បញ្ហា (The Problem)៖ តើបច្ចេកវិទ្យាអង្កេតពីចម្ងាយ (Remote sensing) តាមរយៈការប្រើប្រាស់សន្ទស្សន៍រុក្ខជាតិ (NDVI) អាចជួយក្នុងការប៉ាន់ស្មាន និងការព្យាករណ៍ទិន្នផលដំឡូងមីនៅក្នុងខេត្ត Kamphaeng Phet បានកម្រិតណា?
វិធីសាស្ត្រ (The Methodology)៖ ការសិក្សានេះបានប្រើប្រាស់ទិន្នន័យរូបភាពផ្កាយរណបបញ្ចូលគ្នាជាមួយការចុះអង្កេតផ្ទាល់នៅទីវាល ដើម្បីវិភាគទំនាក់ទំនងរវាងសន្ទស្សន៍ NDVI និងទិន្នផលដំឡូងមីជាក់ស្តែង។
លទ្ធផលសំខាន់ៗ (The Verdict)៖
| វិធីសាស្ត្រ (Method) | គុណសម្បត្តិ (Pros) | គុណវិបត្តិ (Cons) | លទ្ធផលគន្លឹះ (Key Result) |
|---|---|---|---|
| NDVI Remote Sensing + Simple Linear Regression ការប្រើប្រាស់សន្ទស្សន៍ NDVI ពីផ្កាយរណប និងការវិភាគតម្រែតម្រង់លីនេអ៊ែរសាមញ្ញ |
អាចប៉ាន់ស្មានទិន្នផលដំឡូងមីក្នុងផ្ទៃដីធំទូលាយដោយមិនចាំបាច់ចុះវាស់វែងផ្ទាល់ច្រើនកន្លែង។ មានប្រសិទ្ធភាពខ្ពស់សម្រាប់ដំឡូងមីដែលប្រមូលផលក្នុងរយៈពេល ១ ឆ្នាំបន្ទាប់ពីដាំ។ | មិនមានប្រសិទ្ធភាពសម្រាប់ដំឡូងមីដែលទុកលើសពី ១ ឆ្នាំ ឬមានការដាំលាយឡំច្រើនប្រភេទ។ រងឥទ្ធិពលពីពពក និងអាកាសធាតុក្នុងរដូវវស្សាដែលធ្វើឱ្យទិន្នន័យរូបភាពមិនច្បាស់។ | រកឃើញទំនាក់ទំនងវិជ្ជមានយ៉ាងសំខាន់ (Significant positive correlation) រវាងតម្លៃ NDVI ក្នុងខែវិច្ឆិកា និងទិន្នផលឫសស្រស់នៃពូជ Rayong 5 ប្រមូលផលក្នុងរយៈពេល ១ ឆ្នាំ។ |
| Field Survey & Questionnaire ការស្ទង់មតិ និងប្រមូលទិន្នន័យជាក់ស្តែងនៅទីវាល |
ទទួលបានទិន្នន័យទិន្នផលពិតប្រាកដ និងព័ត៌មានលម្អិតពីកសិករ (ដូចជាថ្ងៃខែដាំដុះ ពូជដែលប្រើប្រាស់ និងការថែទាំ) ដែលមិនអាចមើលឃើញពីផ្កាយរណប។ | ចំណាយពេលយូរ ត្រូវការកម្លាំងពលកម្មច្រើន និងមិនអាចអនុវត្តដើម្បីតាមដានលើផ្ទៃដីរាប់ម៉ឺនហិកតាក្នុងពេលតែមួយបាន។ | ផ្តល់ទិន្នន័យគោល (Ground truth data) ពីកសិករចំនួន ៧៨ គ្រួសារ ដែលចាំបាច់បំផុតសម្រាប់ការផ្ទៀងផ្ទាត់ភាពត្រឹមត្រូវនៃម៉ូដែលទស្សន៍ទាយរបស់ NDVI។ |
ការចំណាយលើធនធាន (Resource Cost)៖ ការសិក្សានេះតម្រូវឱ្យមានការរួមបញ្ចូលគ្នារវាងទិន្នន័យរូបភាពផ្កាយរណប កម្មវិធីវិភាគទិន្នន័យភូមិសាស្ត្រកម្រិតខ្ពស់ និងការចុះប្រមូលទិន្នន័យជាក់ស្តែងពីកសិករនៅទីវាល។
ការសិក្សានេះត្រូវបានធ្វើឡើងនៅក្នុងខេត្ត Kamphaeng Phet ប្រទេសថៃ ក្នុងចន្លោះឆ្នាំ ២០០៩-២០១១ ដោយផ្តោតលើពូជដំឡូងមី Rayong 5 ជាចម្បង។ ទោះបីជាលក្ខខណ្ឌអាកាសធាតុស្រដៀងគ្នានឹងប្រទេសកម្ពុជាក៏ដោយ ប៉ុន្តែប្រភេទដី បច្ចេកទេសដាំដុះ និងពូជដំឡូងមី (ឧទាហរណ៍ ពូជ KU50 ពេញនិយមនៅកម្ពុជា) គឺមានភាពខុសគ្នា ដែលទាមទារឱ្យមានការកែតម្រូវម៉ូដែលនេះឡើងវិញមុននឹងយកមកប្រើប្រាស់ផ្ទាល់។
វិធីសាស្ត្រក្នុងការតាមដានទិន្នផលតាមរយៈផ្កាយរណបនេះមានសារៈសំខាន់ និងមានសក្តានុពលខ្ពស់ខ្លាំងណាស់សម្រាប់ប្រទេសកម្ពុជា ដែលជាប្រទេសមានការដាំដុះដំឡូងមីច្រើនសម្រាប់ការនាំចេញ។
សរុបមក ការប្រើប្រាស់បច្ចេកវិទ្យា Remote Sensing គួបផ្សំជាមួយទិន្នន័យ NDVI គឺជាឧបករណ៍ដ៏ទំនើបមួយដែលអាចធ្វើបដិវត្តន៍ប្រព័ន្ធគ្រប់គ្រងទិន្នន័យកសិកម្មនៅកម្ពុជា ប្រសិនបើត្រូវបានសិក្សាបន្ថែមដើម្បីកែសម្រួលឱ្យត្រូវនឹងបរិបទក្នុងស្រុក។
ដើម្បីអនុវត្តតាមការសិក្សានេះ និស្សិតគួរអនុវត្តតាមជំហានខាងក្រោម៖
| ពាក្យបច្ចេកទេស | ការពន្យល់ជាខេមរភាសា (Khmer Explanation) | និយមន័យសាមញ្ញ (Simple Definition) |
|---|---|---|
| Normalized Difference Vegetation Index (NDVI) (សន្ទស្សន៍ភាពខុសគ្នានៃរុក្ខជាតិ) | ជាសន្ទស្សន៍ដែលគណនាចេញពីទិន្នន័យរូបភាពផ្កាយរណប (ដោយប្រើពន្លឺក្រហម និងពន្លឺអ៊ីនហ្វ្រារ៉េដជិត) ដើម្បីវាស់ស្ទង់កម្រិតភាពខៀវស្រងាត់ និងសុខភាពរបស់រុក្ខជាតិ។ តម្លៃកាន់តែខ្ពស់ បង្ហាញពីរុក្ខជាតិកាន់តែមានសុខភាពល្អ និងមានស្លឹកក្រាស់។ | វាប្រៀបដូចជាឧបករណ៍ស្កែនសុខភាពរុក្ខជាតិពីលើមេឃ ដើម្បីដឹងថាចម្ការណាមានដំណាំលូតលាស់ល្អជាងគេ ដោយពឹងផ្អែកលើភាពស្រស់បំព្រងនៃពណ៌បៃតងរបស់វា។ |
| Simple linear correlation and regression (ការវិភាគទំនាក់ទំនង និងតម្រែតម្រង់លីនេអ៊ែរសាមញ្ញ) | ជាវិធីសាស្ត្រស្ថិតិដែលប្រើដើម្បីរកមើលថាតើអថេរពីរ (ឧទាហរណ៍៖ តម្លៃ NDVI ពីផ្កាយរណប និងទិន្នផលដំឡូងមីជាក់ស្តែង) មានទំនាក់ទំនងគ្នា ឬដើរស្របទិសគ្នាដែរឬទេ ព្រមទាំងប្រើដើម្បីបង្កើតសមីការគណនាទស្សន៍ទាយតម្លៃមួយដោយផ្អែកលើតម្លៃមួយទៀត។ | វាដូចជាការសង្កេតមើលថា បើអ្នកញ៉ាំបាយកាន់តែច្រើន អ្នកកាន់តែធាត់ រួចយើងយកទិន្នន័យនេះទៅទាយទម្ងន់របស់អ្នកនៅថ្ងៃមុខដោយគ្រាន់តែដឹងពីបរិមាណបាយដែលអ្នកញ៉ាំ។ |
| Remote sensing (ការអង្កេតពីចម្ងាយ) | ជាបច្ចេកវិទ្យាក្នុងការប្រមូលព័ត៌មានអំពីវត្ថុ ឬតំបន់ណាមួយនៅលើផ្ទៃផែនដីពីចម្ងាយ (ជាទូទៅតាមរយៈឧបករណ៍បំពាក់លើផ្កាយរណប ឬយន្តហោះ) ដោយមិនចាំបាច់ចុះទៅប៉ះផ្ទាល់ជាមួយទីតាំងនោះ។ វារកឃើញ និងវាស់វែងកម្រិតពន្លឺដែលចំណាំងផ្លាតចេញពីរុក្ខជាតិ ឬដី។ | វាប្រៀបដូចជាការដែលយើងឈរនៅទីខ្ពស់ រួចប្រើកែវយឹតសម្លឹងមើលមកក្រោមដើម្បីពិនិត្យមើលសកម្មភាព និងស្ថានភាពនានាដោយមិនបាច់ដើរទៅដល់ទីតាំងនោះផ្ទាល់។ |
| False colour composite (ការផ្សំពណ៌ក្លែងក្លាយ) | ជាបច្ចេកទេសបង្ហាញរូបភាពផ្កាយរណបដោយប្រើប្រាស់ពណ៌ដែលភ្នែកមនុស្សអាចមើលឃើញ (ក្រហម បៃតង ខៀវ) ដើម្បីតំណាងឱ្យរលកពន្លឺដែលភ្នែកមនុស្សមើលមិនឃើញ (ដូចជា អ៊ីនហ្វ្រារ៉េដជិត)។ បច្ចេកទេសនេះធ្វើឱ្យយើងងាយស្រួលក្នុងការបែងចែកប្រភេទរុក្ខជាតិ ដោយរុក្ខជាតិច្រើនតែត្រូវបានបង្ហាញជាពណ៌ក្រហមនៅក្នុងរូបភាព។ | វាដូចជាការបំពាក់វ៉ែនតាវេទមន្តដែលអាចឱ្យយើងមើលឃើញកម្ដៅ ឬរលកសញ្ញាដែលភ្នែកធម្មតាមើលមិនឃើញ ដោយបំប្លែងវាទៅជាពណ៌ដែលយើងងាយចំណាំ។ |
| Thaichote (ផ្កាយរណបថៃជូត) | ជាប្រព័ន្ធផ្កាយរណបសង្កេតផែនដីដំបូងបង្អស់របស់ប្រទេសថៃ (ពីមុនហៅថា THEOS) ដែលអាចថតរូបភាពលើផ្ទៃផែនដីក្នុងកម្រិតភាពច្បាស់ខ្ពស់ (១៥ម៉ែត្រ សម្រាប់រូបភាពពហុពណ៌) ប្រើប្រាស់យ៉ាងទូលំទូលាយសម្រាប់តាមដានធនធានធម្មជាតិ និងវិស័យកសិកម្មនៅក្នុងតំបន់។ | វាគឺជាកាមេរ៉ាដ៏ធំមួយដែលហោះវិលជុំវិញផែនដី ដើម្បីថតរូបភាពពីលើអាកាសយកមកសិក្សាពីការប្រើប្រាស់ដីធ្លី និងការលូតលាស់របស់ដំណាំ។ |
| Leaf Area Index (សន្ទស្សន៍ផ្ទៃស្លឹក) | ជារង្វាស់មួយតំណាងឱ្យទំហំផ្ទៃក្រឡាសរុបនៃស្លឹករុក្ខជាតិ ដែលគ្របដណ្ដប់លើផ្ទៃដីមួយម៉ែត្រការ៉េ។ វាត្រូវបានប្រើប្រាស់នៅក្នុងការសិក្សាស្រាវជ្រាវដើម្បីប៉ាន់ស្មានការលូតលាស់ បរិមាណជីវម៉ាស និងសមត្ថភាពធ្វើរស្មីសំយោគរបស់រុក្ខជាតិ។ | វាប្រៀបដូចជាការវាស់ស្ទង់ថាតើមានតង់ក្រណាត់ប៉ុន្មានជាន់ដែលកំពុងត្រដាងគ្របបាំងពន្លឺព្រះអាទិត្យមិនឱ្យចាំងធ្លុះដល់ដី។ |
អត្ថបទដែលបានបោះពុម្ពនៅលើ KhmerResearch ដែលទាក់ទងនឹងប្រធានបទនេះ៖
ប្រធានបទ និងសំណួរស្រាវជ្រាវដែលទាក់ទងនឹងឯកសារនេះ ដែលអ្នកអាចស្វែងរកបន្ថែម៖
