Rubber Yield Estimating Using Sentinel-2 Data

Abstract

Rubber is a perennial plant grown for the production of natural rubber. It is a raw material for industrial and non-industrial products important for the world economy. To maintain price stability, it is important to estimate yields in advance. Remote sensing technology can effectively provide large spatial data. Productivity estimates need to be processed from spatial resolution data, from satellites with high accuracy and reliability. This study used reflectance from Sentinel-2 satellite imagery acquired for 12 months between December 2020 to November 2021. It included 213 plots where data on rubber production in smallholder agriculture were collected. To analyze 6 types of vegetation indices, namely Green Soil Adjusted Vegetation Index (GSAVI), Modified Simple Ratio (MSR), Normalized Burn Ratio (NBR), Normalized Difference Vegetation Index (NDVI), Normalized Green (NR) and Ratio Vegetation Index. (RVI) to build a model for estimating rubber yield. The study found that the model used from the band5 reflectance (vegetation red edge) had a decision coefficient (R2) = 0.79 and RMSE = 4.74 kg/rai, better than the model using the MSR resulted in a decision coefficient (R2) = 0.62 and RMSE = 6.28 kg/rai. When reflectance values were modeled along with the best vegetation index. It was found that the model gave a decision coefficient (R2) = 0.80 and RMSE = 4.71 kg/rai. This was significantly higher and the root mean square error was slightly different.

ยางพารา เป็นพืชไม้ยืนต้นที่ปลูกเพื่อผลิตยางธรรมชาติ และเป็นวัตถุดิบสำหรับผลิตภัณฑ์อุตสาหกรรมและที่ไม่ใช่อุตสาหกรรมที่มีความสำคัญต่อเศรษฐกิจโลก การประมาณผลผลิตล่วงหน้าเป็นสิ่งสำคัญในการรักษาเสถียรภาพของราคา เทคโนโลยีการสำรวจระยะไกลสามารถให้ข้อมูลเชิงพื้นที่ๆ มีขนาดใหญ่ได้อย่างมีประสิทธิภาพ การประมาณผลผลิตจำเป็นต้องประมวลผลจากข้อมูลความละเอียดเชิงพื้นที่จากดาวเทียม ที่มีความแม่นยำและความน่าเชื่อถือสูง การศึกษานี้ได้ใช้ค่าสะท้อนแสงของภาพถ่ายดาวเทียม Sentinel-2 บันทึกตั้งแต่ เดือนธันวาคม 2563 - เดือนพฤศจิกายน 2564 จำนวน 12 เดือน ครอบคลุมพื้นที่เก็บตัวอย่างข้อมูลผลผลิตยางจากเกษตรรายย่อย จำนวน 213 แปลง เพื่อวิเคราะห์ดัชนีพืชพรรณ จำนวน 6 ชนิด ได้แก่ Green Soil Adjusted Vegetation Index (GSAVI), Modified Simple Ratio (MSR), Normalized Burn Ratio (NBR), Normalized Difference Vegetation Index (NDVI), Normalized Green (NR), และ Ratio Vegetation Index (RVI) มาสร้างแบบจำลองการประมาณผลผลิตยาง จากการศึกษาพบว่าแบบจำลองที่ใช้จากค่าสะท้อนแสง Band5 (vegetation red edge) มีผลต่อค่าสัมประสิทธิ์การตัดสินใจ (R2) = 0.79 และ RMSE = 4.74 กิโลกรัม/ไร่ ดีกว่าแบบจำลองที่ใช้ค่าดัชนีพืชพรรณ MSR (Modified Simple Ratio) ให้ค่าสัมประสิทธิ์การตัดสินใจ (R2) = 0.62 และ RMSE = 6.28 กิโลกรัม/ไร่ เมื่อนำค่าสะท้อนแสงมาสร้างแบบจำลองร่วมกับค่าดัชนีพืชพรรณที่ดีที่สุด พบว่าแบบจำลองให้ค่าสัมประสิทธิ์การตัดสินใจ (R2) = 0.80 และค่า RMSE = 4.71 กิโลกรัม/ไร่ ซึ่งมีค่ามากขึ้นอย่างมีนัยสำคัญและค่าความคลาดเคลื่อนกำลังสองของค่าเฉลี่ยต่างกันเล็กน้อย