បញ្ហា (The Problem)៖ ឯកសារនេះសិក្សាលើការស្វែងរកប្រភពទិន្នន័យពីចម្ងាយ (Remote Sensing) ដែលមានប្រសិទ្ធភាព និងចំណាយតិច ជំនួសឱ្យការស្កេនឡាស៊ែរលើអាកាស (ALS) សម្រាប់ការធ្វើសារពើភណ្ឌព្រៃឈើលើផ្ទៃដីធំទូលាយ។
វិធីសាស្ត្រ (The Methodology)៖ ការសិក្សានេះប្រៀបធៀបទិន្នន័យពពកចំណុចត្រីវិមាត្រ (3D point clouds) ជាច្រើនប្រភេទ ដោយប្រើប្រាស់បច្ចេកទេស Random Forests ដើម្បីទស្សន៍ទាយគុណលក្ខណៈព្រៃឈើនៅតំបន់ព្រៃ Evo ប្រទេសហ្វាំងឡង់។
លទ្ធផលសំខាន់ៗ (The Verdict)៖
| វិធីសាស្ត្រ (Method) | គុណសម្បត្តិ (Pros) | គុណវិបត្តិ (Cons) | លទ្ធផលគន្លឹះ (Key Result) |
|---|---|---|---|
| Airborne Laser Scanning (ALS) ការស្កេនឡាស៊ែរពីលើអាកាស |
ផ្តល់លទ្ធផលប៉ាន់ស្មានត្រឹមត្រូវបំផុត មានសមត្ថភាពអាចទម្លុះគម្របព្រៃឈើដើម្បីវាស់ដល់ផ្ទៃដី និងអាចបង្កើតម៉ូដែលផ្ទៃដី (DTM) ដែលមានភាពច្បាស់លាស់។ | មានតម្លៃថ្លៃខ្លាំង និងមិនសូវមានប្រសិទ្ធភាពក្នុងការប្រមូលទិន្នន័យលើផ្ទៃដីធំទូលាយញឹកញាប់នោះទេ។ | កម្រិតកំហុស (RMSE) ទាបបំផុត គឺចន្លោះពី ៤.៦% ទៅ ១៥.៩% អាស្រ័យលើគុណលក្ខណៈព្រៃឈើដែលបានវាស់វែង។ |
| Stereo Optical Imagery (WorldView-2 & Aerial) រូបភាពអុបទិកស្ទេរ៉េអូ (ពីផ្កាយរណប និងអាកាសយាន) |
មានតម្លៃធូរថ្លៃជាងក្នុងការគ្របដណ្តប់លើផ្ទៃដីធំ ហើយអាចផ្តល់លទ្ធផលប្រហាក់ប្រហែលនឹង ALS សម្រាប់ការវាស់កម្ពស់ និងម៉ាស់ជីវសាស្ត្រ។ | មិនអាចវាស់ទម្លុះគម្របព្រៃឈើបានទេ ទាមទារឱ្យមានទិន្នន័យ DTM ពី ALS ជាមុន និងជួបការលំបាកក្នុងការចាប់រូបភាព (image matching) នៅតំបន់ដែលមានស្រមោល ឬចន្លោះប្រហោងព្រៃ។ | កម្រិតកំហុស (RMSE) របស់ WorldView-2 គឺ ៦.៦% សម្រាប់កម្ពស់ដើមឈើ និង ១៦.២% សម្រាប់ម៉ាស់ជីវសាស្ត្រ។ |
| InSAR (TanDEM-X) អាំងទែហ្វេរ៉ូមេទ្រីរ៉ាដា |
មិនទទួលរងឥទ្ធិពលពីពពក ឬអាកាសធាតុអាក្រក់ឡើយ ហើយផ្តល់លទ្ធផលល្អជាងរ៉ាដាហ្ក្រាមមេទ្រី។ | ភាពត្រឹមត្រូវនៅមានកម្រិតទាបជាងប្រភពអុបទិក និង ALS ព្រមទាំងទាមទារទិន្នន័យ DTM ពីខាងក្រៅជានិច្ច។ | កម្រិតកំហុស (RMSE) ៩.៥% សម្រាប់កម្ពស់ដើមឈើ និង ២០.៦% សម្រាប់ម៉ាស់ជីវសាស្ត្រសរុប។ |
| SAR Radargrammetry (TerraSAR-X) រ៉ាដាហ្ក្រាមមេទ្រី |
គ្របដណ្តប់ផ្ទៃដីបានធំទូលាយ មិនរើសអាកាសធាតុ និងមានភាពងាយស្រួលក្នុងការប្រមូលទិន្នន័យញឹកញាប់។ | មានភាពសុក្រឹតទាបបំផុត និងមាននិន្នាការវាយតម្លៃលើស (overestimate) ចំពោះព្រៃឈើដែលមានម៉ាស់ជីវសាស្ត្រទាប។ | កម្រិតកំហុស (RMSE) ខ្ពស់រហូតដល់ ១៣.៤% សម្រាប់កម្ពស់ និង ៣១.១% សម្រាប់បរិមាណឈើ។ |
ការចំណាយលើធនធាន (Resource Cost)៖ ការប្រើប្រាស់វិធីសាស្ត្រទាំងនេះទាមទារការវិនិយោគខ្ពស់លើការទិញទិន្នន័យពីពាណិជ្ជកម្ម និងទាមទារកម្លាំងម៉ាស៊ីនកុំព្យូទ័រធំៗសម្រាប់ដំណើរការទិន្នន័យពពកចំណុច (Point Clouds) ដែលមានទំហំធំ។ អ្វីដែលសំខាន់បំផុត វិធីសាស្ត្រផ្អែកលើរូបភាពទាំងអស់សុទ្ធតែត្រូវការទិន្នន័យដី (DTM) ដែលមានស្រាប់។
ការសិក្សានេះត្រូវបានធ្វើឡើងនៅក្នុងតំបន់ព្រៃឈើ Boreal (Evo, Finland) ដែលភាគច្រើនជាប្រភេទស្រល់មានរចនាសម្ព័ន្ធសាមញ្ញ និងមិនសូវក្រាស់។ សម្រាប់ប្រទេសកម្ពុជាដែលមានព្រៃត្រូពិច (Tropical Forests) ចម្រុះ ក្រាស់ និងមានច្រើនជាន់ កម្រិតភាពត្រឹមត្រូវនៃក្បួនដោះស្រាយ Image Matching អាចនឹងមានការថយចុះ ហើយរ៉ាដាអាចនឹងពិបាកទម្លុះទៅដល់ដីជាង។
បច្ចេកទេសត្រីវិមាត្រ (3D) ទាំងនេះមានសក្ដានុពលខ្លាំងសម្រាប់ការធ្វើសារពើភណ្ឌព្រៃឈើនៅកម្ពុជា ជាពិសេសក្នុងយុគសម័យនៃការលក់ឥណទានកាបូន។
ការរួមបញ្ចូលគ្នានូវបច្ចេកទេសរូបភាពពីផ្កាយរណប និងទិន្នន័យ ALS មូលដ្ឋាន គឺជាយុទ្ធសាស្ត្រដ៏ល្អ និងចំណាយតិច ក្នុងការបង្កើតប្រព័ន្ធតាមដានព្រៃឈើថ្នាក់ជាតិប្រកបដោយនិរន្តរភាពសម្រាប់ប្រទេសកម្ពុជា។
ដើម្បីអនុវត្តតាមការសិក្សានេះ និស្សិតគួរអនុវត្តតាមជំហានខាងក្រោម៖
| ពាក្យបច្ចេកទេស | ការពន្យល់ជាខេមរភាសា (Khmer Explanation) | និយមន័យសាមញ្ញ (Simple Definition) |
|---|---|---|
| Airborne Laser Scanning (ALS) | បច្ចេកវិទ្យាវាស់វែងពីចម្ងាយដោយប្រើប្រព័ន្ធបាញ់ពន្លឺឡាស៊ែរពីយន្តហោះទៅកាន់ផ្ទៃដី ដើម្បីវាស់ចម្ងាយ និងបង្កើតជារូបភាពត្រីវិមាត្រ (3D) នៃផ្ទៃដី និងគម្របព្រៃឈើ ដោយវាមានសមត្ថភាពអាចបាញ់ទម្លុះចន្លោះស្លឹកឈើទៅដល់ដីបាន។ | ដូចជាសត្វប្រចៀវដែលបញ្ចេញសំឡេងងងឹតដើម្បីស្ទាបស្ទង់ទីតាំងវត្ថុនៅពីមុខវាអញ្ចឹងដែរ ប៉ុន្តែបច្ចេកវិទ្យានេះប្រើពន្លឺឡាស៊ែរជំនួសវិញ។ |
| Synthetic Aperture Radar (SAR) | ប្រព័ន្ធរ៉ាដាដែលប្រើប្រាស់ចលនារបស់អង់តែន (នៅលើផ្កាយរណប ឬយន្តហោះ) ដើម្បីបង្កើតជារន្ធសិប្បនិម្មិត ដែលអាចចាប់យករូបភាពមានភាពច្បាស់ខ្ពស់ពីរលកអគ្គិសនីម៉ាញេទិក ហើយវាអាចដំណើរការបានទោះបីជាមានពពកក្រាស់ ឬនៅពេលយប់ងងឹតក៏ដោយ។ | ដូចជាការថតរូបដោយប្រើពន្លឺភ្លើងហ្វា (Flash) ដ៏ខ្លាំងដែលអាចថតทะលុះអ័ព្ទ ឬពពកបាន ដោយមិនពឹងផ្អែកលើពន្លឺព្រះអាទិត្យឡើយ។ |
| SAR Interferometry (InSAR) | បច្ចេកទេសដែលយកទិន្នន័យរូបភាពរ៉ាដា (SAR) ពីរ ឬច្រើនដែលថតពីទីតាំងខុសគ្នាបន្តិចបន្តួច មកប្រៀបធៀបគ្នា ដើម្បីគណនារកកម្ពស់វត្ថុ ឬការប្រែប្រួលនៃផ្ទៃដី ដោយផ្អែកលើភាពខុសគ្នានៃដំណាក់កាលរលកសញ្ញា (Phase differences)។ | ស្រដៀងនឹងភ្នែកទាំងពីររបស់យើងដែលសម្លឹងមើលវត្ថុមួយពីមុំខុសគ្នាបន្តិច ដើម្បីអាចប៉ាន់ស្មានថាវត្ថុនោះនៅជិតឬឆ្ងាយ ប៉ុន្តែនេះគឺការប្រើភ្នែករ៉ាដាពីផ្កាយរណបជំនួសវិញ។ |
| Photogrammetry | វិទ្យាសាស្ត្រនៃការវាស់វែងពីរូបថត ជាពិសេសការប្រើប្រាស់បច្ចេកទេស Image Matching លើរូបថតពីរសន្លឹក ឬច្រើនដែលមានមុំខុសគ្នា (Stereo images) ដើម្បីគណនារកទីតាំង 3D និងកម្ពស់របស់វត្ថុនានាលើគែមផែនដី។ | ដូចជាការយករូបថតរាបស្មើ (2D) ជាច្រើនប៉ុស្តិ៍ពីជ្រុងខុសៗគ្នានៃរូបសំណាកមួយ មកផ្ដុំបញ្ចូលគ្នាដើម្បីសង់ជារូបសំណាកត្រីវិមាត្រ (3D) នៅក្នុងកុំព្យូទ័រ។ |
| Digital Terrain Model (DTM) | ម៉ូដែលទិន្នន័យកុំព្យូទ័រដែលតំណាងឱ្យកម្ពស់នៃផ្ទៃដីទទេសុទ្ធសាធ (Bare Earth) ដោយបានជម្រះរាល់វត្ថុដែលនៅពីលើដីចេញទាំងអស់ ដូចជាដើមឈើ អគារ ឬរចនាសម្ព័ន្ធផ្សេងៗទៀត។ | ដូចជាការកោរសក់ចេញពីក្បាល ដើម្បីអាចមើលឃើញរាងរៅលលាដ៍ក្បាលពិតប្រាកដអញ្ចឹងដែរ។ |
| Above Ground Biomass (AGB) | ទម្ងន់សរុបនៃសារពាង្គកាយរុក្ខជាតិដែលមានជីវិត (ដូចជាតួដើម មែក និងស្លឹក) ដែលស្ថិតនៅពីលើផ្ទៃដី ដែលជាទូទៅត្រូវបានវាស់ជាតោនក្នុងមួយហិកតា ដើម្បីប្រើក្នុងការគណនាបរិមាណស្តុកកាបូនដែលព្រៃឈើផ្ទុក។ | ប្រសិនបើយើងកាត់ដើមឈើទាំងអស់ក្នុងព្រៃមួយត្រឹមគល់ រួចយកផ្នែកខាងលើមកថ្លឹងទាំងអស់ នោះហើយគឺទម្ងន់ម៉ាស់ជីវសាស្ត្រ (AGB)។ |
| Random Forests technique | ជាក្បួនដោះស្រាយនៃម៉ាស៊ីនរៀន (Machine Learning) ដែលបង្កើតក្បួនតក្កវិទ្យា ឬ "ដើមឈើសម្រេចចិត្ត" (Decision Trees) ជាច្រើនដោយចៃដន្យ រួចយកលទ្ធផលមធ្យមនៃដើមឈើទាំងនោះមកធ្វើការទស្សន៍ទាយលទ្ធផលចុងក្រោយ ដើម្បីបញ្ចៀសកំហុស និងបង្កើនភាពសុក្រឹត។ | ដូចជាការសួរយោបល់ពីមនុស្ស ១០០ នាក់ផ្សេងៗគ្នា មុននឹងសម្រេចចិត្តទិញផ្ទះមួយ ជាជាងជឿតាមការណែនាំរបស់មនុស្សតែម្នាក់។ |
| Point Cloud | បណ្តុំនៃចំណុចទិន្នន័យរាប់លាននៅក្នុងលំហត្រីវិមាត្រ (3D) ដែលចំណុចនីមួយៗមានកូអរដោនេ (X, Y, Z) តំណាងឱ្យផ្ទៃខាងក្រៅនៃវត្ថុដែលបានស្កេនដោយឡាស៊ែរ ឬបង្កើតពីរូបភាព។ | ដូចជាពំនូកគ្រាប់ខ្សាច់រាប់លានគ្រាប់ ដែលអណ្តែតតម្រៀបគ្នាជារូបរាងដើមឈើ ឬអគារដ៏ល្អិតល្អន់នៅក្នុងអេក្រង់កុំព្យូទ័រ។ |
| Radargrammetry | វិធីសាស្ត្រទាញយកទិន្នន័យត្រីវិមាត្រ (3D) ដោយប្រើរូបភាពរ៉ាដា (SAR) ពីរផ្ទាំងដែលថតក្នុងមុំខុសគ្នា (stereo pair) មកផ្គូផ្គងគ្នា ស្រដៀងនឹងគោលការណ៍ Photogrammetry តែប្រើប្រាស់រលករ៉ាដាជំនួសឱ្យរលកពន្លឺអុបទិក។ | ដូចជាការយកកែវយឺត (Binoculars) មកឆ្លុះមើលរូបភាពពីរសន្លឹក ដើម្បីឱ្យខួរក្បាលយើងមើលឃើញទិដ្ឋភាពនោះលឹបលេចជាលក្ខណៈ 3D។ |
អត្ថបទដែលបានបោះពុម្ពនៅលើ KhmerResearch ដែលទាក់ទងនឹងប្រធានបទនេះ៖
ប្រធានបទ និងសំណួរស្រាវជ្រាវដែលទាក់ទងនឹងឯកសារនេះ ដែលអ្នកអាចស្វែងរកបន្ថែម៖
