ตีพิมพ์งานวิจัยเรื่องการจำแนกประชากรปลาเห็ดโคนจากกระดูกหูด้วยเทคนิคการวิเคราะห์ต้นไม้ตัดสินใจ

การจ�ำแนกประชากรปลาเห็ดโคน (Sillago sihama) จากกระดู กหู ด้วยเทคนิคการวิเคราะห์ต้นไม้ตัดสินใจ Classification of Sillago sihama population from otolith with decision tree analysis ภัทรมน ห่นล�ุำพูน1 , ชลี ไพบูลย์กิจกุล1* และ เบ็ญจมาศ จันทะภา ไพบูลย์กิจกุล1 Phattaramon Honlumpon1 , Chalee Paibulkichakul1* and Benjamas Chanthapa Paibulkichakul1 1 สาขาวิชาเทคโนโลยีทางทะเล คณะเทคโนโลยีทางทะเล มหาวิทยาลัยบูรพา วิทยาเขตจันทบุรี Marine Technology, Faculty Marine Technology, Burapha University Chanthaburi Campus * Corresponding author: [email protected] KHON KAEN AGR. J. 48 SUPPL. 1: 145-152 (2020). 145 บทคัดย่อ: องค์ประกอบของธาตุในกระดูกหูของปลาเปรียบเสมือนลายพิมพ์นิ้วมือ ซึ่งสามารถบอกสิ่งแวดล้อม ที่ปลาอาศัยอยู่หรือเคยอาศัยอยู่ได้ เนื่องจากจะมีการสะสมของธาตุที่กระดูกหูของปลา โดยองค์ประกอบของ ธาตุเหล่านี้สามารถใช้ในการวิเคราะห์เพื่อติดตามการเปลี่ยนแปลงได้ ในการศึกษาครั้งนี้มีจุดประสงค์เพื่อจัด จ�ำแนกแหล่งที่มาของปลาเห็ดโคน จากข้อมูลธาตุในกระดูกหูของปลา ด้วยเทคนิค Decision tree โดยท�ำการ เก็บตัวอย่างกระดูกหูของปลาเห็ดโคนในพื้นที่ 4 จังหวัดบริเวณอ่าวไทย และพื้นที่ 1 จังหวัดบริเวณทะเลอันดามัน น�ำมาวิเคราะห์ปริมาณธาตุในกระดูกหู ด้วยเครื่องเอกซเรย์ฟลูออเรสเซนซ์ (X-ray Fluorescence Spectrometry) และน�ำผลการวิเคราะห์ข้อมูลดังกล่าวมาท�ำการจ�ำแนกกลุ่มของปลาเห็ดโคนจากแหล่งที่มา ด้วยเทคนิค Decision tree ซึ่งผลการศึกษาพบว่าเทคนิคการวิเคราะห์ Decision tree สามารถจ�ำแนกแหล่งที่มาของปลาเห็ดโคนได้ดี โดยธาตุที่ Decision tree ใช้ในการจ�ำแนกแหล่งที่มาได้แก่ ธาตุ K, Sr, Mn, Cu, Ba, Ca และ Zn เมื่อคิดเป็น เปอร์เซ็นต์ความถูกต้องรวมในการจ�ำแนกคิดเป็นร้อยละ 53.17 ค�ำส�ำคัญ: ปลาเห็ดโคน, กระดูกหู, เอกซเรย์ฟลูออเรสเซนซ์, เทคนิคต้นไม้ตัดสินใจ, การจ�ำแนก ABSTRACT: The element in the otolith of fish is like a fingerprint. Otolith can tell the environment in which fish live because the elements will be accumulated at the otolith of fish. These elements can be used for analysis to track changes. The purpose of this study was to classify Sillago sihama population with otolith from the elemental information in the otolith by Decision tree analysis. Otolith samples of fish in the 4 provinces in the Gulf of Thailand and 1 province in the Andaman Sea had been collected. The amount of elements in the otolith with X-ray Fluorescence Spectrometry had been analyzed. And the results of such data analysis were used to classify Sillago sihama with the decision tree analysis. The results of the study revealed that the decision tree analysis was able to classification Sillago sihama. The elements that the decision tree used to classify population sources were including K, Sr, Mn, Cu, Ba, Ca and Zn. The accuracy of population classification in training set and test set were 53.17 percent. Keywords: Sillago sihama, otolith, x-ray fluorescence, decision tree analysis, classification

146 แก่นเกษตร 48 ฉบับพิเศษ 1: 145-152 (2563). บทน�ำ ทรัพยากรปลาในทะเลอาจมีการแบ่งเป็นกลุ่ม ประชากรย่อยตามสิ่งแวดล้อมที่แตกต่างกันภายใต้ ท้องทะเล ดังนั้นในการจับทรัพยากรปลาทะเลจาก แหล่งใดแหล่งหนึ่งมาทั้งหมด อาจเป็นการท�ำลาย ความหลากหลายทางพันธุกรรมของประชากรปลา ทะเล ซึ่งการตรวจสอบว่าปลาชนิดใดในธรรมชาติมี การแบ่งกลุ่มประชากรย่อยหรือไม่นั้น จะต้องใช้เทคนิค ทางอณูพันธุศาสตร์ในการหาเครื่องหมายทาง พันธุกรรม (genetic marker) ที่มีความจ�ำเพาะต่อ ประชากรปลากลุ่มต่าง ๆ ในขณะที่ปัจจุบันมีการ รายงานว่ากระดูกหูของปลาสามารถบ่งบอกแหล่ง ที่มาของประชากรปลาได้ อีกทั้งเทคโนโลยีในปัจจุบัน มีการพัฒนาเครื่องมือและอุปกรณ์ที่เอื้ออ�ำนวยต่อ การศึกษาวิจัย ท�ำให้ทราบว่ากระดูกหูของปลาสามารถ ใช้ในการค้นหาแหล่งอาศัยหรือเส้นทางของปลาที่มี การอพยพได้ นักวิทยาศาสตร์พบว่าปลาที่มีกระดูกหู ไม่สมประกอบจะได้ยินเสียงไม่ถนัด ท�ำให้ส่งผลต่อ การเดินทางของพวกมันเพราะต้องอาศัยการฟังเป็น เครื่องน�ำทางหากต้องอพยพย้ายถิ่น (Campana, 1999; Campana and Thorrold, 2001) โดยธาตุที่พบใน กระดูกหูของปลาเปรียบเสมือนเป็นลายพิมพ์นิ้วมือ (fingerprint) เนื่องจากตั้งแต่เกิดจนเติบโตปลาจะมี การสะสมของธาตุที่กระดูกหูของปลาคล้ายกับวงปีของ ต้นไม้ ดังนั้นการติดตามองค์ประกอบของธาตุต่าง ๆ ในกระดูกหูผ่านการเจริญเติบโตของปลา ด้วยเทคโนโลยี สมัยใหม่ท�ำให้สามารถวิเคราะห์องค์ประกอบของ กระดูกหูของปลาได้อย่างง่าย รวดเร็ว และถูกต้อง ซึ่งจะสามารถอธิบายหรือบ่งบอกประวัติทางชีววิทยา บางประการของปลาชนิดนั้นๆได้ ปัจจุบันได้มีการน�ำความรู้ด้านเทคนิคเอกซเรย์ ฟลูออเรสเซนซ์ มาประยุกต์เข้ากับการศึกษาเกี่ยวกับ แร่หรือตัวอย่างทางธรณีวิทยา โดยเทคนิคนี้มีจุดเด่น ที่ดีกว่าเทคนิคอื่นๆคือสามารถตรวจวิเคราะห์เชิง คุณภาพได้ในเวลาอันรวดเร็ว และตรวจได้หลายธาตุ พร้อมกัน (multi-element capability) จึงท�ำให้มี ความสะดวกในการใช้งานมากขึ้น (สัมพันธ์, 2547) เนื่องจากปัจจุบันมีการจับปลาทะเลมาจาก หลายพื้นที่จึงไม่สามารถทราบแหล่งที่มาของปลาทะเล ได้เมื่อน�ำเข้าสู่ท้องตลาด ส่งผลกระทบต่อทรัพยากร ปลาทะเลที่มีจ�ำนวนลดลงหากมีการท�ำประมงใน แหล่งที่มีปลาทะเลอย่างจ�ำกัด ซึ่งอาจเป็นการท�ำลาย ความหลากหลายทางพันธุกรรมและเสี่ยงต่อการ สูญพันธุ์ของประชากรปลาทะเลในบริเวณพื้นที่นั้น ดังนั้นการศึกษาในครั้งนี้จึงมีวัตถุประสงค์เพื่อ ศึกษาปริมาณธาตุที่เป็นองค์ประกอบในกระดูกหู ของปลาเห็ดโคน (sillago sihama) และจัดจ�ำแนก แหล่งที่มาของปลาเห็ดโคน โดยการวิเคราะห์ธาตุจาก กระดูกหูของปลาด้วยเทคนิคเอกซเรย์ฟลูออเรสเซนซ์ (X-ray Fluorescence Spectrometry) วัตถุประสงค์ของการวิจัย 1. เพื่อศึกษาปริมาณธาตุที่เป็นองค์ประกอบใน กระดูกหูของปลาเห็ดโคน (Sillago sihama) 2. เพื่อจัดจ�ำแนกแหล่งที่มาของปลาเห็ดโคน จาก ข้อมูลธาตุในกระดูกหูของปลา ด้วยเทคนิคการวิเคราะห์ ต้นไม้ตัดสินใจ (Decision tree) วิธีการศึกษา ท�ำการซื้อตัวอย่างปลาเห็ดโคนจากตลาดสด ในพื้นที่ 5 จังหวัด ได้แก่ จังหวัดจันทบุรี สมุทรสาคร ประจวบคีรีขันธ์ สุราษฎร์ธานี และ พังงา โดยเก็บ ตัวอย่างปลาจังหวัดละ 30 ตัว ในช่วงเดือนกันยายน ถึง เดือน ธันวาคม พ.ศ. 2561 ท�ำการจดบันทึก น�้ำหนัก และความยาวของปลาเห็ดโคน และใช้กรรไกรผ่าตัด ตัดขวางที่ส่วนหัวของปลาเยื้องไปทางหลังตาเล็กน้อย จะเห็นส่วนของกระดูกหูชั้นใน ท�ำการเก็บตัวอย่าง กระดูกหูทั้งสองข้าง และท�ำความสะอาดกระดูกหู ด้วยน�้ำกลั่น จากนั้นแช่กระดูกหูใน 1% Nitric acid นาน 10 วินาที แล้วแช่ใน Hydrogen peroxide นาน 7นาที ท�ำซ�้ำ 3 ครั้ง ล้างด้วยน�้ำกลั่น 3 ครั้ง และ ท�ำการวัดความกว้าง และความยาวของกระดูกหู (Bath et al., 1999; Moreira et al., 2018) จากนั้น น�ำกระดูกหูของปลาไปวิเคราะห์ธาตุ Ca, Sr, K, Pb, Ba, Mn, Zn และ Cu ด้วยเครื่องเอกซเรย์ ฟลูออเรสเซนซ์ (X-ray Fluorescence Spectrometry) (สัมพันธ์, 2547) และน�ำผลการวิเคราะห์ธาตุไปท�ำการ จ�ำแนกกลุ่มปลาเห็ดโคนของแต่ละจังหวัดด้วยเทคนิค การวิเคราะห์ทางสถิติต้นไม้ตัดสินใจ (Decision tree) โดยแบ่งข้อมูลออกเป็น 2 ชุด ได้แก่ Training set และ Test set ด้วยอัตราส่วน 70:30 ท�ำการสร้าง model ด้วยเทคนิค Decision tree โดยใช้โปรแกรม R เพื่อจ�ำแนกประเภทปลาเห็ดโคนของแต่ละจังหวัด (Pathak, 2014)

KHON KAEN AGR. J. 48 SUPPL. 1: 145-152 (2020). 147 Table 1 Mean and standard deviation of elements in otolith of fish from 5 province. Province example % Elements in otolith of fish Ca Sr K Pb Ba MnZn Cu CTI 99.2581 ±0.0951 0.4312 ±0.0655 0.1643 ±0.0322 0.0003 ±0.0081 0.1037 ±0.0527 0.0151 ±0.0093 0.0043 ±0.0077 0.0220 ±0.0154 SKN 99.2343 ±0.0611 0.4546 ±0.0400 0.1722 ±0.0266 0.0011 ±0.0062 0.0891 ±0.0427 0.0186 ±0.0102 0.0058 ±0.0092 0.0251 ±0.0134 PKN 99.2393 ±0.0847 0.4449 ±0.0507 0.1717 ±0.0330 0.0000 ±0.0085 0.1047 ±0.0536 0.0156 ±0.0096 0.0053 ±0.0105 0.0195 ±0.0135 SNI 99.2387 ±0.1264 0.4786 ±0.1286 0.1602 ±0.0278 0.0050 ±0.0091 0.0629 ±0.0413 0.0197 ±0.0096 0.0056 ±0.0070 0.0284 ±0.0138 PNA 99.1204 ±0.1335 0.4933 ±0.0542 0.2067 ±0.0362 0.0000 ±0.0071 0.1491 ±0.0797 0.0106 ±0.0086 0.0039 ±0.0084 0.0158 ±0.0100

148 แก่นเกษตร 48 ฉบับพิเศษ 1: 145-152 (2563). Table 2 Classification of otolith by training set with Decision tree analysis. Predicted CTI PKN PNA SKN SNI CTI 18* 28.12** 8 12.70 2 2.86 14 23.33 12 17.91 PKN 19 29.69 21 33.33 2 2.86 6 10.00 1 1.49 PNA 19 29.69 28 44.44 63 90.00 21 35.00 21 31.34 SKN 3 4.69 4 6.35 2 2.86 14 23.33 13 19.40 SNI 5 7.81 2 3.17 1 1.43 5 8.33 20 29.85 * Number of sample ** Percent (CTI = Chanthaburi, PKN = Prachuap Khiri Khan, SKN = Samut Sakhon, SNI = Surat Thani, PNA = Phang Nga) ผลการศึกษา 1. การวิเคราะห์ปริมาณธาตุในตัวอย่างกระดกหู ูของปลาเห็ดโคน ตัวอย่างกระดูกหูของปลาเห็ดโคนที่ใช้ในการศึกษา การวิเคราะห์ปริมาณธาตุได้จากการสุ่มตัวอย่าง จังหวัดละ 30 ตัวอย่าง จากค่าเฉลี่ยของปริมาณธาตุ ในตัวอย่างทั้งหมด พบปริมาณธาตุ Ca ในตัวอย่าง ทั้ง 5 จังหวัด อยู่ในช่วงร้อยละ 99.1204-99.2581 ปริมาณธาตุ Sr ในตัวอย่างอยู่ในช่วงร้อยละ 0.4312-0.4933 ปริมาณธาตุ K ในตัวอย่างอยู่ใน ช่วงร้อยละ 0.1602-0.2067 ปริมาณธาตุ Pb ใน ตัวอย่างอยู่ในช่วงร้อยละ 0.0000-0.0050 ปริมาณ ธาตุ Ba ในตัวอย่างอยู่ในช่วงร้อยละ 0.0629-0.1491 ปริมาณธาตุ Mn ในตัวอย่างอยู่ในช่วงร้อยละ 0.0106-0.0197 ปริมาณธาตุ Zn ในตัวอย่างอยู่ใน ช่วงร้อยละ 0.0039-0.0058 และปริมาณธาตุ Cu ใน ตัวอย่างอยู่ในช่วงร้อยละ 0.0158-0.0284 (Table 1) 2. การวิเคราะห์ Decision tree analysis จ�ำแนกกลุ่มปลาเห็ดโคนของแต่ละจังหวัด โดยการน�ำผลข้อมูลการวิเคราะห์ปริมาณธาตุ ป้อน ลงโปรแกรม R เพื่อให้คอมพิวเตอร์ทราบถึงเกณฑ์ การแบ่งกลุ่มปลาเห็ดโคน ด้วยข้อมูล Training set โดยมีเงื่อนไข option (cp = 0.001, maxdepth = 10, minsplit = 20, minbucket =30) พบว่าความถูกต้อง ของ Decision tree ในการจ�ำแนกตัวอย่างกระดูกหู ของปลาเห็ดโคนมีความถูกต้องสูงสุดถึง 90.00 % ในตัวอย่างที่คาดว่ามาจากจังหวัดพังงา และความ ถูกต้องในการจ�ำแนกต�่ำสุดอยู่ในตัวอย่างที่คาดว่ามา จากจังหวัดสมุทรสาคร โดยมีความถูกต้องอยู่ที่ 23.33 % (Table 2) (Figures 1)จากนั้นท�ำการตรวจสอบการ แบ่งกลุ่มปลาเห็ดโคนตามปริมาณธาตุที่พบในกระดูกหู ด้วย model ที่สร้าง โดยใช้ข้อมูล Test set ที่มีเงื่อนไข option เหมือนกับชุดข้อมูล Training set จากการ ตรวจสอบความถูกต้องของการแบ่งกลุ่มพบว่า ความถูกต้องสูงสุดอยู่ในตัวอย่างที่คาดว่ามาจาก จังหวัดพังงา โดยมีความถูกต้องสูงถึง 85.00 % และ ตัวอย่างที่คาดว่ามาจากจังหวัดสมุทรสาครมีความ ถูกต้องต�่ำสุด โดยมีความถูกต้องอยู่ที่ 33.33 % แต่ ในเงื่อนไขนี้ไม่สามารถท�ำการจ�ำแนกตัวอย่างที่คาดว่า มาจากจังหวัดประจวบคีรีขันธ์ และจังหวัดจันทบุรี ได้ โดยพบความถูกต้องในการจ�ำแนกของทั้งสอง จังหวัดเป็น 0.00 % (Table 3) ดังนั้นจึงต้องมีการปรับ เงื่อนไข option ชุดข้อมูล test set เป็น (cp = 0.001, maxdepth = 30, minsplit = 20, minbucket = 11) เพื่อให้ผลของการพยากรณ์ดีขึ้นผลจากการปรับเงื่อนไข พบว่าความถูกต้องในการจ�ำแนกสูงสุดอยู่ใน ตัวอย่างที่คาดว่ามาจากจังหวัดพังงา โดยมีความถูกต้อง สูงถึง 75.00 % และความถูกต้องในการจ�ำแนกต�่ำสุด อยู่ในตัวอย่างที่คาดว่ามาจากจังหวัดประจวบคีรีขันธ์ โดยมีความถูกต้องอยู่ที่ 29.63 % (Table 4) (Figures 2)

KHON KAEN AGR. J. 48 SUPPL. 1: 145-152 (2020). 149 Table 3 Classification of otolith by test set has the same options as the training set with Decision tree analysis. Predicted CTI PKN PNA SKN SNI CTI 0* 0.00** 0 0.00 0 0.00 0 0.00 0 0.00 PKN 0 0.00 0 0.00 0 0.00 0 0.00 0 0.00 PNA 12 46.15 14 51.85 17 85.00 13 43.33 1 4.35 SKN 8 30.77 3 11.11 3 15.00 10 33.33 6 26.09 SNI 6 23.08 10 37.04 0 0.00 7 23.33 16 69.57 *Number of sample ** Percent (CTI = Chanthaburi, PKN = Prachuap Khiri Khan, SKN = Samut Sakhon, SNI = Surat Thani, PNA = Phang Nga) Table 4 Classification of otolith by test set with adjusted the option of Decision tree analysis. Predicted CTI PKN PNA SKN SNI CTI 15* 57.69** 8 29.63 0 0.00 2 6.67 6 26.09 PKN 2 7.69 8 29.63 0 0.00 2 6.67 3 13.04 PNA 3 11.54 4 14.81 15 75.00 3 10.00 0 0.00 SKN 5 19.23 6 22.22 5 25.00 21 70.00 6 26.09 SNI 1 3.85 1 3.70 0 0.00 2 6.67 8 34.78 *Number of sample ** Percent (CTI = Chanthaburi, PKN = Prachuap Khiri Khan, SKN = Samut Sakhon, SNI = Surat Thani, PNA = Phang Nga)

150 แก่นเกษตร 48 ฉบับพิเศษ 1: 145-152 (2563). Figure 1 Classification of otolith by training set with Decision tree analysis. (CTI = Chanthaburi, PKN = Prachuap Khiri Khan, SKN = Samut Sakhon, SNI = Surat Thani, PNA = Phang Nga) Figure 2 Classification of otolith by test set with adjusted the option of Decision tree analysis. (CTI = Chanthaburi, PKN = Prachuap Khiri Khan, SKN = Samut Sakhon, SNI = Surat Thani, PNA = Phang Nga)

KHON KAEN AGR. J. 48 SUPPL. 1: 145-152 (2020). 151 วิจารณ์ผลและสรุปผล จากการศึกษาการจ�ำแนกประชากรปลาเห็ดโคน (Sillago sihama) จากกระดูกหู ด้วยเทคนิคการ วิเคราะห์ Decision tree พบว่ายังไม่ประสบความส�ำเร็จ ในการวิเคราะห์ปริมาณธาตุในกระดูกหูและจ�ำแนก ประชากรปลาเห็ดโคนทั้ง 5 จังหวัด ออกจากกันได้ โดยในการศึกษานี้มีความถูกต้องรวมอยู่ที่ 53.17 % ซึ่งอยู่ในเกณฑ์ที่ค่อนข้างต�่ำ เนื่องมาจากปริมาณธาตุ ในกระดูกหูของปลาเห็ดโคนทั้ง 4 จังหวัด บริเวณ อ่าวไทย ได้แก่ จังหวัดจันทบุรี สมุทรสาคร ประจวบคีรีขันธ์ และสุราษฏร์ธานี มีปริมาณธาตุที่ ค่อนข้างใกล้เคียงกัน ท�ำให้ไม่สามารถจ�ำแนกตัวอย่าง ประชากรปลาเห็ดโคนได้อย่างชัดเจนมากนัก ซึ่งอาจ เป็นผลมาจากเครื่องเอกซเรย์ฟลูออเรสเซนซ์แบบ XRF ไม่สามารถวิเคราะห์ปริมาณธาตุ Mg ได้ เมื่อ เปรียบเทียบกับงานวิจัย Thorrold et al. (1998) ได้ ท�ำการจัดจ�ำแนกประเภทลูกปลา American shad (Alosa sapidissima) จากแม่น�้ำทั้ง 3 สาย ตาม แนวชายฝั่งตะวันออกเฉียงเหนือของสหรัฐอเมริกา ในเดือนสิงหาคมและตุลาคม ปี 2537 โดยใช้การ วิเคราะห์องค์ประกอบของธาตุ Mg, K, Mn, Cu, Zn, Sr, Ba และ Pb ในกระดูกหูของปลา ด้วย ICP-MS และท�ำการจ�ำแนกประเภทด้วยวิธีทางสถิติตัวแปรเดียว (Univariate Statistics) ผลการวิเคราะห์พบว่าธาตุ K, Mn, Sr, Ba และ Mg มีความแตกต่างระหว่าง กลุ่มประชากรโดยเฉพาะธาตุ Mg มีความแตกต่าง ระหว่างแม่น�้ำอย่างเห็นได้ชัด ดังนั้นความแตกต่าง ของปริมาณธาตุเหล่านี้จึงถูกใช้ในการจ�ำแนก ประชากรปลา โดยการจ�ำแนกมีความแม่นย�ำถึง 90% ในขณะที่งานวิจัย Leguá et al. (2013) ได้ท�ำการ ศึกษาปลา southern blue whiting (Micromesistius australis) โดยใช้การวิเคราะห์ทางสัณฐานวิทยาของ กระดูกหูได้ท�ำการวิเคราะห์พื้นที่ เส้นขอบของกระดูกหู ขนาดของกระดูกหู ความกลม ความเหลี่ยม ตัวประกอบรูปทรง ความมน และความรีของกระดูกหู ซึ่งผลการวิเคราะห์นี้ 86.4% และ 70.1% ของปลา ถูกจัดจ�ำแนกได้อย่างถูกต้องว่าเป็ นสายพันธุ์ แอตแลนติกและสายพันธุ์แปซิฟิ ก ตามล�ำดับ ซึ่งใน การจ�ำแนกประชากรปลาด้วยกระดูกหู โดยใช้การ วิเคราะห์ทางสัณฐานวิทยาของกระดูกหูอาจจะต้องใช้ ความช�ำนาญของผู้เชี่ยวชาญในการวิเคราะห์ ซึ่งอาจจะ ต้องใช้เวลาที่นานกว่าหากเปรียบเทียบกับการวิเคราะห์ ปริมาณธาตุในกระดูกหู ด้วยเครื่องมือสมัยใหม่ เช่น เครื่องเอกซเรย์ฟลูออเรสเซนซ์ เป็นต้น อย่างไรก็ตาม การจ�ำแนกประเภทด้วยเทคนิคการวิเคราะห์ Decision tree analysis สามารถให้ผลการวิเคราะห์ ที่รวดเร็ว และแน่นอนกว่าวิธีการศึกษาอื่น ๆ ซึ่งวิธี การวิเคราะห์นี้อาจเป็นอีกหนึ่งทางเลือกในการศึกษา แหล่งที่มาของกลุ่มประชากรปลาเห็ดโคน และอาจต้อง หาองค์ประกอบของธาตุอื่น ๆ เช่น ธาตุ Mg เป็นต้น หรืออาจเพิ่มปริมาณตัวอย่าง เพื่อเพิ่มประสิทธิภาพ ในการจ�ำแนกประชากรปลาได้อย่างสมบูรณ์ ค�ำขอบคุณ ผู้วิจัยขอขอบคุณ คุณศศิฬา ฉิมพลี ที่คอยให้ ความช่วยเหลืออุปกรณ์ที่ใช้ในการวิจัย ขอบคุณ คุณพัชรี นวลศรีทอง, คุณคุณากร ค�ำอ่อน, คุณอุดม รักษดรุณ, คุณจันทร์จิรา ด�ำแจ่ม, คุณสุนิสา มหาสวัสดิ, ์ คุณสากล สมจินดา, คุณสิริลักษณ์ อินทร์วงษ์, คุณปานระวี คชพันธุ์, คุณกานต์ หอมสุวรรณ, คุณสมพงษ์ หุ่นล�ำพูน และคุณเสาวลักษณ์ หุ่นล�ำพูน ที่คอยช่วยเหลือและให้ค�ำแนะน�ำในการเก็บตัวอย่าง ทั้ง 5 จังหวัด เอกสารอ้างอิง ไพโรจน์ สิริมนตาภรณ์ และ อังสุนีย์ ชุณหปราณ. (2539). การศึกษาชนิดปลาเห็ดโคนในภาคใต้ ตอนล่างของไทย. รายงานสัมมนาวิชาการ ประจ�ำปี 2539 สถาบันวิจัยการเพาะเลี้ยงสัตว์ น�้ำชายฝั่ง กองประมงทะเล กรมประมง. สัมพันธ์ วงศ์นาวา. (2547). เอกซเรย์ฟลูออเรสเซนซ์ สเปกโทรเมตรีแบบกระจายพลังงาน. กรุงเทพฯ: ส�ำนักพิมพ์แห่งจุฬาลงกรณ์มหาวิทยาลัย. Bath , G.E., Thorrold, S.R., Jones, C.M., Campana, S. E., Mclaren, J.W. and Lam, J.W.H. (1999). Strontium and barium uptake in aragonitic otoliths of marine fish. Geochimica et Cosmochimica Acta, 64: 1705–1714.

152 แก่นเกษตร 48 ฉบับพิเศษ 1: 145-152 (2563). Campana, S. E. (1999). Chemistry and composition of fish otoliths: pathways, mechanisms and applications. Marine Ecology Progress Series, 188: 263–297. Campana, S. E. and Thorrold, S. R. (2001). Otoliths, increments, and elements: keys to a comprehensive understanding of fish populations?. Canadian Journal of Fisheries and Aquatic Sciences, 58: 30–38. Leguá, J., Plaza, G., Pérez, D. and Arkhipkin, A. (2013). Otolith shape analysis as a tool for stock identification of the southern blue whiting, (Micromesistius australis). Latin American Journal of Aquatic Research, 41(3): 479-489. McKay, R.J. (1992). VOL. 14 Sillaginid fishes of the world (Family Sillaginidae), An annotated and Illustrated catalogue of the Sillago, Smelt or Indo-Pacific Whiting species known to date. FAO Fisheries Synopsis, 125. Moreira, C., Froufe, E., Sial, A.N., Caeiro, A., Vaz-Pires, P. and Correia, A.T. (2018). Population structure of the blue jack mackerel (Trachurus picturatus) in the NE Atlantic inferred from otolith microchemistry. Fisheries Research, 197: 113-122. Pathak, M.A. (2014). Beginning data science with R. California: Springer. Thorrold, S. R., Jones, C. M., Campana, S. E., McLaren, J. W. and Lam, J. W. H. (1998). Trace element signatures in otoliths record natal river of juvenile American shad (Alosa sapidissima). Limnol. Oceanogr, 43(8): 1826–1835.