បញ្ហា (The Problem)៖ ការស្រាវជ្រាវនេះដោះស្រាយបញ្ហានៃការរកមិនឃើញការប្រែប្រួលរចនាសម្ព័ន្ធព្រៃឈើនៅក្រោមគម្របស្លឹក (Sub-canopy changes) ដោយសារតែវិធីសាស្ត្រមុនៗភាគច្រើនប្រើប្រាស់ត្រឹមទិន្នន័យកម្ពស់គម្របព្រៃឈើជាទម្រង់ 2D (Canopy Height Models) ជំនួសឲ្យការទាញយកសក្តានុពលពីទិន្នន័យ 3D ពេញលេញ។
វិធីសាស្ត្រ (The Methodology)៖ ការសិក្សានេះបានបង្កើតវិធីសាស្ត្រថ្មីមួយក្នុងការទាញយកព័ត៌មានពីចំណុចទិន្នន័យ 3D នីមួយៗ ដោយមានដំណាក់កាលសំខាន់ៗដូចខាងក្រោម៖
លទ្ធផលសំខាន់ៗ (The Verdict)៖
| វិធីសាស្ត្រ (Method) | គុណសម្បត្តិ (Pros) | គុណវិបត្តិ (Cons) | លទ្ធផលគន្លឹះ (Key Result) |
|---|---|---|---|
| 3D Point-Cloud Cloud-to-Cloud Comparison ការប្រៀបធៀបចំណុចពពកត្រីមាត្រដោយផ្ទាល់ (Cloud-to-Cloud Comparison) |
អាចរកឃើញការប្រែប្រួលរចនាសម្ព័ន្ធព្រៃឈើនៅក្រោមគម្របស្លឹក (Sub-canopy changes) ដោយមិនពឹងផ្អែកតែលើកម្ពស់គម្របខាងលើឡើយ។ ផ្តល់ទិន្នន័យលម្អិតពីដើមឈើដែលត្រូវបានកាប់ ឬដួលរលំ។ | ទាមទារធនធានកុំព្យូទ័រខ្ពស់ក្នុងការគណនាទិន្នន័យធំៗ រងឥទ្ធិពលពីដង់ស៊ីតេទិន្នន័យ និងចាំបាច់ត្រូវកំណត់កម្រិតគោល (Thresholds) ឱ្យបានច្បាស់លាស់។ | ទទួលបានភាពត្រឹមត្រូវសរុបពី ៦៥% ទៅ ៩៤% (អាស្រ័យលើ Threshold) និងមិនមានកំហុសរំលងចោល (0% Omission Error) ក្នុងការរកដើមឈើធំៗដែលបាត់បង់។ |
| Canopy Height Model (CHM) Differencing ការប្រៀបធៀបម៉ូដែលកម្ពស់គម្របព្រៃឈើ (CHM Differencing) |
ងាយស្រួលក្នុងការគណនា ចំណាយពេលលឿនក្នុងការដំណើរការ និងទាមទារទំហំផ្ទុកទិន្នន័យតិច ដោយសារវាជាទម្រង់ 2D ។ | មិនអាចរកឃើញការកាប់ដើមឈើតូចៗ ឬដើមឈើដែលស្ថិតនៅក្រោមគម្របស្លឹកនៃដើមឈើធំៗ (Suppressed trees) បានឡើយ បាត់បង់ព័ត៌មានរចនាសម្ព័ន្ធព្រៃឈើខាងក្រោម។ | នៅក្នុងការសិក្សានេះ វិធីសាស្ត្រ CHM ត្រូវបានរកឃើញថាមានកម្រិតខ្សោយក្នុងការរកឃើញដើមឈើដែលត្រូវកាប់នៅផ្នែកខាងក្រោមបើប្រៀបធៀបនឹងវិធីសាស្ត្រ 3D ថ្មី។ |
ការចំណាយលើធនធាន (Resource Cost)៖ ការស្រាវជ្រាវនេះទាមទារធនធានកុំព្យូទ័រមធ្យមទៅខ្ពស់ និងកម្មវិធីកូដកម្រិតខ្ពស់សម្រាប់ការវិភាគទិន្នន័យចំណុចពពក (Point Cloud) ដែលមានទំហំធំ។
ការសិក្សានេះត្រូវបានធ្វើឡើងនៅក្នុងតំបន់ព្រៃ Kralingse Bos នាទីក្រុង Rotterdam ប្រទេសហូឡង់ ដែលជាប្រភេទព្រៃឈើតំបន់អឺរ៉ុបមានការដាំដុះ និងគ្រប់គ្រងច្បាស់លាស់ ព្រមទាំងសំបូរដើមឈើជ្រុះស្លឹក។ សម្រាប់ប្រទេសកម្ពុជា លក្ខណៈព្រៃឈើ (ដូចជាព្រៃស្រោងនៅជួរភ្នំក្រវាញ ឬព្រៃឡង់) មានភាពស្មុគស្មាញ ចម្រុះ និងក្រាស់ជាង ដែលអាចធ្វើឱ្យការស្កែនទិន្នន័យ LiDAR ពិបាកឆ្លងកាត់គម្របស្លឹកដល់ដី ហេតុនេះទាមទារឱ្យមានការកែសម្រួលក្បួនដោះស្រាយ (Algorithms) ឡើងវិញ។
ទោះបីជាការប្រមូលទិន្នន័យ LiDAR មានតម្លៃថ្លៃក៏ដោយ វិធីសាស្ត្រវិភាគនេះមានសក្តានុពលខ្ពស់ណាស់សម្រាប់ប្រទេសកម្ពុជា ក្នុងការតាមដានរចនាសម្ព័ន្ធព្រៃឈើ។
ជារួម បច្ចេកវិទ្យា LiDAR និងការវិភាគបែប 3D នេះ នឹងក្លាយជាឧបករណ៍ដ៏មានប្រសិទ្ធភាពសម្រាប់រាជរដ្ឋាភិបាល និងអង្គការនានាក្នុងការអនុវត្តច្បាប់ព្រៃឈើ និងគម្រោងអភិរក្សកម្រិតអន្តរជាតិនៅកម្ពុជា។
ដើម្បីអនុវត្តតាមការសិក្សានេះ និស្សិតគួរអនុវត្តតាមជំហានខាងក្រោម៖
| ពាក្យបច្ចេកទេស | ការពន្យល់ជាខេមរភាសា (Khmer Explanation) | និយមន័យសាមញ្ញ (Simple Definition) |
|---|---|---|
| Airborne Laser Scanning (ALS) | បច្ចេកវិទ្យាបញ្ជូនពន្លឺឡាស៊ែរពីយន្តហោះឬឧទ្ធម្ភាគចក្រមកដី ដើម្បីវាស់ចម្ងាយនិងប្រមូលទិន្នន័យរចនាសម្ព័ន្ធព្រៃឈើ បង្កើតបានជារូបភាពត្រីមាត្រ (3D) នៃផ្ទៃដីនិងគម្របព្រៃ។ | ដូចជាសត្វប្រចៀវបញ្ចេញសំឡេងខ្ទាតត្រលប់មកវិញដើម្បីដឹងទីតាំងវត្ថុក្នុងទីងងឹត តែនេះប្រើពន្លឺឡាស៊ែរពីលើមេឃដើម្បីស្កែនមើលព្រៃឈើ។ |
| Point Cloud | បណ្តុំនៃចំណុចទិន្នន័យរាប់លាននៅក្នុងលំហត្រីមាត្រ (3D) ដែលចំណុចនីមួយៗតំណាងឱ្យទីតាំងកូអរដោនេ (X, Y, Z) នៃផ្ទៃវត្ថុដែលពន្លឺឡាស៊ែរបានជះចំ។ | ដូចជាការគូររូបភាពមួយដោយប្រើចំណុចចុចៗរាប់លានផ្ដុំគ្នា រហូតចេញជារូបរាងដើមឈើ ឬផ្ទៃដី។ |
| Canopy Height Model (CHM) | ម៉ូដែលទិន្នន័យ 2D ដែលបង្ហាញតែកម្ពស់នៃចុងខាងលើបង្អស់របស់គម្របព្រៃឈើធៀបនឹងផ្ទៃដី ដោយរំលងចោលនូវព័ត៌មានរចនាសម្ព័ន្ធមែកនិងដើមនៅខាងក្រោមគម្របស្លឹក។ | ដូចជាការយកភួយដ៏ធំមួយទៅគ្របពីលើព្រៃឈើ ហើយយើងមើលឃើញតែរាងកម្ពស់នៃភួយនោះពីខាងលើ ដោយមិនដឹងថានៅក្រោមភួយមានអ្វីខ្លះឡើយ។ |
| Cloud-to-Cloud Comparison | វិធីសាស្ត្រប្រៀបធៀបចំណុចទិន្នន័យ (Point Cloud) ពីរពេលវេលាផ្សេងគ្នាដោយផ្ទាល់ ដើម្បីរកមើលចំណុចដែលបាត់បង់ ឬប្រែប្រួលដោយមិនបាច់បម្លែងទិន្នន័យទៅជាទម្រង់រូបភាព 2D ផ្សេង។ | ដូចជាការយករូបថតថ្លាពីរផ្ទាំងថតនៅទីតាំងតែមួយតែកាលបរិច្ឆេទខុសគ្នា មកដាក់ត្រួតស៊ីគ្នាដើម្បីមើលថាតើមានចំណុចណាខ្លះបាត់ ឬផ្លាស់ប្តូរ។ |
| kd-tree | រចនាសម្ព័ន្ធទិន្នន័យកុំព្យូទ័រដែលបំបែកចំណុច Point Cloud ទាំងអស់ជាក្រុមៗតាមលំហ ដើម្បីជួយឱ្យការស្វែងរកចំណុចដែលនៅជិតគ្នាបំផុតមានភាពរហ័ស ដោយមិនបាច់គណនាចម្ងាយឆ្លងកាត់គ្រប់ចំណុចទាំងអស់។ | ដូចជាការរៀបចំសៀវភៅក្នុងបណ្ណាល័យតាមកាតាឡុកនិងទូដាច់ដោយឡែកពីគ្នា ដើម្បីឱ្យអ្នកងាយស្រួលរកសៀវភៅដែលចង់បាន លឿនជាងការដើររកមើលសៀវភៅម្តងមួយក្បាលៗទូទាំងបណ្ណាល័យ។ |
| Region Growing | ក្បួនដោះស្រាយ (Algorithm) ផ្នែកសូហ្វវែរដែលចាប់ផ្តើមពីចំណុចគោលមួយ រួចពង្រីកបន្តិចម្តងៗទៅកាន់ចំណុចជិតក្បែរៗដែលមានលក្ខណៈស្រដៀងគ្នា រហូតដល់បង្កើតបានជាចង្កោមវត្ថុមួយពេញលេញ (ឧ. ដើមឈើមួយដើម)។ | ដូចជាការន្តក់ទឹកលើក្រណាត់ ដែលទឹកនោះនឹងជ្រាបរាលដាលសើមទៅជុំវិញបន្តិចម្តងៗ រហូតដល់អស់កម្លាំងជ្រាប។ |
| Mahalanobis Distance | រង្វាស់គណិតវិទ្យាសម្រាប់វាស់ចម្ងាយរវាងចំណុចមួយទៅកាន់ចង្កោមទិន្នន័យ ដោយពិចារណាលើរូបរាង ទិសដៅ និងកម្រិតនៃការសាយភាយនៃទិន្នន័យ មិនមែនគិតត្រឹមតែចម្ងាយខ្សែត្រង់ធម្មតានោះទេ។ | ដូចជាការវាស់ចម្ងាយក្នុងការធ្វើដំណើរក្នុងទីក្រុង ដោយគិតគូរពីទិសដៅផ្លូវនិងការកកស្ទះចរាចរណ៍ជាក់ស្តែង ជាជាងការវាស់បន្ទាត់ត្រង់កាត់អគារដែលមិនអាចដើរទម្លុះបាន។ |
អត្ថបទដែលបានបោះពុម្ពនៅលើ KhmerResearch ដែលទាក់ទងនឹងប្រធានបទនេះ៖
ប្រធានបទ និងសំណួរស្រាវជ្រាវដែលទាក់ទងនឹងឯកសារនេះ ដែលអ្នកអាចស្វែងរកបន្ថែម៖
