Original Title: Monitoring of water stress in peanut using multispectral indices derived from canopy hyperspectral
Source: doi.org/10.33440/j.ijpaa.20200303.104
Disclaimer: Summary generated by AI based on the provided document. Please refer to the original paper for full scientific accuracy.

ការត្រួតពិនិត្យភាពតានតឹងដោយសារកង្វះទឹកនៅក្នុងសណ្តែកដីដោយប្រើប្រាស់សន្ទស្សន៍ពហុវិសាលគមដែលទទួលបានពីគម្របស្លឹករុក្ខជាតិ

ចំណងជើងដើម៖ Monitoring of water stress in peanut using multispectral indices derived from canopy hyperspectral

អ្នកនិពន្ធ៖ Tingting Chen, Leidi Wang, Haixia Qi, Xinyue Wang, Ruier Zeng, Bingyu Zhu, Yubin Lan, Lei Zhang

ឆ្នាំបោះពុម្ព៖ 2020 Int J Precis Agric Aviat

វិស័យសិក្សា៖ Precision Agriculture

១. សេចក្តីសង្ខេបប្រតិបត្តិ (Executive Summary)

បញ្ហា (The Problem)៖ ភាពរាំងស្ងួតគឺជាបញ្ហាប្រឈមបរិស្ថានដ៏ធ្ងន់ធ្ងរដល់ការលូតលាស់របស់សណ្តែកដី ដែលទាមទារឱ្យមានវិធីសាស្ត្រតាមដានស្ថានភាពទឹកបានទាន់ពេលវេលា និងមិនបំផ្លាញរុក្ខជាតិដើម្បីជួយកសិករក្នុងការស្រោចស្រព។

វិធីសាស្ត្រ (The Methodology)៖ ការសិក្សានេះបានធ្វើការពិសោធន៍លើពូជសណ្តែកដីចំនួន២ ក្រោមលក្ខខណ្ឌកម្រិតកង្វះទឹកចំនួន៣ ដោយធ្វើការវាស់វែងប៉ារ៉ាម៉ែត្រសរីរវិទ្យា និងការឆ្លុះបញ្ចាំងពន្លឺពីគម្របស្លឹកដើម្បីស្វែងរកសន្ទស្សន៍ដែលសមស្របបំផុត។

លទ្ធផលសំខាន់ៗ (The Verdict)៖

២. ការវិភាគលើប្រសិទ្ធភាព និងដែនកំណត់ (Performance & Constraints)

វិធីសាស្ត្រ (Method) គុណសម្បត្តិ (Pros) គុណវិបត្តិ (Cons) លទ្ធផលគន្លឹះ (Key Result)
MTVI (Modified Transformed Vegetation Index)
សន្ទស្សន៍បំប្លែងរុក្ខជាតិដែលត្រូវបានកែច្នៃ (ប្រើរលកពន្លឺ VIS និង NIR)
មានទំនាក់ទំនងកោងយ៉ាងរឹងមាំ (R² កម្រិតខ្ពស់) ជាមួយប៉ារ៉ាម៉ែត្រសរីរវិទ្យាទាំងបី ក្នុងគ្រប់កម្រិតនៃភាពតានតឹងកង្វះទឹក។ ស័ក្តិសមបំផុតសម្រាប់ការតាមដានទាន់ពេលវេលាជាក់ស្តែង។ ត្រូវការឧបករណ៍ដែលអាចចាប់យករលកពន្លឺទាំងតំបន់មើលឃើញ (VIS) និងកាំរស្មីអ៊ីនហ្វ្រារ៉េដជិត (NIR) ក្នុងពេលតែមួយ។ ទទួលបានតម្លៃ R² = 0.90 ដល់ 0.93 សម្រាប់ទំនាក់ទំនងជាមួយភាពតានតឹងទឹកសរុប (LRWC, SPAD, Fv/Fm)។
NIR-based Indices (RDVI, OSAVI, EVI-2)
សន្ទស្សន៍ផ្អែកលើកាំរស្មីអ៊ីនហ្វ្រារ៉េដជិតសុទ្ធ
មានភាពរសើបក្នុងការចាប់យកសញ្ញានៃភាពតានតឹងដោយសារកង្វះទឹកនៅពេលដែលរុក្ខជាតិស្ថិតក្នុងកម្រិតរាំងស្ងួតធ្ងន់ធ្ងរ។ មិនមានទំនាក់ទំនងច្បាស់លាស់ទេនៅពេលដែលរុក្ខជាតិទទួលបានទឹកគ្រប់គ្រាន់ ឬខ្វះទឹកកម្រិតស្រាល (Mild drought)។ មានទំនាក់ទំនងខ្សោយជាមួយនឹងសូចនាករសរីរវិទ្យា (Fv/Fm, SPAD, LRWC) នៅពេលបំបែកទិន្នន័យតាមកម្រិតភាពតានតឹង។
TCARI & TCARI/OSAVI
សន្ទស្សន៍ស្រូបយកក្លរ៉ូហ្វីលដែលត្រូវបានបំប្លែង
ជាសន្ទស្សន៍ដែលអាចប្រើដើម្បីប៉ាន់ស្មានបរិមាណក្លរ៉ូហ្វីល និងជីវម៉ាសទូទៅរបស់រុក្ខជាតិ។ បរាជ័យក្នុងការរក្សាទំនាក់ទំនងជាមួយប៉ារ៉ាម៉ែត្រសរីរវិទ្យានៅពេលបំបែកទិន្នន័យកម្រិតរាំងស្ងួតដាច់ដោយឡែកពីគ្នា។ បង្ហាញទំនាក់ទំនងខ្សោយខ្លាំងក្នុងការសិក្សានេះ បើប្រៀបធៀបទៅនឹង MTVI ។

ការចំណាយលើធនធាន (Resource Cost)៖ ការសិក្សានេះទាមទារឧបករណ៍វាស់ស្ទង់កម្រិតខ្ពស់សម្រាប់ការប្រមូលទិន្នន័យនៅទីវាល និងកម្មវិធីកុំព្យូទ័រឯកទេសសម្រាប់ការវិភាគទិន្នន័យពហុវិសាលគម។

៣. ការពិនិត្យសម្រាប់បរិបទកម្ពុជា/អាស៊ីអាគ្នេយ៍

ភាពលំអៀងនៃទិន្នន័យ (Data Bias)៖

ការសិក្សានេះត្រូវបានធ្វើឡើងនៅក្នុងផ្ទះកញ្ចក់ (Rain exclusion shelter) នៅសាកលវិទ្យាល័យកសិកម្ម South China ទីក្រុង Guangzhou ប្រទេសចិន ដោយប្រើប្រាស់ពូជសណ្តែកដីចិនចំនួនពីរ។ ទិន្នន័យនេះអាចមានភាពលំអៀងទៅនឹងអាកាសធាតុប្រភេទពាក់កណ្តាលត្រូពិច និងប្រភេទដីនៅតំបន់នោះ ដែលទាមទារឱ្យមានការធ្វើតេស្តសាកល្បងឡើងវិញនៅក្នុងប្រទេសកម្ពុជា ពិសេសលើពូជសណ្តែកដីក្នុងស្រុក និងលក្ខខណ្ឌអាកាសធាតុជាក់ស្តែងនៅលើទីវាល។

លទ្ធភាពនៃការអនុវត្ត (Applicability)៖

បច្ចេកវិទ្យាតាមដានស្ថានភាពទឹកតាមរយៈសន្ទស្សន៍ពហុវិសាលគមនេះ មានសក្តានុពលខ្ពស់ណាស់សម្រាប់ជួយដល់វិស័យកសិកម្មនៅកម្ពុជាក្នុងការគ្រប់គ្រងប្រព័ន្ធស្រោចស្រព និងទប់ទល់នឹងគ្រោះរាំងស្ងួត។

ជារួម ការផ្លាស់ប្តូរពីការស្រោចស្រពតាមការស្មាន មកប្រើប្រាស់បច្ចេកវិទ្យា Remote Sensing និងសន្ទស្សន៍ MTVI នឹងជួយកម្ពុជាឆ្ពោះទៅរកកសិកម្មវៃឆ្លាត ដែលសន្សំសំចៃទាំងធនធានទឹក និងបង្កើនទិន្នផល។

៤. ផែនការសកម្មភាពសម្រាប់និស្សិត (Actionable Roadmap)

ដើម្បីអនុវត្តតាមការសិក្សានេះ និស្សិតគួរអនុវត្តតាមជំហានខាងក្រោម៖

  1. សិក្សាមូលដ្ឋានគ្រឹះនៃ Remote Sensing: និស្សិតត្រូវស្វែងយល់ពីរបៀបដែលរុក្ខជាតិស្រូប និងឆ្លុះបញ្ចាំងពន្លឺរលកអាកាស (VIS និង NIR) និងវិធីគណនាសន្ទស្សន៍ពហុវិសាលគម ដោយប្រើប្រាស់កម្មវិធី QGISArcGIS
  2. ប្រមូលទិន្នន័យជាក់ស្តែងដោយប្រើឧបករណ៍: ប្រើប្រាស់ឧបករណ៍ Spectroradiometer ឬដ្រូនកសិកម្ម (ឧទាហរណ៍ DJI Multispectral) ដើម្បីថតយករូបភាពគម្របស្លឹកសណ្តែកដីនៅកម្រិតកង្វះទឹកផ្សេងៗគ្នានៅក្នុងកសិដ្ឋានសាកល្បង។
  3. វាស់វែងប៉ារ៉ាម៉ែត្រសរីរវិទ្យានៅលើទីវាល: អនុវត្តការវាស់វែងបរិមាណក្លរ៉ូហ្វីលដោយប្រើឧបករណ៍ SPAD-502 ព្រមទាំងប្រមូលសំណាកស្លឹកដើម្បីគណនាបរិមាណទឹកធៀបក្នុងស្លឹក (LRWC) នៅក្នុងមន្ទីរពិសោធន៍។
  4. វិភាគទិន្នន័យ និងស្វែងរកទំនាក់ទំនង Regression: ប្រើប្រាស់ភាសាកូដ Python ជាមួយបណ្ណាល័យ Pandas និង Scikit-Learn ដើម្បីធ្វើការវិភាគទំនាក់ទំនង (Polynomial Regression) រវាងសន្ទស្សន៍ MTVI និងទិន្នន័យសរីរវិទ្យាដែលប្រមូលបាន។
  5. អភិវឌ្ឍប្រព័ន្ធព្រមានកសិករ (Early Warning System): បង្កើតកម្មវិធី Web App ងាយស្រួលមួយដែលអាចទាញយកទិន្នន័យពីដ្រូន គណនាសន្ទស្សន៍ MTVI ដោយស្វ័យប្រវត្តិ និងលោតសារប្រាប់កសិករនៅពេលដែលរុក្ខជាតិឈានដល់កម្រិតតានតឹងខ្វះទឹក (Drought stress)។

៥. វាក្យសព្ទបច្ចេកទេស (Technical Glossary)

ពាក្យបច្ចេកទេស ការពន្យល់ជាខេមរភាសា (Khmer Explanation) និយមន័យសាមញ្ញ (Simple Definition)
Canopy hyperspectral reflectance ជារង្វាស់នៃបរិមាណពន្លឺនៅតាមរលកអាកាស (Wavelengths) តូចៗរាប់រយតំបន់ ដែលត្រូវបានជះត្រឡប់មកវិញពីគម្របស្លឹករបស់រុក្ខជាតិ ដើម្បីយកទៅវិភាគរកមើលការប្រែប្រួលសរីរវិទ្យា ឬកង្វះទឹកដែលកំពុងកើតមាននៅក្នុងកោសិកា។ ដូចជាការថតកាំរស្មីអ៊ិច (X-ray) មើលសុខភាពរុក្ខជាតិពីលើអាកាស ដោយផ្អែកលើការឆ្លុះបញ្ចាំងពណ៌ពន្លឺដែលភ្នែកមនុស្សមិនអាចមើលឃើញ។
Multispectral indices ជារូបមន្តគណិតវិទ្យាដែលផ្សំឡើងដោយការបូកដកគុណចែករលកពន្លឺពីរបីកម្រិត (ជាទូទៅពន្លឺមើលឃើញ និងពន្លឺអ៊ីនហ្វ្រារ៉េដជិត) ដើម្បីទាញយកសូចនាករដែលបង្ហាញពីសុខភាព បរិមាណទឹក ឬក្លរ៉ូហ្វីលរបស់រុក្ខជាតិ។ ដូចជាការគណនាសន្ទស្សន៍ម៉ាសរាងកាយ (BMI) របស់មនុស្សដើម្បីដឹងថាសុខភាពល្អឬអត់ ប៉ុន្តែនេះគឺសម្រាប់វាយតម្លៃកម្រិតស្ត្រេសរបស់រុក្ខជាតិ។
Modified Transformed Vegetation Index (MTVI) ជាប្រភេទសន្ទស្សន៍ពហុវិសាលគមមួយដែលត្រូវបានកែច្នៃឱ្យមានភាពរសើបខ្ពស់ក្នុងការវាស់ស្ទង់ដោយរួមបញ្ចូលគ្នានូវរលកពន្លឺមើលឃើញ និងកាំរស្មីអ៊ីនហ្វ្រារ៉េដជិត ដែលស័ក្តិសមបំផុតសម្រាប់ការតាមដានកង្វះទឹកនៅក្នុងស្លឹកយ៉ាងជាក់លាក់។ ដូចជាទែម៉ូម៉ែត្រពិសេសមួយដែលអាចប្រាប់យើងដឹងយ៉ាងច្បាស់ថារុក្ខជាតិកំពុងស្រេកទឹកដល់កម្រិតណា ទោះបីជាវាមិនទាន់បង្ហាញអាការៈស្រពោននៅឡើយក៏ដោយ។
Chlorophyll fluorescence (Fv/Fm) ជារង្វាស់ដែលវាស់ពីសមត្ថភាព និងប្រសិទ្ធភាពនៃប្រព័ន្ធរស្មីសំយោគ (Photosystem II) របស់រុក្ខជាតិនៅពេលងងឹត ដើម្បីដឹងថាតើរុក្ខជាតិកំពុងរងភាពតានតឹងពីបរិស្ថាន ឬកង្វះទឹកកម្រិតណា។ ដូចជាការវាស់ចង្វាក់បេះដូងពេលសម្រាក ដើម្បីដឹងថាមនុស្សម្នាក់មានសុខភាពល្អ ឬកំពុងមានជំងឺ។
Leaf relative water content (LRWC) ជាការវាស់វែងបរិមាណទឹកដែលមានពិតប្រាកដនៅក្នុងស្លឹករុក្ខជាតិ ធៀបទៅនឹងបរិមាណទឹកអតិបរិមាដែលស្លឹកនោះអាចផ្ទុកបាននៅពេលវាឆ្អែតទឹកពេញលេញ ដើម្បីវាយតម្លៃពីភាពរាំងស្ងួត។ ដូចជាការឆែកមើលកម្រិតថ្មទូរស័ព្ទថានៅសល់ប៉ុន្មានភាគរយ ធៀបនឹងពេលសាកថ្មពេញ ១០០%។
SPAD ជាសូចនាករដែលទទួលបានពីឧបករណ៍វាស់ស្ទង់អុបទិក សម្រាប់ប៉ាន់ស្មានបរិមាណក្លរ៉ូហ្វីល (សារធាតុពណ៌បៃតង) នៅក្នុងស្លឹករុក្ខជាតិ ដោយមិនចាំបាច់កាត់ស្លឹកយកទៅពិសោធន៍ដោយប្រើសារធាតុគីមី។ ដូចជាឧបករណ៍កៀបចុងម្រាមដៃដើម្បីវាស់កម្រិតអុកស៊ីសែន វាអាចវាស់កម្រិតជាតិពណ៌បៃតងក្នុងស្លឹកភ្លាមៗដោយមិនបាច់បេះស្លឹកនោះទេ។
Near-infrared (NIR) region ជាតំបន់នៃរលកពន្លឺ (ចន្លោះពី ៧០០ ទៅ ៩០០ ណាណូម៉ែត្រ) ដែលភ្នែកមនុស្សមិនអាចមើលឃើញ ប៉ុន្តែរុក្ខជាតិដែលមានសុខភាពល្អនឹងចំណាំងពន្លឺនេះចេញច្រើនជាងរុក្ខជាតិដែលខ្វះទឹក ឬមានជំងឺ។ ជាវ៉ែនតាវេទមន្តដែលអាចឱ្យយើងមើលឃើញ "ពន្លឺសុខភាព" ដែលរុក្ខជាតិបញ្ចេញមកក្រៅពេលវាមានទឹកគ្រប់គ្រាន់។
Osmotic adjustment ជាយន្តការធម្មជាតិរបស់កោសិការុក្ខជាតិក្នុងការរក្សាសម្ពាធទឹកខាងក្នុង តាមរយៈការប្រមូលផ្តុំសារធាតុសរីរាង្គនិងអសរីរាង្គ ដើម្បីទប់ស្កាត់ការបាត់បង់ទឹកចេញពីកោសិកានៅពេលជួបគ្រោះរាំងស្ងួត។ ដូចជាយន្តការទប់ទឹកក្នុងខ្លួនសត្វអូដ្ឋ ដែលជួយឱ្យវាអាចរស់រានមានជីវិតបានយូរនៅក្នុងវាលខ្សាច់ដែលគ្មានទឹក។

៦. ប្រធានបទពាក់ព័ន្ធ (Further Reading)

អត្ថបទដែលបានបោះពុម្ពនៅលើ KhmerResearch ដែលទាក់ទងនឹងប្រធានបទនេះ៖

ប្រធានបទ និងសំណួរស្រាវជ្រាវដែលទាក់ទងនឹងឯកសារនេះ ដែលអ្នកអាចស្វែងរកបន្ថែម៖