Original Title: Assessing climate change impacts on meteorological drought indices for agricultural areas in Chi River Basin, Thailand: Comparative analysis of standardized precipitation index and standardized precipitation evapotranspiration index
Source: doi.org/10.34044/j.anres.2025.59.4.11
Disclaimer: Summary generated by AI based on the provided document. Please refer to the original paper for full scientific accuracy.

ការវាយតម្លៃផលប៉ះពាល់នៃការប្រែប្រួលអាកាសធាតុទៅលើសន្ទស្សន៍គ្រោះរាំងស្ងួតឧតុនិយមសម្រាប់តំបន់កសិកម្មក្នុងអាងទន្លេជី ប្រទេសថៃ៖ ការវិភាគប្រៀបធៀបនៃសន្ទស្សន៍ទឹកភ្លៀងស្តង់ដារ និងសន្ទស្សន៍រំហួតទឹកភ្លៀងស្តង់ដារ

ចំណងជើងដើម៖ Assessing climate change impacts on meteorological drought indices for agricultural areas in Chi River Basin, Thailand: Comparative analysis of standardized precipitation index and standardized precipitation evapotranspiration index

អ្នកនិពន្ធ៖ Thanasit Promping (Sustainable Water Resources Development Research Group (SWRD), Kasetsart University Sriracha Campus), Chutipat Foyhirun (Sustainable Water Resources Development Research Group (SWRD), Kasetsart University Sriracha Campus), Tawatchai Tingsanchali (Sustainable Water Resources Development Research Group (SWRD), Kasetsart University Sriracha Campus)

ឆ្នាំបោះពុម្ព៖ 2025, Agriculture and Natural Resources

វិស័យសិក្សា៖ Hydrology and Climate Change

១. សេចក្តីសង្ខេបប្រតិបត្តិ (Executive Summary)

បញ្ហា (The Problem)៖ ការសិក្សានេះវាយតម្លៃពីផលប៉ះពាល់នៃការប្រែប្រួលអាកាសធាតុទៅលើសន្ទស្សន៍គ្រោះរាំងស្ងួតឧតុនិយមនៅក្នុងអាងទន្លេជី (Chi River Basin) ភាគឦសាននៃប្រទេសថៃ ដែលជាតំបន់ងាយរងគ្រោះដោយសារគ្រោះរាំងស្ងួត។

វិធីសាស្ត្រ (The Methodology)៖ អ្នកស្រាវជ្រាវបានប្រើប្រាស់ទិន្នន័យអាកាសធាតុពីអតីតកាល និងការព្យាករណ៍អនាគតតាមរយៈគំរូអាកាសធាតុក្នុងតំបន់ដើម្បីវិភាគប្រៀបធៀបសន្ទស្សន៍គ្រោះរាំងស្ងួតនៅតាមរយៈពេលផ្សេងៗគ្នា។

លទ្ធផលសំខាន់ៗ (The Verdict)៖

២. ការវិភាគលើប្រសិទ្ធភាព និងដែនកំណត់ (Performance & Constraints)

វិធីសាស្ត្រ (Method) គុណសម្បត្តិ (Pros) គុណវិបត្តិ (Cons) លទ្ធផលគន្លឹះ (Key Result)
Standardized Precipitation Index (SPI)
សន្ទស្សន៍ទឹកភ្លៀងស្តង់ដារ (SPI)
ងាយស្រួលប្រើប្រាស់ដោយទាមទារត្រឹមតែទិន្នន័យទឹកភ្លៀងប៉ុណ្ណោះ និងមានប្រសិទ្ធភាពក្នុងការបង្ហាញពីកង្វះខាតទឹកភ្លៀងរយៈពេលខ្លី។ មិនបានគិតបញ្ចូលកត្តាសីតុណ្ហភាព និងរំហួត ដែលធ្វើឱ្យវាខកខានក្នុងការវាយតម្លៃផលប៉ះពាល់នៃភាពកម្តៅផែនដី (Global warming) លើគ្រោះរាំងស្ងួត។ បានបង្ហាញពីនិន្នាការប្រែប្រួលពី ស្ងួត-ទៅ-សើម-ទៅ-ស្ងួត កាត់តាមទសវត្សរ៍ឆ្នាំ២០២០ ដល់ ២០៨០ ប៉ុន្តែមានទំនោរវាយតម្លៃទំហំតំបន់រងគ្រោះរាំងស្ងួតខ្ពស់ជាងទិន្នន័យជាក់ស្តែង (Over-predicted)។
Standardized Precipitation Evapotranspiration Index (SPEI)
សន្ទស្សន៍រំហួតទឹកភ្លៀងស្តង់ដារ (SPEI)
រួមបញ្ចូលទាំងទឹកភ្លៀង និងសីតុណ្ហភាព (សក្តានុពលរំហួតទឹក) ដែលឆ្លុះបញ្ចាំងកាន់តែច្បាស់អំពីតុល្យភាពទឹកនៅក្នុងបរិបទនៃការប្រែប្រួលអាកាសធាតុ។ ទាមទារទិន្នន័យច្រើនជាង (សីតុណ្ហភាពអតិបរមា និងអប្បបរមា) និងមានការឆ្លើយតបយឺតជាង SPI ទៅនឹងការផ្លាស់ប្តូរស្ថានភាពគ្រោះរាំងស្ងួត។ បង្ហាញពីស្ថានភាពសើម ឬមិនរងផលប៉ះពាល់ច្រើននៅក្នុងទសវត្សរ៍ឆ្នាំ២០២០ និង ២០៥០ មុនពេលប្រែជាស្ងួតខ្លាំងនៅទសវត្សរ៍ឆ្នាំ២០៨០។ មានទំនាក់ទំនងវិជ្ជមានខ្ពស់ជាមួយ SPI (r = 0.86-0.97)។
Bias Correction via Linear Scaling
ការកែតម្រូវទិន្នន័យតាមមាត្រដ្ឋានលីនេអ៊ែរ
ជួយបង្កើនភាពសុក្រឹតនៃទិន្នន័យដែលបានពីម៉ូដែលអាកាសធាតុក្នុងតំបន់ (RCMs) ដោយកែតម្រូវវាឱ្យស៊ីសង្វាក់ទៅនឹងទិន្នន័យស្ថានីយសង្កេតជាក់ស្តែងក្នុងអតីតកាល។ នៅតែពឹងផ្អែកលើការសន្មត់ថា លំនាំនៃកំហុសទិន្នន័យក្នុងអតីតកាលនឹងមិនប្រែប្រួលនាពេលអនាគត ដែលអាចមានភាពមិនច្បាស់លាស់សម្រាប់សេណារីយ៉ូប្រែប្រួលអាកាសធាតុខ្លាំង។ បានកែតម្រូវទិន្នន័យពីម៉ូដែល RCM ចំនួន៣ (ACCESS, CNRM, MPI) បានយ៉ាងជោគជ័យ ដោយម៉ូដែល MPI បង្ហាញលទ្ធផលកៀកទៅនឹងទិន្នន័យប្រវត្តិសាស្ត្រជាងគេក្នុងការធ្វើការព្យាករណ៍រហូតដល់ឆ្នាំ២១០០។

ការចំណាយលើធនធាន (Resource Cost)៖ ការសិក្សានេះទាមទារការប្រមូលទិន្នន័យអាកាសធាតុរយៈពេលវែង កម្មវិធីកុំព្យូទ័រសម្រាប់វិភាគទិន្នន័យ និងចំណេះដឹងផ្នែកម៉ូដែលអាកាសធាតុដើម្បីធ្វើការព្យាករណ៍ឱ្យបានត្រឹមត្រូវ។

៣. ការពិនិត្យសម្រាប់បរិបទកម្ពុជា/អាស៊ីអាគ្នេយ៍

ភាពលំអៀងនៃទិន្នន័យ (Data Bias)៖

ការសិក្សានេះត្រូវបានធ្វើឡើងនៅក្នុងអាងទន្លេជី (Chi River Basin) ភាគឦសាននៃប្រទេសថៃ ដោយប្រើប្រាស់ទិន្នន័យពីស្ថានីយឧតុនិយមចំនួន៦ និងម៉ូដែលអាកាសធាតុសម្រាប់តំបន់អាស៊ីខាងត្បូង (CORDEX South Asia) ចន្លោះឆ្នាំ១៩៧០-២១០០។ ដោយសារបរិបទភូមិសាស្ត្រ អាកាសធាតុ និងការធ្វើកសិកម្មនៃតំបន់នេះមានភាពស្រដៀងគ្នាខ្លាំងទៅនឹងតំបន់វាលទំនាបភាគពាយ័ព្យនៃប្រទេសកម្ពុជា លទ្ធផលនេះមានតម្លៃខ្លាំងសម្រាប់ការសិក្សាប្រៀបធៀប ប៉ុន្តែទាមទារការផ្ទៀងផ្ទាត់បន្ថែមជាមួយទិន្នន័យជាក់ស្តែងនៅកម្ពុជាផ្ទាល់។

លទ្ធភាពនៃការអនុវត្ត (Applicability)៖

វិធីសាស្ត្រវាយតម្លៃ និងប្រៀបធៀបសន្ទស្សន៍គ្រោះរាំងស្ងួតដោយគិតគូរពីកត្តាប្រែប្រួលអាកាសធាតុនេះ មានសារៈសំខាន់ និងអាចអនុវត្តបានយ៉ាងល្អសម្រាប់ប្រទេសកម្ពុជា។

ការប្រើប្រាស់សន្ទស្សន៍គ្រោះរាំងស្ងួតចម្រុះ (Composite indicator) ដែលរួមបញ្ចូលទាំងទឹកភ្លៀង និងសីតុណ្ហភាព នឹងផ្តល់នូវមូលដ្ឋានវិទ្យាសាស្ត្រកាន់តែរឹងមាំសម្រាប់ការគ្រប់គ្រងធនធានទឹក និងការពារវិស័យកសិកម្មនៅកម្ពុជានាពេលអនាគត។

៤. ផែនការសកម្មភាពសម្រាប់និស្សិត (Actionable Roadmap)

ដើម្បីអនុវត្តតាមការសិក្សានេះ និស្សិតគួរអនុវត្តតាមជំហានខាងក្រោម៖

  1. ប្រមូល និងរៀបចំទិន្នន័យអាកាសធាតុ: ទាញយកទិន្នន័យទឹកភ្លៀង និងសីតុណ្ហភាពអតិបរមា/អប្បបរមាប្រចាំថ្ងៃពីស្ថានីយឧតុនិយមក្នុងតំបន់គោលដៅនៅកម្ពុជា ឬទាញយកពីថ្នាលទិន្នន័យបើកទូលាយដូចជា CHIRPS (សម្រាប់អតីតកាល) និង CORDEX-CORE (សម្រាប់ការព្យាករណ៍អនាគត)។
  2. អនុវត្តការកែតម្រូវទិន្នន័យព្យាករណ៍ (Bias Correction): រៀនប្រើប្រាស់វិធីសាស្ត្រ Linear Scaling ដើម្បីគណនាកែតម្រូវទិន្នន័យសីតុណ្ហភាព និងទឹកភ្លៀងពីម៉ូដែលអាកាសធាតុ (RCMs) ឱ្យមានភាពស៊ីសង្វាក់គ្នាទៅនឹងទិន្នន័យជាក់ស្តែងក្នុងអតីតកាល (Historical baseline)។
  3. គណនាសន្ទស្សន៍គ្រោះរាំងស្ងួតក្នុងកម្មវិធី R: ប្រើប្រាស់កម្មវិធី RStudio ដោយដំឡើងកញ្ចប់ SPEI package ដើម្បីគណនាតម្លៃ SPI និង SPEI ដោយផ្តោតលើរយៈពេល ១ខែ (សម្រាប់ស្រូវ) ៣ខែ (សម្រាប់ដំណាំចម្ការ) និង ៦ខែ (សម្រាប់ដំណាំហូបផ្លែ)។
  4. វិភាគទំនាក់ទំនង និងធ្វើផែនទីហានិភ័យ: ប្រើប្រាស់មេគុណសហសម្ព័ន្ធ Pearson ក្នុង R ដើម្បីធៀបសន្ទស្សន៍ទាំងពីរ រួចប្រើប្រាស់កម្មវិធី QGIS តាមរយៈបច្ចេកទេស Inverse Distance Weighted (IDW) ដើម្បីធ្វើផែនទីបង្ហាញតំបន់ដែលងាយរងគ្រោះរាំងស្ងួត។
  5. រៀបចំសន្ទស្សន៍ចម្រុះ និងរបាយការណ៍: ផ្អែកលើលទ្ធផល រៀបចំជាសន្ទស្សន៍ព្រមានចម្រុះមួយ (Composite drought indicator) ដោយប្រើចំណុចខ្លាំងរបស់ SPI សម្រាប់ការឆ្លើយតបរហ័សចំពោះទឹកភ្លៀង និង SPEI សម្រាប់ឥទ្ធិពលកម្តៅ និងផ្សព្វផ្សាយរបាយការណ៍ទៅកាន់ភាគីពាក់ព័ន្ធ។

៥. វាក្យសព្ទបច្ចេកទេស (Technical Glossary)

ពាក្យបច្ចេកទេស ការពន្យល់ជាខេមរភាសា (Khmer Explanation) និយមន័យសាមញ្ញ (Simple Definition)
Standardized precipitation index (SPI) (សន្ទស្សន៍ទឹកភ្លៀងស្តង់ដារ) ជាសន្ទស្សន៍ឧតុនិយមដែលប្រើប្រាស់ទិន្នន័យទឹកភ្លៀងតែមួយមុខគត់ ដើម្បីវាស់ស្ទង់កម្រិតនៃភាពរាំងស្ងួត ឬភាពសើមនៃតំបន់ណាមួយក្នុងរយៈពេលជាក់លាក់ណាមួយ (ឧ. ១ខែ ៣ខែ ឬ ៦ខែ)។ ដូចជាការប្រៀបធៀបប្រាក់ចំណូលខែនេះទៅនឹងប្រាក់ចំណូលមធ្យមរាល់ខែ បើបានតិចជាងធម្មតាមានន័យថាមានភាពខ្វះខាត (រាំងស្ងួត)។
Standardized precipitation evapotranspiration index (SPEI) (សន្ទស្សន៍រំហួតទឹកភ្លៀងស្តង់ដារ) ជាសន្ទស្សន៍វាយតម្លៃគ្រោះរាំងស្ងួតដែលគិតបញ្ចូលទាំងកម្រិតទឹកភ្លៀង និងសក្តានុពលនៃរំហួតទឹកដោយសារសីតុណ្ហភាព ដែលស័ក្តិសមបំផុតសម្រាប់ការសិក្សាពីគ្រោះរាំងស្ងួតក្នុងបរិបទនៃការប្រែប្រួលអាកាសធាតុ។ ដូចជាការវាយតម្លៃស្ថានភាពហិរញ្ញវត្ថុដោយមើលទាំងចំណូល (ទឹកភ្លៀង) និងចំណាយ (រំហួតទឹកដោយសារកម្តៅ)។
Representative concentration pathways (RCP4.5 and RCP8.5) (គន្លងកំហាប់ឧស្ម័នផ្ទះកញ្ចក់តំណាង) ជាសេណារីយ៉ូដែលប្រើដោយ IPCC ដើម្បីព្យាករណ៍ពីកម្រិតនៃការបញ្ចេញឧស្ម័នផ្ទះកញ្ចក់នាពេលអនាគត។ RCP4.5 ជាសេណារីយ៉ូកម្រិតមធ្យម (មានការកាត់បន្ថយការបញ្ចេញខ្លះ) ចំណែក RCP8.5 ជាសេណារីយ៉ូកម្រិតធ្ងន់ (គ្មានការទប់ស្កាត់)។ ដូចជាការទស្សន៍ទាយសុខភាពរបស់អ្នកជំងឺពីរនាក់៖ ម្នាក់ព្រមតមអាហារខ្លាញ់ខ្លះ (RCP4.5) និងម្នាក់ទៀតនៅតែបន្តញ៉ាំតាមចិត្ត (RCP8.5)។
Potential evapotranspiration (PET) (សក្តានុពលរំហួត-រំភាយទឹក) បរិមាណទឹកអតិបរមាដែលអាចហួតពីផ្ទៃដី និងភាយចេញពីរុក្ខជាតិទៅក្នុងបរិយាកាស ប្រសិនបើមានប្រភពទឹកគ្រប់គ្រាន់។ កម្រិតរបស់វាអាស្រ័យខ្លាំងលើកត្តាសីតុណ្ហភាព ពន្លឺព្រះអាទិត្យ និងខ្យល់។ ដូចជាកម្រិតនៃភាពស្រេកទឹករបស់អេប៉ុងនៅក្រោមកម្តៅថ្ងៃ បើថ្ងៃក្តៅខ្លាំង អេប៉ុងនោះអាចបឺត និងហួតទឹកចេញបានកាន់តែច្រើន។
Regional climate models (RCMs) (ម៉ូដែលអាកាសធាតុក្នុងតំបន់) ជាកម្មវិធីកុំព្យូទ័រដែលប្រើប្រាស់រូបមន្តរូបវិទ្យា និងគណិតវិទ្យាដើម្បីក្លែងធ្វើអាកាសធាតុសម្រាប់តំបន់ភូមិសាស្ត្រតូចៗណាមួយ ដោយផ្តល់ទិន្នន័យលម្អិតគុណភាពខ្ពស់ជាងម៉ូដែលអាកាសធាតុសកល។ ដូចជាការប្រើប្រាស់ផែនទីសេតធឺឡាយ (Satellite map) ដែលពង្រីក (Zoom in) ទៅមើលផ្លូវលម្អិតក្នុងខេត្តមួយ ជំនួសឱ្យការមើលផែនទីពិភពលោកទាំងមូល។
Bias correction (ការកែតម្រូវលម្អៀង) ជាដំណើរការកែសម្រួលទិន្នន័យដែលបានមកពីការព្យាករណ៍របស់ម៉ូដែលកុំព្យូទ័រ ឱ្យស៊ីសង្វាក់និងខិតជិតទៅនឹងទិន្នន័យដែលបានវាស់វែងជាក់ស្តែងក្នុងអតីតកាល ដើម្បីកាត់បន្ថយកំហុសឆ្គងមុននឹងយកទៅទស្សន៍ទាយអនាគត។ ដូចជាការកែតម្រូវនាឡិកាដែលដើរលឿន ៥នាទីជារៀងរាល់ថ្ងៃ ឱ្យត្រូវម៉ោងពិតប្រាកដវិញ មុននឹងយកវាទៅវាស់ស្ទង់ពេលវេលាសម្រាប់ថ្ងៃស្អែក។
Inverse distance weighted (IDW) interpolation (បច្ចេកទេសប៉ាន់ស្មានទិន្នន័យតាមគម្លាតចម្ងាយច្រាស) ជាវិធីសាស្ត្រគណនាបង្កើតផែនទីក្នុងប្រព័ន្ធ GIS ដែលប៉ាន់ស្មានទិន្នន័យនៅតំបន់ដែលគ្មានស្ថានីយវាស់ស្ទង់ ដោយផ្អែកលើឥទ្ធិពលនៃស្ថានីយដែលនៅក្បែរនោះបំផុត។ ស្ថានីយកាន់តែជិត ឥទ្ធិពលទិន្នន័យកាន់តែខ្លាំង។ ដូចជាការស្មានកម្រិតសំឡេងភ្លេងនៅក្នុងបន្ទប់មួយ ដោយផ្អែកលើការឈរក្បែរធុងបាស។ កាន់តែនៅជិតធុងបាសណា សំឡេងពីធុងបាសនោះផ្តល់ឥទ្ធិពលឮកាន់តែខ្លាំង។

៦. ប្រធានបទពាក់ព័ន្ធ (Further Reading)

អត្ថបទដែលបានបោះពុម្ពនៅលើ KhmerResearch ដែលទាក់ទងនឹងប្រធានបទនេះ៖

ប្រធានបទ និងសំណួរស្រាវជ្រាវដែលទាក់ទងនឹងឯកសារនេះ ដែលអ្នកអាចស្វែងរកបន្ថែម៖