បញ្ហា (The Problem)៖ ការស្រាវជ្រាវនេះដោះស្រាយបញ្ហាប្រឈមក្នុងការត្រួតពិនិត្យការផ្លាស់ប្តូរព្រៃឈើ (ការបាត់បង់ ការរិចរិល និងការស្តារឡើងវិញ) នៅក្នុងតំបន់អាងទន្លេមេគង្គកណ្តាល និងក្រោម ជាពិសេសប្រព័ន្ធគ្រប់គ្រងការកាប់ឈើខុសច្បាប់នៅប្រទេសកម្ពុជា និងការតាមដានធនធានចំការឈើនៅប្រទេសថៃ ក្រោមឧបសគ្គនៃការគ្របដណ្តប់ដោយពពក។
វិធីសាស្ត្រ (The Methodology)៖ វិធីសាស្ត្រនេះប្រើប្រាស់ទិន្នន័យផ្កាយរណបកម្រិតច្បាស់ខ្ពស់ បូករួមនឹងបច្ចេកវិទ្យាវិភាគរូបភាព (Image Analysis) ដើម្បីទាញយកទិន្នន័យមកុដដើមឈើ និងប៉ាន់ប្រមាណធនធានជីវម៉ាស។
លទ្ធផលសំខាន់ៗ (The Verdict)៖
| វិធីសាស្ត្រ (Method) | គុណសម្បត្តិ (Pros) | គុណវិបត្តិ (Cons) | លទ្ធផលគន្លឹះ (Key Result) |
|---|---|---|---|
| Crown Template Matching (Proposed) ការផ្គូផ្គងគំរូមកុដដើមឈើ (វិធីសាស្ត្រស្នើឡើង) |
អាចទាញយកព័ត៌មានដើមឈើទោលៗបានល្អ ងាយស្រួលអនុវត្តលើតំបន់ធំៗដោយស្វ័យប្រវត្តិ និងសន្សំសំចៃការចំណាយជាងការប្រើ LiDAR។ | ពិបាកចាប់យកដើមឈើនៅក្នុងព្រៃក្រាស់ដែលក្មេងៗ (អាចវាយតម្លៃទាបជាងការពិត) និងងាយរងឥទ្ធិពលពីស្រមោល និងមុំថតរបស់ផ្កាយរណប។ | បានរកឃើញសកម្មភាពកាប់ឈើខុសច្បាប់កម្រិតដើមទោលៗនៅកម្ពុជា និងប៉ាន់ប្រមាណបរិមាណឈើចំការម៉ៃសាក់នៅថៃបានយ៉ាងមានប្រសិទ្ធភាព។ |
| Airborne LiDAR Measurement ការវាស់វែងដោយប្រើប្រព័ន្ធ Lidar លើអាកាស |
ផ្តល់ទិន្នន័យកម្ពស់ដើមឈើ (Canopy Height) និងរចនាសម្ព័ន្ធក្រោមដំបូលព្រៃបានយ៉ាងច្បាស់លាស់ និងមានភាពត្រឹមត្រូវខ្ពស់បំផុត។ | មានតម្លៃថ្លៃខ្លាំង និងពិបាកអនុវត្តសម្រាប់ការតាមដានលើផ្ទៃដីធំៗជាប្រចាំខែឬឆ្នាំ។ | ត្រូវបានប្រើប្រាស់ជាទិន្នន័យគោល (Baseline/Ground Truth) ដើម្បីផ្ទៀងផ្ទាត់ភាពត្រឹមត្រូវនៃការប៉ាន់ប្រមាណកម្ពស់ពីទិន្នន័យផ្កាយរណប។ |
| Watershed / Valley-following Algorithm ក្បួនដោះស្រាយ Watershed ឬ Valley-following |
មានប្រសិទ្ធភាពខ្ពស់សម្រាប់ព្រៃស្រល់ ឬដើមឈើដែលមានមកុដរាងស្រួចច្បាស់លាស់ (Coniferous trees)។ | មិនសូវមានប្រសិទ្ធភាពលើព្រៃស្លឹកធំទូលាយ (Broadleaf) ឬព្រៃធម្មជាតិដែលមានមែកធាងស្មុគស្មាញ និងព្រៃល្បោះឡើយ។ | ត្រូវបានលើកឡើងថាជាជម្រើសមួយ ប៉ុន្តែមិនត្រូវបានយកមកប្រើប្រាស់ជាចម្បងក្នុងការសិក្សានេះទេ ដោយសារភាពស្មុគស្មាញនៃព្រៃនៅតំបន់អាស៊ីអាគ្នេយ៍។ |
ការចំណាយលើធនធាន (Resource Cost)៖ ការអនុវត្តវិធីសាស្ត្រនេះទាមទារការវិនិយោគលើទិន្នន័យផ្កាយរណបពាណិជ្ជកម្ម និងកម្លាំងម៉ាស៊ីនកុំព្យូទ័រសម្រាប់ដំណើរការទិន្នន័យរូបភាពធំៗ។
ការសិក្សានេះត្រូវបានធ្វើឡើងដោយផ្ទាល់នៅក្នុងតំបន់ព្រៃល្បោះរដូវក្តៅ (Tropical Seasonal Forest) នៃខេត្តកំពង់ធំ ប្រទេសកម្ពុជា និងចំការម៉ៃសាក់នៅប្រទេសថៃ។ ដោយសារទីតាំងស្រាវជ្រាវជាបរិបទកម្ពុជាស្រាប់ លទ្ធផលនិងគំរូទិន្នន័យនេះមានភាពត្រឹមត្រូវខ្ពស់ និងអាចឆ្លើយតបយ៉ាងជិតស្និទ្ធទៅនឹងអាកាសធាតុ (បញ្ហាពពកនៅរដូវវស្សា) និងទម្រង់នៃការកាប់ឈើខុសច្បាប់ក្នុងស្រុក។
វិធីសាស្ត្រនេះមានសារៈសំខាន់ខ្លាំង និងអាចយកមកអនុវត្តជាក់ស្តែងបានយ៉ាងល្អសម្រាប់ការគ្រប់គ្រងធនធានព្រៃឈើនៅកម្ពុជា។
សរុបមក បច្ចេកវិទ្យានេះផ្តល់នូវយន្តការដ៏មានសក្តានុពលសម្រាប់រដ្ឋបាលព្រៃឈើ និងក្រសួងបរិស្ថាន ក្នុងការបង្កើនប្រសិទ្ធភាពតាមដានព្រៃឈើ និងទប់ស្កាត់បទល្មើសប្រកបដោយតម្លាភាព ដោយមិនពឹងផ្អែកតែលើកម្លាំងដើរល្បាត។
ដើម្បីអនុវត្តតាមការសិក្សានេះ និស្សិតគួរអនុវត្តតាមជំហានខាងក្រោម៖
| ពាក្យបច្ចេកទេស | ការពន្យល់ជាខេមរភាសា (Khmer Explanation) | និយមន័យសាមញ្ញ (Simple Definition) |
|---|---|---|
| Remote Sensing | បច្ចេកវិទ្យាប្រមូលទិន្នន័យនិងព័ត៌មានពីផ្ទៃផែនដីពីចម្ងាយ ដោយប្រើប្រាស់ឧបករណ៍សេនស័រ (Sensor) បំពាក់លើផ្កាយរណប ឬយន្តហោះ ដោយមិនចាំបាច់ចុះទៅដល់ទីតាំងផ្ទាល់។ | ដូចជាការប្រើប្រាស់កាមេរ៉ាថតរូបពីលើអាកាស ដើម្បីពិនិត្យមើលស្ថានភាពដីនិងព្រៃឈើ ដោយមិនបាច់ដើរចូលព្រៃផ្ទាល់។ |
| Template Matching | វិធីសាស្ត្រវិភាគរូបភាពកុំព្យូទ័រ ដែលប្រើប្រាស់គំរូរូបភាពតូចមួយ (Template) ទៅស្វែងរក និងផ្គូផ្គងផ្នែកដែលមានលក្ខណៈស្រដៀងគ្នានៅក្នុងរូបភាពផ្កាយរណបដ៏ធំ ដើម្បីទាញយកទិន្នន័យស្វ័យប្រវត្តិ (ឧទាហរណ៍៖ ទាញយកមកុដដើមឈើ)។ | ដូចជាការយកពុម្ពរូបនំ ទៅសង្កត់កាត់យកនំដែលមានរាងដូចពុម្ពនោះចេញពីផ្ទាំងម្សៅដ៏ធំមួយ។ |
| Biomass Estimation | ការប៉ាន់ប្រមាណបរិមាណម៉ាសសរុបរបស់រុក្ខជាតិ ឬដើមឈើនៅក្នុងតំបន់ណាមួយ ដើម្បីគណនាពីបរិមាណកាបូនដែលព្រៃឈើនោះកំពុងស្តុកទុក។ ក្នុងការសិក្សានេះ គេធ្វើការប៉ាន់ប្រមាណតាមរយៈការវាស់ទំហំមកុដ និងកម្ពស់ដើមឈើដោយផ្កាយរណប។ | ដូចជាការថ្លឹងទម្ងន់ព្រៃឈើទាំងមូល ដោយគ្រាន់តែវាស់ទំហំនិងកម្ពស់របស់វាតាមរយៈរូបភាពផ្កាយរណប។ |
| LiDAR | បច្ចេកវិទ្យាវាស់វែងចម្ងាយដោយប្រើពន្លឺឡាស៊ែរបាញ់ទៅកាន់គោលដៅ រួចវាស់ចំណាយពេលដែលពន្លឺនោះចំណាំងត្រឡប់មកវិញ។ ក្នុងវិស័យព្រៃឈើ វាត្រូវបានប្រើដើម្បីវាស់កម្ពស់ដើមឈើ និងរចនាសម្ព័ន្ធក្រោមដំបូលព្រៃយ៉ាងច្បាស់លាស់។ | ដូចជាសត្វប្រចៀវបញ្ចេញសំឡេងដើម្បីដឹងពីទីតាំងឧបសគ្គ ប៉ុន្តែបច្ចេកវិទ្យានេះប្រើពន្លឺឡាស៊ែរដើម្បីវាស់កម្ពស់ដើមឈើវិញ។ |
| High-resolution Satellite Data | ទិន្នន័យរូបភាពដែលថតពីផ្កាយរណបដោយមានកម្រិតភាពច្បាស់ខ្ពស់បំផុត (ទំហំភិចសែលតូចៗ ឧទាហរណ៍ 2.5 ម៉ែត្រ ឬតូចជាង) ដែលអនុញ្ញាតឱ្យគេអាចមើលឃើញវត្ថុតូចៗលើដី ដូចជាមកុដដើមឈើទោលៗបានយ៉ាងច្បាស់។ | ដូចជាកាមេរ៉ាពង្រីក (Zoom) ដ៏មានអានុភាព ដែលអាចមើលឃើញវត្ថុតូចៗនៅលើដីបានយ៉ាងច្បាស់ពីទីអវកាស។ |
| Cloud Mask | ដំណើរការក្នុងបច្ចេកវិទ្យាវិភាគរូបភាពផ្កាយរណប ដើម្បីកំណត់ទីតាំង និងបិទបាំងចោលនូវចំណុចដែលមានពពក ឬស្រមោលពពក ដែលជួយឱ្យការវិភាគផ្ទៃដីពិតប្រាកដនៅពីក្រោមមិនមានកំហុសឆ្គង។ | ដូចជាការលុបរូបភាពមនុស្សដើរកាត់មុខកាមេរ៉ាចេញ ដើម្បីឱ្យឃើញទេសភាពខាងក្រោយច្បាស់ល្អកុំឱ្យរំខានការមើល។ |
| Single-tree level | ការវិភាគ ឬការតាមដានទិន្នន័យព្រៃឈើដោយផ្ដោតទៅលើដើមឈើនីមួយៗដាច់ដោយឡែកពីគ្នា ជាជាងការវាយតម្លៃជារួមលើផ្ទៃដីព្រៃទាំងមូល ដែលជួយឱ្យការចាប់យកបទល្មើសកាប់ឈើជ្រើសរើសមានភាពសុក្រឹតខ្ពស់។ | ដូចជាការរាប់ចំនួនសិស្សម្នាក់ៗនៅក្នុងថ្នាក់ ជាជាងការមើលត្រឹមតែថាមានសិស្សមួយក្រុមនៅក្នុងបន្ទប់។ |
| Optical Sensor | ឧបករណ៍ចាប់សញ្ញាដែលថតយកពន្លឺដែលចំណាំងផ្លាតពីផ្ទៃផែនដី (ដូចជាពន្លឺព្រះអាទិត្យដែលចាំងប៉ះដើមឈើ)។ ឧបករណ៍នេះមិនអាចថតទម្លុះពពកបានទេ ដូច្នេះការប្រមូលទិន្នន័យតម្រូវឱ្យធ្វើឡើងនៅរដូវប្រាំងដែលគ្មានពពក។ | ដូចជាភ្នែករបស់មនុស្សយើងធម្មតា ដែលត្រូវការមានពន្លឺទើបមើលឃើញ និងមិនអាចមើលធ្លុះជញ្ជាំងឬពពកក្រាស់បានឡើយ។ |
អត្ថបទដែលបានបោះពុម្ពនៅលើ KhmerResearch ដែលទាក់ទងនឹងប្រធានបទនេះ៖
ប្រធានបទ និងសំណួរស្រាវជ្រាវដែលទាក់ទងនឹងឯកសារនេះ ដែលអ្នកអាចស្វែងរកបន្ថែម៖
