បញ្ហា (The Problem)៖ ការសិក្សានេះដោះស្រាយបញ្ហាកង្វះខាតឯកសារទិន្នន័យស្តីពីសន្និធិកាបូនលើដី (AGBCS) នៅក្នុងប្រព័ន្ធអេកូឡូស៊ីព្រៃទីពីរដែលមិនមានការរំខាន នៅក្នុងវិទ្យាស្ថានអន្តរជាតិសម្រាប់កសិកម្មតំបន់ត្រូពិច (IITA) ភាគនិរតីនៃប្រទេសនីហ្សេរីយ៉ា ដើម្បីចូលរួមចំណែកក្នុងការកាត់បន្ថយបម្រែបម្រួលអាកាសធាតុ។
វិធីសាស្ត្រ (The Methodology)៖ ការស្រាវជ្រាវនេះបានប្រើប្រាស់វិធីសាស្ត្ររួមបញ្ចូលគ្នារវាងការធ្វើសារពើភណ្ឌព្រៃឈើផ្ទាល់ និងបច្ចេកវិទ្យាតាមដានពីចម្ងាយដើម្បីបង្កើតម៉ូដែលប៉ាន់ប្រមាណជីវម៉ាស។
លទ្ធផលសំខាន់ៗ (The Verdict)៖
| វិធីសាស្ត្រ (Method) | គុណសម្បត្តិ (Pros) | គុណវិបត្តិ (Cons) | លទ្ធផលគន្លឹះ (Key Result) |
|---|---|---|---|
| Renormalised Difference Vegetation Index (RDVI) Model ម៉ូដែលប៉ាន់ប្រមាណដោយប្រើសន្ទស្សន៍រុក្ខជាតិ RDVI |
ផ្តល់ភាពត្រឹមត្រូវខ្ពស់បំផុតក្នុងការប៉ាន់ប្រមាណជីវម៉ាស និងកាត់បន្ថយឥទ្ធិពលរំខានពីផ្ទៃដី និងស្រមោលព្រៃឈើបានយ៉ាងល្អប្រសើរ។ | ទាមទារការគណនាស្មុគស្មាញជាងសន្ទស្សន៍ទូទៅ និងពឹងផ្អែកខ្លាំងលើគុណភាពនៃរូបភាពផ្កាយរណប។ | ជាម៉ូដែលដែលល្អបំផុត ដោយទទួលបានមេគុណកំណត់ R² = 0.93 និងតម្លៃ Bayesian Information = 2129.34។ |
| Normalized Difference Vegetation Index (NDVI) Model ម៉ូដែលប៉ាន់ប្រមាណដោយប្រើសន្ទស្សន៍រុក្ខជាតិ NDVI (វិធីសាស្ត្រមូលដ្ឋាន) |
ងាយស្រួលក្នុងការគណនា មានភាពពេញនិយមខ្លាំង និងមានទិន្នន័យស្រាប់ច្រើនពីប្រភពផ្កាយរណបផ្សេងៗ។ | ងាយរងឥទ្ធិពលតិត្ថិភាព (Saturation) នៅតំបន់ព្រៃក្រាស់ ដែលធ្វើឱ្យការប៉ាន់ប្រមាណជីវម៉ាសក្នុងព្រៃទីពីរមិនសូវច្បាស់លាស់។ | ផ្តល់តម្លៃទាបបំផុត និងមិនសូវស័ក្តិសមសម្រាប់ប៉ាន់ប្រមាណជីវម៉ាសក្នុងប្រព័ន្ធអេកូឡូស៊ីព្រៃទីពីរនៃការសិក្សានេះទេ។ |
ការចំណាយលើធនធាន (Resource Cost)៖ ការអនុវត្តវិធីសាស្ត្រនេះទាមទារការចំណាយខ្ពស់លើការចុះវាស់វែងផ្ទាល់នៅទីវាល និងការទិញទិន្នន័យផ្កាយរណបដែលមានគុណភាពបង្ហាញខ្ពស់ (High-resolution imagery)។
ការសិក្សានេះត្រូវបានធ្វើឡើងនៅក្នុងតំបន់ប្រព័ន្ធអេកូឡូស៊ីព្រៃទីពីរ នៃវិទ្យាស្ថាន IITA ទីក្រុងអីបាដាន ប្រទេសនីហ្សេរីយ៉ា ដែលមានប្រភេទដើមឈើនិងអាកាសធាតុតំបន់ត្រូពិចនៃទ្វីបអាហ្វ្រិក។ ទោះបីជាប្រទេសកម្ពុជាមានព្រៃត្រូពិចដូចគ្នាក៏ដោយ ប៉ុន្តែប្រភេទរុក្ខជាតិ (Species composition) ដង់ស៊ីតេសាច់ឈើ និងលក្ខខណ្ឌដីគឺខុសគ្នា ដែលតម្រូវឱ្យមានការវាស់វែងសំណាកជាក់ស្តែងនៅក្នុងស្រុក ដើម្បីកែតម្រូវសមីការ (Allometric equations) ជាមុនសិន។
វិធីសាស្ត្ររួមបញ្ចូលទិន្នន័យផ្កាយរណប និងការវាស់វែងផ្ទាល់នេះ គឺមានអត្ថប្រយោជន៍ និងអាចយកមកអនុវត្តបានយ៉ាងមានប្រសិទ្ធភាពនៅប្រទេសកម្ពុជា ពិសេសក្នុងការងារអភិរក្សព្រៃឈើ។
សរុបមក វាជាឧបករណ៍ដ៏មានសក្តានុពលសម្រាប់ពង្រឹងគណនេយ្យភាព តម្លាភាព និងភាពត្រឹមត្រូវនៃទិន្នន័យកាបូនព្រៃឈើនៅកម្ពុជា ដែលជាកត្តាស្នូលក្នុងការទាញយកហិរញ្ញប្បទានអាកាសធាតុ។
ដើម្បីអនុវត្តតាមការសិក្សានេះ និស្សិតគួរអនុវត្តតាមជំហានខាងក្រោម៖
| ពាក្យបច្ចេកទេស | ការពន្យល់ជាខេមរភាសា (Khmer Explanation) | និយមន័យសាមញ្ញ (Simple Definition) |
|---|---|---|
| Above-Ground Bole Biomass (AGBB) | ទម្ងន់សរុបនៃតួដើមឈើទាំងអស់ដែលស្ថិតនៅពីលើផ្ទៃដី (មិនរាប់បញ្ចូលមែក ស្លឹក និងឫស) ដែលត្រូវបានប្រើជាទិន្នន័យគោលដើម្បីគណនាបរិមាណកាបូនស្តុក។ | ដូចជាការថ្លឹងទម្ងន់គល់ឈើនិងតួដើមឈើសុទ្ធសាធ ដោយមិនគិតពីមែក ឬស្លឹក ដើម្បីដឹងថាវាមានសាច់ឈើប៉ុន្មាន។ |
| Carbon Sequestration | ដំណើរការដែលរុក្ខជាតិស្រូបយកឧស្ម័នកាបូនិក (CO2) ពីបរិយាកាសតាមរយៈរស្មីសំយោគ ហើយស្តុកទុកវាក្នុងទម្រង់ជាជីវម៉ាសរឹង (សាច់ឈើ មែក ស្លឹក ឫស) ដើម្បីជួយកាត់បន្ថយកម្តៅផែនដី។ | ដូចជាការប្រើម៉ាស៊ីនបូមធូលីដើម្បីបូមជាតិពុល (កាបូន) ពីខ្យល់អាកាស រួចយកទៅលាក់ទុកនៅក្នុងសាច់ឈើ។ |
| Renormalised Difference Vegetation Index (RDVI) | សន្ទស្សន៍រុក្ខជាតិដែលបានកែសម្រួលពីរូបភាពផ្កាយរណប ដើម្បីកាត់បន្ថយឥទ្ធិពលចំណាំងផ្លាតពីផ្ទៃដី និងស្រមោល ដែលជួយឱ្យការទាញយកទិន្នន័យជីវម៉ាសកាន់តែច្បាស់លាស់សម្រាប់តំបន់ព្រៃទីពីរ។ | ដូចជាការពាក់វ៉ែនតាការពារពន្លឺថ្ងៃ ដើម្បីមើលឃើញពណ៌បៃតងរបស់ស្លឹកឈើបានកាន់តែច្បាស់ ដោយមិនចាំងភ្នែកនឹងចំណាំងផ្លាតពីដី។ |
| Allometric Equations | រូបមន្តគណិតវិទ្យាដែលប្រើដើម្បីប៉ាន់ស្មានទំហំឬទម្ងន់ដែលពិបាកវាស់ (ដូចជាទម្ងន់ដើមឈើទាំងមូល) ដោយពឹងផ្អែកលើទំហំដែលងាយវាស់ជាក់ស្តែង (ដូចជាទំហំមុខកាត់ដើមឈើនៅកម្ពស់ដើមទ្រូង)។ | ដូចជាការទាយទម្ងន់របស់មនុស្សម្នាក់ដោយគ្រាន់តែវាស់ទំហំចង្កេះនិងកម្ពស់របស់គាត់ ដោយមិនបាច់ឱ្យគាត់ឡើងថ្លឹងលើជញ្ជីងផ្ទាល់។ |
| Wood Density (WD) | កម្រិតហាប់នៃសាច់ឈើ (ម៉ាសក្នុងមួយឯកតាមាឌ) ដែលជាកត្តាអថេរសំខាន់បំផុតសម្រាប់បំប្លែងទំហំមាឌរបស់ដើមឈើដែលវាស់បាន ឱ្យទៅជាទម្ងន់ជីវម៉ាស។ | ដូចជាការប្រៀបធៀបដុំអេប៉ុងនិងដុំថ្មដែលមានទំហំប៉ុនគ្នា ប៉ុន្តែមានទម្ងន់ខុសគ្នាខ្លាំងដោយសារភាពហាប់របស់វាខុសគ្នា។ |
| Diameter at Breast Height (DBH) | រង្វាស់អង្កត់ផ្ចិតនៃគល់ឈើដែលវាស់នៅកម្ពស់ស្តង់ដារ (ជាទូទៅ ១,៣ ម៉ែត្រពីដី) ដើម្បីងាយស្រួលប្រៀបធៀបទំហំដើមឈើក្នុងការធ្វើសារពើភណ្ឌព្រៃឈើ។ | ដូចជាការវាស់ទំហំចង្កេះរបស់មនុស្សដើម្បីកាត់ខោអាវ ដោយកំណត់ថាយើងត្រូវវាស់នៅចំណុចកម្ពស់ត្រឹមដើមទ្រូងជានិច្ចដើម្បីឱ្យមានស្តង់ដារតែមួយ។ |
| Remote Sensing (RS) | បច្ចេកវិទ្យាប្រមូលទិន្នន័យពីផ្ទៃផែនដីពីចម្ងាយ (តាមរយៈសេនស័រផ្កាយរណប ឬយន្តហោះ) ដោយមិនបាច់ចុះទៅប៉ះផ្ទាល់ ដើម្បីវិភាគពីប្រភេទ និងស្ថានភាពគម្របព្រៃឈើក្នុងទ្រង់ទ្រាយធំ។ | ដូចជាការប្រើប្រាស់កែវយឹតសង្កេតមើលពីលើអាកាស ដើម្បីពិនិត្យមើលថាតើកន្លែងណាមានព្រៃក្រាស់ ឬកន្លែងណាមានដីវាល ដោយមិនបាច់ដើរចូលព្រៃផ្ទាល់។ |
អត្ថបទដែលបានបោះពុម្ពនៅលើ KhmerResearch ដែលទាក់ទងនឹងប្រធានបទនេះ៖
ប្រធានបទ និងសំណួរស្រាវជ្រាវដែលទាក់ទងនឹងឯកសារនេះ ដែលអ្នកអាចស្វែងរកបន្ថែម៖
