Original Title: Estimation for Stress Tolerance Indices of Rice Genotypes in Low Nitrogen Condition
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.

ការប៉ាន់ប្រមាណសន្ទស្សន៍នៃភាពធន់នឹងស្ត្រេសរបស់ប្រភេទពូជស្រូវក្នុងលក្ខខណ្ឌអាសូតទាប

ចំណងជើងដើម៖ Estimation for Stress Tolerance Indices of Rice Genotypes in Low Nitrogen Condition

អ្នកនិពន្ធ៖ A.P. Lestari (Indonesian Center for Rice Research, Indonesia), Suwarno (Indonesian Center for Rice Research, Indonesia), Trikoesoemaningtyas (Institut Pertanian Bogor, Indonesia), D. Sopandie (Institut Pertanian Bogor, Indonesia), H. Aswidinnoor (Institut Pertanian Bogor, Indonesia)

ឆ្នាំបោះពុម្ព៖ 2019 (Thai Journal of Agricultural Science)

វិស័យសិក្សា៖ Agronomy

១. សេចក្តីសង្ខេបប្រតិបត្តិ (Executive Summary)

បញ្ហា (The Problem)៖ ការសិក្សានេះដោះស្រាយបញ្ហានៃការប្រើប្រាស់ជីអាសូត (N) ច្រើនហួសកម្រិតដោយស្វែងរកពូជស្រូវដែលធន់ទ្រាំនឹងលក្ខខណ្ឌអាសូតទាប ដើម្បីកាត់បន្ថយការចំណាយលើជី និងផលប៉ះពាល់បរិស្ថាន។

វិធីសាស្ត្រ (The Methodology)៖ ការស្រាវជ្រាវនេះបានធ្វើការប្រៀបធៀបទិន្នផលពូជស្រូវចំនួន ២៦ នៅក្នុងលក្ខខណ្ឌអាសូតទាប និងអាសូតសមស្រប ដោយប្រើប្រាស់សន្ទស្សន៍វាស់ស្ទង់ភាពធន់ចំនួន ៧ ប្រភេទ។

លទ្ធផលសំខាន់ៗ (The Verdict)៖

២. ការវិភាគលើប្រសិទ្ធភាព និងដែនកំណត់ (Performance & Constraints)

វិធីសាស្ត្រ (Method) គុណសម្បត្តិ (Pros) គុណវិបត្តិ (Cons) លទ្ធផលគន្លឹះ (Key Result)
MP, GMP, and STI Indices
សន្ទស្សន៍ផលិតភាពមធ្យម (MP) មធ្យមធរណីមាត្រ (GMP) និងភាពធន់នឹងស្ត្រេស (STI)
មានទំនាក់ទំនងវិជ្ជមានយ៉ាងខ្លាំងជាមួយទិន្នផលទាំងក្នុងលក្ខខណ្ឌអាសូតទាប និងអាសូតសមស្រប។ ល្អបំផុតសម្រាប់ជ្រើសរើសពូជដែលផ្តល់ទិន្នផលខ្ពស់និងមានស្ថិរភាព។ ប្រហែលជាមិនអាចញែកដាច់ពីគ្នានូវភាពធន់សុទ្ធសាធ ប្រសិនបើពូជនោះមានសក្តានុពលទិន្នផលខ្ពស់ខ្លាំងពីធម្មជាតិ។ សន្ទស្សន៍ទាំងនេះពន្យល់ពីបំរែបំរួលបានច្រើនជាងគេ (PCA ទី១ ពន្យល់បាន ៦៩.៥%) និងត្រូវបានរកឃើញថាជាសូចនាករល្អបំផុត។
TOL and SSI Indices
សន្ទស្សន៍កម្រិតនៃការអត់ធន់ (TOL) និងភាពងាយរងគ្រោះដោយស្ត្រេស (SSI)
មានប្រយោជន៍ក្នុងការកំណត់ពូជស្រូវដែលមានការថយចុះទិន្នផលតិចតួចបំផុតនៅពេលជួបប្រទះលក្ខខណ្ឌខ្វះអាសូត។ មានទំនាក់ទំនងអវិជ្ជមានជាមួយទិន្នផលក្នុងលក្ខខណ្ឌល្អប្រសើរ (Yp) ដែលអាចធ្វើឱ្យអ្នកស្រាវជ្រាវជ្រើសរើសចំមូលពូជដែលផ្តល់ទិន្នផលសរុបទាប។ មិនស័ក្តិសមសម្រាប់ប្រើជាសូចនាករវាយតម្លៃបំរែបំរួលទិន្នផលក្នុងលក្ខខណ្ឌអាសូតទាបនោះទេ ដោយសារមេគុណកាត់សេចក្តី (R2) មានកម្រិតទាបនិងអវិជ្ជមាន។

ការចំណាយលើធនធាន (Resource Cost)៖ ការសិក្សានេះទាមទារឱ្យមានការរៀបចំដីស្រែពិសោធន៍ជាក់ស្តែង ការប្រើប្រាស់ជីគីមី និងកម្មវិធីកុំព្យូទ័រសម្រាប់វិភាគទិន្នន័យស្ថិតិ។

៣. ការពិនិត្យសម្រាប់បរិបទកម្ពុជា/អាស៊ីអាគ្នេយ៍

ភាពលំអៀងនៃទិន្នន័យ (Data Bias)៖

ការសិក្សានេះត្រូវបានធ្វើឡើងនៅកសិដ្ឋានពិសោធន៍ Muara ក្នុងទីក្រុង Bogor ប្រទេសឥណ្ឌូនេស៊ី លើប្រភេទដី Oxisols (latosol) និងក្នុងរដូវវស្សា។ ដោយសារលក្ខខណ្ឌអាកាសធាតុ និងប្រភេទដីមានភាពខុសគ្នាពីតំបន់វាលទំនាបនៃប្រទេសកម្ពុជា ការអនុវត្តផ្ទាល់ចាំបាច់ត្រូវមានការសាកល្បងផ្ទៀងផ្ទាត់ឡើងវិញជាមួយពូជស្រូវក្នុងស្រុក និងលក្ខខណ្ឌដីរបស់កម្ពុជា។

លទ្ធភាពនៃការអនុវត្ត (Applicability)៖

វិធីសាស្រ្តប្រើប្រាស់សន្ទស្សន៍វាយតម្លៃនេះ មានអត្ថប្រយោជន៍យ៉ាងខ្លាំងសម្រាប់ការស្រាវជ្រាវកសិកម្មនៅកម្ពុជា។

ការអនុវត្តវិធីសាស្រ្តវិភាគស្ថិតិទាំងនេះក្នុងកម្មវិធីបង្កាត់ពូជដំណាំ នឹងជួយពន្លឿនការរកឃើញពូជស្រូវកម្ពុជាដែលមានភាពធន់ខ្ពស់ និងជួយបង្កើនប្រាក់ចំណេញដល់កសិករ។

៤. ផែនការសកម្មភាពសម្រាប់និស្សិត (Actionable Roadmap)

ដើម្បីអនុវត្តតាមការសិក្សានេះ និស្សិតគួរអនុវត្តតាមជំហានខាងក្រោម៖

  1. ស្វែងយល់និងកំណត់រូបមន្តសន្ទស្សន៍ (Understand Tolerance Indices): សិក្សាពីរូបមន្តគណនាសន្ទស្សន៍ទាំង៧ (MP, GMP, STI, TOL, SSI, YSI) និងរៀបចំគំរូទម្រង់ (Template) នៅក្នុង Microsoft Excel សម្រាប់ការគណនាស្វ័យប្រវត្តិ។
  2. រៀបចំការពិសោធន៍វាលស្រែ (Set up Field Experiments): រៀបចំដីពិសោធន៍ដោយបែងចែកជាពីរប្លុកធំៗ៖ មួយប្រើកម្រិតជីអាសូតទាប (ឧទាហរណ៍ ៣០ គ.ក្រ/ហត) និងមួយទៀតប្រើកម្រិតស្តង់ដារ ដោយប្រើពូជស្រូវកម្ពុជាដែលចង់សាកល្បង។
  3. ប្រមូលនិងកត់ត្រាទិន្នន័យទិន្នផល (Collect and Record Yield Data): វាស់វែងទិន្នផលគ្រាប់ស្រូវ (t/ha) របស់ពូជនីមួយៗក្នុងលក្ខខណ្ឌទាំងពីរដោយភាពសុក្រឹត និងបញ្ចូលទិន្នន័យទៅក្នុងកម្មវិធី Excel ដែលបានរៀបចំទុក។
  4. អនុវត្តការវិភាគស្ថិតិកម្រិតខ្ពស់ (Perform Advanced Statistical Analysis): ប្រើប្រាស់កម្មវិធីដូចជា MinitabR Studio ដើម្បីធ្វើការវិភាគ Principal Component Analysis (PCA) និង Regression Analysis ដើម្បីរកមើលទំនាក់ទំនងរវាងសន្ទស្សន៍និងទិន្នផល។
  5. ជ្រើសរើសនិងពង្រីកការសាកល្បង (Select and Expand Field Trials): ជ្រើសរើសយកពូជដែលទទួលបានពិន្ទុ MP, GMP និង STI ខ្ពស់ជាងគេ រួចយកទៅសាកល្បងដាំដុះនៅតាមបណ្តាខេត្តផ្សេងៗដើម្បីបញ្ជាក់ពីស្ថិរភាពមុននឹងផ្សព្វផ្សាយដល់កសិករ។

៥. វាក្យសព្ទបច្ចេកទេស (Technical Glossary)

ពាក្យបច្ចេកទេស ការពន្យល់ជាខេមរភាសា (Khmer Explanation) និយមន័យសាមញ្ញ (Simple Definition)
Stress Tolerance Index (STI) (សន្ទស្សន៍ភាពធន់នឹងស្ត្រេស) សូចនាករគណិតវិទ្យាដែលប្រើដើម្បីកំណត់អត្តសញ្ញាណពូជដំណាំណាដែលអាចផ្តល់ទិន្នផលខ្ពស់ទាំងនៅក្នុងលក្ខខណ្ឌដាំដុះល្អប្រសើរ និងលក្ខខណ្ឌខ្វះខាត (មានស្ត្រេស)។ ដូចជាការវាយតម្លៃរថយន្តមួយដែលអាចរត់បានលឿននិងទប់លំនឹងបានល្អ ទាំងនៅលើផ្លូវរាបស្មើ និងផ្លូវរដិបរដុប។
Geometric Mean Productivity (GMP) (ផលិតភាពមធ្យមធរណីមាត្រ) សូចនាករវាយតម្លៃទិន្នផលដោយប្រើមធ្យមធរណីមាត្រ (ឫសការ៉េនៃផលគុណទិន្នផលទាំងពីរ) ដែលជួយកាត់បន្ថយឥទ្ធិពលលំអៀងនៅពេលដែលមានភាពខុសគ្នាខ្លាំងរវាងទិន្នផលក្នុងលក្ខខណ្ឌល្អ និងលក្ខខណ្ឌខ្វះខាត។ ដូចជាការវាស់ស្ទង់សមត្ថភាពកីឡាករម្នាក់ដែលលេងបានល្អទាំងក្នុងតារាងស្ងួត និងតារាងសើម ដោយមិនឱ្យពិន្ទុមួយទាញទម្លាក់ពិន្ទុមួយទៀតខ្លាំងពេក។
Stress Susceptibility Index (SSI) (សន្ទស្សន៍ភាពងាយរងគ្រោះដោយស្ត្រេស) សូចនាករដែលវាស់វែងពីកម្រិតនៃការថយចុះទិន្នផលរបស់ពូជដំណាំណាមួយ នៅពេលជួបប្រទះលក្ខខណ្ឌស្ត្រេសធៀបនឹងលក្ខខណ្ឌធម្មតា។ តម្លៃ SSI កាន់តែតូច មានន័យថាដំណាំនោះកាន់តែមានភាពធន់។ ដូចជាការវាស់ស្ទង់ថាតើមនុស្សម្នាក់ឆាប់ធ្លាក់ខ្លួនឈឺកម្រិតណា នៅពេលដែលអាកាសធាតុប្រែប្រួលភ្លាមៗ។
Mean Productivity (MP) (ផលិតភាពមធ្យម) សូចនាករដែលវាស់វែងទិន្នផលមធ្យមភាគសាមញ្ញនៃពូជដំណាំមួយនៅក្រោមលក្ខខណ្ឌពីរផ្សេងគ្នា (មានស្ត្រេស និងគ្មានស្ត្រេស) ដើម្បីដឹងពីសក្តានុពលទិន្នផលជារួម។ ដូចជាការគណនាពិន្ទុមធ្យមរបស់សិស្សម្នាក់ដែលប្រឡងទាំងមុខវិជ្ជាស្រួល និងមុខវិជ្ជាពិបាក ដើម្បីវាយតម្លៃសមត្ថភាពទូទៅរបស់គាត់។
Principal Component Analysis (PCA) (ការវិភាគសមាសភាគចម្បង) វិធីសាស្រ្តវិភាគស្ថិតិដែលប្រើសម្រាប់បង្រួមទិន្នន័យស្មុគស្មាញដែលមានអថេរច្រើន ឱ្យមកនៅសល់ត្រឹមសមាសភាគសំខាន់ៗមួយចំនួនតូច (PC1, PC2) ដើម្បីងាយស្រួលមើលឃើញពីទំនាក់ទំនងនិងភាពប្រែប្រួលរបស់ទិន្នន័យនៅលើក្រាហ្វ។ ដូចជាការសង្ខេបសៀវភៅក្រាស់មួយក្បាលឱ្យមកនៅត្រឹមចំណុចសំខាន់២ឬ៣ទំព័រ ដែលនៅតែរក្សាអត្ថន័យដើមទាំងស្រុង។
Genotype (ពូជសែន ឬសេណូទីប) ទម្រង់សេនេទិច (DNA) ឬពូជជាក់លាក់របស់សារពាង្គកាយមួយ ដែលកំណត់ពីលក្ខណៈសម្បត្តិ និងការឆ្លើយតបរបស់វាក្នុងបរិស្ថាន។ ក្នុងការសិក្សានេះ វាសំដៅលើប្រភេទពូជកូនកាត់ឬពូជស្រូវនីមួយៗដែលយកមកពិសោធន៍។ ដូចជាប្លង់មេ (Blueprint) របស់ផ្ទះមួយដែលកំណត់ពីទំហំ និងរូបរាងរបស់ផ្ទះនោះតាំងពីមុនពេលចាប់ផ្តើមសាងសង់។
AMMI model (ម៉ូដែល AMMI) ម៉ូដែលស្ថិតិ (Additive Main effects and Multiplicative Interaction) មួយដែលរួមបញ្ចូលការវិភាគបំរែបំរួល (ANOVA) និង PCA ដើម្បីសិក្សាពីឥទ្ធិពលទៅវិញទៅមករវាងប្រភេទពូជដំណាំ និងបរិស្ថានដែលវាដុះលូតលាស់។ ដូចជាការប្រើប្រាស់ប្រព័ន្ធកុំព្យូទ័រដើម្បីវិភាគរកមើលថាតើប្រភេទគ្រាប់ពូជណាដែលត្រូវគ្នាបេះបិទជាមួយប្រភេទដីនីមួយៗ ដើម្បីឱ្យទទួលបានផលច្រើនបំផុត។

៦. ប្រធានបទពាក់ព័ន្ធ (Further Reading)

អត្ថបទដែលបានបោះពុម្ពនៅលើ KhmerResearch ដែលទាក់ទងនឹងប្រធានបទនេះ៖

ប្រធានបទ និងសំណួរស្រាវជ្រាវដែលទាក់ទងនឹងឯកសារនេះ ដែលអ្នកអាចស្វែងរកបន្ថែម៖