นายพีรพันธ์ คอทอง เลขาธิการสำนักงานเศรษฐกิจการเกษตร (สศก.) เปิดเผยว่า สศก. ให้ความสำคัญกับการยกระดับการจัดทำสารสนเทศการเกษตรและการบริหารจัดการข้อมูลขนาดใหญ่ (Big Data) เพื่อสนับสนุนการกำหนดนโยบายให้มีความแม่นยำ ทันต่อสถานการณ์ และสอดคล้องกับบริบทการผลิตในพื้นที่ โดยในปีงบประมาณ พ.ศ. 2569 สศก. ได้ดำเนิน โครงการเพิ่มประสิทธิภาพการจัดทำสารสนเทศการเกษตรและการบริหารจัดการข้อมูลขนาดใหญ่ หนึ่งในกิจกรรมสำคัญ คือ การประยุกต์ใช้เทคโนโลยีภูมิสารสนเทศ เพื่อเพิ่มประสิทธิภาพการพยากรณ์ผลผลิตสินค้าเกษตร
ล่าสุด สศก. ได้ลงพื้นที่จังหวัดพิจิตร เพื่อสำรวจและจัดเก็บข้อมูลการเจริญเติบโตของข้าวนาปี ปี 2569/70 ในพื้นที่แปลงตัวอย่างจำนวน 40 แปลง สำหรับนำไปพัฒนาแบบจำลองพยากรณ์ผลผลิตข้าวด้วยวิธี Regression Model โดยต่อยอดจากพื้นที่จังหวัดตัวแทนภาคกลางตอนล่าง ได้แก่ สุพรรณบุรี อ่างทอง ชัยนาท และสิงห์บุรี เพื่อให้ข้อมูลครอบคลุมสภาพแวดล้อมการผลิต พันธุ์ข้าว และช่วงการเจริญเติบโตที่แตกต่างกัน
จุดเด่นของการดำเนินงาน คือ การใช้ข้อมูลหลายแหล่งประกอบกัน ทั้งข้อมูลภาคสนาม ภาพถ่ายโดรนความละเอียดสูง และข้อมูลภาพถ่ายดาวเทียม เพื่อวิเคราะห์ความสมบูรณ์ของพืชพรรณ และหาความสัมพันธ์ระหว่างค่าการเจริญเติบโตของข้าวกับข้อมูลดาวเทียม โดยใช้ข้อมูลดาวเทียม 2 ระบบ ได้แก่ ระบบ Optical Sensor จากภาพถ่ายดาวเทียม Sentinel-2 และระบบเรดาร์ช่องเปิดสังเคราะห์ หรือ Synthetic Aperture Radar (SAR) จากภาพถ่ายดาวเทียม Sentinel-1 ซึ่งช่วยลดข้อจำกัดจากการใช้ข้อมูลเพียงแหล่งเดียว โดยเฉพาะข้อจำกัดด้านเมฆจากการใช้ภาพถ่ายดาวเทียม Sentinel-2 เพียงระบบเดียว พร้อมทั้ง เสริมศักยภาพการติดตามพื้นที่เพาะปลูกและการประเมินผลผลิตพืชเศรษฐกิจให้มีความละเอียดและแม่นยำยิ่งขึ้น
การสำรวจครอบคลุมช่วงการเจริญเติบโตของข้าว จำนวน 5 ช่วงอายุ ได้แก่ ช่วงต้นกล้า (Seeding) ช่วงแตกกอ (Tillering) ช่วงตั้งท้อง (Panicle) ช่วงออกรวง (Flowering) และช่วงเก็บเกี่ยว (Harvesting) โดยขณะนี้อยู่ระหว่างการจัดเก็บข้อมูลช่วงต้นกล้า ซึ่งมีการวัดค่าข้อมูลสำคัญ อาทิ ความหนาแน่นของต้นข้าว ความลึกของน้ำ ความสูงของต้นข้าว ค่าพื้นที่ผิวใบ หรือ LAI ปริมาณคลอโรฟิลล์ และค่าการสะท้อนแสงด้วยเครื่อง Spectroradiometer สำหรับงานสำรวจระยะไกล
ข้อมูลที่จัดเก็บได้จะถูกนำมาวิเคราะห์เปรียบเทียบกับค่าการสะท้อนแสงในช่วง Blue, Green, Red และ Near Infrared ของภาพถ่ายดาวเทียม Sentinel-2 และวิเคราะห์ร่วมกับข้อมูลจากดาวเทียม Sentinel-1 เพื่อจำแนกข้อมูลตามรายพันธุ์ ประเมินค่าผลผลิตต่อไร่ และพัฒนาแบบจำลองการพยากรณ์ผลผลิตข้าวในพื้นที่ต่อไป ทั้งนี้ คาดว่าจะช่วยเพิ่มความแม่นยำของข้อมูลพยากรณ์ผลผลิต และลดความคลาดเคลื่อนในการประเมินสถานการณ์การผลิต เมื่อเทียบกับการใช้ข้อมูลจากแหล่งใดแหล่งหนึ่งเพียงอย่างเดียว หากผลการวิเคราะห์เบื้องต้นแล้วเสร็จ จะสามารถระบุค่าความแม่นยำของแบบจำลองได้ประมาณร้อยละ 70 และค่าความคลาดเคลื่อนประมาณร้อยละ 30 โดยอาจต้องพิจารณาเงื่อนไขเพิ่มเติมเรื่องการเพาะปลูกในหรือนอกเขตชลประทาน และต้องผ่านการประมวลผลและตรวจสอบความถูกต้องทางวิชาการก่อนนำไปใช้ประกอบการจัดทำสารสนเทศการเกษตรต่อไป
ขณะเดียวกัน สศก. อยู่ระหว่างบูรณาการความร่วมมือทางวิชาการกับร่วมกับองค์การอาหารและเกษตรแห่งสหประชาชาติ (FAO) และสถาบันวิจัยข้อมูลการบินและอวกาศแห่งสถาบันบัณฑิตวิทยาศาสตร์จีน (AIR CAS) เพื่อร่วมพัฒนาแบบจำลองการพยากรณ์ผลผลิตข้าวบนพื้นฐานเทคโนโลยีการสำรวจระยะไกล (Remote Sensing) ให้มีความแม่นยำยิ่งขึ้น ซึ่งคาดว่าจะช่วยยกระดับความแม่นยำของแบบจำลองจากผลการวิเคราะห์เบื้องต้นได้ถึงมากกว่าร้อยละ 80 ทั้งนี้ จะต้องผ่านการประมวลผล ทดสอบแบบจำลอง และตรวจสอบความถูกต้องทางวิชาการก่อนนำไปใช้ประกอบการจัดทำสารสนเทศการเกษตรต่อไป นอกจากนี้ สศก. ยังมีแนวทางนำองค์ความรู้และแบบจำลองจากสินค้าข้าวนาปี ไปพิจารณา ต่อยอดสู่การติดตามและพยากรณ์ผลผลิตพืชเศรษฐกิจสำคัญอื่น ๆ เช่น ปาล์มน้ำมัน และมันสำปะหลังโรงงาน ตามความเหมาะสมของข้อมูลและลักษณะการผลิตของแต่ละสินค้า เพื่อยกระดับการจัดทำสารสนเทศการเกษตรให้ครอบคลุมและตอบโจทย์การตัดสินใจ เชิงนโยบายมากยิ่งขึ้น
หัวใจสำคัญของการพยากรณ์ผลผลิตในยุคใหม่ คือ การใช้ข้อมูลหลายมิติให้เห็นภาพการผลิตจริงในพื้นที่มากที่สุด ข้อมูลที่ได้จะช่วยให้ภาครัฐมองเห็นแนวโน้มผลผลิตข้าวในพื้นที่ได้ชัดเจนขึ้น ทั้งด้านระยะการเจริญเติบโต ความสมบูรณ์ของต้นข้าว และแนวโน้มผลผลิตต่อไร่ ซึ่งจะเป็นประโยชน์ต่อการวางแผนบริหารจัดการผลผลิต การตลาด และมาตรการสนับสนุนเกษตรกรได้อย่างตรงจุดมากขึ้น การนำเทคโนโลยีโดรนและข้อมูลดาวเทียมมาใช้ร่วมกับการสำรวจภาคสนาม เป็นกลไกสำคัญในการพัฒนาระบบข้อมูลเกษตรของประเทศให้มีความทันสมัย ตอบโจทย์การตัดสินใจเชิงนโยบาย ข้อมูลที่ถูกต้อง แม่นยำ และทันต่อสถานการณ์ จะช่วยให้ภาครัฐสามารถติดตามสถานการณ์การผลิต ประเมินผลผลิต และวางแผนบริหารจัดการสินค้าเกษตรได้อย่างมีประสิทธิภาพต่อไป
