បញ្ហា (The Problem)៖ ការសិក្សានេះដោះស្រាយបញ្ហានៃការបាត់បង់ និងការបែកបាក់ទីជម្រករបស់សត្វដំរីស៊ូម៉ាត្រា (Elephas maximus sumatranus) ដែលកំពុងរងការគំរាមកំហែងយ៉ាងធ្ងន់ធ្ងរ ដោយវាយតម្លៃភាពស័ក្តិសមនៃរបៀងសត្វព្រៃសម្រាប់ការលូតលាស់រុក្ខជាតិជាចំណី។
វិធីសាស្ត្រ (The Methodology)៖ ការស្រាវជ្រាវនេះបានប្រើប្រាស់វិធីសាស្ត្រចុះអង្កេតផ្ទាល់នៅតាមទីតាំងជាក់ស្តែង និងការធ្វើគំរូតាមកុំព្យូទ័រ ដើម្បីវិភាគប្រភេទរុក្ខជាតិ និងព្យាករណ៍ពីតំបន់ដែលអាចដាំដុះបានយ៉ាងស័ក្តិសម។
លទ្ធផលសំខាន់ៗ (The Verdict)៖
| វិធីសាស្ត្រ (Method) | គុណសម្បត្តិ (Pros) | គុណវិបត្តិ (Cons) | លទ្ធផលគន្លឹះ (Key Result) |
|---|---|---|---|
| Strip Transect Method & Importance Value Index (IVI) Analysis ការចុះអង្កេតផ្ទាល់តាមវិធីសាស្ត្របន្ទាត់កាត់ និងការវិភាគសន្ទស្សន៍តម្លៃសារៈសំខាន់ (IVI) |
ផ្តល់ទិន្នន័យជាក់ស្តែងនិងមានភាពសុក្រឹតខ្ពស់អំពីអាកប្បកិរិយាស៊ីចំណីរបស់ដំរី និងប្រភេទរុក្ខជាតិមានវត្តមាននៅទីតាំងផ្ទាល់។ | ប្រើប្រាស់កម្លាំងពលកម្មនិងពេលវេលាច្រើន ព្រមទាំងទាមទារអ្នកមានជំនាញរុក្ខសាស្ត្រនិងអ្នកស្គាល់សត្វដំរីដើម្បីកំណត់អត្តសញ្ញាណរុក្ខជាតិ។ | បានកំណត់អត្តសញ្ញាណរុក្ខជាតិជាចំណីដំរីចំនួន ១២៥ ប្រភេទ និងបង្ហាញថាព្រៃរេចរឹលមានចំនួនប្រភេទរុក្ខជាតិចំណីច្រើនជាងគេ។ |
| Maximum Entropy (MaxEnt) Modeling ការធ្វើគំរូព្យាករណ៍ដោយប្រើអង់ត្រូបពីអតិបរមា (MaxEnt) |
មានសមត្ថភាពខ្ពស់ក្នុងការទស្សន៍ទាយទីតាំងស័ក្តិសមបានយ៉ាងទូលំទូលាយដោយប្រើតែទិន្នន័យអត្ថិភាព (Presence-only data) ផ្គូផ្គងជាមួយអថេរបរិស្ថាន។ | លទ្ធផលនៃគំរូអាចមានភាពលម្អៀង (Overfitting) ប្រសិនបើទិន្នន័យបរិស្ថានដែលបញ្ចូលមិនមានភាពសុក្រឹត ឬមិនតំណាងឱ្យទីតាំងជាក់ស្តែង។ | ព្យាករណ៍ថា ៩៤,៥% នៃផ្ទៃដីរបៀងសត្វព្រៃមានភាពស័ក្តិសមសម្រាប់រុក្ខជាតិចំណីដំរី ដោយមានតម្លៃ AUC ខ្ពស់ចន្លោះពី ០,៨២២ ដល់ ០,៩៧៤ ដែលបញ្ជាក់ពីភាពជឿជាក់ខ្ពស់។ |
ការចំណាយលើធនធាន (Resource Cost)៖ ការសិក្សានេះទាមទារការរួមបញ្ចូលគ្នារវាងការចុះអង្កេតប្រមូលទិន្នន័យនៅទីតាំងផ្ទាល់ និងការប្រើប្រាស់កម្មវិធីកុំព្យូទ័រសម្រាប់វិភាគភូមិសាស្ត្រនិងធ្វើគំរូ។
ការសិក្សានេះត្រូវបានធ្វើឡើងនៅក្នុងតំបន់របៀងសត្វព្រៃ Datuk Gedang ខេត្ត Jambi កោះស៊ូម៉ាត្រា ប្រទេសឥណ្ឌូនេស៊ី ដែលផ្តោតជាពិសេសលើប្រភេទដំរីស៊ូម៉ាត្រា (Elephas maximus sumatranus)។ ទិន្នន័យអាកាសធាតុ និងគម្របដីឆ្លុះបញ្ចាំងពីលក្ខខណ្ឌអេកូឡូស៊ីនៅទីនោះ។ សម្រាប់ប្រទេសកម្ពុជា ការប្រើប្រាស់គំរូនេះទាមទារការកែសម្រួលទិន្នន័យដោយផ្អែកលើប្រភេទរុក្ខជាតិ និងលក្ខខណ្ឌព្រៃឈើក្នុងស្រុក (ឧទាហរណ៍ ព្រៃស្រោងកម្ពុជា ឬព្រៃរបោះ)។
ការរួមបញ្ចូលគ្នានៃការស្រាវជ្រាវរុក្ខសាស្ត្រនិងការធ្វើគំរូអវកាស (Spatial modeling) នេះ មានសារៈសំខាន់ខ្លាំងសម្រាប់ការគ្រប់គ្រងទីជម្រកដំរីអាស៊ី និងការដោះស្រាយជម្លោះរវាងមនុស្សនិងសត្វព្រៃនៅកម្ពុជា។
សរុបមក ការយកគំរូវិភាគនេះមកអនុវត្តនឹងជួយដល់ស្ថាប័នអភិរក្សនៅកម្ពុជា ក្នុងការរៀបចំផែនការស្តាររបៀងសត្វព្រៃ និងការគ្រប់គ្រងធនធានធម្មជាតិប្រកបដោយនិរន្តរភាពដោយផ្អែកលើទិន្នន័យច្បាស់លាស់។
ដើម្បីអនុវត្តតាមការសិក្សានេះ និស្សិតគួរអនុវត្តតាមជំហានខាងក្រោម៖
| ពាក្យបច្ចេកទេស | ការពន្យល់ជាខេមរភាសា (Khmer Explanation) | និយមន័យសាមញ្ញ (Simple Definition) |
|---|---|---|
| Maximum entropy (MaxEnt) modeling (ការធ្វើគំរូអង់ត្រូបពីអតិបរមា) | វាជាកម្មវិធីកុំព្យូទ័រ (Machine Learning) ដែលព្យាករណ៍ថាទីតាំងណាខ្លះដែលសត្វឬរុក្ខជាតិអាចលូតលាស់និងរស់នៅបាន ដោយប្រើប្រាស់ទិន្នន័យទីតាំងដែលគេធ្លាប់បានរកឃើញពួកវា រួមបញ្ចូលជាមួយលក្ខខណ្ឌបរិស្ថាន (ដូចជាអាកាសធាតុ កម្ពស់ និងប្រភេទដី)។ | ដូចជាការទាយដឹងមុនថាមិត្តភក្តិរបស់អ្នកចូលចិត្តអង្គុយនៅតុណាក្នុងហាងកាហ្វេ ដោយផ្អែកលើចំណង់ចំណូលចិត្តពន្លឺនិងម៉ាស៊ីនត្រជាក់របស់ពួកគេកាលពីលើកមុនៗ។ |
| Importance value index (IVI) (សន្ទស្សន៍តម្លៃសារៈសំខាន់) | ជារង្វាស់ជាតួលេខនៅក្នុងរុក្ខសាស្ត្រ ដើម្បីកំណត់វាយតម្លៃថាប្រភេទរុក្ខជាតិណាមួយមានភាពលេចធ្លោ មានដង់ស៊ីតេខ្ពស់ និងមានវត្តមានគ្របដណ្តប់ច្រើនជាងគេបំផុតនៅក្នុងប្រព័ន្ធអេកូឡូស៊ីជាក់លាក់មួយ។ | ដូចជាការផ្តល់ពិន្ទុបោះឆ្នោតរើសប្រធានថ្នាក់ ដោយសិស្សដែលមានឥទ្ធិពលនិងសកម្មភាពលេចធ្លោជាងគេនៅក្នុងថ្នាក់ នឹងទទួលបានពិន្ទុខ្ពស់បំផុត។ |
| Strip transect method (វិធីសាស្ត្របន្ទាត់កាត់) | ជាវិធីសាស្ត្រចុះអង្កេតវាស់វែងនៅទីវាល ដោយអ្នកស្រាវជ្រាវដើរតាមបន្ទាត់ត្រង់មួយ និងកត់ត្រារាល់រុក្ខជាតិ ឬសញ្ញាសកម្មភាពសត្វ (ដូចជាលាមក ឬដានជើង) ដែលស្ថិតនៅក្នុងចន្លោះទទឹងជាក់លាក់ណាមួយនៅសងខាងបន្ទាត់នោះ។ | ដូចជាការដើរត្រង់តាមផ្លូវដើរទិញអីវ៉ាន់ក្នុងផ្សារទំនើប ហើយកត់ត្រាតែទំនិញដែលតាំងនៅលើធ្នើរនៅអមសងខាងដៃរបស់អ្នកប៉ុណ្ណោះ។ |
| Area under the curve (AUC) (ផ្ទៃក្រោមកោងនៃក្រាហ្វ) | ជាតម្លៃស្ថិតិ (ចន្លោះពី ០ ដល់ ១) ដែលប្រើសម្រាប់វាយតម្លៃកម្រិតនៃភាពសុក្រឹតរបស់គំរូព្យាករណ៍។ តម្លៃកាន់តែខិតជិត ១ មានន័យថាគំរូមានសមត្ថភាពខ្ពស់ក្នុងការទស្សន៍ទាយភាពស័ក្តិសមនៃទីជម្រកបានត្រឹមត្រូវ។ | ដូចជាពិន្ទុប្រឡងរបស់សិស្សអញ្ចឹង ពិន្ទុកាន់តែខិតជិត ១០០ (ឬ ១.០) មានន័យថាសិស្សនោះរៀនពូកែ និងឆ្លើយសំណួរបានត្រឹមត្រូវកាន់តែច្រើន។ |
| Jackknife test (ការធ្វើតេស្តវាយតម្លៃអថេរ Jackknife) | ជាបច្ចេកទេសស្ថិតិមួយនៅក្នុងគំរូ MaxEnt ដែលធ្វើការដកអថេរបរិស្ថាន (variables) ចេញម្តងមួយៗ ដើម្បីវាស់ស្ទង់មើលថាអថេរមួយណាមានឥទ្ធិពលខ្លាំងជាងគេបំផុត ក្នុងការកំណត់ទីជម្រកលូតលាស់របស់រុក្ខជាតិ។ | ដូចជាការសាកល្បងដកគ្រឿងផ្សំចេញពីសម្លរម្តងមួយមុខៗ ដើម្បីរកមើលថាគ្រឿងផ្សំណាមួយពិតប្រាកដ ដែលធ្វើឱ្យសម្លរនោះមានរសជាតិឆ្ងាញ់ជាងគេ។ |
| Overfitting (ការចងចាំទិន្នន័យជ្រុលរបស់គំរូ) | កំហុសនៅក្នុងការវិភាគទិន្នន័យតាមរយៈកុំព្យូទ័រ ដែលគំរូព្យាយាមទន្ទេញចាំទិន្នន័យចាស់ៗលម្អិតពេក ដែលធ្វើឱ្យវាមិនអាចសម្របខ្លួន និងទស្សន៍ទាយលើទិន្នន័យថ្មីៗដែលវាមិនធ្លាប់ជួបបានត្រឹមត្រូវ។ | ដូចសិស្សដែលទន្ទេញចាំតែវិញ្ញាសាចាស់ដើម្បីយកទៅប្រឡង តែដល់ពេលចេញវិញ្ញាសាថ្មីស្រដៀងគ្នា បែរជាមិនអាចធ្វើបាន។ |
| Enrichment planting (ការដាំស្តារ ឬដាំបន្ថែមជម្រក) | សកម្មភាពដាំប្រភេទរុក្ខជាតិដែលជាចំណី ឬជាជម្រករបស់សត្វព្រៃ បញ្ចូលទៅក្នុងតំបន់ព្រៃរេចរឹល ឬតំបន់ចម្ការចាស់ៗ ដើម្បីលើកកម្ពស់គុណភាព និងសមត្ថភាពទ្រទ្រង់ជីវចម្រុះរបស់ប្រព័ន្ធអេកូឡូស៊ីនៅទីនោះឡើងវិញ។ | ដូចជាការបន្ថែមជី និងដាំបន្លែចម្រុះពូជថ្មីៗនៅក្នុងសួនចាស់របស់អ្នក ដើម្បីឱ្យវាមានជីជាតិ និងទាក់ទាញមេអំបៅឱ្យមកលេងច្រើនជាងមុន។ |
| Wildlife Corridor (របៀងសត្វព្រៃ) | ជាផ្ទៃដីធម្មជាតិដែលតភ្ជាប់ពីតំបន់អភិរក្សមួយទៅតំបន់មួយទៀត (ដែលត្រូវបានបំបែកដោយសកម្មភាពមនុស្ស) អនុញ្ញាតឱ្យសត្វព្រៃអាចធ្វើចលនាផ្លាស់ទីដោយសុវត្ថិភាព ដើម្បីស្វែងរកចំណី និងបន្តពូជ។ | ដូចជាស្ពានអាកាសសម្រាប់អ្នកថ្មើរជើង ដែលអនុញ្ញាតឱ្យមនុស្សដើរឆ្លងកាត់ផ្លូវធំដែលមានឡានច្រើនបានយ៉ាងមានសុវត្ថិភាពពីត្រើយម្ខាងទៅត្រើយម្ខាង។ |
អត្ថបទដែលបានបោះពុម្ពនៅលើ KhmerResearch ដែលទាក់ទងនឹងប្រធានបទនេះ៖
ប្រធានបទ និងសំណួរស្រាវជ្រាវដែលទាក់ទងនឹងឯកសារនេះ ដែលអ្នកអាចស្វែងរកបន្ថែម៖
