Original Title: Leveraging Digital Geospatial Processing Techniques for Updating and Enhancement of Philippine Conventional Soil Resources Information
Source: doi.org/10.56669/YZLS9439
Disclaimer: Summary generated by AI based on the provided document. Please refer to the original paper for full scientific accuracy.

ការប្រើប្រាស់បច្ចេកទេសដំណើរការទិន្នន័យភូមិសាស្ត្រឌីជីថលសម្រាប់ការធ្វើបច្ចុប្បន្នភាព និងការពង្រឹងព័ត៌មានធនធានដីបែបប្រពៃណីរបស់ប្រទេសហ្វីលីពីន

ចំណងជើងដើម៖ Leveraging Digital Geospatial Processing Techniques for Updating and Enhancement of Philippine Conventional Soil Resources Information

អ្នកនិពន្ធ៖ Dante E. Margate (Soil Survey Division, Bureau of Soils and Water Management, Department of Agriculture, Philippines)

ឆ្នាំបោះពុម្ព៖ 2025 FFTC Journal of Agricultural Policy

វិស័យសិក្សា៖ Soil Science and Geographic Information Systems

១. សេចក្តីសង្ខេបប្រតិបត្តិ (Executive Summary)

បញ្ហា (The Problem)៖ ឯកសារនេះដោះស្រាយបញ្ហានៃការប្រើប្រាស់ផែនទីធនធានដីបែបប្រពៃណីដែលហួសសម័យ និងខ្វះភាពសុក្រឹតនៅប្រទេសហ្វីលីពីន ដោយតម្រូវឱ្យមានការធ្វើទំនើបកម្មដើម្បីឆ្លើយតបទៅនឹងតម្រូវការធ្វើផែនការកសិកម្មនិងបរិស្ថានបច្ចុប្បន្ន។

វិធីសាស្ត្រ (The Methodology)៖ ការសិក្សានេះប្រើប្រាស់វិធីសាស្ត្រចម្រុះដោយរួមបញ្ចូលទិន្នន័យដី (Legacy Soil Data) ជាមួយនឹងបច្ចេកទេសដំណើរការទិន្នន័យភូមិសាស្ត្រឌីជីថលទំនើប។

លទ្ធផលសំខាន់ៗ (The Verdict)៖

២. ការវិភាគលើប្រសិទ្ធភាព និងដែនកំណត់ (Performance & Constraints)

វិធីសាស្ត្រ (Method) គុណសម្បត្តិ (Pros) គុណវិបត្តិ (Cons) លទ្ធផលគន្លឹះ (Key Result)
Conventional Soil Mapping (CSM)
ការធ្វើផែនទីដីបែបប្រពៃណី (ប្រើដៃ និងផែនទីក្រដាស)
មានតម្លៃជាទិន្នន័យគោលចាស់ (Legacy Data) ដែលពឹងផ្អែកលើការយល់ដឹងស៊ីជម្រៅរបស់អ្នកជំនាញអំពីទំនាក់ទំនងរវាងដីនិងទេសភាព និងអាចជួយសន្សំសំចៃពេលប្រសិនបើធ្លាប់បានសិក្សារួច។ ប្រើប្រាស់កម្លាំងពលកម្មច្រើន យឺតយ៉ាវ ងាយមានកំហុសដោយសារការគូសព្រំប្រទល់ដោយដៃ និងមានការលំបាកខ្លាំងក្នុងការធ្វើបច្ចុប្បន្នភាពទិន្នន័យនៅពេលមានបម្រែបម្រួលការប្រើប្រាស់ដី។ បង្កើតបានត្រឹមទិន្នន័យផែនទីដែលមានរាងជាពហុកោណដាច់ៗពីគ្នា ដែលខ្វះភាពលម្អិត និងភាពសុក្រឹតសម្រាប់ប្រព័ន្ធកសិកម្មច្បាស់លាស់។
Hybrid Digital Geospatial Processing (Proposed Approach)
វិធីសាស្ត្រកូនកាត់ដោយប្រើប្រាស់ទិន្នន័យភូមិសាស្ត្រឌីជីថល (បញ្ចូលគ្នាជាមួយទិន្នន័យចាស់)
ផ្តល់ភាពសុក្រឹតខ្ពស់ អាចផលិតឡើងវិញបាន (Reproducible) កាត់បន្ថយភាពលម្អៀងក្នុងការគូសផែនទី និងផ្តល់នូវទិន្នន័យច្បាស់លាស់ដែលសមស្របតាមលក្ខណៈក្សេត្រសាស្ត្រ។ ទាមទារទិន្នន័យម៉ូដែលកម្ពស់ (DEM) ដែលមានកម្រិតភាពច្បាស់ខ្ពស់ ព្រមទាំងឧបករណ៍កុំព្យូទ័រដែលមានសមត្ថភាពខ្លាំង និងចំណេះដឹងផ្នែកប្រព័ន្ធព័ត៌មានភូមិសាស្ត្រស៊ីជម្រៅ។ បង្កើតបានផែនទីដីឌីជីថលខ្នាតធំរហូតដល់ ១:២០,០០០ ដែលមានភាពសុក្រឹតខ្ពស់ និងភ្ជាប់ជាមួយប្រព័ន្ធទិន្នន័យភូមិសាស្ត្រ (Geodatabase) រួចជាស្រេចសម្រាប់ការប្រើប្រាស់ភ្លាមៗ។
Pure Digital Soil Mapping (DSM)
ការធ្វើផែនទីដីឌីជីថលពេញលេញ (ប្រើម៉ូដែលស្ថិតិ និង Machine Learning)
មានលទ្ធភាពធ្វើមាត្រដ្ឋានបានធំទូលាយ មានប្រសិទ្ធភាពខ្ពស់ក្នុងការវិភាគលើផ្ទៃដីធំៗ និងអាចទស្សន៍ទាយលក្ខណៈដីជាទម្រង់ Continuous Raster បានលឿន។ អាចបង្កើតលទ្ធផលដែលត្រឹមត្រូវតាមស្ថិតិ ប៉ុន្តែមិនសមស្របតាមគោលការណ៍ក្សេត្រសាស្ត្រជាក់ស្តែង (Pedologically implausible) ប្រសិនបើខ្វះការត្រួតពិនិត្យពីអ្នកជំនាញ។ ត្រូវបានស្នើឡើងជាជំហានបន្ទាប់នៅពេលអនាគត ដែលត្រូវការទិន្នន័យលម្អិតពីវិធីសាស្ត្រកូនកាត់ដើម្បីធ្វើជាទិន្នន័យបង្វឹក (Training Data)។

ការចំណាយលើធនធាន (Resource Cost)៖ ការអនុវត្តវិធីសាស្ត្រទំនើបកម្មនេះ តម្រូវឱ្យមានការវិនិយោគជាមូលដ្ឋានលើប្រព័ន្ធកុំព្យូទ័រ ទិន្នន័យផ្កាយរណបកម្រិតច្បាស់ និងឧបករណ៍វាស់ស្ទង់នៅទីវាល គួបផ្សំជាមួយអ្នកជំនាញបច្ចេកទេស។

៣. ការពិនិត្យសម្រាប់បរិបទកម្ពុជា/អាស៊ីអាគ្នេយ៍

ភាពលំអៀងនៃទិន្នន័យ (Data Bias)៖

ការសិក្សានេះត្រូវបានអនុវត្តផ្តាច់មុខនៅប្រទេសហ្វីលីពីន ដោយប្រើប្រាស់ទិន្នន័យកម្ពស់ដី (DEM) កម្រិត ៥ម៉ែត្រ និងឯកសារផែនទីដីចាស់ៗក្នុងស្រុក (Legacy Data) ដែលត្រូវបានប្រៀបធៀបតាមចំណាត់ថ្នាក់ដីរបស់សហរដ្ឋអាមេរិក (USDA Soil Taxonomy)។ ទិន្នន័យនេះឆ្លុះបញ្ចាំងពីស្ថានភាពភូមិសាស្ត្រ តំបន់ត្រូពិច និងប្រព័ន្ធកសិកម្មរបស់ហ្វីលីពីន ដែលមានលក្ខណៈស្រដៀងគ្នាខ្លាំងទៅនឹងប្រទេសកម្ពុជា ធ្វើឱ្យវិធីសាស្ត្រនេះមានសក្ដានុពលខ្ពស់ក្នុងការយកមកអនុវត្តដើម្បីធ្វើបច្ចុប្បន្នភាពផែនទីដីកម្ពុជាដែលហួសសម័យ។

លទ្ធភាពនៃការអនុវត្ត (Applicability)៖

វិធីសាស្ត្រនៃការធ្វើទំនើបកម្មទិន្នន័យដីតាមបែបឌីជីថល និងវិធីសាស្ត្រកូនកាត់នេះ គឺមានសារៈសំខាន់និងអាចអនុវត្តបានយ៉ាងជោគជ័យសម្រាប់បរិបទប្រទេសកម្ពុជា។

ការរួមបញ្ចូលប្រព័ន្ធនេះនឹងជួយបំប្លែងឯកសារដីចាស់ៗរបស់កម្ពុជាទៅជាប្រព័ន្ធព័ត៌មានភូមិសាស្ត្រឌីជីថលទំនើប ដែលអាចប្រើប្រាស់ជាមូលដ្ឋានគ្រឹះសម្រាប់ការសម្រេចចិត្តផ្អែកលើវិទ្យាសាស្ត្រ (Science-driven decision making) ក្នុងការអភិវឌ្ឍសេដ្ឋកិច្ច។

៤. ផែនការសកម្មភាពសម្រាប់និស្សិត (Actionable Roadmap)

ដើម្បីអនុវត្តតាមការសិក្សានេះ និស្សិតគួរអនុវត្តតាមជំហានខាងក្រោម៖

  1. ប្រមូលនិងធ្វើកូដកម្មទិន្នន័យដីចាស់ៗ (Digitization of Legacy Data): ស្វែងរក និងប្រមូលរបាយការណ៍វិភាគដីនិងផែនទីដីចាស់ៗរបស់កម្ពុជា (ឧទាហរណ៍ ផែនទីដី Crocker, 1962 ពីរដ្ឋបាលព្រៃឈើ ឬក្រសួងកសិកម្ម) រួចស្កេននិងបញ្ចូលវាទៅក្នុងកម្មវិធី ArcGISQGIS ដើម្បីបង្កើតជាមូលដ្ឋានទិន្នន័យប្រវត្តិសាស្ត្រសម្រាប់យកមកប្រៀបធៀប។
  2. ទាញយកនិងរៀបចំទិន្នន័យម៉ូដែលកម្ពស់ (Acquire DEM Data): ស្វែងរកនិងទាញយកទិន្នន័យ Digital Elevation Model (DEM) កម្រិតភាពច្បាស់ចាប់ពី ៥ ទៅ ៣០ ម៉ែត្រ ពីប្រភពបើកទូលាយ (ដូចជា SRTMASTER Global DEM) សម្រាប់តំបន់គោលដៅ ដើម្បីប្រើប្រាស់ជាមូលដ្ឋានក្នុងការកាត់ចំណាត់ថ្នាក់ជម្រាល និងកម្ពស់ដី។
  3. អនុវត្តការវិភាគទម្រង់ដីដោយស្វ័យប្រវត្តិ (Automated Landform Classification): ប្រើប្រាស់ឧបករណ៍ Topographic Position Index (TPI) នៅក្នុងកម្មវិធី QGIS ដើម្បីគណនានិងបែងចែកទម្រង់ដី (ជ្រលង ជម្រាល ទីទួលខ្ពស់ ទីទំនាប) ដោយស្វ័យប្រវត្តិផ្អែកលើទិន្នន័យ DEM ដែលបានរៀបចំរួច។
  4. កសាងម៉ូដែលទំនាក់ទំនងដីនិងចុះផ្ទៀងផ្ទាត់ (Soil-Landscape Modeling & Field Validation): ផ្គូផ្គងទិន្នន័យដីចាស់ៗទៅនឹងទម្រង់ដីដែលបានវិភាគ (TPI) ដើម្បីបង្កើតព្រំប្រទល់ផែនទីព្រាង រួចរៀបចំផែនការចុះយកសំណាកដីនៅទីវាលដោយប្រើឧបករណ៍ GPS/GNSS ចល័ត ដើម្បីផ្ទៀងផ្ទាត់ភាពត្រឹមត្រូវនៃប្រភេទដី។
  5. សាកល្បងបច្ចេកទេសបំប្លែងទិន្នន័យកម្រិតខ្ពស់ (Toward Full DSM): ប្រើប្រាស់ទិន្នន័យដែលបានផ្ទៀងផ្ទាត់រួច ធ្វើជាទិន្នន័យបង្វឹក (Training Data) សម្រាប់ក្បួនដោះស្រាយ Machine Learning ដូចជា Random Forest នៅក្នុងភាសា PythonR ដើម្បីសាកល្បងទស្សន៍ទាយលក្ខណៈដីដោយស្វ័យប្រវត្តិលើផ្ទៃដីដែលធំជាងមុន។

៥. វាក្យសព្ទបច្ចេកទេស (Technical Glossary)

ពាក្យបច្ចេកទេស ការពន្យល់ជាខេមរភាសា (Khmer Explanation) និយមន័យសាមញ្ញ (Simple Definition)
Digital Elevation Model (DEM) (ម៉ូដែលកម្ពស់ឌីជីថល) ជាទិន្នន័យកុំព្យូទ័រជាទម្រង់ក្រឡាចត្រង្គ (Raster) ដែលតំណាងឱ្យកម្ពស់នៃផ្ទៃដីពិតប្រាកដក្នុងទម្រង់ជា 3D។ វាត្រូវបានប្រើប្រាស់ជាមូលដ្ឋានសម្រាប់ទាញយកព័ត៌មានភូមិសាស្ត្រដូចជា កម្រិតជម្រាល ទិសដៅជម្រាល និងទម្រង់ដី។ ដូចជាការយកសន្លឹកកៅស៊ូមកគ្របពីលើទម្រង់ភ្នំនិងជ្រលង ដើម្បីមើលឃើញពីរូបរាងឡើងចុះនៃផ្ទៃផែនដីនៅក្នុងកុំព្យូទ័រ។
Topographic Position Index (TPI) (សន្ទស្សន៍ទីតាំងភូមិសាស្ត្រ) ជាក្បួនដោះស្រាយ (Algorithm) គណិតវិទ្យាដែលប្រៀបធៀបកម្ពស់នៃចំណុចកណ្តាលមួយ ទៅនឹងកម្ពស់ជាមធ្យមនៃតំបន់ជុំវិញវា។ វាជួយឱ្យប្រព័ន្ធកុំព្យូទ័របែងចែកដោយស្វ័យប្រវត្តិនូវប្រភេទទីតាំងដូចជា ជ្រលងភ្នំ ទីទួលខ្ពស់ ឬទំនាប។ ដូចជាការប្រៀបធៀបកម្ពស់របស់អ្នកជាមួយមនុស្សដែលឈរជុំវិញអ្នក បើអ្នកខ្ពស់ជាងគេមានន័យថាអ្នកកំពុងឈរនៅលើទួល បើទាបជាងគេគឺអ្នកនៅក្នុងរណ្តៅ។
Digital Soil Mapping (DSM) (ការធ្វើផែនទីដីឌីជីថល) ជាដំណើរការបង្កើតផែនទីនិងទិន្នន័យដីដោយប្រើប្រាស់កុំព្យូទ័រ ម៉ូដែលស្ថិតិ និងបញ្ញាសិប្បនិម្មិត (Machine Learning) ដើម្បីទស្សន៍ទាយលក្ខណៈរបស់ដីនៅតំបន់ដែលមិនទាន់បានវាស់វែងផ្ទាល់ ដោយផ្អែកលើទិន្នន័យបរិស្ថានជុំវិញ។ ដូចជាការប្រើប្រាស់ព័ត៌មានអត្តសញ្ញាណបណ្ណរបស់អ្នកជិតខាង ដើម្បីទាយពីប្រវត្តិរូបរបស់អ្នកដែលរស់នៅក្នុងតំបន់តែមួយដោយស្វ័យប្រវត្តិ ដោយមិនបាច់ចុះទៅសួរតាមផ្ទះ។
Soil-landscape conceptual model (ម៉ូដែលគំនិតនៃទំនាក់ទំនងរវាងដីនិងទេសភាព) ជាទ្រឹស្តី ឬគំរូដែលពន្យល់ពីរបៀបដែលប្រភេទដីប្រែប្រួលទៅតាមទីតាំងភូមិសាស្ត្រ។ ម៉ូដែលនេះជួយអ្នកវិទ្យាសាស្ត្រក្នុងការភ្ជាប់ចំណាត់ថ្នាក់ដីទៅនឹងទម្រង់ដីពិតប្រាកដ ដើម្បីធ្វើការប៉ាន់ស្មានលក្ខណៈដីបានត្រឹមត្រូវ។ ដូចជាច្បាប់ធម្មជាតិដែលប្រាប់យើងថា 'កន្លែងណាមានទឹកដក់ (ទីទំនាប) កន្លែងនោះមានដីភក់' ដូច្នេះយើងអាចដឹងពីប្រភេទដីដោយគ្រាន់តែមើលរូបរាងដី។
Pedological (វិទ្យាសាស្ត្រដី ឬ ក្សេត្រភូគព្ភសាស្ត្រ) ទាក់ទងនឹងការសិក្សាអំពីប្រភពកំណើត ការកកើត ចំណាត់ថ្នាក់ និងការពន្យល់ពណ៌នាអំពីលក្ខណៈរូបនិងគីមីនៃដី នៅក្នុងបរិស្ថានធម្មជាតិរបស់វា។ ដូចជាគ្រូពេទ្យរោគវិនិច្ឆ័យដែលពិនិត្យមើលប្រវត្តិនិងអាការៈរបស់អ្នកជំងឺ ដើម្បីដឹងថាតើជំងឺនោះកើតឡើងដោយសារអ្វីនិងមានឈ្មោះអ្វី គ្រាន់តែនេះជាការធ្វើរោគវិនិច្ឆ័យលើដី។
Mid-Infrared (MIR) spectroscopy (ការវិភាគដោយប្រើកាំរស្មីអាំងហ្វ្រារ៉េដកម្រិតកណ្តាល) ជាបច្ចេកវិទ្យាដែលប្រើប្រាស់ពន្លឺអាំងហ្វ្រារ៉េដដើម្បីវាស់ស្ទង់ការស្រូបយកពន្លឺរបស់ដី។ ទិន្នន័យនេះជួយឱ្យអ្នកវិទ្យាសាស្ត្រដឹងពីសមាសធាតុគីមី និងលក្ខណៈរូបវន្តនៃដីបានយ៉ាងលឿន ដោយមិនចាំបាច់ប្រើប្រាស់សារធាតុគីមីច្រើនក្នុងមន្ទីរពិសោធន៍។ ដូចជាការថតកាំរស្មីអ៊ិច (X-ray) ដែលគ្រូពេទ្យប្រើដើម្បីមើលឆ្អឹងខាងក្នុងខ្លួនយើងដោយមិនបាច់វះកាត់។
Spatial extrapolation (ការប៉ាន់ស្មានទិន្នន័យក្នុងលំហ) ជាដំណើរការប្រើប្រាស់ព័ត៌មានពីចំណុចជាក់លាក់មួយដែលយើងបានចុះវាស់វែងផ្ទាល់ ដើម្បីទស្សន៍ទាយ ឬចាត់ថ្នាក់ទិន្នន័យនៅតំបន់ផ្សេងទៀតដែលនៅជុំវិញ ឬមានលក្ខណៈភូមិសាស្ត្រប្រហាក់ប្រហែលគ្នា។ ដូចជាការភ្លក់ស៊ុបតែមួយស្លាបព្រា រួចអ្នកអាចវាយតម្លៃបានថាស៊ុបទាំងមូលក្នុងឆ្នាំងនោះមានរសជាតិយ៉ាងណា។

៦. ប្រធានបទពាក់ព័ន្ធ (Further Reading)

អត្ថបទដែលបានបោះពុម្ពនៅលើ KhmerResearch ដែលទាក់ទងនឹងប្រធានបទនេះ៖

ប្រធានបទ និងសំណួរស្រាវជ្រាវដែលទាក់ទងនឹងឯកសារនេះ ដែលអ្នកអាចស្វែងរកបន្ថែម៖