បញ្ហា (The Problem)៖ ឯកសារនេះដោះស្រាយពីបញ្ហាប្រឈមក្នុងការត្រួតពិនិត្យ និងវាយតម្លៃធនធានព្រៃឈើលើផ្ទៃដីធំទូលាយប្រកបដោយប្រសិទ្ធភាព និងតម្លាភាព ដោយពិនិត្យលើការរឹតត្បិតនៃការប្រើប្រាស់រូបថតពីលើអាកាស (aerial photography) និងការចុះធ្វើជំរឿនផ្ទាល់លើទីតាំងចាស់ៗដែលមានតម្លៃថ្លៃ និងចំណាយពេលយូរ។
វិធីសាស្ត្រ (The Methodology)៖ ការសិក្សានេះប្រើប្រាស់វិធីសាស្ត្រពិនិត្យឡើងវិញឯកសារ (Literature Review) លើបច្ចេកវិទ្យាតេឡេតាមដាន និងការអនុវត្តជាក់ស្តែងក្នុងវិស័យព្រៃឈើ។
លទ្ធផលសំខាន់ៗ (The Verdict)៖
| វិធីសាស្ត្រ (Method) | គុណសម្បត្តិ (Pros) | គុណវិបត្តិ (Cons) | លទ្ធផលគន្លឹះ (Key Result) |
|---|---|---|---|
| Optical Satellite Imagery + kNN (MSFI) រូបភាពផ្កាយរណបអុបទិករួមជាមួយក្បួន k-Nearest Neighbour |
អាចគ្របដណ្តប់ផ្ទៃដីបានធំទូលាយ មានតម្លៃទាបក្នុងការគ្របដណ្តប់ក្នុងមួយឯកតាផ្ទៃដី និងអាចធ្វើបច្ចុប្បន្នភាពទិន្នន័យបានញឹកញាប់ដើម្បីតាមដានការផ្លាស់ប្តូរ។ | រងការរំខានដោយសារពពក (Cloud cover) ជារឿយៗ និងពិបាកក្នុងការបែងចែកចម្ការព្រៃឈើវ័យក្មេងពីប្រភេទដីប្រើប្រាស់ផ្សេងៗទៀត។ | ទទួលបានកម្រិតលម្អៀង (RMSE) ប្រហែល 50-59% សម្រាប់ការប៉ាន់ស្មានមាឌឈើ និងក្រឡាផ្ទៃគោល (Basal area) ក្នុងមួយហិកតានៅកម្រិតភិចស៊ែល។ |
| Airborne LiDAR បច្ចេកវិទ្យាឡាស៊ែរស្កេនពីលើអាកាស |
ផ្តល់ទិន្នន័យរចនាសម្ព័ន្ធព្រៃឈើជាទម្រង់ 3D លម្អិតខ្លាំង មានសមត្ថភាពវិភាគทะលុះគម្របព្រៃ និងអាចវាស់កម្ពស់ដើមឈើបានយ៉ាងច្បាស់។ | មានតម្លៃខ្ពស់ខ្លាំងក្នុងការប្រមូលទិន្នន័យ (អាស្រ័យលើកម្រិតលម្អិតនៃចំណុចស្កេន) និងទាមទារបច្ចេកទេសកែច្នៃទិន្នន័យស្មុគស្មាញ។ | លទ្ធផលប៉ាន់ស្មានកម្ពស់ដើមឈើនិងទម្រង់មកុដព្រៃពី LiDAR មានភាពត្រឹមត្រូវខ្ពស់ និងអាចប្រៀបធៀបដោយផ្ទាល់ទៅនឹងការវាស់វែងជាក់ស្តែង។ |
| Terrestrial LiDAR បច្ចេកវិទ្យាឡាស៊ែរស្កេនផ្ទាល់ដី |
ផ្តល់រង្វាស់លម្អិតនៃដើមឈើនីមួយៗពីក្រោមមកុដព្រៃឈើ ដូចជាអង្កត់ផ្ចិត កម្រិតត្រង់នៃដើម និងរចនាសម្ព័ន្ធឈើងាប់។ | មានបញ្ហាបាំងរាំងខ្ទប់ (Occlusion) ដែលតម្រូវឱ្យមានការស្កេនពីទីតាំងច្រើនដើម្បីផ្គុំបញ្ចូលគ្នា និងចំណាយពេលយូរក្នុងការអនុវត្ត។ | បង្កើតគំរូទិន្នន័យ 3D ដ៏មានសត្យានុម័តពេញលេញ សម្រាប់គាំទ្រដល់ការធ្វើជំរឿននិងវាស់វែងគុណភាពនៃដើមឈើនីមួយៗក្នុងកម្រិតលម្អិតបំផុត។ |
| Synthetic Aperture Radar (SAR) រ៉ាដាថតរូបភាពសំយោគពីផ្កាយរណប |
មិនរងផលប៉ះពាល់ពីអាកាសធាតុ អាចថតទម្លុះពពក ភ្លៀង និងថតបានទាំងយប់ទាំងថ្ងៃ។ | ទិន្នន័យមានភាពស្មុគស្មាញខ្លាំងក្នុងការកែច្នៃ និងទាមទារអ្នកជំនាញកម្រិតខ្ពស់ដើម្បីបកស្រាយរូបភាពរ៉ាដា។ | ត្រូវបានប្រើប្រាស់កាន់តែខ្លាំងសម្រាប់ការទាញយកព័ត៌មានកម្ពស់ដើមឈើ និងរចនាសម្ព័ន្ធព្រៃឈើក្នុងតំបន់ដែលមានពពកច្រើន។ |
ការចំណាយលើធនធាន (Resource Cost)៖ ការអនុវត្តប្រព័ន្ធតេឡេតាមដាន (Remote Sensing) សម្រាប់ការងារព្រៃឈើ ទាមទារការវិនិយោគគួរឱ្យកត់សម្គាល់លើប្រព័ន្ធកុំព្យូទ័រ កម្មវិធី និងការចុះវាស់វែងផ្ទាល់ ស្របពេលដែលការកើនឡើងនៃគុណភាពរូបភាពទាមទារសមត្ថភាពផ្ទុកនិងកែច្នៃកាន់តែខ្ពស់។
ការសិក្សានេះផ្អែកលើការស្រាវជ្រាវភាគច្រើននៅតំបន់អឺរ៉ុបនិងអាមេរិកខាងជើង (អៀរឡង់ អង់គ្លេស ស្កែនឌីណាវី) ដែលមានអាកាសធាតុតំបន់ត្រជាក់ និងប្រភេទព្រៃដាំឯកសណ្ឋាន (ឧ. Sitka spruce)។ សម្រាប់ប្រទេសកម្ពុជា ចំណុចនេះមានសារៈសំខាន់ណាស់ ព្រោះព្រៃឈើកម្ពុជាជាប្រភេទព្រៃត្រូពិចចំរុះដែលមានរចនាសម្ព័ន្ធស្មុគស្មាញ មានរុក្ខជាតិច្រើនប្រភេទ និងរងឥទ្ធិពលពពកខ្លាំងនៅរដូវវស្សា ដែលតម្រូវឱ្យមានការកែតម្រូវគំរូទិន្នន័យជាថ្មី (Local re-calibration) មុននឹងយកមកប្រើប្រាស់។
វិធីសាស្ត្រនៅក្នុងឯកសារនេះមានសក្តានុពលខ្ពស់ និងជាភាពចាំបាច់បំផុតសម្រាប់ប្រទេសកម្ពុជា ក្នុងការធ្វើជំរឿនព្រៃឈើថ្នាក់ជាតិ និងគាំទ្រដល់គម្រោងអភិរក្សនានា។
ការធ្វើសមាហរណកម្មបច្ចេកវិទ្យាតេឡេតាមដាន និងការចុះវាស់វែងផ្ទាល់ នឹងជួយកម្ពុជាសន្សំសំចៃថវិកាក្នុងការធ្វើជំរឿនធនធានព្រៃឈើ ព្រមទាំងផ្តល់ទិន្នន័យត្រឹមត្រូវដើម្បីទទួលបានអត្ថប្រយោជន៍អតិបរមាពីគម្រោងអភិរក្សបរិស្ថាន។
ដើម្បីអនុវត្តតាមការសិក្សានេះ និស្សិតគួរអនុវត្តតាមជំហានខាងក្រោម៖
| ពាក្យបច្ចេកទេស | ការពន្យល់ជាខេមរភាសា (Khmer Explanation) | និយមន័យសាមញ្ញ (Simple Definition) |
|---|---|---|
| LiDAR | បច្ចេកវិទ្យាវាស់ស្ទង់ចម្ងាយដោយប្រើកាំរស្មីឡាស៊ែរ ដើម្បីបង្កើតជាទម្រង់ 3D នៃផ្ទៃដី និងមកុដព្រៃឈើ ដែលអនុញ្ញាតឱ្យគេវាស់កម្ពស់និងរចនាសម្ព័ន្ធដើមឈើបានយ៉ាងច្បាស់។ | ដូចជាការបាញ់ពន្លឺពិលទៅប៉ះវត្ថុហើយរង់ចាំវាស់ពេលវេលាដែលពន្លឺផ្លាតត្រឡប់មកវិញ ដើម្បីដឹងថាវត្ថុនោះនៅឆ្ងាយប៉ុនណា និងមានរាងសណ្ឋានដូចម្តេច។ |
| k-Nearest Neighbour (kNN) | ក្បួនដោះស្រាយស្ថិតិដែលធ្វើការទស្សន៍ទាយតម្លៃនៃតំបន់ដែលមិនមានទិន្នន័យវាស់វែងផ្ទាល់ ដោយផ្អែកលើការយកមធ្យមភាគនៃទិន្នន័យពីទីតាំងដែលនៅជិតៗ និងមានលក្ខណៈចំណាំងផ្លាតពន្លឺស្រដៀងគ្នាបំផុត។ | ដូចជាការទស្សន៍ទាយពីអត្តចរិតរបស់មនុស្សម្នាក់ ដោយគ្រាន់តែសង្កេតមើលទៅលើមិត្តភ័ក្តិជិតស្និទ្ធបំផុតរបស់គាត់ចំនួន ៣ ទៅ ៤ នាក់។ |
| Canopy Height Model (CHM) | គំរូទិន្នន័យឌីជីថលដែលបង្ហាញពីកម្ពស់របស់មកុដព្រៃឈើធៀបនឹងផ្ទៃដី ដែលទទួលបានតាមរយៈការដកកម្ពស់ផ្ទៃដី (DTM) ចេញពីកម្ពស់ផ្ទៃខាងលើបង្អស់នៃគម្របព្រៃ (DSM)។ | ដូចជាការយកកម្ពស់សរុបនៃផ្ទះគិតទាំងដំបូល ទៅដកនឹងកម្ពស់ខឿនផ្ទះ ដើម្បីចង់ដឹងថាតួផ្ទះពិតប្រាកដមានកម្ពស់ប៉ុន្មាន។ |
| Synthetic Aperture Radar (SAR) | ប្រព័ន្ធតេឡេតាមដានសកម្មពីផ្កាយរណបដែលបញ្ចេញរលកសញ្ញារ៉ាដាដើម្បីថតរូបភាពលើផែនដី ដែលមានលក្ខណៈពិសេសអាចថតទម្លុះពពក និងភ្លៀងបាន ហើយអាចថតបានទាំងយប់ទាំងថ្ងៃ។ | ដូចជាសត្វប្រចៀវដែលបញ្ចេញសំឡេង (Echolocation) ដើម្បីហោះហើរនិងរកចំណីក្នុងទីងងឹតបានយ៉ាងស្ទាត់ជំនាញដោយមិនបាច់ពឹងផ្អែកលើពន្លឺព្រះអាទិត្យ។ |
| Multi-Source National Forest Inventory (MSFI) | វិធីសាស្ត្រធ្វើជំរឿនព្រៃឈើថ្នាក់ជាតិដោយរួមបញ្ចូលទិន្នន័យវាស់វែងផ្ទាល់ពីកន្លែងជាក់ស្តែង ជាមួយនឹងរូបភាពផ្កាយរណប និងទិន្នន័យភូមិសាស្ត្រផ្សេងៗទៀតដើម្បីបង្កើនភាពច្បាស់លាស់នៅទូទាំងផ្ទៃប្រទេស និងកាត់បន្ថយការចំណាយ។ | ដូចជាការចម្អិនម្ហូបមួយចានដែលតម្រូវឱ្យមានការផ្សំគ្រឿងទេសពីប្រភពច្រើនផ្សេងៗគ្នាចូលគ្នា ដើម្បីឱ្យមានរសជាតិឆ្ងាញ់និងពេញលេញជាជាងប្រើគ្រឿងតែមួយមុខ។ |
| Basal Area | រង្វាស់នៃផ្ទៃមុខកាត់សរុបរបស់ដើមឈើទាំងអស់ក្នុងមួយហិកតា (គិតត្រឹមកម្ពស់ទ្រូង) ដែលជាសូចនាករសម្រាប់វាយតម្លៃពីដង់ស៊ីតេ មាឌ និងបរិមាណធនធានឈើក្នុងតំបន់ណាមួយ។ | ដូចជាការគណនាទំហំផ្ទៃក្រឡាសរុបនៃសសរទាំងអស់នៅក្នុងបន្ទប់ ដើម្បីដឹងថាសសរទាំងនោះស៊ីកន្លែងអស់ប៉ុន្មាន។ |
| Optical Satellite Imagery | រូបភាពដែលថតពីផ្កាយរណបដោយប្រើឧបករណ៍ចាប់សញ្ញាពន្លឺព្រះអាទិត្យដែលជះផ្លាតត្រឡប់ពីផ្ទៃផែនដី ប៉ុន្តែវាមានចំណុចខ្សោយត្រង់ថាមិនអាចថតឆ្លុះកាត់ពពក ឬថតនៅពេលយប់បានទេ។ | ដូចជាការប្រើប្រាស់កាមេរ៉ាទូរស័ព្ទដៃធម្មតាដើម្បីថតរូប ដែលត្រូវការឱ្យមានពន្លឺគ្រប់គ្រាន់ ហើយមិនមានអ្វីបាំងនៅពីមុខកាមេរ៉ាទើបថតឃើញរូបច្បាស់។ |
| Pixel | ឯកតាតូចបំផុតនៃរូបភាពផ្កាយរណប ដែលផ្ទុកព័ត៌មានចំណាំងផ្លាតពន្លឺ (Spectral data) នៃផ្ទៃដី ដោយភិចស៊ែលនីមួយៗតំណាងឱ្យទំហំផ្ទៃដីជាក់លាក់ណាមួយ (ឧទាហរណ៍ ១០ម៉ែត្រ គុណ ១០ម៉ែត្រ)។ | ដូចជាក្រឡាការ៉ូនីមួយៗនៅលើកម្រាលឥដ្ឋ ដែលបន្តុបភ្ជាប់ចូលគ្នាបង្កើតបានជាកម្រាលឥដ្ឋទាំងមូល។ |
អត្ថបទដែលបានបោះពុម្ពនៅលើ KhmerResearch ដែលទាក់ទងនឹងប្រធានបទនេះ៖
ប្រធានបទ និងសំណួរស្រាវជ្រាវដែលទាក់ទងនឹងឯកសារនេះ ដែលអ្នកអាចស្វែងរកបន្ថែម៖
