Original Title: ABOVE GROUND BIOMASS AND CARBON STOCK ESTIMATION FROM PROSOPIS JULIFLORA IN BANNI GRASSLAND USING SATELLITE AND ANCILLARY DATA
Source: acrs-aars.org
Disclaimer: Summary generated by AI based on the provided document. Please refer to the original paper for full scientific accuracy.

ការប៉ាន់ប្រមាណជីវម៉ាស់លើដី និងស្តុកកាបូនពីដើម Prosopis Juliflora នៅវាលស្មៅ Banni ដោយប្រើប្រាស់ទិន្នន័យផ្កាយរណប និងទិន្នន័យបន្ទាប់បន្សំ

ចំណងជើងដើម៖ ABOVE GROUND BIOMASS AND CARBON STOCK ESTIMATION FROM PROSOPIS JULIFLORA IN BANNI GRASSLAND USING SATELLITE AND ANCILLARY DATA

អ្នកនិពន្ធ៖ Vineet Vaibhav, Centre of Studies in Resources Engineering, Indian Institute of Technology Bombay, Arun B. Inamdar, Centre of Studies in Resources Engineering, Indian Institute of Technology Bombay, Divya N. Bajaj, Centre of Studies in Resources Engineering, Indian Institute of Technology Bombay

ឆ្នាំបោះពុម្ព៖ 2012, 33rd Asian Conference on Remote Sensing

វិស័យសិក្សា៖ Remote Sensing / Environmental Science

១. សេចក្តីសង្ខេបប្រតិបត្តិ (Executive Summary)

បញ្ហា (The Problem)៖ ការឈ្លានពាននៃដើម Prosopis Juliflora ទៅលើវាលស្មៅ Banni បានកាត់បន្ថយទីធ្លាសម្រាប់សត្វពាហនៈស៊ីស្មៅ ដែលគំរាមកំហែងដល់ជីវភាពប្រជាជនមូលដ្ឋាន ទាមទារឱ្យមានការប៉ាន់ប្រមាណច្បាស់លាស់នូវផលិតភាពជីវម៉ាស់ និងស្តុកកាបូន។

វិធីសាស្ត្រ (The Methodology)៖ ការសិក្សានេះបានរួមបញ្ចូលចំណាត់ថ្នាក់រូបភាពផ្កាយរណបជាមួយនឹងទិន្នន័យសារពើភ័ណ្ឌនៅទីវាល ដើម្បីបង្កើតទំនាក់ទំនង Allometric សម្រាប់ការប៉ាន់ប្រមាណជីវម៉ាស់។

លទ្ធផលសំខាន់ៗ (The Verdict)៖

២. ការវិភាគលើប្រសិទ្ធភាព និងដែនកំណត់ (Performance & Constraints)

វិធីសាស្ត្រ (Method) គុណសម្បត្តិ (Pros) គុណវិបត្តិ (Cons) លទ្ធផលគន្លឹះ (Key Result)
Maximum Likelihood Supervised Classification (Satellite Imagery)
ការចាត់ថ្នាក់រូបភាពផ្កាយរណបប្រភេទមើលត្រួតពិនិត្យ (Maximum Likelihood)
អនុញ្ញាតឱ្យមានការគ្របដណ្តប់លើផ្ទៃដីធំទូលាយ មានគុណភាពបង្ហាញពេលវេលាខ្ពស់ និងជួយតាមដានការផ្លាស់ប្តូរគម្របដីបានលឿន។ អាចមានកំហុសក្នុងការចាត់ថ្នាក់នៅតំបន់ដែលមានរុក្ខជាតិចម្រុះ ហើយទាមទារការចុះប្រមូលចំណុចផ្ទៀងផ្ទាត់ (GCPs) នៅទីវាល។ ទទួលបានភាពត្រឹមត្រូវ ៩៤.៤% ក្នុងការចាត់ថ្នាក់គម្របដី និងរកឃើញថាដើម Prosopis គ្របដណ្តប់ ៥០% នៃផ្ទៃដីសរុប។
Field Inventory and Allometric Regression Analysis
ការចុះវាស់វែងទីវាល និងការវិភាគតំរែតំរង់ Allometric
ផ្តល់នូវការប៉ាន់ប្រមាណជីវម៉ាស់ និងស្តុកកាបូនដែលមានភាពត្រឹមត្រូវខ្ពស់បំផុតដោយផ្អែកលើទិន្នន័យជាក់ស្តែង។ ចំណាយកម្លាំងពលកម្មច្រើន ចំណាយពេលយូរ និងតម្រូវឱ្យមានការកាប់បំផ្លាញដើមឈើជាគំរូ (Destructive sampling) ដើម្បីថ្លឹងទម្ងន់។ បង្កើតបានទំនាក់ទំនងតំរែតំរង់ដ៏រឹងមាំ ដោយមានមេគុណ R² ស្មើនឹង ០.៩៦១ (សម្រាប់តំបន់ក្រាស់) និង ០.៩៦៦ (សម្រាប់តំបន់ចម្រុះ)។

ការចំណាយលើធនធាន (Resource Cost)៖ ការសិក្សានេះទាមទារការរួមបញ្ចូលគ្នារវាងទិន្នន័យរូបភាពផ្កាយរណប កម្មវិធីកុំព្យូទ័រសម្រាប់វិភាគគម្របដី និងកម្លាំងពលកម្មព្រមទាំងឧបករណ៍វាស់វែងសម្រាប់ការចុះប្រមូលទិន្នន័យផ្ទាល់នៅទីវាល។

៣. ការពិនិត្យសម្រាប់បរិបទកម្ពុជា/អាស៊ីអាគ្នេយ៍

ភាពលំអៀងនៃទិន្នន័យ (Data Bias)៖

ការសិក្សានេះត្រូវបានធ្វើឡើងនៅតំបន់វាលស្មៅស្ងួតហួតហែង Banni ក្នុងរដ្ឋ Gujarat ប្រទេសឥណ្ឌា ដោយផ្តោតលើប្រភេទរុក្ខជាតិឈ្លានពានឈ្មោះ Prosopis juliflora។ សម្រាប់ប្រទេសកម្ពុជាដែលមានអាកាសធាតុត្រូពិចសើម និងមានប្រភេទព្រៃឈើខុសប្លែកពីនេះ ការប្រើប្រាស់មេគុណបំប្លែងកាបូន (០.៤៧) ឬសមីការ Allometric ពីការសិក្សានេះដោយផ្ទាល់អាចបង្កឱ្យមានលម្អៀង ទាមទារឱ្យមានការសិក្សាបង្កើតសមីការផ្ទាល់សម្រាប់រុក្ខជាតិក្នុងស្រុក។

លទ្ធភាពនៃការអនុវត្ត (Applicability)៖

វិធីសាស្ត្រនៃការបូកបញ្ចូលរូបភាពផ្កាយរណប និងការចុះវាស់វែងទីវាលនេះ គឺមានសារៈសំខាន់ និងអាចអនុវត្តបានយ៉ាងល្អសម្រាប់ការគ្រប់គ្រងធនធានធម្មជាតិនៅកម្ពុជា។

សរុបមក ការរៀបចំស្តង់ដាររួមមួយរវាងបច្ចេកវិទ្យា Remote Sensing និងការវាស់វែង Allometric គឺជាយុទ្ធសាស្ត្រដ៏រឹងមាំសម្រាប់តាមដានបរិស្ថាន និងទ្រទ្រង់គម្រោងសេដ្ឋកិច្ចបៃតងនៅកម្ពុជា។

៤. ផែនការសកម្មភាពសម្រាប់និស្សិត (Actionable Roadmap)

ដើម្បីអនុវត្តតាមការសិក្សានេះ និស្សិតគួរអនុវត្តតាមជំហានខាងក្រោម៖

  1. ជំហានទី១៖ ទាញយកទិន្នន័យរូបភាពផ្កាយរណប: កំណត់តំបន់សិក្សា និងទាញយកទិន្នន័យផ្កាយរណប (ឧទាហរណ៍៖ Landsat 8/9 ឬ Sentinel-2) ដោយឥតគិតថ្លៃតាមរយៈ USGS EarthExplorer ឬដំណើរការកូដនៅលើ Google Earth Engine (GEE) សម្រាប់ការគ្របដណ្តប់ពេលវេលា។
  2. ជំហានទី២៖ អនុវត្តចំណាត់ថ្នាក់រូបភាពផ្កាយរណប (Image Classification): ប្រើប្រាស់កម្មវិធី QGISArcGIS Pro ដើម្បីធ្វើចំណាត់ថ្នាក់ប្រភេទគម្របដី (Supervised Classification) ដោយបែងចែករវាងតំបន់ព្រៃឈើ តំបន់ទឹក និងដីលិចទឹក។
  3. ជំហានទី៣៖ រៀបចំផែនការចុះយកសំណាកទីវាល (Field Sampling): ប្រើប្រាស់ Trimble GPS ឬកម្មវិធី Avenza Maps លើទូរសព្ទដៃ ដើម្បីកំណត់ទីតាំង Plot ចុះវាស់អង្កត់ផ្ចិតដើមឈើ (DBH) កម្ពស់ និងប្រភេទឈើនៅក្នុងតំបន់គោលដៅ។
  4. ជំហានទី៤៖ បង្កើត និងសាកល្បងម៉ូដែល Allometric: ប្រើប្រាស់កម្មវិធី RStudioPython (Pandas/Scikit-learn) ដើម្បីធ្វើការវិភាគ Multivariate Regression ភ្ជាប់ទិន្នន័យវាស់វែងជាមួយជីវម៉ាស់ស្ងួត ដើម្បីបង្កើតសមីការ W = a + b * (nD²h) ។
  5. ជំហានទី៥៖ គណនាស្តុកកាបូន និងផលិតផែនទីសរុប: គុណទិន្នន័យជីវម៉ាស់សរុបជាមួយមេគុណបំប្លែងកាបូន (ប្រមាណ ០.៤៧ អាស្រ័យលើប្រភេទឈើ) រួចប្រើ QGIS ដើម្បីបង្កើតផែនទីចែកចាយស្តុកកាបូនតាមតំបន់នីមួយៗសម្រាប់ធ្វើរបាយការណ៍។

៥. វាក្យសព្ទបច្ចេកទេស (Technical Glossary)

ពាក្យបច្ចេកទេស ការពន្យល់ជាខេមរភាសា (Khmer Explanation) និយមន័យសាមញ្ញ (Simple Definition)
Above Ground Biomass (AGB) បរិមាណសរុបនៃសារពាង្គកាយរុក្ខជាតិដែលមានជីវិតរស់នៅខាងលើផ្ទៃដី (ដូចជា ដើម មែក ស្លឹក) ដែលគិតជាទម្ងន់ស្ងួត។ នៅក្នុងការសិក្សានេះ វាត្រូវបានប្រើដើម្បីវាស់ស្ទង់ផលិតភាពឈើដែលអាចទាញយកបាន។ ដូចជាការថ្លឹងទម្ងន់សរុបនៃផ្នែកខាងលើដីទាំងអស់របស់ដើមឈើ បន្ទាប់ពីហាលវាឱ្យស្ងួតទឹកអស់ ដើម្បីដឹងថាវាមានសាច់ឈើប៉ុន្មាន។
Carbon stock បរិមាណកាបូនដែលត្រូវបានស្រូបយក និងរក្សាទុកនៅក្នុងជីវម៉ាស់របស់រុក្ខជាតិ។ វាកំណត់សមត្ថភាពនៃរុក្ខជាតិ (ដូចជាដើម Prosopis) ក្នុងការជួយកាត់បន្ថយឧស្ម័នផ្ទះកញ្ចក់ពីបរិយាកាស។ ដូចជាឃ្លាំងស្តុកទុកឧស្ម័នពុល ដែលដើមឈើបានបឺតស្រូបពីបរិយាកាសយកមកលាក់ទុកក្នុងសាច់ឈើរបស់វា។
Allometric relationship ទំនាក់ទំនងតាមបែបគណិតវិទ្យារវាងទំហំនៃផ្នែកណាមួយរបស់រុក្ខជាតិ (ដូចជាអង្កត់ផ្ចិតដើម ឬកម្ពស់) ទៅនឹងបរិមាណជីវម៉ាស់ ឬទម្ងន់សរុបរបស់វា។ វាជួយឲ្យគេអាចគណនាទម្ងន់ឈើដោយមិនបាច់កាប់វា។ ដូចជាការទស្សន៍ទាយទម្ងន់របស់មនុស្សម្នាក់ដោយគ្រាន់តែវាស់កម្ពស់ និងទំហំចង្កេះរបស់ពួកគេ ដោយមិនបាច់យកពួកគេទៅថ្លឹងលើជញ្ជីង។
Maximum Likelihood supervised classification វិធីសាស្ត្រវិភាគរូបភាពផ្កាយរណបដោយប្រើប្រព័ន្ធកុំព្យូទ័រ ដែលអ្នកប្រើប្រាស់កំណត់គំរូប្រភេទដីនីមួយៗ (ដូចជាព្រៃឈើ ឬទឹក) ជាមុន រួចកុំព្យូទ័រនឹងចាត់ថ្នាក់តំបន់ផ្សេងទៀតដោយផ្អែកលើប្រូបាប៊ីលីតេខ្ពស់បំផុត។ ដូចជាការបង្ហាត់ក្មេងឱ្យស្គាល់ពណ៌ផ្លែប៉ោម រួចឱ្យក្មេងនោះទៅរើសផ្លែប៉ោមទាំងអស់ចេញពីកន្ត្រកផ្លែឈើចម្រុះដោយខ្លួនឯង។
Carbon sequestration ដំណើរការនៃប្រព័ន្ធអេកូឡូស៊ីក្នុងការចាប់យក និងរក្សាទុកឧស្ម័នកាបូនឌីអុកស៊ីតពីបរិយាកាសក្នុងរយៈពេលយូរ ដើម្បីកាត់បន្ថយការកើនឡើងកម្ដៅផែនដី និងការប្រែប្រួលអាកាសធាតុ។ ដូចជាម៉ាស៊ីនបូមធូលីដែលបឺតយកធូលី (កាបូន) ពីខ្យល់អាកាស យកមកស្តុកទុកក្នុងថង់បិទជិតកុំឱ្យវាហើរចេញវិញ។
Diameter at breast height (D) រង្វាស់ស្តង់ដារនៃអង្កត់ផ្ចិតដើមឈើដើម្បីយកទៅគណនាក្នុងរូបមន្តប៉ាន់ប្រមាណជីវម៉ាស់។ ក្នុងការសិក្សានេះ ដោយសារដើមមានរាងជាគុម្ព គេបានវាស់អង្កត់ផ្ចិតនៅកម្ពស់ ៣០សង់ទីម៉ែត្រពីគល់។ ដូចជាការវាស់ទំហំចង្កេះនៅត្រង់ចំណុចស្តង់ដារមួយ ដើម្បីយកទៅគណនាទំហំអាវដែលត្រូវកាត់។
Geospatial Technology (GT) បណ្តុំនៃឧបករណ៍ និងបច្ចេកវិទ្យា (ដូចជា GPS, GIS, និងរូបភាពផ្កាយរណប) ដែលប្រើសម្រាប់ប្រមូល វិភាគ និងរក្សាទុកទិន្នន័យទាក់ទងនឹងទីតាំងភូមិសាស្ត្រនៅលើផែនដី ដូចជាការតាមដានការរីកដុះដាលនៃព្រៃឈើជាដើម។ ដូចជាការប្រើប្រាស់កាមេរ៉ាពីលើមេឃ និងផែនទីឆ្លាតវៃ ដើម្បីសង្កេតមើលការប្រែប្រួលផ្ទៃផែនដីពីចម្ងាយ។

៦. ប្រធានបទពាក់ព័ន្ធ (Further Reading)

អត្ថបទដែលបានបោះពុម្ពនៅលើ KhmerResearch ដែលទាក់ទងនឹងប្រធានបទនេះ៖

ប្រធានបទ និងសំណួរស្រាវជ្រាវដែលទាក់ទងនឹងឯកសារនេះ ដែលអ្នកអាចស្វែងរកបន្ថែម៖