rs101-06 Sensor และ Platform ดาวเทียม เครื่องบิน และโดรนมองโลกอย่างไร

rs101-06 Sensor และ Platform ดาวเทียม เครื่องบิน และโดรนมองโลกอย่างไร 

 

Sensor และ Platform ดาวเทียม เครื่องบิน และโดรนมองโลกอย่างไร ถ้า Sensor คือ “ดวงตา” Platform ก็คือ “พาหนะ” ที่พาดวงตานั้นไปอยู่ในตำแหน่งที่เหมาะสม

ในระบบการรับรู้ระยะไกล (Remote Sensing) เรามักพูดถึงภาพดาวเทียม ภาพถ่ายทางอากาศ หรือภาพจากโดรน แต่เบื้องหลังข้อมูลเหล่านั้นมีองค์ประกอบสำคัญสองอย่างที่ต้องแยกให้ออกอย่างชัดเจน คือ Sensor และ Platform

Sensor คืออุปกรณ์ที่ทำหน้าที่ตรวจวัดพลังงานหรือสัญญาณจากวัตถุเป้าหมาย เช่น กล้อง Multispectral, Thermal Sensor, Radar หรือ LiDAR ส่วน Platform คือยานพาหนะหรือระบบที่ใช้ติดตั้ง Sensor เช่น ดาวเทียม เครื่องบิน เฮลิคอปเตอร์ หรือโดรน อธิบายง่าย ๆ ว่า

Sensor = ดวงตา

Platform = พาหนะที่พาดวงตาไปมองโลก

แม้ Sensor ชนิดเดียวกันจะถูกติดตั้งบน Platform ต่างกัน ผลลัพธ์ที่ได้อาจแตกต่างกันอย่างมาก เพราะความสูง พื้นที่ครอบคลุม มุมมอง ความถี่ในการเก็บข้อมูล และความละเอียดเชิงพื้นที่ล้วนสัมพันธ์กับ Platform ที่ใช้

ดังนั้นก่อนเลือกภาพหรือข้อมูล Remote Sensing เราไม่ควรถามเพียงว่า

“ใช้ดาวเทียมอะไรดี?”

แต่ควรถามให้ครบว่า

“ต้องใช้ Sensor แบบใด บน Platform แบบใด จึงเหมาะกับโจทย์ของเรา?”

1. ระบบ Remote Sensing ประกอบด้วยอะไรบ้าง

กระบวนการ Remote Sensing แบบพื้นฐานสามารถเขียนเป็นลำดับได้ว่า

Energy Source → Atmosphere → Target → Sensor → Platform → Digital Data → Processing → Information → Application

ในทางปฏิบัติ Sensor และ Platform ทำงานร่วมกันอย่างแยกไม่ออก

Sensor เป็นตัวกำหนดว่า

• ตรวจวัดช่วงคลื่นอะไร

• ตรวจพลังงานแบบ Passive หรือ Active

• ความละเอียดเชิง Spectral เท่าไร

• ความละเอียดเชิง Radiometric เท่าไร

ส่วน Platform มีผลต่อ

• ระยะห่างจากพื้นโลก

• พื้นที่ครอบคลุม

• ความละเอียดเชิงพื้นที่

• ความถี่ในการสำรวจ

• Viewing Geometry

• ความยืดหยุ่นในการเก็บข้อมูล

จึงกล่าวได้ว่า Sensor บอกว่าเรามองอะไร ส่วน Platform บอกว่าเรามองจากที่ไหนและมองได้บ่อยแค่ไหน

2. Sensor คืออะไร

Sensor คือเครื่องมือที่ตรวจวัดพลังงานแม่เหล็กไฟฟ้าหรือสัญญาณที่สัมพันธ์กับวัตถุเป้าหมาย

Sensor ไม่ได้รู้ว่าวัตถุที่กำลังตรวจคือ

ป่า

น้ำ

ดิน

อาคาร

หรือหิน

Sensor เพียงตรวจวัดค่าพลังงานตามช่วงคลื่นที่ออกแบบไว้ แล้วบันทึกเป็นค่าดิจิทัล

จากนั้นมนุษย์หรือ Algorithm จึงเป็นผู้ตีความ

ดังนั้นกระบวนการคือ

Physical World → Energy → Sensor Measurement → Digital Data → Interpretation

ไม่ใช่

Physical World → Sensor → Object Name

3. Optical Sensor

Optical Sensor เป็น Sensor ที่ใช้กันแพร่หลายมากใน Remote Sensing

ระบบเหล่านี้ตรวจวัดพลังงานในช่วง

Visible

Near Infrared

และ

Shortwave Infrared

โดยทั่วไปเป็น Passive Sensor ที่ใช้พลังงานจากดวงอาทิตย์ซึ่งสะท้อนจากพื้นผิวโลก

ตัวอย่างงาน ได้แก่

• Land Cover Mapping

• Vegetation Monitoring

• Agriculture

• Water Mapping

• Urban Analysis

• Geological Mapping

ดาวเทียมสำคัญ เช่น

Landsat

Sentinel-2

และดาวเทียม Optical ความละเอียดสูงหลายระบบ

จุดเด่นของ Optical Imagery คือภาพเข้าใจง่าย และสามารถใช้ Spectral Signature วิเคราะห์วัตถุได้หลากหลาย

ข้อจำกัดสำคัญคือ

Cloud + Haze + Illumination

เพราะระบบต้องอาศัยสภาพแสงและบรรยากาศที่เหมาะสม

4. Multispectral Sensor

Multispectral Sensor ตรวจวัดพลังงานในหลาย Band ที่เลือกไว้

ตัวอย่างเช่น

Blue

Green

Red

NIR

SWIR

แต่ละ Band ช่วยให้มองคุณสมบัติของวัตถุในมิติที่แตกต่างกัน

เมื่อรวมหลาย Band เราสามารถสร้าง

True Color

False Color

Spectral Index

หรือใช้เป็น Feature สำหรับ Machine Learning

Multispectral Sensor จึงเป็นหัวใจของ Remote Sensing สมัยใหม่ โดยเฉพาะงานที่ต้องการความสมดุลระหว่าง

Spatial Resolution + Spectral Information + Coverage

5. Hyperspectral Sensor

Hyperspectral Sensor แตกต่างจาก Multispectral ตรงที่มี Band จำนวนมากและแคบกว่า

แทนที่จะมีเพียงไม่กี่ Band ระบบอาจมีหลายสิบหรือหลายร้อย Band

ทำให้สามารถสร้าง Spectral Curve ที่ละเอียดมาก

จึงมีประโยชน์กับงาน

• Mineral Identification

• Alteration Mapping

• Vegetation Species

• Soil Analysis

• Material Identification

ข้อดีคือ Spectral Resolution สูง

ข้อจำกัดคือ

Data Volume สูง

Processing ซับซ้อน

และต้องมีความเข้าใจด้าน Spectroscopy มากขึ้น

Hyperspectral จึงเหมาะกับงานที่ต้องการ “รู้ว่าวัสดุคืออะไร” มากกว่าการดูรูปร่างเพียงอย่างเดียว

6. Thermal Infrared Sensor

Thermal Sensor ตรวจวัดพลังงานความร้อนที่วัตถุแผ่ออกมา

ต่างจาก Optical Reflective Sensor ที่วัดพลังงานจากดวงอาทิตย์ที่สะท้อนกลับ

Thermal Remote Sensing มีประโยชน์กับ

Land Surface Temperature

Urban Heat Island

Wildfire

Volcanic Activity

Industrial Heat

และการศึกษาความแตกต่างเชิงอุณหภูมิของพื้นผิว

แต่ต้องระวังว่า Thermal Sensor วัด Radiance ซึ่งต้องผ่านกระบวนการ Calibration และคำนึงถึง Emissivity ก่อนประมาณอุณหภูมิพื้นผิวอย่างเหมาะสม

ดังนั้น Thermal Image ไม่ใช่ “ภาพอุณหภูมิ” โดยตรงทันทีทุกกรณี

7. Radar Sensor

Radar เป็น Active Sensor

ระบบส่ง Microwave ไปยังพื้นผิวโลก แล้ววัดพลังงานที่กระเจิงกลับมายัง Sensor หรือ Backscatter

ข้อได้เปรียบสำคัญคือ

ไม่ต้องใช้แสงอาทิตย์

สามารถทำงานได้ทั้ง

กลางวันและกลางคืน

และ Microwave บางช่วงสามารถผ่านเมฆได้ดี

จึงเหมาะกับงาน

• Flood Mapping

• Soil Moisture

• Forest Structure

• Sea Ice

• Ground Deformation

• Disaster Monitoring

ตัวอย่างที่สำคัญคือ

Synthetic Aperture Radar (SAR)

เช่นข้อมูลจาก Sentinel-1

Radar มีลักษณะการแปลภาพแตกต่างจาก Optical มาก เพราะ Backscatter ขึ้นกับ

Roughness + Moisture + Geometry + Wavelength + Polarization

8. LiDAR Sensor

LiDAR ย่อมาจาก

Light Detection and Ranging

เป็น Active Sensor ที่ส่ง Laser ไปยังเป้าหมายแล้ววัดเวลาที่แสงสะท้อนกลับ

สามารถใช้คำนวณระยะทางอย่างละเอียด

LiDAR มีประโยชน์มากในการสร้าง

Point Cloud

จากนั้นสามารถประมวลผลเป็น

Digital Surface Model (DSM)

Digital Terrain Model (DTM)

Canopy Height

และแบบจำลองสามมิติ

งานที่นิยมใช้ ได้แก่

• Forest Structure

• Terrain Mapping

• Building Modeling

• Corridor Survey

• Archaeology

• Geomorphology

ความสามารถในการสร้างข้อมูล 3D รายละเอียดสูงเป็นจุดแข็งที่สำคัญของ LiDAR

9. Sensor ไม่ได้มีเฉพาะบนดาวเทียม

Sensor สามารถติดตั้งบน Platform ได้หลายระดับ

หากเรียงจากระดับสูงลงมาอาจเป็น

Satellite

↓

Aircraft

↓

UAV / Drone

↓

Ground-based Sensor

แต่ละ Platform มีข้อดีและข้อจำกัดแตกต่างกัน

หลักคิดสำคัญคือ

พื้นที่กว้าง → มักต้องใช้ Platform สูง

ต้องการรายละเอียดสูง → มักต้องเข้าใกล้พื้นมากขึ้น

แต่ความสัมพันธ์นี้ไม่ใช่กฎตายตัว เพราะยังขึ้นกับคุณสมบัติของ Sensor ด้วย

10. Satellite Platform

ดาวเทียมเป็น Platform ที่สำคัญที่สุดของ Earth Observation เพราะสามารถสำรวจพื้นที่ขนาดใหญ่อย่างสม่ำเสมอ

ข้อดีสำคัญ ได้แก่

Coverage กว้าง

สามารถเก็บข้อมูลระดับจังหวัด ประเทศ ทวีป หรือระดับโลก

Repeat Observation

กลับมาสำรวจพื้นที่เดิมซ้ำได้

Long-term Archive

บางโครงการมีข้อมูลต่อเนื่องหลายสิบปี

Standardized Data

ข้อมูลมีมาตรฐานและสามารถเปรียบเทียบหลายช่วงเวลาได้

เหมาะกับ

Regional / National / Global Monitoring

11. ข้อจำกัดของดาวเทียม

แม้ดาวเทียมจะมองพื้นที่กว้าง แต่ไม่ได้เหมาะกับทุกงาน

ข้อจำกัดอาจประกอบด้วย

• Spatial Resolution จำกัดตาม Sensor

• รอบการกลับมาสังเกตพื้นที่

• Cloud ใน Optical Sensor

• Viewing Geometry

• ค่าใช้จ่ายสำหรับข้อมูลความละเอียดสูงบางประเภท

ตัวอย่างเช่น หากต้องการตรวจรอยแตกกว้างไม่กี่เซนติเมตรบนเขื่อน ภาพดาวเทียมความละเอียด 10 เมตรย่อมไม่เหมาะ

จึงต้องเลือก Platform ที่ใกล้พื้นมากขึ้น

12. Satellite Orbit สำคัญอย่างไร

ดาวเทียมไม่ได้โคจรแบบเดียวกันทั้งหมด

รูปแบบวงโคจรมีผลต่อ

พื้นที่ที่มองเห็น

ความถี่ในการสำรวจ

และ

เวลาที่ผ่านพื้นที่

วงโคจรที่สำคัญใน Earth Observation ได้แก่

Polar / Near-polar Orbit

และ

Geostationary Orbit

13. Polar Orbit

ดาวเทียม Earth Observation จำนวนมากใช้วงโคจรใกล้ขั้วโลก

ดาวเทียมเคลื่อนผ่านบริเวณใกล้ขั้วโลก ขณะที่โลกหมุนอยู่ด้านล่าง ทำให้สามารถเก็บข้อมูลพื้นที่ส่วนใหญ่ของโลกได้ทีละแถบ

วงโคจรประเภทนี้เหมาะกับ

• Mapping

• Land Monitoring

• Environmental Observation

• Earth Science

ตัวอย่างภารกิจ Earth Observation จำนวนมากอยู่ในกลุ่มนี้

14. Sun-synchronous Orbit

ดาวเทียม Optical Earth Observation จำนวนมากใช้ Sun-synchronous Orbit

แนวคิดคือดาวเทียมผ่านพื้นที่ในเวลาท้องถิ่นใกล้เคียงกันในแต่ละรอบที่เกี่ยวข้องกับการสำรวจซ้ำ

ข้อดีคือ Solar Illumination Geometry ค่อนข้างสม่ำเสมอเมื่อเปรียบเทียบข้อมูลต่างวันภายใต้เงื่อนไขที่เหมาะสม

จึงมีประโยชน์มากสำหรับ

Change Detection

และ

Time-series Analysis

เพราะช่วยลดความแตกต่างที่เกิดจากเวลาของแสงอาทิตย์

15. Geostationary Satellite

Geostationary Satellite อยู่เหนือเส้นศูนย์สูตรที่ระดับความสูงประมาณ 35,786 กิโลเมตร และโคจรด้วยคาบสัมพันธ์กับการหมุนของโลกจนดูเหมือนอยู่เหนือจุดเดิม

จุดแข็งคือสามารถสังเกตพื้นที่เดิมได้ต่อเนื่องและบ่อยมาก

จึงเหมาะกับ

Weather Monitoring

Cloud

Storm Tracking

Atmospheric Observation

ข้อแลกเปลี่ยนคืออยู่ไกลจากโลกมาก ทำให้ Spatial Resolution โดยทั่วไปไม่ละเอียดเท่าดาวเทียมวงโคจรต่ำสำหรับ Sensor ที่มีขนาดและเทคโนโลยีเทียบเคียงกัน

16. Aircraft Platform

เครื่องบินสำรวจอยู่ต่ำกว่าดาวเทียมมาก

จึงสามารถเก็บข้อมูลที่มีรายละเอียดสูงและมีความยืดหยุ่นในการกำหนดเส้นทางบิน

Sensor ที่ติดตั้งบน Aircraft อาจประกอบด้วย

Aerial Camera

Multispectral

Hyperspectral

Thermal

LiDAR

ข้อดีสำคัญคือ

• Spatial Resolution สูง

• เลือกช่วงเวลาสำรวจได้

• เลือกพื้นที่และ Flight Line ได้

• รองรับ Sensor ขนาดใหญ่

เหมาะกับ

Detailed Mapping

Engineering Survey

Forest Inventory

Coastal Survey

และงานเฉพาะพื้นที่

17. ข้อจำกัดของ Aircraft

การใช้เครื่องบินมีต้นทุนด้าน

Aircraft

Fuel

Pilot

Flight Planning

Permission

และ

Data Processing

จึงอาจไม่เหมาะกับงานที่ต้องการสำรวจพื้นที่กว้างเป็นประจำทุกไม่กี่วัน

แต่เหมาะอย่างยิ่งกับโครงการที่ต้องการข้อมูลละเอียดสูงในพื้นที่ขนาดกลางถึงใหญ่

18. UAV / Drone Platform

โดรนทำให้ Remote Sensing รายละเอียดสูงเข้าถึงผู้ใช้งานได้ง่ายขึ้นมาก

Drone สามารถบินต่ำและเก็บภาพที่ละเอียดระดับ

เซนติเมตร

ได้ในหลายระบบและสภาพการบิน

Sensor ที่ติดตั้งได้ เช่น

RGB Camera

Multispectral Camera

Thermal Camera

LiDAR

จึงนิยมใช้ใน

• Precision Agriculture

• Construction

• Mining

• Archaeology

• Geological Survey

• Disaster Assessment

• Environmental Monitoring

19. จุดแข็งของ Drone

Drone มีข้อได้เปรียบที่สำคัญคือ

Flexible

เลือกวันและเวลาบินได้ค่อนข้างยืดหยุ่นภายใต้กฎระเบียบ

High Spatial Resolution

รายละเอียดสูงมาก

Fast Deployment

สามารถนำเข้าสำรวจพื้นที่เฉพาะจุดได้รวดเร็ว

Repeat Survey

เหมาะกับการสำรวจซ้ำ เช่น Site Monitoring

ดังนั้น Drone เหมาะกับคำถามในระดับ

“จุดนี้เกิดอะไรขึ้น?”

มากกว่าคำถามระดับ

“ทั้งประเทศกำลังเปลี่ยนอย่างไร?”

20. ข้อจำกัดของ Drone

Drone ไม่ได้ดีกว่าดาวเทียมในทุกด้าน

ข้อจำกัด ได้แก่

• Coverage จำกัด

• Battery

• Weather

• Flight Regulation

• Line-of-sight / Operational Constraints

• Data Volume

• Ground Control / Positioning Accuracy ตามวัตถุประสงค์

ถ้าต้องบินหลายหมื่นตารางกิโลเมตร ดาวเทียมอาจมีประสิทธิภาพกว่ามาก

ดังนั้น Platform ต้องเลือกตาม Scale ของงาน

21. Satellite vs Aircraft vs Drone

สามารถสรุปแนวคิดแบบง่ายได้ว่า

Satellite

Coverage สูงมาก

Repeatability สูง

รายละเอียดต่ำถึงสูงตามระบบ

เหมาะกับการติดตามพื้นที่กว้าง

Aircraft

Coverage ปานกลาง

รายละเอียดสูง

Flexible Mission

เหมาะกับ Detailed Regional Survey

Drone

Coverage ต่ำ

รายละเอียดสูงมาก

Flexible Local Survey

เหมาะกับพื้นที่เฉพาะจุด

ไม่มี Platform ใดดีที่สุดเสมอไป

22. Spatial Resolution กับความสูงของ Platform

โดยแนวคิดทั่วไป Platform ที่อยู่ใกล้พื้นสามารถมองพื้นที่ต่อ Pixel ได้เล็กลงง่ายกว่า ภายใต้ Sensor ที่เหมาะสม

ตัวอย่างเชิงแนวคิด

ดาวเทียม → เมตรถึงหลายร้อยเมตรตาม Sensor

เครื่องบิน → เซนติเมตรถึงเมตร

Drone → เซนติเมตร

แต่ Spatial Resolution ไม่ได้ขึ้นกับความสูงเพียงอย่างเดียว ยังขึ้นกับ

Focal Length

Detector Size

Optics

Sensor Design

และ Geometry

จึงไม่ควรใช้ความสูงเป็นตัวอธิบาย Resolution เพียงปัจจัยเดียว

23. Swath Width คืออะไร

Swath Width คือความกว้างของพื้นที่ที่ Sensor สามารถบันทึกได้ในหนึ่งแนวการผ่าน

Sensor ที่มี Swath กว้างสามารถเก็บพื้นที่ได้มาก

แต่บ่อยครั้งมี Trade-off กับ Spatial Resolution

ตัวอย่างเชิงแนวคิด

Wide Swath → Large Coverage

Narrow Swath → Potentially Higher Detail

ดาวเทียมสำหรับ Global Monitoring จึงมักมี Swath กว้าง ขณะที่ดาวเทียมความละเอียดสูงบางประเภทมี Swath แคบกว่า

24. Trade-off ของ Remote Sensing

หนึ่งในแนวคิดที่สำคัญที่สุดของการเลือก Sensor คือ ไม่มีข้อมูลชุดใดให้ทุกอย่างดีที่สุดพร้อมกัน

เราต้องเลือกระหว่าง

Spatial Resolution

Spectral Resolution

Temporal Resolution

Radiometric Resolution

Coverage

Cost

ตัวอย่างเช่น

ภาพละเอียดมากอาจมีพื้นที่ครอบคลุมน้อย

Hyperspectral มี Spectral Data มาก แต่ Data Volume สูง

ดาวเทียม Weather มี Temporal Resolution สูงมาก แต่อาจมี Spatial Resolution ไม่ละเอียดเท่าดาวเทียม Mapping

นี่เรียกว่า Sensor Trade-off

25. Viewing Geometry

Sensor ไม่ได้มองโลกจากมุมเดียวเสมอไป

เราต้องพิจารณา

Nadir

คือการมองเกือบตรงลงด้านล่าง

และ

Off-nadir

คือการมองเอียงออกจากแนวดิ่ง

Viewing Angle มีผลต่อ

• Ground Resolution

• Distortion

• Shadow

• Visibility

• Revisit Opportunity

การมอง Off-nadir สามารถช่วยให้ดาวเทียมบางระบบถ่ายพื้นที่เป้าหมายได้บ่อยขึ้น แต่ Geometry ของภาพจะซับซ้อนขึ้น

26. Solar Geometry

สำหรับ Optical Remote Sensing ตำแหน่งดวงอาทิตย์มีผลมาก

ปัจจัย เช่น

Sun Elevation

Sun Azimuth

มีผลต่อ

Brightness

Shadow

และ Spectral Measurement

พื้นที่ภูเขาจะได้รับผลเด่นชัด เพราะลาดเขาที่หันเข้าหาดวงอาทิตย์และลาดที่หันออกอาจมีความสว่างต่างกันมาก ทั้งที่เป็นวัตถุชนิดเดียวกัน

จึงต้องระวังเรื่อง Topographic Effect

27. Sensor Geometry กับพื้นที่ภูเขา

ภูมิประเทศสูงชันสามารถทำให้เกิด

Shadow

Foreshortening

Layover

ตามระบบ Sensor และ Geometry

โดยเฉพาะ Radar Imagery มีลักษณะ Distortion เฉพาะ เช่น

Layover และ Radar Shadow

ดังนั้นการวิเคราะห์พื้นที่ภูเขาต้องเข้าใจ Geometry ของ Sensor ไม่ใช่ดูเพียงค่า Pixel

28. Pushbroom และ Whiskbroom

Optical Sensor บางระบบมีวิธี Scan ภาพต่างกัน

Whiskbroom

ใช้กระจกหรือระบบ Scan กวาดข้ามแนวการเคลื่อนที่

Pushbroom

ใช้ Detector Array ตรวจวัดเป็นแนวยาวพร้อมกัน แล้ว Platform เคลื่อนที่ไปข้างหน้า

ระบบสมัยใหม่จำนวนมากใช้ Pushbroom

แนวคิดนี้ช่วยให้เข้าใจว่าภาพดาวเทียมไม่ได้เกิดจากการ “กดชัตเตอร์หนึ่งครั้ง” เหมือนกล้องทั่วไปเสมอไป แต่สามารถสร้างภาพจากการ Scan พื้นผิวต่อเนื่อง

29. Sensor Calibration

Sensor ต้องได้รับการ Calibration เพื่อให้ค่าที่ตรวจวัดมีความสัมพันธ์กับค่าทางกายภาพอย่างเหมาะสม

เมื่อ Sensor ทำงานเป็นเวลาหลายปี ประสิทธิภาพของ Detector อาจเปลี่ยนแปลง

หน่วยงานดาวเทียมจึงมี

Radiometric Calibration

และการตรวจสอบ Sensor อย่างต่อเนื่อง

นี่เป็นเหตุผลที่ข้อมูลจากภารกิจมาตรฐานมี Metadata และ Calibration Coefficients

ผู้ใช้ไม่ควรมองภาพดาวเทียมเป็นเพียงไฟล์รูปภาพ แต่เป็น Scientific Measurement

30. Platform Stability สำคัญอย่างไร

Platform ต้องทราบตำแหน่งและทิศทางของ Sensor อย่างแม่นยำ

ข้อมูลสำคัญ เช่น

Position

Altitude

Attitude

Roll

Pitch

Yaw

มีผลต่อ Geometry ของภาพ

สำหรับ Drone และ Aircraft ข้อมูล GNSS และ IMU มีบทบาทสำคัญในการกำหนดตำแหน่งและ Orientation

ความผิดพลาดของ Platform สามารถส่งผลต่อความแม่นยำเชิงตำแหน่งของผลิตภัณฑ์ปลายทาง

31. Geolocation ของข้อมูล

ภาพ Remote Sensing จะมีประโยชน์กับ GIS ได้ก็ต่อเมื่อเรารู้ว่าแต่ละ Pixel อยู่ตรงไหนบนโลก

กระบวนการ Georeferencing และ Orthorectification ช่วยทำให้ข้อมูลสอดคล้องกับระบบพิกัด

งานที่ต้องการความแม่นยำสูงอาจต้องใช้

Ground Control Points (GCP)

หรือเทคนิค Positioning อื่นร่วมด้วย

โดยเฉพาะ Drone Photogrammetry

32. Satellite Constellation

ในอดีตภารกิจดาวเทียมอาจมีดาวเทียมเพียงดวงเดียว

ปัจจุบันมีแนวคิด Satellite Constellation

คือการใช้ดาวเทียมหลายดวงทำงานร่วมกัน

ข้อดีคือเพิ่ม

Temporal Resolution

และ

Revisit Frequency

ทำให้สามารถตรวจพื้นที่เดิมได้บ่อยขึ้น

เหมาะกับ

• Agriculture Monitoring

• Disaster Response

• Maritime Surveillance

• Rapid Change Detection

นี่เป็นแนวโน้มสำคัญของ Earth Observation สมัยใหม่

33. CubeSat และ Small Satellite

เทคโนโลยีดาวเทียมขนาดเล็กทำให้การสร้าง Earth Observation System มีต้นทุนลดลงในหลายกรณี

CubeSat และ Small Satellite สามารถรวมเป็น Constellation ขนาดใหญ่

จุดเด่นคือ

High Revisit

และความสามารถในการพัฒนาภารกิจเฉพาะทาง

แต่มีข้อจำกัดด้าน

Sensor Size

Power

Communication

และ Calibration เมื่อเทียบกับดาวเทียมขนาดใหญ่บางระบบ

ดังนั้น Small Satellite ไม่ได้มาแทนระบบใหญ่ทั้งหมด แต่เพิ่มทางเลือกใหม่ให้ Earth Observation

34. เลือก Platform จากขนาดพื้นที่

คำถามแรกที่ควรถามคือ

พื้นที่ใหญ่แค่ไหน?

หากศึกษา

ทั้งประเทศไทย

อาจเลือกดาวเทียม

หากศึกษา

จังหวัดหรือพื้นที่โครงการขนาดใหญ่และต้องการรายละเอียดสูง

Aircraft อาจเหมาะ

หากศึกษา

เหมืองหนึ่งแห่ง

ฟาร์มหนึ่งแปลง

หน้าผาหนึ่งแนว

Drone อาจเหมาะกว่า

Scale ของคำถามจึงช่วยกำหนด Platform

35. เลือก Sensor จากสิ่งที่ต้องการวัด

หลังจากเลือก Scale แล้ว ต้องถามว่า

ต้องการวัดอะไร?

หากต้องการดูพืช

→ Optical / Multispectral

หากต้องการวัดความร้อน

→ Thermal

หากต้องการทำงานผ่านเมฆ

→ SAR

หากต้องการ 3D Terrain รายละเอียดสูง

→ LiDAR

หากต้องการจำแนกแร่

→ Multispectral SWIR หรือ Hyperspectral ตามโจทย์

นี่คือหลักคิด

Target → Wavelength → Sensor → Platform

36. ตัวอย่างที่ 1 ติดตามป่าทั้งประเทศ

โจทย์คือ

ติดตาม Forest Cover ทุกปี

พื้นที่ใหญ่มาก

ต้องการข้อมูลสม่ำเสมอ

ไม่จำเป็นต้องละเอียดระดับเซนติเมตร

ทางเลือกที่เหมาะสมอาจเป็น

Satellite Multispectral

เช่น Landsat หรือ Sentinel-2

จุดเด่นคือ

Coverage กว้าง

มี Archive

และเหมาะกับ Time Series

37. ตัวอย่างที่ 2 ตรวจสุขภาพพืชในฟาร์ม

โจทย์คือ

ตรวจความแตกต่างภายในแปลงเกษตร

พื้นที่ไม่ใหญ่มาก

ต้องการรายละเอียดสูง

อาจเลือก

Drone + Multispectral Sensor

เพื่อสร้าง

NDVI

Vegetation Map

และแผนที่ความแปรปรวนภายในแปลง

แต่หากต้องติดตามหลายพันแปลงทั่วประเทศ ดาวเทียมอาจมีประสิทธิภาพกว่ามาก

38. ตัวอย่างที่ 3 น้ำท่วมขณะมีเมฆ

โจทย์คือ

ตรวจ Flood Extent หลังฝนหนัก

Optical Imagery อาจมีเมฆมาก

จึงเลือก

Satellite SAR

เช่น Sentinel-1

เพื่อช่วยตรวจพื้นที่น้ำ

นี่เป็นตัวอย่างที่แสดงว่า

Sensor Type สำคัญกว่า Spatial Resolution เพียงอย่างเดียว

ภาพ Optical ที่ละเอียดกว่าอาจไม่มีประโยชน์หากเมฆบดบังทั้งหมด

39. ตัวอย่างที่ 4 สำรวจหน้าผาทางธรณีวิทยา

ต้องการ

3D Model

รายละเอียดโครงสร้างหิน

พื้นที่ค่อนข้างเล็ก

อาจใช้

Drone Photogrammetry

หรือ

Drone LiDAR

ข้อมูลสามารถสร้าง

Point Cloud

Orthophoto

3D Surface

และใช้วิเคราะห์ Geological Structure

ในกรณีนี้ดาวเทียมอาจให้รายละเอียดไม่เพียงพอ

40. ตัวอย่างที่ 5 Mineral Mapping

หากต้องการศึกษา Alteration Minerals ในพื้นที่แห้งแล้งและมีหินโผล่ดี

โจทย์สำคัญคือ Spectral Information

จึงอาจเลือก

SWIR Multispectral

หรือ

Hyperspectral Sensor

บน Satellite หรือ Aircraft

ขึ้นอยู่กับ

พื้นที่ศึกษา

รายละเอียดที่ต้องการ

Budget

และ Data Availability

นี่แสดงให้เห็นว่า Platform และ Sensor ต้องถูกเลือกพร้อมกัน

41. Drone ไม่ได้แทน Satellite

ปัจจุบัน Drone ได้รับความนิยมมาก จนบางครั้งเกิดความเข้าใจว่า Drone สามารถแทน Satellite ได้

ในความเป็นจริงทั้งสองมีบทบาทคนละ Scale

Drone เหมาะกับ

Local Detail

Satellite เหมาะกับ

Large-scale Repeated Observation

การทำงานที่มีประสิทธิภาพที่สุดอาจใช้ทั้งสองร่วมกัน

Satellite → Screening

↓

Drone → Detailed Survey

↓

Field Survey → Verification

นี่คือแนวคิด Multi-platform Remote Sensing

42. Data Fusion ระหว่าง Platform

ข้อมูลจากหลาย Platform สามารถนำมารวมกัน

ตัวอย่าง

Satellite Optical

Satellite SAR

Drone

LiDAR

Field Data

แต่ละระบบให้ข้อมูลคนละมิติ

Satellite ให้ Coverage

Drone ให้ Detail

LiDAR ให้ Structure

Field Survey ให้ Ground Truth

เมื่อรวมกันเราจะได้ความเข้าใจพื้นที่ที่สมบูรณ์มากขึ้น

43. Sensor Fusion

นอกจากรวม Platform แล้วยังสามารถรวม Sensor หลายประเภท

เช่น

Optical + SAR

Optical ให้ Spectral Information

SAR ให้ข้อมูลเกี่ยวกับ Roughness, Moisture และ Structure

หรือ

Multispectral + LiDAR

Multispectral ให้ Spectral Signature

LiDAR ให้ Height และ Structure

การรวมข้อมูลเหล่านี้สามารถช่วยเพิ่มประสิทธิภาพ Classification และ GeoAI Model

44. Platform กับ Temporal Resolution

ถ้าต้องการข้อมูลบ่อยมาก Platform ต้องสามารถกลับมาสังเกตพื้นที่ได้บ่อย

Satellite Constellation เหมาะกับการติดตามพื้นที่กว้างแบบถี่

Drone สามารถบินซ้ำได้ตามต้องการในพื้นที่เล็ก แต่ต้องมีคนวางแผนและปฏิบัติการ

ดังนั้น Temporal Resolution ไม่ได้หมายถึงวงโคจรดาวเทียมเพียงอย่างเดียว แต่เกี่ยวข้องกับความสามารถของระบบทั้งหมดในการเก็บข้อมูลซ้ำ

45. Cost เป็นส่วนหนึ่งของการเลือก Sensor

ข้อมูลที่ดีที่สุดทางเทคนิคอาจไม่ใช่ข้อมูลที่ดีที่สุดสำหรับโครงการ

ต้องพิจารณา

Data Cost

Acquisition Cost

Processing Cost

Storage

Personnel

และ

Time

ตัวอย่างเช่นข้อมูล Sentinel และ Landsat เปิดให้ใช้งานโดยไม่มีค่าซื้อภาพในหลายกรณี จึงเหมาะกับงานขนาดใหญ่และ Time Series

ขณะที่ Drone อาจมีต้นทุนต่ำต่อพื้นที่เล็ก แต่แพงมากหากต้องสำรวจพื้นที่มหาศาล

จึงต้องคิดเป็น Total Cost of Information

46. Resolution สูงไม่ได้หมายความว่าดีกว่าเสมอ

หากโจทย์คือ

“ติดตามพื้นที่ป่าทั้งประเทศทุกเดือน”

ภาพรายละเอียด 10 เซนติเมตรอาจมีข้อมูลมากเกินความจำเป็น

Data Volume มหาศาล

Processing ช้า

และ Cost สูง

ข้อมูล 10–30 เมตรอาจเหมาะกว่า

ดังนั้นหลักคิดคือ

Use the resolution you need, not the highest resolution available

หรือ

เลือกความละเอียดให้เหมาะกับคำถาม ไม่ใช่เลือกเพราะตัวเลขสูงสุด

47. Sensor และ Platform กับ GeoAI

GeoAI ต้องการข้อมูลจำนวนมาก แต่คุณภาพของ Model ขึ้นอยู่กับ Sensor และ Platform ที่สร้างข้อมูลนั้น

ตัวอย่าง AI Object Detection อาคารต้องใช้ภาพละเอียดพอที่จะเห็นอาคาร

AI Mineral Classification ต้องใช้ Spectral Bands ที่สัมพันธ์กับแร่

AI Flood Mapping ต้องมี Sensor ที่สามารถได้ข้อมูลในช่วงเหตุการณ์

ดังนั้น

AI ไม่สามารถสร้างข้อมูลที่ Sensor ไม่เคยตรวจวัด

นี่คือหลักสำคัญมาก

48. ก่อนเลือก AI ให้เลือก Sensor ให้ถูก

สมมติเราต้องการตรวจต้นไม้แต่ละต้น แต่ใช้ภาพ Pixel 30 เมตร

ต่อให้ใช้ Deep Learning ที่ทรงพลังเพียงใด ก็ไม่สามารถเรียกคืนรายละเอียดจริงที่ไม่อยู่ในข้อมูลต้นฉบับได้อย่างน่าเชื่อถือ

ดังนั้น Workflow ควรเป็น

Problem

↓

Target

↓

Required Scale

↓

Required Wavelength

↓

Sensor

↓

Platform

↓

Data

↓

Analysis / AI

ไม่ใช่เริ่มจาก AI ก่อน

49. คำถาม 6 ข้อก่อนเลือก Sensor และ Platform

ก่อนซื้อข้อมูลหรือวางแผนสำรวจ ควรถาม

1. ต้องการศึกษาอะไร?

2. พื้นที่ใหญ่แค่ไหน?

3. ต้องการรายละเอียดเท่าไร?

4. ต้องการข้อมูลบ่อยเพียงใด?

5. ต้องใช้ Wavelength อะไร?

6. งบประมาณและข้อจำกัดคืออะไร?

หากตอบทั้ง 6 ข้อนี้ได้ การเลือก Sensor และ Platform จะมีเหตุผลมากขึ้น

50. จาก Sensor สู่ Information

สุดท้าย Sensor และ Platform เป็นเพียงต้นทางของข้อมูล

ข้อมูลจะมีคุณค่าก็ต่อเมื่อผ่านกระบวนการ

Sensor Measurement

↓

Digital Data

↓

Calibration

↓

Geometric Processing

↓

Image Processing

↓

Analysis

↓

Validation

↓

GIS

↓

Information

↓

Decision

ดังนั้น Remote Sensing จึงเป็น “ระบบ” ตั้งแต่การตรวจวัดพลังงานไปจนถึงการนำข้อมูลไปใช้

สิ่งที่ควรจำจาก RS101-06

หากต้องจำเพียง 6 เรื่อง ให้จำว่า

1. Sensor คือเครื่องมือที่ตรวจวัดพลังงานหรือสัญญาณ

2. Platform คือสิ่งที่พา Sensor ไปอยู่ในตำแหน่งสำหรับเก็บข้อมูล

3. Satellite เหมาะกับพื้นที่กว้างและการติดตามซ้ำ

4. Aircraft เหมาะกับพื้นที่ปานกลางและรายละเอียดสูง

5. Drone เหมาะกับพื้นที่เล็กและรายละเอียดสูงมาก

6. ต้องเลือก Sensor จากสิ่งที่ต้องการวัด และเลือก Platform จาก Scale และรูปแบบการสำรวจ

ไม่มี Sensor หรือ Platform ใดดีที่สุดสำหรับทุกงาน

สรุป

Remote Sensing จะเกิดขึ้นไม่ได้หากไม่มี Sensor ที่เหมาะสมและ Platform ที่พา Sensor ไปอยู่ในตำแหน่งที่ สามารถตรวจวัดโลกได้ Sensor มีหลายประเภทตั้งแต่ Optical, Multispectral, Hyperspectral, Thermal, Radar จนถึง LiDAR แต่ละประเภทมองโลกผ่านช่วงคลื่นและหลักการทางฟิสิกส์ที่แตกต่างกัน ขณะเดียวกัน Platform ได้แก่ Satellite Aircraft และ Drone ก็มีความสามารถแตกต่างกันด้าน Coverage, Spatial Resolution, Temporal Flexibility, Cost และ Operational Complexity 

หลักสำคัญจึงไม่ใช่การถามว่า “ดาวเทียม หรือ Sensor ตัวไหนดีที่สุด?” แต่ต้องถามว่า “คำถามของเราต้องการข้อมูลอะไร ในพื้นที่กว้างแค่ไหน ละเอียดเท่าไร และต้องได้ข้อมูลบ่อยเพียงใด?” เมื่อรู้คำตอบเหล่านี้ เราจึงเลือก Sensor และ Platform ได้อย่างถูกต้อง เพราะใน Remote Sensing ดวงตาที่ดีที่สุด ไม่ใช่ดวงตาที่มองได้ละเอียดที่สุดเสมอไป แต่คือดวงตาที่ มองเห็นสิ่งที่เราต้องการศึกษา ในระดับและเวลาที่เหมาะสมที่สุด

#RS101 #RemoteSensing #Sensor #Platform #Satellite #Aircraft #Drone #UAV #OpticalRemoteSensing #Multispectral #Hyperspectral #ThermalRemoteSensing #Radar #SAR #LiDAR #EarthObservation #SatelliteImagery #GIS #Geoinformatics #GeoAI

.