บทที่ 6 : 6.3.3 การวิเคราะห์ข้อมูลเชิงพื้นที่ร่วมกับข้อมูลเชิงบรรยาย (Integrated Analysis of the Spatial and Non-Spatial Data)
๖.๓.๓ การวิเคราะห์ข้อมูลเชิงพื้นที่ร่วมกับข้อมูลเชิงบรรยาย (Integrated Analysis of the Spatial and Non-Spatial Data)
๖.๓.๓ การวิเคราะห์ข้อมูลเชิงพื้นที่ร่วมกับข้อมูลเชิงบรรยาย (Integrated Analysis of the Spatial and Non-Spatial Data) อย่างเป็นระบบและลึกซึ้งในบริบทของระบบสารสนเทศภูมิศาสตร์ (GIS) ผมขออธิบายโดยแยกเป็นหัวข้อย่อยดังนี้:
📌 ความหมายและความสำคัญ
การวิเคราะห์ข้อมูลเชิงพื้นที่ร่วมกับข้อมูลเชิงบรรยาย คือกระบวนการเชื่อมโยงหรือผสานข้อมูลที่มีตำแหน่งทางภูมิศาสตร์ (Spatial Data) กับข้อมูลลักษณะหรือคุณสมบัติ (Attribute / Non-Spatial Data) เพื่อการวิเคราะห์ที่ครบถ้วนทั้ง “ที่ตั้ง” และ “รายละเอียด”
✅ Spatial Data เช่น รูปร่างขอบเขตจังหวัด, ตำแหน่งโรงพยาบาล
✅ Attribute Data เช่น จำนวนประชากร, ประเภทการใช้ที่ดิน, ค่า PM2.5
💡 จุดเด่น
- เพิ่มมิติของ “ที่ตั้ง” ให้กับข้อมูลเชิงสถิติ
- สร้างความเข้าใจเชิงบริบท
- สนับสนุนการตัดสินใจเชิงนโยบาย (Evidence-based Planning)
🔄 รูปแบบการบูรณาการข้อมูล (Integration Techniques)
| รูปแบบ | คำอธิบาย | ตัวอย่าง |
|---|---|---|
| Join | เชื่อมตารางข้อมูลคุณลักษณะเข้ากับข้อมูลเชิงพื้นที่โดยใช้คีย์ร่วม (เช่นรหัสพื้นที่) | เชื่อมตารางประชากรกับขอบเขตตำบล |
| Relate | สร้างความสัมพันธ์เชิงตรรกะระหว่างตารางข้อมูลหลายชุด | ข้อมูลผู้ป่วยเชื่อมกับโรงพยาบาล |
| Spatial Join | การรวมข้อมูลเชิงบรรยายตามความสัมพันธ์เชิงพื้นที่ | รวมค่า PM2.5 กับตำแหน่งโรงเรียนที่อยู่ในรัศมี 2 กม. |
| Overlay Analysis | วิเคราะห์หลายชั้นข้อมูลพร้อมกัน | วิเคราะห์จุดที่มีทั้ง “พื้นที่เสี่ยงน้ำท่วม” และ “ที่อยู่อาศัยของผู้สูงอายุ” |
🧭 ตัวอย่างการวิเคราะห์ที่ใช้ข้อมูลทั้งสองประเภท
1. วางแผนโครงสร้างพื้นฐาน
- ข้อมูลเชิงพื้นที่: ตำแหน่งถนน, พื้นที่ชุมชน
- ข้อมูลเชิงบรรยาย: ปริมาณการจราจร, ความหนาแน่นประชากร
✨ เพื่อเลือกเส้นทางถนนที่ควรขยาย
2. การวิเคราะห์เชิงสิ่งแวดล้อม
- ข้อมูลเชิงพื้นที่: แหล่งน้ำ, ขอบเขตป่าไม้
- ข้อมูลเชิงบรรยาย: ค่าคุณภาพน้ำ, ประเภทพันธุ์ไม้
✨ เพื่อประเมินสุขภาพระบบนิเวศ
3. การควบคุมโรคติดต่อ
- ข้อมูลเชิงพื้นที่: ตำแหน่งบ้านพักผู้ป่วย
- ข้อมูลเชิงบรรยาย: ประเภทโรค, อายุ, วันที่แสดงอาการ
✨ เพื่อสร้างแผนที่การแพร่ระบาดและหา Cluster ของผู้ติดเชื้อ
🔗 การทำงานร่วมกับโปรแกรมประยุกต์อื่น
GIS สามารถ ทำงานร่วมกับซอฟต์แวร์ด้านฐานข้อมูล, วิเคราะห์สถิติ และ AI เช่น:
- R / Python (GeoPandas, PySAL) – วิเคราะห์ทางสถิติและ Machine Learning
- PostgreSQL/PostGIS – จัดการฐานข้อมูลเชิงพื้นที่
- Tableau / Power BI – แสดงผลข้อมูลบูรณาการแบบ Interactive Dashboard
- Google Earth Engine (GEE) – วิเคราะห์ข้อมูลเชิงพื้นที่จากภาพถ่ายดาวเทียม
📈 สรุปประโยชน์เชิงระบบ
| ด้าน | ผลลัพธ์ |
|---|---|
| 🎯 ความถูกต้อง | ได้ข้อมูลเชิงลึกและสัมพันธ์กับตำแหน่ง |
| ⚙️ ระบบ | รองรับการวิเคราะห์ที่ซับซ้อนหลายมิติ |
| 📡 การใช้งาน | เชื่อมโยงกับการวางแผน สาธารณสุข, สิ่งแวดล้อม, พัฒนาเมือง |
| 🧩 ยืดหยุ่น | ใช้ร่วมกับ Open-source และ Commercial Software ได้ |
ก) การเรียกค้นข้อมูล, การแบ่งกลุ่มข้อมูล และการวัด (Data retrieval, Classification and Measurement)
การเรียกค้นข้อมูล การแบ่งกลุ่มข้อมูล และการวัด (Retrieval, Classification and Measurement) ถือเป็นรากฐานสำคัญของการประยุกต์ใช้ระบบสารสนเทศภูมิศาสตร์ (GIS) โดยเฉพาะเมื่อเชื่อมโยง ข้อมูลเชิงบรรยาย (Attribute Data) กับ ข้อมูลเชิงพื้นที่ (Spatial Data) ซึ่งส่งผลให้สามารถจัดการ วิเคราะห์ และแสดงผลข้อมูลได้อย่างมีประสิทธิภาพมากยิ่งขึ้น
บทวิเคราะห์ด้านล่างจะขยายความแต่ละกระบวนการอย่างเป็นระบบ พร้อมเชื่อมโยงกับแนวคิด GIS ขั้นสูงและตัวอย่างเชิงประยุกต์
🧭 1) การเรียกค้นข้อมูล (Retrieval)
การเรียกค้นข้อมูล (Retrieval) ในระบบสารสนเทศภูมิศาสตร์ (GIS)
คือกระบวนการค้นหาหรือดึงข้อมูลที่ตรงตามเงื่อนไขจากฐานข้อมูล โดยอาศัยทั้งข้อมูลเชิงบรรยาย (Attribute Data) และข้อมูลเชิงพื้นที่ (Spatial Data) เพื่อให้สามารถเข้าถึงข้อมูลที่ต้องการได้อย่างรวดเร็วและแม่นยำ ซึ่งเป็นกระบวนการพื้นฐานที่สำคัญมากในงานวิเคราะห์เชิงพื้นที่
🔹 แนวคิดหลัก
- การสืบค้น (Query) คือการดึงข้อมูลจากฐานข้อมูลตามเงื่อนไขที่กำหนด
- ไม่มีการดัดแปลงข้อมูลต้นฉบับ
- ใช้ได้ทั้งกับข้อมูลเชิงบรรยาย (ใน Attribute Table) และเชิงพื้นที่ (Spatial Features)
🔸 ประเภทการเรียกค้น
| ประเภท | รายละเอียด | ตัวอย่าง |
|---|---|---|
| Simple Query | สืบค้นจากฟิลด์เดียว เช่น “จังหวัด = ‘เชียงใหม่’” | SQL: SELECT * FROM province WHERE name = 'เชียงใหม่'; |
| Compound Query | ใช้ Boolean Logic เช่น AND, OR, NOT | type = 'โรงพยาบาล' AND beds > 100 |
| Spatial Query | สืบค้นโดยอิงตำแหน่งเชิงพื้นที่ เช่น “ภายในรัศมี 2 กม.” | ค้นหาบ้านที่อยู่ใกล้โรงเรียนภายใน 2 กม. |
| Combined Query | ใช้ SQL + Spatial Operation เช่น Overlay, Buffer | “หาพื้นที่ชุ่มน้ำที่อยู่ในเขตชุมชนและมีพื้นที่ > 5 ไร่” |
🧠 แนวปฏิบัติ
- ใช้ SQL Query Builder (ใน QGIS/ArcGIS)
- ใช้
Select by AttributesและSelect by Location - แสดงผลลัพธ์เป็น layer ใหม่ หรือ export เป็นฐานข้อมูลย่อย
🧭 ประเภทของการเรียกค้นข้อมูลใน GIS
1. Attribute Query (การเรียกค้นจากข้อมูลเชิงบรรยาย)
- ใช้เงื่อนไขจากตารางข้อมูล (Attribute Table) เช่น ชื่อ, ประเภท, จำนวน, สถานะ
- ใช้ภาษา SQL (Structured Query Language) เป็นหลัก
ตัวอย่าง:
sqlCopyEditSELECT * FROM landuse WHERE land_type = 'Agriculture'
หรือใน QGIS/ArcGIS:
sqlCopyEdit"POPULATION" > 10000 AND "DISTRICT" = 'Muang'
ใช้ในเมนู Select by Attributes
2. Spatial Query (การเรียกค้นจากข้อมูลเชิงพื้นที่)
- ใช้ตำแหน่งและความสัมพันธ์เชิงพื้นที่ เช่น อยู่ภายใน, ตัดกัน, อยู่ติดกัน
- ต้องมีการอ้างอิงถึงรูปเรขาคณิต (Geometry) ของวัตถุ GIS
ตัวอย่าง:
- ค้นหาจุดเกิดเหตุที่อยู่ในรัศมี 1 กม. จากโรงพยาบาล
- ค้นหาพื้นที่ชุ่มน้ำที่อยู่ในเขตอุตสาหกรรม
ใช้ในเมนู Select by Location หรือเครื่องมือ Spatial Join
3. Combined Query (เชิงบูรณาการ)
- ผสมผสาน Attribute + Spatial Query
- ตัวอย่างเช่น “ค้นหาหมู่บ้านที่มีประชากรมากกว่า 500 คน และอยู่ห่างจากแม่น้ำไม่เกิน 2 กม.”
🔄 เครื่องมือที่ใช้ในการเรียกค้นข้อมูล
| ซอฟต์แวร์ | เครื่องมือหลัก |
|---|---|
| QGIS | Select by Attributes, Select by Location, Query Builder |
| ArcGIS Pro | Definition Query, Select Layer by Attributes/Location |
| PostGIS | SQL + Spatial Functions (ST_Within, ST_Distance) |
| Python | ใช้ GeoPandas.query() และ shapely หรือ fiona |
🔍 เทคนิคเสริมในการเรียกค้นข้อมูล
- Boolean Logic: ใช้ AND, OR, NOT เพื่อรวมเงื่อนไข
- LIKE และ Wildcard: สำหรับการค้นหาข้อความบางส่วน เช่น sqlCopyEdit
"NAME" LIKE 'Wat%' - IN และ BETWEEN: เพื่อเลือกจากชุดข้อมูล sqlCopyEdit
"ZONE" IN ('A', 'B', 'C') AND "ELEVATION" BETWEEN 200 AND 500
📊 ตัวอย่างการประยุกต์
| โจทย์ | วิธีเรียกค้น |
|---|---|
| หาจุดตรวจ COVID-19 ที่อยู่ในเขตเมือง | Spatial Query + Attribute Query |
| เลือกพื้นที่ที่ดินที่มีขนาดมากกว่า 10 ไร่ | Attribute Query |
| ค้นหาชั้นเรียนที่มีนักเรียน > 30 คน และอยู่ในโรงเรียนในอำเภอเมือง | Combined Query |
📦 ผลลัพธ์จากการเรียกค้น
- ได้ชุดข้อมูลใหม่ (Selection Set)
- ใช้ต่อยอดในการวิเคราะห์ เช่น Buffer, Clip, Intersect
- ใช้สร้างแผนที่เฉพาะกลุ่มเป้าหมาย
- Export เป็น Layer ใหม่หรือตารางรายงาน
🔗 บทสรุป
| ประเด็น | รายละเอียด |
|---|---|
| จุดประสงค์ | ดึงข้อมูลตามเงื่อนไขเพื่อการวิเคราะห์ |
| ข้อมูลที่ใช้ | เชิงบรรยาย, เชิงพื้นที่, หรือทั้งสองร่วมกัน |
| ความสำคัญ | เป็นรากฐานของการวิเคราะห์ GIS |
| ทักษะที่ควรมี | SQL, การเข้าใจตรรกะเชิงพื้นที่, การวิเคราะห์คุณลักษณะ |
🗂️ 2) การแบ่งกลุ่มข้อมูล (Classification)
🔹 นิยาม
กระบวนการจัดกลุ่มข้อมูลตามลักษณะทางกายภาพหรือข้อมูลเชิงคุณลักษณะ เพื่อการแสดงผล แยกวิเคราะห์ หรือจำแนกความเหมาะสม
การแบ่งกลุ่มข้อมูล (Classification) ในระบบสารสนเทศภูมิศาสตร์ (GIS) เป็นกระบวนการสำคัญที่ใช้สำหรับ จัดระเบียบข้อมูลเชิงบรรยาย และ แสดงผลข้อมูลเชิงพื้นที่ ให้เข้าใจง่ายและนำไปสู่การวิเคราะห์เชิงเปรียบเทียบที่มีประสิทธิภาพ โดยสามารถใช้ได้กับทั้งข้อมูลเวกเตอร์และข้อมูลเรสเตอร์ (Vector/Raster Data)
📌 ความหมายของ Classification ใน GIS
Classification คือกระบวนการ จัดกลุ่มข้อมูล ที่มีคุณลักษณะคล้ายกันให้อยู่ในกลุ่มเดียวกัน เพื่อการแสดงผลหรือการวิเคราะห์ เช่น การจัดกลุ่มประชากรเป็น “ต่ำ-กลาง-สูง” หรือการจัดประเภทการใช้ที่ดิน
✨ เปรียบเทียบได้กับการทำ “หมวดหมู่” (Categorization) หรือ “กลุ่มระดับ” (Ranking Class) ในสถิติ
🔸 รูปแบบการจัดกลุ่ม
| กระบวนการ | คำอธิบาย | ตัวอย่างการใช้ |
|---|---|---|
| Reclassify | จัดกลุ่มข้อมูลใหม่จากฟิลด์หนึ่งหรือหลายฟิลด์ | แบ่งชุดดินออกเป็น 3 กลุ่ม: เหมาะสม / ปานกลาง / ไม่เหมาะสม |
| Dissolve | ลบขอบเขตระหว่าง polygon ที่มีค่าฟิลด์เดียวกัน | รวมอำเภอที่อยู่ในจังหวัดเดียวกันให้เป็น polygon เดียว |
| Merge | รวมหลาย Layer หรือหลาย Polygon เข้าเป็น Layer เดียว | รวมพื้นที่เกษตรหลายแปลงเข้าด้วยกัน พร้อมสร้างรหัสใหม่ |
🧠 แนวปฏิบัติ
- ใช้ Symbology Classification เพื่อจำแนกสีหรือกลุ่ม
- ใช้เครื่องมือ Reclassify (Raster) หรือ Vector Dissolve Tool
- ใช้ผลลัพธ์ต่อยอดใน Suitability Analysis
🧭 ประเภทของการแบ่งกลุ่มข้อมูล
1. การจัดกลุ่มเชิงคุณลักษณะ (Attribute-based Classification)
- ใช้ฟิลด์ในตารางข้อมูล (Attribute Table)
- เหมาะกับข้อมูลเวกเตอร์ (Vector Data)
ตัวอย่าง:
- แบ่งพื้นที่เป็น “เขตเมือง”, “เกษตรกรรม”, “พื้นที่อนุรักษ์”
- แบ่งตำบลตามระดับรายได้: ต่ำ <10,000 / กลาง 10,000–30,000 / สูง >30,000
2. การจัดกลุ่มค่าต่อเนื่อง (Quantitative Classification)
- ใช้กับข้อมูลตัวเลข เช่น รายได้, ความสูง, ปริมาณฝน
- เหมาะกับการจัดระดับหรือเชิงช่วง
เทคนิคที่นิยม:
| วิธี | ลักษณะ | เหมาะกับกรณี |
|---|---|---|
| Equal Interval | แบ่งช่วงเท่ากัน | ค่าที่กระจายทั่วๆ ไป |
| Quantile | ให้จำนวนข้อมูลเท่ากันในแต่ละกลุ่ม | ข้อมูลมีการกระจายไม่สม่ำเสมอ |
| Natural Breaks (Jenks) | แบ่งตามกลุ่มค่าธรรมชาติ | ข้อมูลมีความแตกต่างภายในกลุ่ม |
| Standard Deviation | ใช้ค่าเฉลี่ยและเบี่ยงเบน | วิเคราะห์ค่าผิดปกติหรือ outlier |
3. การจัดกลุ่มจาก Raster Data (Raster Reclassification)
- ใช้กับข้อมูลภาพ เช่น ภาพถ่ายดาวเทียม, DEM
- ใช้เครื่องมือ
Reclassifyเพื่อเปลี่ยนค่าพิกเซล
ตัวอย่าง:
- DEM แบ่งระดับความสูง: 0–100m, 101–300m, >300m
- ดัชนี NDVI แบ่งระดับความเขียว: <0.2 = ต่ำ, 0.2–0.5 = กลาง, >0.5 = สูง
🔄 เครื่องมือและกระบวนการที่เกี่ยวข้อง
| เครื่องมือ | ใช้สำหรับ |
|---|---|
| Symbology Classification | การกำหนดสีหรือขนาดแสดงผลตามกลุ่ม |
| Reclassify Tool (Raster) | การจัดกลุ่มค่าระดับภาพ |
| Dissolve | รวม Polygon ที่อยู่ในกลุ่มเดียวกัน |
| Field Calculator | สร้างฟิลด์ใหม่จากเงื่อนไขจัดกลุ่ม |
| Rule-based Rendering | การกำหนดกฎจำแนกขั้นสูงใน QGIS/ArcGIS |
🗺️ ตัวอย่างการประยุกต์
กรณี: การประเมินพื้นที่เหมาะสมสำหรับโรงงาน
| ขั้นตอน | รายละเอียด |
|---|---|
| 1. คัดเลือกพื้นที่ที่ดินว่างเปล่า | จากฟิลด์ landuse = ‘Vacant’ |
| 2. คัดเฉพาะที่ห่างจากถนน > 500 เมตร | Spatial Query + Buffer |
3. สร้างฟิลด์ใหม่ suitability และจัดกลุ่ม | 1 = ต่ำ, 2 = ปานกลาง, 3 = เหมาะสมมาก |
| 4. ใช้ Symbology แสดงด้วยสีแตกต่างกัน | เพื่อสร้าง thematic map |
📊 ผลลัพธ์ของการแบ่งกลุ่มข้อมูล
- ได้แผนที่เชิงธีม (Thematic Map)
- ช่วยในการตัดสินใจ เช่น การวางผังเมือง การบริหารจัดการทรัพยากร
- ใช้เป็นข้อมูลนำเข้าสำหรับ Spatial Modeling เช่น Suitability Analysis, Risk Mapping
🧠 ข้อควรพิจารณาทางวิชาการ
- การเลือกวิธีจัดกลุ่มมีผลต่อการตีความข้อมูล (classification bias)
- ควรใช้การวิเคราะห์สถิติเบื้องต้น (เช่น histogram) เพื่อตัดสินใจวิธีจัดกลุ่ม
- การจัดกลุ่มควรโปร่งใส และมีเหตุผลเชิงนโยบายรองรับ
รูปที่ 6.6 การรวมข้อมูลเชิงพื้นทีเข้าด้วยกัน
แนวทางการ พิจารณาแผนที่ชุดดิน ตามที่กล่าวถึงในข้อความข้างต้น เป็นตัวอย่างที่ชัดเจนของการประยุกต์ใช้ กระบวนการจัดการข้อมูลเชิงพื้นที่ ในระบบสารสนเทศภูมิศาสตร์ (GIS) โดยเน้นการ จัดกลุ่มข้อมูลใหม่ (Reclassify), ลบขอบเขต (Dissolve) และ รวมข้อมูล (Merge) เพื่อสร้างชั้นข้อมูลที่สะท้อนภาพรวมของพื้นที่ทางกายภาพได้อย่างมีประสิทธิภาพ
🗺️ บริบท: แผนที่ชุดดิน (Soil Series Map)
แผนที่ชุดดิน (Soil Series Map) คือชั้นข้อมูลเชิงพื้นที่ที่แสดงลักษณะและการจำแนกของดินในพื้นที่หนึ่ง โดยทั่วไปประกอบด้วย:
- ข้อมูลเชิงพื้นที่: Polygon แสดงขอบเขตของหน่วยดิน
- ข้อมูลเชิงบรรยาย: ชนิดของดิน, ความลึก, pH, ความเหมาะสมในการปลูกพืช ฯลฯ
🔁 กระบวนการหลัก 3 ขั้นตอน
1. Reclassify – การจัดกลุ่มข้อมูลใหม่
ความหมาย: การจัดกลุ่มพื้นที่ตามข้อมูลเชิงบรรยาย เช่น ชนิดดิน, ความเหมาะสมในการเกษตร ฯลฯ ให้กลายเป็นกลุ่มใหม่ที่มีความหมายต่อการวิเคราะห์
ตัวอย่างการใช้งาน:
- จากเดิมมี 12 ชุดดิน → Reclassify เป็น 3 กลุ่ม ได้แก่ “ดินทราย”, “ดินเหนียว”, “ดินร่วน”
- ใช้ Field Calculator หรือเครื่องมือ Reclassify (Raster)
ใน QGIS:
- สร้าง Field ใหม่ชื่อ
SoilGroup - เขียนเงื่อนไข เช่น
qgisCopyEditCASE
WHEN "soil_code" IN ('S01', 'S02') THEN 'ดินทราย'
WHEN "soil_code" IN ('S03', 'S04') THEN 'ดินเหนียว'
ELSE 'ดินร่วน'
END
2. Dissolve – การลบขอบเขตของกลุ่มข้อมูลเดียวกัน
ความหมาย: รวม Polygon ที่มีคุณลักษณะเหมือนกันเข้าด้วยกันโดยลบเส้นขอบระหว่างกัน เพื่อให้เกิดหน่วยพื้นที่ใหม่ที่ต่อเนื่อง
ตัวอย่างการใช้งาน:
- พื้นที่ดินร่วน 5 แปลงแยกกัน → Dissolve รวมเป็น 1 Polygon ใหญ่
- เหมาะสำหรับสร้าง thematic map หรือลดความซับซ้อนของ topology
ใน QGIS:
- ใช้เครื่องมือ
Dissolve - เลือก Field ที่จะใช้เป็นเกณฑ์ เช่น
SoilGroup
3. Merge – การรวมชั้นข้อมูลหรือ Polygon
ความหมาย: การรวมหลายชั้นข้อมูล (Layers) หรือหลาย Polygon เข้าด้วยกันเพื่อสร้างชุดข้อมูลใหม่ที่ครอบคลุมพื้นที่ใหญ่ขึ้น และจัดระบบรหัส (ID) ใหม่
ตัวอย่างการใช้งาน:
- รวมแผนที่ชุดดินจากแต่ละอำเภอ → เป็นแผนที่ระดับจังหวัด
- ใช้เมื่อข้อมูลมาจากหลายแหล่ง/ไฟล์ เช่น *.shp หลายไฟล์
ใน QGIS:
- ใช้เครื่องมือ
Merge Vector Layers(รวมหลายชั้นข้อมูล) - หรือ
Unionเพื่อรวม geometry พร้อมรักษาข้อมูลเดิม
🧠 สรุปความสัมพันธ์ของกระบวนการ
| ขั้นตอน | จุดประสงค์ | ผลลัพธ์ |
|---|---|---|
| Reclassify | ลดความหลากหลาย → กลุ่มที่มีความหมายใหม่ | ฟิลด์จำแนกใหม่ใน Attribute Table |
| Dissolve | รวมพื้นที่ที่มีคุณลักษณะเดียวกัน | Polygon ขนาดใหญ่ขึ้น ลดจำนวนเรขาคณิต |
| Merge | ผสานหลายแหล่งข้อมูล | ชั้นข้อมูลใหม่ที่เป็นหนึ่งเดียว |
🎯 ประโยชน์ของกระบวนการทั้งสาม
- ลดความซับซ้อนของข้อมูลเชิงพื้นที่ (Generalization)
- รองรับการวิเคราะห์เชิงพื้นที่ เช่น Suitability Modeling
- ส่งเสริมความเข้าใจในแผนที่ภาพรวม
- ช่วยในการวางแผนการใช้ประโยชน์ที่ดินในระดับลุ่มน้ำ/จังหวัด/ประเทศ
✨ ตัวอย่างการประยุกต์ใช้ในเชิงวิชาการ
- โครงการวางแผนการใช้ที่ดิน (Land Use Planning):
- Reclassify ชุดดินตามความเหมาะสม
- Dissolve พื้นที่ดินกลุ่มเดียวกัน
- Merge ข้อมูลจากหลายตำบลเข้าด้วยกัน
- การประเมินความเสี่ยงต่อการพังทลายของดิน (Soil Erosion):
- ใช้ข้อมูลชุดดิน + ความลาดชัน
- Reclassify ค่า K-factor และ L-factor
- แสดงผลร่วมกับ DEM และฝนตกเฉลี่ย
📏 3) การวัด (Measurement)
การวัด (Measurement) ในระบบสารสนเทศภูมิศาสตร์ (GIS) เป็นกระบวนการที่ใช้ในการวิเคราะห์เชิงปริมาณจากข้อมูลเชิงพื้นที่ โดยเน้นการคำนวณค่าทางเรขาคณิต เช่น พื้นที่ ความยาว ความสูง ระยะทาง หรือค่าทางสถิติอื่นๆ ที่สามารถสกัดได้จากข้อมูลเชิงตำแหน่ง ซึ่งมีบทบาทสำคัญต่อการประเมินสถานการณ์ การตัดสินใจ และการออกแบบระบบเชิงนโยบาย
📌 ความหมายของการวัดใน GIS
Measurement ในบริบท GIS หมายถึง กระบวนการประเมินหรือคำนวณค่าทางกายภาพหรือปริมาณ จากวัตถุหรือปรากฏการณ์ที่มีข้อมูลตำแหน่งเชิงพื้นที่ (Geometry) โดยผลลัพธ์ของการวัดสามารถแสดงผลในตารางคุณลักษณะ (Attribute Table) หรือแสดงบนแผนที่
🔹 ความหมาย
คือการหาปริมาณที่เกี่ยวข้องกับลักษณะเชิงพื้นที่ เช่น:
- พื้นที่ (Area)
- ความยาว (Length)
- ระยะทาง (Distance)
- ความสูง (Elevation)
🔸 ประเภทของการวัด
| ประเภท | คำอธิบาย | ตัวอย่าง |
|---|---|---|
| พื้นที่ | ใช้กับ Polygon เช่น พื้นที่ป่าไม้ | area(geometry) ใน QGIS |
| ระยะทาง | ใช้กับ Line หรือวัดระหว่างจุด (Point) | วัดระยะทางจากบ้านถึงโรงเรียน |
| เชิงปริมาณ | ใช้ค่าใน Attribute Table มาเปรียบเทียบหรือจัดอันดับ | เปรียบเทียบพื้นที่เกษตรตามอำเภอ |
🧠 แนวปฏิบัติ
- ใช้เครื่องมือ Measure Tool
- ใช้ Field Calculator คำนวณพื้นที่โดยใช้ CRS ที่เหมาะสม (Projected Coordinate System)
- ใช้ Buffer เพื่อคำนวณระยะครอบคลุม (เช่น โรงพยาบาลห่างจากหมู่บ้านภายใน 5 กม.)
🧭 ประเภทของการวัดใน GIS
1. การวัดความยาว (Length Measurement)
- ใช้กับวัตถุประเภท เส้น (Line) เช่น ถนน แม่น้ำ รางรถไฟ
- หน่วยที่ใช้: เมตร, กิโลเมตร, ไมล์
- วิธีวัด: วัดความยาวรวมของเส้น หรือความยาวเฉพาะช่วง
ตัวอย่าง:
- วัดความยาวของเส้นทางขนส่งจากท่าเรือถึงนิคมอุตสาหกรรม
- วัดความยาวแม่น้ำสายหลักในแต่ละอำเภอ
2. การวัดพื้นที่ (Area Measurement)
- ใช้กับวัตถุประเภท พื้นที่ (Polygon) เช่น แปลงเกษตร ป่าอนุรักษ์ เขตการปกครอง
- หน่วย: ตารางเมตร (m²), ไร่, ตารางกิโลเมตร (km²)
ตัวอย่าง:
- คำนวณพื้นที่ป่าที่เหลืออยู่ในจังหวัดภาคเหนือ
- คำนวณพื้นที่น้ำท่วมจากภาพดาวเทียม
3. การวัดระยะทาง (Distance Measurement)
- ใช้กับ จุด (Point) หรือระหว่างจุดและวัตถุ
- สามารถวัดระยะทางเชิงเส้นตรง (Euclidean Distance) หรือตามเส้นทาง (Network Distance)
ตัวอย่าง:
- วัดระยะจากบ้านแต่ละหลังถึงโรงพยาบาล
- วัดรัศมีครอบคลุมของสถานีดับเพลิง
4. การวัดความสูง (Elevation/Height)
- ใช้ข้อมูล DEM (Digital Elevation Model) หรือ Contour
- ใช้ในการวิเคราะห์ภูมิประเทศ ความลาดชัน หรือการระบายน้ำ
ตัวอย่าง:
- ประเมินความเสี่ยงดินถล่มในพื้นที่ลาดชัน
- หาค่าความสูงเฉลี่ยของพื้นที่เพาะปลูกในหุบเขา
⚙️ เครื่องมือที่ใช้ในการวัดใน GIS
| เครื่องมือ | รายละเอียด | โปรแกรมที่รองรับ |
|---|---|---|
| Measure Tool | ใช้วัดระยะ/พื้นที่ด้วยตนเอง | QGIS, ArcGIS |
| Field Calculator | คำนวณค่าใหม่จาก Geometry | QGIS, ArcGIS |
| Geometry Function | เช่น area(), length(), distance() | Python (GeoPandas), SQL (PostGIS) |
| Zonal Statistics | สถิติค่าเชิงเรสเตอร์ในโซนพื้นที่ | QGIS, ArcGIS Spatial Analyst |
📊 ตัวอย่างการคำนวณใน QGIS Field Calculator
✅ พื้นที่ (หน่วย m²):
qgisCopyEdit$area
✅ ความยาว (หน่วย m):
qgisCopyEdit$length
✅ การคำนวณระยะทางระหว่างจุด:
qgisCopyEditdistance(geometry1, geometry2)
🧠 การวัดในเชิงวิเคราะห์
| ประเภท | วัตถุประสงค์ |
|---|---|
| ความยาวของถนนทั้งหมดในพื้นที่เป้าหมาย | วิเคราะห์ความหนาแน่นโครงข่ายจราจร |
| พื้นที่ที่ได้รับผลกระทบจากภัยพิบัติ | วางแผนการจัดการทรัพยากร |
| ระยะทางเฉลี่ยของประชากรถึงโรงพยาบาล | ประเมินความเท่าเทียมของการเข้าถึงบริการสุขภาพ |
| ความสูงและความลาดชัน | วางแผนการใช้ประโยชน์ที่ดินและอนุรักษ์ดิน |
🔎 ข้อควรระวังในการวัด
- ควรใช้ Projected Coordinate System (PCS) แทน Geographic Coordinate System (GCS) เพื่อความแม่นยำในการวัดระยะ/พื้นที่
- ค่าที่ได้จาก Raster ต้องใช้หน่วยให้ตรง เช่น การคูณขนาดเซลล์เพื่อหาพื้นที่
- การวัดในระบบ 3D ต้องใช้ Z-dimension หรือ DEM ประกอบ
✨ สรุป
| ด้าน | สาระสำคัญ |
|---|---|
| ความหมาย | กระบวนการคำนวณเชิงปริมาณจากข้อมูลเชิงพื้นที่ |
| ประเภท | ความยาว, พื้นที่, ระยะทาง, ความสูง |
| เครื่องมือ | Measure Tool, Field Calculator, Geometry Functions |
| ประยุกต์ใช้ | วางแผนผังเมือง, การเกษตร, การขนส่ง, การอนุรักษ์สิ่งแวดล้อม |
🔗 ความสัมพันธ์ของ 3 กระบวนการ
| กระบวนการ | ข้อมูลที่ใช้ | ผลลัพธ์ที่ได้ |
|---|---|---|
| Retrieval | Attribute + Spatial | Record ที่ตรงเงื่อนไข |
| Classification | Attribute | Group / Category |
| Measurement | Geometry (Line/Polygon) | ค่าเชิงปริมาณ (เช่น ตารางสรุป) |
🔍 ตัวอย่างจริง: กรณีวิเคราะห์ความเหมาะสมของพื้นที่ตั้งโรงงาน
- Retrieval: ดึงเฉพาะพื้นที่ “รกร้าง” และ “ห่างจากแม่น้ำเกิน 500 ม.”
- Classification: จำแนกกลุ่มออกเป็น “เหมาะสมมาก / ปานกลาง / ต่ำ”
- Measurement: วัดพื้นที่รวมของกลุ่ม “เหมาะสมมาก” เพื่อนำไปวางแผนเสนอผู้ลงทุน
ชุดคำสั่งและเครื่องมือใน ArcGIS (โดยเฉพาะ ArcGIS Pro) ที่ใช้สำหรับการคำนวณ พิกัด X,Y ของจุด, ความยาวของเส้น, พื้นที่ของโพลีกอน, และ จุดศูนย์กลาง (centroid) ของโพลีกอน ซึ่งเป็นพื้นฐานสำคัญในงานเชิงพื้นที่ (spatial data processing) และสามารถใช้งานผ่าน Field Calculator, Calculate Geometry, หรือ Geoprocessing Tools ได้ตามความเหมาะสม
✅ 1. การหา X,Y Coordinate จาก Point
📌 วิธีที่ 1: ใช้ Field Calculator
- เพิ่มฟิลด์ใหม่ 2 ช่อง เช่น
X_coord,Y_coord(ชนิด Double) - คลิกขวาที่ชื่อฟิลด์ > Calculate Field…
pythonCopyEdit# สำหรับ X
!Shape.Centroid.X!
# สำหรับ Y
!Shape.Centroid.Y!
🔍 ใช้กับ Geometry ของจุด (Point) เท่านั้น
📌 วิธีที่ 2: ใช้ Add Geometry Attributes Tool
- เครื่องมือ:
Add Geometry Attributes - พารามิเตอร์: เลือก
POINT_X,POINT_Y
✅ 2. การคำนวณความยาวของเส้น (Length of Line)
📌 วิธีที่ 1: ใช้ Field Calculator
- สร้างฟิลด์ใหม่ชื่อ
Length_m(ชนิด Double) - คำนวณฟิลด์ด้วย:
pythonCopyEdit!Shape.Length!
ค่า
Lengthจะอยู่ในหน่วยของระบบพิกัด (Projected Coordinate System) เช่น เมตร
📌 วิธีที่ 2: ใช้ Calculate Geometry
- คลิกขวาฟิลด์ > Calculate Geometry
- เลือก Geometry Property = Length
- หน่วย: meters, kilometers, feet ฯลฯ
✅ 3. การคำนวณพื้นที่ของ Polygon (Area)
📌 วิธีที่ 1: ใช้ Field Calculator
- สร้างฟิลด์
Area_sqkmหรือArea_rai(Double) - คำนวณฟิลด์:
pythonCopyEdit!Shape.Area!
ถ้าต้องการแปลงเป็นไร่:
pythonCopyEdit!Shape.Area! / 1600
📌 วิธีที่ 2: ใช้ Calculate Geometry
- คลิกขวาฟิลด์ > Calculate Geometry
- Geometry Property = Area
- เลือกหน่วย เช่น ตารางเมตร, ตารางกิโลเมตร, ไร่ ฯลฯ
✅ 4. การหาจุดศูนย์กลาง (Centroid) ของ Polygon
📌 วิธีที่ 1: ใช้ Feature To Point Tool
- เครื่องมือ:
Feature To Point(ใน Data Management Tools) - ตั้งค่า
Inside= TRUE (ถ้าต้องการ centroid ที่อยู่ใน Polygon) - ผลลัพธ์: Point layer ของ centroid
📌 วิธีที่ 2: ใช้ Field Calculator (สำหรับการสร้างฟิลด์ X,Y centroid)
- เพิ่มฟิลด์
centroid_X,centroid_Y - ใช้คำสั่ง:
pythonCopyEdit# X
!Shape.Centroid.X!
# Y
!Shape.Centroid.Y!
🧠 หมายเหตุทางเทคนิค
- ค่าที่ได้จะ ขึ้นอยู่กับระบบพิกัด (Projected Coordinate System – เช่น UTM Zone 47N)
- หากใช้ Geographic Coordinate System (เช่น WGS84): X/Y จะอยู่ในหน่วยองศา (decimal degrees)
- การคำนวณที่แม่นยำควรทำบนระบบพิกัดแบบ projected เช่น EPSG:32647 (UTM Zone 47N)
🛠️ ตัวอย่างการประยุกต์ (Use Case)
| ปัญหา | เครื่องมือที่ใช้ | คำสั่ง |
|---|---|---|
| หา centroid ของแปลงเกษตรเพื่อส่งพิกัด GPS | Feature to Point | – |
| คำนวณพื้นที่ใช้สอยของอาคารในหน่วยไร่ | Field Calculator + !Shape.Area!/1600 | – |
| สร้างแผนที่ความยาวแม่น้ำในแต่ละอำเภอ | Summarize Length Field by District | – |