ระบบแพลตฟอร์มสนับสนุนการปลูกมันสำปะหลังแบบองค์รวมเพื่อการเกษตรที่ยั่งยืน
ชื่อผู้แต่งข้างต้นเป็นข้อความจากระเบียนผลงาน ไม่ได้ผูกกับรหัสนักวิจัย จึงกดดูผลงานอื่นของบุคคลนี้ไม่ได้ — ในคลังนี้ 142,080 ผลงาน (63.6% ของทั้งหมด) มีชื่อผู้แต่งที่เชื่อมกับหน้าผู้แต่งได้ และ 60,298 ผลงาน (27.0%) มีผู้แต่งที่ผูกกับรหัสนักวิจัยจริง ส่วนอีก 81,382 ผลงานไม่มีข้อมูลผู้แต่งเลย (มีชื่อผู้แต่งเป็นข้อความอยู่ 142,009 ผลงาน = 63.5%)
บทคัดย่อ
ระบบเกษตรอัจฉริยะในการปลูกมันสำปะหลังของไทยในภาคปฏิบัติยังไม7มีการใชPจริงนั้น สาเหตุหลักหนึ่งมาจากการขาดข้อมูลขนาดใหญ่ที่เกี่ยวข้องในกระบวนการเพาะปลูกตั้งแต่ข้อมูลเกษตรกร ข้อมูลกายภาพของพื้นที่ปลูก ข้อมูลสภาพอากาศของแปลงปลูก ข้อมูลการจัดการแปลง และข้อมูลของผลผลิต ในการพัฒนาระบบ โครงการนี้ได้พัฒนาระบบต้นแบบและวิธีการเก็บข้อมูลเพื่อประเมินผลผลิตและเปอร์เซ็นต์แปลงของแปลงปลูกมันสำปะหลัง ด้วยการเก็บข้อมูลจริงจากแปลงเกษตรกร (Ground truth) จำนวน 25 แปลง ในรูปแบบข้อมูลอนุกรมเวลา (Time Series) ของ 5 ระยะการเจริญเติบโตคือ 75, 120, 180, 240 และ 300 วันหลังปลูก และมีการทดสอบความแม่นยำของแบบจำลองที่สร้างขึ้นกับข้อมูลผลผลิตและเปอร์เซ็นต์แปลงจากแปลงเกษตรกรจริงจำนวน 309 แปลง ที่ได้จากแอปพลิเคชัน “มันไทย” และข้อมูลโรงแปลง ที่เกษตรกรจะเป็นคนให้พิกัดแปลงและข้อมูลผลผลิตหัวและเปอร์เซ็นต์แล้ง การพัฒนาแบบจำลองพยากรณ์ผลผลิตหัวสดและเปอร์เซ็นต์แปลงของแปลงปลูกมันสำปะหลังจะอาศัยค่าดัชนี NDVI, RVI, GNDVI, LAI, SAVI และ fPAR จากข้อมูลภาพถ่ายดาวเทียม จากการทดสอบพบว่า ค่าประสิทธิภาพการพยากรณ์ผลผลิตน้ำหนักหัวสดต่อพื้นที่และเปอร์เซ็นต์แปลงสำหรับชุดข้อมูลที่ได้จากเกษตรกรในจังหวัดชลบุรีมีความแม่นยำประมาณ 70% และค่าประสิทธิภาพการพยากรณ์ผลผลิตน้ำหนักหัวสดต่อพื้นที่สำหรับชุดข้อมูลที่ได้จากโรงแปลงในจังหวัดนครราชสีมามีความแม่นยำประมาณ 60% เนื่องจากเป็นการพยากรณ์ที่ใช้ข้อมูล Ground truth จากจังหวัดชลบุรีในการวิเคราะห์ การที่ได้ค่าประสิทธิภาพที่ดีจึงแสดงถึงความเป็นไปได้ที่จะพัฒนาแบบจำลองสำหรับพยากรณ์ผลผลิตหัวสดและเปอร์เซ็นต์แปลงของแปลงปลูกมันสำปะหลังที่สามารถนำมาใช้งานได้จริงในทางปฏิบัติ อย่างไรก็ตาม เพื่อให้การพยากรณ์ผลผลิตหัวสดและเปอร์เซ็นต์แปลงด้วยดัชนีจากข้อมูลภาพถ่ายดาวเทียม จำเป็นต้องเก็บข้อมูล Ground truth ให้จำนวนและคุณภาพที่มากขึ้น อีกทั้งมีข้อมูลผลผลิตหัวสดและเปอร์เซ็นต์แปลงที่มากพอจากแปลงเกษตรกรสำหรับใช้ในการทดสอบแบบจำลอง ซึ่งจะดำเนินการเพิ่มเติมในปีที่ 2 ของโครงการ และจะนำมาซึ่งแบบจำลองการพยากรณ์ผลผลิตและเปอร์เซ็นต์แปลงที่สามารถใช้ได้จริงในแปลงปลูกที่มีความแม่นยำมากขึ้นในอนาคต