Original Title: Site-Specific Nitrogen Fertilizer Management Using Canopy Reflectance Sensors, Chlorophyll Meters and Leaf Color Charts: A Review
Source: doi.org/10.3390/nitrogen5040054
Disclaimer: Summary generated by AI based on the provided document. Please refer to the original paper for full scientific accuracy.

ការគ្រប់គ្រងជីអាសូតតាមទីតាំងជាក់លាក់ដោយប្រើប្រាស់ឧបករណ៍ចាប់សញ្ញាចំណាំងផ្លាតគម្របស្លឹក ម៉ែត្រវាស់ក្លរ៉ូហ្វីល និងតារាងពណ៌ស្លឹក៖ ការពិនិត្យឡើងវិញ

ចំណងជើងដើម៖ Site-Specific Nitrogen Fertilizer Management Using Canopy Reflectance Sensors, Chlorophyll Meters and Leaf Color Charts: A Review

អ្នកនិពន្ធ៖ Ali M. Ali (Desert Research Center, Egypt), Haytham M. Salem (University of Idaho, USA), Bijay-Singh (Punjab Agricultural University, India)

ឆ្នាំបោះពុម្ព៖ 2024, Nitrogen

វិស័យសិក្សា៖ Precision Agriculture

១. សេចក្តីសង្ខេបប្រតិបត្តិ (Executive Summary)

បញ្ហា (The Problem)៖ ការប្រើប្រាស់ជីអាសូត (Nitrogen) ហួសកម្រិតនៅក្នុងវិស័យកសិកម្មបានបណ្តាលឱ្យមានបញ្ហាបរិស្ថានធ្ងន់ធ្ងរ និងការកើនឡើងការចំណាយសេដ្ឋកិច្ច ខណៈដែលការផ្ដល់អាសូតមិនគ្រប់គ្រាន់ធ្វើឱ្យប៉ះពាល់ដល់ទិន្នផលដំណាំ ដែលបញ្ហានេះតម្រូវឱ្យមានការគ្រប់គ្រងអាសូតតាមទីតាំងជាក់លាក់ (SSNM) ប្រកបដោយប្រសិទ្ធភាព។

វិធីសាស្ត្រ (The Methodology)៖ ការសិក្សានេះគឺជាការពិនិត្យនិងវិភាគប្រៀបធៀប (Comparative Analysis) លើបច្ចេកវិទ្យាសំខាន់ៗចំនួនបីដែលត្រូវបានប្រើប្រាស់ក្នុងការវាយតម្លៃតម្រូវការជីអាសូតរបស់ដំណាំ។

លទ្ធផលសំខាន់ៗ (The Verdict)៖

២. ការវិភាគលើប្រសិទ្ធភាព និងដែនកំណត់ (Performance & Constraints)

វិធីសាស្ត្រ (Method) គុណសម្បត្តិ (Pros) គុណវិបត្តិ (Cons) លទ្ធផលគន្លឹះ (Key Result)
Canopy Reflectance Sensors
ឧបករណ៍ចាប់សញ្ញាចំណាំងផ្លាតគម្របស្លឹក (ឧ. GreenSeeker, Crop Circle)
ផ្តល់ទិន្នន័យប្រកបដោយភាពត្រឹមត្រូវខ្ពស់ និងអាចតាមដានស្ថានភាពដំណាំក្នុងពេលជាក់ស្តែងលើផ្ទៃដីធំទូលាយ។ អាចធ្វើសមាហរណកម្មជាមួយប្រព័ន្ធ GPS, GIS និង AI សម្រាប់កសិកម្មឆ្លាតវៃ។ ត្រូវការការចំណាយដើមខ្ពស់ក្នុងការទិញឧបករណ៍ និងទាមទារចំណេះដឹងផ្នែកបច្ចេកទេសកម្រិតខ្ពស់ដើម្បីធ្វើកាលីប (Calibration) និងវិភាគទិន្នន័យ។ មានប្រសិទ្ធភាពខ្ពស់ក្នុងការបង្កើនទិន្នផល និងកាត់បន្ថយការខ្ជះខ្ជាយជីអាសូត តាមរយៈការវាយតម្លៃអត្រាជីដែលអាចប្រែប្រួលបាន (Variable Rate Application)។
Chlorophyll Meters
ម៉ែត្រវាស់ក្លរ៉ូហ្វីល (ឧ. SPAD meter, atLeaf)
មានភាពសាមញ្ញក្នុងការប្រើប្រាស់ និងផ្តល់ទិន្នន័យភ្លាមៗអំពីកម្រិតពណ៌បៃតងរបស់ស្លឹក ដែលបង្ហាញពីកង្វះជាតិអាសូតបានយ៉ាងច្បាស់លាស់។ តម្លៃមធ្យមសមរម្យសម្រាប់កសិដ្ឋាន និងការស្រាវជ្រាវ។ ទាមទារឱ្យមានការវាស់ស្ទង់ច្រើនដងនិងផ្ទាល់ដៃនៅលើស្លឹកនីមួយៗ ដែលចំណាយពេលច្រើនសម្រាប់ផ្ទៃដីកសិកម្មធំៗ។ ត្រូវការធ្វើកាលីបជាប្រចាំផងដែរ។ កំណត់អត្តសញ្ញាណកង្វះអាសូតបានយ៉ាងជាក់លាក់តាំងពីដំណាក់កាលលូតលាស់ដំបូង និងជួយណែនាំការបំប៉នជីទាន់ពេលវេលា។
Leaf Color Charts (LCC)
តារាងពណ៌ស្លឹក
មានតម្លៃថោកបំផុត ងាយស្រួលប្រើប្រាស់ដោយមិនចាំបាច់មានការបណ្តុះបណ្តាលបច្ចេកទេស និងស័ក្តិសមបំផុតសម្រាប់កសិករខ្នាតតូចក្នុងប្រទេសកំពុងអភិវឌ្ឍន៍។ កម្រិតនៃភាពត្រឹមត្រូវមានមធ្យម ដោយពឹងផ្អែកលើការវាយតម្លៃដោយភ្នែកផ្ទាល់ដែលអាចមានភាពលម្អៀង (Subjective) និងមិនសូវច្បាស់លាស់នៅក្រោមពន្លឺខ្សោយ។ ជួយកសិករកាត់បន្ថយការប្រើប្រាស់ជីអាសូតហួសកម្រិត ដោយរក្សាបាននូវទិន្នផលដំណាំខ្ពស់ប្រហាក់ប្រហែលនឹងការប្រើប្រាស់បច្ចេកវិទ្យាទំនើប។

ការចំណាយលើធនធាន (Resource Cost)៖ ការចំណាយលើធនធានមានភាពខុសគ្នាខ្លាំង ចាប់ពីតម្លៃថោកបំផុតសម្រាប់តារាងពណ៌ស្លឹក (LCC) រហូតដល់ការវិនិយោគខ្ពស់លើឧបករណ៍ចាប់សញ្ញាឌីជីថល (Canopy Sensors) និងទាមទារជំនាញបច្ចេកទេសខុសៗគ្នា។

៣. ការពិនិត្យសម្រាប់បរិបទកម្ពុជា/អាស៊ីអាគ្នេយ៍

ភាពលំអៀងនៃទិន្នន័យ (Data Bias)៖

ការសិក្សានេះប្រមូលទិន្នន័យពីតំបន់ផ្សេងៗទូទាំងពិភពលោក (អាស៊ី អាមេរិក អឺរ៉ុប អេហ្ស៊ីប) ជាពិសេសការស្រាវជ្រាវរបស់វិទ្យាស្ថានអន្តរជាតិស្រាវជ្រាវដំណាំស្រូវ (IRRI) នៅអាស៊ីខាងត្បូង។ នេះមានសារៈសំខាន់សម្រាប់កម្ពុជា ព្រោះលក្ខខណ្ឌអាកាសធាតុប្រភេទដី និងប្រព័ន្ធកសិកម្មខ្នាតតូចមានភាពស្រដៀងគ្នា ប៉ុន្តែទាមទារឱ្យមានការធ្វើកាលីប (Calibration) ជាថ្មីសម្រាប់ពូជដំណាំក្នុងស្រុក។

លទ្ធភាពនៃការអនុវត្ត (Applicability)៖

បច្ចេកវិទ្យាទាំងបីប្រភេទនេះមានសក្តានុពល និងអត្ថប្រយោជន៍យ៉ាងធំធេងសម្រាប់ការធ្វើទំនើបកម្មវិស័យកសិកម្មនៅកម្ពុជា។

ការជ្រើសរើសនិងអនុវត្តឧបករណ៍ទាំងនេះឱ្យស្របតាមទំហំធនធានរបស់កសិករ នឹងជួយកាត់បន្ថយការបំពុលប្រភពទឹក (ដូចជាបឹងទន្លេសាប) និងបង្កើនប្រាក់ចំណេញផ្នែកសេដ្ឋកិច្ចយ៉ាងមានប្រសិទ្ធភាព។

៤. ផែនការសកម្មភាពសម្រាប់និស្សិត (Actionable Roadmap)

ដើម្បីអនុវត្តតាមការសិក្សានេះ និស្សិតគួរអនុវត្តតាមជំហានខាងក្រោម៖

  1. សិក្សាមូលដ្ឋានគ្រឹះស្តីពីការគ្រប់គ្រងអាសូតតាមទីតាំងជាក់លាក់ (SSNM Basics): និស្សិតគួរចាប់ផ្តើមស្រាវជ្រាវ និងសិក្សាពីគោលការណ៍ណែនាំរបស់វិទ្យាស្ថាន IRRI ទាក់ទងនឹងសក្ដានុពលនៃការគ្រប់គ្រងជីអាសូតសម្រាប់ដំណាំស្រូវ និងឥទ្ធិពលបរិស្ថាន។
  2. អនុវត្តផ្ទាល់ជាមួយតារាងពណ៌ស្លឹក (Deploy Leaf Color Charts): ចុះកម្មសិក្សានៅតាមសហគមន៍កសិកម្ម ដើម្បីណែនាំនិងប្រមូលទិន្នន័យពីការប្រើប្រាស់ LCC ជាក់ស្តែង ដោយប្រៀបធៀបទិន្នផលរវាងការប្រើ LCC និងទម្លាប់ចាស់របស់កសិករ។
  3. សាកល្បងនិងប្រៀបធៀបដោយប្រើ SPAD Meter: រៀបចំដីពិសោធន៍ (Test plots) នៅក្នុងសាកលវិទ្យាល័យ ដោយប្រើប្រាស់ឧបករណ៍ SPAD-502 ដើម្បីវាស់ស្ទង់កម្រិតក្លរ៉ូហ្វីល និងបង្កើតតម្លៃយោង (Dynamic Sufficiency Index) សម្រាប់ពូជស្រូវក្នុងស្រុក (ឧទាហរណ៍ ពូជផ្ការំដួល)។
  4. ស្រាវជ្រាវកម្រិតខ្ពស់ជាមួយ Optical Sensors និង Drones: សម្រាប់គម្រោងបញ្ចប់ឆ្នាំសិក្សា និស្សិតអាចសហការគ្នាប្រើប្រាស់ឧបករណ៍ GreenSeeker ឬភ្ជាប់សេនស័រ (Multispectral sensors) ជាមួយដ្រូន ដើម្បីគូសផែនទីតម្រូវការជីអាសូតលើវាលស្រែខ្នាតធំ។

៥. វាក្យសព្ទបច្ចេកទេស (Technical Glossary)

ពាក្យបច្ចេកទេស ការពន្យល់ជាខេមរភាសា (Khmer Explanation) និយមន័យសាមញ្ញ (Simple Definition)
Site-specific N management (SSNM) គឺជាវិធីសាស្ត្រនៃការគ្រប់គ្រង និងការផ្តល់ជីអាសូតដោយផ្អែកលើតម្រូវការជាក់ស្តែងនៃទីតាំងនីមួយៗក្នុងលំហវាលស្រែ ឬចម្ការ ជាជាងការរោយជីក្នុងកម្រិតស្មើៗគ្នាពេញមួយវាល។ វាជួយកាត់បន្ថយការខ្ជះខ្ជាយ កាត់បន្ថយការបំពុលបរិស្ថាន និងរក្សាបាននូវទិន្នផលខ្ពស់។ ដូចជាការផ្តល់ថ្នាំពេទ្យទៅអ្នកជំងឺតាមអាការៈជាក់ស្តែងរបស់អ្នកនីមួយៗ ជាជាងការឱ្យថ្នាំដូចៗគ្នាទៅមនុស្សគ្រប់គ្នា។
Canopy Reflectance Sensors ជាឧបករណ៍ចាប់សញ្ញាដែលវាស់កម្រិតចំណាំងផ្លាតនៃពន្លឺ (ទាំងពន្លឺដែលអាចមើលឃើញ និងពន្លឺអ៊ីនហ្វ្រារ៉េដជិត) ពីស្លឹករុក្ខជាតិ ដើម្បីវាយតម្លៃពីកម្រិតភាពតានតឹងនៃកង្វះអាសូត និងសុខភាពទូទៅរបស់ដំណាំដោយមិនចាំបាច់ប៉ះពាល់ផ្ទាល់ជាមួយរុក្ខជាតិ។ ដូចជាការប្រើឧបករណ៍ស្កេនកម្ដៅ (ទែម៉ូម៉ែត្របាញ់ថ្ងាស) ដើម្បីវាស់កម្តៅមនុស្សដោយមិនចាំបាច់ប៉ះស្បែកផ្ទាល់។
Normalized Difference Vegetation Index (NDVI) ជារូបមន្តគណនាសន្ទស្សន៍រុក្ខជាតិដោយផ្អែកលើការប្រៀបធៀបរវាងការស្រូបយកពន្លឺពណ៌ក្រហម និងការជះពន្លឺត្រឡប់មកវិញនូវពន្លឺអ៊ីនហ្វ្រារ៉េដជិត (Near-Infrared) ដើម្បីកំណត់ពីកម្រិតភាពខៀវស្រងាត់ ជីវម៉ាស និងកម្រិតធ្វើរស្មីសំយោគរបស់រុក្ខជាតិ។ ដូចជាពិន្ទុនៃរបាយការណ៍ពិនិត្យសុខភាពប្រចាំឆ្នាំ ដែលប្រាប់យើងជារួមថាតើសិស្សនោះមានសុខភាពល្អកម្រិតណា។
In-season estimated yield (INSEY) គឺជាការប៉ាន់ស្មានសក្ដានុពលទិន្នផលដំណាំនៅពាក់កណ្តាលរដូវកាលដាំដុះ ដោយប្រើប្រាស់ទិន្នន័យពីឧបករណ៍ចាប់សញ្ញា (ដូចជា NDVI) ចែកនឹងចំនួនថ្ងៃលូតលាស់ ដើម្បីធ្វើការសម្រេចចិត្តថាតើគួរគណនាបន្ថែមជីអាសូតក្នុងកម្រិតណាមួយ។ ដូចជាការទស្សន៍ទាយពិន្ទុប្រឡងបញ្ចប់ឆមាសរបស់សិស្ស ដោយផ្អែកលើលទ្ធផលនៃការធ្វើតេស្តពាក់កណ្តាលឆមាស ដើម្បីដឹងថាគេត្រូវការរៀនបំប៉នបន្ថែមប៉ុន្មានម៉ោងទៀត។
SPAD Meter ជាឧបករណ៍កាន់នឹងដៃ (Handheld device) សម្រាប់វាស់កម្រិតក្លរ៉ូហ្វីល (ភាពបៃតង) នៅក្នុងស្លឹករុក្ខជាតិដោយការបាញ់ពន្លឺកាត់ទម្លុះស្លឹក ដែលលទ្ធផលនេះត្រូវបានប្រើដើម្បីវាយតម្លៃដោយប្រយោលពីបរិមាណជាតិអាសូតដែលមានក្នុងដំណាំនោះ។ ដូចជាម៉ាស៊ីនវាស់កម្រិតអុកស៊ីសែននៅចុងម្រាមដៃ ដែលបាញ់ពន្លឺឆ្លងកាត់ស្បែកដើម្បីប្រាប់ពីបរិមាណអុកស៊ីសែនក្នុងឈាម។
N sufficiency index ជាសន្ទស្សន៍ភាគរយដែលបានមកពីការប្រៀបធៀបតម្លៃរង្វាស់ក្លរ៉ូហ្វីលរបស់ដំណាំដែលកំពុងដាំដុះ ទៅនឹងតម្លៃរង្វាស់របស់ដំណាំក្នុងតំបន់យោង (Reference strip ដែលទទួលបានជីគ្រប់គ្រាន់និងលូតលាស់ល្អបំផុត) ដើម្បីសម្រេចថាតើគួរតែថែមជីទៀតឬទេ។ ដូចជាការយកកម្ពស់របស់ក្មេងម្នាក់ទៅប្រៀបធៀបជាមួយស្តង់ដារកម្ពស់ក្មេងដែលមានសុខភាពល្អបំផុត ដើម្បីដឹងថាក្មេងនោះខ្វះជីវជាតិឬអត់។
Response Index (RI) ជារង្វាស់ដែលបង្ហាញពីសក្តានុពលនៃការកើនឡើងទិន្នផល ប្រសិនបើគេបន្ថែមជីអាសូតទៅឱ្យដំណាំ ដោយវាត្រូវបានគណនាតាមរយៈការប្រៀបធៀបតម្លៃ NDVI រវាងតំបន់ដែលមិនសូវមានជី និងតំបន់យោងដែលសម្បូរជីអាសូត។ ដូចជាការគណនាថាតើម៉ូតូមួយគ្រឿងនឹងរត់បានលឿនជាងមុនប៉ុណ្ណា ប្រសិនបើយើងចាក់សាំងប្រភេទពិសេសឱ្យវា។

៦. ប្រធានបទពាក់ព័ន្ធ (Further Reading)

អត្ថបទដែលបានបោះពុម្ពនៅលើ KhmerResearch ដែលទាក់ទងនឹងប្រធានបទនេះ៖

ប្រធានបទ និងសំណួរស្រាវជ្រាវដែលទាក់ទងនឹងឯកសារនេះ ដែលអ្នកអាចស្វែងរកបន្ថែម៖