ภาวะโลกร้อนปัจจุบันทำให้เกิดอุทกภัยรุนแรงและมีความถี่ในการเกิดสูงขึ้น หากสามารถแจ้งเตือนพื้นที่น้ำท่วมล่วงหน้าได้อย่างตรงจุด จะช่วยลดความเสียหายแก่ชีวิตและทรัพย์สินของประชาขนได้ งานวิจัยนี้นำเสนอ การสร้างแบบจำลองเพื่อคาดการณ์พื้นที่น้ำท่วมโดยใช้การสกัดข้อมูลจากภาพจากดาวเทียม บริเวณพื้นที่ชุมชนเมือง จ. เชียงใหม่ ครอบคลุมพื้นที่ทั้งหมด 902.025 ตารางเมตร ปัจจัยที่เกี่ยวข้องกับการคาดการณ์พื้นที่น้ำท่วม ประกอบด้วย 6 ปัจจัย ได้แก่ สมดุลน้ำ การคายระเหยของน้ำ พื้นผิวปกคลุมดิน ปริมาณน้ำฝน NDVI และ พื้นที่น้ำท่วมจากภาพถ่ายดาวเทียม Sentinel ดาวเทียม MODIS และ ดาวเทียม Landsat ผ่าน Google Earth Engine  ภาพถ่ายดาวเทียมครอบคลุมพื้นที่กว้างและต่อเนื่อง ข้อมูลจากดาวเทียมเรดาร์ (SAR) สามารถใช้งานได้แม้ในสภาพอากาศที่มีเมฆมากหรือเวลากลางคืน ช่วยลดต้นทุนและเวลาในการสำรวจ สำหรับแบบจำลองได้ถูกสร้างโดยใช้วิธีทาง Regression จำนวน 7 วิธี ได้แก่ LR, SVR, Decision Tree, Random Forest, Gradient Boosting, XGBoost และ LightGBM เนื่องจากมีประสิทธิภาพสูงและคำนวณได้เร็วสามารถใช้กับชุดข้อมูลขนาดใหญ่ได้โดยไม่ต้องการพลังประมวลผลสูง จากการศึกษาพบว่า วิธี Random Forest สามารถคาดการณ์พื้นที่น้ำท่วมได้ถูกต้องสูงสุด มีค่า RMSE และ R-Square สูงกว่าวิธี XGBoost LightGBM  Decision Tree Gradient Boosting SVR และ LR คิดเป็นค่าเฉลี่ยร้อยละ 3 ร้อยละ 12 ร้อยละ 19 ร้อยละ 31 ร้อยละ 51 และ ร้อยละ 65 ตามลำดับ งานวิจัยนี้สามารถพัฒนาต่อยอดให้เกิดประโยชน์ โดยการนำแบบจำลองที่พัฒนาขึ้นไปประยุกต์ใช้เป็นระบบแจ้งเตือนภัยน้ำท่วมล่วงหน้าในระดับพื้นที่ โดยเฉพาะในเขตเมืองซึ่งมีความหนาแน่นของประชากรสูง ซึ่งจะช่วยเสริมประสิทธิภาพในการวางแผนรับมือและดำเนินการอพยพประชาชนของหน่วยงานที่เกี่ยวข้องได้อย่างทันท่วงทีและเป็นระบบ