Gistda Academy

สถาบันวิทยาการอวกาศและภูมิสารสนเทศ
ประกอบด้วย 3 ส่วนงานหลัก ๆ ได้แก่
1. สานักพัฒนาและถ่ายทอดองค์ความรู้
2. กลุม่ งานด้านวิจัยและพัฒนา
• ผู้เชี่ยวชาญ 2 คน : นักเทคโนโลยีอวกาศเชี่ยวชาญ นักเทคโนโลยีสารสนเทศ
เชี่ยวชาญ
• ชานาญการพิเศษ 2 คน : นักวิจัยชานาญการพิเศษ นักภูมิสารสนเทศชานาญ
การพิเศษ
• นักวิจัยชานาญการ 2 คน
• นักวิจัย 7 คน
• อยู่ระหว่างศึกษาต่อ 21 คน
3. ฝ่ายบริหารวิชาการ
 บุคลากรกลุ่มงานด้านวิจัยและพัฒนา
1. นายสานนท์ พรหมผลิน
ตาแหน่ง นักเทคโนโลยีอวกาศเชี่ยวชาญ
ความเชี่ยวชาญ : Ground Station Systems
ผลงานวิจัย/ผลงานวิชาการ :
 โครงการพัฒนา ระบบปฏิบัติการสถานีภาคพืน้ ดิน
- ติดตั้งระบบสถานีเพื่อบริการข้อมูลสาหรับดาวเทียม Radarsat-2
COSMO Sky-Med และ Landsat-8
- ระบบรับสัญญาณดาวเทียม NOAA APT mode
- ติดตั้งจานรับสัญญาณข้อมูลดาวเทียมทดแทนของเดิม
- ติดตั้งระบบสถานีดาวเทียมรายละเอียดปานกลางเพื่อบริการข้อมูล
ดาวเทียมเพิ่มขึ้นอีก 3 ดวง
 พัฒนาระบบปฏิบัติการสถานีภาคพื้นดิน
RADARSAT-2 COSMO-SkyMed 1-4 LANDSAT-8
Thaichote

ระบบสถานีดาวเทียม Radarsat-2 COSMO-SkyMed

Landsat-8 และจานรับสัญญาณทดแทน
ระบบรับสัญญาณดาวเทียม NOAA APT mode
พัฒนาระบบปฏิบัติการสถานีภาคพื้นดิน

ระบบสถานีดาวเทียมรายละเอียดปานกลาง
 บุคลากรกลุ่มงานด้านวิจัยและพัฒนา
2. นายรุ่งอนันต์ ศิรินิยมชัย
ตาแหน่ง นักเทคโนโลยีสารสนเทศเชี่ยวชาญ
ความเชี่ยวชาญ : Telecommunication, Hardware & Software
Computer System
ผลงานวิจัย/ผลงานวิชาการ :
1. Wi-MAX Point to Point for Data Communication
2. Peer to peer file sharing for satellite images
 บุคลากรกลุ่มงานด้านวิจัยและพัฒนา
3. นายธนากร สงวนตระกูล
ตาแหน่ง นักภูมิสารสนเทศชานาญการพิเศษ
ความเชี่ยวชาญ : Satellite Image and Aerial Photo Interpretation,
Satellite Imagery Enhancement, Web Map Service Design, Map
Design, Cartographic works
 บุคลากรกลุ่มงานด้านวิจัยและพัฒนา
4. ดร.สิริพร กมลธรรม
ตาแหน่ง นักวิจัยชานาญการพิเศษ
Ph.D. (Geomatics) University of Florida, U.S.
ความเชี่ยวชาญ : Geomatics, Spatial Statistics, Hydraulic Models,
Remote Sensing & GIS
การพัฒนาแบบจาลองคาดคะเนการเกิดอุทกภัยจากข้อมูลดาวเทียม
วัตถุประสงค์: เพื่อพัฒนาวิธีการคาดคะเนการ พื้นที่ศึกษา: พระนครศรีอยุธยา
เกิดอุทกภัยโดยใช้ข้อมูลดาวเทียมร่วมกับข้อมูล
ภูมิประเทศรายละเอียดสูง และข้อมูลเชิงอุทก
วิทยา
ผลจากงานวิจัยนี้จะเป็นพื้นฐานในการตอบคาถาม
เกี่ยวกับอุทกภัยว่า
• พื้นที่หนึ่งๆ จะเกิดน้าท่วมหรือไม่
• จะเกิดเมื่อไร
• น้าจะลึกเท่าไร
 ผลงานวิจัย/ผลงานวิชาการ
Text books and scientific & academic services
• Editor of Journal of Remote Sensing and GIS Association of Thailand
• Author of Geographic information System Text Book Series of Sukhothai Thammathirat Open University
• Special lecturer at many universities teaching Spatial Statistics, GIS and Remote Sensing
• Thesis external committee member at many universities
• Judge for Student Paper Award of the AAG Geomorphology Specialty Group (GSG) at the Association of American
Geographers Annual Meeting 2013 at Los Angeles, USA, 9-12 April 2013
• A representative of Thailand and received a scholarship from the United Nations to attend “The United Nations Expert
Meeting on the International Space Station Humanitarian Benefits” at Vienna, Austria, 11-12 June 2012

Researches
• Kamontum, S., 2014. Using Multiple Regression to Explain Spatial Variation of Annual Rainfall: A Case Study of the
Northeast of Thailand, Proceeding of the 2014 Association of American Geographers Annual Meeting, Tampa, USA.
• Kamontum, S., 2013. Integration of Satellite Imageries and GIS for Flood Response Planning, Proceeding of the 2013
Association of American Geographers Annual Meeting, Los Angeles, USA.
• Kamontum, S., 2012. Application of Hydraulics Model and Remotely Sensed Data for Flood Response Planning: A Case
Study of Lower Yom River Basin, Thailand, Proceeding of the 2012 Association of American Geographers Annual Meeting,
New York, USA.
• Kamontum, S., 2011. Flood Model Accuracy Improvement Using Remotely Sensed Data, Proceeding of the 13th Pacific
Island Countries GIS and Rs User Conference, Suva, Fiji.
• Kamontum, S., Phakularbdang, U., and Suvachananonda, T. 2010. Standards and SDI Supporting Ubiquitous GIS to
Connect Government and Citizen in Thailand, Proceeding of the 9th Annual Asian Conference on Geospatial Information,
Technology and Applications: Map Asia 2010, Kuala Lumpur, Malaysia. (The Best Paper Award*)
• Kamontum, S., 2009. Fusion of Landsat-7, Irs-1d and Radarsat-1 Data for Flood Delineation. (Doctoral dissertation).
Retrieved from Udini by ProQuest. (UMI Number 3385946)
 บุคลากรกลุ่มงานด้านวิจัยและพัฒนา
5. ดร.อนุเผ่า อบแพทย์
ตาแหน่ง นักวิจัยชานาญการ
Ph.D. (Survey Engineering), Chulalongkorn University, Thailand
ความเชี่ยวชาญ : Microwave remote sensing, SAR, InSAR
ผลงานวิจัย/ผลงานวิชาการ :
โครงการการศึกษาการทรุดตัวของกรุงเทพมหานครและปริมณฑลจากภาพถ่ายดาวเทียม
เรดาร์ โดยใช้เทคนิค InSAR
• อัลกอริทึมของ InSAR time series analysis เช่น PSI และ small baseline สามารถที่จะวัดการเคลื่อนตัวของแผ่นดินได้
และมีความถูกต้องสูง (high precision) รวมทั้งมีความละเอียดเชิงพื้นที่และเวลาสูง (High spatial and temporal
resolution)
• การบูรณาการข้อมูลและเปรียบเทียบค่าการทรุดตัวที่ได้จากเทคนิค InSAR กับข้อมูลการระดับจากกรมแผนทีท่ หาร ทาให้การ
ติดตามการทรุดตัวมีประสิทธิภาพมากยิ่งขึ้น
• การใช้เทคนิค InSAR time series analysis ทาให้ได้จุดตรวจสอบการทรุดตัวประมาณ 100 จุดต่อตารางกิโลเมตร ซึ่งมีความ
หนาแน่นมากกว่าการวัดด้วยวิธีการอื่น
• การประมวลผลภาพถ่ายดาวเทียม Radarsat-1 จานวน 19 ภาพตั้งแต่เดือน ตุลาคม 2548 ถึงกรกฎาคม 2553 ทาให้ได้อตั รา
การทรุดตัวสูงสุดประมาณ 30 มิลลิเมตรต่อปี พื้นที่เทพารักษ์-สมุทรปราการ และลาลูกกา-ปทุมธานี
• พื้นที่ภาษีเจริญ-กรุงเทพฯ สะพานสูง-กรุงเทพฯ หลักสี่-กรุงเทพฯ มีอัตราการทรุดตัวอยู่ที่ประมาณ 18-20 มิลลิเมตรต่อปี
ในขณะที่พื้นที่อื่นๆ มีอัตราการทรุดตัวเฉลีย่ 10 มิลลิเมตรต่อปี
• อัตราการทรุดตัวที่ได้จาก InSAR สอดคล้องกับอัตราการทรุดตัวทีไ่ ด้จากหมุดระดับอยู่ที่ 80% ภายในรัศมี 100 เมตร จากหมุด
ระดับ
• ขั้นตอนการเปรียบเทียบผลที่ได้จาก InSAR และค่าการสารวจระดับของข้อมูลปี 2548-2553 โดยละเอียด อยู่ใน “Aobpaet,
A., M. C. Cuenca, A. Hoopper & I. Trisirisatayawong, 2012, InSAR time series analysis of land subsidence in
Bangkok, Thailand. International Journal of Remote Sensing, ID: 756596
DOI:10.1080/01431161.2012.756596.”

14
 Spatial patterns of land subsidence in Bangkok

(a) (b)
(a): Subsidence rate in vertical direction (mm/yr) from InSAR time series analysis
(b): Standard deviations of mean rates (mm/yr).

Land subsidence map of Bangkok from Radarsat-1 data in the period of 2005-2010
Subsidence rate (mm/yr) plotted on the mean radar amplitude using InSAR time series analysis.
โครงการประยุกต์ใช้ข้อมูลจากดาวเทียม ในการวัดหรือวิเคราะห์สถานการณ์แผ่นดินไหว
• ใช้ดาวเทียม ALOS PALSAR ความยาวคลื่นช่วง L-band โดยสาหรับวงโคจรขาขึ้น ภาพแรกถ่ายวันที่ 16 ก.พ. 2554 และภาพหลังเกิด
เหตุการณ์ถ่ายวันที่ 3 เม.ย. 2554/สาหรับวงโคจรขาลง ภาพแรกถ่ายวันที่ 14 ก.พ. 2554 และภาพหลังเกิดเหตุการณ์ถ่ายวันที่ 1 เม.ย. 2554
ในตรวจวัดการเคลื่อนตัวขณะเกิดแผ่นดินไหว (co-seismic displacement)
• ลักษณะของแถบสีที่เกิดขึ้น แสดงถึงการเปลี่ยนแปลงระยะทางในแนวมุมมอง (look angle) เท่ากับครึ่งหนึ่งของความยาวช่วงคลื่นคือประมาณ
11.8 เซนติเมตร (ALOS-PALSAR, L-band) แล้วใช้ค่าพารามิเตอร์ที่ได้จาก InSAR มาเป็นค่าเบื้องต้นในการสร้างแบบจาลองแผ่นดินไหวซึ่ง
เป็นรอยเลื่อนเหลื่อมซ้าย (Left lateral)
• ใช้วิธีการ Data Inversion Analysis (ใช้สคริปต์จากมหาวิทยาลัยเดลท์ ประเทศเนเธอร์แลนด์) ในการสร้างแบบจาลองแผ่นดินไหว โดย
สามารถตรวจวัดการเคลื่อนตัวในแนวรอยเลื่อนโดยพบว่ามีการเคลื่อนตัวมากกว่า 3 เมตร เกิดขึ้นที่ความลึกประมาณ 8 กิโลเมตร
• คานวณค่า Coulomb Stress Change เพื่อประเมินผลกระทบที่จะเกิดขึ้นกับรอยเลื่อนที่อยู่ในประเทศไทย ซึ่งสรุปได้ว่าการเกิดแผ่นดินไหว
ครั้งนั้นได้ส่งผลกระทบที่จะทาให้เกิดแผ่นดินไหวที่มีขนาดใหญ่ขึ้นในประเทศไทยบริเวณจังหวัดเชียงราย (ใช้ฟรีแวร์จาก USGS ชื่อ
Computation USGS Coulomb program version 3.3)
• ติดตามการเคลื่อนตัวหลังเกิดแผ่นดินไหว (โดยใช้ภาพถ่ายดาวเทียม Radarsat-2 จานวน 19 ภาพ ตั้งแต่วันที่ 30 มิ.ย. 2554 ถึงวันที่ 26 พ.ค.
2556 ระยะเวลา 2 ปี)
• ผลที่ได้จากภาพถ่ายดาวเทียม Radarsat-2 สามารถนามาคานวณค่าการเคลื่อนตัวแบบอนุกรมเวลา (InSAR time series analysis) โดยได้ค่า
การเคลื่อนตัวในแนวทิศทางของสัญญาณเรดาร์สูงสุด 3.45 ซม./ปี ที่ระยะทางประมาณ 10-20 กม. จากแนวรอยเลื่อน
• ดังนั้นการใช้ภาพถ่ายดาวเทียม สามารถนามาศึกษา สร้างแบบจาลอง ดูแนวโน้ม และหาค่าการเคลื่อนตัว ถึงแม้ว่าจะยังมีข้อจากัดบางอย่าง
เช่น การได้มาซึ่งข้อมูลภาพถ่ายดาวเทียมก่อนการเกิดเหตุการณ์แผ่นดินไหว จานวนข้อมูล ความยาวช่วงคลื่นของข้อมูล พื้นที่ศึกษา การไม่มี
ข้อมูลภาคสนามในพื้นที่เข้าไม่ถึงมายืนยันผลลัพท์ แต่ผลที่ได้ก็สามารถประเมินความเสี่ยงของพื้นที่ประสบเหตุแผ่นดินไหวเหล่านั้นได้

16
 Co-Seismic Displacement of 24-March-2011 Mw 6.8 Mong Hpayak (TAR LAY) Earthquake, Post-Seismic Displacement of 24-March-2011 Mw 6.8 Mong Hpayak (TAR LAY) Earthquake,
Myanmar (เหตุการณ์ระหว่างเกิดแผ่นดินไหว) Myanmar (การติดตามกลังจากเกิดแผ่นดินไหว)

PALSAR image PALSAR image

16 Feb 2011 VS 03 April 2011 14 Feb 2011 VS 01 April 2011

11.8X5=59 ซม.

ลักษณะของแถบสีที่เกิดขึ้น แสดงถึงการเปลี่ยนแปลงระยะทางใน ข้อมูล Radarsat-2

แนวมุมมอง (look angle) เท่ากับครึ่งหนึ่งของความยาวคลื่นคือ จานวน 19 ภาพ
ประมาณ 11.8 เซนติเมตร (ALOS-PALSAR, L-band) ของแต่ละ ตั้งแต่วันที่ 30/06/2011
แถบสี ถึงวันที่ 26/05/2013
ได้ค่าการเคลื่อนตัว
(มม./ปี)
ช้ Data Inversion Analysis (Script provided by Delft University of Technology) ในการสร้างแบบจาลองแผ่นดินไหว

(a) Post-seismic LOS displacement rate (mm/year) from Radarsat-2 imagery,

(b) Negative range change (red) occurs north of fault and positive range change (blue)
south of fault, black dash line show cross section between fault plane.
(c) Profile through centre of fault.

คานวณค่า Coulomb Stress Change

สามารถตรวจวัดการเคลื่อนตัวในแนวรอยเลื่อนโดยพบว่ามีการเคลื่อนตัวมากกว่า 3 เมตร เกิดขึ้นที่ความลึกประมาณ 8 กิโลเมตร

รอยเลื่อนน้ามา
รอยเลื่อนไม่ทราบชื่อ
รอยเลื่อนแม่จัน
เพื่ อ ประเมิ น ผลกระทบที่ จ ะเกิ ด ขึ้ น กั บ รอยเลื่ อ นที่ อ ยู่ ใ น
ประเทศไทย ซึ่งสรุปได้ว่าการเกิดแผ่นดินไหวครั้งนั้นได้ส่งผล
กระทบที่จะทาให้เกิดแผ่นดินไหวที่มีขนาดใหญ่ขึ้นในประเทศ
ไทยบริ เ วณจั ง หวั ด เชี ย งราย (ใช้ ฟ รี แ วร์ จ าก USGS ชื่ อ
Computation USGS Coulomb program version 3.3)

(Trisirisatayawong et al., 2011) (Phodee P., 2014)

Peer Reviewed Journal Publications:
[1] Phodee P., I. Trisirisatayawong & A. Aobpaet, 2014, Co-seismic and Post-seismic Displacement of
2011Mw 6.8 of Tarlay Earthquake, Myanmar using InSAR Techniques. Engineering Journal (EJ):
International Journal, undergoing review.
[2] Phodee P., I. Trisirisatayawong & A. Aobpaet, 2014, Post-Seismic Displacement Measurement of 2011
Mw 6.8 Tarlay Earthquake using Time-series InSAR Techniques. Journal of Remote Sensing and GIS
Association of Thailand, ISBN 1513-4261, 14 (1).
[3] Aobpaet, A., M. C. Cuenca, A. Hoopper & I. Trisirisatayawong, 2013, InSAR time series analysis for land
subsidence in Bangkok, Thailand. International Journal of Remote Sensing, 34:8, pp.2969-2982,
doi10.1080/01431161.2012.756596.
[4] Phichitkarnka, P., S. Phuensa & A. Aobpaet, 2012, COSMO-Skymed Satellite Constellation Orbits.
Journal of Remote Sensing and GIS Association of Thailand, ISBN 1513-4261, 13 (3), pp.12-24.
[5] Nithirochananont, U. & A. Aobpaet, 2012, Clarification of SAR Data Processing Systems and Data
Availability to Support InSAR Applications in Thailand, Earth Observation. InTech, ISBN: 978-953-307-
973-8.
[6] Phichitkarnka, P., S. Phuensa & A. Aobpaet, 2011, The Sun Synchronous Orbit of Earth Observation
Satellite. Journal of Remote Sensing and GIS Association of Thailand, ISBN 1513-4261, 12 (3), pp.11-26
 บุคลากรกลุ่มงานด้านวิจัยและพัฒนา
6. ดร. ทิพวรรณ วันวิเวก
ตาแหน่ง: นักวิจัย
Ph.D. Satellite Engineering, University of Surrey,
United Kingdom
ความเชี่ยวชาญ: Satellite/electrical/computer
engineering - satellite design, ground and space
segments, radar/SAR payload
แผนพัฒนาบุคคลากรด้าน
เทคโนโลยีอวกาศ
โครงการระยะสั้น – CubeSat 3U
โครงการระยะกลาง –
Microsatellite/ small satellite
โครงการระยะยาว – Medium
satellite
กิจกรรมและโครงการด้านเทคโนโลยีอวกาศ
CanSat Workshop ร่วมกับมหาวิทยาลัย
เทคโนโลยีพระจอมเกล้าพระนครเหนือ
งานค่ายจรวดประดิษฐ์ ร่วมกับสถาบันเทคโนโลยี
ป้องกันประเทศ (สทป.) และ สวทช.
โครงการความร่วมมือสร้าง rocket’s payload:
CanSat, CubeSat, Microsatellite,… ร่วมกับ
สทป.
โครงการความร่วมมือสร้าง CubeSat 1U
ร่วมกับมหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระ
นครเหนือ
ผลงานวิจัย/ผลงานวิชาการ:
• ร่วมผลิตตาราชุดวิชา 99707 ระบบสารสนเทศภูมิศาสตร์และการ
ประยุกต์ ในหลักสูตรวิทยาศาสตร์มหาบัณฑิตของ
มหาวิทยาลัยสุโขทัยธรรมาธิราช 2013
• คณะทางานด้านเทคนิคเพื่อสนับสนุนการพิจารณาเอกสารกรอบ
แนวคิดสาหรับระบบสารวจโลกด้วยดาวเทียมของประเทศ ระยะที่
2 คณะทางานด้านเทคโนโลยีอวกาศ (Space Systems) และ
ระบบภาคพื้นดิน (Ground Segment) 2012-2013 http://www.radartutorial.eu/
• WANWIWAKE, T. 2011 A Microsatellite Based Synthetic
Aperture Radar (SAR), Surrey Space Center, University
of Surrey, UK.
• WANWIWAKE, T. & UNDERWOOD, C. 2010 A Bi/Multi- http://www.radartutorial.eu/
Static Microsatellite SAR Constellation. In SANDAU, R.,
ROESER, H. P. & VALENZUELA, A. (eds.) Small Satellite
Missions for Earth Observation. Springer Berlin
Heidelberg.
• WANWIWAKE, T. & UNDERWOOD, C. 2010 Microsatellite
Based Frequency Modulated Continuous Wave Bi-static
SAR. Asian Conference on Remote Sensing (ACRS)
2010. Hanoi, Vietnam.
• WANWIWAKE, T., UNDERWOOD, C., SWEETING M., 2009
A Microsatellite Based Bistatic Synthetic Aperture
Radar (SAR). International Academy of Astronautics
(IAA) Symposium, Germany.
 บุคลากรกลุ่มงานด้านวิจัยและพัฒนา
7. ดร.ชยพล อินอาน
ตาแหน่ง นักวิจัย
Ph.D./ Automatic control, Bordeaux University, France
ความเชี่ยวชาญ :
• UAV path planning, path tracking, attitude control and stability
design.
• Satellite control attitude on orbit, satellite systems and design
ผลงานวิจัย/ผลงานวิชาการ : System MIMO fractional path tracking
design, 3D fractional path planning design for UAs
 โครงการวิจัยและพัฒนา ต้นแบบ 2/3 แกน Camera Gimbal

2-3 axis camera gimbals

Position PID
command position
controller

Camera gimbal housing

2-3 axis camera gimbals

Controller board
For low to medium
เพิ่มประสิทธิภาพโดยใช้ robust
Static gain H-infinity controller or Fractional order altitude
controller
โครงการวิจัยและพัฒนา ต้นแบบ 2/3 แกน Camera Gimbal
ขัน้ ตอนการพัฒนา
Stabilization design
โครงการวิจัยและพัฒนา ต้นแบบ 2/3 แกน Camera Gimbal
ขัน้ ตอนการพัฒนา
Gimbal Housing
ต้นแบบ Mini Multi-rotor long Endurance Flight time
40 นาที++ with Payload 1 Kg

Carbon Fiber arm

High Efficiency motor

and Propeller

Professional Flight
controller

High capacity light

weight battery
 บุคลากรกลุ่มงานด้านวิจัยและพัฒนา
8. ดร.ปรีสาร รักวาทิน
ตาแหน่ง นักวิจัยชานาญการ
Ph.D. (Civil Engineering), The University of Tokyo, Japan
ความเชี่ยวชาญ : Digital Image processing, Agriculture monitoring
using remote sensing
 Data Used

MODIS is a device that is installed on the Terra and Aqua satellites, used to
measure the spectrum to track and monitor natural resources. The characteristic of
sensor has 705 km. of altitude, 36 bands of product between 0.4 – 14 um.,
resolution of data is between 250 – 1000 meter, and repeat in every 16 days.
28
 Time-series NDVI
• The white is area of
agriculture activity
where is plants spectrum
reflection is more than
other area, so white in
picture is area where
have active agricultural.

0 1
29
Rice Crop calendar

Single crop
Double crop
2.5 crop

30
The Science Citation Index (SCI) Journal
• Using multiscale texture information from ALOS PALSAR to map tropical forest.
International Journal of Remote Sensing, 2012, 33(24), 7727–7746
• Assessment of ALOS PALSAR 50 m Orthorectified FBD Data for Regional Land Cover
Classification by Support Vector Machines. IEEE Transactions on geoscience and
remote sensing, 2011, 49(6), pp. 2135-2150.
• Restoration of the Aqua MODIS Band 6 using Histogram-matching and Local Least-
squares Fitting. IEEE Transactions on geoscience and remote sensing, 2009,
47(2), pp. 613-627.
• Stripe noise reduction in MODIS data by combining histogram-matching and facet
filter. IEEE Transactions on geoscience and remote sensing, 2007, 45(6-2), pp.
1844-1856.
 The Science Citation Index (SCI) Journal
• Oil palm tree detection with high resolution multi-spectral imagery, Remote Sensing,
2014, accepted.
• Fusion and Registration of THEOS Multispectral and Panchromatic Images,
International Journal of Remote Sensing, 2014, 35(13), 5120-5147
• Automatic Rice Crop Height Measurement using Field Server and Digital Image
Processing, Sensors, 2014, 14(1), 900-926
• A study of waterborne diseases during flooding using Radarsat-2 imagery and a back
propagation neural network algorithm, Geomatics, Natural Hazards and Risk, in Press
• A Joint Land Cover Mapping and Image Registration Algorithm Based on a Markov
Random Field Model, Remote Sensing ,2013 , 5, 5089-5121
• Using multi-temporal remote sensing data to estimate 2011 flood area and volume
over Chao Phraya river basin, Thailand. Remote Sensing letters, 2013, 4(3), 243-250
 บุคลากรกลุ่มงานด้านวิจัยและพัฒนา
9. ดร.สยาม ลววิโรจน์วงศ์
ตาแหน่ง นักวิจัย
Ph.D./Remote Sensing and GIS, Michigan State University, U.S.A.
ความเชี่ยวชาญ : Neural networks classification, geo-processing,
spatial modeling, spatial data uncertainty
ผลงานวิจัย/ผลงานวิชาการ :
 โครงการแบบจาลองเชิงพื้นที่เพื่อติดตามการเคลื่อนที่ของวัตถุบนผิวทะเล
(Spatial model for particle tracking in the Sea Surface)
ระบบติดตามการเคลื่อนที่ของวัตถุบนผิวทะเล

ลม (wind)
Mobile
application
Web
application

ศูนย์ข้อมูลเรดาห์ชายฝั่ง (Coastal Radar Data Center)

• Foretracking/Backtracking
• Lagrangian Model
• Spatio-temporal analysis
 โครงการแบบจาลองเชิงพื้นที่เพื่อติดตามการเคลื่อนที่ของวัตถุบนผิวทะเล
(Spatial model for particle tracking in the Sea Surface)
จุดที่ 1 บริเวณพื้นที่อ่าวไทย อ.ชะอา จ.เพชรบุรี จุดที่ 2 บริเวณเกาะสีชัง อ.ศรีราชา จ.ชลบุรี
วันที่ 4 มีนาคม 2557 เวลา 10:00 – 12:00 น. วันที่ 24 มิถุนายน 2557 เวลา 10:00 – 16:00 น.
12.770 13.29
Dropping point
12.765 13.28

13.27
12.760
13.26

Latitude
Latitude

12.755
13.25
12.750 Drifting Buoy 13.24 Drifting Buoy
SIM_HF SIM-HF + wind (SW 8.8 km/hr)
12.745 13.23
SIM-HF (pnt) SIM-HF
Dropping point SIM-HF (pnt)
12.740 13.22
100.060 100.065 100.070 100.075 100.080 100.82 100.83 100.84 100.85 100.86 100.87
Longitude Longitude
โครงการการประเมินค่าการดูดซับคลื่นแสงของเรือนยอดมันสาปะหลังภายใต้
ระดับความเครียดน้าด้วยกล้อง Multispectral และกล้องคลื่นแสงปกติ
ในอาเภอด่านขุนทด จังหวัดนครราชสีมา
ข้อมูลที่จัดเก็บเพื่อใช้ในการวิเคราะห์:
• การเจริญเติบโตด้านใบและลาต้น (Growth)
• ปริมาณคลอโรฟิลล์ในใบ (Chlorophyll content)
• ปริมาณน้าสัมพันธ์ในใบ (RWC, %)
• ความเครียดน้าของพืช
• ค่าการสะท้อนแสงของเรือนยอด
• ดัชนีพื้นที่ใบ (Leaf area index)
 โครงการการประเมินค่าการดูดซับคลื่นแสงของเรือนยอดมันสาปะหลังภายใต้
ระดับความเครียดน้าด้วยกล้อง Multispectral และกล้องคลื่นแสงปกติ
ในอาเภอด่านขุนทด จังหวัดนครราชสีมา
ค่าการสะท้อนแสงของเรือนยอดในเดือนที่ 3 ค่าการสะท้อนแสงของเรือนยอดในเดือนที่ 3
0.6 0.6
NIR
0.5
DW0 DW0
0.4
Reflectance

Reflectance
NIR DW1 DW1
0.3 0.5
DW2 DW2
0.2 SW0 SW0
VIS
0.1 SWIR SW1 SW1
0.0 0.4
400 600 800 1000 1200 1400 1600 1800 800 950 1100 1250
Wavelength (nm) Wavelength (nm)
อัตราการเปลี่ยนแปลงของ NIR ใน 3 เดือน อัตราการเปลี่ยนแปลงของ SWIR ใน 3 เดือน
0.12 0.03
DR2W0 DR2W0
0.10 0.02
DR2W1 0.01 DR2W1
0.08
DR2W2 0.00 DR2W2
0.06
SR2W0 -0.01 SR2W0
0.04 -0.02
SR2W1 SR2W1
0.02 -0.03
SR2W2 SR2W2
0.00 -0.04
DR2W0 DR2W1 DR2W2 SR2W0 SR2W1 SR2W2 DR2W0 DR2W1 DR2W2 SR2W0 SR2W1 SR2W2
 บุคลากรกลุ่มงานด้านวิจัยและพัฒนา
10. ดร.ภานุ เศรษฐเสถียร
ตาแหน่ง นักวิจัย
Ph.D./ Geodetic Science, The Ohio State University, U.S.A.
ความเชี่ยวชาญ : Photogrammetry, close range photogrammetry,
image processing, Computer vision
ผลงานวิจัย/ผลงานวิชาการ :
 โครงการวิจัยระบบแจงนับต้นปาล์มน้ามัน และ กล้าไม้

- ระบบการแจงนับต้นปาล์มจาก
ภาพถ่าย multispectral
- การนาผลงานวิจัยไปเผยแพร่
- Oil Palm Tree Detection with
High Resolution Multi-spectral
Imagery (Remote sensing
journal, Accepted)
โครงการวิจัยระบบแจงนับต้นปาล์มน้ามัน และ กล้าไม้
- ระบบการแจงนับกล้าไม้จากภาพถ่าย UAV
 โครงการพัฒนาระบบ Mobile Mapping System (MMS)
เพื่อเป็นการประกอบตัวรับรู้ (Sensor) ต่างเพื่อให้สามารถทางานร่วมกันได้โดยจะนามาใช้ใน
การเก็บข้อมูลภูมิสารสนเทศ เช่น ภาพถ่าย

-A novel method for extrinsic parameters estimation between a single-line scan LiDAR and
a camera (IEEE intelligent vehicles symposium 2014, Michigan, USA)
-Feature extraction of line-scan LiDAR for calibrating camera and LiDAR (ICICTES 2014,
Thailand)
-A novel camera calibration method for fish-eye lenses using line features (ISPRS
Technical Commission III, PCV 2014, Zurich, Switzerland)
 โครงการวิจัยประมวลผลภาพถ่ายจาก UAV
- ปรับปรุงคุณภาพ และ กระบวนการการประมวลผลภาพถ่ายจาก UAV
- Phogrammetric point cloud analysis e.g., building footprint delineation
- Radiometric camera calibration/Shadow detection and removal
- Object detection/segmentation
- Visual navigation/automatic orientation estimation
- พัฒนา และ ทดลองใช้ sensor ชนิดใหม่ๆกับ UAV
 การพัฒนาระบบสร้าง index สาหรับภาพถ่าย
- เพื่อลดเวลาในการ Query ภาพที่มีพิกัดภูมิศาสตร์โดยใช้จานวณจุดให้
น้อยที่สุดและรักษาเนื้อภาพให้มากที่สุด
 Intrinsic image analysis/Radiometric calibration
- เพื่อลดผลกระทบจากการเปลี่ยนแปลงของแสง เพื่อใช้ในการวิเคราะห์เชิง
radiometry ของ terrestrial sensor
Rice field monitoring using intrinsic images decomposed from field server imagery
(ACRS2014,Myanmar)
 บุคลากรกลุ่มงานด้านวิจัยและพัฒนา
11. ดร. นรุตม์ สุนทรานนท์
ตาแหน่ง นักวิจัย
Ph.D. /Computer Sciences, Institut national d'information
geographique et forestiere (IGN), Université de Picardie Jules
Verne (UPJV), France
ความเชี่ยวชาญ : Image processing, Computer vision, 3D
reconstruction from multiple images
 Field server: agricultural fields monitoring and analyzing

Field server station and equipment Network configuration

N. Soontranon, P. Tangpattanakul, P. Srestasathiern and P. Rakwatin, “An Agricultural Monitoring System:

Field Server Data Collection and Analysis on Paddy Field” ISCIT 2014 (Accepted), Incheon Korea.
N. Soontranon, P. Tangpattanakul, P. Srestasathiern and P. Rakwatin, “A Data Collection System from
Agricultural Fields (in Thai)”, EECON 37 (Accepted), Thailand.
 Paddy stage classification based on vegetation index

Vegetation index
Images from a paddy
Suphanburi Day of Year (DoY) Smooth graph

Vegetation index
Day of Year (DoY)

N. Soontranon, P. Srestasathiern and P. Rakwatin, “Rice growing stage monitoring in small-scale

region using ExG vegetation index”, ECTI-CON 2014, Thailand.
N. Soontranon, P. Srestasathiern and P. Rakwatin, “Paddy stage tracking system based on
vegetation index (in Thai)”, Proceeding of Panyapiwat Academic Conference IV (2014), Thailand.
Day of Year (DoY)
 Paddy stage classification based on texture analysis

Area of Interest Vegetation Histogram GLCM with multi- Paddy stages

(AOI) index equalization distances analysis

Multi views Fixed view

N. Soontranon, P. Srestasathiern and P. Rakwatin, “Rice crop phenology using texture analysis on
time-series images obtained from still camera”, ACRS 2014 (Accepted), Naypyidaw, Myanmar.
 3D reconstruction from multiple images

3D views

MICMAC software >> http://forum-micmac.forumprod.com/

N. Soontranon, P. Srestasathiern and P. Rakwatin, “3D Model Reconstruction from
Multiple Images for Cultural Heritage (in Thai)”, GeoInfoTech 2014 (Accepted), Thailand.
 บุคลากรกลุ่มงานด้านวิจัยและพัฒนา
12. ดร. พันธ์วดี ตั้งพัฒนากูล
ตาแหน่ง นักวิจัย
Ph.D. /Computer Sciences, Institut National des Sciences
Appliquées de Toulouse, France
ความเชี่ยวชาญ : Multi-objective Optimization ,Operation research,
Metaheuristics
ผลงานวิจัย/ผลงานวิชาการ :
 KKU rice model
• ข้ าวนาปี • ข้ าวนาปรัง 1.2
1
0.8 ข้ าวชนิดไม่ ไวแสง

ExG
0.6

• เช่น ปทุมธานี 1, กข 1
0.4
0.2
0
0 50 100 150 200 250 300 350 400

1.2
1
0.8
เป็ นต้ น

ACC ExG
ระยะการปลูก
0.6
0.4
0.2
0

• ไม่ขึ ้นอยู่กบั ช่วงแสงใน

1.2
0 50 100 150 200 250 300 350 400

ข้ าวชนิดไวแสง
1
1.2
0.8
1
ExG

0.6

รอบปี

phenology
0.8

• เช่น ข้ าวขาวดอกมะลิ 105,

0.4
0.6
0.2 0.4
0 0.2
0 50 100 150 200 250 300 350 400

นา้ ในแปลงนา
0

กข 6 เป็ นต้ น
0 50 100 150 200 250 300 350 400
1.2
1 2500
Crop

Dry weight (g/m2)

• น ้าจากชลประทาน
0.8 2000
ACC ExG

Panicle

ระยะการปลูก
0.6 1500
0.4 1000
0.2
500
0

• ขึ ้นอยู่กบั ช่วงแสงในแต่ละ
0 50 100 150 200 250 300 350 400 0
0 50 100 150 200 250 300 350 400

1.2 DOY

วัน ซึง่ ข้ าวจะมีการ

Phynology

0.8
0.6
Critical water content (qc) ทนแล้ งได้ ดี
0.4

ตอบสนองที่ต่างกัน
0.2
0
0 50 100 150 200 250 300 350 400
Waterstress effect 1
5000 Sensitive กั บน ้ามาก
นา้ ในแปลงนา
Dry weight (g/m2)

4000

3000
ทาใ ้ เม่อน ้าน้ อยลง
• น ้าฝนตามฤดูกาล
2000

1000

0
เ ียงนิดเดียวก็ มี ลต่อ
0 50 100 150 200 250 300 350 400

0 การสร้ าง ารบอน
ks 1

• พันธ์วดี ตั้งพัฒนากูล, นรุ ตม์ สุนทรานนท์, ภานุ เศรษฐเสถียร, ปรี สาร รักวาทิน, และ เกริ ก ปั้ นเหน่งเพ็ชร, “ศึกษาการประเมินระยะ
พัฒนาการของข้าวจากภาพถ่าย filed server”, การประชุมวิชาการเทคโนโลยีอวกาศและภูมิสารสนเทศแห่งชาติ ประจาปี 2557,
กรุ งเทพมหานคร, ประเทศไทย, 2014. (Accepted)
 Earth observation scheduling
Objective: Minimize time to complete
all test area
Strip 3
Strip 5
Satellite direction Strip 1
Strip 4
Strip 2
Captured photograph time
Candidate photographs

Sequences 1:
• Orbit 1: Strip 1, Strip 3,
• Orbit 2: Strip 2, Strip 4
Earth surface • Orbit 3: Strip 5

Sequences 2:
• Orbit 1: Strip 2, Strip 4,
• Orbit 2: Strip 3, Strip 5
Apply optimization • Orbit 3: Strip 1

• Nilnarong, T., and Tangpattanakul, P., “Feasible Area Determination tool for Earth Observation
Satellite”, 2014 IEEE International Conference on Communication, Networks and Satellite, Jakarta,
Indonesia, 2014. (Accepted)
• Nilnarong, T., and Tangpattanakul, P., “Development of mission planning tool including optimization
module”, The 20th Asia-Pacific Conference on Communications, Pattaya, Thailand, 2014. (Accepted)
 Location Analysis
• P-median problem
Objective: Minimize the sum of the distances
n = 20, p = 4
from each customer to the nearest facility
2
5
1 4
3
6 9
8 10
7 14
11
13
17
15
19
20 12
18
16

• Tangpattanakul, P., “Genetic Algorithm for Multi-objective p-Median Problem”, The 37th Electrical
Engineering Conference, Khon Kaen, Thailand, 2014. (Accepted)
 บุคลากรกลุ่มงานด้านวิจัยและพัฒนา
13. ดร.กุลสวัสดิ์ จิตขจรวานิช
ตาแหน่ง นักวิจัย
Ph.D./Computer Science, The University of Texas at Arlington, USA
ความเชี่ยวชาญ : • Distributed systems:
• Databases: - Big data
- RDB - Distributed storage systems (NOSQL, e.g.,
- Spatio (–temporal) MongoDB, DynamoDB, etc.)
databases - Distributed computing systems (e.g., map-
reduce paradigm)
 Research and Projects
• Published:
– Analysis and modeling techniques for big spatio-
temporal datasets (research)
• Ongoing:
– More efficient metadata system for THEOS
satellite data (project)
– Data warehouse framework for storing and
transferring raw satellite data (project/research)
– An approach to big data analysis and mining using
conceptual modeling (research)
 Published Research
• Analysis and modeling techniques for big spatio-
temporal datasets
• Case study:
• Datasets: big raw rainfall data
(1997-2013) in hydrology domain
• Users: hydrologists
• Goal: to summarize the
big raw rainfall data into a
model that facilitates storm
analysis, mining, and visualization.
 Published Research
Big raw rainfall data (location-specific analysis)

Time (temporal)
Local Meaningful
Storm Concepts

Ontology/ Hourly
domain experts

SiteIDs
Precipitation Storm
(spatial) depths (inch)
Overall
0 5 Storm
10

HRAP format

Storm data (storm-specific analysis)

September 24, 2014 57

 Published Research
• Storm identification algorithms Grouping-window
11:00

– map-reduce paradigm
10:00 Storm
track

– complexity: 9:00
hs3

exponential  polynomial/linear
hs2
Storm
center
Spatial-window
hs1

Analyze and Mine Identified

Processing Time (in hours)
Storms
Regions / Number of Number Previous Apporach New Approach
Users Raw Data Records of Sites CUAHSI MapReduce
Relational LS HS OS LS HS OS

<---- 2.43 hours for all sites (including 37,413 sites in Texas) ---->
Storm Identification System Database 1. East Texas
4,643 8.67 1.44 1.24
(48,953,130)

<-------------------- 0.93 hour for all sites ------------------->

<-------------------- 0.67 hour for all sites ------------------->

Load 2. Edwards Plateau
MapReduce-based Local 6,962 8.72 1.23 2.25
(73,415,532)
Storm Identification 3. High Plains
3,008 4.5 0.32 0.57
(31,711,927)
MPE MapReduce-based Overall 4. Low Rolling Plains
2,368 3.35 0.28 0.27
Storm Identification (24,965,521)
5. North Central
5,604 8.66 1.17 1.64
MapReduce-based Hourly (59,082,957)
Hourly Rainfall Storm Identification 6. South Central
HDFS 2,949 4.28 0.67 0.42
Data Text Files (31,102,334)
7. South Texas
2,933 3.97 0.48 0.60
(31,949,386)
8. Lower Valley
601 0.55 0.07 0.08
(5,324,898)
9. Trans-Pecos
6,177 6.86 0.55 1.16
(65,136,216)
10. Upper Coast
2,168 3.88 0.57 0.39
(22,863,789)
TOTAL 37,413 53.44 6.78 8.62

September 24, 2014 58

 Published Research
• Storm analysis (overall storms)
- via rdbms features (e.g., SQL)
- via storm visualization (e.g., Google APIs)

September 24, 2014 59

 Ongoing Research and Projects
• Projects:
– More efficient metadata system for THEOS satellite
data
– Data warehouse framework for storing and
transferring raw satellite data
• Input: big satellite data from all satellite datasets
(THEOS: > 100TB, 20GB a day)
• Output: consolidated and standardized big satellite datasets
in big data storage
• Research:
– An approach to big data analysis and mining using
conceptual modeling
 Ongoing Research/Projects

RDB
metadata database

users

file-based storage

big data
storage

data warehouse