ในงานป่าไม้ Ground truth หมายถึง “ข้อมูลจริงที่ตรวจสอบจากภาคสนาม” เช่น ความโตและความสูงของต้นไม้ ข้อมูลภาคสนามเหล่านี้จะถูกใช้เป็นข้อมูลอ้างอิง (reference data) เมื่อนำไปตรวจสอบความถูกต้องของข้อมูลจากแหล่งอื่น เช่น ภาพถ่ายดาวเทียม ภาพจากโดรน หรือค่าที่ได้จากแบบจำลองต่างๆ เพื่อดูว่าค่าพารามิเตอร์ของต้นไม้หรือแปลงป่าที่ประเมินจากวิธีการสำรวจจากระยะไกล (remote sensing) นั้นสอดคล้องกับความเป็นจริงมากน้อยเพียงใด

ในยุคที่ AI มีบทบาทสำคัญต่อการพัฒนาโมเดลด้านป่าไม้ การมีข้อมูลภาคสนามที่ถูกต้องและเชื่อถือได้ยิ่งมีความสำคัญมากขึ้น เพราะข้อมูลเหล่านี้เป็นทั้งข้อมูลที่ใช้ ฝึกโมเดล (training data) และใช้ ตรวจสอบความถูกต้อง (validation) ดังนั้นผู้ปฏิบัติงานภาคสนามจึงควรให้ความรอบคอบในการเก็บข้อมูลอย่างยิ่ง ประเด็นสำคัญ 2 ข้อที่ควรพิจารณา คือ 

1. การเลือกตัวแทนข้อมูล (Representative sampling)

เราไม่สามารถเก็บข้อมูลภาคสนามจากต้นไม้ทุกต้นหรือทุกตารางเมตรได้ จึงต้องมีการสุ่มตัวแทนที่ดี เช่น การวางแปลงตัวอย่าง (sample plots) เพื่อใช้เชื่อมโยงกับข้อมูลภาพดาวเทียม

การเลือกตำแหน่งแปลงควรพิจารณาให้สอดคล้องกับชนิดป่าหรือพื้นที่ศึกษา หากแปลงตัวอย่างอยู่บริเวณขอบป่า หรือใกล้พื้นที่ใช้ประโยชน์ที่แตกต่างกัน ข้อมูลภาคสนามอาจไม่ตรงกับค่าที่ได้จากภาพดาวเทียม ซึ่งอาจรับสัญญาณจากหลายชนิดพืชหรือหลายสภาพพื้นที่ผสมกัน (มีตัวอย่างประกอบในคอมเมนต์)

2. ความถูกต้องของการวัดภาคสนาม

2.1 ความถูกต้องของพิกัดแปลง

การใช้เพียงแอป GNSS ในสมาร์ทโฟนมักมีค่าความคลาดเคลื่อนหลายสิบเมตร หากพิกัดแปลงไม่แม่นยำ การนำไปเทียบกับตำแหน่งภาพดาวเทียมหรือภาพโดรนจะไม่สื่อถึงตำแหน่งเดียวกันจริงๆ ทำให้ค่าที่เปรียบเทียบคลาดเคลื่อน

2.2 การวัดความโตของต้นไม้ (DBH)

อุปกรณ์อย่างเทปวัดเส้นรอบวง เทปวัดเส้นผ่านศูนย์กลาง หรือคาลิปเปอร์ ต้องเป็นอุปกรณ์ที่ได้มาตรฐาน หากเทปยืด-หด หรือวัดบนระนาบที่เอียง ค่าที่ได้จะผิดไปทันที ทำให้ข้อมูลภาคสนามไม่แม่นยำ

2.3 การวัดความสูงของต้นไม้

ความสูงเป็นค่าที่มักมีความคลาดเคลื่อนกว่าความโต เนื่องจากต้องใช้การเล็งปลายยอดไม้และคำนวณด้วยหลักตรีโกณมิติ ปัญหาอย่างมุมมองที่ไม่เห็นยอดชัด ความเหนื่อยล้า แสง และสภาพพื้นที่ ล้วนทำให้ค่าความสูงคลาดเคลื่อนได้ง่าย