បញ្ហា (The Problem)៖ ការវាយតម្លៃដីសម្រាប់ការដាំកៅស៊ូកម្រិតតំបន់ជារឿយៗជួបប្រទះភាពលំអៀង និងកំហុសឆ្គងដោយសារការប្រើប្រាស់ទិន្នន័យអាកាសធាតុដែលមិនមានភាពលម្អិតគ្រប់គ្រាន់។ ការសិក្សានេះមានគោលបំណងដោះស្រាយបញ្ហានេះដោយប្រើប្រាស់ទិន្នន័យអាកាសធាតុលម្អិតបន្ថែមទៀតដើម្បីបង្កើនភាពត្រឹមត្រូវសម្រាប់ការសម្រេចចិត្តនៅកម្រិតខេត្ត។
វិធីសាស្ត្រ (The Methodology)៖ ការសិក្សានេះបានប្រើប្រាស់ប្រព័ន្ធព័ត៌មានភូមិសាស្ត្ររួមបញ្ចូលជាមួយវិធីសាស្ត្រវាយតម្លៃដីរបស់អង្គការ FAO ដើម្បីវិភាគ និងត្រួតស៊ីគ្នានូវទិន្នន័យលក្ខខណ្ឌដី និងអាកាសធាតុ។
លទ្ធផលសំខាន់ៗ (The Verdict)៖
| វិធីសាស្ត្រ (Method) | គុណសម្បត្តិ (Pros) | គុណវិបត្តិ (Cons) | លទ្ធផលគន្លឹះ (Key Result) |
|---|---|---|---|
| Regional-level Land Evaluation (Baseline) ការវាយតម្លៃដីកម្រិតតំបន់ (វិធីសាស្ត្រចាស់) |
ផ្តល់នូវទិដ្ឋភាពទូទៅនៃសក្តានុពលដីក្នុងតំបន់ធំៗ ងាយស្រួលក្នុងការធ្វើផែនការម៉ាក្រូ។ | មានភាពលំអៀងនៃការប្រមូលផ្តុំទិន្នន័យ (Aggregation bias) ធ្វើឲ្យខ្វះភាពសុក្រឹតនៅពេលយកមកប្រើប្រាស់កម្រិតខេត្ត ស្រុក ឬឃុំ។ | មិនស័ក្តិសមសម្រាប់ការណែនាំលម្អិតដល់កសិករ ឬការរៀបចំផែនការកម្រិតស្រុកឡើយ។ |
| GIS with FAO-Sys Land Evaluation Approach + IDW Interpolation ការប្រើប្រព័ន្ធ GIS រួមជាមួយវិធីសាស្ត្រ FAO-Sys និងការប៉ាន់ស្មាន IDW |
មានភាពសុក្រឹតខ្ពស់ អាចកាត់បន្ថយកំហុសឆ្គងដោយប្រើទិន្នន័យអាកាសធាតុលម្អិត និងផែនទីដីកម្រិតស្រុក/ឃុំ។ | ទាមទារទិន្នន័យប្រវត្តិអាកាសធាតុរយៈពេលវែង (១៥ឆ្នាំ) និងការវិភាគទិន្នន័យស្មុគស្មាញពីអ្នកជំនាញ។ | បានរកឃើញយ៉ាងច្បាស់ថា ២៣% (២.២ លានរ៉ៃ) នៃផ្ទៃដីខេត្ត Ubon Ratchathani គឺមានភាពស័ក្តិសមបំផុត (S1) សម្រាប់ការដាំកៅស៊ូ។ |
ការចំណាយលើធនធាន (Resource Cost)៖ ការសិក្សានេះទាមទារការប្រមូលទិន្នន័យភូមិសាស្ត្រ និងអាកាសធាតុរយៈពេលវែង រួមជាមួយកម្មវិធីកុំព្យូទ័រឯកទេសសម្រាប់ការវិភាគ។
ការសិក្សានេះត្រូវបានធ្វើឡើងនៅក្នុងខេត្ត Ubon Ratchathani ប្រទេសថៃ ដោយពឹងផ្អែកលើទិន្នន័យស្ថានីយឧតុនិយមចំនួន ១៨ ក្នុងតំបន់នោះ។ ទោះបីជាលក្ខខណ្ឌអាកាសធាតុ និងដីនៅទីនោះមានភាពស្រដៀងគ្នានឹងតំបន់មួយចំនួននៅប្រទេសកម្ពុជាក៏ដោយ ការយកមកអនុវត្តផ្ទាល់នៅកម្ពុជាទាមទារឲ្យមានការប្រមូលទិន្នន័យឧតុនិយមក្នុងស្រុក ដើម្បីធានាភាពត្រឹមត្រូវ។
វិធីសាស្ត្រវាយតម្លៃដីដោយប្រើ GIS និង FAO-Sys នេះមានសារៈសំខាន់ និងអាចយកមកអនុវត្តបានយ៉ាងល្អសម្រាប់ការរៀបចំផែនការកសិកម្មនៅប្រទេសកម្ពុជា។
ជារួម ការអនុវត្តវិធីសាស្ត្រនេះនឹងជួយកម្ពុជាក្នុងការធ្វើទំនើបកម្មវិស័យកសិកម្ម ធានាបាននូវទិន្នផលខ្ពស់ និងកាត់បន្ថយហានិភ័យនៃការវិនិយោគដាំដំណាំខុសតំបន់។
ដើម្បីអនុវត្តតាមការសិក្សានេះ និស្សិតគួរអនុវត្តតាមជំហានខាងក្រោម៖
| ពាក្យបច្ចេកទេស | ការពន្យល់ជាខេមរភាសា (Khmer Explanation) | និយមន័យសាមញ្ញ (Simple Definition) |
|---|---|---|
| Geographic Information System (GIS) (ប្រព័ន្ធព័ត៌មានភូមិសាស្ត្រ) | ជាប្រព័ន្ធកុំព្យូទ័រដែលប្រើសម្រាប់ប្រមូល ផ្ទុក វិភាគ និងបង្ហាញទិន្នន័យដែលទាក់ទងនឹងទីតាំងភូមិសាស្ត្រជាក់លាក់ ដើម្បីបង្កើតជាផែនទីសម្រាប់សម្រួលដល់ការវិភាគកម្រិតលំហ និងការសម្រេចចិត្តក្នុងការគ្រប់គ្រងដីធ្លី។ | វាប្រៀបដូចជាការប្រើប្រាស់កម្មវិធីផែនទីឆ្លាតវៃ (ដូចជា Google Maps) ដែលអ្នកអាចដាក់ត្រួតស៊ីគ្នានូវព័ត៌មានច្រើនស្រទាប់ ដូចជាប្រភេទដី និងទឹកភ្លៀង ដើម្បីរកមើលទីតាំងល្អបំផុតសម្រាប់ដាំដំណាំ។ |
| FAO-Sys Land Evaluation Approach (វិធីសាស្ត្រវាយតម្លៃដីរបស់អង្គការ FAO) | ជាក្របខ័ណ្ឌស្តង់ដារមួយបង្កើតដោយអង្គការស្បៀង និងកសិកម្មសហប្រជាជាតិ (FAO) ដើម្បីវាយតម្លៃថាតើដីមួយកន្លែងស័ក្តិសមសម្រាប់ដំណាំជាក់លាក់ណាមួយកម្រិតណា ដោយធ្វើការប្រៀបធៀបតម្រូវការរបស់ដំណាំ ទៅនឹងលក្ខខណ្ឌជាក់ស្តែងរបស់ដីនិងអាកាសធាតុ។ | វាដូចជាតារាងពិនិត្យសុខភាពនិងកម្លាំងកាយមុនពេលជ្រើសរើសកីឡាករ ដោយផ្ទៀងផ្ទាត់ថាតើទីលានប្រកួតនេះស័ក្តិសមនឹងសមត្ថភាពកីឡាករ (ដំណាំ) ដែរឬទេ។ |
| Inverse Distance Weighted (IDW) (ការប៉ាន់ស្មានទិន្នន័យលំហដោយផ្អែកលើចម្ងាយច្រាស) | ជាបច្ចេកទេសក្នុងប្រព័ន្ធ GIS សម្រាប់ទស្សន៍ទាយតម្លៃទិន្នន័យ (ដូចជាកម្រិតទឹកភ្លៀង) នៅទីតាំងដែលមិនមានស្ថានីយវាស់វែង ដោយពឹងផ្អែកលើទិន្នន័យពីទីតាំងដែលនៅក្បែរនោះ ហើយតម្លៃពីទីតាំងជិតៗមានឥទ្ធិពលខ្លាំងជាងទីតាំងដែលនៅឆ្ងាយ។ | វាដូចជាការទស្សន៍ទាយថានៅផ្ទះរបស់អ្នកមានភ្លៀងធ្លាក់កម្រិតណា ដោយសួរអ្នកជិតខាងនៅជុំវិញ។ អ្នកជិតខាងកាន់តែនៅជិតផ្ទះអ្នក ចម្លើយរបស់ពួកគេកាន់តែមានភាពសុក្រឹតខ្ពស់សម្រាប់អ្នក។ |
| Total soil water deficit (TWD) (កម្រិតកង្វះខាតទឹកក្នុងដីសរុប) | ជាសូចនាករដែលបង្ហាញពីបរិមាណទឹកដែលខ្វះខាតនៅក្នុងដី ក្នុងអំឡុងពេលរដូវប្រាំង ដោយប្រៀបធៀបរវាងទឹកភ្លៀងដែលធ្លាក់ និងតម្រូវការទឹករបស់ដំណាំ ដែលវាអាចធ្វើឱ្យប៉ះពាល់ដល់ការលូតលាស់ និងទិន្នផលរបស់កៅស៊ូ។ | វាដូចជាការគណនាថាតើអ្នកខ្វះជាតិទឹកប៉ុន្មានកែវក្នុងមួយថ្ងៃ ដើម្បីរក្សាសុខភាពឱ្យបានល្អ នៅពេលដែលអាកាសធាតុក្តៅខ្លាំង។ |
| Parametric indices (សន្ទស្សន៍ប៉ារ៉ាម៉ែត្រ) | ជាការបំប្លែងតម្លៃនៃកត្តាផ្សេងៗ (ដូចជាទឹកភ្លៀង សីតុណ្ហភាព និងប្រភេទដី) ទៅជាតួលេខឬពិន្ទុ តាមរយៈរូបមន្តគណិតវិទ្យា ដើម្បីងាយស្រួលក្នុងការគុណបញ្ចូលគ្នា និងវាយតម្លៃភាពស័ក្តិសមជារួម។ | វាដូចជាការប្តូរពិន្ទុមុខវិជ្ជាគណិតវិទ្យា វិទ្យាសាស្ត្រ និងអក្សរសាស្ត្រ ទៅជាមធ្យមភាគប្រចាំខែតែមួយ ដើម្បីដឹងថាសិស្សម្នាក់នោះរៀនពូកែកម្រិតណាជារួម។ |
| Crop evapotranspiration (ETc) (អត្រារំហួតចំហាយទឹករុក្ខជាតិដំណាំ) | ជាបរិមាណទឹកសរុបដែលបាត់បង់ពីផ្ទៃដីដោយការរំហួតដោយផ្ទាល់ (Evaporation) និងការបញ្ចេញរំហួតពីស្លឹករុក្ខជាតិ (Transpiration) ដែលនេះគឺជាតម្រូវការទឹកជាក់ស្តែងដែលដំណាំកៅស៊ូត្រូវការដើម្បីលូតលាស់។ | វាដូចជាការវាស់ស្ទង់ការបែកញើសរបស់មនុស្សបូកនឹងការហួតទឹកពីសម្លៀកបំពាក់ ដែលប្រាប់យើងថាត្រូវផឹកទឹកប៉ះប៉ូវវិញប៉ុន្មានដើម្បីកុំឱ្យខ្សោះជាតិទឹក។ |
| Aggregation bias (ភាពលំអៀងដោយសារការប្រមូលផ្តុំទិន្នន័យ) | ជាកំហុសឆ្គង ឬភាពមិនសុក្រឹតដែលកើតឡើងនៅពេលដែលគេយកទិន្នន័យរួមបញ្ចូលគ្នាជាមធ្យមនៅកម្រិតតំបន់ធំ មកធ្វើការវាយតម្លៃសម្រាប់ទីតាំងតូចៗ ឬកម្រិតមូលដ្ឋាន ដែលធ្វើឱ្យបាត់បង់ភាពលម្អិតជាក់លាក់នៃភូមិសាស្ត្រនីមួយៗ។ | វាប្រៀបដូចជាការសន្និដ្ឋានថាសិស្សគ្រប់រូបក្នុងថ្នាក់សុទ្ធតែពូកែគណិតវិទ្យា ដោយសារតែពិន្ទុមធ្យមភាគប្រចាំថ្នាក់ខ្ពស់ ដោយមិនបានមើលពីពិន្ទុពិតប្រាកដរបស់សិស្សម្នាក់ៗ។ |
អត្ថបទដែលបានបោះពុម្ពនៅលើ KhmerResearch ដែលទាក់ទងនឹងប្រធានបទនេះ៖
ប្រធានបទ និងសំណួរស្រាវជ្រាវដែលទាក់ទងនឹងឯកសារនេះ ដែលអ្នកអាចស្វែងរកបន្ថែម៖
