ปลดล็อกศักยภาพ ด้าน Remote Sensing ไทยเทียบอินโดโมเดล เพื่อเฝ้าติดตามและอนุรักษ์พื้นที่ป่าพรุ

ปลดล็อกศักยภาพ ด้าน Remote Sensing ไทยเทียบอินโดโมเดล เพื่อเฝ้าติดตามและอนุรักษ์พื้นที่ป่าพรุ


ป่าพรุมีความสำคัญอย่างไร
เหตุใดต้องอนุรักษ์พื้นที่ป่าพรุ…
นี่อาจเป็นคำถามที่กำลังเกิดขึ้นในใจของท่านใช่หรือไม่
วันนี้พวกเรากลุ่มนิสิตภาควิชาวิศวกรรมสำรวจ
จะชวนท่านผู้อ่านมาไขข้อข้องใจดังกล่าว
พร้อมทั้งเปิดประเด็นชวนวิเคราะห์ถึง
การพัฒนาศักยภาพบางอย่างของประเทศเรา
เพื่อการอนุรักษ์พื้นที่ป่าแห่งนี้ให้คงอยู่ต่อไป…

ป่าพรุ (Peat Swamp Forest) ถูกจัดเป็นป่าเขตร้อนชื้นประเภทไม่ผลัดใบ เช่นเดียวกับป่าดงดิบชื้น (Tropical Evergreen Rain Forest) ตั้งอยู่บริเวณพื้นที่ตํ่าชายฝั่งทะเล จึงเป็นป่าที่มีนํ้าขัง สภาพดินเป็นกรดอ่อน เนื่องจากพื้นที่พรุประกอบด้วยสังคมพืชกลุ่ม Unique Flora บ้างก็ล้มตายทับถมกันเป็นเวลาหลายพันปี ผืนป่าที่มีซากอินทรีย์ทับถมกันเป็นเวลานานเช่นนี้ จึงสามารถแปรสภาพดินให้เป็นกรดได้ “ป่าพรุ” ถูกขนานนามจากนักวิจัยหลายสำนักว่า เป็นป่าที่มีความหลากหลายทางชีวภาพและความหลากหลายทางพันธุกรรมที่เป็นเอกลักษณ์โดดเด่นมากกว่าป่าชนิดอื่น เมื่อท่านอ่านมาถึงจุดนี้พอที่จะตอบคำถามในใจได้หรือยังว่า ป่าพรุมีความสำคัญแก่ท่านอย่างไรบ้าง

ในประเทศไทยพบว่า ป่าพรุนั้นมีความสำคัญด้านการขับเคลื่อนทางเศรษฐกิจอย่างมหาศาลทั้งด้านการนำผลหลุมพีมาแปรรูป ผลิตเป็นสินค้าส่งออกไปยังประเทศมาเลเซีย สร้างรายได้ในชุมชนเฉลี่ย 9-11 ล้านบาท/ปี ตลอดจนการแปรรูปผลิตภัณฑ์จากต้นสาคู สร้างเม็ดเงินหมุนเวียนภายในชุมชนราว2 ล้านบาท/ปี[1] แม้ว่ากรณีตัวอย่างข้างต้นอาจบ่งบอกว่า ป่าพรุมีอิทธิพลแก่กลุ่มคนเพียงบางกลุ่มเท่านั้นแต่แท้จริงแล้วป่าพรุเป็นป่าที่มีเอกลักษณ์ เป็นแหล่งรวมพันธุกรรมของพันธุ์ไม้และสัตว์หลายชนิด จึงมีบทบาทสำคัญในการรักษาดุลของระบบนิเวศให้มีเสถียรภาพได้ ป่าพรุบางแห่งในไทยมีชนิดพันธุ์ไม้มากกว่า 500 ชนิด ทั้งยังมีสัตว์หายากและเป็น สายพันธุ์ที่กำลังถูกคุกคามเสี่ยงต่อ การสูญพันธุ์อาศัยอยู่ได้แก่ เสือดำ นกเงือกหัวแรด นกตะกรุม นกฟินฟุต นกเปล้าใหญ่ กระรอกบินแก้มแดง และปลาดุกรำพัน

ความสำคัญของป่าพรุ ทั้งทางด้านเป็นตัวขับเคลื่อนเศรษฐกิจ ตลอดจนช่วยรักษาดุลของระบบนิเวศส่งผลให้การเฝ้าติดตามและการจัดการพื้นที่ป่าพรุด้วยวิธีที่เหมาะสม เป็นอีกหนึ่งเป้าหมายสำคัญที่ประเทศไทยควรนำไปพิจารณาและพัฒนาต่อยอดมากกว่าเพียงการรอนโยบายจากภาครัฐหรือตั้งวิสัยทัศน์ขายฝัน เพื่อการรณรงค์ปลูกฝังให้คนรุ่น ใหม่เห็นความสำคัญของการอนุรักษ์ป่า ถึงแม้ว่าสิ่งเหล่านี้อาจเป็นจุดเริ่มต้นที่ดีในการอนุรักษ์พื้นป่าที่ป่าให้คงอยู่ไว้ แต่อยากให้ผู้อ่านเปิดใจเชื่อว่า แนวคิดที่เป็นเพียงนามธรรม แต่จับต้องไม่ได้ อาจไม่เพียงพอแก่การเฝ้าติดตามและอนุรักษ์พื้นป่าพรุในสถานการณ์จริง

ดินเชิงอินทรีย์ (Organic Soil Material) หรือดินพีต (Peat)

แล้วเหตุใดต้องอนุรักษ์ป่าพรุด้วย เมื่อชวนย้อนกลับมาวิเคราะห์ถึงลักษณะของดินพรุพบว่า “พรุ” เป็นดินเชิงอินทรีย์ (Organic Soil Material) หรือดินพีต (Peat) ที่มีลักษณะหยุ่นยวบเหมือนฟองน้ำ ชั้นดินส่วนนี้มีความหนามากถึง 40 เซนติเมตร ประกอบด้วยอินทรีย์คาร์บอน (Organic Carbon) 12-18% ดังนั้น จึงเป็นปัญหาใหญ่เมื่อเกิดการบุกรุกทำลายป่าในแต่ละครั้งที่ไม่อาจควบคุมได้อย่างเคร่งครัด จนก่อให้เกิดปัญหาไฟป่าตามมา นับว่าเป็นการสร้างความเสียหายในระดับทวีคูณมากกว่าปัญหาไฟป่าที่เกิดขึ้นแก่ป่าชนิดอื่นเนื่องจากดินพรุมักจะยุบตัวและแห้งในฤดูแล้ง เมื่อนํ้าใต้ดินลดระดับตํ่าลง จึงเป็นสาเหตุให้ไฟป่าลุกลามเป็นวงกว้างไปตามซากอินทรียวัตถุและไม่สามารถดับไฟใต้ดินได้โดยง่าย ไฟที่ปะทุอยู่เบื้องล่างจำเป็นต้องใช้ระยะเวลานานกว่า 2-3 เดือน จึงสามารถดับได้อย่างสนิท อีกทั้งต้องสูญเสียงบประมาณกว่าหลายล้านบาทเพื่อควบคุมปัญหาไฟป่าในแต่ละครั้ง

ด้วยปัญหาข้างต้นส่งผลให้ป่าพรุหลายแห่งของไทยเสื่อมสภาพลง ทั้งยังสูญเสียพันธุ์ไม้เบิกนำในพื้นที่กลายเป็นป่าเสม็ดที่ไม่มีคุณค่าแก่การปลูกพืชกสิกรรม “การจำแนกป่าพรุเสื่อมโทรม” จึงนับเป็นหนึ่งในวิธีการที่สามารถนำไปพิจารณาเพื่อการเฝ้าติดตามและการอนุรักษ์พื้นที่ป่าได้ ในขณะเดียวกันนั้นกลับพบว่าป่าพรุมีชนิดพันธุ์ไม้ส่วนใหญ่อยู่ในตระกูลพืชนํ้าขังการสำรวจภาคสนามเพื่อให้ได้ข้อมูลครอบคลุมพื้นที่เป้าหมายทั้งหมด จำเป็นต้องใช้แรงงานจำนวนมากทั้งยังใช้ระยะเวลาสำรวจนานเกินกว่าที่จะอัปเดตข้อมูลให้เป็นปัจจุบัน ดังนั้น การปลดล็อกศักยภาพด้าน Remote Sensing จึงเป็นทางเลือกที่เหมาะสมอย่างยิ่งสำหรับการเฝ้าติดตามและอนุรักษ์พื้นที่ป่าพรุ เพราะช่วยลดจำนวนครั้งของการลงพื้นที่สำรวจ แต่ยังคงประสิทธิภาพและความแม่นยำของข้อมูลไว้ดังเดิม

คราวนี้พวกเราจะเปิดประเด็นพาท่านผู้อ่านไปชมศักยภาพทางด้าน Remote Sensing เพื่อการเฝ้าติดตามและอนุรักษ์พื้นที่ป่าไปด้วยกัน กรณีตัวอย่างป่าเมดิเตอร์เรเนียนทางตะวันตกของเกาะครีตที่หมู่บ้านอะโนโพลี ได้ใช้ ดาวเทียม EO-1 มาจำแนกพื้นที่ป่า ซึ่งสามารถแบ่งผืนป่าออกเป็นพื้นที่ต้นไม้ใบใหญ่ พื้นที่ต้นสน พื้นที่เกษตรกรรม Low-vegetation และพื้นที่ว่างเปล่า[2] ผลการจำแนกของดาวเทียม EO-1 นั้นสามารถนำมาประยุกต์ใช้เพื่อการติดตามความสมบูรณ์ของพื้นที่ป่าได้ ผ่านการเปรียบเทียบข้อมูลของช่วงเวลาที่ต้องการแต่ละช่วง ประกอบกับการเปรียบเทียบปริมาณข้อมูลของพื้นที่ในแต่ละประเภทว่า มีแนวโน้มของจำนวนข้อมูลเพิ่มหรือลดลงอย่างไร เช่น หากพื้นที่ของต้นไม้ใบใหญ่ลดลง แต่พื้นที่เกษตรกรรมหรือพื้นที่ว่างเปล่าเพิ่มขึ้นจากเดิม ก็อาจคาดการณ์ได้ว่า ต้นไม้ในป่ากำลังถูกทำลายและเสื่อมโทรมลง นอกเหนือจากนั้น การจำแนกพื้นที่ป่าด้วยเทคนิคนี้ยังทราบถึงตำแหน่งของพื้นที่ที่เปลี่ยนแปลงอีกด้วยฉะนั้น ศักยภาพของ Remote Sensing จึงมีอิทธิพลอย่างมากแก่การจัดการพื้นที่ป่าในวาระปัจจุบัน

เนื่องจากการเฝ้าติดตามและอนุรักษ์พื้นที่ป่าพรุด้วยเทคนิคทาง Remote Sensing ยังไม่ได้มีแพร่หลายมากนัก ทั้งในไทยและต่างประเทศ ตัวอย่างพื้นที่ศึกษาที่ใกล้เคียงกับป่าพรุมากที่สุด จึงเป็นพื้นที่ป่าดงดิบชื้น (Tropical Evergreen Rain Forest) ซึ่งผ่านการศึกษาด้วยวิธีต่าง ๆ มากมายจากนักวิจัยทั่วโลก โดยเน้นการตรวจสอบความอุดมสมบูรณ์ของพันธุ์พืชเป็นหลัก เพื่อตอบโจทย์การอนุรักษ์พื้นที่ป่า อย่างยั่งยืน ทั้งนี้ในงานวิจัยพบว่า การวิเคราะห์ความสมบูรณ์ของป่าสามารถใช้ค่าดัชนีพืชพรรณและค่าทางสถิติมาพิจารณาร่วมกันได้แต่ควรเลือกนำไปใช้กับพื้นที่ศึกษา ณ บริเวณใดก็ตามที่มีข้อมูล Remote Sensing แบบ Time Series เพื่อให้ได้ผลการวิเคราะห์ที่แม่นยำมากขึ้นและมีประสิทธิภาพสูงสุด[3]

ศักยภาพด้าน Remote Sensing เพื่อเฝ้าติดตามและอนุรักษ์พื้นที่ป่าพรุ ในประเทศอินโดนีเซีย

ในอินโดนีเซียมีการเฝ้าติดตามและอนุรักษ์พื้นที่ป่าพรุผ่านการใช้เทคนิคทาง Remote Sensing ที่น่าสนใจ โดยอาจกล่าวได้ว่า เป็นผู้บุกเบิกการจำแนกป่าพรุเสื่อมโทรมและป่าพรุสมบูรณ์ออกจากกันเพื่อตอบโจทย์การเฝ้าติดตามและอนุรักษ์พื้นที่ป่าพรุภายในประเทศพื้นที่ป่าพรุในอินโดนีเซียมักประสบกับปัญหาไฟป่าและการตัดไม้ทำลายป่าบ่อยครั้ง ส่งผลให้เกิดภาวะป่าเสื่อมโทรมเช่นเดียวกันกับประเทศไทย เมื่อพื้นที่ป่าน้อยลง จึงก่อปริมาณก๊าซคาร์บอน-ไดออกไซด์มากขึ้นในอากาศ บ้างก็เกิดจากการเผาไหม้ที่มีต้นตอจากป่า ดังนั้น ปัญหาป่าเสื่อมโทรมจึงถูกเชื่อมโยงไว้กับนโยบายภายในประเทศ ว่าด้วยการรณรงค์ลดการปล่อยก๊าซเรือนกระจกอย่างไม่อาจปฏิเสธได้

เทคนิคทาง Remote Sensing ด้วยข้อมูลภาพถ่ายดาวเทียมความละเอียดสูง

ปัจจุบันการจำแนกพื้นที่ป่าพรุเสื่อมโทรมในอินโดนีเซียใช้เทคนิคทาง Remote Sensing ด้วยข้อมูลภาพถ่ายดาวเทียมความละเอียดสูง ประกอบกับการตรวจสอบพื้นที่ป่าพรุอย่างสมํ่าเสมอเพื่อตรวจจับการเปลี่ยนแปลงสภาพป่า เช่น การตรวจสอบปัญหาการตัดไม้ทำลายป่าหรือปัญหาไฟป่า กล่าวได้ว่า เทคนิคทาง Remote Sensing นั้นสามารถอธิบายการเปลี่ยนแปลงของป่าได้เป็นอย่างดี โดยใช้ “ลักษณะความเสื่อมโทรมของป่าพรุ” เป็นตัวชี้วัด

มีงานวิจัยชิ้นหนึ่งที่ได้ใช้ศักยภาพของ HyMAP with ATCOR-4 จากข้อมูล The Airborne Hyper spectral Sensor และ
HyMAP มาติดตามขนาดของพื้นที่ป่าพรุเบื้องต้น โดยการทำนายค่าชีวมวลร่วมกับการสร้างแบบจำลอง Lasso Regression เพื่อ
ประมาณค่าชีวมวลและจัดทำเป็นแผนที่ ข้อมูลชีวมวลที่ได้มาทั้งหมดนั้นเป็นกุญแจสำคัญสำหรับการจำแนกสภาพป่า จึงกล่าวได้ว่า ป่าพรุสมบูรณ์จะเป็นพื้นที่ที่มีค่าชีวมวลสูง ในขณะที่ป่าพรุเสื่อมโทรมจะมีค่าชีวมวลที่ตํ่าลง ทั้งนี้เมื่อผ่านการจำแนกแล้วจึงนำมาตรวจสอบความถูกต้องด้วยวิธี Cross-Validation เพื่อต้องการให้การจำแนกพื้นที่ป่าพรุที่ได้มีความแม่นยำอยู่ในระดับที่สูงขึ้น[4] เทคนิคถัดไปก็เป็นวิธีการที่น่าสนใจสำหรับการจำแนกป่าพรุเสื่อมโทรมและป่าพรุสมบูรณ์ของประเทศอินโดนีเซีย

งานวิจัยบางฉบับเลือกใช้วิธีการจำแนกป่าพรุแบบ SDA โดยผ่านการทำ Classification Model ร่วมกับการคัดเลือก Band เพื่อลดจำนวนข้อมูลก่อนการประมวลผล ในงานวิจัยชิ้นนี้ได้กล่าวถึงเหตุและผลโดยสังเขปไว้ว่า การทำ Classification Model แบบทั่วไปในพื้นที่ป่าพรุอาจส่งผลให้ Model ที่ได้ขาดความน่าเชื่อถือ เนื่องจากพื้นที่ป่าพรุจัดเป็นพื้นที่ที่เก็บตัวอย่างของข้อมูลได้ค่อนข้างลำบาก แต่เมื่อนำเทคนิคการคัดเลือก Band เทคนิคการเลือก Training Data และ Validation Data มาใช้ก่อนการประมวลผลข้อมูล ร่วมกับวิธีการจำแนกพื้นที่ป่าพรุแบบ SDA กลับช่วยส่งเสริมให้ผลลัพธ์ที่ได้ถูกต้องมากขึ้น[5]

นอกเหนือจากทั้ง 2 เทคนิคที่เสนอมาข้างต้นแล้ว ในพื้นที่ป่าพรุเสื่อมโทรมของกาลิมันตัน (อินโดนีเซีย) ก็ถูกจำแนกพื้นที่ป่าพรุเสื่อมโทรมทั้งหมดด้วยเทคนิคทาง Remote Sensing โดยเลือกใช้ข้อมูลจากภาพถ่ายดาวเทียม Rapid Eye มาวิเคราะห์ผ่านอนุกรมเวลา ร่วมกับการใช้เทคนิคการจำแนกเชิงวัตถุ (Object Oriented Classification) และเทคนิคการวิเคราะห์แบบผสมเชิงพื้นที่ (Spectral Mixture Analysis: SMA) ผลการจำแนกพื้นที่ป่าพรุเสื่อมโทรมที่ได้มีความแม่นยำสูงถึง 91.5%[6] จึงตอกยํ้าให้เห็นว่า การตรวจสอบการเปลี่ยนแปลงของพื้นที่ป่าในช่วงเวลาที่เหมาะสม เป็นสิ่งจำเป็นอย่างมากแก่การเฝ้าติดตามและอนุรักษ์พื้นที่ป่าพรุ เนื่องจากพืชในป่าพรุเจริญเติบโตอย่างรวดเร็ว การปรับปรุงหลักเกณฑ์เพื่อประเมินสถานะของป่าให้เป็นเวลาปัจจุบันอยู่เสมอจึงเป็นลู่ทางที่ช่วยสนับสนุนนโยบายการรณรงค์ลดการปล่อยก๊าซเรือนกระจก Reducing Emissions from Deforestation and Degradation: REDD ซึ่งกำลังเป็นข้อถกเถียงกันภายในประเทศอินโดนีเซีย

ศักยภาพด้าน Remote Sensing เพื่อเฝ้าติดตามและอนุรักษ์พื้นที่ป่าพรุในประเทศไทย

แล้วประเทศไทยเล่า มีข้อถกเถียงทางด้านวิชาการในประเด็นใดบ้าง เพื่อนำไปสู่การเฝ้าติดตามและอนุรักษ์พื้นที่ป่าพรุในประเทศของเรา ถึงแม้ว่า ณ ปัจจุบัน ไทยอาจจะยังไม่มีศักยภาพมากพอในการนำเทคนิคข้างต้นมาประยุกต์ใช้เพื่อเฝ้าติดตามและอนุรักษ์พื้นที่ป่าพรุภายในประเทศได้อย่างสมบูรณ์ แต่ขณะเดียวกัน กลับพบว่าประเทศอินโดนีเซียก็เป็นแรงขับเคลื่อนชั้นดีในการนำเสนอเทคนิคใหม่ ๆ ทาง Remote Sensing ให้แก่ประเทศไทยเพื่อเปลี่ยนมุมมองความคิดบางอย่าง และผลักดันให้ประเทศเราเห็นความสำคัญของป่าพรุรุดหน้าไปมากกว่านี้ มากกว่าการออกนโยบายตั้งไว้แต่ไร้ซึ่งเครื่องมือที่จะนำไปสู่เป้าประสงค์ตามต้องการ

ความจริงที่ว่า “เทคโนโลยีของไทยไม่ทัดเทียมกับประเทศเพื่อนบ้าน” ยิ่งสะท้อนให้เห็นความล้าหลังของไทยเมื่อถูกนำไปเปรียบเทียบกับอินโดโมเดลก่อนหน้า แต่นับเป็นความโชคดีที่ป่าพรุก็มีกลไกบางอย่างซ่อนอยู่ ซึ่งอาจสามารถใช้วิธีการทางอ้อมนี้เพื่อการเฝ้าติดตามและอนุรักษ์พื้นที่ป่าพรุในแบบไทย ๆ ได้ กลไกนั้นคือ พื้นที่ป่าพรุเป็นป่าที่มีความหลากหลายทางพันธุกรรมสูงสุด The Best Diversity เมื่อถูกนำไปเปรียบเทียบกับป่าชนิดอื่น ดังนั้น การจำแนกพันธุ์ไม้ในระดับ Species จึงอาจเป็นวิธีการหนึ่งที่น่าสนใจสำหรับการเฝ้าติดตามและอนุรักษ์พื้นที่ป่าพรุก็เป็นได้ เมื่อติดตามมาถึงจุดนี้ท่านอาจสงสัยว่า ทำไมการคัดแยกในระดับ Species จึงเป็นตัวเลือกตัวหนึ่งที่สามารถนำมาเฝ้าติดตามและอนุรักษ์พื้นที่ป่าพรุในประเทศไทยได้

ดาวเทียม EO-1 Hyperion

ปัจจุบันการจำแนกพันธุ์ไม้ในระดับ Species ด้วยเทคนิคทาง Remote Sensing ยังคงไม่ถูกนำมาใช้กับพื้นที่ป่าพรุของไทย แต่ใน พ.ศ. 2556 ที่ผ่านมา มีงานวิจัยยืนยันว่าได้เริ่มนำเทคนิคดังกล่าวมาประยุกต์ใช้กับการจำแนกพันธุไม้ระดับ Species ในพื้นที่ป่าชายเลนของไทยแล้ว ณ บริเวณแหลมตะลุมพุก อำเภอปากพนัง จังหวัดนครศรีธรรมราช

ทั้งนี้พบว่าการใช้ภาพถ่ายดาวเทียม EO-1 Hyperion ร่วมกับการใช้เทคนิค Band Selection เพื่อจำแนกข้อมูล จะเป็นประโยชน์อย่างมากในการลดจำนวน Band ของข้อมูลที่ไม่จำเป็นออกไปก่อนการนำมาประมวลผลเทคนิคข้างต้นสามารถลดปัญหา Signal-to-Noise Ratio (SNR) ได้ ซึ่งเป็นปัจจัยหนึ่งที่ส่งผลต่อความคมชัดของสัญญาณ โดยอาจเกิดขึ้นในชั้นบรรยากาศระหว่างการรับ-ส่งข้อมูลของดาวเทียม แต่เทคนิคดังกล่าวจะให้ผลลัพธ์ของการจำแนกเนื้อภาพที่แม่นยำมากขึ้น สามารถแยกชนิดพันธุ์ไม้ออกจากกันได้อย่างชัดเจน (Homogeneous) แม้กระทั่งชนิดพันธุ์ที่มีความใกล้เคียงกันมากในระดับ Species ก็ตาม อย่างต้นโกงกางใบเล็กและโกงกางใบใหญ่ ซึ่งขึ้นปะปนกันอยู่ในพื้นที่เป้าหมาย ในความเป็นจริงแล้วลักษณะชนิดพันธุ์ที่มีความใกล้เคียงกันเช่นนี้ หากไม่ลงสำรวจเพื่อสังเกตความเหมือนและความแตกต่างกันใกล้ ๆ ในพื้นที่จริง อาจแยกแยะชนิดพันธุ์ไม้ทั้ง 2สายพันธุ์ออกจากกันได้ยาก ในขณะที่งานวิจัยดังกล่าวกลับพบว่าการใช้เทคนิคด้าน Remote Sensing สามารถช่วยแยกความคล้ายกันในระดับSpecies ได้ โดยใช้เทคนิค Band Selection ที่กล่าวไปข้างต้น ร่วมกับวิธีเชิงพันธุกรรมและ Sequential Forward Selection เพื่อคัดเลือกช่วง Band ที่เหมาะสมก่อนการนำไปจำแนก[7] และยกระดับความถูกต้องของการจำแนกนั้นให้มีความน่าเชื่อถือ ทั้งยังมีประสิทธิภาพมากขึ้น ทดแทนการลงสำรวจภาคสนามในพื้นที่จริงได้

ดังนั้น หากสามารถนำวิธีการศึกษาของงานวิจัยชิ้นนี้มาทดลองปรับใช้กับการจำแนกพันธุ์ไม้ในระดับ Species ของพื้นที่ป่าพรุในประเทศไทยได้ก็จะเป็นประโยชน์อย่างมากแก่การทราบถึงจำนวนพันธุ์ไม้ที่หลงเหลืออยู่โดยเฉพาะพันธุ์ไม้เบิกนำบางชนิดที่สามารถเป็นตัวชี้วัดความอุดมสมบูรณ์ของพื้นที่ป่าพรุ อันเป็นกลไกสำคัญในการเฝ้าติดตามและอนุรักษ์พื้นที่ป่าพรุของไทยต่อไปในภายภาคหน้า

สุดท้ายนี้… การที่จะรักษาป่าพรุให้อยู่คู่กับคนไทยไปได้อย่างยั่งยืน พบว่าเกิดจากการทราบถึงต้นตอของปัญหา นั่นคือผลกระทบจากการบุกรุกป่าจนนำ มาสู่การเปลี่ยนแปลงของสิ่งแวดล้อม ดังเช่นปัญหาไฟป่าที่เคยเกิดขึ้น ซึ่งมีผลอย่างยิ่งต่อการเปลี่ยนแปลงสภาพป่าให้เสื่อมโทรมลงไป เนื่องด้วยป่าพรุมีระบบนิเวศแบบพึ่งพาอาศัย หากส่วนใดส่วนหนึ่งเสียหายหรือตายไป อาจส่งผลกระทบต่อระบบนิเวศป่าพรุทั้งหมด “ความสำคัญในการอนุรักษ์ผืนป่าแห่งนี้จึงอยู่ที่เรา” เราในฐานะคนไทยสามารถช่วยรักษาระบบนิเวศนี้ไว้ให้คงอยู่ต่อไปได้อย่างไรบ้างบางครั้งการปลูกฝังเพียงความคิดให้คนรุ่นหลังเห็นคุณค่าของป่าอาจไม่เพียงพออีกต่อไป แต่การฝึกฝนให้คน Generation ใหม่เห็นความสำคัญของการเป็นผู้ริเริ่ม เป็นนักพัฒนา ปลดล็อกศักยภาพด้าน Remote Sensing เหมือนกับกรณีศึกษาภายในประเทศอินโดนีเซีย อาจฟังดูมีนํ้าหนักมากกว่าการแก้ไขปัญหาที่ยากจะเยียวยาในประเทศของเรา

อ้างอิง

[1] สมชัย สุวรรณบรรณ. (2557, 20 สิงหาคม). พรุโต๊ะแดง. [วิดีโอ]. YouTube. https://www.youtube.com/watch?v=H_ARiRqFX3c
[2] Selma Etteieb, Mounir Louhaichi, Chariton Kalaitzidis, Ioannis Z. Gitas. (2013). Mediterranean forest mapping using hyper-spectral satellite imagery. Arab J Geosci (2013) 6:5017-5032
[3] Robin Pouteau, Thomas W. Gillespie, Philippe Birnbaum (2018). Predicting Tropical Tree Species Richness from Normalized Difference Vegetation Index Time Series: The Devil Is Perhaps Not in the Detail. Remote Sens. (2018), 10(5), 698
[4] Taichi Takayama, Takashi Ohki, Tomomi Takeda. (2015). Discrimination of Peat swamp forest types with Hyperspectral data. IEEE (2015), 8075461
[5] Taichi Takayama, Akira Iwasaki. (2016). Selection of Additional training data for Improving accuracy of Forest type classification using Hyperspectral data. IGARSS (2016), 7729905, 3500-3503
[6] Jonas Franke, Member, IEEE, Peter Navratil, Vanessa Keuck, Keith Peterson, Florian Siegert. (2012). Monitoring Fire and Selective Logging Activities in Tropical Peat Swamp Forests. IEEE (2012), 6239616, 1811-1820
[7] Werapong Koedsin, Chaichoke Vaiphasa. (2013). Discrimination of Tropical Mangroves at the Species Level with EO-1 Hyperion Data. Remote Sens. (2013), 5, 3562-3582


ที่มา: อินทาเนีย ฉบับที่ 4 ปี พ.ศ. 2563 คอลัมน์ บทความจากคณะ
โดย นิสิตปริญญาโท ภาควิชาวิศวกรรมสำรวจ คณะวิศวกรรมศาสตร์ จุฬาลงกรณ์มหาวิทยาลัย


เราใช้คุกกี้เพื่อพัฒนาประสิทธิภาพ และประสบการณ์ที่ดีในการใช้เว็บไซต์ของคุณ คุณสามารถศึกษารายละเอียดได้ที่ นโยบายความเป็นส่วนตัว และสามารถจัดการความเป็นส่วนตัวของคุณได้เอง โดยคลิกที่ ตั้งค่า

Privacy Preferences

คุณสามารถเลือกการตั้งค่าคุกกี้โดยเปิด/ปิด คุกกี้ในแต่ละประเภทได้ตามความต้องการ ยกเว้น คุกกี้ที่จำเป็น

Allow All
Manage Consent Preferences
  • คุกกี้ที่จำเป็น
    Always Active

    คุกกี้มีความจำเป็นสำหรับการทำงานของเว็บไซต์ เพื่อให้คุณสามารถใช้ได้อย่างเป็นปกติ และเข้าชมเว็บไซต์ คุณไม่สามารถปิดการทำงานของคุกกี้นี้ในระบบเว็บไซต์ของเราได้

  • คุกกี้เพื่อการวิเคราะห์

    คุกกี้ประเภทนี้จะทำการเก็บข้อมูลการใช้งานเว็บไซต์ของคุณ เพื่อเป็นประโยชน์ในการวัดผล ปรับปรุง และพัฒนาประสบการณ์ที่ดีในการใช้งานเว็บไซต์ ถ้าหากท่านไม่ยินยอมให้เราใช้คุกกี้นี้ เราจะไม่สามารถวัดผล ปรังปรุงและพัฒนาเว็บไซต์ได้

Save