Original Title: Prediction of Soil Loss in the Northern Part of Somali Region of Ethiopia Using Empirical Soil Erosion Models
Source: li01.tci-thaijo.org
Disclaimer: Summary generated by AI based on the provided document. Please refer to the original paper for full scientific accuracy.

ការទស្សន៍ទាយការបាត់បង់ដីនៅភាគខាងជើងនៃតំបន់សូម៉ាលីនៃប្រទេសអេត្យូពី ដោយប្រើប្រាស់ម៉ូដែលសំណឹកដីតាមបែបជាក់ស្តែង

ចំណងជើងដើម៖ Prediction of Soil Loss in the Northern Part of Somali Region of Ethiopia Using Empirical Soil Erosion Models

អ្នកនិពន្ធ៖ Sultan Welle (Somali Pastoral and Agropastoral Research Institute), Korchoke Chantawarangul (Kasetsart University), Supakij Nontanandh (Kasetsart University), Somjate Jantawat (Kasetsart University)

ឆ្នាំបោះពុម្ព៖ 2007 Kasetsart J. (Nat. Sci.)

វិស័យសិក្សា៖ Environmental Science

១. សេចក្តីសង្ខេបប្រតិបត្តិ (Executive Summary)

បញ្ហា (The Problem)៖ ឯកសារនេះដោះស្រាយបញ្ហាសំណឹកដីដ៏ធ្ងន់ធ្ងរនៅតំបន់ខ្ពង់រាបភាគខាងជើងនៃតំបន់សូម៉ាលី ប្រទេសអេត្យូពី ដែលបណ្តាលឱ្យមានការខូចខាតប្រព័ន្ធអេកូឡូស៊ី និងការរិចរិលដីបរិស្ថាន។

វិធីសាស្ត្រ (The Methodology)៖ ការសិក្សានេះបានអនុវត្ត និងប្រៀបធៀបម៉ូដែលទស្សន៍ទាយសំណឹកដីចំនួនពីរ ដើម្បីវាយតម្លៃហានិភ័យនៃការបាត់បង់ដីនៅទីតាំងចំនួន ១២ ព្រមទាំងវិភាគភាពរសើបនៃអថេររបស់ម៉ូដែលទាំងនោះ។

លទ្ធផលសំខាន់ៗ (The Verdict)៖

២. ការវិភាគលើប្រសិទ្ធភាព និងដែនកំណត់ (Performance & Constraints)

វិធីសាស្ត្រ (Method) គុណសម្បត្តិ (Pros) គុណវិបត្តិ (Cons) លទ្ធផលគន្លឹះ (Key Result)
Universal Soil Loss Equation (USLE)
សមីការបាត់បង់ដីសកល (USLE)
មានភាពជាក់លាក់ខ្ពស់ក្នុងការប៉ាន់ស្មានការបាត់បង់ដី ដោយឆ្លុះបញ្ចាំងពីស្ថានភាពជាក់ស្តែងបានល្អិតល្អន់ ជាពិសេសឆ្លើយតបយ៉ាងល្អទៅនឹងកម្រិតជម្រាលដី ការអនុវត្តការអភិរក្ស និងទឹកភ្លៀង។ មានភាពរសើបខ្លាំងចំពោះកំហុសនៃការវាស់វែងទិន្នន័យទឹកភ្លៀង ជម្រាលដី និងទាមទារការប្រមូលទិន្នន័យនៅនឹងកន្លែងច្រើន។ បានប៉ាន់ស្មានការបាត់បង់ដីខ្ពស់ជាងម៉ូដែល SLEMSA ពី ២ ទៅ ៣,៥ ដង និងត្រូវបានណែនាំឱ្យប្រើប្រាស់ជាជម្រើសដ៏ល្អបំផុត។
Soil Loss Estimation Model for Southern Africa (SLEMSA)
ម៉ូដែលប៉ាន់ស្មានការបាត់បង់ដីសម្រាប់អាហ្វ្រិកខាងត្បូង (SLEMSA)
មានភាពសាមញ្ញក្នុងការប្រើប្រាស់ តម្រូវការទិន្នន័យបញ្ចូលតិចជាងមុន និងមានប្រយោជន៍ក្នុងការបែងចែកតំបន់ដែលមានហានិភ័យសំណឹកខ្ពស់ និងទាប។ តែងតែប៉ាន់ស្មានទាបជាងបរិមាណបាត់បង់ដីជាក់ស្តែង (Underestimate) និងមានភាពរសើបខ្លាំងពេកទៅលើកត្តាថាមពលគីនេទិកទឹកភ្លៀង ដែលអាចបណ្តាលឱ្យមានកំហុស។ ផ្តល់តម្លៃប៉ាន់ស្មាននៃការបាត់បង់ដីទាបជាងស្ថានភាពជាក់ស្តែង និងមិនត្រូវបានណែនាំសម្រាប់ប្រើប្រាស់ក្នុងតំបន់សិក្សានេះទេ។

ការចំណាយលើធនធាន (Resource Cost)៖ ឯកសារនេះមិនបានបញ្ជាក់ពីការចំណាយលម្អិតទេ ប៉ុន្តែការអនុវត្តម៉ូដែលទាំងនេះទាមទារធនធានជាមូលដ្ឋានដូចជា ការចុះវាស់វែងផ្ទាល់ ការប្រមូលទិន្នន័យអាកាសធាតុ និងការវិភាគដីក្នុងមន្ទីរពិសោធន៍។

៣. ការពិនិត្យសម្រាប់បរិបទកម្ពុជា/អាស៊ីអាគ្នេយ៍

ភាពលំអៀងនៃទិន្នន័យ (Data Bias)៖

ការសិក្សានេះត្រូវបានធ្វើឡើងនៅទីតាំងចំនួន ១២ ក្នុងតំបន់ខ្ពង់រាបនៃភាគខាងជើងតំបន់សូម៉ាលី ប្រទេសអេត្យូពី ដែលមានលក្ខណៈអាកាសធាតុពាក់កណ្តាលស្ងួត កម្រិតទឹកភ្លៀងប្រចាំឆ្នាំជាក់លាក់ និងប្រភេទដីដូចជាថ្មកំបោរ និងក្រានីត។ ការយកម៉ូដែលនេះមកអនុវត្តនៅកម្ពុជា តម្រូវឱ្យមានការកែតម្រូវ (Calibration) ទៅលើកត្តាអថេរផ្សេងៗ ព្រោះកម្ពុជាមានអាកាសធាតុត្រូពិចមូសុង ដែលមានភ្លៀងធ្លាក់ខ្លាំង និងមានប្រភេទដីខុសពីប្រទេសអេត្យូពី។

លទ្ធភាពនៃការអនុវត្ត (Applicability)៖

ម៉ូដែល USLE គឺមានអត្ថប្រយោជន៍យ៉ាងខ្លាំងសម្រាប់ប្រទេសកម្ពុជា ក្នុងការវាយតម្លៃ និងរៀបចំផែនការកាត់បន្ថយការបាត់បង់ជីវជាតិដី និងគ្រោះមហន្តរាយ។

ការអនុវត្តម៉ូដែលនេះដោយជោគជ័យនៅកម្ពុជា តម្រូវឱ្យមានការប្រមូលទិន្នន័យមូលដ្ឋាននៃកត្តាដី ទឹកភ្លៀង និងគម្របព្រៃឈើ ឱ្យបានច្បាស់លាស់ពីស្ថានីយវាស់វែងក្នុងស្រុក។

៤. ផែនការសកម្មភាពសម្រាប់និស្សិត (Actionable Roadmap)

ដើម្បីអនុវត្តតាមការសិក្សានេះ និស្សិតគួរអនុវត្តតាមជំហានខាងក្រោម៖

  1. សិក្សាមូលដ្ឋានគ្រឹះនៃសមីការ USLE និង RUSLE: ស្វែងយល់ពីកត្តាទាំង ៥ (R, K, LS, C, P) នៃសមីការ USLE ដោយអានសៀវភៅណែនាំ ឬប្រភពឯកសារបោះពុម្ពផ្សាយពីអង្គការ USDA ដើម្បីយល់ពីរបៀបគណនាកត្តានីមួយៗ។
  2. ប្រមូលទិន្នន័យអាកាសធាតុ និងសំណាកដីក្នុងតំបន់គោលដៅ: ស្នើសុំទិន្នន័យទឹកភ្លៀងពីក្រសួងធនធានទឹក និងឧតុនិយម ព្រមទាំងចុះយកសំណាកដីនៅតំបន់សិក្សា ដើម្បីយកទៅវិភាគភាគល្អិតដី និងសារធាតុសរីរាង្គនៅមន្ទីរពិសោធន៍។
  3. អនុវត្តការគណនាដោយប្រើប្រាស់កម្មវិធីប្រព័ន្ធព័ត៌មានភូមិសាស្ត្រ (GIS): ប្រើប្រាស់កម្មវិធី ArcGISQGIS បញ្ចូលជាមួយទិន្នន័យ DEM (Digital Elevation Model) ដើម្បីគណនាកត្តាជម្រាល (LS factor) និងបង្កើតផែនទីហានិភ័យសំណឹកដី។
  4. ផ្ទៀងផ្ទាត់ទិន្នន័យ (Calibration) ជាមួយស្ថានភាពជាក់ស្តែង: បង្កើតទីតាំងវាស់វែងបរិមាណដីហូរច្រោះ (Runoff plots) ខ្នាតតូចនៅកន្លែងសិក្សា ដើម្បីប្រៀបធៀបលទ្ធផលពីការគណនា ជាមួយបរិមាណដីដែលហូរច្រោះជាក់ស្តែង ដើម្បីកែតម្រូវភាពត្រឹមត្រូវនៃម៉ូដែល។
  5. រៀបចំផែនការអភិរក្ស និងកាត់បន្ថយហានិភ័យ: ផ្អែកលើលទ្ធផលដែលទទួលបាន សូមរៀបចំជាអនុសាសន៍ជាក់ស្តែងជូនកសិករ ដូចជាការដាំដំណាំជាជួរតាមរចនាសម្ព័ន្ធរាបស្មើ (Terracing) ឬរក្សាគម្របដី (Mulching) ដើម្បីកាត់បន្ថយតម្លៃអថេរ C និង P ក្នុងតំបន់។

៥. វាក្យសព្ទបច្ចេកទេស (Technical Glossary)

ពាក្យបច្ចេកទេស ការពន្យល់ជាខេមរភាសា (Khmer Explanation) និយមន័យសាមញ្ញ (Simple Definition)
Universal Soil Loss Equation (USLE) (សមីការបាត់បង់ដីសកល) វាគឺជាម៉ូដែលគណិតវិទ្យាដែលត្រូវបានប្រើប្រាស់ដើម្បីប៉ាន់ស្មានបរិមាណដីដែលហូរច្រោះជាមធ្យមប្រចាំឆ្នាំ ដោយធ្វើការគុណបញ្ចូលគ្នានូវកត្តាចំនួន៥ រួមមាន៖ ទឹកភ្លៀង ប្រភេទដី សណ្ឋានដី គម្របរុក្ខជាតិ និងវិធានការអភិរក្សដី។ វត្ថុបំណងរបស់វាគឺជួយអ្នកស្រាវជ្រាវវាយតម្លៃទីតាំងដែលរងគ្រោះថ្នាក់ជាងគេ ដើម្បីរៀបចំផែនការការពារ។ វាប្រៀបដូចជារូបមន្តគណនាការចំណាយប្រាក់ប្រចាំខែ ដែលអ្នកត្រូវបូកបញ្ចូលថ្លៃទឹក ភ្លើង ម្ហូប និងសាំង ដើម្បីដឹងថាតើខែនេះអ្នកបាត់បង់លុយអស់ប៉ុន្មាន។
Soil Loss Estimation Model for Southern Africa (SLEMSA) (ម៉ូដែលប៉ាន់ស្មានការបាត់បង់ដីសម្រាប់អាហ្វ្រិកខាងត្បូង) វាជាម៉ូដែលទស្សន៍ទាយសំណឹកដីមួយទៀតដែលបង្កើតឡើងដំបូងនៅប្រទេសហ្ស៊ីមបាវ៉េ ដែលវាផ្តោតសំខាន់ទៅលើតែអថេរធំៗបីប៉ុណ្ណោះ គឺកត្តាថាមពលគីនេទិកទឹកភ្លៀង ភាពងាយរងសំណឹករបស់ដី និងសណ្ឋានដី សម្រាប់បែងចែកតំបន់ដែលមានហានិភ័យសំណឹកខ្ពស់ និងទាប ក្នុងស្ថានភាពដែលខ្វះខាតទិន្នន័យលម្អិត។ វាប្រៀបដូចជាការប្រើប្រាស់ជញ្ជីងថ្លឹងគីឡូប្រភេទសាមញ្ញ ដើម្បីប៉ាន់ស្មានទម្ងន់វត្ថុមួយយ៉ាងលឿន ទោះបីជាវាមិនសូវមានភាពលម្អិតដូចជញ្ជីងឌីជីថលកម្រិតខ្ពស់ក៏ដោយ។
Soil erodibility factor (K) (កត្តាងាយរងសំណឹកនៃដី) នេះគឺជារង្វាស់ដែលបង្ហាញពីកម្រិតនៃភាពងាយរងគ្រោះរបស់ប្រភេទដីណាមួយនៅពេលមានភ្លៀងធ្លាក់។ វាមានដំណើរការដោយការគណនាផ្អែកលើទំហំគ្រាប់ដី (ដូចជាខ្សាច់ ល្បាប់ ដីឥដ្ឋ) បរិមាណសារធាតុសរីរាង្គ និងរចនាសម្ព័ន្ធដី ដែលកំណត់ថាដីនោះងាយនឹងរបេះហូរតាមទឹកកម្រិតណា។ វាប្រៀបដូចជាភាពខុសគ្នារវាងការជះទឹកលើគំនូរដីខ្សាច់ (ដែលងាយនឹងហូរខូចទ្រង់ទ្រាយ) និងការជះទឹកលើដុំឥដ្ឋចាក់ស៊ីម៉ងត៍ (ដែលរឹងមាំពិបាកខូច)។
Rainfall erosivity factor (R) (កត្តាសំណឹកដោយទឹកភ្លៀង) វាគឺជាសូចនាករដែលវាស់ស្ទង់ពីថាមពល ឬកម្លាំងវាយប្រហារនៃដំណក់ទឹកភ្លៀងដែលអាចធ្វើឲ្យផ្ទៃដីបែកខ្ញែក និងហូរច្រោះបាន។ វាប្រែប្រួលទៅតាមបរិមាណទឹកភ្លៀងសរុប និងអាំងតង់ស៊ីតេ (ភាពខ្លាំង) នៃទឹកភ្លៀងប្រចាំឆ្នាំក្នុងតំបន់មួយ។ វាប្រៀបដូចជាកម្លាំងនៃទឹកដែលបាញ់ចេញពីទុយោ ដែលទឹកបាញ់ខ្លាំងធ្វើឲ្យដីធ្លុះរូងជ្រៅបានលឿនជាងទឹកដែលស្រោចតិចៗ។
Topographic factor (LS) (កត្តាសណ្ឋានដី) វាគឺជាការរួមបញ្ចូលគ្នានៃប្រវែងជម្រាល (L) និងកម្រិតភាពចោតនៃជម្រាល (S) ដើម្បីគណនាពីឥទ្ធិពលនៃទីតាំងភូមិសាស្ត្រទៅលើល្បឿន និងកម្លាំងនៃទឹកហូរលើផ្ទៃដី។ ជម្រាលកាន់តែចោត និងកាន់តែវែង ធ្វើឱ្យកម្លាំងទឹកហូរកាន់តែខ្លាំង និងបង្កសំណឹកកាន់តែច្រើន។ វាប្រៀបដូចជាការជិះកង់ចុះចំណោត ដែលភ្នំកាន់តែចោត និងកាន់តែវែង អ្នកនឹងជិះចុះមកក្នុងល្បឿនកាន់តែលឿន និងពិបាកចាប់ហ្វ្រាំងបញ្ឈប់បំផុត។
Cover management factor (C) (កត្តាគ្រប់គ្រងគម្របដី) វាគឺជាកត្តាដែលវាស់ស្ទង់ឥទ្ធិពលនៃការគ្របដណ្តប់របស់រុក្ខជាតិ ឬការដាំដំណាំ ក្នុងការជួយការពារផ្ទៃដីពីដំណក់ទឹកភ្លៀងដោយផ្ទាល់។ ម៉ូដែលនេះប្រើវាដើម្បីកាត់បន្ថយតម្លៃនៃការបាត់បង់ដី ប្រសិនបើទីតាំងនោះមានរុក្ខជាតិដុះក្រាស់ និងមានឫសជួយទប់ដី។ វាប្រៀបដូចជាការកាងឆ័ត្រ ឬពាក់អាវភ្លៀង ដែលអាវភ្លៀងកាន់តែក្រាស់ និងគ្របជិត វាជួយការពារខ្លួនអ្នកមិនឲ្យទទឹកនៅពេលមេឃភ្លៀង។
Sensitivity analysis (ការវិភាគភាពរសើប) វាជាដំណើរការនៃការធ្វើតេស្តសាកល្បងដោយផ្លាស់ប្តូរតម្លៃនៃអថេរមួយ (ឧទាហរណ៍ បង្កើនកម្រិតជម្រាល ២០%) ខណៈពេលរក្សាអថេរផ្សេងទៀតឱ្យនៅថេរដដែល ដើម្បីសិក្សាថាតើម៉ូដែលនោះនឹងផ្តល់លទ្ធផលប្រែប្រួលខ្លាំងប៉ុណ្ណាចំពោះអថេរនីមួយៗ។ វាប្រៀបដូចជាការសាកល្បងបន្ថែមគ្រឿងទេសតែមួយមុខ (ឧទាហរណ៍ បន្ថែមម្ទេស) ចូលទៅក្នុងសម្ល ខណៈគ្រឿងផ្សេងទៀតនៅដដែល ដើម្បីចង់ដឹងថាសម្លនោះប្រែជាហឹរខ្លាំងប៉ុណ្ណាដោយសារឥទ្ធិពលម្ទេសនេះតែឯង។

៦. ប្រធានបទពាក់ព័ន្ធ (Further Reading)

អត្ថបទដែលបានបោះពុម្ពនៅលើ KhmerResearch ដែលទាក់ទងនឹងប្រធានបទនេះ៖

ប្រធានបទ និងសំណួរស្រាវជ្រាវដែលទាក់ទងនឹងឯកសារនេះ ដែលអ្នកអាចស្វែងរកបន្ថែម៖