การเปรียบเทียบวิธีการประมาณค่าฝุ่นละอองขนาดเล็กด้วยดาวเทียมฮิมาวาริ 8 ในภาคเหนือของประเทศไทย

A Comparison of Methods for Estimating Fine Particulate Matter Concentrations from Himawari-8 Satellite Over Northern Thailand

Name: กนกวรรณ ภูธรรม

Name: ปริชาติ เวชยนต์

Name: นิธิวัฒน์ ชูสกุล

keyword: การสำรวจระยะไกล

; ดาวเทียมฮิมาวาริ 8

; การวิเคราะห์การถดถอยพหุคูณ

; PM2.5

; Remote Sensing

; Himawari-8 Satellite

; PCA-GRNN

; Multi Linear Regression

Abstract: ฝุ่นละอองขนาดเล็กไม่เกิน 2.5 ไมโครเมตร (PM2.5) สามารถตรวจวัดด้วยเครื่องมือที่ติดตั้งในสถานีวัดภาค พื้นดิน แต่เนื่องจากสถานีวัดภาคพื้นดินมีจำนวนไม่มากพอที่จะให้ข้อมูลครอบคลุมในทุกพื้นที่ได้ ปัจจุบันจึงมี การประยุกต์เทคโนโลยีการรับรู้ระยะไกลใช้ในการตรวจวัด PM2.5 ดังนั้น ในการศึกษานี้จึงเปรียบเทียบวิธีการ ประมาณค่า PM2.5 ด้วยการวิเคราะห์การถดถอยพหุคูณ (Multiple Linear Regression: MLR) และวิธีการ วิเคราะห์องค์ประกอบหลักร่วมกับโครงข่ายประสาทเทียม (Principal Component Analysis - General Regression Neural Network: PCA-GRNN) เพื่อหาวิธีที่เหมาะสมในการประเมินค่า PM2.5 โดยใช้ข้อมูล ความลึกเชิงแสงของฝุ่นละอองในอากาศ (Aerosol Optical Depth: AOD) จากดาวเทียมฮิมาวาริ 8 และ ข้อมูลกายภาพ ได้แก่ แบบจำลองระดับความสูงเชิงเลข ดัชนีพืชพรรณ และข้อมูลอุตุนิยมวิทยาในเดือน มกราคม - ธันวาคม ปี พ.ศ. 2561 และทำการสอบเทียบความถูกต้องด้วยข้อมูล PM2.5 จากสถานีวัดภาคพื้น การศึกษาพบว่า วิธี PCA-GRNN มีค่า RMSE เท่ากับ 17.76 และ R2 เท่ากับ 0.566 และวิธี MLR มีค่า RMSE เทา่ กับ 33.90 และ R2 เทา่ กับ 0.012 ดังนั้น วิธี PCA-GRNN สามารถประเมินค่า PM2.5 ได้ใก้ลเคียงกับค่าที่ตรวจวัดจากสถานีวัดภาคพื้นดินมากกว่า วิธี MLR จึงเหมาะสมนำมาใช้ในการประมาณค่า PM2.5 ในพื้นที่ภาคเหนือได้อย่างมีประสิทธิภาพ

Abstract: Particulate Matter 2.5 micrometres and smaller (PM2.5) could be measured by an instrument at ground-based observatory. But the ground-based observatory cannot provide the data covering wide area. Currently, remote sensing is used to be an application to estimate PM2.5. To address capability of PM2.5 estimation method, the study carried out comparing two methods for estimating PM2.5 concentrations between Multiple Linear Regression (MLR) and Principal Component Analysis - General Regression Neural Network: PCA-GRNN. By using Aerosol Optical Depth (AOD) from Himawari-8 satellite and physical data such as the Digital Elevation Model (DEM), Normalized Diff erence Vegetation Index (NDVI) and meteorological data during January to December 2018. The estimation results from those two methods were evaluated by PM2.5 concentration from ground-bases measuring. The evaluated results show that the PCA-GRNN obtained the root mean square error (RMSE) of 17.76 and R2 of 0.566, while the MLR obtained RMSE of 33.90 and R2 of 0.012. Therefore, it is indicated that PCA-GRNN is an appropriate method to estimate PM2.5 concentration over Northern Thailand more than the MLR.

มหาวิทยาลัยเทคโนโลยีราชมงคลอีสาน. สำนักวิทยบริการและเทคโนโลยีสารสนเทศ

Address: นครราชสีมา

Email: kitiya.ni@rmuti.ac.th

Created: 2563

Modified: 2025-09-11

Issued: 2566-02-25

บทความ/Article

application/pdf

ISBN: 26729369 (Online)

BibliograpyCitation : RMUTI JOURNAL Science and Technology Vol. 14, No. 1, January - April 2021

tha

©copyrights มหาวิทยาลัยเทคโนโลยีราชมงคล อีสาน

ลำดับที่.	ชื่อแฟ้มข้อมูล	ขนาดแฟ้มข้อมูล	จำนวนเข้าถึง	วัน-เวลาเข้าถึงล่าสุด
1	RMUTI_Ratima_Art09.pdf	3.01 MB

ใช้เวลา

0.022773 วินาที