ในช่วงหาเสียงเลือกตั้งปีนี้ มีผู้สมัครหลายคนหยิบยกเทคโนโลยีอวกาศมาพูดถึงเพื่อยกระดับคุณภาพชีวิตของพี่น้องประชาชนคนไทยกันมากขึ้น ไม่ว่าจะเป็นการพูดจาปาหี่เพื่อสร้าง Engagement หรือการพูดเพื่อขายฝันสร้างสัญญาให้กับพี่น้องประชาชนว่าหากเลือกพวกเขาแล้วเทคโนโลยีที่อยู่บนอวกาศแสนล้ำสมัยจะมาช่วยเหลือพวกเขาได้
เอาเข้าจริง เทคโนโลยีอวกาศเพื่อใช้ในการเกษตรถูกหยิบยกและพูดถึงมาตั้งแต่สมัยสงครามเย็นแล้วว่ามันจะสามารถเพิ่มผลผลิตทางการเกษตร การบริหารจัดการน้ำ การวางแผนเพาะปลูกได้ แต่คำถามคือผ่านมาเกือบ 60 ปีแล้วตั้งแต่ดาวเทียมสำรวจทรัพยากรโลกดวงแรกขึ้นสู่วงโคจร ในปี 2026 นี้เราจะสามารถทราบคุณภาพดินในไร่นาของเราได้จากอวกาศแล้วหรือยัง แล้วทำไมชาวนา ชาวไร่จึงไม่ทราบถึงสิ่งเหล่านี้ หรือเพราะการสื่อสารของรัฐฯ ไปไม่ถึงกันแน่ และเราจะแก้ปัญหานี้อย่างไร
เนื้อหาบางส่วนเรียบเรียงจาก The role of remote sensing in tropical grassland nutrient estimation: a review
ดาวเทียมช่วยอะไรในเชิงการเกษตรได้บ้าง
นี่คือหนึ่งในคำถามที่หลายคนสงสัย เราต้องแยกประเภทดาวเทียมสำรวจโลกออกเป็นสองประเภทหลัก คือ ดาวเทียมแบบกล้องถ่ายภาพ (Multispectral/Hyperspectral) และ ดาวเทียมแบบเรดาร์ (SAR/InSAR) ซึ่งทั้งสองประเภททำงานแตกต่างกันอย่างสิ้นเชิง และให้ผลลัพธ์ของข้อมูลที่ต่างกันมาก
ตัวดาวเทียมถ่ายภาพสำรวจโลกทั้งอย่าง THEOS และ THEOS-2 เป็นดาวเทียมประเภท Multispectral ที่ถ่ายภาพได้หลายย่านสี อย่างที่เราเคยเรียนกันในวิชาเคมี ธาตุแต่ละธาตุจะมีสเปกตรัมที่แตกต่างกัน เปล่งแสงออกมาในย่านแสงที่แตกต่างกัน กล้องแบบ Hyperspectral จะได้เปรียบในการจำแนกธาตุองค์ประกอบต่าง ๆ ที่อยู่บนพื้นผิวได้ดีกว่าตัว Multispectral ที่มันสามารถรับ band ข้อมูลเส้นสเปกตรัมได้ละเอียดกว่า เทียบกันง่าย ๆ คือ Multispectral คือกล้องถ่ายภาพแบบ RGB ที่ถ่ายย่านอื่นได้ด้วยนิดหน่อย ส่วนกล้อง Hyperspectral เป็นกล้องที่แยกได้ว่านี่คือธาตุอะไรโดยมีหลักการทำงานเดียวกับ Spectroscopy
ซึ่งฟังดูดีที่เราจะใช้ดาวเทียมตรวจดูว่าผืนดินมีธาตุอะไรบ้าง แต่ในความเป็นจริงนั้นไม่ง่ายอย่างที่คิด ธาตุสำคัญในการเพาะปลูกอย่าง ไนโตรเจน (N), ฟอสฟอรัส (P) และโพแทสเซียม (K) กลับมีเส้นสเปกตรัมที่ไม่ชัดเจน และมักถูกรบกวนหรือทับซ้อนด้วยองค์ประกอบอื่นๆ เมื่อมองจากย่านอินฟราเรดและแสงที่ตามองเห็นจากวงโคจรของโลก
| ธาตุ | ช่วงความยาวคลื่น ที่ “พอจะ” สังเกตได้ | ย่านแสง | สิ่งที่เกิดขึ้นจริงในเส้นสเปกตรัม |
| Nitrogen (N) | 400 – 540 nm และช่วง 1400 – 2500 nm | Visible (Blue) & SWIR (Short-wave Infrared) | มองไม่เห็นตรง ๆ ต้องอาศัยการคาดคะเนจากปริมาณอินทรีย์วัตถุ (Organic Molecule) ในดิน |
| Phosphorus (P) | ~570 nm และช่วง 1800 – 2200 nm | Visible (Green) & SWIR (Short-wave Infrared) | ยากที่จะมองเห็น การดูดกลืนของเส้นสเปกตรัม (Weak absorption) |
| Potassium (K) | ~600 nm และช่วง 700 – 900 nm | Visible (Red) & NIR (Near Infrared) | มักจะถูกสัญญาณจากแร่ดินเหนียว (Clay) บดบัง |
จากตารางจะเห็นได้ว่า ในย่านคลื่นที่พอจะสังเกตได้กลับเต็มไปด้วยสัญญาณรบกวน (Noise) จากแร่ธาตุชนิดอื่น หรือไม่ก็มีสัญญาณที่อ่อนมากจนต้องอาศัยปัจจัยอื่นในการคาดคะเนแทน มิหนำซ้ำ ผืนดินที่เราต้องการถ่ายภาพก็มักถูกบดบังด้วยเรือนยอดของพืชและใบไม้
ดังนั้น วิธีการประเมินปริมาณธาตุ NPK จากระยะไกลที่ดีที่สุดในเวลานี้ คือการสังเกตผ่านสีของใบไม้ ว่ามีการเปลี่ยนแปลงอย่างไร หากใบไม้ในพื้นที่บริเวณกว้างเริ่มเปลี่ยนเป็นสีเหลืองผิดปกติ ก็พอจะตีความได้ว่าพืชกำลังขาดธาตุอาหารที่สำคัญอยู่
แต่ถึงอย่างนั้น ดาวเทียมถ่ายภาพโลกส่วนใหญ่ล้วนอยู่ในวงโคจรแบบ Sun-synchronous orbit ซึ่งทุกครั้งที่ดาวเทียมโคจรครบรอบ โลกจะหมุนไปข้างหน้าเล็กน้อย ทำให้ดาวเทียมไม่ได้ถ่ายภาพที่ตำแหน่งเดิมซ้ำ ๆ ทุกวัน กว่าจะวนกลับมาเก็บข้อมูลที่จุดเดิมอาจต้องใช้เวลานานนับสัปดาห์หรือเป็นเดือนและนั่นหมายความว่า หากเราพึ่งพาเพียงข้อมูลจากดาวเทียมถ่ายภาพเพื่อเฝ้าดูไร่นา กว่าเราจะตรวจพบว่าพืชขาดสารอาหารผ่านการเปลี่ยนสีของใบไม้ ผลผลิตเหล่านั้นก็อาจจะเสียหายหรือล้มตายไปก่อนเสียแล้ว
ถ้าอย่างนั้นภาพถ่ายจากดาวเทียมใช้ตรวจวัดคุณภาพดินได้อย่างไรบ้าง
เมื่อธาตุอาหารหลักอย่าง N-P-K ไม่สามารถตรวจวัดได้อย่างแม่นยำผ่านภาพถ่ายดาวเทียม แล้วเทคโนโลยีอวกาศยังจะมีประโยชน์ต่อการเกษตรอยู่อีกหรือไม่? คำตอบคือ ‘มี’ แต่ยังมีข้อจำกัดอยู่พอสมควร
หนึ่งในสิ่งที่ภาพถ่ายดาวเทียมทำได้ดีมากคือ การตรวจจับปัญหาดินเค็ม เนื่องจากคราบเกลือสีขาวบนผืนดินมีการสะท้อนแสงที่สูงกว่าดินปกติอย่างชัดเจน และค่าสเปกตรัมของเกลือก็อยู่ในย่านที่สังเกตได้ง่ายโดยไม่มีปัจจัยอื่นมารบกวน นอกจากนี้ภาพถ่ายจากดาวเทียมยังสามารถประเมินปริมาณอินทรียวัตถุผ่านความเข้มของสีดินได้ในระดับหนึ่ง
อันที่จริง จุดแข็งของดาวเทียมถ่ายภาพในปัจจุบันมักจะไปตอบโจทย์ด้านการสำรวจแหล่งแร่ทางเศรษฐกิจ เช่น แร่เหล็กหรืออะลูมิเนียม รวมถึงการจัดการที่ดินและด้านกฎหมายเสียมากกว่า
หลายคนอาจสงสัยว่า ในเมื่อกล้อง Hyperspectral สามารถแยกแยะสเปกตรัมได้ละเอียดกว่า Multispectral แล้วมันไม่ช่วยให้เห็นแร่ธาตุในดินได้ดีขึ้นหรือ? คำตอบคือ ‘ไม่เสมอไป’ เพราะกล้อง Hyperspectral มักมีข้อจำกัดเรื่องความละเอียดภาพ (Spatial Resolution) ที่ต่ำกว่ามาก หากเปรียบเทียบให้เห็นภาพ กล้อง Multispectral อาจให้ความละเอียดได้สูงถึง 30 เซนติเมตรต่อพิกเซล แต่กล้อง Hyperspectral อาจทำได้เพียง 30 เมตรต่อพิกเซล ซึ่งความแตกต่างนี้ส่งผลต่อคุณภาพและการนำไปใช้งานจริงอย่างมาก
นอกจากนี้ กล้อง Hyperspectral ยังต้องการปริมาณแสง ในการวิเคราะห์ข้อมูลมากกว่ากล้องปกติหลายเท่า หมายความว่าหากมีปัจจัยอย่างการกระเจิงของแสง การสะท้อนที่ผิดเพี้ยน หรือแม้แต่เมฆบังเพียงเล็กน้อย จนทำให้แสงเดินทางไปถึงตัวเซนเซอร์ลดลง การวิเคราะห์ข้อมูลในบริเวณนั้นก็จะมีค่าความผิดพลาดสูง นี่จึงเป็นเหตุผลสำคัญที่ทำให้ดาวเทียมในกลุ่ม Hyperspectral มีจำนวนน้อยกว่ากลุ่ม Multispectral อย่างเห็นได้ชัด
SAR ก็ทำได้ดีแต่ไม่ใช่ทั้งหมด
เมื่อเห็นข้อจำกัดของ Multispectral และ Hyperspectral แล้ว เราลองมาดูดาวเทียมสำรวจในกลุ่ม SAR (Synthetic Aperture Radar) กันบ้าง อันที่จริงดาวเทียมกลุ่มนี้ ซึ่งใช้วิธีวิเคราะห์ผ่านคลื่นวิทยุ เป็นทางเลือกที่มีประสิทธิภาพกว่ามากสำหรับการตรวจสอบคุณภาพดินและงานเกษตรกรรม เนื่องจากสัญญาณวิทยุจากดาวเทียมสามารถทะลุทะลวงผ่านเมฆ กิ่งก้าน และใบไม้ เพื่อไปสะท้อนลักษณะทางกายภาพของพื้นผิว ไม่ว่าจะเป็นความขรุขระ ความหยาบ หรือแม้แต่ปริมาณความชื้นในดิน
ตัวอย่างที่ชัดเจนคือดาวเทียม SMAP (Soil Moisture Active Passive) ของ NASA ซึ่งทำหน้าที่ตรวจวัดระดับความชื้นในดินโดยเฉพาะ ผ่านการใช้คลื่น L-band ที่ทะลุลงไปใต้ผิวดินและสะท้อนกลับมาเป็นค่าความชื้นที่ระดับความลึก 5-10 เซนติเมตร หากไม่นับรูปลักษณ์อันน่าทึ่งที่มีจานรับส่งสัญญาณสีทองขนาดใหญ่หมุนไปมา ดาวเทียมดวงนี้ถือเป็นเครื่องมือมหัศจรรย์ที่ช่วยในการวางแผนเพาะปลูก พยากรณ์ภัยแล้ง และน้ำท่วม โดยวิเคราะห์ร่วมกับข้อมูลพยากรณ์อากาศเพื่อประเมินว่าดินยังสามารถดูดซับน้ำได้อีกหรือไม่
ข้อมูลจาก SMAP ช่วยให้พื้นที่แห้งแล้งในทวีปแอฟริกาและอีกหลายแห่งทั่วโลกสามารถวางแผนการเกษตรได้ดีขึ้น ถึงอย่างนั้น ข้อมูลจาก SMAP ก็มีความละเอียดเชิงพื้นที่ค่อนข้างต่ำ (ประมาณ 1-36 กิโลเมตรต่อพิกเซล) ซึ่งเหมาะกับการวิเคราะห์ภาพรวมระดับลุ่มน้ำเท่านั้น จึงเกิดการสานต่อสู่โครงการ NISAR (NASA-ISRO Synthetic Aperture Radar) ที่เป็นการร่วมมือระหว่าง NASA และ ISRO โดยใช้ทั้งคลื่น L-band และ S-band ร่วมกัน ทำให้ได้ข้อมูลที่มีความละเอียดสูงถึง 5-10 เมตรต่อพิกเซล ซึ่งช่วยให้การบริหารจัดการน้ำทำได้ละเอียดถึงรายแปลงนา ไม่ใช่แค่ภาพรวมระดับหมู่บ้านหรือตำบลอีกต่อไป
สิ่งที่สำคัญที่สุดของดาวเทียมในกลุ่ม SAR คือการรังวัดแผนที่ทางภูมิศาสตร์ที่ยอดเยี่ยม ความสูงของพื้นผิวโลกหรือความสูงของแหล่งน้ำต่าง ๆ SAR สามารถให้ข้อมูลเหล่านั้นได้ดีมาก มันถูกนำมาใช้ในการวิเคราะห์คาดการณ์ภัยแล้ง ทำนายพื้นที่น้ำท่วมฉับพลันและวางแผนการบริหารจัดการน้ำ อย่างดาวเทียม SWOT (Surface Water and Ocean Topography) ที่สามารถให้ข้อมูลระดับความสูงของแหล่งน้ำบนพื้นผิวด้วยความละเอียด 10-70 เมตรต่อพิกเซล ซึ่งทำให้คาดการณ์ปริมาณน้ำและระดับความสูงของน้ำในภาพรวมได้ดีมาก ช่วยเหลือในการบริหารจัดการน้ำได้ดี
อย่างไรก็ตาม ดาวเทียมกลุ่ม SAR ก็มีข้อจำกัดตรงที่ให้ได้เพียงข้อมูลทางกายภาพ เท่านั้น ไม่สามารถให้ข้อมูลเชิงเคมีเหมือนภาพถ่ายสเปกตรัมได้ อีกทั้งข้อมูลความชื้นที่ระดับความลึก 5-10 เซนติเมตรจากดาวเทียมอย่าง NISAR ก็ยังเป็นเพียงระดับผิวหน้าดิน ซึ่งเป็นบริเวณที่มีความคลาดเคลื่อนสูงจากการรดน้ำหรือการพรวนดิน ในขณะที่รากพืชส่วนใหญ่หาอาหารอยู่ที่ความลึก 30 เซนติเมตรถึง 1 เมตร ซึ่งเป็นระดับที่ความชื้นคงที่กว่า ข้อมูลจากดาวเทียมในปัจจุบันจึงอาจจะยังนำมาใช้บ่งบอกสถานะความชื้นใต้ดินที่พืชได้รับจริงไม่ได้โดยตรงนัก
สามารถศึกษาการใช้ประโยชน์ของดาวเทียมในกลุ่ม SAR เพิ่มเติมได้ที่ บทความ เจาะลึก InSAR เทคโนโลยีการเตือนแผ่นดินไหวจากอวกาศ
ถึงอย่างนั้นกล้องถ่ายภาพก็แสดงสิ่งมหัศจรรย์ได้
ถึงแม้เราจะกล่าวว่าข้อมูลจากกล้อง Multispectral หรือ Hyperspectral ยังมีข้อจำกัดในการวัดค่าเคมีในดินโดยตรง แต่เมื่อมีการเก็บข้อมูลและงานวิจัยที่มากขึ้น ภาพถ่ายจากอวกาศก็เริ่มเผยศักยภาพในการวิเคราะห์สุขภาพของพืชได้ลึกซึ้งยิ่งขึ้นกว่าเดิม
หนึ่งในปรากฏการณ์สำคัญที่เราจะไม่มีวันตรวจพบได้เลยหากไม่มีดาวเทียมกลุ่ม Hyperspectral คือ ‘ปรากฏการณ์พืชเรืองแสง’ หรือ Solar-Induced Chlorophyll Fluorescence (SIF) โดยปรากฏการณ์นี้เกิดขึ้นเมืองพืชสังเคราะห์แสง แสงบางส่วนที่ได้รับจะไม่ถูกนำไปใช้ในการสังเคราะห์แสง พืชจะคายโฟตอนในส่วนนี้ออกมาในย่านของอินฟราเรด ที่เป็นย่านความถี่เฉพาะ ดวงตาของมนุษย์ไม่สามารถมองเห็นแสงเหล่านี้ได้ แต่ดาวเทียมที่อยู่นอกโลกมองเห็นสิ่งนี้ได้ ทำให้ดาวเทียมสามารถมองเห็นแสงที่สว่างขึ้นมาราวกับมีคนเปิดไฟให้กับโลก
ปรากฏการณ์นี้นอกจากจะน่าสนใจในเชิงฟิสิกส์แล้ว ยังสามารถนำมาวิเคราะห์เปรียบเทียบกับอัตราการสังเคราะห์แสงและการกักเก็บคาร์บอนของพื้นที่ต่าง ๆ ได้อย่างแม่นยำ ล่าสุดมีการค้นพบว่าสัญญาณการเรืองแสงของพืชยังมีความสัมพันธ์กับ ‘ภัยแล้งที่กำลังจะมาถึงในอีก 3-6 เดือนข้างหน้า’ ราวกับว่าพืชบนโลกสามารถรับรู้ถึงวิกฤตสภาพอากาศได้ก่อนที่มันจะเกิดขึ้นจริง
พืชอาศัยอยู่บนโลกนี้มานานกว่า 500 ล้านปี ภัยแล้งจึงเป็นบททดสอบปกติที่พวกมันต้องเผชิญในห้วงแห่งวิวัฒนาการ บางทีแสงที่พืชเรืองออกมาอาจเป็นหนึ่งในกลไกการสื่อสารหรือการปรับตัวเพื่อเตรียมรับมือกับความแห้งแล้งและเพิ่มโอกาสในการส่งต่อพันธุกรรม ดังนั้น หากเราสามารถอ่าน ‘ข้อความ’ จากแสงเหล่านี้ได้ เราย่อมสามารถนำข้อมูลมาใช้เตรียมพร้อมรับมือภัยแล้งได้ทั้งในระดับแปลงเกษตรไปจนถึงการวางแผนเชิงนโยบาย
ซึ่งสามารถนำมาคาดการณ์การสังเคราะห์แสงร่วมกับดาวเทียมSAR รุ่นใหม่อย่าง Biomass เพื่อทำการประมาณค่ามวลชีวภาพได้ ซึ่งสามารถศึกษาต่อได้ในบทความ รู้จักกับ Biomass ดาวเทียมตรวจวัดความหนาแน่นของผืนป่า ดวงใหม่ของ ESA
และในยุคที่ AI กำลังเกิดขึ้นเป็นดอกเห็ด การนำข้อมูลองค์ประกอบทางเคมีของดินมารวมกับข้อมูลภาพถ่ายจากอวกาศเป็นสิ่งที่กำลังเกิดขึ้นขนานใหญ่ในอุตสาหกรรมตอนนี้ AI จะเข้ามาช่วยทลายขีดจำกัดเดิม ๆ ทำให้เราสามารถวิเคราะห์แร่ธาตุในดินผ่านการเปลี่ยนแปลงเพียงเล็กน้อยของสีใบไม้ หรือแม้แต่ใช้ข้อมูลเหล่านี้ประเมินปริมาณคาร์บอนไดออกไซด์ในชั้นบรรยากาศ ณ บริเวณนั้นได้แบบเรียลไทม์
วิธีการใหม่ไม่ได้แก้ปัญหาได้ทุกอย่าง
แม้ว่าจะมีโอกาสที่ดาวเทียมเข้ามาช่วยเหลือพวกเราได้มากขึ้นในหลาย ๆ ด้าน แต่สุดท้ายแล้ว วิธีการใหม่ก็ไม่ได้แก้ไขได้ทุกอย่าง อย่างที่กล่าวไปว่าแม้ดาวเทียมสำรวจโลกจะเก็บข้อมูลเกี่ยวกับคุณภาพดินและปริมาณน้ำได้มากขึ้นแต่ช่วงที่ดาวเทียมจะกลับมาโคจรผ่านพื้นที่เดิมนั้นมันใช้เวลาที่มาก อาจจะหลายวันถึงหลายเดือน สถานการณ์หลาย ๆ อย่างในพื้นที่ทำการเกษตรอาจจะเปลี่ยนแปลงจนเกิดวิกฤตไปก่อนแล้วหากอาศัยข้อมูลจากดาวเทียมเพียงอย่างเดียว และอย่างที่กล่าวไปว่าดาวเทียมมองไม่เห็นการขาดแคลนธาตุอาหารหลักของพืชอย่าง NPK และก็ไม่สามารถวิเคราะห์แร่ธาตุรองรวมถึงโรคของพืชได้อีกด้วย
สุดท้ายแล้วการใช้ดาวเทียมเข้ามาช่วยในเชิงการเกษตรเป็นเหมือนเครื่องมือที่มีเข้ามาทำให้เห็นภาพใหญ่ของปัญหาบางอย่างได้ดียิ่งขึ้นแต่ไม่สามารถทราบปัญหาทั้งหมดได้ ต้องอาศัยการทำงานในพื้นที่เข้ามาวิเคราะห์ร่วมด้วย การเก็บตัวอย่างดินเพื่อนำไปวิเคราะห์ในห้องปฏิบัติการยังคงจำเป็นสำหรับการวางแผนเพาะปลูกและการเพิ่มผลผลิตอยู่ ซึ่งต้องควบคู่ไปกับข้อมูลด้านอื่น ๆ อย่างการพยากรณ์อากาศ นโยบายทางการเมืองและเศรษฐศาสตร์
และท้ายที่สุดการมีข้อมูลอยู่ในมือแต่ไม่ได้มีการนำไปปฏิบัติจริงก็เป็นสิ่งที่ไม่มีค่า เหมือนกับทราบต้นเหตุของปัญหาแต่ยังคงวนอยู่กับการแก้ที่ปลายเหตุ สุดท้ายภาคเกษตรและกสิกรรมของเรามันก็ไม่ได้ขยับหรือเติบโตไปไหนทั้งที่นี่คืออุตสาหกรรมหลักที่ใช้พื้นที่มากกว่า 40% ของประเทศและมีแรงงานไม่ต่ำกว่า 10 ล้านคน
ปีนี้ปี 2026 แล้วบางทีเราควรจะนำองค์ความรู้ควบคู่ไปกับการปฏิบัติจริงเพื่อสร้างการเปลี่ยนแปลงให้กับประเทศได้แล้ว มากกว่าที่เราหยิบยกคำพูดสวยหรูกับความฝันเพื่อนำมาใช้ในการหาเสียงและจากไปพร้อมกับปัญหาเดิม ๆ ที่คาราคาซังไม่เคยเปลี่ยนของประเทศไทย
เรียบเรียงโดย ทีมงาน Spaceth.co
