Original Title: Amphibian Species Contribute Similarly to Taxonomic, but not Functional and Phylogenetic Diversity: Inferences from Amphibian Biodiversity on Emei Mountain
Source: doi.org/10.16373/j.cnki.ahr.170079
Disclaimer: Summary generated by AI based on the provided document. Please refer to the original paper for full scientific accuracy.

ប្រភេទសត្វថលជលិកចូលរួមចំណែកស្រដៀងគ្នាក្នុងពិពិធកម្មផ្នែកវត្តិករសាស្ត្រ ប៉ុន្តែមិនដូចគ្នាក្នុងពិពិធកម្មមុខងារ និងខ្សែស្រឡាយវិវត្តន៍៖ ការសន្និដ្ឋានពីជីវចម្រុះសត្វថលជលិកនៅលើភ្នំ Emei

ចំណងជើងដើម៖ Amphibian Species Contribute Similarly to Taxonomic, but not Functional and Phylogenetic Diversity: Inferences from Amphibian Biodiversity on Emei Mountain

អ្នកនិពន្ធ៖ Tian ZHAO (Chengdu Institute of Biology, Chinese Academy of Sciences), Bin WANG, Guocheng SHU, Cheng LI, Jianping JIANG (Chengdu Institute of Biology, Chinese Academy of Sciences)

ឆ្នាំបោះពុម្ព៖ 2018, Asian Herpetological Research

វិស័យសិក្សា៖ Conservation Ecology

១. សេចក្តីសង្ខេបប្រតិបត្តិ (Executive Summary)

បញ្ហា (The Problem)៖ តើប្រភេទសត្វដែលកំពុងរងការគំរាមកំហែងជិតផុតពូជ (មានតម្លៃអភិរក្សខ្ពស់) ពិតជាមានឥទ្ធិពលខ្លាំងជាងប្រភេទសត្វទូទៅ ក្នុងការចូលរួមចំណែកថែរក្សាពិពិធកម្មជីវចម្រុះទាំងផ្នែកវត្តិករសាស្ត្រ មុខងារ និងខ្សែស្រឡាយវិវត្តន៍ដែរឬទេ?

វិធីសាស្ត្រ (The Methodology)៖ ការសិក្សានេះបានប្រមូលទិន្នន័យពីការអង្កេតពេលយប់ចំនួន ១០៤ដង និងបានប្រើប្រាស់ការក្លែងធ្វើសហគមន៍សត្វតាមប្រព័ន្ធកុំព្យូទ័រ ដើម្បីគណនា និងប្រៀបធៀបពីការចូលរួមចំណែករបស់ប្រភេទសត្វនីមួយៗទៅលើជីវចម្រុះ។

លទ្ធផលសំខាន់ៗ (The Verdict)៖

២. ការវិភាគលើប្រសិទ្ធភាព និងដែនកំណត់ (Performance & Constraints)

វិធីសាស្ត្រ (Method) គុណសម្បត្តិ (Pros) គុណវិបត្តិ (Cons) លទ្ធផលគន្លឹះ (Key Result)
Taxonomic Diversity Assessment (Species Richness & IUCN Status)
ការវាយតម្លៃពិពិធកម្មវត្តិករសាស្ត្រ (ផ្អែកលើចំនួនប្រភេទសត្វ និងស្ថានភាព IUCN)
ងាយស្រួលយល់ ប្រមូលទិន្នន័យបានលឿន និងជានិមិត្តសញ្ញាដែលត្រូវបានប្រើប្រាស់ជាទូទៅក្នុងការវាយតម្លៃអភិរក្ស។ មិនបានឆ្លុះបញ្ចាំងពីតួនាទីជាក់ស្តែងរបស់សត្វនៅក្នុងប្រព័ន្ធអេកូឡូស៊ី ឬប្រវត្តិខ្សែស្រឡាយវិវត្តន៍របស់វានោះទេ។ ប្រភេទសត្វទាំងអស់ចូលរួមចំណែកប្រហាក់ប្រហែលគ្នា (ប្រមាណ ៥.៩% ទៅ ៦.៩%) ហើយមិនមានភាពខុសគ្នាខ្លាំងរវាងប្រភេទសត្វរងការគំរាមកំហែង និងប្រភេទសត្វសម្បូរទេ។
Integrative Diversity Assessment (Functional & Phylogenetic Diversity)
ការវាយតម្លៃពិពិធកម្មចម្រុះ (ផ្អែកលើពិពិធកម្មមុខងារ និងខ្សែស្រឡាយវិវត្តន៍)
បង្ហាញយ៉ាងច្បាស់ពីតួនាទីអេកូឡូស៊ី (ឧ. ការស៊ីចំណី ការបន្តពូជ) និងប្រវត្តិវិវត្តន៍ ដែលចាំបាច់សម្រាប់ភាពធន់នៃប្រព័ន្ធអេកូឡូស៊ី។ ទាមទារការវាស់វែងលក្ខណៈជីវសាស្ត្រលម្អិត ការវិភាគ DNA ស្មុគស្មាញ និងទាមទារធនធានកុំព្យូទ័រកម្រិតខ្ពស់។ រកឃើញភាពខុសគ្នាខ្លាំងនៃការចូលរួមចំណែក (FD ពី ១.០៩% ដល់ ៣៥.៧៦%, PD ពី ៦.០៦% ដល់ ១០.៨៣%) ដែលបញ្ជាក់ថាប្រភេទសត្វមិនមែនមានតម្លៃស្មើគ្នាក្នុងប្រព័ន្ធអេកូឡូស៊ីឡើយ។

ការចំណាយលើធនធាន (Resource Cost)៖ ការសិក្សានេះទាមទារពេលវេលាយូរក្នុងការចុះអង្កេតផ្ទាល់ និងតម្រូវឱ្យមានធនធានមន្ទីរពិសោធន៍ រួមទាំងសមត្ថភាពកុំព្យូទ័រសម្រាប់ការវិភាគទិន្នន័យទ្រង់ទ្រាយធំ។

៣. ការពិនិត្យសម្រាប់បរិបទកម្ពុជា/អាស៊ីអាគ្នេយ៍

ភាពលំអៀងនៃទិន្នន័យ (Data Bias)៖

ការសិក្សានេះត្រូវបានធ្វើឡើងតែនៅលើភ្នំ Emei នៃប្រទេសចិន ដោយមានប្រភេទសត្វថលជលិកចំនួនតែ ២៤ ប្រភេទប៉ុណ្ណោះ។ សម្រាប់កម្ពុជា ដែលមានទីតាំងភូមិសាស្ត្រ អាកាសធាតុ និងសមាសភាពប្រភេទសត្វខុសគ្នា (ដូចជានៅតំបន់ព្រៃរលោង ឬជួរភ្នំក្រវាញ) លទ្ធផលជាក់លាក់នៃប្រភេទសត្វនីមួយៗនឹងមិនដូចគ្នាទេ ប៉ុន្តែវិធីសាស្ត្រនៃការវាយតម្លៃនេះគឺអាចយកមកអនុវត្តបាន។

លទ្ធភាពនៃការអនុវត្ត (Applicability)៖

វិធីសាស្ត្ររៀបចំផែនការអភិរក្សដោយប្រើប្រាស់ពិពិធកម្មជីវចម្រុះពហុជ្រុង គឺមានសក្តានុពលខ្ពស់សម្រាប់ជួយលើកកម្ពស់ប្រសិទ្ធភាពនៃការអភិរក្សនៅកម្ពុជា។

ការផ្លាស់ប្តូរផ្នត់គំនិតពីការអភិរក្សដោយផ្អែកលើចំនួនប្រភេទសត្វ ទៅជាការថែរក្សាមុខងារអេកូឡូស៊ី នឹងធានាបាននូវនិរន្តរភាពនៃសេវាកម្មប្រព័ន្ធអេកូឡូស៊ីសម្រាប់កម្ពុជាក្នុងរយៈពេលវែង។

៤. ផែនការសកម្មភាពសម្រាប់និស្សិត (Actionable Roadmap)

ដើម្បីអនុវត្តតាមការសិក្សានេះ និស្សិតគួរអនុវត្តតាមជំហានខាងក្រោម៖

  1. សិក្សាពីវិធីសាស្ត្រប្រមូលទិន្នន័យវាល: និស្សិតត្រូវស្វែងយល់និងអនុវត្តវិធីសាស្ត្រវាយតម្លៃបែប Distance sampling និង Quadrat sampling ព្រមទាំងហាត់វាស់វែងលក្ខណៈមុខងារ (Functional traits) របស់សត្វដោយផ្ទាល់។
  2. រៀនសូត្រពីការវិភាគជីវពត៌មានវិទ្យា (Bioinformatics): សិក្សាពីការចម្រាញ់ DNA និងហាត់ប្រើប្រាស់កម្មវិធីដូចជា BioEdit និង MEGA សម្រាប់ការតម្រៀបទិន្នន័យហ្សែន (Sequence alignment) របស់ប្រភេទសត្វ។
  3. ស្ទាត់ជំនាញក្នុងការបង្កើតមែកធាងខ្សែស្រឡាយវិវត្តន៍: អនុវត្តការប្រើប្រាស់កម្មវិធី MrBayes សម្រាប់ការវិភាគតាមបែប Bayesian inference និង RAxML ដើម្បីគូរមែកធាងវិវត្តន៍ (Phylogenetic tree)។
  4. ប្រើប្រាស់កម្មវិធី R សម្រាប់ការវិភាគទិន្នន័យអេកូឡូស៊ី: រៀនសរសេរកូដក្នុងកម្មវិធី RStudio ដើម្បីធ្វើការវិភាគគណនា PCoA (Principal Coordinates Analysis) និងបង្កើតសហគមន៍ក្លែងធ្វើ (Simulation) សម្រាប់គណនាសន្ទស្សន៍ចម្រុះ (FD និង PD)។
  5. សហការជាមួយគម្រោងអភិរក្សក្នុងស្រុក: យកចំណេះដឹងដែលទទួលបាន ទៅចុះកម្មសិក្សា ឬសហការជាមួយអង្គការអភិរក្សដូចជា Fauna & Flora International (FFI)Wildlife Alliance ដើម្បីធ្វើការស្រាវជ្រាវផ្ទាល់លើជីវចម្រុះនៅកម្ពុជា។

៥. វាក្យសព្ទបច្ចេកទេស (Technical Glossary)

ពាក្យបច្ចេកទេស ការពន្យល់ជាខេមរភាសា (Khmer Explanation) និយមន័យសាមញ្ញ (Simple Definition)
Taxonomic diversity ជាការវាស់វែងចំនួនប្រភេទសត្វ (Species richness) ដែលមាននៅក្នុងសហគមន៍ ឬតំបន់ណាមួយ ដោយមិនបានគិតពីតួនាទី លក្ខណៈរូបរាង ឬប្រវត្តិវិវត្តន៍របស់ពួកវានោះទេ។ វាជារង្វាស់ជាមូលដ្ឋានបំផុតក្នុងការសិក្សាពីជីវចម្រុះ។ ដូចជាការរាប់ចំនួនមុខម្ហូបខុសៗគ្នានៅលើតុ ដោយមិនខ្វល់ថាម្ហូបទាំងនោះធ្វើពីសាច់ ឬបន្លែអ្វីនោះទេ។
Functional diversity ជាការវាស់វែងពីភាពខុសគ្នានៃតួនាទី និងលក្ខណៈជីវសាស្ត្ររបស់ប្រភេទសត្វនៅក្នុងប្រព័ន្ធអេកូឡូស៊ី (ឧទាហរណ៍៖ ទំហំខ្លួន របបអាហារ របៀបបន្តពូជ របៀបផ្លាស់ទី)។ វាបង្ហាញពីរបៀបដែលសហគមន៍សត្វអាចទប់ទល់នឹងបម្រែបម្រួលបរិស្ថាន និងជួយរក្សាលំនឹងប្រព័ន្ធអេកូឡូស៊ី។ ដូចជាការមានក្រុមជាងសាងសង់មួយក្រុម ដែលមានជាងឈើ ជាងភ្លើង និងជាងទឹក (មានជំនាញខុសៗគ្នា) ដែលល្អជាងការមានត្រឹមតែជាងឈើសុទ្ធ។
Phylogenetic diversity ជារង្វាស់នៃប្រវត្តិខ្សែស្រឡាយវិវត្តន៍រវាងប្រភេទសត្វនៅក្នុងសហគមន៍មួយ ដោយគណនាផ្អែកលើប្រវែងមែកធាងពង្សាវតារហ្សែន (DNA)។ ការមានពិពិធកម្មនេះខ្ពស់ មានន័យថាសត្វទាំងនោះមានប្រវត្តិវិវត្តន៍ខុសៗគ្នាឆ្ងាយ ដែលផ្ទុកនូវព័ត៌មានហ្សែនដ៏កម្រ។ ដូចជាការជួបជុំគ្រួសារធំមួយ ដែលមានទាំងជីដូនទួត ជីតា អ៊ំ ពូ មីង ក្មួយៗ (តំណាងឱ្យច្រើនជំនាន់ និងខ្សែស្រឡាយ) ជាជាងការជួបជុំដែលមានតែបងប្អូនបង្កើតប៉ុន្មាននាក់។
Distance sampling ជាវិធីសាស្ត្រអង្កេតប្រមូលទិន្នន័យវាល ដោយអ្នកស្រាវជ្រាវដើរតាមខ្សែបន្ទាត់កាត់តាមតំបន់សិក្សា រួចកត់ត្រាសត្វដែលមើលឃើញ និងវាស់ចម្ងាយពីសត្វនោះមកខ្សែបន្ទាត់ ដើម្បីប្រើសមីការគណនាប៉ាន់ស្មានដង់ស៊ីតេសត្វសរុបនៅក្នុងតំបន់នោះ។ ដូចជាការដើរតាមផ្លូវមួយ រួចរាប់ចំនួនដើមឈើដែលយើងអាចមើលឃើញសងខាងផ្លូវ រួចយកតួលេខនោះមកទាយថាមានដើមឈើប៉ុន្មានដើមនៅក្នុងព្រៃទាំងមូល។
Principal Coordinates Analysis (PCoA) ជាវិធីសាស្ត្រវិភាគស្ថិតិដែលប្រើដើម្បីបំប្លែងទិន្នន័យស្មុគស្មាញ (ដូចជាលក្ខណៈមុខងារចំនួន១១ផ្សេងគ្នារបស់សត្វ) ទៅជាទម្រង់ក្រាហ្វិកដែលមានវិមាត្រតិចជាងមុន (ឧទាហរណ៍ 2D ឬ 3D) ដើម្បីងាយស្រួលមើលពីភាពស្រដៀងគ្នា ឬខុសគ្នានៃតួនាទីរបស់ប្រភេទសត្វនីមួយៗ។ ដូចជាការយកទិន្នន័យពិន្ទុមុខវិជ្ជាទាំង១០ របស់សិស្សម្នាក់ៗ មកគណនាសង្ខេបជាចំណាត់ថ្នាក់តែមួយ ដើម្បីងាយស្រួលប្រៀបធៀបថានរណាពូកែជាងនរណា។
Bayesian inference ជាវិធីសាស្ត្រគណិតវិទ្យាក្នុងការវិភាគទិន្នន័យហ្សែន ដោយប្រើប្រាស់ទ្រឹស្តីប្រូបាប៊ីលីតេ ដើម្បីធ្វើបច្ចុប្បន្នភាពកម្រិតនៃភាពជឿជាក់លើការសន្និដ្ឋានណាមួយ នៅពេលដែលទទួលបានទិន្នន័យថ្មី។ ក្នុងការសិក្សានេះ វាត្រូវបានប្រើដើម្បីបង្កើតមែកធាងវិវត្តន៍របស់សត្វថលជលិក។ ដូចជាការស្មានថាថ្ងៃនេះនឹងភ្លៀង ៥០% តែក្រោយពីដើរចេញក្រៅឃើញមេឃខ្មៅងងឹត យើងដំឡើងការសន្និដ្ឋានថាមានឱកាសភ្លៀងដល់ ៩០%។
Simulated random communities ជាការប្រើប្រាស់កម្មវិធីកុំព្យូទ័រ (R) ដើម្បីបង្កើតសហគមន៍សត្វដោយការចាប់ឆ្នោតជ្រើសរើសប្រភេទសត្វដោយចៃដន្យពីបញ្ជីសត្វសរុប។ វិធីនេះជួយបង្កើតគំរូសាកល្បងរាប់ម៉ឺនដង ដើម្បីប្រៀបធៀប និងស្វែងយល់ពីឥទ្ធិពលនៃការបាត់បង់ប្រភេទសត្វណាមួយចំពោះជីវចម្រុះ។ ដូចជាការសាប់បៀរ និងចែកបៀររាប់ម៉ឺនដងដោយកុំព្យូទ័រ ដើម្បីសិក្សាថាតើមានឱកាសប៉ុន្មានដែលអាចចាប់បានសន្លឹកអាត់។

៦. ប្រធានបទពាក់ព័ន្ធ (Further Reading)

អត្ថបទដែលបានបោះពុម្ពនៅលើ KhmerResearch ដែលទាក់ទងនឹងប្រធានបទនេះ៖

ប្រធានបទ និងសំណួរស្រាវជ្រាវដែលទាក់ទងនឹងឯកសារនេះ ដែលអ្នកអាចស្វែងរកបន្ថែម៖