Original Title: A weighted relative density model applied to loblolly pine (Pinus taeda L.) stands
Source: doi.org/10.46882/AAAS/1051
Disclaimer: Summary generated by AI based on the provided document. Please refer to the original paper for full scientific accuracy.

គំរូដង់ស៊ីតេធៀបដែលមានទម្ងន់អនុវត្តចំពោះតំបន់ដាំដើមស្រល់ Loblolly (Pinus taeda L.)

ចំណងជើងដើម៖ A weighted relative density model applied to loblolly pine (Pinus taeda L.) stands

អ្នកនិពន្ធ៖ John M. Lhotka, University of Kentucky, Edward F. Loewenstein, Auburn University

ឆ្នាំបោះពុម្ព៖ 2018, Advances in Agriculture and Agricultural Sciences

វិស័យសិក្សា៖ Forestry

១. សេចក្តីសង្ខេបប្រតិបត្តិ (Executive Summary)

បញ្ហា (The Problem)៖ ឯកសារនេះស្រាវជ្រាវថាតើវិធីសាស្ត្រគណនាដង់ស៊ីតេធៀប (Relative density) បែបថ្មីដែលផ្អែកលើដើមឈើទោល អាចព្យាករណ៍ពីកំណើនអង្កត់ផ្ចិតរបស់ដើមស្រល់ Pinus taeda L. បានល្អជាង ឬប្រហាក់ប្រហែលនឹងវិធីសាស្ត្រប្រពៃណីដែរឬទេ។

វិធីសាស្ត្រ (The Methodology)៖ អ្នកស្រាវជ្រាវបានបង្កើតគំរូដង់ស៊ីតេធៀបដោយប្រើទិន្នន័យទំហំដើមឈើទោល និងប្រៀបធៀបវាជាមួយសន្ទស្សន៍ប្រពៃណីក្នុងការវាយតម្លៃលើកំណើនអង្កត់ផ្ចិត។

លទ្ធផលសំខាន់ៗ (The Verdict)៖

២. ការវិភាគលើប្រសិទ្ធភាព និងដែនកំណត់ (Performance & Constraints)

វិធីសាស្ត្រ (Method) គុណសម្បត្តិ (Pros) គុណវិបត្តិ (Cons) លទ្ធផលគន្លឹះ (Key Result)
Stand Density Index (SDI) & Additive SDI
សន្ទស្សន៍ដង់ស៊ីតេស្តង់ដារ (SDI) និងសន្ទស្សន៍បូកបញ្ចូល (Additive SDI)
ងាយស្រួលប្រើប្រាស់ និងមានប្រសិទ្ធភាពខ្ពស់ក្នុងការប៉ាន់ស្មានកំណើនសម្រាប់តំបន់ដាំដុះដែលមានអាយុនិងប្រភេទដើមឈើដូចគ្នា (Even-aged mono-specific stands)។ មិនអាចឆ្លុះបញ្ចាំងបានល្អសម្រាប់ព្រៃដែលមានដើមឈើចម្រុះប្រភេទ ឬមានទំហំអង្កត់ផ្ចិតខុសៗគ្នាខ្លាំងនោះទេ។ អាចពន្យល់ពីវ៉ារ្យង់នៃកំណើនអង្កត់ផ្ចិតបានប្រមាណ 70.95% (SDI) និង 70.61% (Additive SDI)។
Crown Competition Factor (CCF)
កត្តាប្រកួតប្រជែងមកុដដើមឈើ (CCF)
វាស់វែងការប្រកួតប្រជែងដោយផ្អែកលើទំហំមកុដដើមឈើ (Crown area) ដែលផ្តល់រូបភាពច្បាស់អំពីលំហលូតលាស់របស់ដើមឈើនីមួយៗ។ ត្រូវការការប៉ាន់ស្មានទំហំមកុដឈើ ដែលអាចមានការលំបាក និងទាមទារការវាស់វែងជាក់ស្តែងបន្ថែម។ អាចពន្យល់ពីវ៉ារ្យង់នៃកំណើនអង្កត់ផ្ចិតបានប្រមាណ 70.67% (R² = 0.7067)។
Weighted Individual-Tree Relative Density (Relative NMCA)
វិធីសាស្ត្រគណនាដង់ស៊ីតេធៀបដោយផ្អែកលើដើមឈើទោល (Relative NMCA) ដែលជាវិធីសាស្ត្រស្នើឡើង
អាចគណនាភាពចម្រុះនៃប្រភេទឈើ និងរចនាសម្ព័ន្ធអង្កត់ផ្ចិតផ្សេងៗគ្នាបានយ៉ាងល្អិតល្អន់ ដោយផ្អែកលើទំហំលូតលាស់នៃដើមឈើនីមួយៗ។ ត្រូវការទិន្នន័យលម្អិតច្រើន (ទំហំដើមឈើនីមួយៗ) និងការគណនាស្មុគស្មាញជាងវិធីសាស្ត្រប្រពៃណី។ ទទួលបានលទ្ធផលប្រហាក់ប្រហែលនឹងវិធីសាស្ត្រប្រពៃណី ដោយពន្យល់ពីវ៉ារ្យង់បាន 70.39% តែមានសក្តានុពលខ្ពស់សម្រាប់អនុវត្តក្នុងព្រៃចម្រុះ។

ការចំណាយលើធនធាន (Resource Cost)៖ ការអនុវត្តគំរូនេះទាមទារការប្រមូលទិន្នន័យវាស់វែងផ្ទាល់ពីទីវាលយ៉ាងលម្អិត និងចំណេះដឹងផ្នែកស្ថិតិ និងរុក្ខាប្រមាញ់។

៣. ការពិនិត្យសម្រាប់បរិបទកម្ពុជា/អាស៊ីអាគ្នេយ៍

ភាពលំអៀងនៃទិន្នន័យ (Data Bias)៖

ការសិក្សានេះត្រូវបានធ្វើឡើងនៅក្នុងតំបន់ដាំដើមស្រល់ Loblolly (Pinus taeda L.) ភាគអាគ្នេយ៍នៃសហរដ្ឋអាមេរិក (រដ្ឋ Alabama, Georgia, ។ល។) ដែលជាតំបន់មានអាកាសធាតុ និងប្រភេទដីខុសពីប្រទេសកម្ពុជា។ សម្រាប់កម្ពុជា ដែលមានអាកាសធាតុត្រូពិច និងមានប្រភេទឈើចម្រុះច្រើន ការប្រើប្រាស់គំរូនេះទាមទារឱ្យមានការប្រមូលទិន្នន័យជាមុន ដើម្បីបង្កើតសមីការយោង (Reference equations) ថ្មីដែលស្របតាមប្រភេទឈើក្នុងស្រុក។

លទ្ធភាពនៃការអនុវត្ត (Applicability)៖

ថ្វីបើការសិក្សានេះផ្តោតលើដើមស្រល់នៅអាមេរិកក៏ដោយ ប៉ុន្តែវិធីសាស្ត្រគណនា "ដង់ស៊ីតេធៀបដើមឈើទោល" នេះមានសារៈសំខាន់ខ្លាំងសម្រាប់ការវាយតម្លៃ និងគ្រប់គ្រងព្រៃឈើនៅកម្ពុជា។

សរុបមក វិធីសាស្ត្រនេះផ្តល់នូវក្របខណ្ឌដ៏ទូលំទូលាយមួយសម្រាប់អ្នកស្រាវជ្រាវកម្ពុជា ក្នុងការបង្កើតគំរូវាយតម្លៃទិន្នផលព្រៃឈើ ដែលអាចសម្របតាមបរិបទជីវចម្រុះដ៏សម្បូរបែបរបស់ប្រទេស។

៤. ផែនការសកម្មភាពសម្រាប់និស្សិត (Actionable Roadmap)

ដើម្បីអនុវត្តតាមការសិក្សានេះ និស្សិតគួរអនុវត្តតាមជំហានខាងក្រោម៖

  1. សិក្សាមូលដ្ឋានគ្រឹះទ្រឹស្តីរុក្ខាប្រមាញ់ និងស្ថិតិ: និស្សិតគួរស្វែងយល់ពីគោលការណ៍វាស់វែងព្រៃឈើ (Forest Mensuration) និងវិធីសាស្ត្រគណនាសន្ទស្សន៍ដង់ស៊ីតេព្រៃឈើ។ ព្រមទាំងហ្វឹកហាត់ប្រើប្រាស់កម្មវិធី RPython សម្រាប់ការវិភាគតំរែតំរង់ (Regression analysis)។
  2. ប្រមូលទិន្នន័យសាកល្បងនៅក្នុងតំបន់ដាំដុះ: ជ្រើសរើសតំបន់ដាំដុះសាកល្បងមួយ (ឧទាហរណ៍៖ ចម្ការស្រល់នៅឧទ្យានជាតិគិរីរម្យ) ដើម្បីធ្វើការវាស់វែងជាក់ស្តែងនូវអង្កត់ផ្ចិតដើមឈើ (dbh) កម្ពស់ និងទទឹងមកុដដើមឈើ (Crown width)។
  3. អភិវឌ្ឍសមីការយោងប្រភេទឈើក្នុងស្រុក (Local Reference Equations): ប្រើប្រាស់ទិន្នន័យដែលប្រមូលបាន ដើម្បីបង្កើតសមីការអតិបរមានៃទទឹងមកុដដើមឈើ (Maximum open-grown crown width model) និងសមីការដង់ស៊ីតេអតិបរមា (Maximum density) សម្រាប់ប្រភេទឈើគោលដៅនៅកម្ពុជា ដោយប្រើប្រាស់មុខងារតំរែតំរង់ Reduced Major Axis (RMA) regression
  4. អនុវត្តការគណនាផ្អែកលើគំរូដើមឈើទោល (Implement Weighted Model): សរសេរកូដដើម្បីគណនាដង់ស៊ីតេយោង (NMCA និង NAMax) សម្រាប់ដើមឈើនីមួយៗ ដោយផ្អែកលើទំហំមកុដ និងធ្វើការបូកសរុបទម្ងន់ដង់ស៊ីតេ (Weighted summation approach) ព្រមទាំងប្រៀបធៀបលទ្ធផលជាមួយសន្ទស្សន៍ប្រពៃណីដូចជា SDI
  5. វាយតម្លៃ និងពង្រីកការសិក្សាទៅលើព្រៃធម្មជាតិចម្រុះ: នៅពេលដែលគំរូទទួលបានជោគជ័យលើចម្ការប្រភេទឈើតែមួយ គប្បីសាកល្បងអនុវត្តវាលើទិន្នន័យដើមឈើក្នុងព្រៃធម្មជាតិដែលមានការលូតលាស់ចម្រុះប្រភេទ ដោយធ្វើការរួមបញ្ចូលសមីការប្រភេទឈើខុសៗគ្នាចូលគ្នា ដើម្បីវាយតម្លៃប្រសិទ្ធភាពទូទៅនៃគំរូ។

៥. វាក្យសព្ទបច្ចេកទេស (Technical Glossary)

ពាក្យបច្ចេកទេស ការពន្យល់ជាខេមរភាសា (Khmer Explanation) និយមន័យសាមញ្ញ (Simple Definition)
Stand Density Index (SDI) (សន្ទស្សន៍ដង់ស៊ីតេស្តង់ដារ) ជារង្វាស់ដែលអ្នករុក្ខាប្រមាញ់ប្រើដើម្បីវាយតម្លៃកម្រិតនៃការប្រកួតប្រជែងរវាងដើមឈើនៅក្នុងព្រៃ ដោយរួមបញ្ចូលគ្នានូវចំនួនដើមឈើក្នុងមួយហិកតា និងទំហំអង្កត់ផ្ចិតជាមធ្យមរបស់ពួកវា ដើម្បីសម្រេចចិត្តថាពេលណាគួរកាប់រំលោះ។ ដូចជាការវាស់ភាពចង្អៀតនៅក្នុងបន្ទប់មួយ ដោយមិនត្រឹមតែរាប់ចំនួនមនុស្សប៉ុណ្ណោះទេ តែគិតទាំងទំហំខ្លួនរបស់មនុស្សម្នាក់ៗផងដែរ។
Crown Competition Factor (CCF) (កត្តាប្រកួតប្រជែងមកុដដើមឈើ) វិធីសាស្ត្រវាស់វែងដង់ស៊ីតេព្រៃឈើដោយផ្អែកលើការប៉ាន់ស្មានទំហំផ្ទៃដែលមកុដ (ស្លឹក និងមែកប៉ែកខាងលើ) របស់ដើមឈើនីមួយៗនឹងលាតសន្ធឹង ប្រសិនបើវាដុះនៅទីវាលដោយគ្មានការប្រកួតប្រជែង រួចប្រៀបធៀបជាមួយទំហំដីជាក់ស្តែង។ ដូចជាការគណនាថាតើត្រូវប្រើឆ័ត្រប៉ុន្មានទើបអាចបាំងជិតទីធ្លាមួយ ដោយវាស់ទំហំឆ័ត្រនីមួយៗពេលបើកឲ្យអស់។
Relative density (ដង់ស៊ីតេធៀប) ការប្រៀបធៀបកម្រិតដង់ស៊ីតេព្រៃឈើបច្ចុប្បន្ន ទៅនឹងកម្រិតដង់ស៊ីតេគោលណាមួយ (ដូចជាដង់ស៊ីតេអតិបរមា ឬអប្បបរមាដែលដើមឈើអាចដុះបានពេញលេញ) ដើម្បីដឹងថាព្រៃនោះមានសភាពស្ដើង ឬក្រាស់កម្រិតណា ដែលអាចជួយក្នុងការរៀបចំផែនការគ្រប់គ្រង។ ដូចជាការប្រៀបធៀបចំនួនសិស្សដែលមានក្នុងថ្នាក់ជាក់ស្តែង ទៅនឹងចំនួនកៅអីសរុប ដើម្បីដឹងថាថ្នាក់នោះពេញប៉ុនណា។
Minimum density of full site occupancy (NMCA) (ដង់ស៊ីតេអប្បបរមានៃការកាន់កាប់ទីតាំងពេញលេញ) ជាចំនួនដើមឈើតិចបំផុតក្នុងមួយហិកតាដែលត្រូវការចាំបាច់ ដើម្បីឲ្យមកុដរបស់ដើមឈើទាំងអស់នោះគ្របដណ្ដប់ផ្ទៃដីបានជិតល្អ ដោយមិនមានចន្លោះប្រហោង ហើយក៏មិនទាន់មានការប្រកួតប្រជែងគ្នានៅឡើយ។ ដូចជាចំនួនកម្រាលព្រំតិចបំផុតដែលត្រូវយកមកក្រាលឲ្យជិតបាតបន្ទប់ ដោយមិនឲ្យមានចន្លោះប្រហោង និងមិនឲ្យត្រួតស៊ីគ្នា។
Average maximum density (NAMax) (ដង់ស៊ីតេអតិបរមាមធ្យម) ជាកម្រិតដង់ស៊ីតេខ្ពស់បំផុត ឬចំនួនដើមឈើច្រើនបំផុតដែលផ្ទៃដីមួយអាចទ្រទ្រង់បាន មុនពេលដែលដើមឈើចាប់ផ្តើមងាប់ដោយខ្លួនឯងដោយសារការប្រកួតប្រជែងដណ្តើមពន្លឺ និងសារធាតុចិញ្ចឹម (Self-thinning)។ ដូចជាចំណុះអតិបរមានៃអ្នកដំណើរក្នុងរថយន្តក្រុងមួយ ប្រសិនបើដាក់លើសនេះ មនុស្សនឹងចាប់ផ្តើមថប់ដង្ហើម។
Quadratic mean diameter (អង្កត់ផ្ចិតមធ្យមការ៉េ) ជារង្វាស់ស្ថិតិនៃអង្កត់ផ្ចិតមធ្យមរបស់ដើមឈើទាំងអស់នៅក្នុងតំបន់សិក្សា ដែលវាផ្តល់តម្លៃទម្ងន់ទៅលើដើមឈើធំៗជាងការគិតមធ្យមភាគធម្មតា ព្រោះវាទាក់ទងដោយផ្ទាល់ទៅនឹងទំហំមុខកាត់ (Basal area)។ ដូចជាការគណនាទម្ងន់មធ្យមរបស់ទំនិញ ដែលផ្ដល់សារៈសំខាន់ខ្លាំងទៅលើប្រអប់ទំនិញធំៗ ដើម្បីដឹងពីទំហំកន្លែងផ្ទុកសរុបដែលត្រូវការចាំបាច់ពិតប្រាកដ។
Reduced Major Axis (RMA) regression (តំរែតំរង់អ័ក្សចម្បងដែលបានកាត់បន្ថយ) ជាវិធីសាស្ត្រស្ថិតិម្យ៉ាងដែលប្រើសម្រាប់រកខ្សែបន្ទាត់សមីការទំនាក់ទំនងរវាងអថេរពីរ (ឧទាហរណ៍៖ ទំហំ និងដង់ស៊ីតេ) នៅពេលដែលអថេរទាំងពីរនោះសុទ្ធតែមានកំហុសរង្វាស់ពិតប្រាកដរៀងៗខ្លួន។ វាជួយឲ្យការប៉ាន់ស្មានមានភាពសុក្រឹតជាងតំរែតំរង់ធម្មតា។ ដូចជាការគូសបន្ទាត់ត្រង់មួយនៅកណ្តាលហ្វូងចំណុចទិន្នន័យ ដោយព្យាយាមធ្វើឲ្យមានតុល្យភាពកំហុសទាំងសងខាង ទាំងផ្ដេកនិងបញ្ឈរ ជាជាងគិតតែម្ខាង។
Basal area (ផ្ទៃមុខកាត់មូលដ្ឋាន) ជាផលបូកនៃផ្ទៃក្រឡាមុខកាត់របស់គល់ឈើទាំងអស់ (គិតត្រឹមកម្ពស់ទ្រូង) ក្នុងមួយហិកតា។ វាគឺជារង្វាស់សាមញ្ញមួយដែលអ្នកព្រៃឈើប្រើ ដើម្បីវាយតម្លៃបរិមាណឈើ ឬកម្រិតប្រកួតប្រជែងនៅក្នុងព្រៃ ប៉ុន្តែមិនបានគិតបញ្ជូលទំហំរបស់ដើមឈើនីមួយៗទេ។ បើយើងកាត់ផ្តាច់ដើមឈើទាំងអស់នៅក្នុងដីមួយហិកតាត្រឹមកម្ពស់ទ្រូង រួចវាស់ផ្ទៃក្រឡាផ្នែកដែលកាត់នោះបូកបញ្ចូលគ្នា នោះហើយគឺជា Basal area។

៦. ប្រធានបទពាក់ព័ន្ធ (Further Reading)

ប្រធានបទ និងសំណួរស្រាវជ្រាវដែលទាក់ទងនឹងឯកសារនេះ ដែលអ្នកអាចស្វែងរកបន្ថែម៖