Original Title: ASSESSMENT OF LAND USE AND LAND CAPACITY INCONSISTENCIES USING GIS-BASED SPATIAL ANALYSIS
Source: tr.egekongreleri.org
Disclaimer: Summary generated by AI based on the provided document. Please refer to the original paper for full scientific accuracy.

ការវាយតម្លៃលើភាពមិនស៊ីសង្វាក់គ្នានៃការប្រើប្រាស់ដី និងសមត្ថភាពដីដោយប្រើប្រាស់ការវិភាគលំហផ្អែកលើ GIS

ចំណងជើងដើម៖ ASSESSMENT OF LAND USE AND LAND CAPACITY INCONSISTENCIES USING GIS-BASED SPATIAL ANALYSIS

អ្នកនិពន្ធ៖ Miraç KILIÇ (Malatya Turgut Özal University, Faculty of Agriculture)

ឆ្នាំបោះពុម្ព៖ 4th INTERNATIONAL EGE CONGRESS ON SCIENTIFIC RESEARCH, 2026

វិស័យសិក្សា៖ Agriculture and Spatial Analysis

១. សេចក្តីសង្ខេបប្រតិបត្តិ (Executive Summary)

បញ្ហា (The Problem)៖ ការសិក្សានេះដោះស្រាយបញ្ហានៃការពង្រីកវិស័យកសិកម្មទៅលើដីដែលមិនមានសមត្ថភាពគ្រប់គ្រាន់ (Marginal lands) នៅក្នុងប្រព័ន្ធអេកូឡូស៊ីពាក់កណ្តាលស្ងួត ដែលបណ្តាលឱ្យមានហានិភ័យធ្ងន់ធ្ងរនៃការសឹករេចរឹលដី និងការរិចរិលប្រព័ន្ធអេកូឡូស៊ី។

វិធីសាស្ត្រ (The Methodology)៖ ការសិក្សានេះបានបង្កើត និងអនុវត្តសន្ទស្សន៍ភាពធ្ងន់ធ្ងរនៃភាពមិនស៊ីសង្វាក់គ្នា (Incompatibility Severity Index - ISI) ដោយរួមបញ្ចូលទិន្នន័យគម្របដី និងសមត្ថភាពដី តាមរយៈការវិភាគលំហ។

លទ្ធផលសំខាន់ៗ (The Verdict)៖

២. ការវិភាគលើប្រសិទ្ធភាព និងដែនកំណត់ (Performance & Constraints)

វិធីសាស្ត្រ (Method) គុណសម្បត្តិ (Pros) គុណវិបត្តិ (Cons) លទ្ធផលគន្លឹះ (Key Result)
Traditional Static Overlay Analysis
ការវិភាគជាន់គ្នាបែបប្រពៃណី
ងាយស្រួលក្នុងការយល់ដឹង និងងាយអនុវត្តសម្រាប់ការកំណត់ភាពខុសគ្នារវាងសមត្ថភាពដី និងការប្រើប្រាស់ដីក្នុងកម្រិតមូលដ្ឋាន។ ផ្តល់លទ្ធផលត្រឹមតែជាទម្រង់គោលពីរ (ត្រូវ ឬខុស) ដោយមិនអាចវាស់ស្ទង់កម្រិតភាពធ្ងន់ធ្ងរនៃបញ្ហា ឬការប្រមូលផ្តុំនៅក្នុងលំហភូមិសាស្ត្របានទេ។ កំណត់បានត្រឹមតែភាពមិនស៊ីសង្វាក់គ្នាបែបមូលដ្ឋាន ដោយមិនមានទិន្នន័យទម្ងន់ហានិភ័យ។
Incompatibility Severity Index (ISI) & Spatial Statistics
សន្ទស្សន៍ភាពធ្ងន់ធ្ងរនៃភាពមិនស៊ីសង្វាក់គ្នា (ISI) និងស្ថិតិលំហ
អាចវាស់ស្ទង់កម្រិតនៃភាពមិនស៊ីសង្វាក់គ្នាដោយរួមបញ្ចូលសក្តានុពលដីធម្មជាតិជាមួយអាំងតង់ស៊ីតេនៃការប្រើប្រាស់ ព្រមទាំងកំណត់តំបន់ហានិភ័យខ្ពស់ (Hot Spots) បានយ៉ាងច្បាស់លាស់។ ទាមទារការប្រមូលទិន្នន័យដែលមានគុណភាពខ្ពស់ និងតម្រូវឱ្យមានចំណេះដឹងស៊ីជម្រៅលើផ្នែកវិភាគទិន្នន័យលំហ (GIS)។ រកឃើញតំបន់ហានិភ័យប្រមូលផ្តុំ (Hot Spots) ចំនួន ៣៨,៥០% និងភាពមិនស៊ីសង្វាក់គ្នាទាំងស្រុង ១៧,២០% នៃផ្ទៃដីសិក្សា។

ការចំណាយលើធនធាន (Resource Cost)៖ ការសិក្សានេះពឹងផ្អែកជាចម្បងទៅលើប្រព័ន្ធព័ត៌មានភូមិសាស្ត្រ (GIS) និងទិន្នន័យផ្កាយរណប ដែលមិនទាមទារផ្នែករឹង (Hardware) ធំដុំនោះទេ ប៉ុន្តែត្រូវការទិន្នន័យច្បាស់លាស់ និងជំនាញវិភាគ។

៣. ការពិនិត្យសម្រាប់បរិបទកម្ពុជា/អាស៊ីអាគ្នេយ៍

ភាពលំអៀងនៃទិន្នន័យ (Data Bias)៖

ការសិក្សានេះត្រូវបានធ្វើឡើងនៅខេត្ត Şanlıurfa ប្រទេសទួរគី ដែលមានប្រព័ន្ធអេកូឡូស៊ីពាក់កណ្តាលស្ងួត (Semi-arid) និងមានទិន្នន័យច្បាស់លាស់។ ទោះបីជាកម្ពុជាមានអាកាសធាតុត្រូពិចក្ដៅសើមដែលខុសគ្នាក៏ដោយ ប៉ុន្តែបញ្ហានៃការពង្រីកដីកសិកម្មចូលទៅក្នុងដីព្រៃ ឬដីដែលគ្មានសមត្ថភាពគ្រប់គ្រាន់ គឺជួបប្រទះដូចគ្នា។ ហេតុនេះ ការវាយតម្លៃដោយប្រើសន្ទស្សន៍នេះមានសារៈសំខាន់ណាស់សម្រាប់ការជៀសវាងការរិចរិលដីយូរអង្វែងនៅកម្ពុជា។

លទ្ធភាពនៃការអនុវត្ត (Applicability)៖

វិធីសាស្ត្រនេះមានសក្តានុពលខ្ពស់សម្រាប់កម្ពុជា ក្នុងការរៀបចំផែនការប្រើប្រាស់ដីធ្លី និងកាត់បន្ថយការខូចខាតប្រព័ន្ធអេកូឡូស៊ីដោយសារការពង្រីកកសិកម្មខុសបច្ចេកទេស។

ការអនុវត្តសន្ទស្សន៍កម្រិតភាពធ្ងន់ធ្ងរ (ISI) នេះ អាចជួយឱ្យអ្នកធ្វើគោលនយោបាយនៅកម្ពុជាប្តូរពីការវាយតម្លៃដីដោយផ្អែកលើតែផលិតភាព ទៅជាការគ្រប់គ្រងហានិភ័យប្រព័ន្ធអេកូឡូស៊ីតាមលំហភូមិសាស្ត្រ។

៤. ផែនការសកម្មភាពសម្រាប់និស្សិត (Actionable Roadmap)

ដើម្បីអនុវត្តតាមការសិក្សានេះ និស្សិតគួរអនុវត្តតាមជំហានខាងក្រោម៖

  1. ការប្រមូល និងរៀបចំទិន្នន័យគោល (Data Collection): ប្រើប្រាស់ Google Earth Engine (GEE) ឬប្រភពទិន្នន័យរបស់រដ្ឋាភិបាល ដើម្បីទាញយកទិន្នន័យគម្របដី (Land Cover) ដូចជា ESA WorldCover និងទិន្នន័យចំណាត់ថ្នាក់សមត្ថភាពដីប្រចាំតំបន់ណាមួយនៃប្រទេសកម្ពុជា។
  2. ការបង្កើតម៉ាទ្រីសភាពស៊ីសង្វាក់ (Compatibility Matrix Design): រៀបចំតារាងម៉ាទ្រីសដោយផ្ដល់ពិន្ទុ (០ ដល់ ១) រវាងប្រភេទនៃការប្រើប្រាស់ដី និងសមត្ថភាពដី ដោយយោងតាមកម្រិតស្តង់ដារកសិកម្មកម្ពុជា ដោយប្រើប្រាស់ Microsoft Excel រួចនាំចូលទៅកាន់កម្មវិធី GIS។
  3. ការគណនាសន្ទស្សន៍ភាពធ្ងន់ធ្ងរ (Calculating Incompatibility Severity Index): ប្រើប្រាស់ Raster Calculator នៅក្នុង QGISArcGIS Pro ដើម្បីគុណតម្លៃរវាង (Score × Capability Weight × Use Intensity Weight) ដើម្បីបង្កើតជាផែនទីបង្ហាញពីកម្រិតភាពមិនស៊ីសង្វាក់។
  4. ការវិភាគស្ថិតិលំហ និងតំបន់ហានិភ័យ (Spatial Statistics & Hot Spot Analysis): អនុវត្តមុខងារ Global Moran's I និង Getis-Ord Gi* នៅក្នុង Spatial Analyst Tools ដើម្បីស្វែងរកកន្លែងដែលបញ្ហាប្រមូលផ្តុំខ្លាំង (Hot Spots) និងកំណត់តំបន់ដែលរងសម្ពាធខ្លាំងជាងគេ។
  5. ការសរសេររបាយការណ៍ និងការស្នើផែនការ (Reporting & Policy Recommendation): សង្ខេបលទ្ធផលជាផែនទីដែលអាចអានបានងាយស្រួល និងបង្កើតអនុសាសន៍គោលនយោបាយដើម្បីស្នើដល់អាជ្ញាធរថ្នាក់ក្រោមជាតិ ក្នុងការកែប្រែការប្រើប្រាស់ដីនៅតំបន់ហានិភ័យ (ឧទាហរណ៍៖ ប្តូរពីដំណាំប្រចាំឆ្នាំទៅដំណាំអចិន្ត្រៃយ៍)។

៥. វាក្យសព្ទបច្ចេកទេស (Technical Glossary)

ពាក្យបច្ចេកទេស ការពន្យល់ជាខេមរភាសា (Khmer Explanation) និយមន័យសាមញ្ញ (Simple Definition)
Land Capability Classification ប្រព័ន្ធវាយតម្លៃដីដោយផ្អែកលើលក្ខណៈរូបវន្តរបស់វា (ដូចជាជម្រៅដី ជម្រាល និងអាកាសធាតុ) ដើម្បីកំណត់ថាតើដីនោះស័ក្តិសមបំផុតសម្រាប់ការប្រើប្រាស់អ្វី (ឧទាហរណ៍៖ កសិកម្ម ឬព្រៃឈើ) ដើម្បីបញ្ចៀសការរិចរិល។ ដូចជាការធ្វើតេស្តសមត្ថភាពសិស្សដើម្បីដឹងថាពួកគេស័ក្តិសមរៀនមុខវិជ្ជាអ្វីជាងគេ ដើម្បីកុំឱ្យរៀនខុសជំនាញ ឬរៀនមិនទាន់គេ។
Incompatibility Severity Index សន្ទស្សន៍ដែលត្រូវបានបង្កើតឡើងដើម្បីវាស់ស្ទង់មិនត្រឹមតែថាការប្រើប្រាស់ដីខុសគោលដៅឬទេ ប៉ុន្តែថែមទាំងគណនាកម្រិតនៃភាពធ្ងន់ធ្ងរ ដោយគុណបញ្ចូលគ្នានូវសក្តានុពលដើមរបស់ដី និងកម្រិតអាំងតង់ស៊ីតេនៃការប្រើប្រាស់បច្ចុប្បន្ន។ ដូចជាប្រព័ន្ធដាក់ពិន្ទុច្បាប់ចរាចរណ៍ ដោយមិនត្រឹមតែផាកពិន័យថាជិះខុសផ្លូវទេ តែគិតទាំងល្បឿន និងទំហំយានយន្តដែលបង្កហានិភ័យថែមទៀត។
Spatial Autocorrelation រង្វាស់ស្ថិតិដែលបង្ហាញពីរបៀបដែលវត្ថុ ឬបាតុភូតមួយមានលក្ខណៈស្រដៀងគ្នាទៅនឹងវត្ថុផ្សេងទៀតដែលនៅក្បែរវាក្នុងទីតាំងភូមិសាស្ត្រ។ បើបញ្ហាដីខូចប្រមូលផ្តុំនៅកន្លែងតែមួយ នោះវាមានកម្រិត Spatial Autocorrelation ខ្ពស់។ ដូចជាការសង្កេតមើលថាតើមនុស្សដែលកើតជំងឺផ្តាសាយច្រើនរស់នៅផ្តុំគ្នាក្នុងភូមិតែមួយដែរឬទេ ជាជាងការឈឺរាយប៉ាយនៅគ្រប់ទីកន្លែង។
Global Moran's I ឧបករណ៍គណិតវិទ្យានៅក្នុងកម្មវិធី GIS ដែលប្រើសម្រាប់គណនាកម្រិតនៃការប្រមូលផ្តុំទិន្នន័យរួមសម្រាប់តំបន់សិក្សាទាំងមូល។ តម្លៃខិតជិត +1 មានន័យថាទិន្នន័យប្រមូលផ្តុំគ្នា តម្លៃ 0 គឺរាយប៉ាយចៃដន្យ ហើយតម្លៃ -1 គឺបែកខ្ញែកគ្នា។ ដូចជាឧបករណ៍វាយតម្លៃរួមមួយដែលប្រាប់យើងថា តើកន្លែងក្តៅៗនៅក្នុងបន្ទប់មានការប្រមូលផ្តុំគ្នានៅជ្រុងណាមួយ ឬក៏រាយប៉ាយស្មើៗគ្នាពេញបន្ទប់។
Getis-Ord Gi* វិធីសាស្ត្រស្ថិតិលំហដែលកំណត់ទីតាំងជាក់លាក់ (កូអរដោនេ) ថាតើកន្លែងណាដែលមានការប្រមូលផ្តុំនៃតម្លៃខ្ពស់បំផុត (Hot Spots) ឬតម្លៃទាបបំផុត (Cold Spots) ដើម្បីងាយស្រួលក្នុងការធ្វើអន្តរាគមន៍។ ដូចជាការគូសផែនទីបង្ហាញចំៗនូវតំបន់ដែលមានអ្នកកើតជំងឺគ្រុនឈាមច្រើនជាងគេបំផុត (Hot Spots) ដើម្បីឱ្យគ្រូពេទ្យងាយស្រួលចុះទៅបាញ់ថ្នាំមូសចំគោលដៅ។
Marginal lands ប្រភេទដីដែលមានគុណភាពអន់ និងមិនសូវមានសក្តានុពលសម្រាប់វិស័យកសិកម្ម (ដូចជាដីរាក់ ដីជម្រាលខ្លាំង ឬតំបន់ស្ងួត) ហើយងាយនឹងរងការរិចរិលយ៉ាងឆាប់រហ័សប្រសិនបើត្រូវបានគេបង្ខំប្រើប្រាស់ខ្លាំងពេក។ ដូចជារថយន្តចាស់កញ្ចាស់មួយដែលនៅជិះបានបន្តិចបន្តួច តែបើយើងយកវាទៅដឹកទំនិញធ្ងន់ៗជារៀងរាល់ថ្ងៃ វានឹងឆាប់ខូចទាំងស្រុង។
Binary overlay methodologies វិធីសាស្ត្របែបប្រពៃណីក្នុងការវិភាគ GIS ដោយការដាក់ផែនទីពីរត្រួតស៊ីគ្នា ដើម្បីត្រួតពិនិត្យតែលទ្ធផលគោលពីរ (ត្រូវ ឬខុស / ស៊ីសង្វាក់ ឬមិនស៊ីសង្វាក់) ដោយមិនបានគិតពីកម្រិតភាពធ្ងន់ធ្ងរ ឬអាំងតង់ស៊ីតេនោះទេ។ ដូចជាការដាក់ក្រដាសកញ្ចក់ពីរត្រួតស៊ីគ្នា ដើម្បីមើលត្រឹមតែថាវត្ថុពីរជាន់គ្នាឬអត់ ដោយមិនខ្វល់ថាមួយណាធ្ងន់ជាង ឬមួយណាមានហានិភ័យជាងនោះទេ។
CORINE Land Cover សំណុំទិន្នន័យស្តង់ដារដែលបង្កើតឡើងដោយទីភ្នាក់ងារបរិស្ថានអឺរ៉ុប សម្រាប់ធ្វើចំណាត់ថ្នាក់និងតាមដានគម្របដី (ដូចជា ទីក្រុង កសិកម្ម ព្រៃឈើ និងប្រភពទឹក) តាមរយៈរូបភាពផ្កាយរណប។ ដូចជាអាល់ប៊ុមរូបថតពីលើអាកាសដែលត្រូវបានគេចាត់ថ្នាក់រួចជាស្រេចថា ត្រង់ណាជាផ្ទះ ត្រង់ណាជាស្រែ ឬជាព្រៃឈើ ដើម្បីងាយស្រួលរៀបចំផែនការ។

៦. ប្រធានបទពាក់ព័ន្ធ (Further Reading)

អត្ថបទដែលបានបោះពុម្ពនៅលើ KhmerResearch ដែលទាក់ទងនឹងប្រធានបទនេះ៖

ប្រធានបទ និងសំណួរស្រាវជ្រាវដែលទាក់ទងនឹងឯកសារនេះ ដែលអ្នកអាចស្វែងរកបន្ថែម៖