បញ្ហា (The Problem)៖ ការសិក្សានេះផ្តោតលើការវាយតម្លៃគំរូប្រព័ន្ធដំណាំ CSM-MANIHOT-Cassava ក្នុងការកំណត់គម្លាតដាំដុះដំឡូងមីដែលស័ក្តិសម ដើម្បីជួយបង្កើនផលិតភាពដំណាំដោយកាត់បន្ថយការធ្វើពិសោធន៍ផ្ទាល់នៅទីវាលដែលចំណាយពេលវេលា និងធនធានច្រើន។
វិធីសាស្ត្រ (The Methodology)៖ ការសិក្សានេះបានប្រើប្រាស់គំរូកុំព្យូទ័រដើម្បីក្លែងធ្វើការលូតលាស់ និងបរិមាណជីវម៉ាសរបស់ដំឡូងមី ដោយធ្វើការផ្ទៀងផ្ទាត់ជាមួយនឹងទិន្នន័យពិសោធន៍នៅទីវាល។
លទ្ធផលសំខាន់ៗ (The Verdict)៖
| វិធីសាស្ត្រ (Method) | គុណសម្បត្តិ (Pros) | គុណវិបត្តិ (Cons) | លទ្ធផលគន្លឹះ (Key Result) |
|---|---|---|---|
| Field Experiment ការពិសោធន៍ផ្ទាល់នៅទីវាល |
ផ្តល់ទិន្នន័យពិតប្រាកដដែលឆ្លុះបញ្ចាំងពីលក្ខខណ្ឌជាក់ស្តែង (ពន្លឺ សីតុណ្ហភាព និងប្រភេទដី)។ អាចសង្កេតឃើញផ្ទាល់នូវផលប៉ះពាល់ពីកត្តាខាងក្រៅដូចជាសត្វល្អិត។ | ចំណាយពេលវេលាយូរ និងត្រូវការកម្លាំងពលកម្ម ព្រមទាំងធនធានហិរញ្ញវត្ថុច្រើន។ ពិបាកធ្វើការសាកល្បងលើសេណារីយ៉ូអាកាសធាតុរាប់សិបឆ្នាំក្នុងពេលតែមួយ។ | កំណត់បានថាពូជ KU50 ដាំក្នុងគម្លាត ១២០x៨០ សង់ទីម៉ែត្រ ផ្តល់ទម្ងន់ស្ងួតសរុបខ្ពស់ជាងគេនៅក្នុងការពិសោធន៍។ |
| CSM-MANIHOT-Cassava Simulation ការក្លែងធ្វើតាមគំរូ CSM-MANIHOT-Cassava (ក្នុងកម្មវិធី DSSAT) |
អាចសាកល្បងសេណារីយ៉ូជាច្រើន (អាកាសធាតុ គម្លាតដាំដុះ ដី) ក្នុងរយៈពេលខ្លីដោយចំណាយតិច។ ជួយទស្សន៍ទាយទិន្នផលរយៈពេលវែងផ្អែកលើទិន្នន័យអាកាសធាតុប្រវត្តិសាស្ត្រ។ | ប្រហែលជាមិនបានគិតគូរពីកត្តាបំផ្លាញដោយស្មៅ ឬសត្វល្អិតឡើយ (ឧទាហរណ៍៖ ការបំផ្លាញដោយមមាចក្រហម Tetranychus kanzawai) ដែលធ្វើឱ្យលទ្ធផលអាចខ្ពស់ជាងការពិត។ | បង្ហាញភាពសុក្រឹតដែលអាចទទួលយកបានជាមួយនឹងអត្រាកំហុសរង្វាស់ (nRMSE) ជាមធ្យម ៣១,០% និងបានណែនាំគម្លាតតូចសម្រាប់តំបន់ពឹងផ្អែកលើទឹកភ្លៀង។ |
ការចំណាយលើធនធាន (Resource Cost)៖ ការអនុវត្តវិធីសាស្ត្រក្លែងធ្វើគំរូដំណាំនេះទាមទារនូវប្រព័ន្ធកុំព្យូទ័រ និងទិន្នន័យមូលដ្ឋានច្បាស់លាស់ពីទីវាលដើម្បីដំណើរការម៉ូដែលឱ្យបានត្រឹមត្រូវ។
ការសិក្សានេះត្រូវបានធ្វើឡើងនៅខេត្ត Khon Kaen និង Maha Sarakham រួមទាំងតំបន់ចំនួន ១០ ផ្សេងទៀតនៅក្នុងប្រទេសថៃ ដោយប្រើប្រាស់ទិន្នន័យពីឆ្នាំ ១៩៨៨ ដល់ ២០១៨។ ទោះបីជាវាមិនមែនជាទិន្នន័យប្រមូលបានពីប្រទេសកម្ពុជាក៏ដោយ ប៉ុន្តែតំបន់នេះមានលក្ខខណ្ឌអាកាសធាតុ (Tropical savanna) និងប្រភេទដីស្រដៀងគ្នាខ្លាំងទៅនឹងតំបន់ដាំដុះដំឡូងមីនៅកម្ពុជា ដែលធ្វើឱ្យលទ្ធផលនេះអាចយកមកប្រើប្រាស់ជាឯកសារយោងបានយ៉ាងល្អ។
វិធីសាស្ត្រក្លែងធ្វើគំរូដំណាំនេះពិតជាមានសក្តានុពល និងអាចអនុវត្តបានយ៉ាងមានប្រសិទ្ធភាពសម្រាប់វិស័យកសិកម្មនៅកម្ពុជា។
ការប្រើប្រាស់បច្ចេកវិទ្យាក្លែងធ្វើនេះនឹងជួយកម្ពុជាសន្សំសំចៃធនធានក្នុងការស្រាវជ្រាវកសិកម្ម និងផ្តល់ជាអនុសាសន៍ច្បាស់លាស់ដល់កសិករក្នុងការដាំដុះដំឡូងមីដើម្បីទទួលបានប្រាក់ចំណេញខ្ពស់។
ដើម្បីអនុវត្តតាមការសិក្សានេះ និស្សិតគួរអនុវត្តតាមជំហានខាងក្រោម៖
| ពាក្យបច្ចេកទេស | ការពន្យល់ជាខេមរភាសា (Khmer Explanation) | និយមន័យសាមញ្ញ (Simple Definition) |
|---|---|---|
| DSSAT (Decision Support System for Agrotechnology Transfer) | កម្មវិធីកុំព្យូទ័រដែលរួមបញ្ចូលគំរូដំណាំដទៃៗទៀត ដើម្បីក្លែងធ្វើការលូតលាស់ ទិន្នផល និងការឆ្លើយតបរបស់ដំណាំទៅនឹងបម្រែបម្រួលអាកាសធាតុ ដី និងការគ្រប់គ្រង។ | ដូចជាហ្គេមស៊ីមូឡាទ័រ (Simulator) ដែលអនុញ្ញាតឱ្យកសិករសាកល្បងដាំដុះក្នុងកុំព្យូទ័រមុននឹងសម្រេចចិត្តដាំផ្ទាល់លើដី។ |
| CSM-MANIHOT-Cassava | គំរូកុំព្យូទ័រជាក់លាក់មួយនៅក្នុងប្រព័ន្ធ DSSAT ដែលប្រើរូបមន្តគណិតវិទ្យាដើម្បីពន្យល់ពីដំណើរការលូតលាស់របស់ដំឡូងមី ផ្អែកលើកត្តាអាកាសធាតុ លក្ខណៈដី និងការថែទាំ។ | ដូចជាមគ្គុទ្ទេសក៍និម្មិតដែលទស្សន៍ទាយថាដំឡូងមីនឹងលូតលាស់បានប៉ុនណា និងផ្តល់ផលប៉ុន្មាន ផ្អែកលើបរិមាណទឹកភ្លៀង និងប្រភេទដី។ |
| Biomass | បរិមាណសរុបនៃវត្ថុធាតុសរីរាង្គដែលផលិតដោយរុក្ខជាតិ រួមមានស្លឹក ដើម មែក និងមើម ដែលនៅក្នុងការស្រាវជ្រាវនេះគេភាគច្រើនវាស់ជាទម្ងន់ស្ងួត (Dry weight) បន្ទាប់ពីសម្ងួតទឹករួច។ | ប្រៀបដូចជាការថ្លឹងទម្ងន់រាងកាយទាំងមូលរបស់រុក្ខជាតិបន្ទាប់ពីបូមយកជាតិទឹកចេញអស់ ដើម្បីដឹងថាវាលូតលាស់បានកម្រិតណា។ |
| Harvest index (HI) | សមាមាត្ររវាងទិន្នផលដែលអាចប្រើប្រាស់បាន (ទម្ងន់ស្ងួតរបស់មើមដំឡូងមី) ធៀបនឹងជីវម៉ាសសរុបរបស់រុក្ខជាតិទាំងមូល។ វាកំណត់ពីប្រសិទ្ធភាពរបស់រុក្ខជាតិក្នុងការបញ្ជូនសារធាតុចិញ្ចឹមទៅកាន់មើម។ | ដូចជាការគណនាភាគរយនៃប្រាក់ចំណេញសុទ្ធធៀបនឹងចំណូលសរុប ថាតើដំណាំអាចបំប្លែងការលូតលាស់ទៅជាទិន្នផលបានល្អប៉ុនណា។ |
| Normalized root mean square error (nRMSE) | រូបមន្តស្ថិតិដែលប្រើសម្រាប់វាស់ស្ទង់ភាពខុសគ្នារវាងទិន្នន័យដែលទស្សន៍ទាយដោយម៉ូដែលកុំព្យូទ័រ និងទិន្នន័យជាក់ស្តែងដែលវាស់បាននៅទីវាល។ តម្លៃនេះកាន់តែតូច បង្ហាញថាម៉ូដែលទស្សន៍ទាយកាន់តែសុក្រឹត។ | ដូចជាពិន្ទុដែលបង្ហាញថាការទាយរបស់អ្នកខុសពីការពិតប៉ុន្មានភាគរយ (បើពិន្ទុតិច មានន័យថាទាយត្រូវច្រើន)។ |
| Genetic coefficients | សំណុំទិន្នន័យតួលេខដែលតំណាងឱ្យលក្ខណៈជីវសាស្រ្តជាក់លាក់នៃពូជដំណាំនីមួយៗ (ដូចជាអាយុកាលពេលចេញមែក និងការកើនឡើងបរិមាណស្លឹក) ដែលម៉ូដែលត្រូវការដើម្បីក្លែងធ្វើការលូតលាស់ឱ្យបានត្រឹមត្រូវសម្រាប់ពូជនីមួយៗ។ | ដូចជាកូដ DNA សម្ងាត់ដែលប្រាប់កុំព្យូទ័រឱ្យដឹងថា ពូជដំឡូងមីប្រភេទ A ខុសពីពូជដំឡូងមីប្រភេទ B យ៉ាងដូចម្តេចខ្លះ។ |
| Index of agreement (d-index) | រង្វាស់ស្ថិតិដែលមានចន្លោះពី ០ ដល់ ១ ដែលបង្ហាញពីកម្រិតនៃភាពស៊ីចង្វាក់គ្នារវាងតម្លៃក្លែងធ្វើរបស់កុំព្យូទ័រ និងតម្លៃពិតនៅទីវាល។ តម្លៃដែលកៀកនឹង ១ បង្ហាញពីភាពត្រឹមត្រូវនៃការទស្សន៍ទាយកាន់តែខ្ពស់។ | ដូចជាការដាក់ពិន្ទុលើការថតចម្លងគំនូរមួយ បើគូរបានដូចបេះបិទទៅនឹងគំនូរដើម គឺទទួលបានពិន្ទុពេញ (ស្មើ ១)។ |
អត្ថបទដែលបានបោះពុម្ពនៅលើ KhmerResearch ដែលទាក់ទងនឹងប្រធានបទនេះ៖
ប្រធានបទ និងសំណួរស្រាវជ្រាវដែលទាក់ទងនឹងឯកសារនេះ ដែលអ្នកអាចស្វែងរកបន្ថែម៖
