បញ្ហា (The Problem)៖ ការស្រាវជ្រាវនេះដោះស្រាយបញ្ហានៃការវាយតម្លៃ និងការគូសផែនទីការចែកចាយសន្និធិកាបូននៅក្នុងប្រព័ន្ធអេកូឡូស៊ីព្រៃកោងកាងដែលកំពុងរងការគំរាមកំហែងនៅតំបន់ទេសចរណ៍ Mandeh Bay ដើម្បីគាំទ្រដល់កិច្ចខិតខំប្រឹងប្រែងអភិរក្ស។
វិធីសាស្ត្រ (The Methodology)៖ ការសិក្សានេះប្រើប្រាស់ទិន្នន័យរូបភាពពីផ្កាយរណប រួមបញ្ចូលជាមួយការវាស់វែងនៅទីវាល ដើម្បីបង្កើតម៉ូដែលប៉ាន់ស្មានជីវម៉ាសតាមរយៈវិធីសាស្ត្រតំរែតំរង់ផ្សេងៗ។
លទ្ធផលសំខាន់ៗ (The Verdict)៖
| វិធីសាស្ត្រ (Method) | គុណសម្បត្តិ (Pros) | គុណវិបត្តិ (Cons) | លទ្ធផលគន្លឹះ (Key Result) |
|---|---|---|---|
| Mangrove Index (IM) with Exponential Regression សន្ទស្សន៍ព្រៃកោងកាង (IM) រួមជាមួយវិភាគតំរែតំរង់អិចស្ប៉ូណង់ស្យែល |
មានកម្រិតទំនាក់ទំនងខ្ពស់បំផុត និងកំហុសទាបបំផុតសម្រាប់ការប៉ាន់ស្មានជីវម៉ាសព្រៃកោងកាង។ វាមានភាពរសើបល្អចំពោះប្រភេទដី និងទឹក ដែលស័ក្តិសមសម្រាប់តំបន់ព្រៃវ័យក្មេង។ | នៅតែមានអត្រាកំហុសមធ្យម (RMSE ~43.7%) ហើយពឹងផ្អែកលើរលកពន្លឺ SWIR និង NIR ដែលទាមទារការកែតម្រូវបរិយាកាសឱ្យបានត្រឹមត្រូវ។ | ទទួលបានតម្លៃ R2=0.566 និងអត្រាកំហុស RMSE=43.71% ដោយប៉ាន់ស្មានកាបូនបាន 2,178,996 Mg C។ |
| Normalized Difference Vegetation Index (NDVI) with Exponential Regression សន្ទស្សន៍រុក្ខជាតិ (NDVI) រួមជាមួយវិភាគតំរែតំរង់អិចស្ប៉ូណង់ស្យែល |
ងាយស្រួលក្នុងការគណនា និងជានីតិវិធីស្តង់ដារដែលត្រូវបានប្រើប្រាស់យ៉ាងទូលំទូលាយសម្រាប់ការសិក្សាពីគម្របរុក្ខជាតិទូទៅនៅលើពិភពលោក។ | មិនស័ក្តិសមសម្រាប់តំបន់ព្រៃកោងកាងក្មេងៗដែលមានដង់ស៊ីតេក្រាស់ ព្រោះវាធ្វើឱ្យតម្លៃ NDVI ឡើងខ្ពស់ខ្លាំង (Saturated) ដូចទៅនឹងព្រៃដែលមានដើមធំៗ ដែលបណ្តាលឱ្យទស្សន៍ទាយខុស។ | ទទួលបានតម្លៃទំនាក់ទំនងទាបបំផុត R2=0.080 និងអត្រាកំហុសខ្ពស់ជាង RMSE=52.09%។ |
ការចំណាយលើធនធាន (Resource Cost)៖ ការសិក្សានេះទាមទារការរួមបញ្ចូលគ្នារវាងការប្រើប្រាស់ទិន្នន័យផ្កាយរណបឥតគិតថ្លៃ និងការចំណាយលើកម្លាំងពលកម្មឧបករណ៍សម្រាប់ការចុះវាស់វែងផ្ទាល់នៅទីវាល។
ការសិក្សានេះធ្វើឡើងនៅតំបន់ឈូងសមុទ្រ Mandeh ប្រទេសឥណ្ឌូនេស៊ី ដែលផ្តោតលើព្រៃកោងកាងវ័យក្មេង និងដុះលើស្រទាប់ខ្សាច់ស។ សម្រាប់កម្ពុជា ការយកម៉ូដែលនេះមកប្រើប្រាស់ផ្ទាល់អាចត្រូវការការកែសម្រួល (Calibration) ជាមុនសិន ដោយសារព្រៃកោងកាងនៅកម្ពុជាអាចមានប្រភេទដើមឈើ អាយុកាល និងលក្ខណៈដីល្បាប់ភក់ខុសពីតំបន់សិក្សានេះ។
វិធីសាស្ត្រនេះមានសក្តានុពលខ្ពស់ និងអាចយកមកអនុវត្តនៅប្រទេសកម្ពុជា ដើម្បីវាយតម្លៃសន្និធិកាបូនខៀវក្នុងតម្លៃទាប។
ការរួមបញ្ចូលគ្នានៃទិន្នន័យផ្កាយរណប និងការវាស់វែងទីវាលតាមរយៈម៉ូដែលសន្ទស្សន៍ព្រៃកោងកាង (IM) គឺជាឧបករណ៍ដ៏មានប្រសិទ្ធភាពសម្រាប់ជំរុញការអភិរក្សប្រព័ន្ធអេកូឡូស៊ីតំបន់ឆ្នេរនៅកម្ពុជា។
ដើម្បីអនុវត្តតាមការសិក្សានេះ និស្សិតគួរអនុវត្តតាមជំហានខាងក្រោម៖
| ពាក្យបច្ចេកទេស | ការពន្យល់ជាខេមរភាសា (Khmer Explanation) | និយមន័យសាមញ្ញ (Simple Definition) |
|---|---|---|
| Mangrove discrimination indices | ជាសន្ទស្សន៍គណិតវិទ្យាដែលប្រើប្រាស់ទិន្នន័យពន្លឺចាំងត្រឡប់ (Reflectance) ពីផ្កាយរណប ដើម្បីបែងចែក និងញែកព្រៃកោងកាងចេញពីរុក្ខជាតិផ្សេងៗទៀត ឬចេញពីប្រភេទដីអាក្រាត។ | ដូចជាការពាក់វ៉ែនតាពណ៌ពិសេស ដែលធ្វើឱ្យយើងមើលឃើញតែដើមកោងកាងលេចធ្លោជាងគេនៅកណ្តាលព្រៃចម្រុះ។ |
| Normalized Difference Vegetation Index (NDVI) | ជារូបមន្តទូទៅដែលគណនាដោយប្រើរលកពន្លឺក្រហម និងរលកពន្លឺជិតអាំងប្រា (NIR) ពីផ្កាយរណប ដើម្បីវាស់ស្ទង់ភាពខៀវស្រងាត់ និងដង់ស៊ីតេនៃគម្របរុក្ខជាតិ។ | ដូចជាឧបករណ៍សម្រាប់វាស់កម្រិតពណ៌បៃតងរស់រវើករបស់ស្លឹកឈើពីលើអាកាស។ |
| Aboveground biomass (AGB) | ជាទម្ងន់សរុបនៃផ្នែករុក្ខជាតិដែលដុះនៅពីលើដី ដូចជា ដើម មែក និងស្លឹក ដែលត្រូវបានវាស់ជាទម្ងន់ស្ងួត ដើម្បីគណនាទាញយកបរិមាណកាបូនដែលរុក្ខជាតិបានស្តុកទុក។ | ដូចជាការថ្លឹងទម្ងន់ដើមឈើទាំងមូលដែលនៅលេចចេញពីដី ដោយមិនបូកបញ្ចូលឫសរបស់វានោះទេ។ |
| Allometric equations | ជាសមីការគណិតវិទ្យាដែលត្រូវប្រើយកមកប៉ាន់ស្មានទម្ងន់ ឬជីវម៉ាសរបស់ដើមឈើ ដោយគ្រាន់តែវាស់ទំហំអង្កត់ផ្ចិតត្រឹមទ្រូង (DBH) និង/ឬកម្ពស់ដើមឈើនៅទីវាល ដោយមិនបាច់កាប់ដើមឈើផ្តួលឡើយ។ | ដូចជារូបមន្តវេជ្ជសាស្ត្រ ដែលគ្រាន់តែវាស់ទំហំចង្កេះ និងកម្ពស់របស់មនុស្សម្នាក់ នោះគេអាចទាយដឹងពីទម្ងន់ខ្លួនសរុបបានយ៉ាងសុក្រឹត។ |
| Exponential regression | ជាវិធីសាស្ត្រស្ថិតិដែលប្រើដើម្បីរកទំនាក់ទំនងរវាងអថេរពីរ ដែលតម្លៃមួយកើនឡើងក្នុងល្បឿនកាន់តែលឿនជានិទស្សន្ត (បង្កើតជាខ្សែត្រង់កោងឡើងលើ) ជាជាងកើនឡើងក្នុងអត្រាថេរ។ | ដូចជាការកើនឡើងនៃចំនួនបាក់តេរី ដែលកើនពី ១ ទៅ ២, ពី ២ ទៅ ៤, ពី ៤ ទៅ ៨ ដែលល្បឿននៃការកើនឡើងកាន់តែលឿនទៅៗជារាងកោង។ |
| Root mean square error (RMSE) | ជារង្វាស់ស្ថិតិសម្រាប់ប្រាប់ពីកម្រិតលំអៀងនៃម៉ូដែល ដោយវាគណនាមធ្យមភាគនៃកំហុសរវាងទិន្នន័យដែលម៉ូដែលបានទស្សន៍ទាយ ជាមួយនឹងទិន្នន័យពិតជាក់ស្តែង។ | ដូចជាពិន្ទុដែលប្រាប់យើងថា ការទាយរបស់យើងខុសពីការពិតកម្រិតណា ប្រសិនបើពិន្ទុនេះកាន់តែតូច មានន័យថាទាយបានកាន់តែត្រឹមត្រូវ។ |
| Shortwave Infrared (SWIR) | ជារលកពន្លឺអាំងប្រាកម្រិតខ្លីដែលភ្នែកមនុស្សមើលមិនឃើញ តែសេនស័រផ្កាយរណបអាចចាប់យកបាន។ វាមានភាពរសើបខ្លាំងចំពោះកម្រិតសំណើមទឹកនៅក្នុងរុក្ខជាតិ និងដី ដែលជួយក្នុងការបែងចែកព្រៃកោងកាងពីដីភក់។ | ដូចជាកាមេរ៉ាពិសេស ដែលចូលចិត្តថត និងបង្ហាញរូបភាពទីតាំងណាដែលមានជាតិទឹកច្រើន ឬតិចនៅក្នុងស្លឹកឈើ។ |
| Radiometrically and geometrically corrected | ដំណើរការកែតម្រូវទិន្នន័យរូបភាពផ្កាយរណបបឋម ដោយលុបបំបាត់កំហុសពន្លឺ (បង្កដោយស្រទាប់បរិយាកាស) និងកំហុសទីតាំង (បង្កដោយរាងកោងរបស់ផែនដី និងមុំកាមេរ៉ា) ដើម្បីឱ្យរូបភាពច្បាស់ និងចំកូអរដោនេពិតប្រាកដ។ | ដូចជាការទាញកែរូបថតដែលព្រិល ឬវៀច ឱ្យត្រង់ និងភ្លឺច្បាស់ពណ៌ធម្មជាតិវិញ មុននឹងយកវាមកវាស់ប្រវែង។ |
អត្ថបទដែលបានបោះពុម្ពនៅលើ KhmerResearch ដែលទាក់ទងនឹងប្រធានបទនេះ៖
ប្រធានបទ និងសំណួរស្រាវជ្រាវដែលទាក់ទងនឹងឯកសារនេះ ដែលអ្នកអាចស្វែងរកបន្ថែម៖
