http://202.28.20.112/dspace/handle/123456789/3 School of Information and Communication Technology / คณะเทคโนโลยีสารสนเทศและการสื่อสาร 2025-08-28T00:59:37Z http://202.28.20.112/dspace/handle/123456789/1323 Title: Drought Risk Prediction based on Land Use Modeling in Mae Na Rue Watershed under a Shortage of Essential Indicators; การคาดการณ์ความเสี่ยงภัยแล้งโดยใช้แบบจำลองการใช้ที่ดินในลุ่มน้ำแม่นาเรือภายใต้การขาดแคลนตัวชี้วัดที่จำเป็น Abstract: Drought is a natural disaster that severely impacts the agricultural sector and people's livelihoods, especially in northern Thailand, where the terrain consists of complex mountains and communities rely primarily on small water resources. This research has three main objectives: (1) to analyze satellite imagery for drought risk areas using spatial indices such as NDVI, VCI, NMDI, and NDWI, which reflect moisture and drought levels in the study area of Mae Na Ruea Subdistrict, Mueang Phayao District, Phayao Province, combined with rainfall and land-use data; (2) to examine the correlation between these indices and factors influencing drought-prone areas using Pearson’s correlation and the Weka model, assessing the relationship between spatial indices and physical factors, as well as developing a drought risk classification model using Weka; and (3) to predict future drought risk areas and their impact on land-use changes, including forecasting drought trends and land-use patterns for the year 2032. The results indicate that NDVI and VCI indices exhibit statistically significant correlations with the physical factors of the area and can be effectively applied to assess drought risk. Pearson’s correlation analysis revealed relationships between the indices and various influencing factors, while the Weka model demonstrated predictive capabilities for drought conditions and identified key drought-related variables. Land-use trend analysis showed that agricultural areas, including paddy fields, croplands, perennial trees, and orchards, are at high risk of drought, particularly during summer and winter, highlighting the vulnerability of agricultural systems dependent on natural water resources. The findings of this study can serve as a guideline for efficient water resource management, crop planning aligned with climatic conditions, and community preparedness to sustainably mitigate future drought risks.; ภัยแล้งเป็นภัยธรรมชาติที่ส่งผลกระทบอย่างรุนแรงต่อภาคการเกษตรและการดำรงชีวิตของประชาชน โดยเฉพาะในพื้นที่ภาคเหนือของประเทศไทย ซึ่งมีภูมิประเทศเป็นภูเขาสลับซับซ้อน และการพึ่งพาทรัพยากรน้ำจากแหล่งน้ำขนาดเล็กเป็นหลัก การวิจัยครั้งนี้มีวัตถุประสงค์หลัก 3 ประการ ได้แก่ (1) เพื่อนำภาพถ่ายดาวเทียมมาวิเคราะห์เพื่อหาพื้นที่เสี่ยงภัยแห้งแล้งด้วยการใช้ดัชนี การวิเคราะห์พื้นที่เสี่ยงต่อการเกิดภัยแล้งโดยการประยุกต์ใช้ข้อมูลภาพถ่ายจากดาวเทียมร่วมกับดัชนีเชิงพื้นที่ ได้แก่ NDVI, VCI, NMDI และ NDWI ซึ่งสะท้อนระดับความชื้นและความแห้งแล้งในพื้นที่ศึกษาตำบลแม่นาเรือ อำเภอเมืองพะเยา จังหวัดพะเยา และการวิเคราะห์ข้อมูลร่วมกับข้อมูลปริมาณน้ำฝนและข้อมูลการใช้ที่ดิน (2) เพื่อวิเคราะห์หาความสัมพันธ์ของดัชนี และปัจจัยที่ส่งผลต่อพื้นที่ที่แห้งแล้ง โดยใช้วิธีคิดแบบหาความสัมพันธ์ (Pearson's Correlation) และแบบจำลอง Weka การศึกษาความสัมพันธ์ระหว่างดัชนีเชิงพื้นที่กับปัจจัยทางกายภาพในพื้นที่ เพื่อประเมินระดับความสัมพันธ์ของข้อมูล และการพัฒนารูปแบบจำแนกประเภทพื้นที่เสี่ยงภัยแล้งโดยใช้โปรแกรม Weka และ (3) เพื่อคาดการณ์พื้นที่เสี่ยงภัยแห้งแล้งที่จะเกิดขึ้นในอนาคต ที่มีผลต่อการเปลี่ยนแปลงกับการใช้ที่ดินที่จะเกิดขึ้น การคาดการณ์แนวโน้มการเกิดภัยแล้ง รวมถึงการเปลี่ยนแปลงรูปแบบการใช้ที่ดินในปี พ.ศ. 2575 ผลการวิจัยพบว่า ดัชนี NDVI และ VCI มีความสัมพันธ์ในระดับนัยสำคัญทางสถิติกับปัจจัยทางกายภาพของพื้นที่ และสามารถนำไปประยุกต์ใช้ในการประเมินความเสี่ยงของพื้นที่ต่อการเกิดภัยแล้งได้อย่างมีประสิทธิภาพ นอกจากนี้ ผลการวิเคราะห์ความสัมพันธ์แบบเพียร์สันเผยให้เห็นข้อมูลที่แสดงถึงความสัมพันธ์ของดัชนีกับปัจจัยต่าง ๆ ในพื้นที่ ขณะที่การใช้โปรแกรม Weka สามารถแสดงผลการคาดการณ์ความแห้งแล้งและระบุข้อมูลที่มีความสัมพันธ์กับภัยแล้งในพื้นที่ได้ ผลการวิเคราะห์แนวโน้มการเปลี่ยนแปลงการใช้ที่ดินพบว่า พื้นที่เกษตรกรรมประเภทพื้นที่นา พืชไร่ ไม้ยืนต้น และไม้ผล มีความเสี่ยงสูงต่อการเกิดภัยแล้ง โดยเฉพาะในฤดูร้อนและฤดูหนาว ซึ่งสะท้อนถึงความเปราะบางของระบบการผลิตทางการเกษตรที่พึ่งพาทรัพยากรน้ำจากธรรมชาติเป็นหลัก ข้อมูลจากการวิจัยสามารถนำไปใช้เป็นแนวทางในการวางแผนบริหารจัดการทรัพยากรน้ำอย่างมีประสิทธิภาพ การกำหนดระยะเวลาการเพาะปลูกที่สอดคล้องกับสภาพภูมิอากาศ และการเตรียมความพร้อมของชุมชนในการรับมือกับสถานการณ์ภัยแล้งในอนาคตอย่างยั่งยืน 0026-01-01T00:00:00Z http://202.28.20.112/dspace/handle/123456789/1322 Title: Automatic Lac Yield and Price Trend Prediction System; ระบบคาดการณ์ผลผลิตและทิศทางราคาครั่งแบบอัตโนมัติ Abstract: Lac is a natural product obtained from insects cultivated on host trees and plays an important role in the chemical, pharmaceutical, and cosmetics industries, particularly in tropical countries such as Thailand. However, lac production and pricing are highly volatile due to various factors, including seasonal climate variability, El Niño and La Niña events, and market uncertainty. These fluctuations undermine farmers' confidence in production planning, leaving them without reliable forecasting tools and unable to make timely decisions on whether to expand production or delay sales. This research aims to develop a forecasting model for predicting lac yield and price trends using the MA-LSTM (Moving Average – Long Short-Term Memory) technique, which is well suited for analyzing volatile time-series data. The dataset used in this study includes export volumes, export values, and the Oceanic Niño Index (ONI), which reflects climate conditions affecting lac production, covering a period of ten years (2012–2022). The data were processed through systematic steps, including filtering, sorting, smoothing, and prediction. The experimental results demonstrate that MA-LSTM delivers the most accurate performance compared to baseline models such as RNN and Random Forest. Applying the Exponential Moving Average (EMA) method to reduce data volatility before feeding it into the model significantly enhanced its ability to capture critical trends. Additionally, a dashboard system was developed to present the forecasting results along with directional logic analysis between price, volume, and ONI. This system was designed with eight conditional patterns, allowing it to provide practical recommendations for farmers, such as expanding or reducing cultivation, gradual selling, or stockpiling products to wait for optimal market conditions. Overall, the study shows that MA-LSTM is a highly promising tool for forecasting complex agricultural data like lac, and it can be effectively integrated into decision-support systems to enhance the efficiency and sustainability of the agricultural sector.; ครั่งเป็นผลิตภัณฑ์ธรรมชาติที่ได้จากแมลงเพาะเลี้ยงบนต้นไม้ ซึ่งมีบทบาทสำคัญในอุตสาหกรรมเคมีภัณฑ์ ยา และเครื่องสำอาง โดยเฉพาะในเขตร้อน เช่น ประเทศไทย อย่างไรก็ตาม การผลิตและราคาครั่งมีความผันผวนสูง อันเนื่องมาจากปัจจัยหลายประการ ทั้งสภาพอากาศที่แปรปรวนตามฤดูกาล ภาวะ El Niño และ La Niña รวมถึงความไม่แน่นอนของตลาด ส่งผลให้เกษตรกรขาดความมั่นใจในการวางแผนเพาะเลี้ยง ไม่มีเครื่องมือคาดการณ์ที่แม่นยำ และไม่สามารถตัดสินใจได้ทันท่วงทีว่าจะขยายพื้นที่การผลิตหรือชะลอการขาย การวิจัยนี้มีวัตถุประสงค์เพื่อพัฒนาแบบจำลองการคาดการณ์ผลผลิตและแนวโน้มราคาขายของครั่ง โดยใช้เทคนิค MA-LSTM (Moving Average – Long Short-Term Memory) ซึ่งมีศักยภาพสูงในการวิเคราะห์ข้อมูลอนุกรมเวลา (Time-Series) ที่มีความผันผวน ข้อมูลที่นำมาใช้ประกอบการวิเคราะห์ ได้แก่ ปริมาณการส่งออก มูลค่าการส่งออก และดัชนี ONI (Oceanic Niño Index) ซึ่งสะท้อนสภาวะภูมิอากาศที่ส่งผลต่อการผลิตครั่ง ครอบคลุมระยะเวลา 10 ปี (พ.ศ. 2555–2565) โดยมีการประมวลผลข้อมูลอย่างเป็นขั้นตอน ตั้งแต่การกรอง (Filtering) การจัดเรียง (Sorting) การลดความผันผวน (Smoothing) และการทำนายผล (Prediction) ผลการทดลองพบว่า MA-LSTM เป็นแบบจำลองที่ให้ผลลัพธ์แม่นยำที่สุดเมื่อเปรียบเทียบกับโมเดลพื้นฐาน เช่น RNN และ Random Forest โดยการใช้ค่า EMA (Exponential Moving Average) ช่วยลดความผันผวนของข้อมูลก่อนนำเข้าโมเดล ทำให้สามารถจับแนวโน้มสำคัญได้อย่างมีประสิทธิภาพ นอกจากนี้ ยังได้พัฒนาระบบ Dashboard เพื่อแสดงผลการพยากรณ์ร่วมกับการวิเคราะห์ตรรกะเชิงทิศทางระหว่างราคา ปริมาณ และค่า ONI โดยออกแบบเป็นเงื่อนไข 8 รูปแบบ เพื่อให้ระบบสามารถแนะนำเกษตรกรได้อย่างเหมาะสม เช่น การขยายหรือชะลอการเพาะปลูก การทยอยขาย หรือการเก็บผลผลิตเพื่อรอช่วงเวลาที่เหมาะสม จากผลการศึกษา แสดงให้เห็นว่า MA-LSTM เป็นเครื่องมือที่มีศักยภาพสูงในการคาดการณ์ข้อมูลเกษตรที่ซับซ้อนอย่างครั่ง โดยสามารถนำไปประยุกต์ใช้ในระบบสนับสนุนการตัดสินใจเพื่อเพิ่มประสิทธิภาพและความยั่งยืนของภาคเกษตรกรรมได้อย่างเป็นรูปธรรม 0026-01-01T00:00:00Z http://202.28.20.112/dspace/handle/123456789/1325 Title: APPLICATION OF SCS-CN AND CA-MARKOV MODELS IN RUNOFF AND LAND USE PREDICTION IN THE NORTH–MEKONG BASIN; การประยุกต์แบบจำลอง CA-Markov และแบบจำลอง SCS-CN ในการคาดการณ์การใช้ประโยชน์ที่ดิน และปริมาณน้ำไหลบ่าในพื้นที่ลุ่มน้ำโขงเหนือ Abstract: This study applies CA-Markov Modeling of land use land cover change predictions and other factors such as annual rainfall and soil hydrological characteristics, along with geographic information techniques, to Forecast water runoff from Soil Conservation Service Curve Number (SCS-CN) model in the North–Mekong Watershed. The study found that the lowest runoff volume occurred in the year 2015, 2021, 2027 under both above-normal and below-normal rainfall scenario, all occurred in forest areas (F), with respective amounts 459 millimeters, 731 millimeters, 749 millimeters, 671 millimeters, and 461 millimeters. Conversely, the maximum runoff volume in 2015, 2021, 2027, and the below-normal rainfall scenario in 2027 occurred in urban areas (U), with amounts of 1,431 millimeters, 2,155 millimeters, 1,872 millimeters, and 1,335 millimeters, respectively. The highest runoff volume in 2027 under above-normal rainfall scenario was occurred in industrial areas (I), amounts 3,032 millimeters. The runoff volume shows a positive correlation with the annual average rainfall. However, no significant relationship was found between land use changes and runoff volume. From the study, it is evident that land use patterns directly influence runoff volume. Therefore, future land use planning and rainfall forecasting are crucial for effective flood prevention and management.; กการศึกษาครั้งนี้เป็นการประยุกต์แบบจำลองการใช้ประโยชน์ที่ดิน CA-Markov ที่ใช้ข้อมูลการใช้ประโยชน์ที่ดิน (Land Use) ในพื้นที่ลุ่มน้ำโขงเหนือ จากกรมพัฒนาที่ดิน ปี 2552 ปี 2558 และ ปี 2564 ร่วมกับปัจจัยอื่น ๆ เช่น ปริมาณน้ำฝนรายปี (ปี 2552-2565) ลักษณะทางอุทกวิทยาของดิน ประกอบกับการนำเทคนิคทางด้านสารสนเทศภูมิศาสตร์มาใช้ โดยนำข้อมูลการใช้ประโยชน์ที่ดินมาแบ่งประเภทใหม่ให้เป็น 7 ประเภท ให้สอดคล้องกับวิธีของ แบบจำลอง SCS-CN ประกอบด้วย พื้นที่ป่าไม้ (F), พื้นที่ผสมระหว่างป่า สวนป่า ไม้ผล ไม้ยืนต้น (G), พื้นที่เกษตรกรรม และอื่น ๆ เช่น พื้นที่นา (A), พื้นที่อุตสาหกรรมและที่ทิ้งขยะ (I), เขตเมือง การค้าและย่านธุรกิจ (U), พื้นที่เมือง (U) และพื้นที่แหล่งน้ำและพื้นที่ชื้นแฉะ (W) เพื่อใช้พยากรณ์ปริมาณน้ำไหลบ่าโดยใช้วิธีการ Soil Conservation Service Curve Number หรือ SCS-CN ในพื้นที่ลุ่มน้ำโขงเหนือ ผลการศึกษาพบว่า ปริมาณน้ำไหลบ่าที่มีค่าน้อยที่สุดในปี พ.ศ. 2558 ปี พ.ศ. 2564 ปี พ.ศ. 2570 ปี พ.ศ. 2570 กรณีฝนมากกว่าปกติ และปี พ.ศ. 2570 กรณีฝนน้อยกว่าปกติ ตกอยู่ในพื้นที่ป่า (F) ทั้งหมด โดยมีปริมาณ 459 มิลลิเมตร 731 มิลลิเมตร 749 มิลลิเมตร 671 มิลลิเมตร และ 461 มิลลิเมตร ตามลำดับ และปริมาณน้ำไหลบ่าที่มีค่ามากที่สุดในปี พ.ศ. 2558 ปี พ.ศ. 2564 ปี พ.ศ. 2570 และปี พ.ศ. 2570 กรณีฝนน้อยกว่าปกติ ตกอยู่ในพื้นที่เมือง (U) โดยมีปริมาณ 1,431 มิลลิเมตร 2,155 มิลลิเมตร 1,872 มิลลิเมตร และ 1,335 มิลลิเมตร ตามลำดับ และปริมาณน้ำไหลบ่าที่มีค่ามากที่สุดในปี พ.ศ. 2570 กรณีฝนมากกว่าปกติ ตกอยู่ในพื้นที่อุตสาหกรรม (I) มีปริมาณ 3,032 มิลลิเมตร โดยปริมาณน้ำไหลบ่ามีความสัมพันธ์แบบแปรผันตรงกับปริมาณน้ำฝนเฉลี่ยในแต่ละปี แต่ยังไม่พบความสัมพันธ์ของ การเปลี่ยนแปลงการใช้ประโยชน์ที่ดินกับปริมาณน้ำไหลบ่าอย่างมีนัยสำคัญ ทั้งนี้ จากผลการศึกษา ลักษณะการใช้ประโยชน์ที่ดินแต่ละประเภทส่งผลต่อปริมาณน้ำไหลบ่าโดยตรง ดังนั้น การวางแผนลักษณะการใช้ประโยชน์ที่ดินในอนาคต และการพยากรณ์ปริมาณน้ำฝนที่จะตกในแต่ละปี จึงมีความสำคัญในการวางแผนเพื่อการป้องกันอุทกภัยที่อาจเกิดขึ้น 0026-01-01T00:00:00Z http://202.28.20.112/dspace/handle/123456789/1324 Title: Crisis Monitoring Performance Enhancement: A Case Study of  Lac Cultivation Farm; การเพิ่มประสิทธิภาพการติดตามสภาวะวิกฤต: กรณีศึกษาฟาร์มเพาะเลี้ยงครั่ง Abstract: This research presents an approach to enhance the efficiency of monitoring and fire alert systems in outdoor lac cultivation farms by developing a system capable of accurately detecting fire hazards in highly variable outdoor environments. The system collects environmental data using ESP32 microcontrollers equipped with temperature and humidity sensors (SHT20) and particulate matter sensors (PMS3003). The data are transmitted to the ThingSpeak platform and processed using MATLAB, applying Kalman Filter for signal smoothing and Mahalanobis Distance for anomaly detection. The proposed system achieved a high fire alert precision of 75.41% and a recall of 30.20%, outperforming the Euclidean Distance method, which recorded a precision of 51.06% and a recall of only 15.80%. Furthermore, the F1 Score of the Mahalanobis-based system reached 43.17%, compared to 24.08% for the Euclidean-based system. These results indicate that Mahalanobis Distance significantly reduces false alerts and improves detection accuracy under real-world field conditions. The findings demonstrate that integrating Kalman Filtering with Mahalanobis Distance is effective for detecting fire anomalies in outdoor farming environments. The system provides a reliable foundation for early warning applications in agricultural fire prevention and can be extended to other environmental monitoring contexts requiring robust anomaly detection.; งานวิจัยนี้นำเสนอแนวทางในการเพิ่มประสิทธิภาพของระบบติดตามและแจ้งเตือนสภาวะวิกฤตในฟาร์มเพาะเลี้ยงครั่ง โดยพัฒนาระบบที่สามารถตรวจจับไฟไหม้ได้อย่างแม่นยำในสภาพแวดล้อมกลางแจ้งซึ่งมีความแปรปรวนสูง ระบบดังกล่าวประกอบด้วยการเก็บข้อมูลจากเซนเซอร์ไมโครคอนโทรลเลอร์ ESP32 พร้อมโมดูลวัดอุณหภูมิและความชื้น SHT20 และเซนเซอร์ตรวจจับฝุ่นละออง PMS3003 เพื่อนำข้อมูลไปประมวลผลผ่านแพลตฟอร์ม ThingSpeak ร่วมกับ MATLAB โดยใช้เทคนิค Kalman Filter สำหรับลดสัญญาณรบกวน และ Mahalanobis Distance ในการตรวจจับความผิดปกติ ระบบที่พัฒนาขึ้นสามารถแจ้งเตือนไฟไหม้ได้ด้วยความแม่นยำ (Precision) เท่ากับ 75.41% และมีความสามารถในการตรวจจับเหตุการณ์จริง (Recall) ได้ 30.20% ซึ่งสูงกว่าวิธี Euclidean Distance ที่มีค่า Precision เท่ากับ 51.06% และ Recall เพียง 15.80% นอกจากนี้ ค่า F1 Score ของระบบที่ใช้ Mahalanobis Distance ยังสูงกว่าถึง 43.17% เมื่อเทียบกับ 24.08% ในวิธี Euclidean Distance แสดงถึงความสามารถในการลดการแจ้งเตือนผิดพลาด (False Alerts) ได้ดีกว่าอย่างชัดเจน ผลการทดลองแสดงให้เห็นว่า การใช้ Kalman Filter ร่วมกับ Mahalanobis Distance มีประสิทธิภาพในการตรวจจับไฟไหม้ในฟาร์มกลางแจ้งที่แวดล้อมด้วยปัจจัยแปรปรวนทางธรรมชาติได้อย่างแม่นยำ และสามารถนำไปประยุกต์ใช้กับระบบติดตามสิ่งแวดล้อมในบริบทอื่น ๆ ได้อย่างมีประสิทธิภาพ 0026-01-01T00:00:00Z