Climate change affects agricultural systems worldwide, including Thailand, and may lead to reduced crop yields, impacting food security. Bambara groundnut is a crop with the potential to adapt to changing environments and can thrive in areas with limited resources. This research aims to study the impact of climate change on Bambara groundnut yields in Thailand using the DSSAT (Decision Support System for Agrotechnology Transfer) model, an important tool for predicting plant growth under various environmental conditions. This study utilizes climate data, soil composition, and genetic information of Bambara groundnut to simulate and analyze yield trends under future climate scenarios. Four study areas in Thailand were selected: Songkhla, Lampang, Yasothon, and Saraburi. The CSM-CROPGRO-Bambara groundnut model was used to assess the impact of changing temperature and rainfall on the growth and yield of Bambara groundnut. The results of this study are expected to provide farmers and researchers with valuable information for planning cultivation and managing peanut production in response to climate change. Additionally, the findings can help formulate policy guidelines to promote the cultivation of climate-resilient crops and support the country's food security.
การเปลี่ยนแปลงสภาพภูมิอากาศส่งผลกระทบต่อระบบเกษตรกรรมทั่วโลก รวมถึงการเพาะปลูกพืชอาหาร ถั่วหรั่ง (Bambara groundnut) เป็นพืชตระกูลถั่วที่มีความสามารถทนแล้ง เจริญเติบโตได้ดีในดินที่มีความอุดมสมบูรณ์ต่ำ และให้คุณค่าทางโภชนาการสูง จึงมีศักยภาพในการเสริมความมั่นคงทางอาหารของประเทศ อย่างไรก็ตาม การเปลี่ยนแปลงของอุณหภูมิ ปริมาณน้ำฝน และความแปรปรวนของสภาพอากาศ อาจส่งผลต่อการเจริญเติบโตและผลผลิตของถั่วหรั่ง ทำให้เกิดความไม่แน่นอนในระบบการเกษตร งานวิจัยนี้มีเป้าหมายเพื่อประเมินผลกระทบของการเปลี่ยนแปลงสภาพภูมิอากาศต่อผลผลิตถั่วหรั่งในประเทศไทย โดยใช้แบบจำลอง DSSAT (Decision Support System for Agrotechnology Transfer) ซึ่งเป็นเครื่องมือที่ช่วยจำลองสภาพแวดล้อมและพฤติกรรมการเจริญเติบโตของพืชภายใต้สภาวะต่างๆ การศึกษานี้จะช่วยให้สามารถคาดการณ์แนวโน้มผลผลิตของถั่วหรั่งในอนาคต และนำไปใช้ในการวางแผนการเพาะปลูก รวมถึงพัฒนากลยุทธ์ในการปรับตัวของเกษตรกรให้สามารถรับมือกับสภาพภูมิอากาศที่เปลี่ยนแปลงได้อย่างมีประสิทธิภาพ
คณะเทคโนโลยีการเกษตร
Durian is a crucial economic crop of Thailand and one of the most exported agricultural products in the world. However, producing high-quality durian requires maintaining the health of durian trees, ensuring they remain strong and disease-free to optimize productivity and minimize potential damage to both the tree and its fruit. Among the various diseases affecting durian, foliar diseases are among the most common and rapidly spreading, directly impacting tree growth and fruit quality. Therefore, monitoring and controlling leaf diseases is essential for preserving durian quality. This study aims to apply image analysis technology combined with artificial intelligence (AI) to classify diseases in durian leaves, enabling farmers to diagnose diseases independently without relying on experts. The classification includes three categories: healthy leaves (H), leaves infected with anthracnose (A), and leaves affected by algal spot (S). To develop the classification model, convolutional neural network (CNN) algorithms—ResNet-50, GoogleNet, and AlexNet—were employed. Experimental results indicate that the classification accuracy of ResNet-50, GoogleNet, and AlexNet is 93.57%, 93.95%, and 68.69%, respectively.
คณะวิศวกรรมศาสตร์
Designing advanced printed circuit boards for industrial applications involves a variety of steps and methods depending on each company. From what I have learned, I have used Cadence Allegro to design printed circuit boards. This internship was designed on a variety of boards with varying levels of difficulty. Learning in this internship could not be learned in detail within the university. I had to work with many departments within Analog Devices (Thailand) Company. This design was assisted by a mentor who took care of and taught me the work, allowing me to complete the co-operative successfully.
คณะแพทยศาสตร์
This research studies the effect of CBD on the excitability of mice nociceptive trigeminal ganglion neurons. The electrophysiological parameters of the mouse trigeminal ganglion cells are measured using a Whole Cell Current Clamp Model on a primary cell culture treated with 0.5 uM CBD for 24 hours compared to a control group. After obtaining the results statistical analysis is done using a Mann Whitney-U test.