Original Title: Forest inventory-based large-scale forest biomass and carbon budget assessment: new enhanced methods and use of remote sensing for verification
Source: www.metla.fi
Disclaimer: Summary generated by AI based on the provided document. Please refer to the original paper for full scientific accuracy.

ការវាយតម្លៃថវិកាកាបូន និងជីវម៉ាសព្រៃឈើទ្រង់ទ្រាយធំដោយផ្អែកលើសារពើភណ្ឌព្រៃឈើ៖ វិធីសាស្ត្រដែលបានពង្រឹងថ្មី និងការប្រើប្រាស់ការសង្កេតពីចម្ងាយសម្រាប់ការផ្ទៀងផ្ទាត់

ចំណងជើងដើម៖ Forest inventory-based large-scale forest biomass and carbon budget assessment: new enhanced methods and use of remote sensing for verification

អ្នកនិពន្ធ៖ Petteri Muukkonen (Finnish Forest Research Institute, University of Helsinki)

ឆ្នាំបោះពុម្ព៖ 2006, Dissertationes Forestales 30

វិស័យសិក្សា៖ Environmental Science

១. សេចក្តីសង្ខេបប្រតិបត្តិ (Executive Summary)

បញ្ហា (The Problem)៖ ការប្រែប្រួលអាកាសធាតុទាមទារឱ្យមានការរាយការណ៍ច្បាស់លាស់អំពីតុល្យភាពកាបូននៅក្នុងព្រៃឈើ ពិសេសព្រៃឈើតំបន់ត្រជាក់ (boreal forests) ប៉ុន្តែវិធីសាស្ត្រវាយតម្លៃស្តុកកាបូនបច្ចុប្បន្ននៅមានកម្រិតក្នុងការវាស់វែងជីវម៉ាសរុក្ខជាតិក្រោមថ្នាក់ និងការផលិតកាកសំណល់សរីរាង្គ។

វិធីសាស្ត្រ (The Methodology)៖ ការសិក្សានេះប្រើប្រាស់ទិន្នន័យសារពើភណ្ឌព្រៃឈើថ្នាក់ជាតិ (NFI) រួមបញ្ចូលជាមួយគំរូដី និងទិន្នន័យពីផ្កាយរណប ដើម្បីបង្កើតវិធីសាស្ត្រវាយតម្លៃថវិកាកាបូនទ្រង់ទ្រាយធំប្រកបដោយភាពច្បាស់លាស់។

លទ្ធផលសំខាន់ៗ (The Verdict)៖

២. ការវិភាគលើប្រសិទ្ធភាព និងដែនកំណត់ (Performance & Constraints)

វិធីសាស្ត្រ (Method) គុណសម្បត្តិ (Pros) គុណវិបត្តិ (Cons) លទ្ធផលគន្លឹះ (Key Result)
Inventory-based Assessment with Modeling
ការវាយតម្លៃផ្អែកលើសារពើភណ្ឌរួមជាមួយការធ្វើគំរូជីវម៉ាស
ផ្តល់ទិន្នន័យលម្អិតនិងច្បាស់លាស់កម្រិតថ្នាក់ជាតិ ដោយគ្របដណ្តប់ទាំងរុក្ខជាតិ និងដី។ ជាវិធីសាស្ត្រដែលត្រូវបានទទួលស្គាល់សម្រាប់ការរាយការណ៍ផ្លូវការ។ ត្រូវការទិន្នន័យពីការវាស់វែងផ្ទាល់នៅទីវាលច្រើន (Field data) ដែលចំណាយពេល និងថវិកាខ្ពស់ក្នុងការចុះប្រមូលទិន្នន័យ។ បានប៉ាន់ស្មានអណ្ដូងកាបូនសរុបរបស់ប្រទេសហ្វាំងឡង់ក្នុងទសវត្សរ៍ឆ្នាំ 1990 ចំនួន 4.0 Tg C/year។
Optical Remote Sensing (ASTER & MODIS)
ការប្រើប្រាស់ការសង្កេតពីចម្ងាយអុបទិក (ASTER និង MODIS)
អាចធ្វើផែនទីគ្របដណ្តប់ផ្ទៃដីធំទូលាយ បានញឹកញាប់ ចំណាយតិច ព្រមទាំងអាចផ្ទៀងផ្ទាត់ទិន្នន័យសារពើភណ្ឌបានយ៉ាងល្អ។ មានកំហុសឆ្គងខ្ពស់នៅកម្រិតភីកសែល (Pixel level) ដែលតម្រូវឱ្យបូកបញ្ចូលជារង្វាស់តំបន់ធំទើបសុក្រឹត និងនៅតែត្រូវការទិន្នន័យយោងពីដី។ ប៉ាន់ស្មានជីវម៉ាសលើដីជាមធ្យម 85 t/ha ដែលកៀកទៅនឹងតួលេខសារពើភណ្ឌផ្ទាល់ 79 t/ha។

ការចំណាយលើធនធាន (Resource Cost)៖ ការអនុវត្តវិធីសាស្ត្រនេះទាមទារការសហការរវាងទិន្នន័យវាលកម្រិតជាតិ កម្លាំងម៉ាស៊ីនកុំព្យូទ័រសម្រាប់វិភាគទិន្នន័យផ្កាយរណប និងចំណេះដឹងជំនាញផ្នែកគណិតវិទ្យា និងបរិស្ថាន។

៣. ការពិនិត្យសម្រាប់បរិបទកម្ពុជា/អាស៊ីអាគ្នេយ៍

ភាពលំអៀងនៃទិន្នន័យ (Data Bias)៖

ការសិក្សានេះត្រូវបានធ្វើឡើងនៅក្នុងតំបន់ព្រៃឈើត្រជាក់ (Boreal forests) នៃប្រទេសហ្វាំងឡង់ ដោយផ្តោតលើប្រភេទដើមឈើដូចជាស្រល់ជាដើម។ សម្រាប់ប្រទេសកម្ពុជាដែលមានអាកាសធាតុត្រូពិច និងព្រៃឈើចម្រុះ (Tropical forests) អត្រានៃការលូតលាស់ ការជ្រុះស្លឹក និងការបំប្លែងកាបូនក្នុងដីគឺមានភាពខុសគ្នាស្រឡះ ដែលតម្រូវឱ្យមានការកែសម្រួលប៉ារ៉ាម៉ែត្រគំរូ (Model parameters) ឡើងវិញមុននឹងយកមកអនុវត្ត។

លទ្ធភាពនៃការអនុវត្ត (Applicability)៖

ទោះបីជាមានភាពខុសគ្នាផ្នែកអាកាសធាតុក៏ដោយ ក្របខ័ណ្ឌនិងវិធីសាស្ត្ររួមបញ្ចូលគ្នានេះមានសារៈសំខាន់ និងអាចយកមកអនុវត្តបានយ៉ាងមានប្រសិទ្ធភាពសម្រាប់ការវាយតម្លៃកាបូននៅកម្ពុជា។

ជាសរុប ការរួមបញ្ចូលទិន្នន័យសារពើភណ្ឌព្រៃឈើជាមួយបច្ចេកវិទ្យាផ្កាយរណប គឺជាដំណោះស្រាយដ៏មានសក្តានុពល និងជួយកាត់បន្ថយការចំណាយលើការចុះវាស់វែងផ្ទាល់នៅក្នុងបរិបទប្រទេសកម្ពុជា។

៤. ផែនការសកម្មភាពសម្រាប់និស្សិត (Actionable Roadmap)

ដើម្បីអនុវត្តតាមការសិក្សានេះ និស្សិតគួរអនុវត្តតាមជំហានខាងក្រោម៖

  1. សិក្សាមូលដ្ឋានគ្រឹះនៃសារពើភណ្ឌព្រៃឈើ និងស្តង់ដារ IPCC: ស្វែងយល់ពីរបៀបវាស់វែងជីវម៉ាសនៅទីវាល និងការរៀបចំរបាយការណ៍ជាតិដោយផ្អែកលើ IPCC GPG Guidelines សម្រាប់ព្រៃឈើ និងការប្រើប្រាស់ដី។
  2. រៀនសូត្រពីបច្ចេកវិទ្យា Remote Sensing: ចាប់ផ្តើមរៀនទាញយក និងប្រើប្រាស់ទិន្នន័យផ្កាយរណប (ASTER, MODIS, Landsat) តាមរយៈការអនុវត្តផ្ទាល់លើកម្មវិធី QGISGoogle Earth Engine ដើម្បីវិភាគគម្របព្រៃឈើ។
  3. អភិវឌ្ឍជំនាញវិភាគស្ថិតិ និងការធ្វើគំរូ: រៀនប្រើប្រាស់ភាសាកូដ PythonR ដើម្បីបង្កើតគំរូតំរែតំរង់ (Regression Models) ឬ Neural Networks សម្រាប់ផ្សារភ្ជាប់ទិន្នន័យពីផ្កាយរណបទៅនឹងទិន្នន័យវាស់វែងផ្ទាល់ពីដី។
  4. ស្វែងយល់ពីការធ្វើគំរូកាបូនដី (Soil Carbon Modeling): ស្រាវជ្រាវពីកម្មវិធីគំរូដីដូចជា YassoRothC ហើយសិក្សាពីរបៀបកែតម្រូវប៉ារ៉ាម៉ែត្រអត្រាបំប្លែងកាកសំណល់សរីរាង្គ ឱ្យស្របតាមលក្ខខណ្ឌអាកាសធាតុត្រូពិចរបស់កម្ពុជា។
  5. សាកល្បងអនុវត្តគម្រោងខ្នាតតូច (Pilot Project): សាកល្បងយកទិន្នន័យបើកទូលាយ (Open-source data) មកវាយតម្លៃជីវម៉ាសព្រៃឈើនៅតំបន់ជាក់លាក់ណាមួយក្នុងប្រទេសកម្ពុជា (ឧទាហរណ៍៖ តំបន់ជួរភ្នំក្រវាញ) រួចប្រៀបធៀបលទ្ធផលជាមួយរបាយការណ៍ដែលមានស្រាប់។

៥. វាក្យសព្ទបច្ចេកទេស (Technical Glossary)

ពាក្យបច្ចេកទេស ការពន្យល់ជាខេមរភាសា (Khmer Explanation) និយមន័យសាមញ្ញ (Simple Definition)
National Forest Inventory ការប្រមូលទិន្នន័យជាប្រព័ន្ធដោយប្រើបច្ចេកទេសចុះវាស់វែងផ្ទាល់លើផ្ទៃដីព្រៃឈើទូទាំងប្រទេស ដើម្បីវាយតម្លៃពីទំហំ ប្រភេទ បរិមាណ និងស្ថានភាពធនធានព្រៃឈើកម្រិតជាតិ។ ដូចជាការធ្វើជំរឿនប្រជាជនទូទាំងប្រទេសដែរ ប៉ុន្តែនេះគឺជាការធ្វើជំរឿនដើមឈើនិងព្រៃឈើ។
Carbon sink តំបន់ ឬប្រព័ន្ធអេកូឡូស៊ី (ដូចជាព្រៃឈើ និងដី) ដែលស្រូបយកឧស្ម័នកាបូនិកពីបរិយាកាសរក្សាទុកច្រើនជាងបរិមាណដែលវាបញ្ចេញទៅវិញ ដែលរួមចំណែកយ៉ាងសំខាន់ក្នុងការកាត់បន្ថយការឡើងកម្ដៅផែនដី។ ដូចជាធនាគារដែលទទួលបានប្រាក់បញ្ញើ (កាបូន) ច្រើនជាងការដកចេញ ដែលធ្វើឱ្យសាច់ប្រាក់សន្សំពង្រីកទំហំកាន់តែធំ។
Biomass expansion factor មេគុណគណិតវិទ្យាដែលត្រូវបានប្រើដើម្បីបំប្លែងទិន្នន័យមាឌដើមឈើ (ដែលវាស់បានងាយស្រួល) ឱ្យទៅជាបរិមាណជីវម៉ាសសរុបរបស់ដើមឈើទាំងមូលដោយរួមបញ្ចូលទាំង មែក ស្លឹក និងឫស។ ដូចជាការវាស់ប្រវែងជើងរបស់មនុស្សម្នាក់ រួចប្រើរូបមន្តដើម្បីទស្សន៍ទាយកម្ពស់សរុប និងទម្ងន់ខ្លួនទាំងមូលរបស់គាត់ដោយមិនបាច់ថ្លឹងផ្ទាល់។
Understorey vegetation ស្រទាប់រុក្ខជាតិតូចៗ ស្មៅ គុម្ពព្រៃ ឬស្លែ ដែលដុះនៅខាងក្រោមម្លប់នៃដើមឈើធំៗក្នុងព្រៃ ដែលជាផ្នែកមួយយ៉ាងសំខាន់ក្នុងការបង្កើតកាកសំណល់សរីរាង្គនិងរក្សាស្តុកកាបូនក្នុងដី។ ដូចជាកម្រាលព្រំ ឬសួនច្បារតូចៗដែលគេដាំលម្អនៅក្រោមដំបូលផ្ទះធំមួយអ៊ីចឹង។
Heterotrophic respiration ដំណើរការដែលអតិសុខុមប្រាណក្នុងដី (ដូចជាបាក់តេរី និងផ្សិត) ស៊ីនិងបំបែកកាកសំណល់សរីរាង្គ រួចបញ្ចេញឧស្ម័នកាបូនិក (CO2) ត្រឡប់ចូលទៅក្នុងបរិយាកាសវិញ។ ដូចជាការដុតកម្ទេចស្លឹកឈើយឺតៗដោយពួកបាក់តេរី ដែលបញ្ចេញផ្សែង (កាបូនិក) ត្រឡប់ទៅលើអាកាសវិញបន្តិចម្ដងៗ។
Remote sensing បច្ចេកវិទ្យាក្នុងការប្រមូលព័ត៌មាន និងថតយករូបភាពពីផ្ទៃផែនដីដោយប្រើឧបករណ៍ចាប់សញ្ញាអុបទិកដែលបំពាក់លើផ្កាយរណប ឬយន្តហោះ ដើម្បីវិភាគគម្របព្រៃឈើដោយមិនចាំបាច់ចុះទៅទីតាំងផ្ទាល់។ ដូចជាការថតរូបពីលើអាកាសដោយប្រើដ្រូន (Drone) ដើម្បីមើលថាតើចម្ការណាមួយមានដើមឈើដុះក្រាស់ឬអត់ ជំនួសឱ្យការដើររាប់ដោយផ្ទាល់។
Net primary productivity បរិមាណថាមពល ឬកាបូនសុទ្ធដែលរុក្ខជាតិបង្កើតនិងរក្សាទុកបានតាមរយៈរស្មីសំយោគ បន្ទាប់ពីដកចេញនូវបរិមាណកាបូនដែលរុក្ខជាតិបានប្រើប្រាស់សម្រាប់ការដកដង្ហើមរបស់វាផ្ទាល់។ ដូចជាប្រាក់ចំណេញសុទ្ធរបស់ក្រុមហ៊ុន បន្ទាប់ពីយកចំណូលសរុបពីការលក់ ដកចេញនូវការចំណាយប្រតិបត្តិការទូទៅ។

៦. ប្រធានបទពាក់ព័ន្ធ (Further Reading)

អត្ថបទដែលបានបោះពុម្ពនៅលើ KhmerResearch ដែលទាក់ទងនឹងប្រធានបទនេះ៖

ប្រធានបទ និងសំណួរស្រាវជ្រាវដែលទាក់ទងនឹងឯកសារនេះ ដែលអ្នកអាចស្វែងរកបន្ថែម៖