ปัญหาการเปลี่ยนแปลงสภาพอากาศมีความรุนแรงขึ้นเรื่อย ๆ ในขณะที่ประเทศไทยเองมีเป้าหมายที่จะเป็นกลางทางคาร์บอน (Carbon Neutrality) ในปี พ.ศ. 2593 (ค.ศ. 2050) ซึ่งการจะพาประเทศไทยไปสู่เป้าหมายได้สำเร็จนั้นต้องอาศัยมาตรการต่าง ๆ ได้แก่ เทคโนโลยีในการรวบรวมข้อมูลเพื่อประเมินการปล่อยยก๊าซเรือนกระจกในการผลิตสินค้าและบริการ มาตรการลดปริมาณก๊าซเรือนกระจกผ่านการกำหนดเพดานการปล่อยก๊าซในภาคอุตสาหกรรม การบังคับชดเชยการปล่อยก๊าซที่มากเกิน ผ่านธุรกิจการซื้อขายคาร์บอนเครดิต และเทคโนโลยีการคำนวณปริมาณคาร์บอนเครดิต

ปัจจุบันเรามีฐานข้อมูล Thai National LCI Database ซึ่งใช้เทคนิค data mining & data analytics มาช่วยคำนวณและประเมินค่าคาร์บอนฟุตพรินต์ รวมถึงประเมินผลกระทบสิ่งแวดล้อมและเศรษฐศาสตร์ มีประโยชน์เป็นอย่างมากสำหรับภาคอุตสาหกรรม โดยเฉพาะ SMEs

ขณะที่การประเมินค่ามวลชีวภาพบนผืนดินยังอาศัยข้อมูลการสำรวจภาคสนามเป็นหลัก หากหันมาใช้การพัฒนาแบบจำลองเพื่อใช้คำนวณมวลชีวภาพบนพื้นดิน จะช่วยปิดจุดอ่อนนี้ได้ การประเมินจะทำได้ง่ายและถูกต้องมากขึ้น ทั้งนี้เทคโนโลยีนี้ต้องอาศัยการพัฒนาแบบจำลองจากข้อมูล remote sensing ได้แก่ ข้อมูลภาพ 3 มิติจากเซนเซอร์ LIDAR และข้อมูลแถบสีความละเอียดสูงจากเซนเซอร์ hyperspectral โดยวิเคราะห์ร่วมกับข้อมูลจากงานสำรวจภาคสนาม และใช้เป็นต้นแบบสำหรับ machine learning เพื่อใช้กับข้อมูลดาวเทียม เช่น ข้อมูลจาก Sentinel 2 หรือ Lansat 8 ต่อไป

เทคโนโลยีการประเมินทั้งมวลชีวภาพและคาร์บอนฟุตพรินต์ดังกล่าว จึงมีความสำคัญมากขึ้นเรื่อย ๆ เพราะใช้ได้ทั้งในการประเมินชนิดป่าหรือพรรณไม้ที่ดูดซับคาร์บอน เพื่อคำนวณปริมาณคาร์บอนเครดิตในพื้นที่ที่สนใจนำมาใช้ในโครงการชดเชยคาร์บอน เพื่อใช้รับมือการกีดกันทางการค้า เปิดโอกาสให้ภาคเอกชนที่ปล่อยก๊าซคาร์บอนไดออกไซด์เกินเพดาน ซื้อ “คาร์บอนเครดิต” เพื่อชดเชยปริมาณก๊าซเรือนกระจกที่ปล่อยออกไปได้ เกิดการไหลเวียนของเงินตราภายในประเทศ เกิดผลดีทั้งต่อประเทศและโลกไปพร้อม ๆ กัน ช่วยส่งเสริมให้เกิดแนวคิดในการประกอบธุรกิจแบบ Green Economy มากขึ้น