បញ្ហា (The Problem)៖ សត្វឆ្មាត្រី (Prionailurus viverrinus) កំពុងរងការគំរាមកំហែងទូទាំងជម្រករស់នៅរបស់ពួកវាពីការបាត់បង់ទីជម្រកដោយសារសកម្មភាពមនុស្ស ខណៈការយល់ដឹងពីការចែកចាយជម្រករបស់ពួកវានៅប្រទេសថៃនៅមានកម្រិត ដែលជាឧបសគ្គដល់កិច្ចប្រឹងប្រែងអភិរក្ស។
វិធីសាស្ត្រ (The Methodology)៖ ការសិក្សានេះបានប្រើប្រាស់ក្បួនដោះស្រាយអង់ត្រូពីអតិបរមា (Maximum Entropy Algorithm) ដើម្បីវាយតម្លៃកត្តាបរិស្ថាន និងភាពស័ក្តិសមនៃជម្រក។
លទ្ធផលសំខាន់ៗ (The Verdict)៖
| វិធីសាស្ត្រ (Method) | គុណសម្បត្តិ (Pros) | គុណវិបត្តិ (Cons) | លទ្ធផលគន្លឹះ (Key Result) |
|---|---|---|---|
| MaxEnt (Present Scenario Model) ម៉ូដែលអង់ត្រូពីអតិបរមា (MaxEnt) សម្រាប់សេណារីយ៉ូបច្ចុប្បន្ន |
ផ្តល់ភាពសុក្រឹតខ្ពស់ (AUC = 0.989) ក្នុងការកំណត់ទីតាំងជម្រកបច្ចុប្បន្នដោយប្រើទិន្នន័យអថេរបរិស្ថានជាក់ស្តែង។ វាអាចដោះស្រាយបញ្ហាគំរូទិន្នន័យតិចតួចបានយ៉ាងល្អ។ | ទិន្នន័យបង្ហាញត្រឹមតែស្ថានភាពបច្ចុប្បន្ន មិនបានឆ្លុះបញ្ចាំងពីហានិភ័យអនាគត ដែលអាចធ្វើឱ្យការធ្វើផែនការអភិរក្សរយៈពេលវែងខ្វះចន្លោះ។ | កំណត់បានទំហំផ្ទៃដីជម្រកដែលស័ក្តិសមបំផុតចំនួន 1,301 គីឡូម៉ែត្រការ៉េនៅទូទាំងប្រទេសថៃ (ភាគច្រើននៅក្រៅតំបន់ការពារ)។ |
| MaxEnt (Future Projections 2050s/2070s) ម៉ូដែលអង់ត្រូពីអតិបរមា (MaxEnt) សម្រាប់ការព្យាករណ៍អនាគត (ទសវត្សរ៍ 2050 និង 2070) |
អាចវាយតម្លៃពីផលប៉ះពាល់នៃការប្រែប្រួលអាកាសធាតុទៅលើការផ្លាស់ប្តូរទីជម្រក ជួយដល់ការត្រៀមលក្ខណៈ និងធ្វើផែនការអភិរក្សទុកជាមុន។ | ពឹងផ្អែកលើភាពត្រឹមត្រូវនៃម៉ូដែលអាកាសធាតុសកល និងសេណារីយ៉ូនៃការបំភាយឧស្ម័ន ដែលអាចមានភាពមិនច្បាស់លាស់មួយចំនួននាពេលអនាគត។ | បង្ហាញពីការថយចុះយ៉ាងខ្លាំងនៃជម្រកក្នុងតំបន់ការពារ (ប្រមាណ 40%) នៅពេលអនាគត ដោយសារការប្រែប្រួលអាកាសធាតុ (AUC > 0.988)។ |
ការចំណាយលើធនធាន (Resource Cost)៖ ការសិក្សានេះទាមទារធនធានកុំព្យូទ័រ កម្មវិធីវិភាគទិន្នន័យភូមិសាស្ត្រ និងការទាញយកទិន្នន័យពីផ្កាយរណបផ្សេងៗដែលអាចរកបានដោយឥតគិតថ្លៃនៅលើអ៊ីនធឺណិត។
ការសិក្សានេះផ្អែកលើទិន្នន័យវត្តមានសត្វឆ្មាត្រី (Prionailurus viverrinus) ចំនួន 28 ចំណុចដែលប្រមូលបានតែក្នុងប្រទេសថៃ ជាពិសេសតំបន់ទំនាប និងដីកសិកម្មដែលមានឥទ្ធិពលពីមនុស្ស។ សម្រាប់ប្រទេសកម្ពុជា ទោះបីជាប្រភេទសត្វនេះមានវត្តមាននៅតំបន់ដីសើមដូចជា បឹងទន្លេសាប និងព្រៃកោងកាងកោះកុងក៏ដោយ ក៏កម្រិតបរិស្ថាន (ដូចជាសីតុណ្ហភាព និងទឹកភ្លៀង) អាចមានលក្ខណៈខុសគ្នាបន្តិចបន្តួច ដែលតម្រូវឱ្យមានការប្រមូលទិន្នន័យក្នុងស្រុកបន្ថែមដើម្បីភាពច្បាស់លាស់។
វិធីសាស្ត្រធ្វើម៉ូដែលចែកចាយប្រភេទសត្វ (SDM) តាមរយៈក្បួនដោះស្រាយ MaxEnt នេះ មានសក្តានុពលខ្លាំង និងអាចយកមកអនុវត្តយ៉ាងមានប្រសិទ្ធភាពសម្រាប់ការងារអភិរក្សសត្វព្រៃនៅប្រទេសកម្ពុជា។
ការអនុវត្តវិធីសាស្ត្រនេះនឹងជួយឱ្យអ្នកស្រាវជ្រាវ និងស្ថាប័នពាក់ព័ន្ធនៅកម្ពុជាអាចរៀបចំផែនការការពារ ទប់ស្កាត់ការបាត់បង់ជម្រក និងកំណត់តំបន់អភិរក្សស្នូលបានចំគោលដៅ និងមានប្រសិទ្ធភាពខ្ពស់។
ដើម្បីអនុវត្តតាមការសិក្សានេះ និស្សិតគួរអនុវត្តតាមជំហានខាងក្រោម៖
| ពាក្យបច្ចេកទេស | ការពន្យល់ជាខេមរភាសា (Khmer Explanation) | និយមន័យសាមញ្ញ (Simple Definition) |
|---|---|---|
| Species distribution modeling (ម៉ូដែលចែកចាយប្រភេទសត្វ) | ការប្រើប្រាស់ទិន្នន័យទីតាំងរស់នៅពិតប្រាកដរបស់សត្វ និងទិន្នន័យបរិស្ថាន (សីតុណ្ហភាព កម្ពស់ដី គម្របព្រៃឈើ) មកបញ្ចូលក្នុងកម្មវិធីកុំព្យូទ័រ ដើម្បីទស្សន៍ទាយ និងបង្កើតផែនទីបង្ហាញពីតំបន់ផ្សេងទៀតដែលសត្វនោះអាចរស់នៅបាន។ | ដូចជាការតាមដានមើលកន្លែងដែលមិត្តភក្តិអ្នកចូលចិត្តអង្គុយ រួចប្រើទម្លាប់នោះដើម្បីទាយថាគាត់នឹងអង្គុយនៅត្រង់ណាពេលទៅដល់កន្លែងថ្មី។ |
| Maximum entropy algorithm (ក្បួនដោះស្រាយអង់ត្រូពីអតិបរមា - MaxEnt) | វិធីសាស្ត្ររៀនម៉ាស៊ីន (Machine Learning) ដែលប្រើប្រាស់នៅក្នុងម៉ូដែលចែកចាយប្រភេទសត្វ ដោយវាត្រូវការត្រឹមតែទិន្នន័យទីតាំងដែលសត្វធ្លាប់មានវត្តមាន (Presence-only) ដើម្បីគណនារកលទ្ធភាពដែលសត្វនោះអាចមានវត្តមាននៅតំបន់ផ្សេងទៀត។ | ដូចជាការសន្និដ្ឋានមុខម្ហូបដែលមនុស្សម្នាក់ចូលចិត្តបំផុត ដោយពឹងផ្អែកតែលើអាហារដែលអ្នកធ្លាប់ឃើញគាត់ញ៉ាំពីមុនមក ដោយមិនបាច់ដឹងថាគាត់ស្អប់ម្ហូបអ្វីនោះទេ។ |
| Topographic wetness index (សន្ទស្សន៍ភាពសើមនៃដី - TWI) | តម្លៃសន្ទស្សន៍ដែលបានមកពីការគណនាភាពចំណោត និងលក្ខណៈភូមិសាស្ត្រនៃដី ដើម្បីព្យាករណ៍ថាតើទីតាំងនោះងាយនឹងប្រមូលផ្តុំទឹក ឬក្លាយជាតំបន់ដីសើមដែរឬទេ។ | ដូចជាការចាក់ទឹកលើដីខ្សាច់ដែលមានទួល និងរណ្តៅ រួចមើលថាតើទឹកនឹងហូរទៅដក់ និងធ្វើឱ្យសើមដីនៅត្រង់ចំណុចណាខ្លះ។ |
| Bioclimatic variables (អថេរអាកាសធាតុជីវសាស្ត្រ) | ប្រភេទនៃទិន្នន័យអាកាសធាតុ (ដូចជាសីតុណ្ហភាព និងទឹកភ្លៀង) ដែលត្រូវបានគណនាយ៉ាងពិសេសដើម្បីឆ្លុះបញ្ចាំងពីឥទ្ធិពលផ្ទាល់ទៅលើការរស់រានមានជីវិត និងការលូតលាស់របស់ភាវៈរស់ (ឧទាហរណ៍៖ សីតុណ្ហភាពនៃខែដែលក្តៅបំផុត)។ | ជំនួសឱ្យការនិយាយត្រឹមតែថា "អាកាសធាតុក្តៅ" វាស់វែងលម្អិតថា "តើខែដែលក្តៅខ្លាំងជាងគេនោះអាចធ្វើឱ្យសត្វខ្វះទឹកស្លាប់បានឬទេ"។ |
| Variance inflation factor (កត្តាអតិផរណានៃវ៉ារ្យ៉ង់ - VIF) | ការធ្វើតេស្តស្ថិតិដើម្បីរកមើលថាតើមានអថេរណាខ្លះដែលផ្តល់ព័ត៌មានជាន់គ្នា (ស្រដៀងគ្នាពេក) ដែលត្រូវតែលុបចោលមួយដើម្បីកុំឱ្យម៉ូដែលគណនាខុស ឬមានភាពលម្អៀង។ | ដូចជាការសួរចម្លើយសាក្សីពីរនាក់ដែលឃើញហេតុការណ៍ពីជ្រុងតែមួយដូចបេះបិទ ដែលយើងគួរតែស្តាប់ម្នាក់បានហើយដើម្បីសន្សំពេលវេលា និងមិនឱ្យមានព័ត៌មានជាន់គ្នា។ |
| Area under the curve (ផ្ទៃក្រោមខ្សែត្រង់កោង - AUC) | រង្វាស់ស្ថិតិសម្រាប់វាយតម្លៃកម្រិតភាពសុក្រឹតនិងប្រសិទ្ធភាពរបស់ម៉ូដែលក្នុងការទស្សន៍ទាយ ថាតើវាអាចបែងចែករវាងកន្លែងដែលមានសត្វ និងគ្មានសត្វបានត្រឹមត្រូវកម្រិតណា (ពិន្ទុជិត ១ គឺល្អបំផុត)។ | ប្រៀបដូចជាពិន្ទុប្រឡងពី ៥០ ដល់ ១០០ ដែលពិន្ទុកាន់តែខិតជិត ១០០ មានន័យថាសិស្សនោះទាយចម្លើយបានត្រឹមត្រូវបំផុត មិនមែនដោយសារការលួចទាយចៃដន្យនោះទេ។ |
| Extirpated (ផុតពូជក្នុងតំបន់) | ស្ថានភាពដែលប្រភេទសត្វ ឬរុក្ខជាតិណាមួយបានបាត់បង់វត្តមានទាំងស្រុងពីតំបន់ភូមិសាស្ត្រជាក់លាក់ណាមួយ ប៉ុន្តែវានៅតែមានជីវិតរស់រាននៅតំបន់ផ្សេងទៀតនៅលើពិភពលោក។ | ដូចជាការបិទសាខាហាងកាហ្វេមួយនៅខេត្តរបស់អ្នក ប៉ុន្តែហាងកាហ្វេម៉ាកនោះនៅតែមានបើកលក់នៅភ្នំពេញដដែល។ |
អត្ថបទដែលបានបោះពុម្ពនៅលើ KhmerResearch ដែលទាក់ទងនឹងប្រធានបទនេះ៖
ប្រធានបទ និងសំណួរស្រាវជ្រាវដែលទាក់ទងនឹងឯកសារនេះ ដែលអ្នកអាចស្វែងរកបន្ថែម៖
