Original Title: A new lake algae detection method supported by a drone-based multispectral camera
Source: doi.org/10.1111/lre.12377
Disclaimer: Summary generated by AI based on the provided document. Please refer to the original paper for full scientific accuracy.

វិធីសាស្ត្រថ្មីក្នុងការរកឃើញសារាយក្នុងបឹងដោយមានការគាំទ្រពីកាមេរ៉ាពហុវិសាលគមបំពាក់លើដ្រូន

ចំណងជើងដើម៖ A new lake algae detection method supported by a drone-based multispectral camera

អ្នកនិពន្ធ៖ Veronika Zsófia Tóth (Szent István University), János Grósz (Szent István University), Márta Ladányi (Szent István University), András Jung (Eötvös Loránd University)

ឆ្នាំបោះពុម្ព៖ 2021, Lakes & Reservoirs

វិស័យសិក្សា៖ Environmental Science

១. សេចក្តីសង្ខេបប្រតិបត្តិ (Executive Summary)

បញ្ហា (The Problem)៖ ការកើនឡើងហួសប្រមាណនៃសារាយក្នុងទឹកបឹងបង្កបញ្ហាធ្ងន់ធ្ងរដល់ប្រព័ន្ធអេកូឡូស៊ីនិងសេដ្ឋកិច្ចសង្គម ខណៈពេលដែលការតាមដានតាមផ្កាយរណបនិងមន្ទីរពិសោធន៍មានកម្រិតកំណត់លើភាពជាក់លាក់ផ្ទៃដី ចំណាយ និងពេលវេលា។

វិធីសាស្ត្រ (The Methodology)៖ ការសិក្សានេះបានអភិវឌ្ឍវិធីសាស្ត្រថ្មីដោយប្រើប្រាស់ដ្រូនបំពាក់កាមេរ៉ាពហុវិសាលគមដើម្បីប្រមូលទិន្នន័យរូបភាពពន្លឺ និងប្រៀបធៀបវាជាមួយនឹងលទ្ធផលពិសោធន៍ទឹកផ្ទាល់ដើម្បីបង្កើតជាក្បួនដោះស្រាយ។

លទ្ធផលសំខាន់ៗ (The Verdict)៖

២. ការវិភាគលើប្រសិទ្ធភាព និងដែនកំណត់ (Performance & Constraints)

វិធីសាស្ត្រ (Method) គុណសម្បត្តិ (Pros) គុណវិបត្តិ (Cons) លទ្ធផលគន្លឹះ (Key Result)
Traditional Laboratory Measurements (Felföldy Method)
ការវាស់វែងក្នុងមន្ទីរពិសោធន៍ (វិធីសាស្ត្រ Felföldy)		 ផ្តល់ភាពសុក្រឹតខ្ពស់បំផុត និងអាចវាស់ស្ទង់ពីការប្រែប្រួលតាមរដូវកាលនៃកម្រិតក្លរ៉ូហ្វីល-អេ (Chlorophyll-a) តាមជម្រៅទឹកបាន។ តំណាងឱ្យតែផ្ទៃតូចមួយ ចំណាយពេលយូរ (ប្រមាណ ១ម៉ោង/សំណាក) ថ្លៃជាង (១៤ អឺរ៉ូ) និងឧបករណ៍អាចរំខានដល់ទឹកពេលយកសំណាក។ ត្រូវបានប្រើប្រាស់ជាស្តង់ដារគោល (Baseline) ដើម្បីផ្ទៀងផ្ទាត់ភាពត្រឹមត្រូវនៃទិន្នន័យទទួលបានពីដ្រូន។
Drone-based Multispectral Camera (Proposed Method)
កាមេរ៉ាពហុវិសាលគមបំពាក់លើដ្រូន (វិធីសាស្ត្រស្នើឡើង)		 ចំណាយតិច (១០ អឺរ៉ូ/ការវាស់វែង) ប្រើពេលខ្លី (៣០ នាទី) មិនរងការរំខានពីពពក និងផ្តល់គុណភាពរូបភាពលម្អិតខ្ពស់ (High spatial resolution) លើផ្ទៃធំទូលាយ។ ទាមទារការបំពាក់ឧបករណ៍បន្ថែម (បច្ចេកវិទ្យា 3D Print) ត្រូវធ្វើតេស្តកំណត់មេគុណ (Calibration) ទៅតាមស្ថានភាពទឹក និងមិនស័ក្តិសមសម្រាប់ទឹកមានកំហាប់សារាយខ្ពស់ជ្រុល។ ទទួលបានទំនាក់ទំនង Pearson ខ្ពស់បំផុត (r = .96) សម្រាប់សន្ទស្សន៍សមាមាត្រ ខៀវ/បៃតង ផ្អែកលើកម្រិតពន្លឺ (Light level)។
Satellite Remote Sensing
ការតាមដានតាមផ្កាយរណប (Satellite Remote Sensing)		 អាចគ្របដណ្តប់ និងថតយករូបភាពផ្ទៃដីបានធំទូលាយមហាសាលនៅក្នុងរូបភាពតែមួយសន្លឹក។ គុណភាពបង្ហាញទាប (Low spatial resolution) មានចន្លោះពេលកំណត់សម្រាប់ការថត និងជួបបញ្ហាបាត់បង់ទិន្នន័យច្រើនដោយសារការពាំងពីពពក (Cloud coverage)។ ជាវិធីសាស្ត្រដែលត្រូវបានលើកឡើងយកមកប្រៀបធៀបថាត្រូវការដ្រូនដើម្បីមកបំពេញបន្ថែម (Supplement) ដើម្បីដោះស្រាយបញ្ហាកម្រិតភាពច្បាស់ និងពេលវេលា។

ការចំណាយលើធនធាន (Resource Cost)៖ ការប្រើប្រាស់ដ្រូនចំណាយតិចជាងការធ្វើតេស្តក្នុងមន្ទីរពិសោធន៍ប្រមាណ ២៩% (ចំណាយអស់ ១០ អឺរ៉ូ ធៀបនឹង ១៤ អឺរ៉ូ) និងចំណាយពេលត្រឹមតែពាក់កណ្តាលប៉ុណ្ណោះ។

៣. ការពិនិត្យសម្រាប់បរិបទកម្ពុជា/អាស៊ីអាគ្នេយ៍

ភាពលំអៀងនៃទិន្នន័យ (Data Bias)៖

ការសិក្សានេះត្រូវបានធ្វើឡើងនៅបឹង Balaton ភាគខាងលិចប្រទេសហុងគ្រី ដែលជាបឹងទឹករាក់ មានអាកាសធាតុទ្វីប (Continental climate) និងលក្ខណៈដីល្បាប់ខុសពីកម្ពុជា។ ទិន្នន័យ និងមេគុណរូបមន្ត (Calibration multipliers) ត្រូវបានបង្កើតឡើងសម្រាប់លក្ខខណ្ឌទឹកនៅតំបន់នោះប៉ុណ្ណោះ។ សម្រាប់កម្ពុជា ទាមទារឱ្យមានការសិក្សាប្រមូលសំណាកដើម្បីកែសម្រួលមេគុណ (Recalibrate) ឡើងវិញឱ្យស្របនឹងអាកាសធាតុត្រូពិចនិងប្រព័ន្ធអេកូឡូស៊ីក្នុងស្រុក។

លទ្ធភាពនៃការអនុវត្ត (Applicability)៖

វិធីសាស្ត្រតាមដានគុណភាពទឹកដោយប្រើដ្រូននេះមានសក្តានុពលខ្ពស់និងភាពជាក់ស្តែងសម្រាប់ការគ្រប់គ្រងធនធានទឹកនៅកម្ពុជា ដោយសារវាចំណាយតិចនិងលឿនរហ័ស។

ជារួម ការរួមបញ្ចូលបច្ចេកវិទ្យាដ្រូនជាមួយនឹងការវិភាគទិន្នន័យពហុវិសាលគម នឹងជួយស្ថាប័នកម្ពុជាធ្វើទំនើបកម្មប្រព័ន្ធតាមដានបរិស្ថានឱ្យកាន់តែមានប្រសិទ្ធភាព ចំណាយតិច និងឆ្លើយតបបានលឿនជាងមុន។

៤. ផែនការសកម្មភាពសម្រាប់និស្សិត (Actionable Roadmap)

ដើម្បីអនុវត្តតាមការសិក្សានេះ និស្សិតគួរអនុវត្តតាមជំហានខាងក្រោម៖

  1. សិក្សាពីមូលដ្ឋានគ្រឹះនៃកាមេរ៉ាពហុវិសាលគម (Multispectral Imaging Basics): និស្សិតត្រូវចាប់ផ្តើមសិក្សាពីគោលការណ៍នៃរលកពន្លឺ (Blue, Green, Red, NIR) និងរបៀបដែលរុក្ខជាតិឬសារាយចំណាំងផ្លាតពន្លឺ។ អាចប្រើប្រាស់ឧបករណ៍ដូចជា DB2Vision LaQuinta ឬកាមេរ៉ាស្រដៀងគ្នាដើម្បីស្វែងយល់ពីទិន្នន័យដែលវាផ្តល់ឱ្យ។
  2. រៀបចំជើងទម្រឧបករណ៍តាមរយៈបច្ចេកវិទ្យា 3D Print (UAV Setup & 3D Printing): ប្រើប្រាស់កម្មវិធី SketchUp Pro 2019 (ឬជំនាន់ថ្មី) ដើម្បីរចនាប្លង់ជើងទម្រសម្រាប់ភ្ជាប់កាមេរ៉ាពហុវិសាលគមទៅនឹងដ្រូន។ បន្ទាប់មកព្រីនវាចេញដោយប្រើ 3D Printer ដូចជា Creality Ender 3 Pro ដើម្បីធានាសុវត្ថិភាពនិងលំនឹងពេលហោះហើរ។
  3. ប្រមូលទិន្នន័យ និងតម្រូវកម្រិតពន្លឺរូបភាព (Data Collection & Calibration): អនុវត្តការហោះហើរដ្រូនថតយកផ្ទៃទឹក ទន្ទឹមនឹងការចុះយកសំណាកទឹកផ្ទាល់ដើម្បីពិសោធ។ ប្រើប្រាស់កម្មវិធី NDVIImageViewer ដើម្បីទាញយកទិន្នន័យ RGBIR (Reflectance & Irradiance) និងប្រើ Microsoft Excel ដើម្បីស្វែងរកមេគុណរូបមន្ត (Calibration Multipliers) ដោយប្រៀបធៀបសន្ទស្សន៍ Blue/Green រវាងរូបភាពនិងលទ្ធផលពិសោធន៍។
  4. វិភាគទិន្នន័យស្ថិតិ និងធ្វើសុពលភាព (Statistical Analysis & Validation): ប្រើប្រាស់កម្មវិធី IBM SPSS v25 ឬភាសា R ដើម្បីគណនាទំនាក់ទំនងស្ថិតិ (Pearson's Correlation Coefficient) រវាងទិន្នន័យក្លរ៉ូហ្វីល-អេ ដែលទាញចេញពីម៉ូដែលដ្រូន និងទិន្នន័យពីមន្ទីរពិសោធន៍។ ពិនិត្យមើលតម្លៃ r (ឧ. r > .90) ដើម្បីបញ្ជាក់ពីភាពត្រឹមត្រូវ។
  5. អនុវត្តគម្រោងស្រាវជ្រាវផ្ទាល់នៅបឹងក្នុងស្រុក (Local Pilot Project Implementation): បង្កើតគម្រោងសាកល្បងខ្នាតតូចមួយនៅអាងស្តុកទឹក ឬផ្នែកណាមួយនៃបឹងទន្លេសាប ដោយអនុវត្តតាមវដ្តខាងលើ។ ប្រមូលទិន្នន័យតាមរដូវកាលផ្សេងៗគ្នា រួចសរសេររបាយការណ៍អំពីលទ្ធភាពនិងបញ្ហាប្រឈម ដើម្បីផ្សព្វផ្សាយដល់ក្រសួងពាក់ព័ន្ធឬរដ្ឋាករទឹក។

៥. វាក្យសព្ទបច្ចេកទេស (Technical Glossary)

ពាក្យបច្ចេកទេស ការពន្យល់ជាខេមរភាសា (Khmer Explanation) និយមន័យសាមញ្ញ (Simple Definition)
multispectral camera ជាប្រភេទកាមេរ៉ាដែលអាចថតចាប់យករលកពន្លឺជាច្រើនប្រភេទ ដែលភ្នែកមនុស្សមិនអាចមើលឃើញ (ដូចជាពន្លឺជិតអ៊ីនហ្វ្រាក្រហម - NIR) ដោយបំបែកពណ៌នីមួយៗដាច់ពីគ្នាដើម្បីវិភាគលក្ខណៈរបស់វត្ថុ។ ដូចជាវ៉ែនតាវេទមន្តដែលអនុញ្ញាតឱ្យយើងមើលឃើញពន្លឺដែលលាក់កំបាំង ដើម្បីដឹងថារុក្ខជាតិមានសុខភាពល្អកម្រិតណា។
chlorophyll-a ជាសារធាតុពណ៌បៃតងនៅក្នុងរុក្ខជាតិនិងសារាយ ដែលស្រូបយកពន្លឺព្រះអាទិត្យសម្រាប់ធ្វើរស្មីសំយោគ។ កំហាប់របស់វានៅក្នុងទឹកតំណាងឱ្យបរិមាណសារាយដែលមាននៅក្នុងទឹកនោះ។ ដូចជា "ឈាម" របស់រុក្ខជាតិ ដែលពណ៌របស់វាប្រាប់យើងពីចំនួនកោសិការុក្ខជាតិឬសារាយដែលមាននៅក្នុងទីតាំងនោះ។
reflectance គឺជាសមាមាត្រនៃបរិមាណពន្លឺដែលជះត្រលប់ពីផ្ទៃវត្ថុណាមួយ ធៀបនឹងបរិមាណពន្លឺសរុបដែលជះទៅលើផ្ទៃនោះ។ ក្នុងការសិក្សានេះ គេប្រើវាដើម្បីគណនាប្រភេទនិងបរិមាណសារាយក្នុងទឹក។ ដូចជាការឆ្លុះកញ្ចក់ ដែលយើងវាស់ថាតើពន្លឺប៉ុន្មានភាគរយត្រូវបានផ្លាតត្រឡប់ចូលភ្នែករបស់យើងវិញ។
irradiance បរិមាណថាមពលពន្លឺព្រះអាទិត្យសរុបដែលធ្លាក់មកប៉ះលើផ្ទៃមួយក្នុងមួយខ្នាតក្រឡា។ ឧបករណ៍សេនស័រវាស់ Irradiance ជួយឱ្យកាមេរ៉ាដឹងពីកម្រិតពន្លឺជាក់ស្តែងនៅពេលថត ដើម្បីកែតម្រូវភាពត្រឹមត្រូវនៃរូបភាព។ ដូចជាការវាស់កម្លាំងកម្តៅថ្ងៃដែលចាំងមកលើស្បែករបស់យើងនៅម៉ោង១២ថ្ងៃត្រង់ ដើម្បីដឹងថាថ្ងៃនេះក្តៅខ្លាំងកម្រិតណា។
eutrophication ជាដំណើរការដែលប្រព័ន្ធទឹកទទួលបានសារធាតុចិញ្ចឹម (ដូចជាអាសូតនិងផូស្វ័រ) លើសលុប ដែលបណ្តាលឱ្យសារាយដុះលូតលាស់ហួសប្រមាណ និងធ្វើឱ្យបាត់បង់អុកស៊ីហ្សែនក្នុងទឹកយ៉ាងធ្ងន់ធ្ងរ។ ដូចជាការដាក់ជីលើសកម្រិតទៅក្នុងផើងផ្កា ដែលធ្វើឱ្យស្មៅដុះដណ្តើមយកជីវជាតិ និងកន្លែងរបស់ផ្កាអស់។
Pearson's correlation ជារង្វាស់ស្ថិតិដែលវាស់ស្ទង់កម្រិតទំនាក់ទំនងជាលីនេអ៊ែរ (បន្ទាត់ត្រង់) រវាងអថេរពីរ ថាតើវាប្រែប្រួលស្របគ្នាឬផ្ទុយគ្នាកម្រិតណា (តម្លៃពី -1 ដល់ 1)។ ដូចជាការប្រៀបធៀបថាតើនៅពេលមេឃកាន់តែក្តៅ មនុស្សទិញការ៉េមញ៉ាំកាន់តែច្រើនដែរឬយ៉ាងណា។
NIR/red indices សន្ទស្សន៍ដែលបានមកពីការគណនាសមាមាត្ររវាងពន្លឺជិតអ៊ីនហ្វ្រាក្រហម (Near-Infrared - NIR) និងពន្លឺពណ៌ក្រហម។ វាត្រូវបានប្រើដើម្បីញែកដាច់ពីគ្នារវាងផ្ទៃទឹកធម្មតា និងផ្ទៃដែលមានរុក្ខជាតិ ឬសារាយ ដោយសាររុក្ខជាតិចំណាំងផ្លាត NIR បានខ្ពស់។ ដូចជាលេខកូដសម្ងាត់គណិតវិទ្យាដែលជួយម៉ាស៊ីនកុំព្យូទ័របែងចែកឱ្យដាច់រវាង "ទឹកទទេ" និង "ទឹកមានស្លែ"។

៦. ប្រធានបទពាក់ព័ន្ធ (Further Reading)

អត្ថបទដែលបានបោះពុម្ពនៅលើ KhmerResearch ដែលទាក់ទងនឹងប្រធានបទនេះ៖

ប្រធានបទ និងសំណួរស្រាវជ្រាវដែលទាក់ទងនឹងឯកសារនេះ ដែលអ្នកអាចស្វែងរកបន្ថែម៖