បញ្ហា (The Problem)៖ ការសិក្សានេះដោះស្រាយបញ្ហាកង្វះខាតទិន្នន័យច្បាស់លាស់អំពីតម្រូវការទឹកសម្រាប់ស្រោចស្រពតាមទីតាំងជាក់លាក់ ដើម្បីធ្វើឲ្យប្រសើរឡើងនូវការគ្រប់គ្រងធនធានទឹកដែលកំពុងមានតម្រូវការកើនឡើងនៅក្នុងអាងទន្លេចៅប្រាយ៉ា (Chao Phraya)។
វិធីសាស្ត្រ (The Methodology)៖ ការស្រាវជ្រាវនេះបានប្រើប្រាស់ទិន្នន័យរូបភាពផ្កាយរណប និងទិន្នន័យអាកាសធាតុពីស្ថានីយផ្ទាល់ ដើម្បីគណនាកម្រិតរំហួត-រំភាយជាក់ស្តែង (Actual Evapotranspiration) និងប្រៀបធៀបជាមួយបរិមាណទឹកភ្លៀងដើម្បីរកតម្រូវការស្រោចស្រព។
លទ្ធផលសំខាន់ៗ (The Verdict)៖
| វិធីសាស្ត្រ (Method) | គុណសម្បត្តិ (Pros) | គុណវិបត្តិ (Cons) | លទ្ធផលគន្លឹះ (Key Result) |
|---|---|---|---|
| SEBAL (Surface Energy Balance Algorithm for Land) ក្បួនដោះស្រាយតុល្យភាពថាមពលផ្ទៃសម្រាប់ដី (ការប្រើប្រាស់រូបភាពផ្កាយរណប MODIS និង Landsat 7) |
ផ្តល់គុណភាពបង្ហាញតាមលំហបានល្អ (Good spatial resolution) ដោយគ្របដណ្តប់លើផ្ទៃដីធំទូលាយ។ | ទាមទារការប្រើប្រាស់ទិន្នន័យកម្ពស់ (DEM) ដើម្បីកែសម្រួលសម្រាប់តំបន់ភ្នំ និងផ្តល់ទិន្នន័យបានត្រឹមតែនៅពេលផ្កាយរណបឆ្លងកាត់ប៉ុណ្ណោះ។ | មានទំនាក់ទំនងលីនេអ៊ែរល្អជាមួយការគណនាតាម FAO Penman-Monteith ដោយមានមេគុណសហសម្ព័ន្ធជាមធ្យម ០.៧៩។ |
| FAO Penman-Monteith សមីការប៉ាន់ស្មានរំហួត-រំភាយផ្អែកលើទិន្នន័យអាកាសធាតុពីស្ថានីយផ្ទាល់ |
ផ្តល់គុណភាពបង្ហាញតាមពេលវេលាបានល្អ (Good temporal resolution) អាចគណនាទិន្នន័យជារៀងរាល់ថ្ងៃបានយ៉ាងសុក្រឹតនៅតាមទីតាំងជាក់លាក់។ | ត្រូវការទិន្នន័យពីបណ្តាញស្ថានីយអាកាសធាតុក្រាស់ក្រែល និងតម្រូវឱ្យប្រើវិធីសាស្ត្រ Co-kriging ដើម្បីពង្រីកទិន្នន័យតាមលំហ។ | ត្រូវបានជ្រើសរើសសម្រាប់ប្រើប្រាស់ជាទិន្នន័យធាតុចូលក្នុងការគណនាតម្រូវការស្រោចស្រពចុងក្រោយដោយសារភាពជាក់លាក់ខ្ពស់តាមពេលវេលា។ |
| TRMM Satellite Images vs Rain Gauge Stations ការប្រៀបធៀបរូបភាពផ្កាយរណប TRMM ជាមួយស្ថានីយវាស់ទឹកភ្លៀងផ្ទាល់ |
ទិន្នន័យ TRMM អាចគ្របដណ្តប់តំបន់ដែលគ្មានស្ថានីយវាស់វែង (ដូចជាតំបន់ភ្នំ) ខណៈដែលស្ថានីយផ្តល់ទិន្នន័យផ្ទាល់ច្បាស់លាស់។ | ទិន្នន័យ TRMM ទាមទារការផ្ទៀងផ្ទាត់ជាមួយទិន្នន័យលើដី ចំណែកឯស្ថានីយវាស់ទឹកភ្លៀងមិនអាចគ្របដណ្តប់គ្រប់ទីតាំង។ | មានទំនាក់ទំនងល្អរវាងវិធីសាស្ត្រទាំងពីរ (មេគុណសហសម្ព័ន្ធពី ០.៤៨ ដល់ ០.៨៧) ហើយ TRMM ត្រូវបានជ្រើសរើសដោយសារការគ្របដណ្តប់លំហបានពេញលេញជាង។ |
ការចំណាយលើធនធាន (Resource Cost)៖ ការអនុវត្តវិធីសាស្ត្រនេះទាមទារការប្រើប្រាស់ទិន្នន័យផ្កាយរណបឥតគិតថ្លៃ ប៉ុន្តែទាមទារកម្មវិធី GIS និងកម្លាំងម៉ាស៊ីនកុំព្យូទ័រសមរម្យសម្រាប់ការវិភាគទិន្នន័យតាមលំហធំៗ។
ការសិក្សានេះពឹងផ្អែកលើទិន្នន័យអាកាសធាតុ និងទឹកភ្លៀងក្នុងឆ្នាំ ២០០២ មកពីស្ថានីយចំនួនរាប់រយនៅក្នុងអាងទន្លេចៅប្រាយ៉ា ប្រទេសថៃ។ នេះមានសារៈសំខាន់សម្រាប់ប្រទេសកម្ពុជា ពីព្រោះទោះបីជាប្រទេសយើងមានអាកាសធាតុ និងប្រភេទដំណាំស្រដៀងគ្នាក៏ដោយ កម្ពុជានៅមានកង្វះខាតបណ្តាញស្ថានីយវាស់វែងលើដីជាក់ស្តែងនៅឡើយ ដែលធ្វើឱ្យការប្រើប្រាស់ទិន្នន័យផ្កាយរណប (ដូចជា TRMM និង MODIS) ក្លាយជាជម្រើសដ៏ចាំបាច់ និងល្អបំផុត។
ការរួមបញ្ចូលគ្នារវាងទិន្នន័យផ្កាយរណប និងទិន្នន័យស្ថានីយផ្ទាល់ពីការសិក្សានេះ មានសារៈប្រយោជន៍យ៉ាងខ្លាំងសម្រាប់ការគណនាតម្រូវការទឹកនៅកម្ពុជា។
ការអនុវត្តវិធីសាស្ត្រនេះអាចផ្លាស់ប្តូរការគ្រប់គ្រងប្រព័ន្ធធារាសាស្ត្រនៅកម្ពុជាពីការស្មាន ឬបទពិសោធន៍ផ្ទាល់ ទៅជាការសម្រេចចិត្តប្រកបដោយប្រសិទ្ធភាពដោយផ្អែកលើទិន្នន័យវិទ្យាសាស្ត្រច្បាស់លាស់។
ដើម្បីអនុវត្តតាមការសិក្សានេះ និស្សិតគួរអនុវត្តតាមជំហានខាងក្រោម៖
| ពាក្យបច្ចេកទេស | ការពន្យល់ជាខេមរភាសា (Khmer Explanation) | និយមន័យសាមញ្ញ (Simple Definition) |
|---|---|---|
| SEBAL (ក្បួនដោះស្រាយតុល្យភាពថាមពលផ្ទៃសម្រាប់ដី) | ជាវិធីសាស្ត្រដែលប្រើរូបភាពពីផ្កាយរណប និងទិន្នន័យអាកាសធាតុ ដើម្បីគណនាបរិមាណរំហួត-រំភាយទឹកពីផ្ទៃដី និងរុក្ខជាតិ ដោយផ្អែកលើការវិភាគតុល្យភាពនៃថាមពលកម្ដៅនៅលើផ្ទៃដី។ វាមានប្រយោជន៍ខ្លាំងសម្រាប់ការវាយតម្លៃការបាត់បង់ទឹកលើតំបន់ធំៗ។ | ដូចជាការប្រើកាមេរ៉ាចាប់កម្ដៅដើម្បីមើលថាតើដីនិងរុក្ខជាតិកំពុងបញ្ចេញញើស (រំហួតទឹក) អស់ប៉ុន្មានក្នុងមួយថ្ងៃ។ |
| FAO Penman-Monteith equation (សមីការប៉ាន់ស្មានរំហួត-រំភាយរបស់អង្គការ FAO) | ជារូបមន្តគណិតវិទ្យាស្តង់ដារអន្តរជាតិ ដែលប្រើប្រាស់ទិន្នន័យអាកាសធាតុ (ដូចជាសីតុណ្ហភាព ល្បឿនខ្យល់ សំណើម និងកាំរស្មីព្រះអាទិត្យ) ដើម្បីប៉ាន់ស្មានបរិមាណទឹកដែលរំហួតពីផ្ទៃដី និងភាយចេញពីរុក្ខជាតិ។ | ដូចជារូបមន្តធ្វើនំដែលប្រាប់យើងថាតើអាកាសធាតុក្តៅនិងមានខ្យល់បក់ខ្លាំងប៉ុណ្ណា ទើបធ្វើឲ្យទឹកហួតលឿនប៉ុណ្ណា។ |
| Actual evapotranspiration (រំហួត-រំភាយជាក់ស្តែង) | ជាបរិមាណទឹកពិតប្រាកដដែលបានរំហួតពីផ្ទៃដីផ្ទាល់ និងដែលបានភាយចេញពីរន្ធស្លឹករុក្ខជាតិទៅក្នុងបរិយាកាស ក្រោមលក្ខខណ្ឌអាកាសធាតុ និងបរិមាណសំណើមដីដែលមានជាក់ស្តែង។ | គឺបរិមាណទឹកពិតប្រាកដដែលបាត់បង់ពីដីនិងដើមឈើទៅក្នុងខ្យល់ ដូចជាការបែកញើសរបស់មនុស្សនៅពេលធ្វើការងារ។ |
| Kriging (ការអន្តរប៉ាន់ស្មានតាមលំហ Kriging) | ជាបច្ចេកទេសស្ថិតិភូមិសាស្ត្រមួយសម្រាប់ប៉ាន់ស្មានតម្លៃទិន្នន័យនៅទីតាំងដែលមិនមានស្ថានីយវាស់វែង (ឧទាហរណ៍៖ បរិមាណទឹកភ្លៀង) ដោយផ្អែកលើការគណនាទម្ងន់មធ្យមនៃទិន្នន័យពីទីតាំងដែលនៅជុំវិញនោះ។ | ដូចជាការទាយដឹងថាផ្ទះអ្នកដែលមានទីតាំងនៅកណ្តាលភូមិមានភ្លៀងធ្លាក់ប៉ុន្មាន ដោយគ្រាន់តែសួរអ្នកជិតខាងទាំង៤ទិសអំពីបរិមាណទឹកភ្លៀងនៅផ្ទះពួកគេ។ |
| Crop coefficient (មេគុណដំណាំ) | ជាតម្លៃលេខដែលតំណាងឲ្យលក្ខណៈតម្រូវការទឹករបស់ដំណាំនីមួយៗ ទៅតាមដំណាក់កាលលូតលាស់របស់វា (ពេលនៅតូច ពេលចេញផ្កា ពេលប្រមូលផល) ដែលត្រូវប្រើសម្រាប់គុណជាមួយនឹងរំហួត-រំភាយយោង ដើម្បីរកតម្រូវការទឹកពិតប្រាកដ។ | ដូចជាចំណុះក្រពះរបស់មនុស្សផ្សេងៗគ្នា កូនក្មេងញ៉ាំតិច (មេគុណតូច) ចំណែកមនុស្សធំធ្វើការធ្ងន់ញ៉ាំច្រើន (មេគុណធំ)។ |
| Evaporative fraction (ប្រភាគរំហួត) | ជាសមាមាត្រនៃថាមពលដែលប្រើប្រាស់សម្រាប់ការរំហួតទឹក (Latent Heat) ធៀបនឹងថាមពលសរុបដែលមាននៅលើផ្ទៃដី។ វាត្រូវបានប្រើដើម្បីបំប្លែងទិន្នន័យរំហួតខណៈពេលមួយដែលផ្កាយរណបថតបាន ទៅជារំហួតប្រចាំថ្ងៃ។ | ដូចជាការគិតថាតើកម្តៅថ្ងៃប៉ុន្មានភាគរយត្រូវយកទៅដុតកំដៅទឹកឲ្យហួត ហើយប៉ុន្មានភាគរយទៀតកំដៅដីឲ្យក្តៅ។ |
| TRMM (បេសកកម្មវាស់វែងទឹកភ្លៀងតំបន់ត្រូពិក) | ជាប្រព័ន្ធផ្កាយរណបដែលផ្តល់ទិន្នន័យអំពីបរិមាណទឹកភ្លៀងនៅតំបន់ត្រូពិក និងអនុត្រូពិកពីទីអវកាស។ វាមានសារៈសំខាន់ខ្លាំងសម្រាប់ការផ្តល់ទិន្នន័យទឹកភ្លៀងនៅតំបន់ភ្នំ ឬតំបន់ដែលគ្មានស្ថានីយវាស់ទឹកភ្លៀងនៅលើដី។ | ដូចជាធុងវាស់ទឹកភ្លៀងហោះដ៏ធំមួយដែលចាំកត់ត្រាថាមានភ្លៀងធ្លាក់កម្រិតណានៅតាមតំបន់ផ្សេងៗពីលើមេឃ។ |
| Co-kriging (ការអន្តរប៉ាន់ស្មាន Co-kriging) | ជាបច្ចេកទេសស្ថិតិស្រដៀងនឹង Kriging ដែរ ប៉ុន្តែវាប្រើប្រាស់អថេរទីពីរដែលមានទំនាក់ទំនងគ្នា (ឧទាហរណ៍៖ ការប្រើទិន្នន័យកម្ពស់ដី ដើម្បីជួយប៉ាន់ស្មានទិន្នន័យរំហួត-រំភាយអោយកាន់តែសុក្រឹតនៅតាមតំបន់ដែលគ្មានការវាស់វែង)។ | ដូចជាការទាយកម្ពស់ដើមឈើ ដោយមិនត្រឹមតែមើលដើមឈើជុំវិញប៉ុណ្ណោះទេ តែថែមទាំងប្រើទិន្នន័យស្រមោលរបស់វាដើម្បីទាយឲ្យកាន់តែច្បាស់។ |
អត្ថបទដែលបានបោះពុម្ពនៅលើ KhmerResearch ដែលទាក់ទងនឹងប្រធានបទនេះ៖
ប្រធានបទ និងសំណួរស្រាវជ្រាវដែលទាក់ទងនឹងឯកសារនេះ ដែលអ្នកអាចស្វែងរកបន្ថែម៖
