Abstract:
งานวิจัยนี้ได้ศึกษาป่าชายเลนในสองประเด็น ประเด็นแรกคือ งานวิจัยที่ใช้ภาพถ่ายจากดาวเทียมรายละเอียดสูงในการจำแนกพันธุ์ไม้ป่าชายเลนแสดงให้เห็นว่า วิธีการสกัดคุณลักษณะจากภาพประสบผลสำเร็จเป็นอย่างดี อย่างไรก็ตาม วิธีการดังกล่าวยังจำเป็นต้องอาศัยการตัดสินใจจากมนุษย์ วัตถุประสงค์ของประเด็นวิจัยนี้มีเป้าหมายที่จะนำข่ายประสาทคอนโวลูชันซึ่งเป็นวิธีการด้านการเรียนรู้เครื่องมาใช้จำแนกพันธุ์ไม้ป่าชายเลนเขตร้อนร่วมกับภาพถ่ายจากดาวเทียม Quickbird เพื่อปรับปรุงวิธีการจำแนกให้มีความถูกต้องมากยิ่งขึ้น สถาปัตยกรรม Compressed Fully Convolution Network (CFCN) เป็นวิธีการนำเสนอที่ใช้ในงานวิจัยนี้ ปรับปรุงจากโครงข่ายอ้างอิง FCN-8s ให้มีจำนวนพารามิเตอร์ที่ลดน้อยลง มีความเหมาะสมกับทรัพยากรประมวลผลที่จำกัด และมีค่าทดสอบทั้ง 6 ค่าไม่น้อยไปกว่าโครงข่ายอ้างอิง ผลการจำแนกจาก CFCN จะนำไปเปรียบเทียบกับวิธีการจำแนกแบบความน่าจะเป็นสูงสุด ผลการจำแนกพบว่า วิธี CFCN ให้ความถูกต้องการจำแนกโดยรวมร้อยละ 90.36 มีค่าสูงกว่าวิธีการจำแนกแบบความน่าจะเป็นสูงสุดที่มีค่าความถูกต้องการจำแนกโดยรวมเพียง 66.02 ผลการจำแนกยืนยันถึงความเป็นไปได้ของการนำข่ายประสาทคอนโวลูชันมาประยุกต์ร่วมกับข้อมูลการสำรวจระยะไกลเพื่อการจำแนกพันธุ์ไม้ป่าชายเลนเขตร้อน
ประเด็นงานวิจัยที่สอง ใช้เครื่องสแกนเลเซอร์ภาคพื้นดินเก็บข้อมูลทางกายภาพของต้นแสมทะเลโดยไม่ตัดต้นไม้ มีวัตถุประสงค์เพื่อประมาณค่ามวลชีวภาพเหนือพื้นดินด้วยแบบจำลองโครงสร้างเชิงปริมาณ และสร้างเป็นแบบจำลองอัลโลเมตรีด้วยฟังก์ชันยกกำลัง ผลที่ได้ถูกนำมาเปรียบเทียบกับผลจากแบบจำลองอ้างอิงด้วยค่าคลาดเคลื่อนกำลังสองเฉลี่ยรากที่สอง ค่าคลาดเคลื่อนมีค่าสูง (ร้อยละ 40 และ 35) เมื่อเปรียบเทียบผลลัพธ์กับแบบจำลองอ้างอิงทั่วไป ในทางกลับกัน ค่าคลาดเคลื่อนมีค่าต่ำ (น้อยกว่าร้อยละ 20) เมื่อเปรียบเทียบผลลัพธ์กับแบบจำลองที่สร้างขึ้นจากต้นแสมทะเลเช่นเดียวกับพื้นที่ศึกษา ผลการศึกษา แสดงให้เห็นว่า การสร้างแบบจำลองที่ระบุพันธุ์ไม้ให้ค่ามวลชีวภาพเหนือพื้นดินที่มีความถูกต้องมากกว่าไม่ระบุพันธุ์ไม้ วิธีการที่นำเสนอนี้สามารถนำไปใช้ประยุกต์ให้เป็นวิธีการมาตรฐานสำหรับสร้างแบบจำลองอัลโลเมตรีของต้นแสมทะเลในพื้นที่อื่น จากแนวคิดดังกล่าว ผู้วิจัยเสนอให้สร้างแบบจำลองแบบระบุพันธุ์ไม้กับพืชชายเลนสายพันธุ์อื่น เพื่อยืนยันผลการทดลองในครั้งนี้
