AN ANALYSIS OF CORRELATION BETWEEN PARTICULATE MATTER PM2.5 AND GREEN AREA IN SARABURI PROVINCE

Abstract

This study analyzeds the spatial distribution of PM2.5 in Saraburi Province, Thailand, by estimating PM2.5 concentrations using Aerosol Optical Depth (AOD) from MODIS satellite data combined with meteorological factors (air temperature, relative humidity, and wind speed) through Multiple Linear Regression (MLR). Green space changes were assessed using Sentinel-2 imagery and NDVI thresholds, and the relationship between PM2.5 and vegetation cover was examined. The MLR model showed statistical significance (P < 0.05 for all variables), with an R² of 0.57; validation with ground station data yielded an R² of 0.60 and RMSE of 10.65 µg/m³. From 2018 to 2022, PM2.5 exhibited a clustered spatial distribution, with hot spots in agricultural zones and cold spots in forested areas identified using Getis-Ord Gi* analysis. Green space analysis revealed an 11.30% increase in dense vegetation and corresponding declines in sparse and non-vegetated areas (10.85% and 0.44%, respectively). A statistically significant negative correlation was observed between NDVI and PM2.5 in all years, with the strongest relationship in 2022 (R² = 0.82, Coef. = –11.31), indicating that increased vegetation is associated with reduced PM2.5 levels. These findings underscore the importance of green spaces in air pollution mitigation, reinforcing their role as natural filters that can help reduce airborne particulate concentrations over time.

งานวิจัยนี้มุ่งวิเคราะห์รูปแบบการกระจายตัวของฝุ่นละอองขนาดเล็ก PM2.5 ในจังหวัดสระบุรี ประเทศไทย โดยใช้ค่าฝุ่น PM2.5 ที่ได้จากการประมาณค่าด้วยข้อมูล Aerosol Optical Depth (AOD) จากดาวเทียม MODIS ร่วมกับข้อมูลอุตุนิยมวิทยา ได้แก่ อุณหภูมิอากาศ ความชื้นสัมพัทธ์ และความเร็วลม ผ่านการวิเคราะห์ถดถอยเชิงเส้นพหุคูณ (Multiple Linear Regression: MLR) พร้อมทั้งวิเคราะห์การเปลี่ยนแปลงพื้นที่สีเขียวด้วยข้อมูลจากดาวเทียม Sentinel-2 โดยใช้ดัชนีพืชพรรณ NDVI และศึกษาความสัมพันธ์ระหว่างพื้นที่สีเขียวกับค่าฝุ่น PM2.5 ในพื้นที่ศึกษา ผลการวิเคราะห์แบบจำลอง MLR พบว่าตัวแปรทั้งสี่มีนัยสำคัญทางสถิติ (P-value < 0.05) โดยมีค่า R² เท่ากับ 0.57 และเมื่อเปรียบเทียบกับข้อมูลจากสถานีตรวจวัดภาคพื้นพบว่า ค่า RMSE เท่ากับ 10.65 µg/m³ และ R² เท่ากับ 0.60 ซึ่งแสดงว่าแบบจำลองสามารถอธิบายค่าความแปรปรวนของ PM2.5 ได้ถึง 60% การกระจายตัวของ PM2.5 ระหว่างปี พ.ศ. 2561–2565 มีลักษณะเกาะกลุ่ม (cluster) โดยใช้สถิติ Getis-Ord Gi* วิเคราะห์พบว่า Hot Spot ส่วนใหญ่อยู่ในพื้นที่เกษตรกรรม และ Cold Spot ส่วนใหญ่อยู่ในพื้นที่ป่าไม้ สำหรับแนวโน้มพื้นที่สีเขียวในช่วง 5 ปี พบว่าพื้นที่สีเขียวหนาแน่นเพิ่มขึ้น 11.30% ขณะที่พื้นที่สีเขียวเบาบางลดลง 10.85% และพื้นที่ไม่มีพืชพรรณลดลง 0.44% การวิเคราะห์ความสัมพันธ์ระหว่าง PM2.5 กับ NDVI พบว่าทุกปีมีความสัมพันธ์เชิงลบอย่างมีนัยสำคัญ โดยในปี พ.ศ. 2565 มีความสัมพันธ์สูงสุด (R² = 0.82, ค่าสัมประสิทธิ์ = –11.31) แสดงว่า NDVI สามารถอธิบายการเปลี่ยนแปลงของ PM2.5 ได้ถึง 82% โดย NDVI เพิ่มขึ้นหนึ่งหน่วยจะช่วยลดระดับ PM2.5 เฉลี่ย 11.31 µg/m³ ผลลัพธ์นี้ยืนยันถึงบทบาทของพื้นที่สีเขียวในการช่วยบรรเทามลพิษทางอากาศอย่างมีนัยสำคัญ โดยต้นไม้และพืชพรรณมีคุณสมบัติในการกรองและดูดซับฝุ่นละออง อย่างไรก็ตาม ความสัมพันธ์ดังกล่าวอาจผันผวนตามสถานการณ์ทางเศรษฐกิจ สังคม และสภาพภูมิอากาศในแต่ละปี แต่แนวโน้มระยะยาวยังคงมีความสอดคล้องอย่างชัดเจนในเชิงสถิติ