បញ្ហា (The Problem)៖ ការសិក្សានេះដោះស្រាយបញ្ហាប្រឈមក្នុងការតាមដាន និងវាយតម្លៃសុខភាពរុក្ខជាតិក្នុងទ្រង់ទ្រាយធំនៅតាមថ្នាលបណ្តុះកូនឈើ ដោយប្រើប្រាស់បច្ចេកវិទ្យាវិភាគរូបភាពពីចម្ងាយដើម្បីជំនួសវិធីសាស្ត្រចាស់ដែលចំណាយពេលយូរ។
វិធីសាស្ត្រ (The Methodology)៖ ការស្រាវជ្រាវនេះបានប្រើប្រាស់យន្តហោះគ្មានមនុស្សបើក (Quadrocopter) បំពាក់កាមេរ៉ាកម្រិត 4K ដើម្បីប្រមូលរូបភាពគុណភាពខ្ពស់ និងវិភាគទិន្នន័យលំហរុក្ខជាតិ។
លទ្ធផលសំខាន់ៗ (The Verdict)៖
| វិធីសាស្ត្រ (Method) | គុណសម្បត្តិ (Pros) | គុណវិបត្តិ (Cons) | លទ្ធផលគន្លឹះ (Key Result) |
|---|---|---|---|
| Traditional Ground-based Monitoring ការតាមដានដោយផ្ទាល់នៅលើដី (វិធីសាស្ត្រប្រពៃណី) |
មិនតម្រូវឱ្យមានការវិនិយោគលើឧបករណ៍បច្ចេកវិទ្យាទំនើប ឬទាមទារចំណេះដឹងផ្នែកកុំព្យូទ័រស្មុគស្មាញឡើយ។ | ចំណាយពេលយូរ កម្លាំងពលកម្មច្រើន និងមិនអាចផ្តល់ទិន្នន័យជារួមនៃផ្ទៃដីធំៗបានលឿននិងសុក្រឹតនោះទេ។ | ត្រូវជំនួសដោយបច្ចេកវិទ្យាថ្មី ដោយសារការប្រមូលទិន្នន័យមានកម្រិតយឺតយ៉ាវសម្រាប់ផ្ទៃដីធំ។ |
| UAV Monitoring with Turbo Upload (DroneDeploy) ការតាមដានតាម UAV ប្រើប្រាស់មុខងារបញ្ជូនទិន្នន័យលឿន (Turbo Upload) |
ផ្ទេរទិន្នន័យបានលឿនជាងមុន ៤ ដង ដែលអនុញ្ញាតឱ្យអ្នកប្រើប្រាស់វិភាគស្ថានភាពរុក្ខជាតិបានភ្លាមៗនៅទីវាល។ | ទិន្នន័យរូបភាពត្រូវបានបង្រួម (Compress) ដែលធ្វើឱ្យកម្រិតភាពច្បាស់ (Resolution) នៃផែនទីធ្លាក់ចុះបន្តិចបន្តួច។ | ផ្តល់លទ្ធផលរហ័សសម្រាប់ការតាមដានជាបឋម ឬនៅពេលប្រព័ន្ធអ៊ីនធឺណិតមានល្បឿនយឺត។ |
| UAV Monitoring with High-Res SD Card Export ការតាមដានតាម UAV ប្រើប្រាស់កាតអង្គចងចាំ (High Resolution) |
ផ្តល់នូវរូបភាពមានគុណភាពខ្ពស់បំផុត អាចបង្កើតគំរូ 3D ច្បាស់ល្អ និងគណនាសន្ទស្សន៍ NDVI/LAI បានយ៉ាងសុក្រឹត។ | ទាមទារពេលវេលាយូរក្នុងការទាញយក និងដំណើរការ (Process) ទិន្នន័យនៅលើប្រព័ន្ធកុំព្យូទ័រ។ | បង្កើតបានជាផែនទី Orthorectified កម្រិត 2 cm/pix និងផ្តល់សន្ទស្សន៍រុក្ខជាតិយ៉ាងលម្អិតសម្រាប់ប្រភេទកូនឈើ។ |
ការចំណាយលើធនធាន (Resource Cost)៖ ការអនុវត្តវិធីសាស្ត្រតាមដានតាមអាកាសនេះ តម្រូវឱ្យមានការវិនិយោគទៅលើឧបករណ៍ហោះហើរ កាមេរ៉ាគុណភាពខ្ពស់ និងប្រព័ន្ធកម្មវិធីវិភាគទិន្នន័យកសិកម្មអនឡាញ។
ការសិក្សានេះត្រូវបានធ្វើឡើងនៅក្នុងថ្នាលបណ្តុះកូនឈើ Nędza ភាគខាងត្បូងប្រទេសប៉ូឡូញ ដោយផ្តោតលើប្រភេទឈើនៅតំបន់ត្រជាក់ (ស្រល់, អុក, ប៊ីច)។ ទិន្នន័យនិងសន្ទស្សន៍ជាក់លាក់អាចមានភាពខុសគ្នា (Bias) ប្រសិនបើអនុវត្តនៅប្រទេសកម្ពុជា ដែលមានអាកាសធាតុត្រូពិច និងប្រភេទរុក្ខជាតិខុសគ្នា។ យ៉ាងណាក្តី វិធីសាស្ត្រក្នុងការតាមដានតាម UAV គឺអាចយកមកអនុវត្តបានដូចគ្នាសម្រាប់រុក្ខជាតិនៅកម្ពុជា។
បច្ចេកវិទ្យានេះមានសក្តានុពលខ្ពស់និងមានអត្ថប្រយោជន៍យ៉ាងខ្លាំងសម្រាប់ប្រទេសកម្ពុជា ពិសេសក្នុងការអភិវឌ្ឍវិស័យកសិកម្មឆ្លាតវៃ (Smart Agriculture) និងការគ្រប់គ្រងធនធានព្រៃឈើ។
សរុបមក ការប្រើប្រាស់ UAV នឹងជួយកសិករ និងអ្នកស្រាវជ្រាវកម្ពុជាសន្សំសំចៃពេលវេលា កាត់បន្ថយការចំណាយពលកម្ម និងអាចធ្វើការសម្រេចចិត្តបានត្រឹមត្រូវដោយផ្អែកលើទិន្នន័យជាក់ស្តែង។
ដើម្បីអនុវត្តតាមការសិក្សានេះ និស្សិតគួរអនុវត្តតាមជំហានខាងក្រោម៖
| ពាក្យបច្ចេកទេស | ការពន្យល់ជាខេមរភាសា (Khmer Explanation) | និយមន័យសាមញ្ញ (Simple Definition) |
|---|---|---|
| Normalized Difference Vegetation Index (NDVI) | សន្ទស្សន៍ដែលប្រើប្រាស់ទិន្នន័យចំណាំងផ្លាតពន្លឺ (ពិសេសពន្លឺក្រហម និងក្រហមអាំងប្រា) ពីរុក្ខជាតិ ដើម្បីវាស់ស្ទង់កម្រិតភាពបៃតង និងកម្រិតសុខភាពរបស់វា។ តម្លៃកាន់តែខ្ពស់ (ជិត ១) បង្ហាញថារុក្ខជាតិកាន់តែមានសុខភាពល្អ និងមានកំហាប់ក្លរ៉ូហ្វីលច្រើន។ | ដូចជាការវាស់កម្តៅដើម្បីដឹងពីសុខភាពមនុស្ស តែនេះគឺការវាស់ចំណាំងផ្លាតពន្លឺបៃតងដើម្បីដឹងពីសុខភាពដើមឈើពីលើអាកាស។ |
| Leaf Area Index (LAI) | រង្វាស់បរិមាណផ្ទៃសរុបនៃស្លឹករុក្ខជាតិធៀបនឹងទំហំផ្ទៃដីខាងក្រោមវា។ វាត្រូវបានប្រើដើម្បីវាយតម្លៃភាពក្រាស់នៃដំបូលសន្លឹក ការលូតលាស់ និងសមត្ថភាពធ្វើរស្មីសំយោគរបស់រុក្ខជាតិក្នុងតំបន់ណាមួយ។ | ដូចជាការវាស់ទំហំឆ័ត្រថាតើវាអាចបាំងពន្លឺថ្ងៃពីដីបានកម្រិតណាដែរ បើឆ័ត្រកាន់តែធំនិងមានស្រទាប់ច្រើន ម្លប់និងការគ្របដណ្ដប់ក៏កាន់តែច្រើន។ |
| Orthorectified maps | ផែនទីរូបភាពដែលត្រូវបានកែតម្រូវទម្រង់កោងនៃផែនដី មុំកាមេរ៉ា និងកម្ពស់ដីរួចរាល់ ធ្វើឱ្យវាមានមាត្រដ្ឋានស្មើគ្នាគ្រប់កន្លែង និងអាចវាស់ចម្ងាយ ផ្ទៃក្រឡា ឬទិសដៅបានយ៉ាងសុក្រឹត។ | ដូចជាការយករូបថតដែលថតបញ្ឆិតៗ មកអ៊ុតសង្កត់ឱ្យរាបស្មើ និងត្រង់ល្អ ដើម្បីអាចយកបន្ទាត់មកវាស់ចម្ងាយពិតប្រាកដបាន។ |
| Photogrammetry | វិទ្យាសាស្ត្រ និងបច្ចេកវិទ្យានៃការវាស់វែងផ្ទៃដី និងបង្កើតគំរូ 3D នៃវត្ថុ ដោយប្រើប្រាស់ការត្រួតស៊ីគ្នានៃរូបថតជាច្រើនសន្លឹកដែលថតពីមុំខុសៗគ្នាតាមរយៈយន្តហោះបញ្ជា។ | ដូចជាការប្រើប្រាស់ភ្នែកទាំងពីររបស់យើងដើម្បីសម្លឹងមើលវត្ថុមួយ ដែលជួយឱ្យខួរក្បាលដឹងពីជម្រៅនិងទំហំពិតនៃវត្ថុនោះ។ |
| Assimilative apparatus | ពាក្យបច្ចេកទេសក្នុងជីវវិទ្យាដែលសំដៅលើផ្នែកនៃរុក្ខជាតិ (ជាទូទៅគឺប្រព័ន្ធស្លឹក) ដែលមាននាទីធ្វើរស្មីសំយោគ ដើម្បីស្រូបយកថាមពលពន្លឺព្រះអាទិត្យ និងបង្កើតចំណីសម្រាប់ចិញ្ចឹមរុក្ខជាតិ។ | ដូចជាបន្ទះសូឡា (Solar Panel) រាប់ពាន់បន្ទះនៅលើដំបូលផ្ទះ ដែលចាប់យកពន្លឺថ្ងៃមកបំប្លែងជាថាមពលសម្រាប់ប្រើប្រាស់។ |
| VARI algorithm | ក្បួនគណនាសន្ទស្សន៍រុក្ខជាតិ (Visible Atmospherically Resistant Index) ដែលប្រើប្រាស់តែពណ៌ដែលអាចមើលឃើញដោយភ្នែក (ក្រហម បៃតង ខៀវ) ដើម្បីប៉ាន់ស្មានភាពបៃតង ដោយជួយកាត់បន្ថយឥទ្ធិពលរំខានពីបរិយាកាស ដូចជាអ័ព្ទ។ | ដូចជាការពាក់វ៉ែនតាការពារចំណាំងផ្លាត ដើម្បីអាចមើលឃើញពណ៌ដើមឈើច្បាស់ល្អ ទោះជានៅថ្ងៃមានអ័ព្ទរំខានក៏ដោយ។ |
| Stereometric characteristics | លក្ខណៈវាស់វែងនៃវត្ថុក្នុងទម្រង់ 3D (មាត្រដ្ឋានបីវិមាត្រ) ដែលរាប់បញ្ចូលទាំងទិន្នន័យនៃកម្ពស់ ទំហំ រូបរាង និងមាឌនៃវត្ថុ ឬដំបូលសន្លឹករុក្ខជាតិនៅលើដី។ | ដូចជាការស្ទាបស្កេនរូបរាងសំបកកង់ឡានដើម្បីដឹងពីជម្រៅក្រឡា មិនមែនគ្រាន់តែមើលឃើញថាវាមានពណ៌ខ្មៅនិងរាបស្មើពីលើនោះទេ។ |
អត្ថបទដែលបានបោះពុម្ពនៅលើ KhmerResearch ដែលទាក់ទងនឹងប្រធានបទនេះ៖
ប្រធានបទ និងសំណួរស្រាវជ្រាវដែលទាក់ទងនឹងឯកសារនេះ ដែលអ្នកអាចស្វែងរកបន្ថែម៖
