Original Title: Determination of Land Suitability for Musa (ABB group) “Kluai Nam Wa” Using Geographic Information System
Source: doi.org/10.14456/thaidoa-agres.2003.16
Disclaimer: Summary generated by AI based on the provided document. Please refer to the original paper for full scientific accuracy.

ការកំណត់កម្រិតភាពសមស្របនៃដីសម្រាប់ការដាំចេកណាំវ៉ា Musa (ABB group) ដោយប្រើប្រាស់ប្រព័ន្ធព័ត៌មានភូមិសាស្ត្រ

១. សេចក្តីសង្ខេបប្រតិបត្តិ (Executive Summary)

បញ្ហា (The Problem)៖ ការសិក្សានេះដោះស្រាយបញ្ហានៃការថយចុះផ្ទៃដីដាំដុះចេកណាំវ៉ា Musa (ABB group) នៅស្រុក Bang Krathum ខេត្ត Phitsanulok ដោយសារការរាតត្បាតនៃជំងឺរលួយ (Fusarium wilt) និងការខូចខាតធនធានកសិកម្ម។ អ្នកស្រាវជ្រាវមានគោលបំណងវាយតម្លៃភាពសមស្របនៃផ្ទៃដី ដើម្បីជួយដល់ការរៀបចំផែនការ និងការគ្រប់គ្រងធនធានឡើងវិញ។

វិធីសាស្ត្រ (The Methodology)៖ ការសិក្សានេះបានប្រើប្រាស់ប្រព័ន្ធព័ត៌មានភូមិសាស្ត្រ (GIS) ដើម្បីបង្កើតគំរូផែនទីលំហនិងពេលវេលា (Space-time-map model) សម្រាប់ការវាយតម្លៃ និងចាត់ថ្នាក់ភាពសមស្របនៃដី។

  • ការប្រើប្រាស់ប្រព័ន្ធព័ត៌មានភូមិសាស្ត្រ (Geographic Information System - ArcView GIS Version 3.2)
  • ការវិភាគត្រួតស៊ីគ្នា (Overlay Analysis) លើអថេរចំនួន 17 ដែលបែងចែកជា 5 កត្តាធំៗ៖ លក្ខណៈដី ទម្រង់ដី អាកាសធាតុ ប្រភពទឹកបន្ថែម និងទីផ្សារ
  • ការកំណត់ទម្ងន់ពិន្ទុ (Weighting and Scoring) សម្រាប់កត្តានីមួយៗតាមសារៈសំខាន់របស់វាចំពោះការលូតលាស់របស់ចេក

លទ្ធផលសំខាន់ៗ (The Verdict)៖

  • ផ្ទៃដីចំនួន 65,217.75 រ៉ៃ (29.93%) ស្ថិតក្នុងកម្រិតមិនសមស្រប (S4) សម្រាប់ការដាំដុះចេក។
  • ផ្ទៃដីចំនួន 62,738.25 រ៉ៃ (28.79%) មានភាពសមស្របតិចតួច (S3) និង 46,721.25 រ៉ៃ (21.44%) មានភាពសមស្របមធ្យម (S2)។
  • មានតែផ្ទៃដី 36,020.25 រ៉ៃ (16.53%) ប៉ុណ្ណោះដែលស្ថិតក្នុងកម្រិតសមស្របបំផុត (S1) ខណៈដែល 7,212.50 រ៉ៃ (3.31%) មិនអាចប្រើប្រាស់ជាតំបន់កសិកម្មបានទេ។

២. ការវិភាគលើប្រសិទ្ធភាព និងដែនកំណត់ (Performance & Constraints)

វិធីសាស្ត្រ (Method) គុណសម្បត្តិ (Pros) គុណវិបត្តិ (Cons) លទ្ធផលគន្លឹះ (Key Result)
Traditional / Unplanned Plantation
ការដាំដុះតាមទម្លាប់ ឬគ្មានការវាយតម្លៃដីជាមុន
ងាយស្រួលអនុវត្តសម្រាប់កសិករទូទៅ និងមិនទាមទារការចំណាយលើការស្រាវជ្រាវ ឬបច្ចេកវិទ្យា។ ប្រឈមមុខខ្ពស់នឹងការខូចខាតដោយសារជំងឺរលួយ (Fusarium wilt) ទិន្នផលធ្លាក់ចុះ និងការប្រើប្រាស់ធនធានមិនអស់សក្តានុពល។ ការសិក្សាបង្ហាញថាដីដាំដុះបច្ចុប្បន្នភាគច្រើនស្ថិតក្នុងតំបន់មិនសូវសមស្រប ដែលបណ្តាលឱ្យមានការរាតត្បាតជំងឺខ្លាំង។
GIS-based Weighted Overlay Analysis
ការវិភាគត្រួតស៊ីគ្នាដោយផ្តល់ទម្ងន់ពិន្ទុតាមប្រព័ន្ធ GIS
អាចវិភាគទិន្នន័យចម្រុះ (ដី អាកាសធាតុ ទីផ្សារ) ដើម្បីកំណត់តំបន់សក្តានុពលខ្ពស់ កាត់បន្ថយហានិភ័យ និងបង្កើនប្រសិទ្ធភាពផលិតកម្ម។ ទាមទារការប្រមូលទិន្នន័យច្រើន ឧបករណ៍បច្ចេកទេស និងធនធានមនុស្សដែលមានជំនាញផ្នែកប្រព័ន្ធព័ត៌មានភូមិសាស្ត្រ។ រកឃើញថាមានផ្ទៃដីត្រឹមតែ 16.53% (36,020.25 រ៉ៃ) ប៉ុណ្ណោះដែលមានភាពសមស្របខ្ពស់បំផុត (S1) សម្រាប់ការដាំចេក។

ការចំណាយលើធនធាន (Resource Cost)៖ ការសិក្សានេះទាមទារឧបករណ៍ចុះវាលសម្រាប់ការប្រមូលទិន្នន័យ និងកម្មវិធីកុំព្យូទ័រសម្រាប់ការវិភាគទិន្នន័យលំហ (Spatial Data)។

៣. ការពិនិត្យសម្រាប់បរិបទកម្ពុជា/អាស៊ីអាគ្នេយ៍

ភាពលំអៀងនៃទិន្នន័យ (Data Bias)៖

ការសិក្សានេះត្រូវបានធ្វើឡើងនៅក្នុងស្រុក Bang Krathum ខេត្ត Phitsanulok ប្រទេសថៃ ដោយប្រើប្រាស់ទិន្នន័យអាកាសធាតុ លក្ខណៈដី និងទីផ្សារក្នុងតំបន់នោះផ្ទាល់។ សម្រាប់ប្រទេសកម្ពុជា ការទាញយកទម្ងន់ពិន្ទុ (Weighting scores) នៃអថេរទាំងនេះមកប្រើប្រាស់ផ្ទាល់អាចនឹងមិនត្រឹមត្រូវ១០០% នោះទេ ដោយសារស្ថានភាពកសិ-អេកូឡូស៊ី និងហេដ្ឋារចនាសម្ព័ន្ធទីផ្សារមានភាពខុសគ្នា។

លទ្ធភាពនៃការអនុវត្ត (Applicability)៖

វិធីសាស្ត្រវាយតម្លៃភាពសមស្របនៃផ្ទៃដីតាមរយៈប្រព័ន្ធ GIS នេះ គឺមានភាពចាំបាច់ និងអាចយកមកអនុវត្តបានយ៉ាងមានប្រសិទ្ធភាពក្នុងការរៀបចំផែនការកសិកម្មនៅកម្ពុជា។

  • ការរៀបចំផែនការតំបន់កសិកម្មខេត្តបាត់ដំបង និងបន្ទាយមានជ័យ: ខេត្តទាំងនេះជាជម្រុកកសិកម្មចម្រុះ ការប្រើ GIS អាចជួយកំណត់តំបន់សមស្របបំផុតសម្រាប់ដាំដំណាំសេដ្ឋកិច្ច (ដូចជាចេកអំបូងលឿង ឬស្វាយ) ដើម្បីកាត់បន្ថយការខាតបង់ដោយសារគ្រោះរាំងស្ងួត ឬជំងឺ។
  • ក្រសួងកសិកម្ម រុក្ខាប្រមាញ់ និងនេសាទ (MAFF): ក្រសួងអាចប្រើប្រាស់គំរូវិភាគនេះដើម្បីបង្កើត «ផែនទីសក្តានុពលកសិ-អេកូឡូស៊ីថ្នាក់ជាតិ» សម្រាប់ផ្តល់ការណែនាំដល់កសិករថាគួរដាំដំណាំអ្វី នៅតំបន់ណា ទើបទទួលបានទិន្នផលខ្ពស់។
  • ការទាក់ទាញការវិនិយោគកសិ-ឧស្សាហកម្ម: ក្រុមហ៊ុនឯកជនអាចប្រើប្រាស់គំរូនេះដើម្បីវាយតម្លៃ និងជ្រើសរើសទីតាំងរោងចក្រកែច្នៃ ដោយគិតបញ្ចូលទាំងចម្ងាយពីចម្ការប្រភព និងចម្ងាយពីផ្លូវធំ (Marketing Factors)។

ការរួមបញ្ចូលប្រព័ន្ធ GIS ទៅក្នុងការគ្រប់គ្រងការប្រើប្រាស់ដីកសិកម្ម នឹងជួយកម្ពុជាផ្លាស់ប្តូរពីការដាំដុះតាមទម្លាប់ ទៅជាកសិកម្មឆ្លាតវៃដែលពឹងផ្អែកលើទិន្នន័យ (Data-driven Agriculture)។

៤. ផែនការសកម្មភាពសម្រាប់និស្សិត (Actionable Roadmap)

ដើម្បីអនុវត្តតាមការសិក្សានេះ និស្សិតគួរអនុវត្តតាមជំហានខាងក្រោម៖

  1. សិក្សាមូលដ្ឋានគ្រឹះនៃប្រព័ន្ធ GIS និងការរៀបចំទិន្នន័យ: ចាប់ផ្តើមដោយការរៀនប្រើប្រាស់កម្មវិធីសូហ្វវែរ QGIS (ឥតគិតថ្លៃ) ឬ ArcGIS Pro ដោយផ្តោតលើការគ្រប់គ្រងទិន្នន័យលំហរ (Spatial Data) ទម្រង់ Raster និង Vector។
  2. ប្រមូល និងធ្វើចំណាត់ថ្នាក់ទិន្នន័យកសិ-បរិស្ថាន: ស្វែងរកទិន្នន័យពាក់ព័ន្ធនឹងតំបន់គោលដៅនៅកម្ពុជា ដូចជាទិន្នន័យដី (ប្រភេទដី កម្រិត pH) ទិន្នន័យអាកាសធាតុ ទិន្នន័យសណ្ឋានដី (DEM) និងទិន្នន័យហេដ្ឋារចនាសម្ព័ន្ធ (ផ្លូវ ប្រភពទឹក) ពីភ្នាក់ងារពាក់ព័ន្ធ ឬប្រភពបើកចំហរអន្តរជាតិ។
  3. កំណត់លក្ខណៈវិនិច្ឆ័យ និងផ្តល់ទម្ងន់ពិន្ទុ (Weighting): សិក្សាពីវិធីសាស្ត្រ Multi-Criteria Evaluation (MCE) និងការប្រើប្រាស់ Analytic Hierarchy Process (AHP) ដើម្បីពិគ្រោះយោបល់ជាមួយអ្នកជំនាញក្នុងការផ្តល់ទម្ងន់ពិន្ទុថាតើកត្តាណា (ឧ. ទឹក ឬដី) សំខាន់ជាងគេសម្រាប់ដំណាំគោលដៅ។
  4. អនុវត្តការវិភាគត្រួតស៊ីគ្នា (Weighted Overlay Analysis): ប្រើប្រាស់ឧបករណ៍ Map Algebra / Raster Calculator នៅក្នុងកម្មវិធី GIS ដើម្បីបូកបញ្ចូលស្រទាប់ទិន្នន័យទាំងអស់ (Layers) ដែលបានផ្តល់ទម្ងន់រួច ដើម្បីបង្កើតផែនទីចំណាត់ថ្នាក់ភាពសមស្របចុងក្រោយ (S1, S2, S3, S4)។
  5. ចុះផ្ទៀងផ្ទាត់ទិន្នន័យនៅទីវាល (Ground Truthing): យកផែនទីដែលវិភាគរួចចុះទៅទីតាំងជាក់ស្តែង ដោយប្រើ GPS HandheldMobile Mapping Apps ដើម្បីផ្ទៀងផ្ទាត់ថាតើលក្ខណៈដី និងស្ថានភាពជាក់ស្តែង ពិតជាស្របគ្នានឹងលទ្ធផលនៅលើផែនទីដែរឬទេ។

៥. វាក្យសព្ទបច្ចេកទេស (Technical Glossary)

ពាក្យបច្ចេកទេស ការពន្យល់ជាខេមរភាសា (Khmer Explanation) និយមន័យសាមញ្ញ (Simple Definition)
Geographic Information System / GIS (ប្រព័ន្ធព័ត៌មានភូមិសាស្ត្រ) ប្រព័ន្ធកុំព្យូទ័រដែលប្រើសម្រាប់ប្រមូល ចងក្រង រក្សាទុក វិភាគ និងបង្ហាញទិន្នន័យដែលទាក់ទងនឹងទីតាំងភូមិសាស្ត្រជាក់លាក់ ដើម្បីជួយដល់ការរៀបចំផែនការ និងការសម្រេចចិត្តក្នុងការប្រើប្រាស់ធនធាន។ ដូចជាផែនទីឆ្លាតវៃនៅលើកុំព្យូទ័រ ដែលអាចឱ្យយើងដាក់តម្រួតទិន្នន័យជាច្រើនជាន់ (ដូចជាផ្លូវ ទឹក ដី) ដើម្បីរកមើលទីតាំងដែលល្អបំផុតសម្រាប់ធ្វើអ្វីមួយ។
Raster overlay analysis (ការវិភាគត្រួតស៊ីគ្នាទម្រង់រ៉ាស្ទ័រ) ដំណើរការវិភាគក្នុងប្រព័ន្ធ GIS ដែលយកស្រទាប់ផែនទីជាក្រឡាចត្រង្គ (Grids) ជាច្រើនមកត្រួតពីលើគ្នា រួចធ្វើការគណនាដោយប្រើរូបមន្តគណិតវិទ្យា (Map Algebra) ដើម្បីបង្កើតជាផែនទីលទ្ធផលថ្មីមួយដែលបង្ហាញពីភាពសមស្របរួម។ ដូចជាការយកសន្លឹកកញ្ចក់ថ្លាដែលមានគំនូសពណ៌ផ្សេងៗគ្នាមកដាក់ត្រួតលើគ្នា ដើម្បីមើលឃើញរូបភាពរួមមួយនៅត្រង់ចំណុចដែលវាត្រួតស៊ីគ្នា។
Weighting and scoring (ការផ្តល់ទម្ងន់ និងការដាក់ពិន្ទុ) វិធីសាស្ត្រក្នុងការវាយតម្លៃពហុលក្ខណៈវិនិច្ឆ័យ ដោយផ្តល់តម្លៃពិន្ទុទៅលើអថេរនីមួយៗ និងផ្តល់កម្រិតអាទិភាព (ទម្ងន់) ទៅតាមសារៈសំខាន់នៃកត្តាទាំងនោះចំពោះគោលដៅនៃការវិភាគ (ឧទាហរណ៍៖ ទឹកសំខាន់ជាងជម្រាលដី ដូច្នេះទឹកបានទម្ងន់ខ្ពស់ជាង)។ ដូចជាការដាក់ពិន្ទុប្រឡងរបស់សិស្ស ដោយមុខវិជ្ជាគោល (ដូចជាគណិតវិទ្យា) មានមេគុណខ្ពស់ជាងមុខវិជ្ជាបន្ទាប់បន្សំ។
Fusarium wilt (ជំងឺរលួយហ្វូសារីយ៉ូម ឬ ជំងឺតាយប្រាយ) ជំងឺផ្សិតម្យ៉ាងដែលបំផ្លាញប្រព័ន្ធឫសនិងដើមរបស់ចេក ធ្វើឱ្យស្ទះចរន្តទឹកនិងរ៉ែធាតុ បណ្តាលឱ្យដើមចេកប្រែជាពណ៌លឿង ស្វិតស្រពោន និងងាប់បន្តិចម្តងៗ ហើយផ្សិតនេះអាចរស់នៅក្នុងដីបានយូរឆ្នាំដែលពិបាកក្នុងការកម្ចាត់។ ដូចជាជំងឺស្ទះសរសៃឈាមនៅក្នុងខ្លួនមនុស្ស ដែលធ្វើឱ្យឈាមមិនអាចរត់ទៅចិញ្ចឹមសរីរាង្គបាន បណ្តាលឱ្យសរីរាង្គនោះខូចខាតនិងស្លាប់។
Spatial interpolation (ការប៉ាន់ស្មានទិន្នន័យលំហចន្លោះ) បច្ចេកទេសប៉ាន់ស្មានតម្លៃទិន្នន័យនៅទីតាំងដែលមិនមានការវាស់វែងជាក់ស្តែង (ឧទាហរណ៍៖ កម្រិតទឹកភ្លៀង ឬសីតុណ្ហភាពនៅតំបន់ចន្លោះស្ថានីយវាស់វែង) ដោយផ្អែកលើការគណនាតាមទិន្នន័យនៃចំណុចវាស់វែងដែលនៅជុំវិញវា។ ដូចជាការទស្សន៍ទាយអាកាសធាតុនៅតំបន់ផ្ទះរបស់អ្នក ដោយសង្កេតមើលទៅលើពពក និងភ្លៀងដែលកំពុងធ្លាក់នៅតំបន់ជុំវិញអ្នក។
Reclassification (ការធ្វើចំណាត់ថ្នាក់ឡើងវិញ) ដំណើរការបំប្លែងតម្លៃទិន្នន័យ ឬពិន្ទុចាស់នៅក្នុងផែនទី GIS ទៅជាក្រុម ឬថ្នាក់ថ្មី (ឧទាហរណ៍៖ ការបំប្លែងពិន្ទុសរុបពី ៤៤-៩២ ទៅជាថ្នាក់ S1, S2, S3, S4) ដើម្បីងាយស្រួលក្នុងការបកស្រាយលទ្ធផលកម្រិតភាពសមស្របនៃដី។ ដូចជាការបំប្លែងពិន្ទុប្រឡងប្រចាំខែរបស់សិស្សពីលេខ ១ ដល់ ១០០ ទៅជានិទ្ទេស A, B, C, D ឬ F ងាយស្រួលយល់។

៦. ប្រធានបទពាក់ព័ន្ធ (Further Reading)

អត្ថបទដែលបានបោះពុម្ពនៅលើ KhmerResearch ដែលទាក់ទងនឹងប្រធានបទនេះ៖

ប្រធានបទ និងសំណួរស្រាវជ្រាវដែលទាក់ទងនឹងឯកសារនេះ ដែលអ្នកអាចស្វែងរកបន្ថែម៖