สัมภาษณ์ | ดร.นพดล คีรีเพ็ชร นักวิจัยอาวุโส ทีมวิจัยคลังอนุพันธ์ความรู้ (KEA)

กลุ่มวิจัยวิทยาการข้อมูลและการวิเคราะห์ (DSARG) เนคเทค สวทช.
บทความ | วลัยลักษณ์ คงพระจันทร์
ภาพประกอบ | นายอัฐฤทธิ์ วงค์ชัย

ภาคเกษตรกรรมมีบทบาทสำคัญต่อการขับเคลื่อนเศรษฐกิจของประเทศ โดยประเทศไทยมีแรงงานที่อยู่ในภาคเกษตรกรรมกว่าร้อยละ 30 (13.48 ล้านคน จากจำนวนผู้มีงานทำทั้งสิ้น 38.76 ล้านคน) [1] อย่างไรก็ตาม สภาวะเศรษฐกิจการเกษตรในปี 2563 กลับหดตัวถึงร้อยละ 3.3 เมื่อเทียบกับปี 2562 [2] ด้วยปัจจัยอันเป็นอุปสรรคของภาคการเกษตรไทยมาโดยตลอด คือ ความจำเป็นในการพึ่งพาสภาพอากาศที่แปรปรวนคาดการณ์ได้ยาก โรคระบาด การปลูกพืชเชิงเดี่ยว รวมถึงการชะลอตัวของเศรษฐกิจโลกที่ส่งผลต่อการส่งออกสินค้าเกษตรของไทย

การก้าวข้ามอุปสรรคดังกล่าวทำให้เทคโนโลยีเข้ามามีบทบาทกับวงการเกษตรไทยมากขึ้น โดยเฉพาะภาคเอกชนที่มีการจัดการเกษตรแปลงใหญ่ มูลค่าการลงทุนสูง ดังนั้น เทคโนโลยีด้านการเกษตร โดยเฉพาะอย่างยิ่ง การคาดการณ์ผลผลิตทางการเกษตรที่แม่นยำ จึงมีความสำคัญต่อสัญญาซื้อขาย สัญญาการส่งออกผลผลิต ไปจนถึงการควบคุมราคาของผลผลิตทางการเกษตรของภาคเอกชน สำหรับภาครัฐ ข้อมูลดังกล่าวจะเป็นประโยชน์อย่างมากต่อการตัดสินใจออกนโยบายด้านการเกษตรที่มีประสิทธิภาพ

ด้วยเหตุนี้ศูนย์เทคโนโลยีอิเล็กทรอนิกส์และคอมพิวเตอร์แห่งชาติ หรือ เนคเทค ซึ่งกำหนดให้กลุ่มเทคโนโลยีเกษตรแม่นยำ (Precision Farming) เป็นหนึ่งในแปดเทคโนโลยีเป้าหมายการพัฒนา และได้พัฒนาผลงานวิจัยเพื่อเพิ่มประสิทธิภาพการจัดการด้านการเกษตรและเพิ่มโอกาสในการเข้าถึงเทคโนโลยีของเกษตรกรไทยทั้งรายใหญ่และรายย่อยมาอย่างต่อเนื่อง

ซึ่งล่าสุด . . . เนคเทค สวทช.กำลังต่อยอดเทคโนโลยีเกษตรแม่นยำไปสู่แพลตฟอร์มคาดการณ์ผลผลิตทางการเกษตร (Predictive Farming Platform) ให้ครอบคลุมทุกพื้นที่ของประเทศ

จากเกษตรแม่นยำ (Precision Farming) สู่แพลตฟอร์มเพื่อการคาดการณ์ผลผลิตทางการเกษตร

ข้อมูลจากรายงานการคาดการณ์นวัตกรรมอุตสาหกรรม กลุ่มเกษตรแม่นยำ (ศูนย์ข้อมูลและการคาดการณ์เทคโนโลยี, 2016) กล่าวว่า หลักการสำคัญของเกษตรแม่นยำ คือ Variable Rate Application: VRA กล่าวคือ แม้จะปลูกพืชชนิดเดียวกัน ในแปลงเดียวกัน แต่ความสมบูรณ์ของต้นพืชรวมถึงคุณภาพและปริมาณของผลผลิตไม่จำเป็นต้องเหมือนกันเสมอไป ด้วยปัจจัยด้านสภาพแวดล้อมมักไม่สม่ำเสมอแม้เพาะปลูกในพื้นที่เดียวกัน ดังนั้น การบริหารจัดการแปลงเพาะปลูกจึงต้องแตกต่างกัน โดยต้องเหมาะสมกับความต้องการของพืชและสภาพแวดล้อมนั้น ๆ

การบริหารจัดการแปลงเพาะปลูกดังกล่าว จำเป็นต้องมีการเก็บข้อมูลและแปรผลเป็นคำแนะนำที่ช่วยให้เกษตรกรสามารถวางแผนและดูแลการเพาะปลูกได้อย่างถูกต้อง เหมาะสม หรือแปลงเป็นคำสั่งเพื่อควบคุมให้เครื่องจักรหรือระบบอัตโนมัติต่าง ๆ สามารถทำงานได้อย่างแม่นยำกว่าการควบคุมด้วยมนุษย์ ซึ่งจะช่วยทุ่นแรงงาน ช่วยลดการใช้ทรัพยากรทางการผลิต อีกทั้งยังให้ผลผลิตต่อพื้นที่ (Yield) ที่ดีขึ้นอีกด้วย

“ข้อมูล” เป็นหัวใจสำคัญของเกษตรแม่นยำ ดังนั้นเทคโนโลยีที่เกี่ยวข้องจึงอยู่ในกลุ่มของเซนเซอร์ตรวจวัด (Sensor) อุปกรณ์ไอโอที (IoT) สถานีตรวจวัดอากาศ (Weather Station) ดาวเทียม (Satellite) โดรน (Drone) เพื่อจัดเก็บข้อมูลปัจจัยพื้นฐานที่ส่งผลต่อการเจริญเติบโตของพืช เช่น ข้อมูลสภาพอากาศ ข้อมูลสภาวะดินและน้ำ เป็นต้น นำไปสู่การวิเคราะห์ข้อมูลด้วยเทคโนโลยีด้านการประมวลผลข้อมูลและปัญญาประดิษฐ์ต่อไป

โดยข้อมูลขนาดใหญ่ (Big Data) จากเทคโนโลยีเกษตรแม่นยำยังเป็นฐานการพัฒนาไปสู่การคาดการณ์ปริมาณผลผลิต รวมถึงปัจจัยที่เกี่ยวข้องกับการทำเกษตรแม่นยำได้อีกด้วย

แพลตฟอร์มคาดการณ์ผลผลิตและปัจจัยที่เกี่ยวข้องด้านการเกษตร (Predictive Farming Platform)

การคาดการณ์ผลผลิตและปัจจัยด้านการเกษตรมีความสำคัญมาตั้งแต่อดีตสืบเนื่องถึงปัจจุบัน สะท้อนผ่าน “พระโคเสี่ยงทาย” ซึ่งเป็นพิธีหนึ่งในพระราชพิธีจรดพระนังคัลแรกนาขวัญ เพื่อทำนายปริมาณน้ำ สภาพดินฟ้าอากาศ และผลผลิต จากของกิน 7 สิ่งที่ตั้งเลี้ยงพระโค เพื่อความเป็นสิริมงคลและบำรุงขวัญเกษตรกร

สำหรับแพลตฟอร์มคาดการณ์ผลผลิตและปัจจัยที่เกี่ยวข้องด้านการเกษตร (Predictive Farming Platform) จะรวบรวมข้อมูล 3 กลุ่มหลัก ได้แก่ ข้อมูลภาคอากาศ ข้อมูลภาคพื้นดิน และข้อมูลสุขภาพพืช โดยอาศัยเทคโนโลยีการรับรู้ระยะไกล (Remote Sensing) เซนเซอร์ (Sensor) โดรน (Drone) เป็นต้น โดยใช้ข้อมูลเหล่านี้เป็นฐานในการสร้างโมเดลเฝ้าระวังสุขภาพพืช (Crop Health Monitoring) โมเดลการพยากรณ์ต่าง ๆ ที่เกี่ยวข้อง โดยอาศัยเทคโนโลยีด้านปัญญาประดิษฐ์และการวิเคราะห์ข้อมูลขนาดใหญ่ เป็นต้น เพื่อนำไปสู่แพลตฟอร์มการคาดการณ์ผลผลิตทางการเกษตรระดับประเทศที่มีประโยชน์ใน 4 ประเด็น ดังนี้

1. การคาดการณ์ผลผลิตทางการเกษตรจากปัจจัยที่เกี่ยวข้อง (Crop Yield Prediction)

การคาดการณ์ปริมาณผลผลิตต่อพื้นที่ (yield) จากข้อมูลการคาดการณ์สภาพดิน ฟ้า อากาศ น้ำ และโรคระบาด รวมถึงปัจจัยอื่น ๆ ที่เกี่ยวของกับการเจริญเติบโตของพืช

2. แนวทางการจัดการแปลงเพาะปลูกอย่างเฉพาะเจาะจง (Crop Management)

การจัดการแปลงเพาะปลูกเฉพาะบางตำแหน่งตามความต้องการของพืช เพื่อให้ได้ผลผลิตตามเป้าหมาย เช่น การให้น้ำ ใส่ปุ๋ย การกำจัดศัตรูพืช การรับมือภัยธรรมชาติ โรคและแมลงศัตรูพืช เป็นต้น

3. แนวทางการเพาะปลูกพืชให้เหมาะสมกับพื้นที่ (Crop Recommendation)

การแนะนำพื้นที่ที่เหมาะสมกับการปลูกพืชแต่ละชนิด หรือแนะนำพืชที่เหมาะสมที่จะปลูกบนพื้นที่ที่กำหนด โดยอิงความต้องการทางการตลาดและปัจจัยทางเศรษฐกิจ ต้นทุน ผลตอบแทน ฯลฯ

4. การพิจารณาสินเชื่อเพื่อการเกษตรจากโอกาสในการได้ผลผลิตตามเป้า (Crop Insurance)

การใช้ข้อมูลคาดการณ์ปริมาณผลผลิตต่อพื้นที่ (yield) เป็นปัจจัยหนึ่งในการกำหนดวงเงิน และอัตราดอกเบี้ยของสินเชื่อด้านการเกษตร โดยพิจารณาจากความต้องการของตลาด และโอกาสในการได้ผลผลิตตรงตามเป้า ร่วมกับปัจจัยที่เกี่ยวข้องตามที่สถาบันการเงินนั้น ๆ กำหนด

อย่างไรก็ตาม ความสามารถในการคาดการณ์ผลผลิตทางการเกษตรในระดับประเทศนั้น จำเป็นต้องใช้ทรัพยากรมหาศาล โดยเฉพาะอย่างยิ่งในด้านเทคโนโลยี โดยเนคเทค สวทช.ได้ร่วมมือกับพันธมิตรทั้งไทยและนานาชาติในการสนับสนุนองค์ความรู้ ผู้เชี่ยวชาญ และเทคโนโลยีสำหรับการคาดการณ์ผลผลิตทางการเกษตรในระดับประเทศ ไม่ว่าจะเป็น เทคโนโลยีการประมวลผลสมรรถนะสูง (HPC) เทคโนโลยีการวิเคราะห์ข้อมูล (Analytic) เทคโนโลยีอากาศยานไร้คนขับ (Unmanned Aerial Vehicle: UAV) โดยปัจจุบันยังต้องการการสนับสนุนเทคโนโลยีที่รองรับการเก็บข้อมูลในระดับประเทศ (Cloud Computing)

เป้าหมายของแพลตฟอร์มคาดการณ์ผลผลิตและปัจจัยที่เกี่ยวข้องด้านการเกษตร (Predictive Farming Platform)

แพลตฟอร์มคาดการณ์ผลผลิตและปัจจัยที่เกี่ยวข้องด้านการเกษตร จะเป็นข้อมูลสำคัญที่รัฐบาลใช้เป็นฐานสำหรับวางนโยบายการผลิต บริหารจัดการผลผลิต และใช้จ่ายงบประมาณด้านการเกษตรในภาพรวมของประเทศอย่างมีประสิทธิภาพ เหมาะสมกับสถานการณ์ และการเปลี่ยนแปลงของปัจจัยที่เกี่ยวข้องทางการเกษตร เสริมศักยภาพในการผลิตและส่งออกสินค้าเกษตรของไทย ไปจนถึงการรักษาความมั่นคงทางอาหาร (Food Security) นำไปสู่การสร้างภาพลักษณ์ที่ดีแก่ประเทศ

สำหรับภาคเอกชน การมีข้อมูลการคาดการณ์ผลผลิตและปัจจัยด้านการเกษตรที่แม่นยำ จะเป็นข้อได้เปรียบในการทำสัญญาซื้อขายล่วงหน้า การคุมราคากลาง และวางแผนและดูแลการเพาะปลูกอย่างเฉพาะเจาะจง ยกตัวอย่าง เอกชนกลุ่มพืชพลังงาน (อ้อย มันสำปะหลัง ปาล์ม ฯลฯ) ซึ่งมีราคาน้ำมันเป็นตัวแปรหนึ่งในการวางแผนการเพาะปลูก ดังนั้นสัดส่วนในการเพาะปลูกเพื่อผลิตเป็นพลังงานทดแทน กับ ผลิตเพื่อแปรรูปเป็นสินค้าอุปโภคบริโภคควรแตกต่างกันตามอัตราการขึ้นลงของราคาน้ำมัน เป็นต้น

นอกจากนี้เนคเทค สวทช.หวังเป็นอย่างยิ่งว่าแพลตฟอร์มนี้จะเป็นจุดเริ่มต้นให้นักพัฒนา หรือ ธุรกิจกลุ่ม Startup ร่วมกันพัฒนาความสามารถหรือสร้างสรรค์สู่แอปพลิเคชันใหม่ ๆ ที่เป็นประโยชน์ต่อภาคเกษตรกรรม ไปจนถึงการสร้างชุมชน (Commuunity) และระบบนิเวศน์ (Ecosystem) ของการพัฒนาภาคเกษตรกรรมไทยด้วยเทคโนโลยีต่อไป

ติดต่อ – สอบถามข้อมูลเกี่ยวกับงานวิจัย

ทีมวิจัยคลังอนุพันธ์ความรู้ (KEA)

กลุ่มวิจัยวิทยาการข้อมูลและการวิเคราะห์ (DSARG)

ศูนย์เทคโนโลยีอิเล็กทรอนิกส์และคอมพิวเตอร์แห่งชาติ (เนคเทค)

email : kea[at]nectec.or.th

บรรณานุกรม

[1] สำนักงานสถิติแห่งชาติ. (2564). สรุปผลการสำรวจ ภาวะการทำงานของประชากร (เดือน ธันวาคม พ.ศ.2563). สืบค้นจาก https://www.nso.go.th/

[2] สำนักงานเศรษฐกิจการเกษตร. (2563). ภาวะเศรษฐกิจการเกษตร ปี 2563 และแนวโน้มปี 2564. สืบค้นจาก https://www.oae.go.th/