Original Title: Daily Monitoring of Soil Moisture in Thailand by FY-2E Satellite
Source: li01.tci-thaijo.org
Disclaimer: Summary generated by AI based on the provided document. Please refer to the original paper for full scientific accuracy.

ការតាមដានសំណើមដីប្រចាំថ្ងៃនៅក្នុងប្រទេសថៃដោយប្រើប្រាស់ផ្កាយរណប FY-2E

ចំណងជើងដើម៖ Daily Monitoring of Soil Moisture in Thailand by FY-2E Satellite

អ្នកនិពន្ធ៖ Watcharee Veerakachen (Kasetsart University), Mongkol Raksapatcharawong (Kasetsart University)

ឆ្នាំបោះពុម្ព៖ 2014, Kasetsart J. (Nat. Sci.)

វិស័យសិក្សា៖ Remote Sensing and Hydrology

១. សេចក្តីសង្ខេបប្រតិបត្តិ (Executive Summary)

បញ្ហា (The Problem)៖ ទិន្នន័យសំណើមដីមានសារៈសំខាន់សម្រាប់ការតាមដាន និងការព្រមានពីគ្រោះរាំងស្ងួត និងការបាក់ដី ប៉ុន្តែការវាស់វែងដោយផ្ទាល់នៅប្រទេសថៃមានកម្រិត និងមិនអាចគ្របដណ្តប់លើផ្ទៃដីធំទូលាយបានជាប្រចាំនោះទេ។

វិធីសាស្ត្រ (The Methodology)៖ ការសិក្សានេះបានប្រើប្រាស់បច្ចេកវិទ្យាផ្កាយរណបតាមរយៈវិធីសាស្រ្តនិចលភាពកម្ដៅជាក់ស្តែង (Apparent Thermal Inertia) ដើម្បីបង្កើតម៉ូដែលប៉ាន់ប្រមាណកម្រិតសំណើមដី។

លទ្ធផលសំខាន់ៗ (The Verdict)៖

២. ការវិភាគលើប្រសិទ្ធភាព និងដែនកំណត់ (Performance & Constraints)

វិធីសាស្ត្រ (Method) គុណសម្បត្តិ (Pros) គុណវិបត្តិ (Cons) លទ្ធផលគន្លឹះ (Key Result)
Apparent Thermal Inertia (ATI) using FY-2E
ការប្រើប្រាស់និចលភាពកម្ដៅជាក់ស្តែង (ATI) តាមរយៈផ្កាយរណប FY-2E
មានលក្ខណៈសាមញ្ញ ងាយស្រួលគណនា និងផ្តល់ទិន្នន័យក្នុងកម្រិតភាពច្បាស់ទាំងពេលវេលា (ប្រចាំម៉ោង) និងទីតាំង (5x5 គ.ម)។ ទាមទារទិន្នន័យផ្ទាល់ដីតិចតួចសម្រាប់ការបង្កើតម៉ូដែល។ រងឥទ្ធិពលពីគម្របពពកដែលទាមទារការចម្រោះ (Cloud screening) ហើយភាពត្រឹមត្រូវអាចថយចុះនៅតំបន់ដែលមានរុក្ខជាតិដុះក្រាស់។ បង្កើតបានផែនទីសំណើមដីប្រចាំថ្ងៃទូទាំងប្រទេសដោយជោគជ័យ ដែលមានទំនាក់ទំនងស៊ីចង្វាក់គ្នាទៅនឹងទិន្នន័យសីតុណ្ហភាព និងបរិមាណទឹកភ្លៀងជាក់ស្តែង។
Machine Learning Models (SVM, ANN)
ម៉ូដែលរៀនដោយម៉ាស៊ីន (SVM, ANN)
អាចផ្តល់លទ្ធផលប៉ាន់ស្មានសំណើមដីបានយ៉ាងសុក្រឹតខ្ពស់ ដោយរួមបញ្ចូលសន្ទស្សន៍ច្រើនចូលគ្នា (ដូចជា NDVI និង LST)។ ត្រូវការសំណុំទិន្នន័យហ្វឹកហាត់ (Training datasets) ក្នុងទំហំដ៏ធំ ដែលមិនអាចអនុវត្តបានសម្រាប់ប្រទេសដែលមានទិន្នន័យផ្ទាល់ដីកម្រិតទាប។ ត្រូវបានលើកឡើងក្នុងការពិនិត្យឯកសារ (Literature review) ប៉ុន្តែមិនត្រូវបានជ្រើសរើសសម្រាប់ការសិក្សានេះទេ ដោយសារខ្វះទិន្នន័យ។
Microwave Remote Sensing (Active/Passive)
ការវាស់ស្ទង់ពីចម្ងាយដោយរលកម៉ៃក្រូវ៉េវ (សកម្ម និងអកម្ម)
មានអត្ថប្រយោជន៍ក្នុងការកាត់បន្ថយការរំខានពីបរិយាកាស និងអាចជ្រៀតចូលទៅក្នុងផ្ទៃដីបានកម្រិតមធ្យម។ ប្រភេទអកម្មមានកម្រិតភាពច្បាស់ទីតាំងទាប ចំណែកប្រភេទសកម្មមានទំហំថតចង្អៀត (Narrow swath width) ដែលធ្វើឲ្យមិនអាចគ្របដណ្តប់តំបន់ទូលាយបានញឹកញាប់។ មិនអាចបំពេញតម្រូវការក្នុងការត្រួតពិនិត្យសំណើមដីប្រចាំថ្ងៃក្នុងវិសាលភាពទូទាំងប្រទេសបានឡើយ។

ការចំណាយលើធនធាន (Resource Cost)៖ ការអនុវត្តវិធីសាស្រ្តនេះទាមទារហេដ្ឋារចនាសម្ព័ន្ធសម្រាប់ទទួលទិន្នន័យពីផ្កាយរណប កម្មវិធីសម្រាប់ដំណើរការទិន្នន័យរូបភាព និងឧបករណ៍វាស់ស្ទង់ជាក់ស្តែងនៅតាមស្ថានីយ៍ដី។

៣. ការពិនិត្យសម្រាប់បរិបទកម្ពុជា/អាស៊ីអាគ្នេយ៍

ភាពលំអៀងនៃទិន្នន័យ (Data Bias)៖

ការសិក្សានេះត្រូវបានអនុវត្តផ្តាច់មុខនៅខេត្ត Uttaradit ប្រទេសថៃ ដោយពឹងផ្អែកលើស្ថានីយ៍ផ្ទាល់ដីតែពីរគត់ (ហើយស្ថានីយ៍មួយត្រូវបានទម្លាក់ចោលដោយសារភាពផ្ទុយគ្នានៃទិន្នន័យ) រវាងឆ្នាំ២០១០-២០១១។ ការកំណត់ប៉ារ៉ាម៉ែត្រ (a0, a1) គឺអាស្រ័យខ្លាំងទៅលើប្រភេទដី និងរុក្ខជាតិនៅតំបន់នោះ។ សម្រាប់ប្រទេសកម្ពុជា ការយកម៉ូដែលនេះមកអនុវត្តដោយផ្ទាល់អាចបង្កជាកំហុស (Bias) បើសិនជាមិនមានការធ្វើក្រិតតាមខ្នាត (Calibration) ឡើងវិញដោយប្រើទិន្នន័យដី និងអាកាសធាតុក្នុងស្រុក។

លទ្ធភាពនៃការអនុវត្ត (Applicability)៖

វិធីសាស្រ្តផ្អែកលើផ្កាយរណបនេះមានសក្តានុពលខ្ពស់ និងស័ក្តិសមបំផុតសម្រាប់ប្រទេសកម្ពុជា ដែលបច្ចុប្បន្ននៅខ្វះខាតស្ថានីយ៍វាស់ស្ទង់ផ្ទាល់ដីនៅតាមទីវាលទូលាយ។

សរុបមក បច្ចេកទេស ATI ផ្តល់នូវដំណោះស្រាយប្រកបដោយភាពច្នៃប្រឌិត និងសន្សំសំចៃសម្រាប់តាមដានសំណើមដីទូទាំងប្រទេសកម្ពុជា ដែលជាមូលដ្ឋានគ្រឹះក្នុងការឆ្លើយតបទៅនឹងការប្រែប្រួលអាកាសធាតុ។

៤. ផែនការសកម្មភាពសម្រាប់និស្សិត (Actionable Roadmap)

ដើម្បីអនុវត្តតាមការសិក្សានេះ និស្សិតគួរអនុវត្តតាមជំហានខាងក្រោម៖

  1. សិក្សាមូលដ្ឋានគ្រឹះនៃទូរលេខរំញោច (Remote Sensing Fundamentals): និស្សិតត្រូវស្វែងយល់ពីគោលការណ៍នៃរលកពន្លឺ (Visible/Thermal Infrared) ទំនាក់ទំនងរវាងសីតុណ្ហភាព និងសំណើមដី ព្រមទាំងរៀនអនុវត្តការគណនានិចលភាពកម្ដៅជាក់ស្តែង (ATI) ដោយប្រើប្រាស់កម្មវិធី QGIS ឬកូដ Python
  2. ប្រមូលទិន្នន័យផ្កាយរណបអាកាសធាតុ (Acquire Satellite Data): បង្កើតគណនី និងទាញយកទិន្នន័យផ្កាយរណបដែលមានលក្ខណៈភូមិសាស្ត្រ (Geostationary) ដែលគ្របដណ្តប់តំបន់អាស៊ីអាគ្នេយ៍ ដូចជាទិន្នន័យពី Himawari-8 របស់ជប៉ុន ឬ FY-4A របស់ចិន ដែលមានទិន្នន័យប្រចាំម៉ោងដោយឥតគិតថ្លៃ។
  3. សហការប្រមូលទិន្នន័យដីជាក់ស្តែង (Collect Ground Truth Data): ទំនាក់ទំនងជាមួយក្រសួងធនធានទឹក ឬមន្ទីរកសិកម្មខេត្ត ដើម្បីស្នើសុំទិន្នន័យស្ថានីយ៍វាស់ស្ទង់ (បរិមាណទឹកភ្លៀង សីតុណ្ហភាព និងសំណើមដី) សម្រាប់ប្រើប្រាស់ជាទិន្នន័យក្នុងការធ្វើក្រិតតាមខ្នាត (Calibration) រកតម្លៃប៉ារ៉ាម៉ែត្រ a0 និង a1 ប្រចាំតំបន់។
  4. អភិវឌ្ឍកូដសម្រាប់សម្អាត និងវិភាគទិន្នន័យ (Develop Processing Scripts): សរសេរស្គ្រីប (Scripts) ដោយប្រើប្រាស់ Python (GDAL, Rasterio, NumPy) ដើម្បីធ្វើស្វ័យប្រវត្តិកម្មក្នុងការទាញយកទិន្នន័យ ចម្រោះគម្របពពកចេញ (Cloud screening) និងគណនា Diurnal Temperature Range ពីទិន្នន័យរលកអ៊ីនហ្វ្រារ៉េដ។
  5. បង្កើតប្រព័ន្ធផែនទីហានិភ័យថាមវន្ត (Generate Dynamic Hazard Maps): រួមបញ្ចូលលទ្ធផលដែលវិភាគរួច ទៅជាផែនទីសំណើមដីប្រចាំថ្ងៃ (Daily Soil Moisture Maps) ក្នុងកម្រិតភាពច្បាស់ 5x5 គ.ម ហើយបោះពុម្ពផ្សាយវាតាមរយៈ WebGIS (ឧ. Leaflet, GeoServer) ដើម្បីទុកជាប្រព័ន្ធប្រកាសអាសន្នសម្រាប់សហគមន៍។

៥. វាក្យសព្ទបច្ចេកទេស (Technical Glossary)

ពាក្យបច្ចេកទេស ការពន្យល់ជាខេមរភាសា (Khmer Explanation) និយមន័យសាមញ្ញ (Simple Definition)
Apparent Thermal Inertia (និចលភាពកម្ដៅជាក់ស្តែង) ជារង្វាស់ដែលបង្ហាញពីការទប់ទល់របស់ផ្ទៃដីចំពោះការប្រែប្រួលសីតុណ្ហភាព ដោយគណនាផ្អែកលើគម្លាតសីតុណ្ហភាពប្រចាំថ្ងៃ និងចំណាំងផ្លាតពន្លឺ (Albedo) ពីទិន្នន័យផ្កាយរណប ដើម្បីប៉ាន់ស្មានកម្រិតសំណើមដី។ ដីដែលមានសំណើមខ្ពស់មាននិចលភាពកម្ដៅខ្ពស់ ដែលធ្វើឱ្យវាមិនងាយឡើងកម្ដៅឬចុះត្រជាក់លឿនពេកនោះទេ។ ដូចជាការសង្កេតមើលដីសើមដែលក្រក្តៅនិងក្រត្រជាក់ជាងដីស្ងួត អ៊ីចឹងគេអាចដឹងថាដីនោះសើមឬអត់តាមរយៈការប្រែប្រួលកម្ដៅរបស់វា។
Diurnal Temperature Range (គម្លាតសីតុណ្ហភាពប្រចាំថ្ងៃ) គឺជាផលសងរវាងសីតុណ្ហភាពផ្ទៃដីនៅពេលថ្ងៃ (ថ្ងៃត្រង់) និងសីតុណ្ហភាពនៅពេលយប់ (កណ្តាលយប់)។ គម្លាតនេះមានទំហំតូចនៅពេលដីមានសំណើមខ្ពស់ (ដោយសារទឹកជួយទប់កម្ដៅ) និងមានទំហំធំនៅពេលដីស្ងួត។ ដូចជាភាពខុសគ្នានៃកម្ដៅចិញ្ចើមថ្នល់នៅពេលថ្ងៃត្រង់ដ៏ក្តៅហែង និងពេលយប់កណ្តាលអធ្រាត្រដែលត្រជាក់ស្រឹប។
Surface Albedo (អាល់បេដូផ្ទៃដី) គឺជាកម្រិតនៃពន្លឺព្រះអាទិត្យដែលត្រូវបានចំណាំងផ្លាតត្រឡប់ទៅបរិយាកាសវិញដោយផ្ទៃដី ដែលអាចវាស់វែងតាមរយៈរលកពន្លឺមើលឃើញ (Visible channel) ពីផ្កាយរណប។ ដីសើមមានពណ៌ងងឹតជាងដីស្ងួត ដូច្នេះវាមាន Albedo ទាបជាង (ស្រូបពន្លឺបានច្រើនជាង)។ ដូចជាការពាក់អាវពណ៌ស (ចំណាំងផ្លាតខ្ពស់) ធ្វើឱ្យត្រជាក់ជាងការពាក់អាវពណ៌ខ្មៅ (ចំណាំងផ្លាតទាប) នៅពេលដើរហាលថ្ងៃ។
Geostationary Satellite (ផ្កាយរណបគន្លងភូមិសាស្ត្រ) ជាប្រភេទផ្កាយរណបដែលគោចរក្នុងល្បឿននិងទិសដៅស្របគ្នានឹងរង្វិលជុំរបស់ផែនដី ធ្វើឱ្យវាស្ថិតនៅចំពីលើចំណុចដដែលនៃផែនដីជានិច្ច។ លក្ខណៈនេះអនុញ្ញាតឱ្យវាអាចថតយករូបភាពនិងទិន្នន័យពីតំបន់មួយបានជាប្រចាំ (ឧទាហរណ៍រៀងរាល់ម៉ោង) ដែលស័ក្តិសមបំផុតសម្រាប់ការតាមដានអាកាសធាតុប្រចាំថ្ងៃ។ ដូចជាកាមេរ៉ាសុវត្ថិភាពដែលគេបំពាក់ជាប់នឹងជញ្ជាំង ដើម្បីថតសំឡឹងមើលតែទីតាំងមួយកន្លែងដោយមិនរើទៅណា។
Thermal Infrared (រលកពន្លឺអ៊ីនហ្វ្រារ៉េដកម្ដៅ) ជាបណ្តុំរលកអេឡិចត្រូម៉ាញ៉េទិចដែលបញ្ចេញដោយវត្ថុទាំងឡាយដែលមានកម្ដៅ។ ផ្កាយរណបប្រើឧបករណ៍ចាប់សញ្ញាប្រភេទនេះ (ឧទាហរណ៍ IR1) ដើម្បីវាស់សីតុណ្ហភាពផ្ទៃដីពីចម្ងាយដោយមិនបាច់មានឧបករណ៍វាស់ស្ទង់ផ្ទាល់នៅនឹងដីឡើយ។ ដូចជាម៉ាស៊ីនវាស់កម្ដៅ (Thermometer gun) ដែលពេទ្យបាញ់វាស់កម្ដៅក្បាលរបស់យើងពីចម្ងាយដោយមិនបាច់ប៉ះស្បែកផ្ទាល់។
Volumetric Soil Moisture (សំណើមដីតាមមាឌ) គឺជាបរិមាណទឹកដែលមានផ្ទុកនៅក្នុងដី គិតជាភាគរយនៃមាឌទឹកធៀបនឹងមាឌដីសរុប។ វាត្រូវបានប្រើជាសូចនាករចម្បងក្នុងការកំណត់កម្រិតភាពរាំងស្ងួត ឬជាសញ្ញាព្រមានមុនពីហានិភ័យនៃការបាក់ដីនៅពេលដីជោកជាំទឹកខ្លាំងពេក។ ដូចជាការយកអេប៉ុងស្ងួតមួយដុំទៅជ្រលក់ទឹក រួចវាស់មើលថាតើមានទឹកប៉ុន្មានភាគរយដែលបានជ្រាបចូលនិងទាក់ជាប់ក្នុងអេប៉ុងនោះ។
Brightness Temperature (សីតុណ្ហភាពពន្លឺ) ជាសីតុណ្ហភាពប៉ាន់ស្មានដែលគណនាបានពីកម្រិតរលកវិទ្យុសកម្មដែលចាប់បានដោយឧបករណ៍ផ្កាយរណប។ ក្នុងការសិក្សានេះ វាត្រូវបានប្រើប្រាស់ជាតំណាងឱ្យសីតុណ្ហភាពផ្ទៃដី និងសម្រាប់ច្រោះទិន្នន័យពពកចេញ (Cloud screening) ព្រោះពពកមានសីតុណ្ហភាពពន្លឺទាបជាងផ្ទៃដី។ ដូចជាការមើលរងើកភ្លើងដែលកាន់តែភ្លឺក្រហមឆ្អៅ ហើយយើងអាចទាយដឹងថាវាកាន់តែក្តៅខ្លាំង។

៦. ប្រធានបទពាក់ព័ន្ធ (Further Reading)

អត្ថបទដែលបានបោះពុម្ពនៅលើ KhmerResearch ដែលទាក់ទងនឹងប្រធានបទនេះ៖

ប្រធានបទ និងសំណួរស្រាវជ្រាវដែលទាក់ទងនឹងឯកសារនេះ ដែលអ្នកអាចស្វែងរកបន្ថែម៖