បញ្ហា (The Problem)៖ ឯកសារនេះដោះស្រាយបញ្ហានៃការផ្លាស់ប្តូរការប្រើប្រាស់ដីធ្លី និងការបាត់បង់ដីព្រៃឈើព្រមទាំងដីកសិកម្មយ៉ាងឆាប់រហ័ស ដោយសារការពង្រីកសេដ្ឋកិច្ច កំណើនទេសចរណ៍ និងនគរូបនីយកម្មនៅស្រុកប៉ាកចុង ខេត្តនគររាជសីមា។
វិធីសាស្ត្រ (The Methodology)៖ ការសិក្សានេះប្រើប្រាស់ការវិភាគទិន្នន័យរូបភាពពីផ្កាយរណប និងប្រព័ន្ធព័ត៌មានភូមិសាស្រ្ត ដើម្បីចាត់ថ្នាក់ និងប្រៀបធៀបការផ្លាស់ប្តូរការប្រើប្រាស់ដីធ្លីចន្លោះឆ្នាំ ២០០២ និង ឆ្នាំ ២០១១។
លទ្ធផលសំខាន់ៗ (The Verdict)៖
| វិធីសាស្ត្រ (Method) | គុណសម្បត្តិ (Pros) | គុណវិបត្តិ (Cons) | លទ្ធផលគន្លឹះ (Key Result) |
|---|---|---|---|
| Visual Interpretation (Orthophoto) ការបកស្រាយរូបថតពីលើអាកាសដោយភ្នែកទទេ (Visual Interpretation) |
ផ្តល់ព័ត៌មានលម្អិត និងមានភាពច្បាស់លាស់ខ្ពស់ ដោយសារប្រើប្រាស់រូបថតអ័រថូពណ៌កម្រិតខ្ពស់ (មាត្រដ្ឋាន ១:៤,០០០)។ ងាយស្រួលផ្ទៀងផ្ទាត់ដោយភ្នែកទទេ។ | ទាមទារពេលវេលាយូរ ចំណាយកម្លាំងពលកម្មច្រើន និងលំបាកខ្លាំងក្នុងការអនុវត្តសម្រាប់ផ្ទៃដីដែលមានទំហំធំ ឬការប្រៀបធៀបច្រើនតំបន់ក្នុងពេលតែមួយ។ | បានចាត់ថ្នាក់ទិន្នន័យប្រើប្រាស់ដីធ្លីសម្រាប់ឆ្នាំ ២០០២ ជា ៥ ប្រភេទធំៗដោយជោគជ័យ និងមានភាពលម្អិត។ |
| Maximum Likelihood Classifier (Supervised Classification) ការចាត់ថ្នាក់ដោយមានការត្រួតពិនិត្យ (Maximum Likelihood Classifier) |
ចំណេញពេលវេលា អាចវិភាគលើផ្ទៃដីធំទូលាយបានលឿន និងដំណើរការដោយស្វ័យប្រវត្តិដោយកុំព្យូទ័រតាមរយៈការគណនាស្ថិតិប្រូបាប៊ីលីតេ។ | ភាពត្រឹមត្រូវអាស្រ័យយ៉ាងខ្លាំងទៅលើការជ្រើសរើសតំបន់គំរូ (Training Areas) និងកម្រិតភាពច្បាស់របស់រូបភាពផ្កាយរណបព្រមទាំងឥទ្ធិពលនៃរដូវកាល។ | ទទួលបានកម្រិតភាពត្រឹមត្រូវសរុប (Overall Accuracy) ៦៩.៣៣% និងតម្លៃសន្ទស្សន៍ Kappa ៦១.៦% សម្រាប់ទិន្នន័យឆ្នាំ ២០១១។ |
ការចំណាយលើធនធាន (Resource Cost)៖ ការសិក្សានេះទាមទារនូវកម្មវិធីប្រព័ន្ធព័ត៌មានភូមិសាស្ត្រ (GIS) ទិន្នន័យរូបភាពផ្កាយរណប កម្លាំងកុំព្យូទ័រ និងចំណេះដឹងជំនាញក្នុងការបកស្រាយទិន្នន័យភូមិសាស្ត្រ។
ការសិក្សានេះត្រូវបានធ្វើឡើងនៅក្នុងស្រុកប៉ាកចុង ខេត្តនគររាជសីមា ប្រទេសថៃ ដែលជាតំបន់ខ្ពង់រាប និងមានការអភិវឌ្ឍនគរូបនីយកម្ម ក៏ដូចជាវិស័យទេសចរណ៍យ៉ាងឆាប់រហ័ស។ ទិន្នន័យនេះឆ្លុះបញ្ចាំងពីបរិបទសេដ្ឋកិច្ចជាក់លាក់របស់ថៃ ព្រមទាំងរដូវកាលនៃការថតរូបភាពផ្កាយរណប (ខែកុម្ភៈ) ដែលអាចប៉ះពាល់ដល់ការវិភាគទំហំផ្ទៃទឹក និងប្រភេទព្រៃឈើ។ សម្រាប់ប្រទេសកម្ពុជា ការយល់ដឹងពីឥទ្ធិពលនៃរដូវកាលទៅលើរូបភាពផ្កាយរណប គឺជារឿងសំខាន់បំផុតនៅពេលសិក្សាតំបន់ព្រៃឈើ និងកសិកម្ម។
វិធីសាស្ត្រវិភាគការផ្លាស់ប្តូរការប្រើប្រាស់ដីធ្លីនេះ គឺមានសារៈសំខាន់ និងអាចយកមកអនុវត្តបានយ៉ាងល្អសម្រាប់ប្រទេសកម្ពុជា ដែលកំពុងជួបប្រទះការផ្លាស់ប្តូរយ៉ាងរហ័ស។
ការប្រើប្រាស់បច្ចេកវិទ្យា Remote Sensing និង GIS ផ្តល់នូវដំណោះស្រាយដ៏មានប្រសិទ្ធភាពក្នុងការតាមដាន គ្រប់គ្រងធនធានធម្មជាតិ និងជួយកម្ពុជារៀបចំគោលនយោបាយប្រើប្រាស់ដីធ្លីដោយផ្អែកលើទិន្នន័យជាក់ស្តែង។
ដើម្បីអនុវត្តតាមការសិក្សានេះ និស្សិតគួរអនុវត្តតាមជំហានខាងក្រោម៖
| ពាក្យបច្ចេកទេស | ការពន្យល់ជាខេមរភាសា (Khmer Explanation) | និយមន័យសាមញ្ញ (Simple Definition) |
|---|---|---|
| Geographic Information Systems (GIS) | ប្រព័ន្ធកុំព្យូទ័រដែលប្រើសម្រាប់ប្រមូល ផ្ទុក វិភាគ និងបង្ហាញទិន្នន័យដែលមានទំនាក់ទំនងនឹងទីតាំងភូមិសាស្រ្តនៅលើផែនដី ដើម្បីជួយក្នុងការសម្រេចចិត្តរៀបចំផែនការតំបន់ផ្សេងៗ។ | ដូចជាផែនទីឆ្លាតវៃ (Smart Map) ដែលអាចត្រួតស៊ីគ្នានូវព័ត៌មានជាច្រើនស្រទាប់ (ដូចជាផ្លូវ ទន្លេ ព្រៃឈើ និងអគារ) ដើម្បីរកមើលទំនាក់ទំនងរវាងពួកវា។ |
| Remote Sensing | បច្ចេកវិទ្យាក្នុងការប្រមូលព័ត៌មានពីផ្ទៃផែនដីដោយមិនបាច់ប៉ះផ្ទាល់ តាមរយៈការប្រើប្រាស់ឧបករណ៍ចាប់សញ្ញា (Sensors) បំពាក់លើផ្កាយរណប ឬយន្តហោះ ដើម្បីថតយករូបភាពនិងរលកសញ្ញា។ | ដូចជាការថតរូបពីលើអាកាស ឬការមើលពីចម្ងាយដោយប្រើកែវយឺតដ៏ខ្លាំងមួយ ដើម្បីដឹងថាតំបន់នោះមានព្រៃឈើ ឬទីក្រុងដោយមិនបាច់ដើរទៅដល់កន្លែងផ្ទាល់។ |
| Supervised Classification | វិធីសាស្រ្តចាត់ថ្នាក់ទិន្នន័យរូបភាពផ្កាយរណប ដោយអ្នកស្រាវជ្រាវត្រូវជ្រើសរើសតំបន់គំរូ (Training Areas) ជាមុន ដើម្បីបង្រៀនកុំព្យូទ័រឱ្យស្គាល់លក្ខណៈនៃប្រភេទដីនីមួយៗ រួចទើបឱ្យកុំព្យូទ័រចាត់ថ្នាក់ផ្ទៃដីដែលនៅសល់ដោយស្វ័យប្រវត្តិ។ | ដូចជាការបង្រៀនក្មេងឱ្យស្គាល់ពណ៌ ដោយយើងចង្អុលប្រាប់ជាមុនថា 'នេះគឺពណ៌ខៀវ' រួចឱ្យក្មេងនោះទៅរកវត្ថុពណ៌ខៀវផ្សេងទៀតដោយខ្លួនឯង។ |
| Maximum Likelihood Classifier | ក្បួនដោះស្រាយ (Algorithm) ខាងស្ថិតិនៅក្នុងការចាត់ថ្នាក់រូបភាព ដែលគណនាប្រូបាប៊ីលីតេនៃចំណុចរូបភាព (Pixel) នីមួយៗថាគួរតែចាត់ចូលទៅក្នុងប្រភេទដីមួយណា ផ្អែកលើទិន្នន័យគំរូដែលបានផ្តល់ឱ្យ។ | ដូចជាការទាយមុខរបររបស់មនុស្សម្នាក់ដោយផ្អែកលើសម្លៀកបំពាក់របស់គាត់ បើគាត់ពាក់អាវកាក់ចំណាំងផ្លាត នោះមានភាគរយខ្ពស់ថាគាត់ជាវិស្វករសំណង់ជាងជាគ្រូបង្រៀន។ |
| Confusion Matrix | តារាងម៉ាទ្រីសដែលប្រើសម្រាប់វាយតម្លៃភាពត្រឹមត្រូវនៃចំណាត់ថ្នាក់រូបភាពផ្កាយរណប ដោយប្រៀបធៀបលទ្ធផលដែលកុំព្យូទ័រទាយ (Predicted) ជាមួយនឹងទិន្នន័យពិតនៅទីតាំងផ្ទាល់ (Ground Truth) ដើម្បីរកមើលកំហុសឆ្គង។ | ដូចជាតារាងកត់ត្រាពិន្ទុប្រឡង ដែលផ្ទៀងផ្ទាត់ចម្លើយសិស្ស (កុំព្យូទ័រទាយ) ជាមួយនឹងកូនសោចម្លើយ (ទិន្នន័យពិតជាក់ស្តែង) ដើម្បីដឹងថាសិស្សខុសត្រង់ណាខ្លះ។ |
| Kappa Coefficient | រង្វាស់ស្ថិតិមួយដែលប្រើសម្រាប់បញ្ជាក់ពីកម្រិតភាពត្រឹមត្រូវនៃការចាត់ថ្នាក់ទិន្នន័យ ដោយគិតបញ្ចូលទាំងឱកាសនៃការទាយត្រូវដោយចៃដន្យ (Random Chance Agreement) ដែលធ្វើឱ្យការវាយតម្លៃមានភាពសុក្រឹតជាងការគណនាភាពត្រឹមត្រូវធម្មតា។ | ដូចជាការវាស់ស្ទង់សមត្ថភាពពិតរបស់សិស្សក្នុងការប្រឡង ដោយកាត់កងឱកាសដែលសិស្សអាចគូសចម្លើយត្រូវដោយការទាយចៃដន្យចេញ។ |
| False Color Composite | ការផ្សំពណ៌រូបភាពផ្កាយរណបដោយប្រើរលកសញ្ញាដែលភ្នែកមនុស្សមើលមិនឃើញ (ដូចជារលកអ៊ីនហ្វ្រារ៉េដ) មកបង្ហាញជាពណ៌ដែលអាចមើលឃើញ ដើម្បីរំលេចលក្ខណៈពិសេសអ្វីមួយ (ឧ. ធ្វើឱ្យព្រៃឈើមានពណ៌ក្រហមងាយស្រួលចំណាំ)។ | ដូចជាការពាក់វ៉ែនតាវេទមន្តដែលអាចបំប្លែងកំដៅដែលភ្នែកមនុស្សមើលមិនឃើញ ឱ្យក្លាយជាពណ៌ឆើតៗដើម្បីងាយស្រួលរកមើលវត្ថុលាក់កំបាំងនៅក្នុងទីងងឹត។ |
អត្ថបទដែលបានបោះពុម្ពនៅលើ KhmerResearch ដែលទាក់ទងនឹងប្រធានបទនេះ៖
ប្រធានបទ និងសំណួរស្រាវជ្រាវដែលទាក់ទងនឹងឯកសារនេះ ដែលអ្នកអាចស្វែងរកបន្ថែម៖
