บทที่ 3 : 3.2 ลักษณะข้อมูลเชิงคุณลักษณะ
บทที่ ๓ ลักษณะของข้อมูลในระบบสารสนเทศภูมิศาสตร์
(Chapter 3: Characteristics of Geographic Information System Data)
๓.๒ ลักษณะข้อมูลเชิงคุณลักษณะ (Attribute Characteristics)
ข้อมูลเชิงคุณลักษณะ หรือ Attribute Data หมายถึง ข้อมูลที่แสดงถึงลักษณะเฉพาะของวัตถุหรือปรากฏการณ์ที่สามารถเปลี่ยนแปลงได้ตามเวลา สถานที่ และบริบททางธรรมชาติหรือสังคม ข้อมูลประเภทนี้ใช้ในการอธิบายสิ่งที่ปรากฏในลักษณะของข้อมูลเชิงพื้นที่ เช่น จุด เส้น หรือพื้นที่
ลักษณะข้อมูลเชิงคุณลักษณะ หมายถึง ลักษณะประจำตัว หรือ คุณสมบัติที่มีความแปรผัน ในการชี้วัดปรากฏการณ์ต่างๆ ตามธรรมชาติ โดยระบุถึงสถานที่และช่วงเวลาที่ทำการศึกษา ข้อมูลเชิงคุณลักษณะ (Attribute) อาจเป็นข้อมูลที่มีลักษณะ ต่อเนื่อง เช่น เส้นชั้นระดับความสูง (Terrain Elevation) หรือเป็นข้อมูลที่ ไม่ต่อเนื่อง เช่น จำนวนประชากร (Number of Inhabitants) และชนิดของสิ่งปกคลุมดิน (Land Cover Type) เป็นต้น
ข้อมูลเชิงคุณลักษณะอาจอยู่ในรูปของ ข้อมูลต่อเนื่อง เช่น เส้นชั้นระดับความสูง (Terrain Elevation) หรือ ข้อมูลไม่ต่อเนื่อง เช่น จำนวนประชากร (Number of Inhabitants) และ ประเภทของสิ่งปกคลุมดิน (Land Cover Type) เป็นต้น โดยข้อมูลเหล่านี้มักจะแสดงในรูปของค่าตัวเลข (Numeric) ซึ่งสามารถจำแนกระดับของการวัด (Measurement Scales) ได้เป็น ๓ ระดับสำคัญ ดังนี้:
(1) ระดับนามบัญญัติ (Nominal Level)
เป็นระดับการวัดที่ ไม่มีลำดับขั้นหรือปริมาณ เป็นเพียงการ จำแนกหรือจัดประเภทของข้อมูล ด้วย ตัวเลขหรือสัญลักษณ์แทน เช่น 1 = ป่าไม้, 2 = ทุ่งหญ้า, 3 = แหล่งน้ำ เป็นต้น ตัวเลขเหล่านี้ใช้เพื่อระบุเอกลักษณ์ของสิ่งใดสิ่งหนึ่งเท่านั้น ไม่สามารถนำมาเปรียบเทียบเชิงปริมาณได้ว่า “1 มากกว่า 2” หรือ “2 มากกว่า 3”
เป็นระดับการวัดข้อมูลอย่างหยาบ โดยใช้ตัวเลขหรือสัญลักษณ์เพื่อ จำแนกประเภท ของสิ่งต่างๆ เท่านั้น เช่น การใช้ประโยชน์ที่ดิน เขตจังหวัด เขตการปกครองต่างๆ
(2) ระดับเรียงลำดับ (Ordinal Level หรือ Ranking Level)
ข้อมูลในระดับนี้สามารถ จัดลำดับก่อน–หลัง หรือมาก–น้อย ได้ แต่ยังไม่สามารถระบุ ปริมาณที่แตกต่างกันอย่างชัดเจน เช่น ถนนสายหลักอาจแทนด้วย 1, ถนนสองเลนแทนด้วย 2, และถนนลูกรังแทนด้วย 3 โดยตัวเลขนี้อาจสื่อถึงลำดับความสำคัญหรือคุณภาพของถนน แต่ไม่สามารถระบุได้ว่าถนนสายหลัก “ดีกว่า” ถนนลูกรัง “กี่เท่า”
เป็นการวัดที่สามารถ เปรียบเทียบลำดับ ของลักษณะในแต่ละปัจจัยได้ว่า มีขนาดเล็กกว่า เท่ากัน หรือใหญ่กว่า ซึ่งแสดงถึงความสำคัญที่แตกต่างกัน แต่ไม่สามารถบอกได้ว่าความสำคัญนั้นต่างกันเป็นปริมาณเท่าใด
(3) ระดับอันตรภาค–อัตราส่วน (Interval–Ratio Level)
ระดับนี้สามารถ ระบุทั้งลำดับ และความแตกต่างเชิงปริมาณ ได้อย่างชัดเจน เช่น พื้นที่ป่าไม้มีขนาดใหญ่กว่าพื้นที่ทุ่งหญ้า 2 เท่า หรือเส้นชั้นความสูงที่ระดับ 500 เมตร สูงกว่าที่ระดับ 400 เมตร อยู่ 100 เมตร การวัดในระดับนี้รองรับการประมวลผลด้วยคณิตศาสตร์และสถิติได้หลากหลาย เช่น การหาค่าเฉลี่ย ความแปรปรวน และค่าสัมประสิทธิ์สหสัมพันธ์
ตารางที่ 3.1 เกณฑ์ของการวัดในแต่ละระดับ
| เกณฑ์การวัด | NOMINAL | ORDINAL | INTERVAL–RATIO |
|---|---|---|---|
| ความสามารถในการแสดง | แสดงเอกลักษณ์ของวัตถุ | แสดงเอกลักษณ์ และจัดลำดับชั้นของข้อมูลได้ | แสดงเอกลักษณ์ จัดลำดับ และวัดความแตกต่างเชิงปริมาณได้ |
| Operation ที่รองรับ | Logic operations (เท่ากัน/ไม่เท่า) | Logic operations เพิ่มการเปรียบเทียบระดับ | รองรับ Logic และ Arithmetic operations ได้ครบถ้วน |
| ทางสถิติที่ใช้ได้ | Mode, Contingency Coefficient | Median, Percentiles | Mean, Variance, Coefficient of Correlation |
การประยุกต์ในงาน GIS
จาก รูปที่ 3.1 ซึ่งนำมาจาก Michael N. Demers (1997), ได้อธิบายเพิ่มเติมเกี่ยวกับ การใช้ระดับการวัด ในระบบ GIS ว่า เมื่อวัตถุหรือข้อมูลถูกแสดงในลักษณะ จุด (Point), เส้น (Line), หรือพื้นที่ (Polygon) การกำหนดค่าของข้อมูลเชิงคุณลักษณะควรพิจารณาระดับการวัดที่เหมาะสม
- ในระดับ Nominal ค่าในตารางคุณลักษณะจะมีเพียงการ “ระบุ” เช่น ชนิดของพืชหรือชื่อจังหวัด โดยไม่สามารถนำไปวิเคราะห์ทางสถิติเชิงลึกได้
- ในระดับ Ordinal สามารถจัดลำดับความสำคัญ เช่น คุณภาพของถนน แต่ยังไม่สามารถวัดค่าความแตกต่างได้อย่างแม่นยำ
- ขณะที่ในระดับ Interval–Ratio ระบบ GIS สามารถใช้ข้อมูลในการวิเคราะห์เชิงปริมาณ เช่น การจำลองแบบจำลองเชิงพื้นที่ การวิเคราะห์แนวโน้มเชิงพื้นที่ และการประมาณค่าทางสถิติ
บทสรุป
การเข้าใจ ลักษณะของข้อมูลเชิงคุณลักษณะ และ ระดับการวัด ถือเป็นพื้นฐานสำคัญของการประมวลผลในระบบ GIS ทั้งในด้านการจัดการฐานข้อมูล การวิเคราะห์เชิงพื้นที่ และการแสดงผลผ่านแผนที่อย่างมีประสิทธิภาพ นักวิจัยหรือผู้ปฏิบัติงานด้านภูมิสารสนเทศควรสามารถเลือกใช้ระดับการวัดที่เหมาะสม เพื่อให้สามารถตอบสนองต่อโจทย์ปัญหาทางพื้นที่ได้อย่างถูกต้องและแม่นยำ
ลักษณะข้อมูลเชิงคุณลักษณะมีผลต่อความถูกต้องของข้อมูล GIS อย่างไร
ลักษณะข้อมูลเชิงคุณลักษณะ (Attribute Characteristics) มีบทบาทสำคัญต่อความถูกต้องของข้อมูลในระบบสารสนเทศภูมิศาสตร์ (GIS) โดยความถูกต้องใน GIS หมายถึงความใกล้เคียงของข้อมูลในฐานข้อมูลกับค่าจริงในโลกความเป็นจริง ซึ่งความถูกต้องของข้อมูลเชิงคุณลักษณะเกี่ยวข้องกับความถูกต้องและความน่าเชื่อถือของข้อมูลที่ไม่ใช่เชิงพื้นที่ เช่น ประเภทการใช้ที่ดิน ระดับความเป็นกรด-ด่างของดิน เป็นต้น ข้อพิจารณาหลักๆ ที่แสดงถึงผลกระทบของลักษณะข้อมูลเชิงคุณลักษณะต่อความถูกต้องของข้อมูล GIS มีดังนี้
1. ความถูกต้องเชิงคุณภาพและเชิงปริมาณ
- ความถูกต้องเชิงคุณภาพ (Qualitative Accuracy) หมายถึงความถูกต้องของการกำหนดประเภทหรือตัวแทน เช่น หากพื้นที่เกษตรถูกระบุผิดเป็นพื้นที่ชุ่มน้ำ จะทำให้ข้อมูลผิดพลาดและส่งผลต่อการตัดสินใจ
- ความถูกต้องเชิงปริมาณ (Quantitative Accuracy) หมายถึงความแม่นยำของค่าตัวเลขที่บันทึก เช่น การวัดค่าความเป็นกรด-ด่างของดินที่ผิดพลาดจากการใช้เครื่องมือที่ไม่ได้มาตรฐาน จะส่งผลให้ข้อมูลไม่ถูกต้องและวิเคราะห์ผิดพลาด
2. แหล่งที่มาของความผิดพลาดในข้อมูลเชิงคุณลักษณะ
- ข้อผิดพลาดจากการป้อนข้อมูล (Data Entry Errors) เช่น การพิมพ์ข้อมูลผิดพลาด
- การตีความภาพถ่ายทางอากาศหรือดาวเทียมผิดพลาด เนื่องจากการตีความที่ไม่ถูกต้องหรือใช้ข้อมูลฐานที่ล้าสมัย
- วิธีการเก็บตัวอย่างข้อมูลที่ไม่สม่ำเสมอ ซึ่งอาจทำให้ข้อมูลมีความคลาดเคลื่อนและไม่ถูกบันทึกอย่างครบถ้วน
3. ผลกระทบจากมิติของข้อมูล
ลักษณะข้อมูลเชิงคุณลักษณะได้รับผลกระทบจากมิติหลัก 3 ด้าน ได้แก่
- มิติทางภูมิศาสตร์ (Spatial Dimension) ความแตกต่างของข้อมูลในแต่ละพื้นที่
- มิติทางเวลา (Temporal Dimension) การเปลี่ยนแปลงของข้อมูลตามช่วงเวลา เช่น ฤดูกาล
- มิติทางลักษณะเฉพาะ (Thematic Dimension) ความแตกต่างของคุณสมบัติ เช่น ประเภทของการใช้ที่ดิน
4. ความท้าทายในการแสดงผลข้อมูล
การแสดงข้อมูลเชิงคุณลักษณะในรูปแบบต่างๆ เช่น แบบเวกเตอร์ (Vector), แรสเตอร์ (Raster) หรือ TIN อาจทำให้เกิดความคลาดเคลื่อนเมื่อต้องแปลงข้อมูลระหว่างรูปแบบต่างๆ ส่งผลต่อความถูกต้องของข้อมูล
5. วิธีการประเมินความถูกต้อง
- ตารางความผิดพลาด (Error Matrix) ใช้เปรียบเทียบข้อมูลจริงกับข้อมูลที่จัดเก็บใน GIS เพื่อหาค่าความถูกต้องโดยรวม
- ดัชนีคัปป้า (Kappa Index) ใช้วัดความสอดคล้องระหว่างข้อมูลที่สังเกตและข้อมูลอ้างอิง โดยคำนึงถึงความเป็นไปได้ที่เกิดขึ้นโดยบังเอิญ
6. ผลกระทบของความถูกต้องต่ำ
- ผลการวิเคราะห์อาจผิดพลาดและไม่น่าเชื่อถือ
- การตัดสินใจที่อิงข้อมูล GIS อาจผิดพลาด
- ความน่าเชื่อถือและประโยชน์ของโครงการ GIS ลดลงอย่างมาก ภายใต้หลักการ “ข้อมูลขยะเข้า ผลลัพธ์ขยะออก” (Garbage In, Garbage Out)
สรุป
การรักษาความถูกต้องของข้อมูลเชิงคุณลักษณะเป็นสิ่งจำเป็นอย่างยิ่งเพื่อให้การวิเคราะห์และการตัดสินใจที่ใช้ GIS มีความน่าเชื่อถือและมีประสิทธิภาพ การจัดเก็บข้อมูลอย่างรอบคอบ การตรวจสอบ และการใช้เทคนิคประเมินความถูกต้อง เช่น ตารางความผิดพลาดและดัชนีคัปป้า จะช่วยลดข้อผิดพลาดและเพิ่มคุณภาพของข้อมูล GIS ได้อย่างมีประสิทธิผล
ระดับ Interval-Ratio ช่วยพัฒนาการวิเคราะห์ข้อมูล GIS
ระดับ Interval-Ratio ช่วยเพิ่มประสิทธิภาพในการวิเคราะห์ข้อมูล GIS อย่างมาก เนื่องจากสามารถรองรับการดำเนินการเชิงปริมาณและสถิติขั้นสูง ซึ่งช่วยให้เข้าใจรูปแบบและความสัมพันธ์เชิงพื้นที่ได้ลึกซึ้งขึ้น ดังนี้
1. ความแม่นยำเชิงปริมาณ
ข้อมูลระดับ Interval-Ratio มีช่วงค่าที่เท่ากันระหว่างแต่ละหน่วย ทำให้สามารถทำการคำนวณทางคณิตศาสตร์ เช่น การบวก ลบ และหาค่าเฉลี่ย ได้อย่างถูกต้อง เช่น การคำนวณความสูงเฉลี่ยของพื้นที่ หรือการวิเคราะห์ความแปรปรวนของอุณหภูมิในพื้นที่หนึ่งๆ
2. การวิเคราะห์สถิติขั้นสูง
ระดับนี้รองรับการใช้เทคนิคสถิติที่ซับซ้อน เช่น
- การวิเคราะห์ถดถอย (Regression Analysis): ใช้ทำนายการเปลี่ยนแปลงของสิ่งแวดล้อมจากข้อมูลในอดีต เช่น แนวโน้มอุณหภูมิ
- ส่วนเบี่ยงเบนมาตรฐาน (Standard Deviation): วัดความแปรปรวนของข้อมูล เช่น ความสูงของภูมิประเทศ
- สัมประสิทธิ์สหสัมพันธ์ (Correlation Coefficient): วิเคราะห์ความสัมพันธ์ระหว่างตัวแปร เช่น ความหนาแน่นประชากรกับความสะดวกในการเข้าถึงพื้นที่
3. การเปรียบเทียบข้ามช่วงเวลาและพื้นที่
ข้อมูลระดับ Interval-Ratio ช่วยให้สามารถเปรียบเทียบข้อมูลระหว่างพื้นที่ต่างๆ หรือช่วงเวลาต่างๆ ได้อย่างสม่ำเสมอ เช่น การเปรียบเทียบปริมาณฝนระหว่างสองภูมิภาค หรือการติดตามการเปลี่ยนแปลงระดับน้ำทะเลในช่วงหลายสิบปี
4. การแสดงผลข้อมูลที่ชัดเจน
ข้อมูลประเภทนี้เหมาะสำหรับการสร้างภาพข้อมูลแบบต่อเนื่อง เช่น แผนที่ความร้อน (Heat Map) หรือการไล่ระดับสี (Gradient Shading) ซึ่งช่วยให้แสดงข้อมูลเช่น อุณหภูมิ หรือความสูง ได้อย่างชัดเจนและเข้าใจง่าย
5. การนำไปใช้ในแบบจำลองเชิงพยากรณ์
ข้อมูลระดับ Interval-Ratio สามารถนำไปใช้ในแบบจำลองเพื่อจำลองสถานการณ์และวางแผน เช่น การจำลองความเสี่ยงน้ำท่วมโดยใช้ข้อมูลปริมาณฝนและความสูงของพื้นที่
สรุป
ระดับ Interval-Ratio ช่วยพัฒนาการวิเคราะห์ข้อมูล GIS โดยให้พื้นฐานทางคณิตศาสตร์สำหรับการคำนวณที่แม่นยำ การวิเคราะห์สถิติที่แข็งแกร่ง และการแสดงผลข้อมูลที่มีความหมาย ซึ่งช่วยสนับสนุนการตัดสินใจและความเข้าใจเชิงพื้นที่ได้อย่างมีประสิทธิภาพมากขึ้น