បញ្ហា (The Problem)៖ ការវាស់វែងទិន្នន័យលំហបន្តផ្ទាល់គឺស្ទើរតែមិនអាចទៅរួចទេដោយសារកង្វះស្ថានីយវាស់ទឹកភ្លៀង ដូច្នេះការសិក្សានេះមានគោលបំណងស្វែងរកវិធីសាស្ត្របំប៉ាន់តម្លៃចន្លោះក្នុងលំហដ៏ល្អបំផុត (Spatial Interpolation) សម្រាប់ទិន្នន័យទឹកភ្លៀងពីផ្កាយរណប IMERG ក្នុងអាងទន្លេ Neyshabur។
វិធីសាស្ត្រ (The Methodology)៖ ការសិក្សានេះបានប្រើប្រាស់ទិន្នន័យទឹកភ្លៀងរយៈពេល ១៧ ឆ្នាំ (២០០១-២០១៧) ពីស្ថានីយចំនួន ៣០ ដើម្បីវាយតម្លៃ និងប្រៀបធៀបវិធីសាស្ត្របំប៉ាន់តម្លៃចន្លោះចំនួន ១១ ប្រភេទផ្សេងៗគ្នាដោយប្រើប្រាស់កម្មវិធីប្រព័ន្ធព័ត៌មានភូមិសាស្ត្រ។
លទ្ធផលសំខាន់ៗ (The Verdict)៖
| វិធីសាស្ត្រ (Method) | គុណសម្បត្តិ (Pros) | គុណវិបត្តិ (Cons) | លទ្ធផលគន្លឹះ (Key Result) |
|---|---|---|---|
| Universal Kriging (Quadratic drift) វិធីសាស្ត្រគ្រីហ្គីងសកល (UK) ជាមួយ Quadratic drift |
ផ្តល់លទ្ធផលល្អបំផុតក្នុងការប៉ាន់ស្មានទិន្នន័យ ដោយមានមេគុណសហសម្ព័ន្ធ (CC) ខ្ពស់បំផុត និងកំហុស (RMSE) ទាបបំផុត។ វាស័ក្តិសមបំផុតសម្រាប់ការបង្កើតផែនទីបែងចែកតំបន់ទឹកភ្លៀង។ | ត្រូវការការគណនាស្មុគស្មាញ និងការកំណត់ម៉ូដែល Semi-variogram និង Drift ឱ្យបានត្រឹមត្រូវបើប្រៀបធៀបទៅនឹងវិធីសាស្ត្រធម្មតា។ | ទទួលបានលទ្ធផលល្អផ្តាច់គេជាមួយ Bias = -2.85, CC = 0.98, KGE = 0.97, និង RMSE = 8.1 mm។ |
| Ordinary Kriging (Gaussian/Spherical/Circular/Exponential) វិធីសាស្ត្រគ្រីហ្គីងធម្មតា (OK) |
បង្ហាញដំណើរការដែលអាចទទួលយកបានក្នុងការប៉ាន់ស្មានតម្លៃទឹកភ្លៀង មានតម្លៃ Bias ទាប (ជាពិសេសទម្រង់ Gaussian)។ | មិនសូវមានភាពសុក្រឹតខ្ពស់ដូច UK ជាមួយ quadratic drift នោះទេ ក្នុងការចាប់យកការប្រែប្រួលទឹកភ្លៀងតាមទីតាំងជាក់ស្តែង។ | មានការជាប់ទាក់ទងគ្នាកម្រិតខ្ពស់ (ប្រហែល ៩៣%) និងតម្លៃ KGE លើសពី ០.៧ ប៉ុន្តែមានកំហុស RMSE ខ្ពស់ជាងវិធីសាស្ត្រ UK បន្តិច។ |
| Inverse Distance Weighting (IDW Power 1 & 2 & 3) ការថ្លឹងទម្ងន់ចម្ងាយបញ្ច្រាស (IDW) |
ងាយស្រួលយល់ និងអនុវត្ត មិនតម្រូវឱ្យមានការសន្មត់លើទិន្នន័យស្ថិតិស្មុគស្មាញ ដោយគណនាផ្អែកលើចម្ងាយពីស្ថានីយប៉ុណ្ណោះ។ | មិនអាចបង្កើតតម្លៃខ្ពស់ជាង ឬទាបជាងតម្លៃអតិបរមា/អប្បបរមាដែលបានវាស់វែងនោះទេ ហើយសម្រាប់ Power 1 គឺផ្តល់លទ្ធផលអន់បំផុត។ | IDW Power 1 មានកំហុស RMSE ខ្ពស់បំផុត (ជិត ៥០ mm) និងតម្លៃ KGE ទាបបំផុតក្នុងចំណោមវិធីសាស្ត្រទាំង ១១។ |
| Spline (Regularized) វិធីសាស្ត្រស្ព្លាញ (Spline) |
ផ្ទុយពី IDW វិធីសាស្ត្រនេះអាចប៉ាន់ស្មានផ្ទៃលើ និងក្រោមតម្លៃដែលបានសង្កេតឃើញពិតប្រាកដ និងមានកម្រិត Bias ទាប។ | អាចបង្កើតតម្លៃខុសប្រក្រតី (Overshoot/Undershoot) នៅតំបន់ដែលមានការប្រែប្រួលទិន្នន័យភ្លាមៗ។ | ផ្តល់លទ្ធផលដែលអាចទទួលយកបានជាមួយ KGE > 0.7 តែមិនល្អស្មើ UK (Quadratic) នោះទេ។ |
ការចំណាយលើធនធាន (Resource Cost)៖ ការសិក្សានេះពឹងផ្អែកចម្បងទៅលើប្រភពទិន្នន័យបើកទូលាយពីផ្កាយរណប និងកម្មវិធីប្រព័ន្ធព័ត៌មានភូមិសាស្ត្រ (GIS) សម្រាប់ការវិភាគទិន្នន័យក្នុងលំហ។
ការសិក្សានេះត្រូវបានធ្វើឡើងនៅក្នុងអាងទន្លេ Neyshabur ប្រទេសអ៊ីរ៉ង់ ដែលជាតំបន់ស្ងួតហួតហែង និងមានភ្នំខ្ពស់ៗ ដោយប្រើទិន្នន័យពីស្ថានីយចំនួន ៣០ ក្នុងរយៈពេល ១៧ ឆ្នាំ។ សម្រាប់ប្រទេសកម្ពុជាដែលមានអាកាសធាតុត្រូពិច និងមានភ្លៀងធ្លាក់ច្រើន លក្ខណៈនៃការចែកចាយទឹកភ្លៀងអាចមានភាពខុសគ្នាស្រឡះ ដែលទាមទារឱ្យមានការផ្ទៀងផ្ទាត់ និងកែតម្រូវឡើងវិញ (Recalibration) នូវម៉ូដែលទាំងនេះដើម្បីធានាភាពត្រឹមត្រូវ។
វិធីសាស្ត្រដែលបានបង្ហាញនេះមានសារៈសំខាន់ខ្លាំងសម្រាប់ប្រទេសកម្ពុជា ក្នុងការគ្រប់គ្រងធនធានទឹក និងការព្យាករណ៍គ្រោះធម្មជាតិ ដោយសារប្រទេសកម្ពុជានៅមានកង្វះខាតស្ថានីយវាស់ទឹកភ្លៀងនៅឡើយ។
សរុបមក ការរួមបញ្ចូលគ្នានៃទិន្នន័យផ្កាយរណប IMERG និងបច្ចេកទេសបំប៉ាន់តម្លៃចន្លោះក្នុងលំហ (Spatial Interpolation) គឺជាដំណោះស្រាយដ៏មានសក្តានុពល និងចំណាយទាប ក្នុងការប៉ះប៉ូវកង្វះខាតទិន្នន័យជលសាស្ត្រនៅក្នុងប្រទេសកម្ពុជា។
ដើម្បីអនុវត្តតាមការសិក្សានេះ និស្សិតគួរអនុវត្តតាមជំហានខាងក្រោម៖
| ពាក្យបច្ចេកទេស | ការពន្យល់ជាខេមរភាសា (Khmer Explanation) | និយមន័យសាមញ្ញ (Simple Definition) |
|---|---|---|
| Spatial Interpolation | គឺជាដំណើរការគណិតវិទ្យាក្នុងការប៉ាន់ស្មានតម្លៃទិន្នន័យ (ដូចជាបរិមាណទឹកភ្លៀង) នៅទីតាំងមួយដែលយើងមិនមានស្ថានីយវាស់វែង ដោយធ្វើការគណនាផ្អែកលើទិន្នន័យដែលប្រមូលបានពីទីតាំងស្ថានីយផ្សេងៗដែលនៅជុំវិញនោះ។ | ដូចជាការទាយកម្ពស់របស់សិស្សម្នាក់ដែលអវត្តមាន ដោយមើលទៅលើមធ្យមភាគកម្ពស់របស់មិត្តភក្តិដែលអង្គុយនៅជុំវិញកន្លែងរបស់គាត់។ |
| IMERG | ជាបណ្តុំទិន្នន័យផលិតផលទឹកភ្លៀងដែលទទួលបានពីការរួមបញ្ចូលគ្នានៃប្រព័ន្ធផ្កាយរណបអន្តរជាតិជាច្រើន ដើម្បីតាមដាន និងវាស់វែងបរិមាណទឹកភ្លៀងនៅលើផ្ទៃផែនដី សម្រាប់តំបន់ដែលគ្មានស្ថានីយវាស់ផ្ទាល់។ | ដូចជាបណ្តាញកាមេរ៉ាសុវត្ថិភាពជាច្រើនគ្រាប់នៅលើមេឃ ដែលសហការគ្នាថតរូបនិងវាយតម្លៃបរិមាណទឹកភ្លៀងដែលធ្លាក់មកលើដីជារៀងរាល់ថ្ងៃ។ |
| Kriging | ជាវិធីសាស្ត្រស្ថិតិភូមិសាស្ត្រ (Geostatistical method) ដ៏ស្មុគស្មាញមួយ ដែលមិនត្រឹមតែពឹងផ្អែកលើចម្ងាយរវាងចំណុចទិន្នន័យប៉ុណ្ណោះទេ តែថែមទាំងប្រើប្រាស់ទំនាក់ទំនង និងភាពប្រែប្រួលនៃគំរូទិន្នន័យក្នុងលំហ ដើម្បីផ្តល់ទម្ងន់ក្នុងការប៉ាន់ស្មានតម្លៃនៅទីតាំងដែលមិនស្គាល់ឱ្យកាន់តែសុក្រឹត។ | ដូចជាអ្នកស៊ើបអង្កេតដែលមិនត្រឹមតែមើលលើចម្ងាយផ្ទះអ្នកជិតខាងប៉ុណ្ណោះទេ តែថែមទាំងសិក្សាពីទម្លាប់និងទំនាក់ទំនងគ្នារបស់អ្នកភូមិដើម្បីទាយរកការពិត។ |
| Inverse Distance Weighting (IDW) | ជាវិធីសាស្ត្រប៉ាន់ស្មានតម្លៃដោយសន្មតថា ទីតាំងដែលនៅជិតគ្នានឹងមានលក្ខណៈស្រដៀងគ្នាខ្លាំងជាងទីតាំងដែលនៅឆ្ងាយ។ ដូច្នេះ វាផ្តល់ "ទម្ងន់" ឬឥទ្ធិពលខ្ពស់ទៅលើចំណុចទិន្នន័យណាដែលនៅជិតទីតាំងដែលកំពុងគណនាបំផុត។ | ដូចជាការស្តាប់សំឡេងតន្ត្រី អ្នកដែលឈរជិតធុងបាសនឹងឮខ្លាំងជាង (រងឥទ្ធិពលខ្លាំងជាង) អ្នកដែលឈរនៅឆ្ងាយ។ |
| Spline | ជាវិធីសាស្ត្របំប៉ាន់តម្លៃចន្លោះដែលប្រើប្រាស់អនុគមន៍គណិតវិទ្យា (Polynomials) ដើម្បីគូសខ្សែខ្សែកោងកាត់តាមរាល់ចំណុចទិន្នន័យដែលបានវាស់វែងទាំងអស់ឱ្យបានរលូនបំផុត ដើម្បីបង្កើតជាផ្ទៃផែនទីមួយដែលគ្មានការប្រែប្រួល ឬដាច់ទ្រង់ទ្រាយភ្លាមៗ។ | ដូចជាការយកបន្ទាត់ជ័រទន់ៗមកពត់កាត់តាមចំណុចដែកគោលដែលយើងដោតលើក្តារ ដើម្បីបង្កើតជារាងកោងមួយដ៏រលោងស្អាតជាប់គ្នា។ |
| Variogram | ជាឧបករណ៍គណិតវិទ្យាដែលប្រើប្រាស់ជាចម្បងនៅក្នុងម៉ូដែល Kriging សម្រាប់វាស់វែង និងបង្ហាញពីរបៀបដែលទិន្នន័យមានភាពស្រដៀងគ្នា ឬខុសគ្នា អាស្រ័យទៅលើការកើនឡើងនៃចម្ងាយរវាងទីតាំងទិន្នន័យទាំងនោះ។ | ដូចជាបន្ទាត់រង្វាស់ដែលបង្ហាញថា បើយើងដើរចេញកាន់តែឆ្ងាយពីកណ្តាលក្រុង ទម្រង់ផ្ទះសម្បែងនឹងកាន់តែប្រែប្រួលខុសពីផ្ទះនៅទីក្រុង។ |
| Root Mean Square Error (RMSE) | ជារង្វាស់ស្ថិតិដែលប្រាប់យើងពីកម្រិតនៃកំហុសរវាងតម្លៃដែលម៉ូដែលបានទស្សន៍ទាយ និងតម្លៃពិតប្រាកដដែលបានវាស់វែងផ្ទាល់។ តម្លៃ RMSE កាន់តែតូច មានន័យថាម៉ូដែលព្យាករណ៍កាន់តែខិតជិតការពិត។ | ដូចជាពិន្ទុដកក្នុងវិញ្ញាសាបាញ់ធ្នូ បើព្រួញរបស់អ្នកខុសពីចំណុចកណ្តាលកាន់តែតិច (RMSE តូច) មានន័យថាអ្នកបាញ់កាន់តែចំគោលដៅ។ |
| Kling-Gupta Efficiency (KGE) | ជាសូចនាករស្ថិតិរួមបញ្ចូលគ្នាដែលវាស់វែងប្រសិទ្ធភាពរបស់ម៉ូដែលទស្សន៍ទាយ ដោយពិចារណាលើកត្តា៣យ៉ាងក្នុងពេលតែមួយគឺ៖ ទំនាក់ទំនង (Correlation), ភាពលំអៀង (Bias), និងភាពប្រែប្រួលនៃទិន្នន័យ (Variability)។ | ដូចជាការវាយតម្លៃសិស្សពូកែម្នាក់ ដែលគេមិនមើលតែលើពិន្ទុប្រឡងមួយមុខទេ តែគេវាយតម្លៃទាំងអាកប្បកិរិយា ការចូលរួម និងភាពទៀងទាត់នៃការរៀនសូត្ររបស់គេផងដែរ។ |
អត្ថបទដែលបានបោះពុម្ពនៅលើ KhmerResearch ដែលទាក់ទងនឹងប្រធានបទនេះ៖
ប្រធានបទ និងសំណួរស្រាវជ្រាវដែលទាក់ទងនឹងឯកសារនេះ ដែលអ្នកអាចស្វែងរកបន្ថែម៖
