Original Title: Assessing Land Use and Land Cover (LULC) Change and Factors Affecting Agricultural Land: Case Study in Battambang Province, Cambodia
Source: doi.org/10.36956/rwae.v4i4.925
Disclaimer: Summary generated by AI based on the provided document. Please refer to the original paper for full scientific accuracy.

ការវាយតម្លៃលើការផ្លាស់ប្តូរការប្រើប្រាស់ដី និងគម្របដី (LULC) និងកត្តាដែលប៉ះពាល់ដល់ដីកសិកម្ម៖ ការសិក្សាស្រាវជ្រាវក្នុងខេត្តបាត់ដំបង ប្រទេសកម្ពុជា

ចំណងជើងដើម៖ Assessing Land Use and Land Cover (LULC) Change and Factors Affecting Agricultural Land: Case Study in Battambang Province, Cambodia

អ្នកនិពន្ធ៖ Taingaun Sourn (A.K Assessment Co., Ltd / Royal University of Agriculture), Sophak Pok (Royal University of Agriculture), Phanith Chou (Royal University of Phnom Penh), Nareth Nut (Royal University of Agriculture), Dyna Theng (Royal University of Agriculture), Lyhour Hin (Royal University of Agriculture)

ឆ្នាំបោះពុម្ព៖ 2023, Research on World Agricultural Economy

វិស័យសិក្សា៖ Agricultural Economy

១. សេចក្តីសង្ខេបប្រតិបត្តិ (Executive Summary)

បញ្ហា (The Problem)៖ ការសិក្សានេះវាយតម្លៃពីមូលហេតុ និងផលវិបាកនៃការផ្លាស់ប្តូរការប្រើប្រាស់ដី និងគម្របដី (LULC) ព្រមទាំងកំណត់អត្តសញ្ញាណបញ្ហាប្រឈមនានាក្នុងការផលិតកម្មកសិកម្មនៅខេត្តបាត់ដំបងចន្លោះឆ្នាំ ១៩៩៨ ដល់ ២០១៨។

វិធីសាស្ត្រ (The Methodology)៖ ការស្រាវជ្រាវនេះបានប្រើប្រាស់ការរួមបញ្ចូលគ្នារវាងបច្ចេកវិទ្យាប្រព័ន្ធព័ត៌មានភូមិសាស្ត្រ (GIS) និងការចុះអង្កេតប្រមូលទិន្នន័យសង្គម-សេដ្ឋកិច្ចផ្ទាល់ពីប្រជាកសិករ។

លទ្ធផលសំខាន់ៗ (The Verdict)៖

២. ការវិភាគលើប្រសិទ្ធភាព និងដែនកំណត់ (Performance & Constraints)

វិធីសាស្ត្រ (Method) គុណសម្បត្តិ (Pros) គុណវិបត្តិ (Cons) លទ្ធផលគន្លឹះ (Key Result)
Remote Sensing & GIS (Supervised Classification with Maximum Likelihood)
ការវិភាគប្រព័ន្ធព័ត៌មានភូមិសាស្ត្រ និងរូបភាពពីចម្ងាយ (Remote Sensing & GIS)
ផ្តល់ទិន្នន័យច្បាស់លាស់ពីការផ្លាស់ប្តូរផ្ទៃដីតាមពេលវេលាលើផ្ទៃដីធំទូលាយ និងអាចបង្ហាញជារូបភាពផែនទីងាយយល់។ ទាមទារជំនាញបច្ចេកទេសកម្រិតខ្ពស់ និងមិនអាចពន្យល់ពីមូលហេតុសង្គម ឬសេដ្ឋកិច្ចដែលនាំឱ្យមានការផ្លាស់ប្តូរនោះទេ។ រកឃើញថាគម្របព្រៃឈើថយចុះ ៧៩% និងដីកសិកម្មកើនឡើង ៥៤% ក្នុងរយៈពេល ២០ ឆ្នាំ (១៩៩៨-២០១៨)។
Household Survey & Statistical Analysis (T-tests, ANOVA, Pearson's correlation)
ការចុះអង្កេតតាមគ្រួសារ និងការវិភាគស្ថិតិ (Household Survey & Statistical Analysis)
ជួយស្វែងយល់ស៊ីជម្រៅពីកត្តាជំរុញ (កំណើនប្រជាជន គ្រឿងចក្រ) និងបញ្ហាប្រឈមជាក់ស្តែងរបស់កសិករក្នុងតំបន់។ ចំណាយពេល និងធនធានច្រើនក្នុងការចុះប្រមូលទិន្នន័យ ហើយអាចមានភាពលម្អៀងផ្អែកលើការចងចាំរបស់អ្នកឆ្លើយសំណួរ។ រកឃើញថាតម្លៃជីគីមី គ្រោះរាំងស្ងួត និងទឹកជំនន់គឺជាបញ្ហាប្រឈមធំបំផុតសម្រាប់កសិករទាំងពីរក្រុម (អ្នកក្រ និងអ្នកមានជីវភាពមធ្យម)។

ការចំណាយលើធនធាន (Resource Cost)៖ ការសិក្សានេះទាមទារការប្រើប្រាស់កម្មវិធីកុំព្យូទ័រសម្រាប់ការវិភាគរូបភាពផ្កាយរណប និងទិន្នន័យស្ថិតិ ព្រមទាំងធនធានហិរញ្ញវត្ថុ និងពេលវេលាសម្រាប់ការចុះប្រមូលទិន្នន័យដល់ទីតាំងផ្ទាល់។

៣. ការពិនិត្យសម្រាប់បរិបទកម្ពុជា/អាស៊ីអាគ្នេយ៍

ភាពលំអៀងនៃទិន្នន័យ (Data Bias)៖

ការសិក្សានេះត្រូវបានធ្វើឡើងដោយផ្តោតសំខាន់តែលើខេត្តបាត់ដំបង ដោយជ្រើសរើសយកគ្រួសារចំនួន ២០០ ក្នុងស្រុកចំនួន ៤ ដែលបែងចែកជាក្រុមអ្នកក្រ និងអ្នកមានជីវភាពមធ្យម។ ដោយសារស្ថានភាពភូមិសាស្ត្រ កសិរុក្ខកម្ម និងអាកាសធាតុនៅតាមតំបន់នីមួយៗក្នុងប្រទេសកម្ពុជាមានលក្ខណៈខុសៗគ្នា ទិន្នន័យនេះប្រហែលជាមិនអាចតំណាងឱ្យស្ថានភាពទូទាំងប្រទេសបានទាំងស្រុងនោះទេ។ ទោះជាយ៉ាងណាក៏ដោយ វាមានសារៈសំខាន់ខ្លាំងសម្រាប់ការវាយតម្លៃជាគំរូនៅក្នុងតំបន់ជង្រុកកសិកម្ម។

លទ្ធភាពនៃការអនុវត្ត (Applicability)៖

វិធីសាស្ត្រនៃការរួមបញ្ចូលការវិភាគរូបភាពពីចម្ងាយជាមួយទិន្នន័យសង្គម-សេដ្ឋកិច្ច គឺមានអត្ថប្រយោជន៍ និងប្រសិទ្ធភាពខ្លាំងណាស់សម្រាប់ការរៀបចំគោលនយោបាយកសិកម្មនៅកម្ពុជា។

សរុបមក លទ្ធផល និងវិធីសាស្ត្រនៃការសិក្សានេះផ្តល់ជាមូលដ្ឋានគ្រឹះដ៏រឹងមាំសម្រាប់អ្នកធ្វើគោលនយោបាយ និងអង្គការនានា ក្នុងការអភិវឌ្ឍវិស័យកសិកម្មប្រកបដោយចីរភាព និងដោះស្រាយបញ្ហាប្រឈមរបស់កសិករនៅកម្ពុជា។

៤. ផែនការសកម្មភាពសម្រាប់និស្សិត (Actionable Roadmap)

ដើម្បីអនុវត្តតាមការសិក្សានេះ និស្សិតគួរអនុវត្តតាមជំហានខាងក្រោម៖

  1. សិក្សាពីមូលដ្ឋានគ្រឹះនៃប្រព័ន្ធព័ត៌មានភូមិសាស្ត្រ (GIS Fundamentals): ចាប់ផ្តើមរៀនប្រើប្រាស់កម្មវិធី QGIS (ដែលជាកម្មវិធីឥតគិតថ្លៃ) ឬ ArcGIS ដោយផ្តោតលើជំនាញទាញយក និងសម្អាតទិន្នន័យរូបភាពផ្កាយរណបដូចជា LandsatSentinel ជាដើម។
  2. អភិវឌ្ឍជំនាញវិភាគស្ថិតិទិន្នន័យ (Statistical Data Analysis): សិក្សាពីការសរសេរកូដជាភាសា R Program តាមរយៈកម្មវិធី RStudio ដើម្បីអនុវត្តការវិភាគដូចជា T-tests, ANOVA និង Pearson's correlation ទៅលើទិន្នន័យសង្គម។
  3. រៀនពីវិធីសាស្ត្រស្រាវជ្រាវសង្គម (Social Research Methods): សិក្សាពីរបៀបរៀបចំកម្រងសំណួរស្ទង់មតិ និងបច្ចេកទេសជ្រើសរើសគំរូ (Sampling techniques) ដូចជា Purposive sampling ព្រមទាំងការប្រើប្រាស់រង្វាស់ Likert scale សម្រាប់វាស់ស្ទង់ទស្សនៈ។
  4. អនុវត្តគម្រោងស្រាវជ្រាវខ្នាតតូចដោយរួមបញ្ចូលទិន្នន័យ (Integrate GIS and Social Data): អនុវត្តគម្រោងស្រាវជ្រាវផ្ទាល់ខ្លួនមួយដោយប្រើទិន្នន័យ Remote Sensing រួមជាមួយការចុះប្រមូលទិន្នន័យពីកសិករក្នុងសហគមន៍របស់អ្នក ដើម្បីស្វែងរកទំនាក់ទំនងរវាងបម្រែបម្រួលគម្របដី និងកត្តាសេដ្ឋកិច្ចជាក់ស្តែង។

៥. វាក្យសព្ទបច្ចេកទេស (Technical Glossary)

ពាក្យបច្ចេកទេស ការពន្យល់ជាខេមរភាសា (Khmer Explanation) និយមន័យសាមញ្ញ (Simple Definition)
Land Use and Land Cover (LULC) (ការប្រើប្រាស់ដី និងគម្របដី) ជាការសិក្សាដើម្បីបែងចែកពីប្រភេទរូបវន្តដែលមាននៅលើផ្ទៃដីដោយធម្មជាតិ (ដូចជាព្រៃឈើ ឬផ្ទៃទឹក ដែលហៅថា គម្របដី) និងរបៀបដែលមនុស្សកែច្នៃឬប្រើប្រាស់ដីនោះ (ដូចជាសម្រាប់កសិកម្ម ឬសាងសង់លំនៅឋាន ដែលហៅថា ការប្រើប្រាស់ដី)។ ដូចជាការមើលសម្លៀកបំពាក់ដែលផែនដីកំពុងពាក់ (គម្របដី) និងការស្វែងយល់ថាតើមនុស្សកំពុងយកក្រណាត់នោះទៅធ្វើអ្វី (ការប្រើប្រាស់)។
Remote Sensing (ការប្រមូលទិន្នន័យពីចម្ងាយ / តេឡេដេតេកស្យុង) ជាបច្ចេកវិទ្យាក្នុងការប្រមូលព័ត៌មាន និងរូបភាពអំពីផ្ទៃផែនដីពីចម្ងាយ ដោយប្រើប្រាស់ឧបករណ៍បំពាក់លើផ្កាយរណប យន្តហោះ ឬ Drone ជំនួសឱ្យការចុះទៅវាស់វែងផ្ទាល់នៅទីវាល។ ដូចជាការថតរូបពីលើអាកាសដោយប្រើកាមេរ៉ា ដើម្បីមើលទិដ្ឋភាពរួមនៃភូមិមួយយ៉ាងច្បាស់ ដោយមិនចាំបាច់ដើរគ្រប់ច្រកល្ហក។
Supervised classification (ការចំណាត់ថ្នាក់ដោយមានការត្រួតពិនិត្យ) ជាដំណើរការក្នុងកម្មវិធីប្រព័ន្ធព័ត៌មានភូមិសាស្ត្រ (GIS) ដែលអ្នកវិភាគផ្តល់ទិន្នន័យគំរូដើម្បីបង្រៀនកុំព្យូទ័រឱ្យស្គាល់ប្រភេទដីនីមួយៗ រួចឱ្យកុំព្យូទ័របែងចែកប្រភេទផ្ទៃដីដែលនៅសល់ដោយស្វ័យប្រវត្តិ។ ដូចជាការបង្ហាញរូបផ្លែប៉ោមទៅក្មេងម្នាក់ ហើយប្រាប់ថា "នេះគឺផ្លែប៉ោម" រួចឱ្យក្មេងនោះទៅរើសផ្លែប៉ោមទាំងអស់ចេញពីកន្ត្រកផ្លែឈើចម្រុះដោយខ្លួនឯង។
Purposive sampling (ការជ្រើសរើសគំរូដោយមានគោលដៅ) ជាវិធីសាស្ត្រស្រាវជ្រាវក្នុងការជ្រើសរើសអ្នកចូលរួមសម្ភាសន៍ ដោយផ្តោតជាចម្បងលើក្រុមមនុស្សដែលមានលក្ខណៈសម្បត្តិជាក់លាក់ណាមួយ (ឧទាហរណ៍៖ កសិករដែលរស់នៅទីនោះលើសពី២០ឆ្នាំ) ដើម្បីឆ្លើយតបឱ្យចំគោលដៅនៃការសិក្សា។ ដូចជាការជ្រើសរើសយកតែសិស្សដែលពូកែគណិតវិទ្យាដើម្បីទៅប្រកួតប្រជែង ជំនួសឱ្យការចាប់ឆ្នោតជ្រើសរើសសិស្សណាម្នាក់ដោយចៃដន្យនៅក្នុងសាលា។
Pearson's correlation (សហសម្ព័ន្ធ Pearson) ជារង្វាស់ស្ថិតិដែលប្រើសម្រាប់វាស់ស្ទង់កម្រិតទំនាក់ទំនង និងទិសដៅរវាងអថេរពីរ (ឧទាហរណ៍៖ កំណើនប្រជាជន និងការពង្រីកដីកសិកម្ម) ដើម្បីដឹងថាតើពួកវាប្រែប្រួលស្របគ្នា ឬផ្ទុយគ្នា។ ដូចជាការសង្កេតឃើញថានៅពេលមេឃកាន់តែក្តៅខ្លាំង (អថេរទី១) ចំនួនអ្នកទិញទឹកកក (អថេរទី២) ក៏កាន់តែកើនឡើង ដែលនេះបង្ហាញពីទំនាក់ទំនងស្របគ្នា។
Analysis of variance (ANOVA) (ការវិភាគវ៉ារ្យ៉ង់) ជាវិធីសាស្ត្រស្ថិតិមួយប្រើសម្រាប់ប្រៀបធៀបមធ្យមភាគនៃក្រុមទិន្នន័យចាប់ពីបីឡើងទៅ ដើម្បីពិនិត្យមើលថាតើក្រុមទាំងនោះពិតជាមានភាពខុសគ្នាដោយសារកត្តាអ្វីមួយ ឬគ្រាន់តែខុសគ្នាដោយចៃដន្យ។ ដូចជាការប្រៀបធៀបពិន្ទុប្រឡងមធ្យមរបស់សិស្សមកពីសាលា៣ផ្សេងគ្នា ដើម្បីដឹងឱ្យច្បាស់ថាសាលាទាំង៣មានគុណភាពបង្រៀនខុសគ្នាឬយ៉ាងណា។
Likert scale (រង្វាស់ Likert) ជាប្រព័ន្ធរង្វាស់នៅក្នុងកម្រងសំណួរស្ទង់មតិ ដែលអនុញ្ញាតឱ្យអ្នកឆ្លើយបញ្ជាក់ពីកម្រិតនៃការយល់ឃើញ ឬទំហំនៃបញ្ហារបស់ពួកគេ (ឧទាហរណ៍៖ ដាក់ពិន្ទុពី ១ ដល់ ៥ សម្រាប់កម្រិតនៃបញ្ហាប្រឈម)។ ដូចជាការឱ្យពិន្ទុផ្កាយលើសេវាកម្មកុម្ម៉ង់អាហារ ដោយផ្តល់ ១ផ្កាយបើអន់បំផុត និង ៥ផ្កាយបើល្អបំផុត។

៦. ប្រធានបទពាក់ព័ន្ធ (Further Reading)

អត្ថបទដែលបានបោះពុម្ពនៅលើ KhmerResearch ដែលទាក់ទងនឹងប្រធានបទនេះ៖

ប្រធានបទ និងសំណួរស្រាវជ្រាវដែលទាក់ទងនឹងឯកសារនេះ ដែលអ្នកអាចស្វែងរកបន្ថែម៖