Original Title: Distribution Pattern and Sequential Sampling Plan for the Cotton Bollworm in Sorghum
Source: doi.org/10.14456/thaidoa-agres.1994.15
Disclaimer: Summary generated by AI based on the provided document. Please refer to the original paper for full scientific accuracy.

លំនាំនៃការចែកចាយ និងផែនការយកគំរូតាមលំដាប់លំដោយសម្រាប់ដង្កូវខួងផ្លែកប្បាសក្នុងដំណាំសៀក

ចំណងជើងដើម៖ Distribution Pattern and Sequential Sampling Plan for the Cotton Bollworm in Sorghum

អ្នកនិពន្ធ៖ Suttieraporn Sirisingh (Planning and Technical Division, Department of Agriculture), Malee Chawanapong, Saowanee Pisittapan, Prasit Bunchuduang

ឆ្នាំបោះពុម្ព៖ 1994, Thai Agricultural Research Journal

វិស័យសិក្សា៖ Entomology

១. សេចក្តីសង្ខេបប្រតិបត្តិ (Executive Summary)

បញ្ហា (The Problem)៖ ឯកសារនេះផ្តោតលើការរាតត្បាតនៃដង្កូវខួងផ្លែកប្បាស (Heliothis armigera) លើដំណាំសៀក (Sorghum) និងការរៀបចំផែនការយកគំរូដ៏មានប្រសិទ្ធភាពដើម្បីធ្វើការសម្រេចចិត្តក្នុងការប្រើប្រាស់ថ្នាំសម្លាប់សត្វល្អិត។

វិធីសាស្ត្រ (The Methodology)៖ ការស្រាវជ្រាវនេះបានប្រមូលទិន្នន័យកម្រិតរាតត្បាតរបស់ដង្កូវក្នុងអំឡុងពេលលូតលាស់ផ្សេងៗគ្នារបស់ដំណាំសៀក និងប្រើប្រាស់វិធីសាស្ត្រស្ថិតិដើម្បីវិភាគរកលំនាំ។

លទ្ធផលសំខាន់ៗ (The Verdict)៖

២. ការវិភាគលើប្រសិទ្ធភាព និងដែនកំណត់ (Performance & Constraints)

វិធីសាស្ត្រ (Method) គុណសម្បត្តិ (Pros) គុណវិបត្តិ (Cons) លទ្ធផលគន្លឹះ (Key Result)
Binomial Distribution
របាយបែប Binomial
ងាយស្រួលយល់ និងជាមូលដ្ឋានគ្រឹះសម្រាប់ការវិភាគស្ថិតិសាមញ្ញ។ មិនស័ក្តិសមសម្រាប់ទិន្នន័យសត្វល្អិតដែលចូលចិត្តរស់នៅផ្តុំគ្នាទេ (មានកម្រិតភាពខុសគ្នាសំខាន់ផ្នែកស្ថិតិខ្ពស់)។ ការធ្វើតេស្ត Chi-square បង្ហាញថាម៉ូដែលនេះមិនស៊ីគ្នានឹងទិន្នន័យជាក់ស្តែងនៃការរាតត្បាតរបស់ដង្កូវ (p < 0.01)។
Poisson Distribution
របាយបែប Poisson (ចៃដន្យ)
មានប្រសិទ្ធភាពសម្រាប់ម៉ូដែលដែលសត្វល្អិតរស់នៅរាយប៉ាយដោយចៃដន្យ (Randomness)។ មិនឆ្លុះបញ្ចាំងពីឥរិយាបថជាក់ស្តែងរបស់ដង្កូវខួងផ្លែកប្បាសដែលជារឿយៗប្រមូលផ្តុំជារបាយបែបក្រុម (Clumped)។ តម្លៃ Chi-square មានកម្រិតខ្ពស់ ដែលសបញ្ជាក់ថារបាយនេះមិនអាចតំណាងឱ្យការចែកចាយរបស់ដង្កូវនេះបានឡើយ។
Negative Binomial Distribution & Sequential Sampling
របាយបែប Negative Binomial និងផែនការយកគំរូតាមលំដាប់លំដោយ
ឆ្លុះបញ្ចាំងយ៉ាងច្បាស់ពីការរស់នៅផ្តុំគ្នារបស់ដង្កូវ និងជួយកាត់បន្ថយពេលវេលា/ការចំណាយក្នុងការសម្រេចចិត្តបាញ់ថ្នាំ។ ទាមទារការប្រមូលទិន្នន័យវាលច្រើនគួរសម និងការគណនាស្ថិតិស្មុគស្មាញដើម្បីកំណត់សមីការខ្សែបន្ទាត់ដំបូង។ ត្រូវគ្នាយ៉ាងល្អឥតខ្ចោះជាមួយទិន្នន័យក្នុងដំណាក់កាលគ្រាប់មានទឹកដោះ (Milky stage) ដោយបង្កើតបានសមីការសម្រេចចិត្ត d = 1.4038n ± 13.4386។

ការចំណាយលើធនធាន (Resource Cost)៖ ការអនុវត្តការស្រាវជ្រាវនេះទាមទារការចុះប្រមូលទិន្នន័យផ្ទាល់នៅតាមចម្ការក្នុងទ្រង់ទ្រាយធំ និងចាំបាច់ត្រូវមានចំណេះដឹងផ្នែកស្ថិតិដើម្បីបង្កើតម៉ូដែល។

៣. ការពិនិត្យសម្រាប់បរិបទកម្ពុជា/អាស៊ីអាគ្នេយ៍

ភាពលំអៀងនៃទិន្នន័យ (Data Bias)៖

ការសិក្សានេះត្រូវបានធ្វើឡើងនៅមជ្ឈមណ្ឌលស្រាវជ្រាវពោត និងសៀកជាតិ ក្នុងខេត្តនគររាជសីមា ប្រទេសថៃ ពីឆ្នាំ ១៩៨៩-១៩៩១ លើពូជសៀក KU 439។ ទោះបីជាលក្ខខណ្ឌអាកាសធាតុស្រដៀងគ្នានឹងកម្ពុជាក៏ដោយ ក៏វាចាំបាច់ត្រូវមានការប្រមូលទិន្នន័យបន្ថែមលើពូជដំណាំ និងស្ថានភាពអាកាសធាតុប្រែប្រួលនាពេលបច្ចុប្បន្ននៅក្នុងប្រទេសកម្ពុជា ដើម្បីធានាភាពសុក្រឹតនៃការអនុវត្ត។

លទ្ធភាពនៃការអនុវត្ត (Applicability)៖

វិធីសាស្ត្រនៃការបង្កើតផែនការយកគំរូតាមលំដាប់លំដោយ (Sequential Sampling Plan) នេះ គឺមានប្រយោជន៍យ៉ាងខ្លាំងសម្រាប់ការគ្រប់គ្រងសត្វល្អិតចង្រៃចម្រុះនៅប្រទេសកម្ពុជា។

ជារួម ផែនការយកគំរូនេះគឺជាឧបករណ៍ដ៏មានសក្តានុពលក្នុងការជួយកសិករកម្ពុជាសន្សំសំចៃថវិកា កាត់បន្ថយការខូចខាតបរិស្ថាន និងឈានទៅរកការគ្រប់គ្រងសត្វល្អិតចង្រៃចម្រុះ (IPM) ប្រកបដោយនិរន្តរភាព។

៤. ផែនការសកម្មភាពសម្រាប់និស្សិត (Actionable Roadmap)

ដើម្បីអនុវត្តតាមការសិក្សានេះ និស្សិតគួរអនុវត្តតាមជំហានខាងក្រោម៖

  1. សិក្សាមូលដ្ឋានគ្រឹះពីបំណែងចែកស្ថិតិ: និស្សិតត្រូវរៀនស្វែងយល់ពីទ្រឹស្តីនៃរបាយសត្វល្អិត ដូចជា Poisson និង Negative Binomial តាមរយៈវគ្គសិក្សាស្តីពីគណិតវិទ្យាជីវសាស្ត្រ ដោយអាចប្រើប្រាស់ Khan AcademyYouTube tutorials ដើម្បីយល់ពីរបៀបដែលសត្វល្អិតរស់នៅផ្តុំគ្នា។
  2. ចុះប្រមូលទិន្នន័យសត្វល្អិតនៅចម្ការផ្ទាល់: រៀបចំផែនការចុះទៅចម្ការសាកល្បង (ឧទាហរណ៍៖ នៅសាកលវិទ្យាល័យភូមិន្ទកសិកម្ម ឬវិទ្យាស្ថានជាតិស្រាវជ្រាវកសិកម្មកម្ពុជា) ដើម្បីរាប់ចំនួនដង្កូវ Heliothis armigera លើដំណាំ និងកត់ត្រាទិន្នន័យជាប្រព័ន្ធក្នុង Microsoft Excel
  3. វិភាគទិន្នន័យរកលំនាំនៃការចែកចាយ: ប្រើប្រាស់កម្មវិធី R StudioSPSS ដើម្បីទាញយកទិន្នន័យទៅធ្វើតេស្ត Chi-square test of goodness of fit ក្នុងគោលបំណងបញ្ជាក់ថាតើរបាយដង្កូវពិតជាស្របទៅនឹងម៉ូដែល Negative Binomial ដែរឬទេ។
  4. គណនា និងរៀបចំផែនការយកគំរូ (Sequential Sampling Plan): ផ្អែកលើទិន្នន័យដែលវិភាគបាន ត្រូវគណនារកកម្រិតខូចខាតសេដ្ឋកិច្ច (EIL) និងបង្កើតសមីការខ្សែបន្ទាត់សម្រេចចិត្ត (Upper and Lower limits) ដោយគូរក្រាហ្វដោយប្រើប្រាស់ Python (Matplotlib/Seaborn)Excel
  5. សាកល្បងអនុវត្ត និងវាយតម្លៃប្រសិទ្ធភាពសេដ្ឋកិច្ច: យកតារាង និងក្រាហ្វសម្រេចចិត្តដែលបង្កើតបាន ទៅសាកល្បងប្រើប្រាស់ជាមួយកសិករនៅរដូវកាលបន្ទាប់ ដើម្បីប្រៀបធៀបការចំណាយលើថ្នាំសម្លាប់សត្វល្អិត រវាងការប្រើផែនការយកគំរូ និងការបាញ់ថ្នាំតាមទម្លាប់ធម្មតា។

៥. វាក្យសព្ទបច្ចេកទេស (Technical Glossary)

ពាក្យបច្ចេកទេស ការពន្យល់ជាខេមរភាសា (Khmer Explanation) និយមន័យសាមញ្ញ (Simple Definition)
Sequential Sampling Plan (ផែនការយកគំរូតាមលំដាប់លំដោយ) វិធីសាស្ត្រស្ថិតិសម្រាប់ពិនិត្យមើលចំនួនសត្វល្អិត ដោយមិនបាច់កំណត់ចំនួនដើមដែលត្រូវពិនិត្យទុកជាមុននោះទេ គឺពិនិត្យបណ្តើរ សម្រេចចិត្តបណ្តើរផ្អែកលើទិន្នន័យជាក់ស្តែងរហូតដល់ចំនួនសរុបឈានដល់បន្ទាត់កម្រិតកំណត់ (ត្រូវបាញ់ថ្នាំ ឬមិនបាច់បាញ់)។ ដូចជាការភ្លក់សម្លរ ពេលដែលយើងភ្លក់មួយស្លាបព្រាដឹងថាប្រៃហើយ យើងមិនចាំបាច់ភ្លក់មួយចានទៀតទេ គឺអាចសម្រេចចិត្តថាមិនថែមអំបិលទៀតបានភ្លាមៗ។
Negative Binomial Distribution (បំណែងចែកទ្វេធាអវិជ្ជមាន) ម៉ូដែលស្ថិតិមួយដែលពិពណ៌នាពីរបាយនៃព្រឹត្តិការណ៍ដែលកើតឡើងមិនស្មើគ្នា។ ក្នុងកសិកម្ម គេប្រើវាដើម្បីបង្ហាញពីការរស់នៅជាក្រុមៗ (Clumped/Aggregated) របស់សត្វល្អិតនៅលើដំណាំ ដែលដើមខ្លះមានសត្វល្អិតច្រើន ឯដើមខ្លះទៀតគ្មានសោះ។ ដូចជាការតាំងទីលំនៅរបស់មនុស្សដែលចូលចិត្តរស់នៅប្រមូលផ្តុំគ្នាតាមទីក្រុង ជាងការរស់នៅរាយប៉ាយស្មើៗគ្នានៅគ្រប់ទីកន្លែង។
Economic Injury Level (កម្រិតខូចខាតសេដ្ឋកិច្ច) កម្រិតដង់ស៊ីតេទាបបំផុតនៃចំនួនសត្វល្អិតចង្រៃ ដែលអាចបណ្តាលឱ្យមានការខាតបង់ផលដំណាំមានតម្លៃស្មើនឹងការចំណាយលើការទិញថ្នាំ និងជួលគេបាញ់ថ្នាំសម្លាប់សត្វល្អិតនោះ។ ទាល់តែចំនួនសត្វល្អិតកើនដល់ ឬលើសកម្រិតនេះ ទើបការបាញ់ថ្នាំមិនធ្វើឱ្យកសិករខាតបង់ថវិកា។ ដូចជាការសម្រេចចិត្តយកឡានទៅជួសជុល គឺទាល់តែការខូចខាតនោះប៉ះពាល់ដល់ការបើកបរខ្លាំង ទើបវាស័ក្តិសមនឹងលុយដែលត្រូវចំណាយឱ្យជាង។
Chi-square test of goodness of fit (តេស្ត Chi-square សម្រាប់ភាពស៊ីគ្នា) វិធីសាស្ត្រសាកល្បងសម្មតិកម្មស្ថិតិ ដើម្បីប្រៀបធៀបទិន្នន័យជាក់ស្តែងដែលយើងចុះរាប់បានពីចម្ការ ទៅនឹងម៉ូដែលទ្រឹស្តី (ដូចជាម៉ូដែល Poisson ឬ Negative Binomial) ថាតើវាមានភាពស៊ីសង្វាក់គ្នាឬក៏អត់។ ដូចជាការយកសម្លៀកបំពាក់ដែលកាត់រួច ទៅប្រៀបធៀបជាមួយគំនូសព្រាងដែលបានគូរទុក ថាតើវាដូចគ្នា ឬខុសគ្នាប៉ុណ្ណា។
Heliothis armigera (ដង្កូវខួងផ្លែកប្បាស) ជាឈ្មោះវិទ្យាសាស្ត្ររបស់សត្វល្អិតចង្រៃមួយប្រភេទ ដែលនៅពេលវាស្ថិតក្នុងដំណាក់កាលជាដង្កូវ វាស៊ីបំផ្លាញដំណាំជាច្រើនប្រភេទ រួមទាំងសៀក និងកប្បាស ជាពិសេសវាចូលចិត្តស៊ីគ្រាប់នៅពេលដំណាំកំពុងចេញផ្លែ ឬកួរ។ គឺជាសត្រូវលេខមួយរបស់កសិករដែលចូលចិត្តលួចស៊ីគ្រាប់ធញ្ញជាតិពីខាងក្នុង ដូចជាចោរដែលលួចចូលទៅវាយបំបែកទូដែកដើម្បីយកទ្រព្យសម្បត្តិ។
Poisson Distribution (បំណែងចែកពូសុង) ម៉ូដែលស្ថិតិដែលពិពណ៌នាអំពីចំនួនដងដែលព្រឹត្តិការណ៍មួយកើតឡើងក្នុងចន្លោះពេល ឬលំហរណាមួយ ដោយសន្មត់ថាព្រឹត្តិការណ៍ទាំងនោះកើតឡើងដោយចៃដន្យ និងមិនអាស្រ័យគ្នា។ ក្នុងឯកសារនេះ វាសំដៅលើសត្វល្អិតដែលរស់នៅរាយប៉ាយដោយចៃដន្យនៅលើដើមដំណាំ ដែលផ្ទុយពីការរស់នៅជាក្រុម។ ដូចជាការធ្លាក់នៃគ្រាប់ភ្លៀងនៅលើដំបូលផ្ទះ ដែលតំណក់នីមួយៗធ្លាក់ចុះដោយចៃដន្យ និងមិនប្រមូលផ្តុំគ្នានៅតែមួយកន្លែងឡើយ។

៦. ប្រធានបទពាក់ព័ន្ធ (Further Reading)

អត្ថបទដែលបានបោះពុម្ពនៅលើ KhmerResearch ដែលទាក់ទងនឹងប្រធានបទនេះ៖

ប្រធានបទ និងសំណួរស្រាវជ្រាវដែលទាក់ទងនឹងឯកសារនេះ ដែលអ្នកអាចស្វែងរកបន្ថែម៖