បញ្ហា (The Problem)៖ ការស្រាវជ្រាវនេះមានគោលបំណងវាស់ស្ទង់សីតុណ្ហភាពផ្ទៃដី (LST) នៃដីស្រែក្នុងដំណាក់កាលលូតលាស់នីមួយៗ ដោយសារការប្រមូលទិន្នន័យផ្ទាល់នៅទីវាលមានទំហំធំនិងស្មុគស្មាញ ទើបគេប្រើប្រាស់បច្ចេកវិទ្យាផ្កាយរណបជំនួស។
វិធីសាស្ត្រ (The Methodology)៖ ការសិក្សានេះប្រើយន្តការទាញយកទិន្នន័យពីផ្កាយរណប Landsat 8 តាមពេលវេលាចំនួន៤ខុសគ្នា រួចប្រើប្រាស់រូបមន្តគណនាដើម្បីបែងចែកប្រភេទដី និងវិភាគសីតុណ្ហភាព។
លទ្ធផលសំខាន់ៗ (The Verdict)៖
| វិធីសាស្ត្រ (Method) | គុណសម្បត្តិ (Pros) | គុណវិបត្តិ (Cons) | លទ្ធផលគន្លឹះ (Key Result) |
|---|---|---|---|
| Split-Window Algorithm (SWA) ក្បួនដោះស្រាយ Split-Window សម្រាប់ការគណនាសីតុណ្ហភាពផ្ទៃដី (LST) |
អាចទាញយកសីតុណ្ហភាពផ្ទៃដីលើតំបន់ធំទូលាយដោយប្រើទិន្នន័យឥតគិតថ្លៃពីផ្កាយរណប (Bands 10 & 11)។ | ភាពត្រឹមត្រូវអាចរងផលប៉ះពាល់ដោយសារពពក និងទាមទារការគណនាប៉ារ៉ាម៉ែត្របរិយាកាសស្មុគស្មាញ (Atmospheric Water Vapor)។ | បានទាញយកទិន្នន័យសីតុណ្ហភាពផ្ទៃដីកសិកម្មដោយជោគជ័យ ដែលបង្ហាញពីសីតុណ្ហភាពជាមធ្យម 28.49°C សម្រាប់ដំណាំស្រូវ។ |
| Supervised Classification (Maximum Likelihood) ការចំណាត់ថ្នាក់ប្រភេទដីដោយមានការត្រួតពិនិត្យ (Maximum Likelihood) |
ផ្តល់ភាពត្រឹមត្រូវខ្ពស់ក្នុងការបែងចែកប្រភេទដីធ្លីនៅពេលដែលមានទិន្នន័យគំរូ (Training data) ច្បាស់លាស់។ | ចំណាយពេលច្រើនក្នុងការប្រមូលទិន្នន័យផ្ទាល់នៅទីវាល (Ground Truth) ដើម្បីបង្រៀនកុំព្យូទ័រ។ | ទទួលបានភាពត្រឹមត្រូវរួម (Overall Accuracy) ក្នុងការចំណាត់ថ្នាក់ដីចាប់ពី 82.5% ដល់ 85.5% សម្រាប់គ្រប់ដំណាក់កាល។ |
| Field Survey (Ground Truth with Thermal Camera) ការចុះអង្កេតផ្ទាល់នៅទីវាល និងការប្រើប្រាស់កាមេរ៉ាកម្ដៅ |
ផ្តល់ទិន្នន័យជាក់ស្តែង និងមានភាពត្រឹមត្រូវខ្ពស់បំផុតសម្រាប់ផ្ទៀងផ្ទាត់ជាមួយទិន្នន័យផ្កាយរណប។ | គ្របដណ្តប់បានតែផ្ទៃដីតូចតាច ចំណាយពេលច្រើន កម្លាំងពលកម្ម និងមានការលំបាកក្នុងការធ្វើមាត្រដ្ឋាន (Scaling)។ | ប្រមូលបានចំណុចគំរូចំនួន 100 ទីតាំងដើម្បីផ្ទៀងផ្ទាត់ និងធានាភាពជឿជាក់នៃទិន្នន័យពីផ្កាយរណប Landsat 8។ |
ការចំណាយលើធនធាន (Resource Cost)៖ ការសិក្សានេះទាមទារការប្រើប្រាស់ទិន្នន័យផ្កាយរណបដោយឥតគិតថ្លៃ ប៉ុន្តែត្រូវការឧបករណ៍វាស់ស្ទង់ជាក់លាក់ និងកម្មវិធីកុំព្យូទ័រសម្រាប់វិភាគទិន្នន័យភូមិសាស្ត្រ។
ការសិក្សានេះត្រូវបានធ្វើឡើងនៅស្រុក Bang Nam Priao ខេត្ត Chachoengsao ប្រទេសថៃ ដែលជាតំបន់ដីសើមមានប្រព័ន្ធធារាសាស្ត្រខ្វាត់ខ្វែង និងប្រើប្រាស់ពូជស្រូវថៃ (ឧ. Suphan Buri 1)។ សម្រាប់ប្រទេសកម្ពុជា ការអនុវត្តនេះត្រូវធ្វើការកែសម្រួលដោយសារតំបន់កសិកម្មភាគច្រើនពឹងផ្អែកលើទឹកភ្លៀង ពូជស្រូវក្នុងស្រុកមានលក្ខណៈខុសគ្នា ហើយកម្រិតសំណើមបរិយាកាស (Water vapor) អាចមានភាពប្រែប្រួលដែលតម្រូវឱ្យកែតម្រូវរូបមន្តគណនា SWA។
វិធីសាស្ត្រ និងបច្ចេកវិទ្យានេះមានសក្តានុពលខ្ពស់សម្រាប់ប្រទេសកម្ពុជា ពិសេសក្នុងការគាំទ្រដល់ការអនុវត្តកសិកម្មឆ្លាតវៃ (Smart Agriculture) លើផ្ទៃដីធំៗ។
ការអនុម័តបច្ចេកវិទ្យា Remote Sensing នេះនឹងជួយកម្ពុជាផ្លាស់ប្តូរពីកសិកម្មបែបប្រពៃណីទៅកាន់កសិកម្មច្បាស់លាស់ (Precision Agriculture) ដោយផ្តល់ទិន្នន័យទាន់ពេលវេលាសម្រាប់ធ្វើសេចក្តីសម្រេចចិត្ត និងកាត់បន្ថយហានិភ័យពីអាកាសធាតុ។
ដើម្បីអនុវត្តតាមការសិក្សានេះ និស្សិតគួរអនុវត្តតាមជំហានខាងក្រោម៖
| ពាក្យបច្ចេកទេស | ការពន្យល់ជាខេមរភាសា (Khmer Explanation) | និយមន័យសាមញ្ញ (Simple Definition) |
|---|---|---|
| Land Surface Temperature (LST) | សីតុណ្ហភាពជាក់ស្តែងនៃផ្ទៃដី (មិនមែនសីតុណ្ហភាពបរិយាកាសទេ) ដែលវាស់វែងដោយផ្កាយរណបតាមរយៈរលកកម្ដៅ ដែលជួយប្រាប់ពីកម្រិតសំណើម និងស្ថានភាពរុក្ខជាតិនៅលើដី។ | ដូចជាការយកទែម៉ូម៉ែត្រទៅស្ទាបផ្ទាល់លើដីដែលត្រូវពន្លឺព្រះអាទិត្យ មិនមែនវាស់កម្ដៅខ្យល់ជុំវិញនោះទេ។ |
| Split-Window Algorithm | ជារូបមន្តគណនាគណិតវិទ្យាដែលប្រើប្រាស់ទិន្នន័យរលកកម្ដៅពីរផ្សេងគ្នា (ឧទាហរណ៍ Bands 10 និង 11 របស់ Landsat 8) ដើម្បីកាត់បន្ថយកំហុសរំខានពីចំហាយទឹកក្នុងបរិយាកាស និងរកសីតុណ្ហភាពផ្ទៃដីពិតប្រាកដ។ | ដូចជាការការពាក់វ៉ែនតាការពារចំណាំងពន្លឺពីរជាន់ដើម្បីមើលឆ្លុះកាត់អ័ព្ទឱ្យឃើញទេសភាពច្បាស់ដល់ដី។ |
| Normalized Difference Vegetation Index (NDVI) | ជាសន្ទស្សន៍វាស់កម្រិតភាពបៃតងរបស់រុក្ខជាតិ ដោយប្រៀបធៀបការចំណាំងផ្លាតនៃរលកពន្លឺពណ៌ក្រហម (ដែលរុក្ខជាតិស្រូបយក) និងរលកអាំងហ្វ្រារ៉េដជិត (ដែលរុក្ខជាតិជះត្រឡប់មកវិញ) ដើម្បីវាយតម្លៃសុខភាព និងកម្រិតលូតលាស់របស់ដំណាំ។ | ដូចជាការប្រើម៉ាស៊ីនស្កេនពិនិត្យមើលសរសៃឈាមមនុស្សដើម្បីដឹងថាសុខភាពល្អឬអត់អញ្ចឹងដែរ បើកម្រិតពន្លឺលោតពណ៌បៃតងចាស់គឺមានន័យថារុក្ខជាតិកំពុងលូតលាស់ល្អ។ |
| Thermal Infrared | ជារលកពន្លឺដែលភ្នែកមនុស្សមើលមិនឃើញ ប៉ុន្តែវាបញ្ចេញកម្ដៅចេញពីវត្ថុផ្សេងៗនៅលើផែនដី ផ្កាយរណបប្រើសេនស័រចាប់រលកនេះដើម្បីគណនាសីតុណ្ហភាពដោយមិនបាច់ចុះទៅវាស់ផ្ទាល់។ | ដូចជាការប្រើកាមេរ៉ាសម្ងាត់សម្លឹងមើលមនុស្សក្នុងទីងងឹត ដោយចាប់យកកម្ដៅដែលភាយចេញពីរាងកាយរបស់ពួកគេ។ |
| Brightness Temperature (TB) | ជារង្វាស់សីតុណ្ហភាពបឋមដែលផ្កាយរណបចាប់បានពីបរិយាកាសខាងលើបំផុត មុនពេលប្រព័ន្ធធ្វើការកែតម្រូវកត្តារំខានផ្សេងៗដើម្បីរកសីតុណ្ហភាពពិតប្រាកដនៅលើយកផ្ទៃដី។ | ដូចជាការប៉ាន់ស្មានកម្ដៅភ្លើងដោយគ្រាន់តែមើលពន្លឺដែលវាជះមកពីចម្ងាយ មុននឹងយើងដើរទៅជិតដើម្បីវាស់កម្ដៅពិតប្រាកដដោយប្រើប្រដាប់វាស់។ |
| Land Surface Emissivity (LSE) | ជាកម្រិតនៃសមត្ថភាពរបស់វត្ថុ (ដូចជាដី រុក្ខជាតិ ទឹក) ក្នុងការបញ្ចេញកម្ដៅ ឬថាមពលរលកអាំងហ្វ្រារ៉េដធៀបទៅនឹងវត្ថុខ្មៅស្តង់ដារល្អឥតខ្ចោះ ដែលតម្លៃនេះចាំបាច់សម្រាប់ការគណនាសីតុណ្ហភាពតាមរូបមន្តឱ្យបានត្រឹមត្រូវ។ | ដូចជាភាពខុសគ្នារវាងការកាន់ដែក និងឈើដែលហាលថ្ងៃ បើទោះជាត្រូវកម្ដៅថ្ងៃដូចគ្នាក៏វត្ថុទាំងពីរបញ្ចេញកម្ដៅមកប៉ះដៃយើងក្នុងកម្រិតខុសគ្នាដែរ។ |
| Supervised Classification | គឺជាដំណើរការក្នុងប្រព័ន្ធវិភាគរូបភាពផ្កាយរណប ដែលអ្នកស្រាវជ្រាវប្រាប់កុំព្យូទ័រជាមុននូវតំបន់គំរូ (ឧទាហរណ៍៖ កំណត់ទីតាំងនេះជាដីស្រែ ទីតាំងនេះជាផ្ទះ) ដើម្បីឱ្យកុំព្យូទ័ររៀនចំណាំទម្រង់ពណ៌ រួចយកទៅស្វែងរកចំណាត់ថ្នាក់ប្រភេទដីដូចគ្នានៅលើផ្ទៃរូបភាពផ្កាយរណបទាំងមូលដោយស្វ័យប្រវត្តិ។ | ដូចជាការបង្រៀនកូនក្មេងដោយចង្អុលប្រាប់ថា 'នេះជាដើមផ្លែប៉ោម' ហើយបន្ទាប់មកឱ្យក្មេងនោះទៅរើសដើមផ្លែប៉ោមទាំងអស់ចេញពីក្នុងចម្ការដ៏ធំ។ |
| TOA Spectral Radiance | ជាបរិមាណថាមពលចំណាំងផ្លាតនៃពន្លឺ និងកម្ដៅដែលជះពីផែនដី ឡើងទៅប៉ះសេនស័រផ្កាយរណបនៅទីអវកាស ដោយមិនទាន់បានកាត់កងឥទ្ធិពលស្រូបយកនៃស្រទាប់បរិយាកាស។ | ដូចជាការថតរូបពន្លឺពិលពីចម្ងាយដោយមានផ្សែងហុយរំខាន ពន្លឺដែលកាមេរ៉ាចាប់បានគឺមិនច្បាស់និងខ្លាំងដូចពន្លឺដែលចេញពីពិលផ្ទាល់នោះទេ។ |
អត្ថបទដែលបានបោះពុម្ពនៅលើ KhmerResearch ដែលទាក់ទងនឹងប្រធានបទនេះ៖
ប្រធានបទ និងសំណួរស្រាវជ្រាវដែលទាក់ទងនឹងឯកសារនេះ ដែលអ្នកអាចស្វែងរកបន្ថែម៖
