បញ្ហា (The Problem)៖ ការសិក្សានេះដោះស្រាយបញ្ហានៃការចងក្រងឯកសារប្រវត្តិសាស្ត្រ និងការវាយតម្លៃភាពចម្រុះនៃរុក្ខជាតិនៅក្នុងសួនរុក្ខសាស្ត្រប្រវត្តិសាស្ត្រចំនួន ៦ ដែលបានបង្កើតឡើងតាំងពីសតវត្សទី១៩ ក្នុងទីក្រុងគែរ ដែលកំពុងរងការគំរាមកំហែងពីការរួមតូចនៃផ្ទៃដីសួន។
វិធីសាស្ត្រ (The Methodology)៖ អ្នកស្រាវជ្រាវបានចុះប្រមូលទិន្នន័យវាលផ្ទាល់ និងប្រើប្រាស់វិធីសាស្ត្រវិភាគពហុអថេរដើម្បីវាយតម្លៃរចនាសម្ព័ន្ធបែងចែករុក្ខជាតិនៅក្នុងសួននីមួយៗ។
លទ្ធផលសំខាន់ៗ (The Verdict)៖
| វិធីសាស្ត្រ (Method) | គុណសម្បត្តិ (Pros) | គុណវិបត្តិ (Cons) | លទ្ធផលគន្លឹះ (Key Result) |
|---|---|---|---|
| Cluster Analysis (Minimum Variance) ការវិភាគចង្កោម (Cluster Analysis) ដោយប្រើវិធីសាស្ត្រអថេរអប្បបរមា |
ផ្តល់នូវរចនាសម្ព័ន្ធឋានានុក្រម (Dendrogram) យ៉ាងច្បាស់លាស់ដែលបង្ហាញពីភាពស្រដៀងគ្នារវាងសួននីមួយៗ ដោយផ្អែកលើវត្តមាន ឬអវត្តមាននៃរុក្ខជាតិ។ | ទាមទារការជ្រើសរើសរង្វាស់គម្លាត (Distance metric) ឱ្យបានត្រឹមត្រូវ ហើយអាចមិនបង្ហាញពីទំនាក់ទំនងទីតាំងក្នុងលំហពហុវិមាត្របានល្អដូចវិធីសាស្ត្រ Ordination ទេ។ | បានចាត់ថ្នាក់សួនប្រវត្តិសាស្ត្រទាំង ៦ ជា ៣ ក្រុមដាច់ដោយឡែកពីគ្នា ដោយសួន Orman ស្ថិតនៅដាច់តែឯងក្នុងក្រុមទី១។ |
| Principal Coordinates Analysis (PCoA) ការវិភាគកូអរដោនេគោល (PCoA) |
ដំណើរការបានល្អប្រសើរជាង PCA សម្រាប់សំណុំទិន្នន័យដែលមានទិន្នន័យបាត់បង់ (Missing data) និងអាចបង្ហាញរូបភាពជាលំហកូអរដោនេ 2D នៃសួនដែលមានរចនាសម្ព័ន្ធរុក្ខជាតិស្រដៀងគ្នាឱ្យនៅជិតគ្នា។ | អាចបាត់បង់ព័ត៌មាននៃបំរែបំរួលមួយចំនួននៅពេលបង្រួមទិន្នន័យពហុវិមាត្រទៅជាវិមាត្រទាប ហើយទាមទារការប្រើប្រាស់មេគុណសហសម្ព័ន្ធដែលសមស្រប។ | បានបញ្ជាក់ និងគាំទ្រយ៉ាងច្បាស់ដល់លទ្ធផលនៃការបែងចែកជា ៣ ក្រុមដែលទទួលបានពីការវិភាគ Cluster Analysis តាមរយៈអ័ក្ស ១ និង ២។ |
| Field Survey and Historical Data Analysis ការស្ទង់មតិវាល និងការវិភាគទិន្នន័យប្រវត្តិសាស្ត្រ |
ផ្តល់ទិន្នន័យពិតប្រាកដ (Ground-truthing) អំពីស្ថានភាពបច្ចុប្បន្ន និងអាចតាមដានការប្រែប្រួលទំហំផ្ទៃដីសួនតាមរយៈផែនទីប្រវត្តិសាស្ត្រ និងរូបភាពផ្កាយរណបបានយ៉ាងជាក់លាក់។ | ចំណាយពេលច្រើនក្នុងការចុះវាលផ្ទាល់ ទាមទារជំនាញខ្ពស់ក្នុងការកំណត់អត្តសញ្ញាណរុក្ខជាតិ និងពឹងផ្អែកខ្លាំងលើភាពត្រឹមត្រូវនៃឯកសារប្រវត្តិសាស្ត្រចាស់ៗ។ | បានកត់ត្រារុក្ខជាតិចំនួន ៩៦២ ប្រភេទ (រួមមានអំបូរ Ficus និង Agave ជាដើម) និងបានបង្ហាញពីការថយចុះផ្ទៃដីសួនជាច្រើនក្នុងរយៈពេល ១៣០ ឆ្នាំចុងក្រោយនេះ។ |
ការចំណាយលើធនធាន (Resource Cost)៖ ការសិក្សានេះទាមទារការរួមបញ្ចូលគ្នារវាងការចុះវាលផ្ទាល់ជាច្រើនលើក ការស្រាវជ្រាវឯកសារប្រវត្តិសាស្ត្រ និងការប្រើប្រាស់កម្មវិធីកុំព្យូទ័រសម្រាប់វិភាគទិន្នន័យជីវស្ថិតិទំហំធំ។
ការសិក្សានេះត្រូវបានធ្វើឡើងផ្តោតទាំងស្រុងលើសួនរុក្ខសាស្ត្រប្រវត្តិសាស្ត្រចំនួន ៦ ដែលបង្កើតឡើងក្នុងសតវត្សទី១៩ នៅទីក្រុងគែរ ប្រទេសអេហ្ស៊ីប ដែលជាតំបន់ទីក្រុងមានអាកាសធាតុស្ងួត (Arid/Subtropical)។ ទិន្នន័យនេះផ្តោតតែលើប្រភេទរុក្ខជាតិដាំដុះនៅក្នុងទីក្រុង (Urban flora) ដែលភាគច្រើនជារុក្ខជាតិនាំចូលពីក្រៅប្រទេស។ សម្រាប់ប្រទេសកម្ពុជាដែលមានអាកាសធាតុត្រូពិចក្ដៅសើម ទោះបីជាប្រភេទរុក្ខជាតិមានភាពខុសគ្នាក៏ដោយ ក៏ទម្រង់នៃការអភិវឌ្ឍទីក្រុងដែលគំរាមកំហែងដល់តំបន់បៃតងគឺជាបញ្ហាស្រដៀងគ្នាដែលគួរយកចិត្តទុកដាក់។
វិធីសាស្ត្រនៃការស្ទង់មតិសារពើភណ្ឌរុក្ខសាស្ត្រ រួមផ្សំជាមួយការវិភាគទិន្នន័យប្រវត្តិសាស្ត្រនេះ មានអត្ថប្រយោជន៍យ៉ាងខ្លាំងសម្រាប់ការអភិរក្សតំបន់បៃតងនៅក្នុងប្រទេសកម្ពុជា។
ជារួម ការអនុវត្តវិធីសាស្ត្រសិក្សានេះនឹងជួយឱ្យអ្នកស្រាវជ្រាវ និងអ្នករៀបចំក្រុងនៅកម្ពុជាអាចតាមដានការប្រែប្រួលនៃរុក្ខជាតិទីក្រុង ព្រមទាំងរួមចំណែកដល់ការអភិវឌ្ឍទីក្រុងប្រកបដោយចីរភាព និងការការពារទ្រព្យសម្បត្តិរុក្ខសាស្ត្រប្រវត្តិសាស្ត្រជាតិ។
ដើម្បីអនុវត្តតាមការសិក្សានេះ និស្សិតគួរអនុវត្តតាមជំហានខាងក្រោម៖
| ពាក្យបច្ចេកទេស | ការពន្យល់ជាខេមរភាសា (Khmer Explanation) | និយមន័យសាមញ្ញ (Simple Definition) |
|---|---|---|
| Floristic composition (សមាសភាពរុក្ខជាតិ) | ការសិក្សាអំពីប្រភេទរុក្ខជាតិទាំងអស់ដែលដុះនៅក្នុងតំបន់ ឬប្រព័ន្ធអេកូឡូស៊ីណាមួយជាក់លាក់ ដើម្បីយល់ពីភាពចម្រុះនៃរុក្ខជាតិនៅទីនោះ។ | ដូចជាការធ្វើបញ្ជីរាយនាមមុខម្ហូបទាំងអស់ដែលមាននៅក្នុងភោជនីយដ្ឋានមួយ ដើម្បីដឹងថាគេមានលក់មុខម្ហូបអ្វីខ្លះ។ |
| Multivariate analysis (ការវិភាគពហុអថេរ) | វិធីសាស្ត្រស្ថិតិដែលត្រូវបានប្រើប្រាស់ដើម្បីវិភាគទិន្នន័យដែលមានអថេរច្រើនក្នុងពេលតែមួយ ដើម្បីស្វែងរកទំនាក់ទំនង ឬលំនាំដែលលាក់កំបាំងរវាងអថេរទាំងនោះ។ | ដូចជាការវាយតម្លៃសិស្សម្នាក់ដោយមើលលើពិន្ទុគ្រប់មុខវិជ្ជា អត្តចរិត និងអវត្តមានក្នុងពេលតែមួយ ជំនួសឱ្យការវាយតម្លៃដោយមើលតែពិន្ទុគណិតវិទ្យាមួយមុខ។ |
| Principal Coordinates Analysis / PCoA (ការវិភាគកូអរដោនេគោល) | បច្ចេកទេសបង្រួមទិន្នន័យពហុវិមាត្រទៅជាទម្រង់ក្រាហ្វិក (2D ឬ 3D) ដើម្បីបង្ហាញពីភាពស្រដៀងគ្នា ឬខុសគ្នារវាងទីតាំងនានា ដោយផ្អែកលើប្រភេទរុក្ខជាតិដែលមាននៅទីនោះ។ | ដូចជាការគូរផែនទីតារានិករដោយដាក់ក្រុមផ្កាយដែលមានចរិតលក្ខណៈស្រដៀងគ្នាឱ្យនៅជិតគ្នា ដើម្បីឱ្យងាយស្រួលមើលឃើញពីទំនាក់ទំនងរបស់វា។ |
| Cluster analysis (ការវិភាគចង្កោម) | ការចាត់ថ្នាក់ទិន្នន័យទៅជាក្រុមផ្សេងៗគ្នា (ចង្កោម) ដោយផ្អែកលើលក្ខណៈស្រដៀងគ្នារបស់វា ដែលជួយក្នុងការបែងចែកសួនច្បារដែលមានរចនាសម្ព័ន្ធរុក្ខជាតិដូចគ្នាឱ្យស្ថិតក្នុងក្រុមតែមួយ។ | ដូចជាការបែងចែកសៀវភៅក្នុងបណ្ណាល័យតាមប្រភេទ (ប្រវត្តិសាស្ត្រ វិទ្យាសាស្ត្រ ប្រលោមលោក) ដើម្បីងាយស្រួលស្វែងរក។ |
| Taxonomic diversity (ភាពចម្រុះនៃវត្តិករសាស្ត្រ) | រង្វាស់នៃភាពសម្បូរបែបនៃប្រភេទរុក្ខជាតិ (Species) អំបូរ (Families) និងសាខា (Genera) ផ្សេងៗគ្នាដែលមាននៅក្នុងតំបន់ណាមួយ។ | ដូចជាសាលារៀនមួយដែលមានសិស្សមកពីគ្រប់ខេត្តក្រុង គ្រប់ជនជាតិ និងគ្រប់ស្រទាប់វណ្ណៈ ជំនួសឱ្យការមានតែសិស្សមកពីភូមិមួយ។ |
| Presence-absence binary matrix (ម៉ាទ្រីសទិន្នន័យគោលពីរនៃវត្តមាន និងអវត្តមាន) | តារាងទិន្នន័យគោលពីរ (0 និង 1) ដែលប្រើសម្រាប់កត់ត្រាថាតើប្រភេទរុក្ខជាតិណាមួយមានដុះ (1) ឬគ្មានដុះ (0) នៅក្នុងទីតាំងជាក់លាក់នីមួយៗ ដោយមិនគិតពីចំនួនដើមរបស់វានោះទេ។ | ដូចជាការចុះឈ្មោះវត្តមានសិស្សក្នុងថ្នាក់ (មក=១, មិនមក=០) ដោយមិនខ្វល់ថាសិស្សនោះរៀនពូកែ ឬខ្សោយនោះទេ។ |
| Acclimatization (ការបន្សាំទៅនឹងបរិស្ថានថ្មី) | ដំណើរការនៃការនាំយករុក្ខជាតិពីតំបន់ភូមិសាស្ត្រផ្សេងមកដាំនៅក្នុងបរិស្ថានថ្មី ហើយថែរក្សាវាឱ្យស៊ាំនឹងអាកាសធាតុថ្មីនោះរហូតដល់វាអាចលូតលាស់និងរស់រានបាន។ | ដូចជាមនុស្សម្នាក់រើលំនៅដ្ឋានពីប្រទេសត្រជាក់មកកាន់ប្រទេសកម្ពុជា ហើយចំណាយពេលរស់នៅរហូតដល់ស៊ាំនឹងអាកាសធាតុក្តៅស្អុះស្អាប់។ |
អត្ថបទដែលបានបោះពុម្ពនៅលើ KhmerResearch ដែលទាក់ទងនឹងប្រធានបទនេះ៖
ប្រធានបទ និងសំណួរស្រាវជ្រាវដែលទាក់ទងនឹងឯកសារនេះ ដែលអ្នកអាចស្វែងរកបន្ថែម៖
