การเปรียบเทียบวิธีการที่เหมาะสมที่สุดในการสร้างแผนที่ความอ่อนไหวต่อการเกิดน้ำท่วมบริเวณลุ่มน้ำย่อยคลองนาทวี จังหวัดสงขลา

Main Article Content

Thidapath Anucharn

บทคัดย่อ

งานวิจัยนี้มีวัตถุประสงค์เพื่อกำหนดวิธีการที่เหมาะสมที่สุดในการสร้างแผนที่ความอ่อนไหวต่อการเกิดน้ำท่วม บริเวณลุ่มน้ำย่อยคลองนาทวี จังหวัดสงขลา ด้วยการประยุกต์ใช้ระบบสารสนเทศภูมิศาสตร์ร่วมกับวิธีการทางสถิติ ได้แก่ การวิเคราะห์อัตราส่วนความถี่ เครือข่ายประสาทเทียม และการถดถอยพหุโลจิสติกส์ บนพื้นฐานความรู้ของตำแหน่งที่เคยเกิดน้ำท่วมในอดีตกับปัจจัยทางกายภาพที่มีอิทธิพลต่อการเกิดน้ำท่วม จำนวน 11 ปัจจัย ได้แก่ 1) ปริมาณน้ำฝน 2) ความสูงจากระดับน้ำทะเลปานกลาง 3) ความลาดชันของพื้นที่ 4) เนื้อดิน 5) ความสามารถในการระบายน้ำของดิน 6) ความลึกของดิน 7) ระยะห่างจากทางน้ำ 8) ความหนาแน่นของทางน้ำ 9) ความหนาแน่นของถนน 10) การใช้ประโยชน์ที่ดินและสิ่งปกคลุมดิน และ 11) เส้นโค้งตัวเลขน้ำท่า มาวิเคราะห์คะแนนความอ่อนไหวต่อการเกิดน้ำท่วม เพื่อสร้างแผนที่ความอ่อนไหวต่อการเกิดน้ำท่วมแล้วทำการวัดประสิทธิภาพการจำแนกความถูกต้องของโมเดลทั้ง 3 วิธี เพื่อเลือกวิธีการที่เหมาะสมที่สุด ผลการศึกษาพบว่าวิธีการถดถอยพหุโลจิสติกส์ เป็นวิธีการที่เหมาะสมที่สุด โดยปัจจัยความลึกของดิน (ตื้น) การใช้ประโยชน์ที่ดินและสิ่งปกคลุมดิน (สถานีเพาะเลี้ยงสัตว์น้ำ พื้นที่นา) ความสามารถในการระบายน้ำของดิน (พื้นที่ที่ไม่มีการสำรวจ) และเนื้อดิน (ดินเหนียวปนทรายแป้ง) ส่งผลต่อโอกาสในการเกิดน้ำท่วมเพิ่มขึ้น ในขณะที่เนื้อดิน (ทราย ดินร่วนปนทรายละเอียด) การใช้ประโยชน์ที่ดินและสิ่งปกคลุมดิน (ไม้ผล ทุ่งหญ้าเลี้ยงสัตว์และโรงเรือน) ส่งผลต่อโอกาสในการเกิดน้ำท่วมน้อยลง สำหรับระดับความอ่อนไหวต่อการเกิดน้ำท่วม มีการแบ่งออกเป็น 5 ระดับ พบว่า พื้นที่ที่มีความอ่อนไหวต่อการเกิดน้ำท่วมระดับมากที่สุด มาก ปานกลาง น้อย และน้อยที่สุด คิดเป็นร้อยละ 5.13, 3.85, 3.49, 6.73 และ 80.79 ตามลำดับ และเมื่อทำการวัดค่าประสิทธิภาพของวิธีการดังกล่าว พบว่า ค่าเส้นโค้งอัตราผลสำเร็จและเส้นโค้งอัตราการคาดการณ์ เท่ากับร้อยละ 91.84 และ 92.52 ตามลำดับ

Article Details

บท
บทความวิจัย ด้านเทคโนโลยีสารสนเทศ

References

[1] Regional Irrigation Office. (2013, March). Flood Prevention and Mitigation Action Plan (rainy season) 2013. Ministry of Agriculture and Cooperatives. Bangkok, Thailand [Online]. Available: http://slbkb.psu.ac.th/xmlui/bitstream/handle/2558/1949/แผนการป้องกันและบรรเทาภัยอันเกิดจากน?้ำ%20%28ฤดูฝน%29%20พ.ศ.2556.pdf?sequence=1&isAllowed=y

[2] Royal Irrigation Department. (2018, June). Nam Plug Pling-Chana Drainage system project in Songkhla province. Royal Irrigation Department. Bangkok, Thailand [Online]. Available: http://kromchol.rid.go.th/lproject/lsp11/2014/index.php/example-pages/55-2014-01-30-10-31-09

[3] T. Anucharn, “Flood susceptibility map based on frequency ratio method at Songkhla Lake Basin in the Southern of Thailand,” Burapha Science Journal, vol. 22, no 3, pp. 106–120, 2017 (in Thai).

[4] S. Puttinaovarat, P. Horkaew, and K. Khaimook, “Configuring ANN for inundation areas identification based on relevant thematic layers,” ECTI Transactions on Computer and Information Technology, vol. 8, no 1, pp. 56–66, 2017.

[5] Y. Kaiyawan, “Principle and using logistic regression analysis for research,” RMUTSV Research Journal, vol. 4, no 1, pp. 1–12, 2012 (in Thai).

[6] Geo-Informatics and Space Technology Development Agency. (2018, January). “Thailand Flood Monitoring System,” Geo-Informatics and Space Technology Development Agency. Bangkok, Thailand [Online]. Available: http://flood.gistda.or.th/

[7] C. J. Huberty, Applied Discriminant Analysis. New York: Wiley Interscience, 1994.

[8] Thai Junior Encyclopedia Project by Royal Command of H.M. the King. (2018, January). General Climate. [Online]. Available: http://saranukromthai.or.th/sub/book/book.php?book=4&chap=6&page=t4-6-infodetail03.html

[9] L. Noichaisin, “Application of GIS on flood risk area assessment in Sa Kaeo Province,” Burapha Science Journal, vol. 21, no 1, pp. 51–63, 2016 (in Thai).

[10] Land Development Department. (2018, October). “Knowledge of soil for Youth,” Ministry of Agriculture and Cooperatives. Bangkok, Thailand [Online]. Available: http://oss101.ldd.go.th/web_soils_for_youth/s_type2.htm

[11] K. Jankaew, Environmental Technology. Bangkok: Interdisciplinary Graduate Programs, Environmental Science, the Graduate School, Kasetsart University, 1998 (in Thai).

[12] L. Fausett, Fundamentals of Neural Networks. New Jersey: Prentice Hall, Inc., 1994.

[13] W. Pornpatcharapong. (2017, September). “Artificial Neural Networks – ANN,” GoToKnow [Online]. Available: https://www.gotoknow.org/posts/163433

[14] U. Amornnimit, “Logistic regression analysis: A choice of risk analysis,” University of the Thai Chamber of Commerce Journal, vol. 23, no 2, pp. 21–35, 2003 (in Thai).

[15] V. Pungpapong, “A brief review on high-dimensional linear regression,” Thammasat Journal of Science and Technology, vol. 23, no 2, pp. 212–223, 2015 (in Thai).

[16] T. Anucharn, “Optimal landslide susceptibility and risk analyses at Khao Phanom Bencha, Krabi Province, Thailand,” Ph.D. dissertation, Institute of Science Suranaree University of Technology, 2015.

[17] T. Anucharn, “A study of physical factors affecting flood susceptibility in Khlong Nathawi Subbasin using multiple logistic regression model,” Burapha Science Journal, vol. 24, no 1, pp. 284–298, 2019 (in Thai).