បញ្ហា (The Problem)៖ ការសិក្សានេះដោះស្រាយបញ្ហានៃការប៉ាន់ស្មានបរិមាណទឹកភ្លៀងតាមទីតាំងឱ្យមានភាពត្រឹមត្រូវសម្រាប់អាងទន្លេតូចៗ ដោយការរួមបញ្ចូលទិន្នន័យរង្វាស់ទឹកភ្លៀង (Rain gauges) ដែលមានភាពត្រឹមត្រូវខ្ពស់តែមានចំនួនតិច ជាមួយទិន្នន័យរ៉ាដាអាកាសធាតុ (Meteorological radar) ដែលមានកម្រិតច្បាស់ខ្ពស់ទូលាយ។
វិធីសាស្ត្រ (The Methodology)៖ វិធីសាស្ត្រនេះប្រើប្រាស់ប្រព័ន្ធព័ត៌មានភូមិសាស្ត្រ (GIS) តាមរយៈបច្ចេកទេសបញ្ចូលគ្នាតាមលក្ខខណ្ឌ (Conditional Merging Technique) ព្រមទាំងវិធីសាស្ត្រប៉ាន់ស្មានទិន្នន័យតាមទីតាំង ដើម្បីតភ្ជាប់ទិន្នន័យ។
លទ្ធផលសំខាន់ៗ (The Verdict)៖
| វិធីសាស្ត្រ (Method) | គុណសម្បត្តិ (Pros) | គុណវិបត្តិ (Cons) | លទ្ធផលគន្លឹះ (Key Result) |
|---|---|---|---|
| Conditional Merging Technique (CMT) បច្ចេកទេសបញ្ចូលគ្នាតាមលក្ខខណ្ឌ |
រក្សាបាននូវរចនាសម្ព័ន្ធលំហ (Spatial structure) របស់រ៉ាដា ព្រមទាំងរក្សាភាពត្រឹមត្រូវនៃបរិមាណទឹកភ្លៀងពីស្ថានីយវាស់វែងបានយ៉ាងល្អ។ កាត់បន្ថយកំហុសឆ្គងបានច្រើនបើធៀបនឹងការប្រើប្រាស់វិធីសាស្ត្រតែមួយ។ | ទាមទារការព្យាបាលទិន្នន័យស្មុគស្មាញ និងដំណើរការដោយដៃជាច្រើនដំណាក់កាលនៅក្នុងកម្មវិធី GIS ប្រសិនបើមិនមានប្រព័ន្ធស្វ័យប្រវត្តិ។ | ផ្តល់លទ្ធផលល្អប្រសើរសម្រាប់ព្រឹត្តិការណ៍ទឹកភ្លៀង ៧៨% ដោយមានកំហុស MAE ទាបជាង ០.៤ ម.ម និង RMSE ទាបជាង ០.៧ ម.ម។ |
| Meteorological Radar (Standalone) ការប្រើប្រាស់រ៉ាដាអាកាសធាតុតែឯង |
ផ្តល់ទិន្នន័យគ្របដណ្តប់ទីតាំងបានទូលំទូលាយ និងមានកម្រិតភាពច្បាស់ខ្ពស់ (High spatial resolution) ដែលអាចតាមដានបម្រែបម្រួលអាកាសធាតុបានល្អ។ | ងាយរងកំហុសទិន្នន័យដោយសារលក្ខខណ្ឌអាកាសធាតុ (ឧទាហរណ៍ វត្តមានព្រឹលធ្វើឱ្យរ៉ាដាប៉ាន់ស្មានកម្រិតទឹកភ្លៀងខ្ពស់ពេក) និងឧបសគ្គភូមិសាស្ត្រ។ | ជារឿយៗប៉ាន់ស្មានទាបជាងការពិតសម្រាប់ភ្លៀងធ្លាក់ខ្លាំងត្រង់កន្លែងនីមួយៗ និងខ្ពស់ជាងការពិតសម្រាប់ភ្លៀងធ្លាក់រាយប៉ាយស្មើល្អ។ |
| Rain Gauge Interpolation (Simple/Ordinary Kriging & Cokriging) ការប៉ាន់ស្មានទិន្នន័យតាមទីតាំងពីរង្វាស់ទឹកភ្លៀង |
ផ្តល់ទិន្នន័យបរិមាណទឹកភ្លៀងជាក់លាក់ និងមានភាពត្រឹមត្រូវខ្ពស់បំផុតនៅតាមទីតាំងស្ថានីយនីមួយៗ។ | មានភាពលំបាកក្នុងការប៉ាន់ស្មានទិន្នន័យតាមទីតាំងជុំវិញ (Interpolation) ដោយសារទិន្នន័យមានការប្រែប្រួលខ្ពស់ ហើយចំនួនស្ថានីយមានកម្រិត (sparse network)។ | មិនអាចចាប់យកបរិមាណទឹកភ្លៀងអតិបរមានៅតំបន់ដែលគ្មានស្ថានីយ ធ្វើឱ្យប៉ាន់ស្មានបរិមាណទឹកជំនន់ទាបជាងការពិត។ |
ការចំណាយលើធនធាន (Resource Cost)៖ ការអនុវត្តវិធីសាស្ត្រនេះទាមទារកម្មវិធី GIS កម្រិតខ្ពស់ ទិន្នន័យរ៉ាដា និងស្ថានីយវាស់ទឹកភ្លៀង ក៏ដូចជាធនធានមនុស្សដែលមានជំនាញវិភាគទិន្នន័យភូមិសាស្ត្រស្ថិតិ។
ការសិក្សានេះត្រូវបានធ្វើឡើងនៅតំបន់ភ្នំ Țibleș និង Rodnei ក្នុងប្រទេសរូម៉ានី ដោយប្រើទិន្នន័យរ៉ាដា និងស្ថានីយទឹកភ្លៀងចំនួន ៨ ក្នុងចន្លោះឆ្នាំ ២០១៥-២០១៨។ ទិន្នន័យនេះផ្តោតលើតំបន់ភ្នំដែលមានអាកាសធាតុខុសពីកម្ពុជា ប៉ុន្តែវិធីសាស្ត្រនេះមានសារៈសំខាន់សម្រាប់កម្ពុជាក្នុងការកែលម្អការតាមដានទឹកភ្លៀង ជាពិសេសនៅតំបន់ដែលមិនសូវមានស្ថានីយវាស់ទឹកភ្លៀងគ្រប់គ្រាន់នៅតំបន់ខ្ពង់រាប។
វិធីសាស្ត្រនេះពិតជាមានអត្ថប្រយោជន៍ខ្ពស់សម្រាប់ប្រទេសកម្ពុជា ក្នុងការដោះស្រាយបញ្ហាខ្វះខាតស្ថានីយវាស់ទឹកភ្លៀង និងពង្រឹងការប្រកាសអាសន្នទឹកជំនន់ភ្លាមៗ។
ការរួមបញ្ចូលទិន្នន័យរ៉ាដា និងរង្វាស់ទឹកភ្លៀងនឹងជួយឱ្យកម្ពុជាអាចបង្កើតប្រព័ន្ធព្រមានជាមុនដែលអាចទុកចិត្តបាន កាត់បន្ថយហានិភ័យគ្រោះមហន្តរាយ និងលើកកម្ពស់ការគ្រប់គ្រងធនធានទឹកប្រកបដោយប្រសិទ្ធភាព។
ដើម្បីអនុវត្តតាមការសិក្សានេះ និស្សិតគួរអនុវត្តតាមជំហានខាងក្រោម៖
| ពាក្យបច្ចេកទេស | ការពន្យល់ជាខេមរភាសា (Khmer Explanation) | និយមន័យសាមញ្ញ (Simple Definition) |
|---|---|---|
| Conditional Merging Technique (CMT) | បច្ចេកទេសគណនាដើម្បីច្របាច់បញ្ចូលគ្នានូវទិន្នន័យពីរប្រភពផ្សេងគ្នា គឺទិន្នន័យរ៉ាដាអាកាសធាតុ (ដែលមានវិសាលភាពធំទូលាយ) និងទិន្នន័យរង្វាស់ទឹកភ្លៀងពីស្ថានីយ (ដែលមានភាពច្បាស់លាស់ត្រង់ចំណុច) ដើម្បីបង្កើតបានជាផែនទីរបាយទឹកភ្លៀងមួយដែលមានភាពត្រឹមត្រូវខ្ពស់បំផុត។ | ដូចជាការយកគំនូរព្រាងទីតាំងទូទៅពីដ្រូន (រ៉ាដា) មកផ្ទឹមជាមួយការវាស់វែងចម្ងាយផ្ទាល់ដោយម៉ែត្រនៅនឹងកន្លែង (រង្វាស់ទឹកភ្លៀង) ដើម្បីគូរបានផែនទីពិតប្រាកដមួយដែលមានសាច់រឿងពេញលេញ។ |
| Spatial Interpolation | វិធីសាស្ត្រគណនាទិន្នន័យលំហ (Spatial Data) ដើម្បីទស្សន៍ទាយ ឬប៉ាន់ស្មានតម្លៃនៃទិន្នន័យ (ដូចជាបរិមាណទឹកភ្លៀង) នៅទីតាំងមួយដែលគ្មានឧបករណ៍វាស់ ដោយផ្អែកលើការទាញយកទិន្នន័យពីទីតាំងជុំវិញដែលមានឧបករណ៍វាស់ពិតប្រាកដ។ | ដូចជាការទាយដឹងពីសីតុណ្ហភាពនៅកណ្តាលបន្ទប់ ដោយផ្អែកលើសីតុណ្ហភាពដែលយើងបានវាស់ដឹងនៅតាមជ្រុងទាំងបួននៃបន្ទប់នោះ។ |
| Kriging | ជាវិធីសាស្ត្រមួយនៃ Spatial Interpolation ដែលប្រើប្រាស់រូបមន្តស្ថិតិដើម្បីវាយតម្លៃកម្រិតនៃទំនាក់ទំនងរវាងទីតាំងនីមួយៗ (Spatial Autocorrelation) ដើម្បីប៉ាន់ស្មានតម្លៃទិន្នន័យនៅកន្លែងទំនេរបានកាន់តែរលូន និងសុក្រឹតបំផុត។ | ដូចជាការទស្សន៍ទាយពិន្ទុប្រឡងរបស់សិស្សម្នាក់ដោយមើលលើពិន្ទុរបស់មិត្តភក្តិជុំវិញគេ ដោយផ្តល់ទម្ងន់ការវាយតម្លៃខ្ពស់បំផុតទៅលើអ្នកដែលអង្គុយជិតគេជាងគេ។ |
| Cokriging | ជាទម្រង់អភិវឌ្ឍន៍បន្ថែមនៃវិធីសាស្ត្រ Kriging ដែលមិនត្រឹមតែប្រើទិន្នន័យគោលមួយ (ឧទាហរណ៍ ទឹកភ្លៀង) មកប៉ាន់ស្មាននោះទេ តែថែមទាំងទាញយកអថេរទីពីរដែលមានទំនាក់ទំនងគ្នា (ឧទាហរណ៍ កម្ពស់ទីតាំងធៀបនឹងនីវ៉ូទឹកសមុទ្រ) មកជួយគណនាដើម្បីបង្កើនភាពត្រឹមត្រូវទ្វេដង។ | ដូចជាការទស្សន៍ទាយចំណូលរបស់មនុស្សម្នាក់ដោយមិនត្រឹមតែមើលលើចំណូលអ្នកជិតខាងគាត់ប៉ុណ្ណោះទេ តែថែមទាំងយកកម្រិតវប្បធម៌ និងកម្រិតសិក្សារបស់គាត់មកពិចារណាថែមទៀត។ |
| Convective cells | ប្រព័ន្ធអាកាសធាតុរំហួតបញ្ច្រាស ដែលបង្កើតឱ្យមានភ្លៀងធ្លាក់យ៉ាងគំហុក (ភ្លៀងរលាយផ្គររន្ទះ) ក្នុងរយៈពេលខ្លី និងគ្របដណ្តប់លើតំបន់ភូមិសាស្ត្រតូចចង្អៀត ដែលជារឿយៗតែងតែបង្កឱ្យមានទឹកជំនន់ភ្លាមៗ (Flash floods)។ | ដូចជាការចាក់ទឹកមួយធុងធំស្រោចកណ្ដាលរុក្ខជាតិមួយដើមក្នុងពេលតែមួយប៉ព្រិចភ្នែក ដែលធ្វើឱ្យទឹកហូរហៀរជន់ជុំវិញគល់ភ្លាមៗដោយសារដីស្រូបមិនទាន់។ |
| Frontal systems | ប្រព័ន្ធអាកាសធាតុដែលកើតឡើងនៅពេលផ្ទាំងខ្យល់ក្តៅ និងផ្ទាំងខ្យល់ត្រជាក់ប៉ះទង្គិចគ្នា បង្កើតបានជាភ្លៀងធ្លាក់រាយប៉ាយស្មើល្អ គ្របដណ្តប់លើផ្ទៃដីធំទូលាយ និងមានរយៈពេលធ្លាក់យូរ។ | ដូចជាការប្រើប្រាស់បំពង់ទឹកបាញ់ស្រោចសួនច្បារទាំងមូលដោយសន្សឹមៗ និងប្រើរយៈពេលយូរ ដែលធ្វើឱ្យដីសើមស្មើគ្នាគ្រប់កន្លែង។ |
| Semivariogram | ជាឧបករណ៍តារាងក្រាហ្វិកក្នុងជំនាញស្ថិតិភូមិសាស្ត្រ (Geostatistics) ដែលប្រើសម្រាប់វាស់វែង និងធ្វើម៉ូដែលពីរបៀបដែលទិន្នន័យនៅទីតាំងពីរផ្សេងគ្នា មានភាពស្រដៀងគ្នាថយចុះកម្រិតណា នៅពេលដែលគម្លាតចម្ងាយរវាងទីតាំងទាំងពីរនោះកាន់តែឆ្ងាយពីគ្នា។ | ដូចជាការវាស់ស្ទង់មើលថា តើមនុស្សពីរនាក់មានចំណង់ចំណូលចិត្តស្រដៀងគ្នាប៉ុនណា បើធៀបនឹងចម្ងាយផ្ទះដែលពួកគេរស់នៅ (ជាទូទៅ អ្នកនៅជិតគ្នាច្រើនមានចរិតស្រដៀងគ្នាជាងអ្នកនៅឆ្ងាយពីគ្នា)។ |
| Quantitative Precipitation Estimates (QPE) | ដំណើរការប៉ាន់ស្មានបរិមាណទឹកភ្លៀងសរុបដែលបានធ្លាក់ចុះមកលើដីជាក់ស្តែង ដោយប្រើប្រាស់ការវិភាគរួមបញ្ចូលគ្នានៃឧបករណ៍ចាប់សញ្ញាពីចម្ងាយ (រ៉ាដា ឬផ្កាយរណប) និងទិន្នន័យផ្ទៀងផ្ទាត់ពីឧបករណ៍វាស់ផ្ទាល់នៅនឹងកន្លែង។ | ដូចជាការគណនាចំនួនផ្លែឈើដែលជ្រុះពីលើដើមដោយការថតរូបពីលើអាកាស រួចយកមកផ្ទៀងផ្ទាត់ជាមួយចំនួនផ្លែឈើដែលយើងរើសបានផ្ទាល់នៅគល់ដើមដើម្បីរកតួលេខច្បាស់លាស់។ |
អត្ថបទដែលបានបោះពុម្ពនៅលើ KhmerResearch ដែលទាក់ទងនឹងប្រធានបទនេះ៖
ប្រធានបទ និងសំណួរស្រាវជ្រាវដែលទាក់ទងនឹងឯកសារនេះ ដែលអ្នកអាចស្វែងរកបន្ថែម៖
