริยะเพื่อพัฒนาประสิทธิภาพการบริหารจัดการน้ำแบบองค์รวม ระยะที่ 1 โครงการส่งน้ำและบำรุงรักษามูลบน โดยแพลตฟอร์มทำหน้าที่บูรณาการข้อมูลภาพถ่ายดาวเทียม สภาพอากาศ และสารสนเทศด้านการเกษตร การจัดสร้างฐานข้อมูลขนาดใหญ่ การพัฒนาแบบจำลองการเจริญเติบโตของพืช และการประยุกต์ใช้เทคโนโลยีการเรียนรู้ของเครื่อง เพื่อนำไปสู่ฟังก์ชันบริการข้อมูลทั้งด้านอุปสงค์และอุปทานสำหรับการชลประทานที่เหมาะสมและสอดคล้องต่อการทำเกษตรกรรมและอื่น ๆ"

5 โมดูลหลัก

ประกอบด้วย

1) คาดการณ์ผลผลิตและจัดการแปลงเพาะปลูก

2) ความต้องการใช้น้ำด้านการเกษตร

3) ประสิทธิภาพการใช้น้ำด้านการเกษตร

4) ภัยแล้ง

5) คาดการณ์สภาพอากาศ

นำไปสู่การให้บริการผ่านเว็บแอปพลิเคชันและโมบายแอปพลิเคชัน

บทบาทของผู้ใช้งาน

มี 2 ตำแหน่ง

เจ้าหน้าที่รัฐ

สำหรับเจ้าหน้าที่รัฐสามารถใช้งานผ่านเว็บแอปพลิเคชันเพื่อเข้าถึงข้อมูลทั้งด้านอุปสงค์และอุปทานเชิงพื้นที่ในรูปแบบการสรุปข้อมูล ชั้นข้อมูลบนแผนที่ และ Dashboard ซึ่งทำให้เจ้าหน้าที่รัฐเข้าถึงข้อมูลได้อย่างรวดเร็วและครอบคลุมทั้งพื้นที่ จึงสามารถนำไปประยุกต์ใช้งานได้อย่างเหมาะสมและมีประสิทธิภาพ สำหรับการใช้งานเจ้าหน้าที่สามารถเข้าถึงบริการผ่านเว็บแอปพลิเคชันด้วยเบราว์เซอร์ (Browser) อาทิ Chrome, Firefox และ Microsoft Edge เป็นต้น

เกษตรกร

สำหรับเกษตรกรสามารถใช้งานผ่านโมบายแอปพลิเคชันเพื่อเข้าถึงข้อมูลรายแปลง สามารถเข้าถึงข้อมูลคาดการณ์ การแนะนำ และสถานะพืช ซึ่งทำให้เกษตรกรทราบถึงสถานการณ์การเติบโตของพืชและผลผลิตที่คาดว่าจะได้รับเมื่อเก็บเกี่ยว จึงทำให้เกษตรกรสามารถปรับตัวต่อการเพาะปลูกได้อย่างเหมาะสม สำหรับการใช้งานเกษตรกรสามารถเข้าถึงบริการผ่านโมบายแอปพลิเคชันทั้งระบบปฏิบัติการ iOS และ Android

สถาปัตยกรรมของระบบ

ระบบที่พัฒนาขึ้นเป็นระบบให้บริการผ่าน Web App และ Mobile App โดยระบบทำการประมวลผลข้อมูลจากแหล่งข้อมูลต่าง ๆ อาทิ ข้อมูลแปลงเพาะปลูก (วันเริ่มปลูก ขอบเขตแปลง และการบันทึกข้อมูลจากเกษตรกร) ผลิตภัณฑ์ดาวเทียม (ปริมาณน้ำฝนสะสม อุณหภูมิสูงสุดและต่ำสุด และดัชนีพืชพรรณ) ข้อมูลจากหน่วยงานรัฐ (ข้อมูลดิน ข้อมูลน้ำใต้ดิน และข้อมูลพื้นที่เพาะปลูก) ข้อมูลวิชาการและฐานข้อมูลพืช (ข้อมูลพืช วิธีการจัดการการให้น้ำ และวิธีการจัดการแปลง) เป็นต้น ซึ่งจะส่งเข้าสู่ฐานข้อมูลผ่านทางช่องทางสื่อสารต่าง ๆ ตามชนิดข้อมูล เช่น เครือข่ายอินเทอร์เน็ต/อินทราเน็ต และเครือข่ายโทรศัพท์มือถือ (4G/5G) เป็นต้น โดยข้อมูลเหล่านี้จะถูกประมวลผลด้วย Processing Server จนได้ผลิตภัณฑ์เพื่อนำไปให้บริการกับผู้ใช้งานผ่านทาง Web Server โดยผลิตภัณฑ์และบริการที่ได้จากระบบ อาทิ ข้อมูลด้านอุปสงค์ (พื้นที่เพาะปลูกข้าว คาดการณ์ผลผลิตพืชข้าว ความต้องการใช้น้ำด้านการเกษตรของพืชข้าว และประสิทธิภาพการใช้น้ำด้านการเกษตรของพืชข้าว) ข้อมูลด้านอุปทาน (พื้นที่ผิวน้ำและปริมาตรน้ำเหนือเขื่อน และพยากรณ์ปริมาณน้ำฝน) ข้อมูลที่เกี่ยวข้อง (ฝน อุณหภูมิ ดัชนีพืชพรรณ และภัยแล้ง)

แบบจำลองการเจริญเติบโตของพืช

แบบจำลอง AquaCrop เป็นแบบจำลองสำหรับการติดตามการเจริญเติบโตของพืชที่ถูกพัฒนาโดยองค์การอาหารและการเกษตรแห่งสหประชาชาติ ซึ่งเป็นหน่วยงานพิเศษของสหประชาชาติที่มีเป้าหมายในการพัฒนามาตรฐานอาหารและสารอาหาร จัดการรักษาความมั่นคงด้านอาหาร และจัดการการผลิตพืชผลรวมทั้งการประเมินผลกระทบต่อสิ่งแวดล้อม โดย AquaCrop สามารถจำลองและประมวลผลการตอบสนองของปริมาณผลผลิตของพืชที่มีต่อปริมาณของน้ำ นำไปสู่ผลลัพธ์การจำลองการเติบโตของพืชและการคาดการณ์ผลผลิต จากประโยชน์ดังกล่าวจึงได้มีการนำแบบจำลอง AquaCrop มาทำการสอบเทียบพารามิเตอร์ (calibration parameters) เพื่อให้สามารถใช้กับชนิดพืช พันธุ์ และบริเวณพื้นที่ของประเทศไทยได้ (Veerakachen & Raksapatcharawong, 2020) และได้มีการพัฒนาต่อยอดโดยการประยุกต์ใช้ข้อมูลดาวเทียมหลายระบบ รวมถึงข้อมูลสารสนเทศต่าง ๆ อาทิ ชนิดดิน และข้อมูลน้ำใต้ดิน เป็นต้น เพื่อให้สามารถสร้างเป็นระบบบริการโดยมีฟังก์ชันต่าง ๆ เช่น คาดการณ์ผลผลิต แนะนำวันเริ่มปลูกพืช แนะนำการให้น้ำ และแนะนำการใส่ปุ๋ย เป็นต้น

สำหรับการประมวลผลและการแสดงผลการวิเคราะห์การคาดการผลผลิตพืชข้าวจะใช้ข้อมูลการเพาะปลูก ข้อมูลดาวเทียม ข้อมูลสารสนเทศที่เกี่ยวข้อง ร่วมกับแบบจำลอง AquaCrop ซึ่งมีรายละเอียดขั้นตอนการทำงานดังนี้

การจัดเตรียมและประมวลผลข้อมูลอินพุต

1. ข้อมูลพื้นที่เพาะปลูก

เกษตรกรบันทึกข้อมูลอินพุต โดยเกษตรกรทำการบันทึกข้อมูลผ่านแอปพลิเคชันบนอุปกรณ์เคลื่อนที่เพื่อสร้างแปลงเพาะปลูก โดยประกอบด้วย พิกัด ขนาดพื้นที่ พันธุ์ วันที่เริ่มปลูก รูปแบบการเพาะปลูก (ปักดำ/หว่าน) ระยะห่างระหว่างต้นและระหว่างแถว/น้ำหนักเมล็ดที่ใช้ทั้งหมดทั้งพื้นที่
การเข้าถึงและประมวลผลข้อมูลวันเริ่มปลูกและขอบเขตแปลงจากระบบการติดตามสถานการณ์การเพาะปลูกข้าวของประเทศไทยจากข้อมูลดาวเทียม สำนักงานพัฒนาเทคโนโลยีอวกาศและภูมิสารสนเทศ (องค์การมหาชน) หรือ GISTDA ซึ่งเป็นข้อมูลราย 15 วัน เพื่อสร้างเป็นข้อมูลวันเริ่มปลูกและขอบเขตแปลงที่ความละเอียดจุดภาพ 50 เมตร ราย 15 วัน และการกำหนดข้อมูลการเพาะปลูก อาทิ พันธุ์พืช และวิธีการปลูก เป็นต้น โดยเลือกใช้พันธุ์/วิธีที่นิยมโดยอ้างอิงจากข้อมูลจากเกษตรกรในพื้นที่

2. ข้อมูลสภาพอากาศ

ปริมาณน้ำฝนสะสม ราย 10 วัน จากผลิตภัณฑ์ข้อมูลภาพถ่ายดาวเทียม FY-2
อุณหภูมิสูงสุดและต่ำสุด ราย 10 วัน คำนวณจากผลิตภัณฑ์ข้อมูลภาพถ่ายดาวเทียม LST-MODIS ของ Terra/Aqua
ปริมาณการใช้น้าของพืชอ้างอิง โดยคำนวณจากการกำหนดอินพุตอุณหภูมิอากาศที่คำนวณจากผลิตภัณฑ์ข้อมูลภาพถ่ายดาวเทียม LST-MODIS ของ Terra/Aqua ในสมการ Hargreaves ETo equation
คาร์บอนไดออกไซด์ จากฐานข้อมูล AquaCrop ที่คำนวณจากสถานีติดตามและบันทึกข้อมูลบรรยากาศเมานาโลอา รัฐฮาวาย สหรัฐอเมริกา

3. ข้อมูลพืช

ข้อมูลพืช จากข้อมูลวิชาการ เช่น อุณหภูมิต่ำสุดและสูงสุดที่พืชสามารถเจริญเติบโตได้ อุณหภูมิต่ำสุดและสูงสุดในช่วงที่ผสมเกสรในหัวข้อความเครียดเนื่องจากความเย็นและความร้อน และความลึกสูงสุดในการหยั่งรากพืช เป็นต้น และจากฐานข้อมูลพืชของ AquaCrop ที่วิจัยและบันทึกจากองค์การอาหารและการเกษตรแห่งสหประชาชาติ เช่น ปัจจัยการสูญเสียน้ำในดินที่มีผลต่อการเจริญเติบโตของลำต้นและใบพืชที่มากกว่าหรือน้อยกว่าค่าขีดแบ่ง สัมประสิทธิ์ความเครียดเนื่องจากการขาดน้ำที่มีผลต่อการเจริญเติบโตของลำต้นและใบพืช และปัจจัยการสูญเสียของน้ำในดินที่มีต่อการควบคุมการเปิดปิดปากใบที่มากกว่าขีดแบ่ง เป็นต้น
การจัดการการรดน้ำ โดยกำหนดให้มีน้ำเพียงพอตลอดการเพาะปลูก และสำหรับวิธีการให้น้ำและค่าเปอร์เซ็นต์ความครอบคลุมจากการรดน้ำ จากข้อมูลวิชาการ
การจัดการเพาะปลูก จากข้อมูลวิชาการ เช่น เปอร์เซ็นต์ความครอบคลุมของสิ่งคลุมดิน เปอร์เซ็นต์การคายน้ำที่ลดลงจากการคลุมดิน และความสูงของคันดิน เป็นต้น และจากฐานข้อมูลการจัดการเพาะปลูกของ AquaCrop ที่วิจัยและบันทึกจากองค์การอาหารและการเกษตรแห่งสหประชาชาติ เช่น เปอร์เซ็นต์ระดับความเครียดของดิน เปอร์เซ็นต์สัดส่วนของวัชพืชที่ทรงพุ่มของต้นไม้ และเปอร์เซ็นต์การเพิ่ม/ลดความครอบคลุมของวัชพืชในกลางฤดูกาล เป็นต้น

4. ข้อมูลดิน

จำนวนชั้นดิน จากกรมพัฒนาที่ดิน
อัตราการการไหลของน้ำบนผิวดิน น้ำที่ระเหยอย่างง่ายจากชั้นบนสุด และปริมาณน้ำในดินที่สภาวะต่างๆ จากข้อมูลวิชาการ

5. ข้อมูลน้ำใต้ดิน จากกรมทรัพยากรน้ำบาดาล

กิจกรรมการลงพื้นที่

Picture16

Picture14

Picture7

Picture16

1/11

การเก็บข้อมูลภาคสนามด้วยอุปกรณ์วิทยาศาสตร์ต่าง ๆ

Picture24

Picture22

Picture17

Picture24

1/8

อากาศยานไร้คนขับ

SETC 14

SETC 15

SETC 04

SETC 14

1/16

การเก็บตัวอย่างต้นข้าวและเมล็ดข้าว

Picture43

Picture44

Picture42

Picture43

1/3

บันทึกข้อมูลอากาศด้วยสถานีตรวจวัดอากาศ (Weather Station)

SETI 06

SETI 07

SETG 01

SETI 06

1/24

การอบรมการใช้งานแอปพลิเคชัน

การได้มาซึ่งแบบจำลองการเจริญเติบโตของพืชนั้นหนึ่งในงานที่มีความสำคัญ คือ การลงพื้นที่เพื่อเก็บข้อมูลภาคสนามเพื่อใช้เป็นอินพุตและการปรับเทียบกับข้อมูลสารสนเทศต่าง ๆ ซึ่งจำเป็นต้องอาศัยการออกแบบ การวางแผน การจัดการทรัพยากร และการประมวล ให้สอดคล้องต่อวัตถุประสงค์และขอบเขตของแบบจำลองที่ต้องการ สำหรับข้อมูลภาคสนามมีหลายชนิดประกอบด้วย

ข้อมูลสเปกตรัมจากอุปกรณ์สเปกโตรมิเตอร์ (Spectrometer or Spectroradiometer)

สำหรับการบันทึกค่าการสะท้อนแสงจากพืชหรือวัตถุที่ต้องการ และสร้างเป็นสเปกตรัมไลบรารี (Spectrum Library) โดยข้อมูลดังกล่าวสามารถนำไปประยุกต์ใช้ร่วมกับภาพถ่ายดาวเทียมเพื่อวิเคราะห์และจำแนกพืชหรือวัตถุที่ต้องการ

ข้อมูลภาพถ่ายการปกคลุมดินของลำต้นและใบพืช (Canopy Cover: CC)

สามารถคำนวณได้จากสัดส่วนของเงาต้นพืชต่อพื้นที่คลุมดิน ซึ่งแสดงถึงความอุดมสมบูรณ์ของพืช

ดัชนีพื้นที่ใบ (Leaf Area Index: LAI)

หมายถึงอัตราส่วนของพื้นที่ใบต่อพื้นที่เพาะปลูก ซึ่งบอกความหนาแน่นหรือความหนาของใบได้ โดยค่า LAI สูง หมายถึงพืชมีการเจริญเติบโตเต็มที่

ค่าการนำไฟฟ้าในน้ำ (Electrical Conductivity: EC)

ซึ่งเป็นตัวชี้วัดความเค็ม โดยค่า EC มาก หมายถึงพืชมีโอกาสเกิดความเครียดเนื่องจากไม่สามารถนำน้ำจากดินมาใช้ได้ตามปกติ ซึ่งจะส่งผลไปยังผลผลิต

ภาพถ่ายจากอากาศยานไร้คนขับหรือโดรน

เป็นหนึ่งในวิธีการติดตามการเจริญเติบโตของพืช ด้วยการคำนวณภาพเป็นค่าดัชนีพืชพรรณ (Normalized Difference Vegetation Index: NDVI) ซึ่งค่า NDVI มาก หมายถึงพืชมีความหนาแน่นและมีความอุดมสมบูรณ์

การเก็บตัวอย่างต้นข้าวและเมล็ดข้าวเพื่อนำมาอบแห้งและชั่งน้ำหนัก

สร้างเป็นค่าตัวแปรน้ำหนักชีวมวลแห้ง (Dry Biomass) และน้ำหนักเมล็ดแห้ง (Dry Yield)