Original Title: Estimating above Ground Biomass and Carbon Stock in the Lake Hawassa Watershed, Ethiopia by Integrating Remote Sensing and Allometric Equations
Source: dx.doi.org
Disclaimer: Summary generated by AI based on the provided document. Please refer to the original paper for full scientific accuracy.

ការប៉ាន់ប្រមាណជីវម៉ាសលើដី និងស្តុកកាបូននៅក្នុងទីជំរាលបឹង Hawassa ប្រទេសអេត្យូពី ដោយរួមបញ្ចូលការវិភាគរូបភាពពីចម្ងាយ (Remote Sensing) និងសមីការ Allometric

ចំណងជើងដើម៖ Estimating above Ground Biomass and Carbon Stock in the Lake Hawassa Watershed, Ethiopia by Integrating Remote Sensing and Allometric Equations

អ្នកនិពន្ធ៖ Wondrade N (Norwegian University of Life Sciences, Hawassa University), Dick OB (Norwegian University of Life Sciences), Tveite H (Norwegian University of Life Sciences)

ឆ្នាំបោះពុម្ព៖ 2015 Forest Research

វិស័យសិក្សា៖ Forestry & Environmental Science

១. សេចក្តីសង្ខេបប្រតិបត្តិ (Executive Summary)

បញ្ហា (The Problem)៖ ការសិក្សានេះដោះស្រាយបញ្ហាកង្វះខាតទិន្នន័យជីវម៉ាសដែលអាចជឿទុកចិត្តបាននៅក្នុងព្រៃតំបន់ត្រូពិច ដោយធ្វើការប៉ាន់ប្រមាណជីវម៉ាសលើដី និងស្តុកកាបូននៅក្នុងទីជំរាលបឹង Hawassa ប្រទេសអេត្យូពី ដើម្បីគាំទ្រដល់កិច្ចខិតខំប្រឹងប្រែងកាត់បន្ថយការប្រែប្រួលអាកាសធាតុ។

វិធីសាស្ត្រ (The Methodology)៖ អ្នកស្រាវជ្រាវបានប្រើប្រាស់វិធីសាស្ត្ររួមបញ្ចូលគ្នានូវទិន្នន័យរូបភាពផ្កាយរណប និងការវាស់វែងដោយផ្ទាល់នៅទីវាល គួបផ្សំជាមួយការប្រើប្រាស់សមីការគណនាជីវម៉ាស។

លទ្ធផលសំខាន់ៗ (The Verdict)៖

២. ការវិភាគលើប្រសិទ្ធភាព និងដែនកំណត់ (Performance & Constraints)

វិធីសាស្ត្រ (Method) គុណសម្បត្តិ (Pros) គុណវិបត្តិ (Cons) លទ្ធផលគន្លឹះ (Key Result)
Pantropic Allometric Equations (e.g., Chave et al., Brown)
សមីការ Allometric ត្រូពិចសកល
ងាយស្រួលប្រើប្រាស់សម្រាប់តំបន់ព្រៃត្រូពិចចម្រុះ និងមិនតម្រូវឱ្យកាត់រំលំដើមឈើដើម្បីសិក្សា (Non-destructive) ដែលជួយចំណេញពេលវេលា និងថវិកា។ វាប្រើអថេរច្រើនដូចជា អង្កត់ផ្ចិត កម្ពស់ និងដង់ស៊ីតេឈើ។ មាននិន្នាការវាយតម្លៃទំហំជីវម៉ាសលើសពីការពិត (Overestimation) បើប្រៀបធៀបទៅនឹងសមីការក្នុងស្រុក ព្រមទាំងត្រូវការទិន្នន័យដង់ស៊ីតេឈើជាក់លាក់នៃពូជឈើនីមួយៗ។ ប៉ាន់ប្រមាណជីវម៉ាសលើសប្រមាណ ១៣,០% សម្រាប់ព្រៃធម្មជាតិ និង ២០,៥% សម្រាប់ព្រៃដាំ បើធៀបនឹងសមីការក្នុងស្រុក ប៉ុន្តែនៅតែអាចទទួលយកបានជាមូលដ្ឋាននៃការសិក្សា។
Local Species-Specific Allometric Equations
សមីការ Allometric តាមប្រភេទពូជឈើក្នុងស្រុក
ផ្តល់លទ្ធផលសុក្រឹតជាងសម្រាប់តំបន់ និងប្រភេទឈើជាក់លាក់ ដោយឆ្លុះបញ្ចាំងពីស្ថានភាពពិតប្រាកដនៃប្រព័ន្ធអេកូឡូស៊ីនៅតំបន់សិក្សាដោយផ្ទាល់។ ទាមទារការចំណាយខ្ពស់ ចំណាយពេលយូរ និងតម្រូវឱ្យមានការកាប់រំលំដើមឈើជាគំរូ (Destructive sampling) ដែលមិនអាចអនុវត្តបានក្នុងតំបន់អភិរក្ស។ ត្រូវបានប្រើប្រាស់ជាគោល (Baseline) សម្រាប់ការផ្ទៀងផ្ទាត់ និងប្រៀបធៀបភាពត្រឹមត្រូវនៃសមីការសកលក្នុងការសិក្សានេះ។

ការចំណាយលើធនធាន (Resource Cost)៖ ការសិក្សានេះទាមទារការប្រើប្រាស់រួមគ្នានូវកម្មវិធីកុំព្យូទ័រសម្រាប់វិភាគរូបភាពពីចម្ងាយ កម្លាំងពលកម្ម និងឧបករណ៍វាស់វែងព្រៃឈើនៅទីវាល។

៣. ការពិនិត្យសម្រាប់បរិបទកម្ពុជា/អាស៊ីអាគ្នេយ៍

ភាពលំអៀងនៃទិន្នន័យ (Data Bias)៖

ការសិក្សានេះត្រូវបានធ្វើឡើងនៅក្នុងតំបន់ទីជំរាលបឹង Hawassa ប្រទេសអេត្យូពី ដែលជាតំបន់ព្រៃត្រូពិចសើម ប៉ុន្តែមានការរំខានខ្លាំងពីសកម្មភាពមនុស្ស (ដើមឈើភាគច្រើនមានទំហំតូច)។ ទិន្នន័យនៃសមីការ (ដូចជា Chave) មិនបានរួមបញ្ចូលដើមឈើនៅអាហ្វ្រិកក្នុងសំណាកដើមរបស់វាឡើយ ហើយការបង្វែរមកប្រើនៅតំបន់ផ្សេងអាចមានលម្អៀង។ នេះមានសារៈសំខាន់សម្រាប់ប្រទេសកម្ពុជា ព្រោះការយកសមីការសកលមកប្រើប្រាស់ដោយផ្ទាល់ទៅលើប្រភេទឈើអាស៊ីអាគ្នេយ៍ អាចបណ្តាលឱ្យមានលម្អៀង (Bias) ក្នុងការគណនាស្តុកកាបូនក្នុងស្រុក ប្រសិនបើមិនមានការផ្ទៀងផ្ទាត់។

លទ្ធភាពនៃការអនុវត្ត (Applicability)៖

វិធីសាស្ត្ររួមបញ្ចូលការវិភាគរូបភាពផ្កាយរណប និងសមីការ Allometric នេះមានអត្ថប្រយោជន៍ និងសក្តានុពលខ្លាំងណាស់សម្រាប់កម្ពុជាក្នុងការវាយតម្លៃគម្របព្រៃឈើ និងស្តុកកាបូន។

ជារួម វិធីសាស្ត្រនេះផ្តល់នូវដំណោះស្រាយដែលមានប្រសិទ្ធភាពខ្ពស់ និងសន្សំសំចៃ សម្រាប់ការវាយតម្លៃធនធានព្រៃឈើថ្នាក់ជាតិ និងគាំទ្រយ៉ាងរឹងមាំដល់គោលនយោបាយឆ្លើយតបនឹងការប្រែប្រួលអាកាសធាតុនៅកម្ពុជា។

៤. ផែនការសកម្មភាពសម្រាប់និស្សិត (Actionable Roadmap)

ដើម្បីអនុវត្តតាមការសិក្សានេះ និស្សិតគួរអនុវត្តតាមជំហានខាងក្រោម៖

  1. សិក្សាពីប្រព័ន្ធព័ត៌មានភូមិសាស្ត្រ និងការវិភាគរូបភាពផ្កាយរណប (GIS & Remote Sensing basics): រៀនទាញយកទិន្នន័យរូបភាពពី USGS Earth Explorer (ដូចជា Landsat 8/9Sentinel-2) និងអនុវត្តការធ្វើចំណាត់ថ្នាក់គម្របដី (Land Cover Classification) ដើម្បីបែងចែកផ្ទៃដីព្រៃឈើ ដោយប្រើប្រាស់កម្មវិធី QGISArcGIS
  2. ហ្វឹកហាត់ជំនាញវាស់វែងសារពើភ័ណ្ឌព្រៃឈើនៅទីវាល (Forest Inventory Fieldwork): ស្វែងយល់ពីរបៀបកំណត់ឡូត៍គំរូ (Sample plots) ជាទម្រង់ចតុកោណ របៀបវាស់អង្កត់ផ្ចិតដើមឈើកម្ពស់ទ្រូង (DBH) ដោយប្រើ Diameter Tape និងការវាស់កម្ពស់ដើមឈើដោយប្រើឧបករណ៍ Clinometer ឱ្យបានត្រឹមត្រូវ។
  3. ស្វែងយល់ពីការប្រើប្រាស់សមីការ Allometric ត្រូពិច (Mastering Allometric Equations): សិក្សាពីសមីការតំបន់ត្រូពិចសកលដែលមានស្រាប់ ដូចជាសមីការរបស់ Chave et al. (2005/2014) និងរៀនស្វែងរកទិន្នន័យដង់ស៊ីតេឈើពី Global Wood Density Database ដែលស៊ីសង្វាក់នឹងប្រភេទឈើនៅក្នុងព្រៃកម្ពុជា។
  4. អនុវត្តការគណនាជីវម៉ាស និងស្តុកកាបូន (Biomass and Carbon Stock Calculation): ប្រើប្រាស់ទិន្នន័យដែលប្រមូលបាន រួមបញ្ចូលជាមួយកម្មវិធី Microsoft ExcelR ដើម្បីគណនាជីវម៉ាសលើដី (AGB) ជាតោនក្នុងមួយហិកតា បន្ទាប់មកគុណនឹងកត្តាបំប្លែង (ឧ. ០,៥) ដើម្បីវាយតម្លៃបរិមាណស្តុកកាបូន (Carbon Stock) សរុបសម្រាប់តំបន់ស្រាវជ្រាវរបស់អ្នក។

៥. វាក្យសព្ទបច្ចេកទេស (Technical Glossary)

ពាក្យបច្ចេកទេស ការពន្យល់ជាខេមរភាសា (Khmer Explanation) និយមន័យសាមញ្ញ (Simple Definition)
Above ground biomass បរិមាណសរុបនៃសារពាង្គកាយរុក្ខជាតិរស់នៅផ្នែកខាងលើដី (ដូចជា ដើម មែក ស្លឹក ផ្កា និងផ្លែ) គិតជាទម្ងន់ស្ងួតក្នុងមួយឯកតាផ្ទៃដី ដែលត្រូវបានប្រើប្រាស់ដើម្បីវាយតម្លៃបរិមាណកាបូនដែលព្រៃឈើអាចស្តុកទុកបាន។ ដូចជាការថ្លឹងទម្ងន់រាល់ផ្នែកខាងលើដីទាំងអស់របស់ដើមឈើ (បន្ទាប់ពីហាលស្ងួតអស់ជាតិទឹក) ដើម្បីដឹងថាវាមានទម្ងន់សរុបប៉ុន្មាន។
Allometric equations សមីការគណិតវិទ្យាដែលប្រើដើម្បីប៉ាន់ប្រមាណបរិមាណជីវម៉ាស ឬទំហំសរុបនៃដើមឈើ ដោយពឹងផ្អែកលើអថេរដែលអាចវាស់វែងបានដោយងាយ ដូចជាអង្កត់ផ្ចិតដើមឈើ (DBH) កម្ពស់ និងដង់ស៊ីតេឈើ ដោយមិនចាំបាច់កាប់រំលំដើមឈើនោះទេ។ ដូចជារូបមន្តទស្សន៍ទាយទម្ងន់របស់មនុស្សម្នាក់ដោយគ្រាន់តែវាស់កម្ពស់ និងទំហំចង្កេះរបស់គាត់។
Remote sensing បច្ចេកវិទ្យាប្រមូលទិន្នន័យពីចម្ងាយ (ឧទាហរណ៍ តាមរយៈផ្កាយរណប ឬយន្តហោះគ្មានកន្សោម) ដើម្បីវិភាគ និងធ្វើចំណាត់ថ្នាក់ប្រភេទគម្របដី និងស្ថានភាពព្រៃឈើ ដោយមិនចាំបាច់ចុះទៅវាស់វែងនៅទីតាំងផ្ទាល់។ ដូចជាការប្រើកាមេរ៉ាថតរូបពីលើអាកាសយ៉ាងខ្ពស់ ដើម្បីមើលថាតើកន្លែងណាមានព្រៃឈើ កន្លែងណាមានផ្ទះ ឬកន្លែងណាមានទឹក។
Importance value index សន្ទស្សន៍រង្វាស់ដែលបង្ហាញពីកម្រិតនៃឥទ្ធិពល ឬសារៈសំខាន់នៃប្រភេទពូជឈើនីមួយៗនៅក្នុងប្រព័ន្ធអេកូឡូស៊ីព្រៃឈើ ដោយផ្អែកលើកត្តាបីសំខាន់គឺ៖ ដង់ស៊ីតេ (ចំនួន) ភាពញឹកញាប់នៃការកកើត និងទំហំមុខកាត់របស់វា។ ដូចជាការវាយតម្លៃរកសិស្សឆ្នើមប្រចាំថ្នាក់ ដោយផ្អែកលើការបូកបញ្ចូលគ្នានូវពិន្ទុប្រឡង អវត្តមាន និងការចូលរួមសកម្មភាពនានា។
Diameter at breast height រង្វាស់ស្តង់ដារនៃទំហំមុខកាត់តួដើមឈើ ដែលជាទូទៅត្រូវបានវាស់នៅកម្ពស់ ១,៣ ម៉ែត្រពីកម្ពស់ដី។ វាជាទិន្នន័យគោលដ៏សំខាន់បំផុតសម្រាប់ប្រើក្នុងសមីការ Allometric ដើម្បីគណនាជីវម៉ាស។ ដូចជាការវាស់ទំហំចង្កេះរបស់មនុស្សម្នាក់ ប៉ុន្តែសម្រាប់ដើមឈើគេវាស់ត្រឹមកម្ពស់ដើមទ្រូងមនុស្ស។
Destructive sampling វិធីសាស្ត្រសិក្សាស្រាវជ្រាវដោយកាប់រំលំដើមឈើពិតៗ កាត់ជាផ្នែកៗ រួចយកទៅថ្លឹង និងសម្ងួតដើម្បីវាស់ទម្ងន់ជីវម៉ាសឱ្យបានច្បាស់លាស់។ វិធីនេះមានភាពសុក្រឹតខ្ពស់បំផុត តែចំណាយពេលច្រើន និងធ្វើឱ្យបាត់បង់ដើមឈើ។ ដូចជាការកាប់ជ្រូកមួយក្បាលជាដុំៗ រួចថ្លឹងសាច់ ឆ្អឹង និងស្បែកដាច់ដោយឡែកពីគ្នា ដើម្បីចង់ដឹងទម្ងន់ពិតប្រាកដ។
Pantropic allometric equations សមីការទូទៅដែលត្រូវបានបង្កើតឡើងដោយប្រមូលទិន្នន័យពីតំបន់ព្រៃត្រូពិចជាច្រើនជុំវិញពិភពលោក ដើម្បីប្រើប្រាស់ក្នុងការប៉ាន់ស្មានជីវម៉ាសនៅតំបន់ត្រូពិចនានាផ្សេងទៀតដែលមិនមានសមីការផ្ទាល់ខ្លួនជាក់លាក់។ ដូចជារូបមន្តខ្នាតសម្លៀកបំពាក់ស្តង់ដារអន្តរជាតិ (S, M, L) ដែលអាចយកទៅស្លៀកពាក់បានសម្រាប់មនុស្សគ្រប់ជាតិសាសន៍ ទោះបីជាវាមិនកាត់ត្រូវតាមរាង១០០% សម្រាប់បុគ្គលម្នាក់ៗក៏ដោយ។
Biomass expansion factor មេគុណ ឬសមាមាត្រសម្រាប់បំប្លែងបរិមាណឈើមានប្រយោជន៍ (Stem wood/Commercial volume) ដែលគេដឹងទំហំស្រាប់ ទៅជាបរិមាណជីវម៉ាសសរុបលើដី ដែលរាប់បញ្ចូលទាំងមែក និងស្លឹក។ ដូចជាការយកទម្ងន់សាច់សុទ្ធទៅគុណនឹងតួលេខថេរមួយ ដើម្បីទាយរកទម្ងន់សត្វទាំងមូល (រួមទាំងឆ្អឹង និងស្បែក)។

៦. ប្រធានបទពាក់ព័ន្ធ (Further Reading)

អត្ថបទដែលបានបោះពុម្ពនៅលើ KhmerResearch ដែលទាក់ទងនឹងប្រធានបទនេះ៖

ប្រធានបទ និងសំណួរស្រាវជ្រាវដែលទាក់ទងនឹងឯកសារនេះ ដែលអ្នកអាចស្វែងរកបន្ថែម៖