Original Title: SẢN XUẤT NÔNG LÂM KẾT HỢP Ở VIỆT NAM
Document Type: Textbook / Educational Material
Disclaimer: Summary generated by AI based on the provided document. Please refer to the original material for complete content.

ផលិតកម្មកសិ-រុក្ខកម្មនៅប្រទេសវៀតណាម

ចំណងជើងដើម៖ SẢN XUẤT NÔNG LÂM KẾT HỢP Ở VIỆT NAM

អ្នកនិពន្ធ៖ KS. Nguyễn Viết Khoa, Th.S. Trần Ngọc Hải, TS. Nguyễn Hữu Hồng, TS. Vũ Văn Mễ

ឆ្នាំបោះពុម្ព៖ 2006, Ministry of Agriculture and Rural Development (Vietnam)

វិស័យសិក្សា៖ Agroforestry

១. សេចក្តីសង្ខេប (Overview)

ប្រធានបទ (Topic)៖ ឯកសារនេះដោះស្រាយបញ្ហានៃការប្រើប្រាស់ដីធ្លីមិនមានប្រសិទ្ធភាព និងការរេចរឹលដីនៅប្រទេសវៀតណាម ដោយជំរុញការអនុវត្តប្រព័ន្ធកសិ-រុក្ខកម្មដើម្បីធានាបាននូវនិរន្តរភាពបរិស្ថាន និងសន្តិសុខស្បៀងនៅក្នុងតំបន់អេកូឡូស៊ីផ្សេងៗគ្នា។

រចនាសម្ព័ន្ធ (Structure)៖ សៀវភៅណែនាំនេះបង្ហាញពីវិធីសាស្ត្រ និងបច្ចេកទេសនៃការរៀបចំប្រព័ន្ធកសិ-រុក្ខកម្មទៅតាមតំបន់ភូមិសាស្ត្រជាក់លាក់ ដោយផ្អែកលើលក្ខខណ្ឌអាកាសធាតុ និងប្រភេទដី។

ចំណុចសំខាន់ៗ (Key Takeaways)៖

២. គោលបំណងសិក្សា (Learning Objectives)

បន្ទាប់ពីអានឯកសារនេះ អ្នកគួរអាច៖

  1. យល់ដឹងពីមូលដ្ឋានគ្រឹះនៃការប្រមូល និងរៀបចំទិន្នន័យ (Data Preprocessing) សម្រាប់ការវិភាគស៊ីជម្រៅ។
  2. អាចអនុវត្តបច្ចេកទេសវិភាគទិន្នន័យស្វែងយល់ (Exploratory Data Analysis) ដើម្បីស្វែងរកនិន្នាការ (Trends) នៅក្នុងសំណុំទិន្នន័យ។
  3. ស្វែងយល់ពីក្បួនដោះស្រាយម៉ាស៊ីនរៀនជាមូលដ្ឋាន (Basic Machine Learning Algorithms) សម្រាប់ការធ្វើចំណាត់ថ្នាក់ និងការការព្យាករណ៍។
  4. ចេះបង្កើតការធ្វើទស្សនាទានទិន្នន័យ (Data Visualization) ប្រកបដោយប្រសិទ្ធភាពដើម្បីធ្វើបទបង្ហាញលទ្ធផលស្រាវជ្រាវទៅកាន់អ្នកសម្រេចចិត្ត។

ជំពូកនេះផ្តោតលើការណែនាំអំពីវិទ្យាសាស្ត្រទិន្នន័យ (Data Science) ដោយគ្របដណ្តប់តាំងពីការប្រមូលទិន្នន័យ ការសម្អាត រហូតដល់ការវិភាគជាមូលដ្ឋាន។ និស្សិតនឹងរៀនពីរបៀបប្រើប្រាស់ឧបករណ៍បច្ចេកវិទ្យាដើម្បីទាញយកព័ត៌មានមានតម្លៃពីទិន្នន័យឆៅ ដើម្បីគាំទ្រដល់ការសម្រេចចិត្តប្រកបដោយភាពត្រឹមត្រូវ។

៣. គោលគំនិតសំខាន់ៗ (Key Concepts)

គោលគំនិត (Concept) ការពន្យល់ (Explanation) ឧទាហរណ៍ (Example)
Data Preprocessing
ការរៀបចំនិងសម្អាតទិន្នន័យ
គឺជាដំណើរការនៃការសម្អាតទិន្នន័យឆៅ (Raw Data) ការដោះស្រាយទិន្នន័យដែលបាត់បង់ (Missing values) និងការបំប្លែងទិន្នន័យឱ្យស្ថិតក្នុងទម្រង់ដែលអាចវិភាគបានដោយកុំព្យូទ័រ។ វាជាជំហានដ៏សំខាន់បំផុតមុនពេលយកទិន្នន័យទៅធ្វើម៉ូដែល។ ការលុបចោលទិន្នន័យអ្នកប្រើប្រាស់ដែលស្ទួនគ្នា (Duplicates) និងការបំពេញតម្លៃទិន្នន័យអាកាសធាតុដែលបាត់នៅក្នុងតារាង Excel មុនពេលយកទៅវិភាគ។
Exploratory Data Analysis (EDA)
ការវិភាគទិន្នន័យស្វែងយល់
ជាការវិភាគបឋមដើម្បីស្វែងយល់ពីលក្ខណៈទូទៅនៃទិន្នន័យ តាមរយៈការប្រើប្រាស់ក្រាហ្វិក និងស្ថិតិសង្ខេប (Descriptive Statistics)។ វាជួយឲ្យអ្នកវិភាគអាចមើលឃើញពីទំនាក់ទំនងអថេរផ្សេងៗ។ ការគូរចំណោលក្រាហ្វ (Scatter plot) ដើម្បីមើលទំនាក់ទំនងរវាងបរិមាណទឹកភ្លៀង និងទិន្នផលស្រូវក្នុងមួយហិកតា។
Machine Learning Classification
ចំណាត់ថ្នាក់ម៉ាស៊ីនរៀន
គឺជាការបង្រៀនកុំព្យូទ័រឱ្យចេះបែងចែកទិន្នន័យទៅជាក្រុមផ្សេងៗគ្នា ដោយផ្អែកលើលក្ខណៈសម្បត្តិរបស់វា។ ក្បួនដោះស្រាយនេះរៀនពីទិន្នន័យចាស់ៗដើម្បីធ្វើការព្យាករណ៍លើទិន្នន័យថ្មី។ ការប្រើប្រាស់ក្បួនដោះស្រាយ (Algorithm) ដើម្បីបែងចែកប្រភេទដីកសិកម្ម (មានជីជាតិ ឬ គ្មានជីជាតិ) ដោយផ្អែកលើកម្រិត pH និងសំណើមនៃដី។
Data Visualization
ការធ្វើទស្សនាទានទិន្នន័យ
គឺជាការបង្ហាញទិន្នន័យសាំញ៉ាំក្នុងទម្រង់ជារូបភាព ក្រាហ្វ ឬផែនទី ដើម្បីងាយស្រួលយល់ និងទាក់ទាញ។ វាមានតួនាទីសំខាន់ក្នុងការបកស្រាយលទ្ធផលវិភាគទៅកាន់អ្នកដែលមិនមានជំនាញបច្ចេកទេស។ ការបង្កើតផ្ទាំងព័ត៌មាន (Interactive Dashboard) បង្ហាញពីការប្រែប្រួលសីតុណ្ហភាពនៅតាមបណ្តាខេត្តនានានៅកម្ពុជាក្នុងរយៈពេល ១០ឆ្នាំចុងក្រោយ។

៤. ភាពពាក់ព័ន្ធសម្រាប់កម្ពុជា (Cambodia Relevance)

ការយល់ដឹងពីវិទ្យាសាស្ត្រទិន្នន័យ (Data Science) គឺមានសារៈសំខាន់ណាស់សម្រាប់ប្រទេសកម្ពុជាក្នុងការជំរុញសេដ្ឋកិច្ចឌីជីថល (Digital Economy) និងការអភិវឌ្ឍប្រកបដោយចីរភាពដោយផ្អែកលើភស្តុតាងច្បាស់លាស់។

ការអនុវត្ត (Applications)៖

ចំណេះដឹងនេះនឹងជួយឱ្យនិស្សិតកម្ពុជាក្លាយជាធនធានមនុស្សដែលមានសមត្ថភាពខ្ពស់ អាចចូលរួមដោះស្រាយបញ្ហាជាក់ស្តែងក្នុងសង្គមតាមរយៈការសម្រេចចិត្តដោយផ្អែកលើទិន្នន័យ (Data-driven decision making) ជាជាងការប៉ាន់ស្មាន។

៥. មគ្គុទ្ទេសក៍សិក្សា (Study Guide)

លំហាត់ និងសកម្មភាពសិក្សាដើម្បីពង្រឹងការយល់ដឹង៖

  1. លំហាត់អនុវត្តការសម្អាតទិន្នន័យ (Data Cleaning Practice): ប្រើប្រាស់ភាសា Python ជាពិសេសបណ្ណាល័យ Pandas (Pandas Library) ដើម្បីសម្អាតសំណុំទិន្នន័យ (Dataset) អំពីចំនួនប្រជាជនកម្ពុជា ដោយស្វែងរក និងលុបចោលទិន្នន័យដែលខុសប្រក្រតី (Outliers) និងទិន្នន័យដែលបាត់បង់។
  2. គម្រោងវិភាគទិន្នន័យកសិកម្ម (Agricultural Data Analysis Project): ទាញយកទិន្នន័យបើកទូលាយ (Open Data Dataset) ពីគេហទំព័ររបស់ក្រសួងកសិកម្ម រួចប្រើប្រាស់កម្មវិធី Tableau ឬ Power BI ដើម្បីបង្កើតក្រាហ្វ (Bar charts and Line graphs) បង្ហាញពីនិន្នាការនៃការនាំចេញអង្ករទៅក្រៅប្រទេសចាប់ពីឆ្នាំ ២០១៥ ដល់បច្ចុប្បន្ន។
  3. ការចុះប្រមូលទិន្នន័យជាក់ស្តែង (Field Data Collection Activity): ចុះទៅកាន់ផ្សារក្នុងសហគមន៍ក្បែរសាកលវិទ្យាល័យ ដើម្បីប្រមូលទិន្នន័យតម្លៃបន្លែនិងត្រីសាច់ប្រចាំថ្ងៃ (ប្រើយន្តការ KoboToolbox លើស្មាតហ្វូន) រួចយកមកគណនារកមធ្យមភាគ និងបំរែបំរួលតម្លៃ។
  4. ការអនុវត្តម៉ូដែលព្យាករណ៍ (Predictive Modeling Exercise): ប្រើប្រាស់ Python និង Scikit-Learn ដើម្បីបង្កើតម៉ូដែលតម្រែតម្រង់លីនេអ៊ែរ (Linear Regression Model) សាមញ្ញមួយ សម្រាប់ព្យាករណ៍តម្លៃជួលផ្ទះនៅរាជធានីភ្នំពេញ ដោយប្រើទិន្នន័យសំណាក (Sample Data) ទាក់ទងនឹងទំហំផ្ទះ ចំនួនបន្ទប់ និងចម្ងាយពីកណ្តាលក្រុង។

៦. វាក្យសព្ទបច្ចេកទេស (Technical Glossary)

ពាក្យបច្ចេកទេស (English) ការពន្យល់ជាខេមរភាសា (Khmer Explanation) និយមន័យសាមញ្ញ (Simple Definition)
Nông lâm kết hợp (NLKH) កសិ-រុក្ខកម្ម។ គឺជាប្រព័ន្ធគ្រប់គ្រង និងប្រើប្រាស់ដីធ្លីដែលរួមបញ្ចូលគ្នានូវការដាំដុះដំណាំកសិកម្ម ការចិញ្ចឹមសត្វ និងការដាំដើមឈើ (ព្រៃឈើ) នៅលើផ្ទៃដីតែមួយ ដើម្បីទាញយកអត្ថប្រយោជន៍សេដ្ឋកិច្ច និងរក្សាចីរភាពបរិស្ថាន។ ដូចជាការធ្វើកសិកម្មចម្រុះក្នុងចម្ការតែមួយដែលមានទាំងឈើហូបផ្លែ បន្លែ និងស្រះត្រី ដើម្បីកុំឱ្យពឹងផ្អែកតែលើចំណូលមួយមុខ និងជួយការពារដី។
Du canh (shifting cultivation) ការដាំដុះបែបពនេចរ ឬការកាប់ឆ្ការដុតព្រៃធ្វើចម្ការ។ ជាវិធីសាស្ត្រកសិកម្មបុរាណនៅតំបន់ភ្នំ ដែលកសិករកាប់និងដុតព្រៃដើម្បីដាំដំណាំ ហើយក្រោយមកបោះបង់ចោលដីនោះ (ទុកឱ្យព្រៃដុះឡើងវិញ) ពេលវាអស់ជីជាតិ រួចផ្លាស់ទៅកាប់ព្រៃនៅកន្លែងថ្មី។ ដូចជាការជួលផ្ទះស្នាក់នៅ ពេលផ្ទះនោះចាស់ទ្រុឌទ្រោម ក៏រើទៅរកផ្ទះថ្មីមួយទៀត ទុកឱ្យម្ចាស់ផ្ទះជួសជុលសិនទើបអាចត្រលប់មកនៅវិញបាន។
Vườn-Ao-Chuồng (VAC) / Rừng-Vườn-Ao-Chuồng (RVAC) ជាពាក្យកាត់របស់ភាសាវៀតណាមតំណាងឱ្យប្រព័ន្ធ Rừng (ព្រៃឈើ) - Vườn (សួន/ចម្ការ) - Ao (ស្រះត្រី) - Chuồng (ទ្រុងសត្វ)។ វាជាប្រព័ន្ធកសិកម្មចម្រុះរួមបញ្ចូលគ្នាដែលបិទជិត ជួយទ្រទ្រង់គ្នាទៅវិញទៅមកក្នុងការប្រើប្រាស់កាកសំណល់បង្កើតចំណូល និងរក្សាបរិស្ថាន។ ដូចជារោងចក្រកែច្នៃខ្នាតតូចមួយ ដែលកាកសំណល់ពីសត្វ (ទ្រុង) យកទៅធ្វើជីឱ្យរុក្ខជាតិ (សួន) ហើយស្លឹករុក្ខជាតិអាចយកទៅឱ្យត្រីស៊ី (ស្រះ)។
Đường đồng mức ខ្សែវណ្ឌទីតាំង ឬវណ្ឌជម្រាលភ្នំ (Contour lines)។ នៅក្នុងការដាំដុះ គឺជាការភ្ជួររាស់ ដាំរុក្ខជាតិ ឬលើករងកាត់ទទឹងជម្រាលភ្នំតាមកម្ពស់ស្មើគ្នា ដើម្បីបង្កើតជារបាំងទប់ល្បឿនទឹកហូរ រក្សាសំណើម និងការពារការហូរច្រោះដី។ ដូចជាការធ្វើកាំជណ្តើរនៅលើទីទួល ដើម្បីកុំឱ្យមនុស្សរអិលធ្លាក់ងាយ វាក៏ជួយកុំឱ្យទឹកភ្លៀងហូរច្រោះដីលឿនពេកដែរ។
SALT (Kỹ thuật canh tác trên đất dốc) បច្ចេកវិទ្យាកសិកម្មលើដីជម្រាល (Sloping Agricultural Land Technology)។ ជាប្រព័ន្ធដាំដុះដែលប្រើប្រាស់រុក្ខជាតិ (ភាគច្រើនជារុក្ខជាតិត្រកូលសណ្តែក) ដាំជារបាំងតាមវណ្ឌទីតាំង ដើម្បីទប់ស្កាត់ការហូរច្រោះ និងកែលម្អគុណភាពដីលើតំបន់ភ្នំ។ ដូចជាការសង់ជញ្ជាំងតូចៗធ្វើពីរុក្ខជាតិនៅលើចង្កេះភ្នំ ដើម្បីការពារកុំឱ្យដីហូរធ្លាក់មកក្រោមពេលមានភ្លៀងធ្លាក់។
Khuyến nông / Khuyến lâm ការផ្សព្វផ្សាយកសិកម្ម និងរុក្ខកម្ម (Agricultural/Forestry Extension)។ គឺជាសេវាកម្មអប់រំ និងផ្តល់ប្រឹក្សាបច្ចេកទេសពីរដ្ឋាភិបាល ដល់កសិករដើម្បីផ្សព្វផ្សាយពូជថ្មី បច្ចេកទេសថ្មី ក្នុងការកែលម្អផលិតកម្ម និងជីវភាពរស់នៅ។ ដូចជាគ្រូបង្រៀន ឬទីប្រឹក្សាផ្ទាល់ខ្លួនសម្រាប់កសិករ ដែលតែងតែចុះមកបង្រៀនចំណេះដឹងថ្មីៗដល់ចម្ការផ្ទាល់។
Rừng ngập mặn kết hợp nuôi tôm ការរួមបញ្ចូលព្រៃកោងកាងជាមួយនឹងការចិញ្ចឹមបង្គា (Mangrove-aquaculture ឬ Silvofishery)។ ជាគំរូកសិ-រុក្ខកម្មតំបន់ឆ្នេរ ដោយរក្សាផ្ទៃដីព្រៃកោងកាងប្រមាណ ៧០% និង đàoស្រះចិញ្ចឹមវារីសត្វ ៣០% ដើម្បីរក្សាតុល្យភាពប្រព័ន្ធអេកូឡូស៊ី កាត់បន្ថយកម្តៅទឹក និងការពារការកើនឡើងជាតិប្រៃ។ ដូចជាការសាងសង់ផ្ទះស្នាក់នៅជាព្រៃកោងកាង ឱ្យត្រីនិងបង្គា ដើម្បីឱ្យពួកវាមានសុវត្ថិភាពនិងចំណីធម្មជាតិ ខណៈពេលយើងអាចប្រមូលផលវាបានដោយមិនបំផ្លាញបរិស្ថាន។

៧. ប្រធានបទពាក់ព័ន្ធ (Further Reading)

អត្ថបទដែលបានបោះពុម្ពនៅលើ KhmerResearch ដែលទាក់ទងនឹងប្រធានបទនេះ៖

ប្រធានបទ និងសំណួរស្រាវជ្រាវដែលទាក់ទងនឹងឯកសារនេះ ដែលអ្នកអាចស្វែងរកបន្ថែម៖