Original Title: Agronomic performance of okra (Abelmoschus esculentus (L.) Moench) accessions and trait association partitioning using path analysis
Source: li01.tci-thaijo.org
Disclaimer: Summary generated by AI based on the provided document. Please refer to the original paper for full scientific accuracy.

ការអនុវត្តក្សេត្រសាស្ត្រនៃពូជពោតបារាំង (Abelmoschus esculentus (L.) Moench) និងការបែងចែកទំនាក់ទំនងលក្ខណៈដោយប្រើការវិភាគផ្លូវ

ចំណងជើងដើម៖ Agronomic performance of okra (Abelmoschus esculentus (L.) Moench) accessions and trait association partitioning using path analysis

អ្នកនិពន្ធ៖ Folusho Anuoluwapo Bankole (University of Ilorin), Olawale Serifdeen Aboderin (University of Ilorin), Faozyath Aminou (University of Ilorin), Hajarat Olufade (University of Ilorin), Adesike Kolawole (Ladoke Akintola University of Technology), Dorcas Ibitoye (Nigerian Horticultural Research Institute)

ឆ្នាំបោះពុម្ព៖ 2025 Thai Journal of Agricultural Science

វិស័យសិក្សា៖ Agronomy

១. សេចក្តីសង្ខេបប្រតិបត្តិ (Executive Summary)

បញ្ហា (The Problem)៖ ការកែលម្អទិន្នផលពោតបារាំង (Abelmoschus esculentus) ជួបប្រទះការលំបាកដោយសារភាពស្មុគស្មាញនៃសេនេទិច ដូច្នេះការយល់ដឹងពីទំនាក់ទំនងរវាងទិន្នផលនិងលក្ខណៈផ្សេងៗរបស់វាមានសារៈសំខាន់សម្រាប់ការជ្រើសរើសពូជ។

វិធីសាស្ត្រ (The Methodology)៖ ការសិក្សានេះបានវាយតម្លៃពូជពោតបារាំងចំនួន ៣០ នៅក្នុងតំបន់ចំនួន ២ ក្នុងប្រទេសនីហ្សេរីយ៉ា ក្នុងរយៈពេល ២ រដូវដាំដុះ ដោយប្រមូលទិន្នន័យបរិមាណលើលក្ខណៈក្សេត្រសាស្ត្រចំនួន ១០ ។

លទ្ធផលសំខាន់ៗ (The Verdict)៖

២. ការវិភាគលើប្រសិទ្ធភាព និងដែនកំណត់ (Performance & Constraints)

វិធីសាស្ត្រ (Method) គុណសម្បត្តិ (Pros) គុណវិបត្តិ (Cons) លទ្ធផលគន្លឹះ (Key Result)
Pearson Correlation Analysis
ការវិភាគសហសម្ព័ន្ធភៀសុន
ងាយស្រួលក្នុងការគណនា និងបង្ហាញពីកម្រិតព្រមទាំងទិសដៅនៃទំនាក់ទំនងលីនេអ៊ែររវាងលក្ខណៈពីរដោយផ្ទាល់។ មិនអាចបែងចែករវាងឥទ្ធិពលផ្ទាល់និងប្រយោល (Direct and indirect effects) នៃលក្ខណៈនីមួយៗលើទិន្នផលបានទេ ដែលអាចធ្វើឱ្យមានការភាន់ច្រឡំក្នុងការជ្រើសរើស។ បានបង្ហាញថាចំនួនផ្លែនិងទម្ងន់ផ្លែក្នុងមួយដើមមានទំនាក់ទំនងវិជ្ជមានយ៉ាងខ្លាំងជាមួយទិន្នផល (r = 0.90; P < 0.01)។
Path Coefficient Analysis (Structural Equation Modelling)
ការវិភាគមេគុណផ្លូវតាមរយៈការធ្វើគំរូសមីការរចនាសម្ព័ន្ធ
អាចបំបែកមេគុណសហសម្ព័ន្ធទៅជាឥទ្ធិពលផ្ទាល់និងប្រយោល ដែលជួយស្វែងយល់ពីយន្តការនៃទំនាក់ទំនងហេតុនិងផលបានច្បាស់លាស់។ ទាមទារការយល់ដឹងស៊ីជម្រៅផ្នែកស្ថិតិ ទំហំសំណាកសមរម្យ និងការរៀបចំគំរូសម្មតិកម្មឱ្យបានត្រឹមត្រូវជាមុន។ បានរកឃើញថា ថ្ងៃបេះដំបូងមានឥទ្ធិពលផ្ទាល់វិជ្ជមានខ្ពស់បំផុតលើទិន្នផល (7.68) ទោះបីជាមានទំនាក់ទំនងអវិជ្ជមានជាមួយទិន្នផលក៏ដោយ។

ការចំណាយលើធនធាន (Resource Cost)៖ ការស្រាវជ្រាវនេះទាមទារធនធានទាំងការចុះអនុវត្តផ្ទាល់លើវាលស្រែ និងការប្រើប្រាស់កម្មវិធីកុំព្យូទ័រសម្រាប់ការវិភាគទិន្នន័យស្ថិតិស្មុគស្មាញ។

៣. ការពិនិត្យសម្រាប់បរិបទកម្ពុជា/អាស៊ីអាគ្នេយ៍

ភាពលំអៀងនៃទិន្នន័យ (Data Bias)៖

ការសិក្សានេះត្រូវបានធ្វើឡើងដោយប្រើប្រាស់ពូជពោតបារាំងចំនួន ៣០ នៅក្នុងតំបន់អេកូឡូស៊ីចំនួនពីរ (តំបន់ព្រៃភ្លៀង និងតំបន់សាវ៉ាណា) ក្នុងប្រទេសនីហ្សេរីយ៉ា។ ដោយសារអាកាសធាតុ លក្ខខណ្ឌដី និងការឆ្លើយតបរវាងសេនេទិចនិងបរិស្ថាន (G×E interaction) នៅកម្ពុជាមានភាពខុសគ្នា លទ្ធផលនៃពូជជាក់លាក់ (ដូចជា NHOKO179) អាចមិនផ្តល់ទិន្នផលខ្ពស់ដូចគ្នានៅទីនេះទេ។ ទោះយ៉ាងណា វិធីសាស្ត្រវិភាគគឺអាចយកមកអនុវត្តបានទាំងស្រុង។

លទ្ធភាពនៃការអនុវត្ត (Applicability)៖

វិធីសាស្ត្រវិភាគផ្លូវ (Path Analysis) ក្នុងឯកសារនេះមានប្រយោជន៍យ៉ាងខ្លាំងសម្រាប់ការស្រាវជ្រាវកែលម្អពូជដំណាំនៅប្រទេសកម្ពុជា។

សរុបមក ការប្រើប្រាស់វិធីសាស្ត្រវិភាគនេះដើម្បីកំណត់សន្ទស្សន៍ជម្រើសដ៏ត្រឹមត្រូវ នឹងជួយពន្លឿនការអភិវឌ្ឍពូជដំណាំថ្មីៗ ដែលផ្តល់ទិន្នផលខ្ពស់សម្រាប់កសិករកម្ពុជា។

៤. ផែនការសកម្មភាពសម្រាប់និស្សិត (Actionable Roadmap)

ដើម្បីអនុវត្តតាមការសិក្សានេះ និស្សិតគួរអនុវត្តតាមជំហានខាងក្រោម៖

  1. រៀបចំការសាកល្បងពូជដំណាំក្នុងស្រុក: ប្រមូលពូជពោតបារាំង (Abelmoschus esculentus) ឬដំណាំផ្សេងៗដែលមានក្នុងស្រុក និងនាំចូល រួចរៀបចំការដាំដុះសាកល្បងតាមទម្រង់ Randomized Complete Block Design (RCBD) នៅទីតាំងផ្សេងៗគ្នា (ឧ. ចម្ការសាកល្បងរបស់សាកលវិទ្យាល័យ)។
  2. ប្រមូលទិន្នន័យក្សេត្រសាស្ត្រឱ្យបានម៉ត់ចត់: កត់ត្រាទិន្នន័យបរិមាណសំខាន់ៗដូចជា ថ្ងៃចេញផ្កាដំបូង ចំនួនផ្លែក្នុងមួយដើម ទម្ងន់ផ្លែ និងទិន្នផលសរុប ដោយប្រមូលពីដើមតំណាងដែលបានជ្រើសរើសដោយចៃដន្យនៅក្នុងប្លុកនីមួយៗ។
  3. រៀននិងប្រើប្រាស់កម្មវិធីវិភាគទិន្នន័យ R Software: តម្លើងកម្មវិធី R និងសិក្សាពីការប្រើប្រាស់កញ្ចប់ ggcorrplot សម្រាប់ការវិភាគ Pearson Correlation ដើម្បីមើលទំនាក់ទំនងបឋមរវាងលក្ខណៈនិងទិន្នផល។
  4. អនុវត្តការវិភាគមេគុណផ្លូវ (Path Analysis): ប្រើប្រាស់កញ្ចប់ lavaan និង semPlot ក្នុងកម្មវិធី R ដើម្បីធ្វើម៉ូដែលសមីការរចនាសម្ព័ន្ធ (Structural Equation Modelling) សំដៅញែកឥទ្ធិពលផ្ទាល់និងប្រយោលនៃលក្ខណៈនីមួយៗមកលើទិន្នផល។
  5. បង្កើតសន្ទស្សន៍ជម្រើសនិងផ្សព្វផ្សាយ: ផ្អែកលើលទ្ធផលវិភាគ សូមជ្រើសរើសពូជដែលមានសក្តានុពលខ្ពស់បំផុត និងបង្កើតសៀវភៅណែនាំអំពីលក្ខណៈដែលគួរផ្តោតអារម្មណ៍ (ឧ. ការចេញផ្កាឆាប់) សម្រាប់ចែករំលែកដល់កសិករ និងកម្មវិធីបង្កាត់ពូជថ្នាក់ជាតិ។

៥. វាក្យសព្ទបច្ចេកទេស (Technical Glossary)

ពាក្យបច្ចេកទេស ការពន្យល់ជាខេមរភាសា (Khmer Explanation) និយមន័យសាមញ្ញ (Simple Definition)
Path analysis (ការវិភាគផ្លូវ) ជាវិធីសាស្ត្រស្ថិតិដែលបែងចែកមេគុណសហសម្ព័ន្ធទៅជាឥទ្ធិពលផ្ទាល់ និងឥទ្ធិពលប្រយោល ដើម្បីជួយអ្នកស្រាវជ្រាវយល់ពីយន្តការហេតុនិងផលច្បាស់លាស់រវាងលក្ខណៈផ្សេងៗនិងទិន្នផល។ ដូចជាការស៊ើបអង្កេតរកអ្នកនៅពីក្រោយខ្នងនៃបទល្មើសមួយ ដោយបំបែកវែកញែកអ្នកដែលធ្វើសកម្មភាពផ្ទាល់ និងអ្នកដែលញុះញង់ប្រយោល។
Structural equation modelling (ការធ្វើគំរូសមីការរចនាសម្ព័ន្ធ) ជាបច្ចេកទេសស្ថិតិដ៏ស្មុគស្មាញដែលប្រើដើម្បីវាស់ស្ទង់ និងវិភាគទំនាក់ទំនងនៃអថេរជាច្រើនក្នុងពេលតែមួយ ជាពិសេសសម្រាប់វាយតម្លៃកម្រិតស័ក្តិសមនៃម៉ូដែលសម្មតិកម្មទៅនឹងទិន្នន័យជាក់ស្តែង។ ដូចជាការប្រើប្រាស់ប្លង់មេមួយដើម្បីមើលពីរបៀបដែលសសរ ធ្នឹម និងដំបូលផ្ទះជួយទ្រទ្រង់គ្នាទៅវិញទៅមកក្នុងពេលតែមួយ ជំនួសឱ្យការមើលមួយៗដាច់ពីគ្នា។
Genotype by environment interaction (អន្តរកម្មរវាងសេនេទិចនិងបរិស្ថាន) ជាបាតុភូតដែលការបង្ហាញលក្ខណៈរបស់ពូជដំណាំដូចគ្នា (សេនេទិច) ផ្តល់លទ្ធផលឬការលូតលាស់ខុសគ្នា នៅពេលដែលយកទៅដាំក្នុងលក្ខខណ្ឌអាកាសធាតុ ដី ឬទីតាំងភូមិសាស្ត្រខុសគ្នា (បរិស្ថាន)។ ដូចជាមនុស្សម្នាក់ដែលពូកែរៀនពេលនៅសាលាស្ងាត់ ប៉ុន្តែរៀនមិនចូលពេលនៅកន្លែងអ៊ូអរ ពោលគឺបរិយាកាសជះឥទ្ធិពលដល់សមត្ថភាពរបស់គេ។
Accessions (ពូជដំណាំឬសំណាកដែលបានប្រមូល) សំណុំនៃគ្រាប់ពូជ ឬវត្ថុធាតុដើមរុក្ខជាតិប្លែកៗគ្នាដែលត្រូវបានប្រមូលពីរប្រភពផ្សេងៗ ហើយរក្សាទុកនិងចុះបញ្ជីនៅក្នុងធនាគារហ្សែនសម្រាប់ការស្រាវជ្រាវបង្កាត់ពូជ។ ដូចជាសៀវភៅមួយក្បាលៗដែលត្រូវបានចុះលេខកូដ និងរក្សាទុកក្នុងបណ្ណាល័យជាតិដើម្បីឲ្យអ្នកស្រាវជ្រាវខ្ចីទៅសិក្សា។
Pearson correlation coefficient (មេគុណសហសម្ព័ន្ធភៀសុន) រង្វាស់ស្ថិតិដែលបង្ហាញពីកម្រិតនិងទិសដៅនៃទំនាក់ទំនងលីនេអ៊ែររវាងអថេរពីរ (មានតម្លៃពី -១ ដល់ ១) ដើម្បីឲ្យដឹងថាពេលអថេរមួយកើនឡើង តើអថេរមួយទៀតនឹងកើនឡើង ឬថយចុះ។ ដូចជាទំនាក់ទំនងរវាងម៉ោងដែលអ្នកខិតខំរៀន និងពិន្ទុប្រឡង គឺបើអ្នករៀនកាន់តែច្រើន ពិន្ទុរបស់អ្នកកាន់តែខ្ពស់ (ទំនាក់ទំនងវិជ្ជមាន)។
Yield components (សមាសធាតុទិន្នផល) លក្ខណៈផ្សេងៗនៃរុក្ខជាតិ (ឧទាហរណ៍៖ ចំនួនផ្លែក្នុងមួយដើម ទម្ងន់ផ្លែ ឬប្រវែងផ្លែ) ដែលរួមផ្សំគ្នាហើយជះឥទ្ធិពលដោយផ្ទាល់ទៅលើទិន្នផលសរុបរបស់ដំណាំនោះ។ ដូចជាគ្រឿងផ្សំនៃការធ្វើនំ ដែលមានម្សៅ ស្ករ និងស៊ុត បូកបញ្ចូលគ្នាទើបចេញជានំមួយដុំដ៏ល្អ។
Direct and indirect effects (ឥទ្ធិពលផ្ទាល់និងប្រយោល) នៅក្នុងការវិភាគស្ថិតិ ឥទ្ធិពលផ្ទាល់គឺជាការប៉ះពាល់ពីអថេរមួយទៅអថេរមួយទៀតដោយត្រង់ ចំណែកឥទ្ធិពលប្រយោលគឺជាការប៉ះពាល់ដែលកើតឡើងតាមរយៈការឆ្លងកាត់អថេរកណ្តាលមួយឬច្រើនផ្សេងទៀត។ ដូចជាអ្នកដើរទៅបុកទ្វារដោយផ្ទាល់ (ឥទ្ធិពលផ្ទាល់) ធៀបនឹងអ្នករុញតុ ហើយតុក៏រអិលទៅបុកទ្វារ (ឥទ្ធិពលប្រយោល)។

៦. ប្រធានបទពាក់ព័ន្ធ (Further Reading)

អត្ថបទដែលបានបោះពុម្ពនៅលើ KhmerResearch ដែលទាក់ទងនឹងប្រធានបទនេះ៖

ប្រធានបទ និងសំណួរស្រាវជ្រាវដែលទាក់ទងនឹងឯកសារនេះ ដែលអ្នកអាចស្វែងរកបន្ថែម៖