Page 21 - วิศวกรรมสาร ปีที่ 77 ฉบับที่ 2 เมษายน - มิถุนายน 2567
P. 21
ผู้ช่วยศาสตราจารย์ ดร.ปิติณัตต์ ตรีวงศ์
การใช้ภาพถ่ายดาวเทียม
ในการประเมินพื้นที่เพาะปลูกอ้อย
ที่กล่าวมาข้างต้น (root cause) มีแนวทาง
มากมายในการคาดการณ์ผลผลิตอ้อยที่มี
ทั้งข้อดีและข้อเสียแตกต่างกันไป โดยการ
ประยุกต์เทคโนโลยีด้านการส�ารวจระยะไกล
(remote sensing, RS) ร่วมกับเทคโนโลยี
ปัญญาประดิษฐ์ (artificial intelligence,
1. บทน�า AI) เป็นหนึ่งในเครื่องมือทางสารสนเทศ
ภูมิศาสตร์ (geographic information
อ้อยเป็นหนึ่งในพืชเศรษฐกิจส�าคัญของประเทศไทยที่สามารถสร้างรายได้ผลิตภัณฑ์ system, GIS) ซึ่งถูกน�ามาใช้ในการศึกษา
มวลรวมให้ประเทศประมาณ 200,000 ล้านบาทต่อปี ซึ่งเป็นวัตถุดิบตั้งต้นของระบบ เรื่องที่เกี่ยวข้องอย่างแพร่หลาย (Ennouri,
อุตสาหกรรมอ้อยและน�้าตาลทราย อีกทั้งยังก่อให้เกิดอุตสาหกรรมต่อเนื่องอื่น ๆ อีกมาก Kallel and Albano, 2019) จากความ
ทั้งนี้ศักยภาพการผลิตและส่งออกน�้าตาลรวมถึงผลิตภัณฑ์ต่าง ๆ ที่ได้มาจากอ้อยของ สามารถในการประเมินพื้นที่เพาะปลูกได้
ประเทศไทยอยู่เป็นอันดับ 2 ของโลกรองจากบราซิล และเป็นอันดับ 1 ในแถบเอเชีย-แปซิฟิก อย่างมีประสิทธิภาพและทันท่วงที รวมถึง
จากปัจจัยเอื้อด้านความเหมาะสมของพื้นที่เพาะปลูก อาทิ คุณสมบัติของดินและสภาพ สามารถคาดการณ์ผลผลิตในพื้นที่กว้าง
อากาศ (ส�านักงานเศรษฐกิจการเกษตร, 2564) แต่ทั้งนี้อุตสาหกรรมอ้อยและน�้าตาลของ และใช้ต้นทุนต�่า ให้ข้อมูลการตัดสินใจ
ไทยก็ยังประสบกับปัญหาในด้านต่าง ๆ ในปัจจุบัน อาทิ ปัญหาด้านการผลิตที่มีปริมาณ เชิงนโยบายที่เป็นประโยชน์ได้อย่างแท้จริง
ผลผลิตไม่แน่นอนในแต่ละปี ต้นทุนในการผลิตสูง ขาดการวิจัยพันธุ์อ้อยที่เหมาะสม (FAO, 2017)
การวิจัยโรคและศัตรูอ้อย ขาดการก�าหนด
เขตเศรษฐกิจและจดทะเบียนผู้ปลูกอ้อย
การบริหารจัดการขนอ้อยและการก�าหนด
ราคาอ้อยขั้นต้นยังไม่เกิดแรงจูงใจ ปัญหา
ด้านการค้า รวมถึงพื้นที่ปลูกอ้อยลดลง
จากปีที่ผ่านมา เป็นต้น (ส�านักงานคณะ
กรรมการอ้อยและน�้าตาลทราย, 2564)
ดังนั้น การคาดการณ์ผลผลิตอ้อยอย่าง
แม่นย�าและทันการณ์ถือเป็นปัจจัยหนึ่ง
ที่มีนัยส�าคัญในการแก้ต้นตอของปัญหา
วิศวกรรมสาร ปีที่ 77 ฉบับที่ 2 เมษายน - มิถุนายน 2567 21
