Please use this identifier to cite or link to this item: http://kb.psu.ac.th/psukb/handle/2016/18002
Full metadata record
DC FieldValueLanguage
dc.contributor.advisorSalang Musikasuwan-
dc.contributor.authorKhodeeyoh Kasoh-
dc.date.accessioned2023-04-19T08:19:48Z-
dc.date.available2023-04-19T08:19:48Z-
dc.date.issued2022-
dc.identifier.urihttp://kb.psu.ac.th/psukb/handle/2016/18002-
dc.descriptionThesis (M.Sc., Research Methodology)--Prince of Songkla University, 2022en_US
dc.description.abstractThis purpose of this research was to examine the seasonal patterns and trends of Land Surface Temperature (LST) and to investigate the predictive models and (term lag and Normalized Difference Vegetation Index (NDVI) that related to LST variability in the upper north of Bogota, Columbia from 2001-2020. The observation data used in this study were obtained from the National Aeronautics and Space Administration (NASA) website as Moderate Resolution Imaging Spectroradiometer (MODIS) LST Data, which was collected every 8 days from January 1, 2001 to December 27, 2020 (a total of 920 data observations) from 9 regions. In this study, cubic spline was used for seasonal patterns analysis and simple linear regression was used for analyzing the trend of the average temperature change for 20 years. The results showed that the average temperature in the upper north of Bogota has been slightly decreasing, at around 0.021 degrees Celsius every year. The data has been divided into 70%-30% proportions for training and testing data sets, respectively. Multiple Linear Regression (MLR) methods and Random Forest (RF) were utilized as the prediction models and factors correlated to LST variability. Root mean square error (RMSE) and R-square were used to compare the predicting performance among constructed models. The results showed that the most important variable in all regions is NDVI. The RF model gained the smallest RMSE from testing both training and testing data sets. The R- square values of MLR model were between 23.68 % to 45.65 % while those of RF model were between 29.90% to 53.29%. However, it cannot be guaranteed that the same performance for each model will be the same for other study areasen_US
dc.language.isoenen_US
dc.publisherPrince of Songkla Universityen_US
dc.rightsAttribution-NonCommercial-NoDerivs 3.0 Thailand*
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/3.0/th/*
dc.subjectSoil temperature Colombia Bogotaen_US
dc.subjectTemperature Seasonal variations Colombia Bogotaen_US
dc.subjectAnalysis of covarianceen_US
dc.titleการเปลี่ยนแปลงอุณหภูมิพื้นผิวดินทางตอนเหนือของโบโกตา ประเทศโคลอมเบีย ตั้งแต่ปี ค.ศ. 2001-2020en_US
dc.title.alternativeLand Surface Temperature Change in the Upper North of Bogota, Colombia from 2001 to 2020en_US
dc.typeThesisen_US
dc.contributor.departmentFaculty of Science and Technology (Mathematics and Computer Science)-
dc.contributor.departmentคณะวิทยาศาสตร์และเทคโนโลยี ภาควิชาคณิตศาสตร์และวิทยาการคอมพิวเตอร์-
dc.description.abstract-thการวิจัยครั้งนี้มีวัตถุประสงค์เพื่อตรวจสอบรูปแบบและแนวโ้นมตามฤดูกาลของ อุณหภูมิพื้นผิวดิน (LST) และเพื่อศึกษาตัวแบบการทํานายและปัจจัยที่เกี่ยวของกับความแปรปรวน ของอุณหภูมิพื้นผิวดินในทางตอนเหนือของโบโกตา ประเทศโคลัมเบีย ตั้งแต่ปี 2544-2563 ข้อมูลที่ ใชในการศึกษานี้คือข้อมูล MODIS LST จากเว็บไซตของ NASA ซึ่งจัดเก็บเฉลี่ยทุก 8 วัน ตั้งแต่วันที่ 1 มกราคม 2544 ถึงวันที่ 27 ธันวาคม 2563 (ขอมูลทั้งหมด 920 คาสังเกต) จํานวน 9 ภูมิภาค ใน การศึกษานี้ใชฟงกชันเสมือนพหุนามกําลังสาม (Cubic splines functions) สําหรับการวิเคราะห รูปแบบตามฤดูกาลและการถดถอยเชิงเสนอยางงาย (SLR) เพื่อวิเคราะหแนวโนมการเปลี่ยนแปลง อุณหภูมิเฉลี่ยเปนเวลา 20 ป และพบวาอุณหภูมิเฉลี่ยทางตอนเหนือของโบโกตาลดลงเล็กนอย ประมาณ 0.021 องศาเซลเซียสทุกปหลังจากนั้นจะแบงขอมูลออกเปนสัดสวน 70% : 30% สําหรับ ชุดขอมูลฝกฝนและชุดขอมูลทดสอบตามลําดับ ในสวนของชุดขอมูลฝกฝนจะนํามาใชในการสรางตัว แบบการทํานายดวยวิธีการถดถอยพหุคูณ (MLR) และการสุมปาไม (Random Forest) และหาปจจัย ที่เกี่ยวของกับความแปรปรวนของอุณหภูมิพื้นผิวดิน และเปรียบเทียบประสิทธิภาพของตัวแบบแตละ วิธีโดยใชคาเฉลี่ยของรากที่สองของกําลังสองขอความคลาดเคลื่อน (RMSE) และคาสัมประสิทธิ์การ ตัดสินใจพหุคูณ (R-square) ผลการวิจัยพบวาปจจัยที่สําคัญที่สุดในทุกภูมิภาคที่มีผลตออุณหภูมิ พื้นผิวดินคือ ดัชนีความตางพืชพรรณ (NDVI) และจากการเปรียบเทียบประสิทธิภาพของตัวแบบ พบวาตัวแบบการสุมปาไมมีประสิทธิภาพมากที่สุดโดยมีคา RMSE ต่ําที่สุด และ คา R-square สูง ที่สุดซึ่งอยูระหวาง 29.90 % ถึง 53.29 % อยางไรก็ตามไมสามารถประกันไดวาตัวแบบที่ดีที่สุดจาก การศึกษาครั้งนี้จะมีประสิทธิภาพดีที่สุดสําหรับพื้นที่ศึกษาอื่น ๆen_US
Appears in Collections:746 Thesis

Files in This Item:
File Description SizeFormat 
6220320002.pdf4.51 MBAdobe PDFView/Open


This item is licensed under a Creative Commons License Creative Commons