បញ្ហា (The Problem)៖ ការតាមដានវិស័យកសិកម្ម ជាពិសេសវាលស្រែនៅខេត្តបាលី គឺមានសារៈសំខាន់ណាស់ ប៉ុន្តែវិធីសាស្ត្រប្រពៃណីមានភាពយឺតយ៉ាវ និងខ្វះការបង្ហាញជារូបភាពលំហ។ ឯកសារនេះដោះស្រាយតម្រូវការក្នុងការធ្វើផែនទីបែងចែកវាលស្រែឲ្យបានរហ័ស និងទាន់សម័យ ដើម្បីតាមដានការបំប្លែងដីកសិកម្ម និងជួយដល់សន្តិសុខស្បៀង។
វិធីសាស្ត្រ (The Methodology)៖ ការសិក្សានេះបានប្រើប្រាស់រូបភាពផ្កាយរណបពហុពេលវេលា ដើម្បីកំណត់អត្តសញ្ញាណដំណាក់កាលនៃការដាំដុះស្រូវ ដោយផ្អែកលើខ្សែកោងនៃការលូតលាស់តែមួយគត់របស់ដំណាំ។
លទ្ធផលសំខាន់ៗ (The Verdict)៖
| វិធីសាស្ត្រ (Method) | គុណសម្បត្តិ (Pros) | គុណវិបត្តិ (Cons) | លទ្ធផលគន្លឹះ (Key Result) |
|---|---|---|---|
| Conventional Tabular Agro Census / Reference Land Use Mapping ការចុះស្រង់ទិន្នន័យជំរឿនកសិកម្ម និងការធ្វើផែនទីប្រើប្រាស់ដីតាមបែបប្រពៃណី |
ផ្តល់ទិន្នន័យលម្អិតដល់កម្រិតមូលដ្ឋាន និងមានភាពជឿជាក់ខ្ពស់ប្រសិនបើមានការចុះផ្ទៀងផ្ទាត់ដល់ទីតាំងផ្ទាល់។ | ចំណាយពេលយូរ កម្លាំងពលកម្មច្រើន ហើយទិន្នន័យច្រើនតែមានទម្រង់ជាតារាងដែលពិបាកក្នុងការធ្វើបច្ចុប្បន្នភាព និងខ្វះការបង្ហាញជារូបភាពលំហទីតាំង។ | ទទួលបានទិន្នន័យវាលស្រែយោងចំនួន ១០១.៥៨៧,៥០ ហិកតាក្នុងឆ្នាំ២០០៨ ដើម្បីទុកជាមូលដ្ឋានប្រៀបធៀប។ |
| Multitemporal MODIS EVI2 Growth Curve Recognition ការកំណត់អត្តសញ្ញាណខ្សែកោងលូតលាស់នៃសន្ទស្សន៍រុក្ខជាតិ (EVI2) តាមរយៈទិន្នន័យផ្កាយរណប MODIS ពហុពេលវេលា |
អាចធ្វើបច្ចុប្បន្នភាពបានជាប្រចាំ ទាន់ពេលវេលា មានទម្រង់ជាផែនទីលំហច្បាស់លាស់ និងចំណាយថវិកាតិចដោយប្រើទិន្នន័យឥតគិតថ្លៃ។ | កម្រិតភាពច្បាស់ ២៥០ម៉ែត្រ ធ្វើឱ្យមានការលំបាកក្នុងការកំណត់ទីតាំងស្រែដែលមានទំហំតូចចង្អៀត ហើយងាយរងឥទ្ធិពលពីគម្របពពក និងសណ្ឋានដីភ្នំខ្ពស់។ | ប៉ាន់ស្មានផ្ទៃដីស្រែសរុបបានចំនួន ១០១.២១៨,៧៥ ហិកតា ជាមួយនឹងភាពត្រឹមត្រូវក្នុងលំហរហូតដល់ ៨៨,២១% ធៀបនឹងទិន្នន័យយោង។ |
ការចំណាយលើធនធាន (Resource Cost)៖ ការអនុវត្តវិធីសាស្ត្រនេះតម្រូវឱ្យមានទិន្នន័យផ្កាយរណបឥតគិតថ្លៃ កម្មវិធីវិភាគទិន្នន័យលំហ (GIS) ព្រមទាំងចំណេះដឹងផ្នែកពីចម្ងាយ (Remote Sensing)។
ការសិក្សានេះត្រូវបានធ្វើឡើងនៅខេត្តបាលី ប្រទេសឥណ្ឌូណេស៊ី ដែលមានអាកាសធាតុមូសុង និងមានសណ្ឋានដីចម្រុះរួមមានវាលទំនាប និងភ្នំខ្ពស់ (ដែលធ្វើឱ្យភាពត្រឹមត្រូវធ្លាក់ចុះនៅតំបន់ខ្ពង់រាប)។ លក្ខខណ្ឌនេះមានភាពពាក់ព័ន្ធខ្លាំងសម្រាប់កម្ពុជា ព្រោះថ្វីត្បិតតែកម្ពុជាប្រឈមនឹងបញ្ហាគម្របពពកក្នុងរដូវវស្សាដូចគ្នាក៏ពិតមែន ប៉ុន្តែកម្ពុជាមានអត្ថប្រយោជន៍ជាងដោយសារមានសណ្ឋានដីវាលទំនាបធំទូលាយច្រើន ដែលសក្តិសមបំផុតសម្រាប់ទិន្នន័យកម្រិត ២៥០ម៉ែត្រនេះ។
វិធីសាស្ត្រនេះមានសក្តានុពល និងអត្ថប្រយោជន៍ខ្ពស់ក្នុងការតាមដានផ្ទៃដីកសិកម្មថ្នាក់ជាតិសម្រាប់ប្រទេសកម្ពុជា។
វាគឺជាឧបករណ៍បច្ចេកវិទ្យាដ៏មានប្រសិទ្ធភាព និងចំណាយតិច ក្នុងការកសាងប្រព័ន្ធតាមដានទិន្នផលកសិកម្ម និងគ្រប់គ្រងធនធានទឹកនៅកម្ពុជាប្រកបដោយនិរន្តរភាព។
ដើម្បីអនុវត្តតាមការសិក្សានេះ និស្សិតគួរអនុវត្តតាមជំហានខាងក្រោម៖
| ពាក្យបច្ចេកទេស | ការពន្យល់ជាខេមរភាសា (Khmer Explanation) | និយមន័យសាមញ្ញ (Simple Definition) |
|---|---|---|
| MODIS | ជាឧបករណ៍ចាប់សញ្ញាដែលបំពាក់នៅលើផ្កាយរណប មានតួនាទីថតយករូបភាពផ្ទៃផែនដីជាប្រចាំថ្ងៃ ក្នុងកម្រិតភាពច្បាស់មធ្យម (២៥០ម៉ែត្រ ដល់ ១គីឡូម៉ែត្រ) ដើម្បីប្រើប្រាស់ក្នុងការតាមដានបម្រែបម្រួលបរិស្ថាន និងកសិកម្មជារួម។ | ដូចជាកាមេរ៉ាសុវត្ថិភាពមួយនៅលើលំហអាកាសដែលផ្តិតយករូបភាពផែនដីជារៀងរាល់ថ្ងៃ ដើម្បីមើលថាតើកន្លែងណាមានដើមឈើដុះ ឬមានទឹកជំនន់។ |
| Enhanced Vegetation Index 2 (EVI2) | ជាសន្ទស្សន៍គណិតវិទ្យាដែលប្រើប្រាស់ទិន្នន័យចំណាំងផ្លាតនៃពន្លឺក្រហម និងពន្លឺអ៊ីនហ្វ្រារ៉េដ (NIR) ពីផ្កាយរណប ដើម្បីវាស់ស្ទង់កម្រិតភាពខៀវស្រងាត់នៃការលូតលាស់របស់រុក្ខជាតិ ដោយមានសមត្ថភាពកាត់បន្ថយការរំខានពីផ្ទៃដីរលោង ឬស្រមោលផ្សេងៗ។ | ដូចជាឧបករណ៍ស្កេនសុខភាពរុក្ខជាតិពីចម្ងាយ ដែលប្រាប់យើងថាស្រែមួយមានស្រូវលូតលាស់ល្អកម្រិតណា ដោយមើលលើភាពខៀវរបស់វា។ |
| Temporal dynamic characteristics | ជាលក្ខណៈនៃការផ្លាស់ប្តូររូបរាង ឬសភាពរបស់វត្ថុណាមួយទៅតាមពេលវេលាជារដូវកាល។ ក្នុងអត្ថបទនេះ គឺសំដៅលើការវិវត្តនៃដំណាំស្រូវតាមដំណាក់កាល ដូចជាពេលត្រៀមដីមានទឹកដក់ ពេលស្រូវលូតលាស់ខៀវ និងពេលស្រូវទុំ។ | ដូចជាការថតរូបកូនក្មេងម្នាក់ជារៀងរាល់ខែ ដើម្បីសង្កេតមើលពីការលូតលាស់កម្ពស់និងរូបរាងរបស់គេពីមួយខែទៅមួយខែ។ |
| Spatial resolution | ជាកម្រិតនៃភាពលម្អិតដែលអាចមើលឃើញក្នុងរូបភាពផ្កាយរណប ដែលកំណត់ដោយទំហំនៃភីកសែល (Pixel) មួយនៅលើដីពិត។ ឧទាហរណ៍ កម្រិត ២៥០ម៉ែត្រ មានន័យថាចំណុចមួយក្នុងរូបភាពតំណាងឱ្យផ្ទៃដីពិតទំហំ ២៥០ម៉ែត្រ x ២៥០ម៉ែត្រ។ | ដូចជាកម្រិតច្បាស់ (Megapixel) នៃកាមេរ៉ាទូរស័ព្ទដៃ ដែលកាលណាទំហំភីកសែលកាន់តែតូច រូបភាពកាន់តែច្បាស់អាចឱ្យយើងពង្រីកមើលឃើញវត្ថុតូចៗបាន។ |
| Spatial agreement | ជារង្វាស់ភាគរយដែលបង្ហាញពីភាពស៊ីចង្វាក់គ្នា ឬការត្រួតស៊ីគ្នាយ៉ាងត្រឹមត្រូវរវាងលទ្ធផលដែលគណនាបានពីក្បួនដោះស្រាយរូបភាពផ្កាយរណប និងទិន្នន័យផែនទីប្រើប្រាស់ដីជាក់ស្តែងដែលទុកជាគោល។ | ដូចជាការយកកិច្ចការផ្ទះរបស់សិស្សពីរនាក់មកផ្ទៀងផ្ទាត់គ្នា ដើម្បីមើលថាពួកគេមានចម្លើយត្រូវគ្នាប៉ុន្មានភាគរយ។ |
| Omission error | ជាកំហុសនៃការចាត់ថ្នាក់ទិន្នន័យ ដែលទីតាំងមួយមានផ្ទៃដីស្រែពិតប្រាកដ (ក្នុងទិន្នន័យយោង) ប៉ុន្តែប្រព័ន្ធកុំព្យូទ័រផ្កាយរណបមិនបានចាប់យក ឬមិនបានចាត់ថ្នាក់វាជាស្រែនោះទេ (រំលងចោល)។ | ដូចជាគ្រូហៅឈ្មោះសិស្សអវត្តមាន តែភ្លេចរំលងមិនបានហៅឈ្មោះសិស្សម្នាក់ដែលពិតជាមិនបានមកសាលាមែន។ |
អត្ថបទដែលបានបោះពុម្ពនៅលើ KhmerResearch ដែលទាក់ទងនឹងប្រធានបទនេះ៖
ប្រធានបទ និងសំណួរស្រាវជ្រាវដែលទាក់ទងនឹងឯកសារនេះ ដែលអ្នកអាចស្វែងរកបន្ថែម៖
