បញ្ហា (The Problem)៖ អត្ថបទនេះពិភាក្សាពីតម្រូវការចាំបាច់ក្នុងការតាមដាន និងវាស់វែងការស្តុកទុកកាបូននៅលើគោក (Terrestrial Carbon Sequestration) តាមរយៈរុក្ខជាតិ ដើម្បីដោះស្រាយបញ្ហានៃការកើនឡើងឧស្ម័នកាបូនិក និងការរិចរិលបរិស្ថាន។
វិធីសាស្ត្រ (The Methodology)៖ ការសិក្សានេះបង្ហាញពីការប្រើប្រាស់បច្ចេកវិទ្យាផ្កាយរណប និងប្រព័ន្ធព័ត៌មានភូមិសាស្ត្រ (GIS) សម្រាប់ការប៉ាន់ប្រមាណ និងវាយតម្លៃជីវម៉ាស់ និងបរិមាណកាបូន។
លទ្ធផលសំខាន់ៗ (The Verdict)៖
| វិធីសាស្ត្រ (Method) | គុណសម្បត្តិ (Pros) | គុណវិបត្តិ (Cons) | លទ្ធផលគន្លឹះ (Key Result) |
|---|---|---|---|
| LiDAR (Light Detection and Ranging) ប្រព័ន្ធឡាស៊ែរស្កេន 3D (LiDAR) |
អាចបញ្ជូនសញ្ញាទម្លុះគម្របព្រៃឈើ ដើម្បីវាស់កម្ពស់ និងរចនាសម្ព័ន្ធបញ្ឈររបស់ព្រៃឈើបានយ៉ាងច្បាស់លាស់។ | ទាមទារឧបករណ៍ថ្លៃ និងការចំណាយខ្ពស់ ដូចជាការប្រើប្រាស់ឧទ្ធម្ភាគចក្រដើម្បីហោះស្កេនពីលើ។ | ផ្តល់ទិន្នន័យកម្រិតភាពច្បាស់ខ្ពស់សម្រាប់ការប៉ាន់ប្រមាណបរិមាណជីវម៉ាស់នៅលើដី (Above-ground biomass) ក្នុងតំបន់ព្រៃឈើ។ |
| MODIS (Moderate Resolution Imaging Spectroradiometer) ឧបករណ៍សេនស័រ MODIS លើផ្កាយរណប |
អាចផ្តិតយករូបភាពផ្ទៃផែនដីបានរៀងរាល់ ១-២ ថ្ងៃម្តង ជាមួយកម្រិតពន្លឺ ៣៦ ប្រភេទ (36 spectral bands) ដែលល្អសម្រាប់ការសិក្សាកម្រិតធំ។ | កម្រិតភាពច្បាស់នៃរូបភាពមានកម្រិតទាប (ពី 250m ទៅ 1km) ដែលមិនស័ក្តិសមសម្រាប់ការគូសផែនទីក្នុងតំបន់តូចចង្អៀត។ | មានប្រសិទ្ធភាពក្នុងការវាយតម្លៃ និងប៉ាន់ប្រមាណផលិតកម្មបឋមសរុប (GPP) និងតាមដានវដ្តកាបូនជាសកល។ |
| SPOT Satellite Imagery រូបភាពផ្កាយរណប SPOT |
ផ្តល់កម្រិតភាពច្បាស់ខ្ពស់ (រហូតដល់ ២.៥ ម៉ែត្រ) និងមានសមត្ថភាពក្នុងការតាមដានបម្រែបម្រួលផ្ទៃដីបានរៀងរាល់ថ្ងៃ។ | ការទាញយកទិន្នន័យមកប្រើប្រាស់អាចនឹងមានតម្លៃថ្លៃ (សម្រាប់រូបភាពកម្រិតច្បាស់ខ្ពស់) និងទាមទារបច្ចេកទេសវិភាគស្មុគស្មាញ។ | ស័ក្តិសមបំផុតសម្រាប់ការតាមដានការវិវត្តនៃបរិស្ថាន និងការលូតលាស់រុក្ខជាតិក្នុងទ្រង់ទ្រាយធំ។ |
| EVI vs NDVI (Vegetation Indices) ការប្រើប្រាស់សន្ទស្សន៍រុក្ខជាតិ (EVI និង NDVI) |
សន្ទស្សន៍ EVI មានទំនាក់ទំនងលីនេអ៊ែរខ្លាំងជាមួយ GPP និងកាត់បន្ថយឥទ្ធិពលចំណាំងផ្លាតពីដីបានល្អជាង NDVI ។ | ការគណនាទាមទារការបញ្ចូលគ្នានូវកត្តាអាកាសធាតុផ្សេងៗទៀត ដូចជាសីតុណ្ហភាព និងវិទ្យុសកម្មព្រះអាទិត្យ (PAR) ដើម្បីឲ្យកាន់តែសុក្រឹត។ | ផ្តល់សូចនាករច្បាស់លាស់សម្រាប់តាមដានស្ថានភាពជីវរូបវិទ្យា (Biophysical conditions) និងគម្របព្រៃឈើ។ |
ការចំណាយលើធនធាន (Resource Cost)៖ ទោះបីជាឯកសារមិនបានបញ្ជាក់លម្អិតពីតម្លៃ ប៉ុន្តែការអនុវត្តបច្ចេកវិទ្យាទាំងនេះទាមទារធនធានផ្នែកទន់ ផ្នែករឹង និងអ្នកជំនាញកម្រិតខ្ពស់។
ការសិក្សានេះប្រើប្រាស់ទិន្នន័យ និងការប៉ាន់ស្មានបរិមាណជីវម៉ាស់ផ្អែកលើស្ថានភាពប្រព័ន្ធកេហឡូស៊ី (Ecosystem) នៅក្នុងប្រទេសឥណ្ឌា ដែលមានប្រភេទព្រៃឈើ និងលក្ខខណ្ឌអាកាសធាតុខុសពីតំបន់អាស៊ីអាគ្នេយ៍។ សម្រាប់ប្រទេសកម្ពុជា ការយកម៉ូដែលប៉ាន់ស្មាននេះមកប្រើប្រាស់ដោយផ្ទាល់អាចនឹងមានភាពលម្អៀង (Bias) ហេតុនេះយើងទាមទារឲ្យមានការបង្កើតសមីការជីវម៉ាស់ (Biomass allometric equations) ដែលសម្របទៅនឹងប្រភេទព្រៃឈើក្នុងស្រុក ដើម្បីទទួលបានទិន្នន័យសុក្រឹត។
បច្ចេកវិទ្យា Remote Sensing ដែលលើកឡើងក្នុងឯកសារនេះ មានភាពពាក់ព័ន្ធ និងមានសក្តានុពលខ្លាំងក្នុងការជួយកម្ពុជាគ្រប់គ្រងធនធានធម្មជាតិ និងទាញយកអត្ថប្រយោជន៍ពីឥណទានកាបូន។
ជារួម ការប្រើប្រាស់បច្ចេកវិទ្យាទាំងនេះនឹងជួយពង្រឹងតម្លាភាពក្នុងការរាយការណ៍ (MRV - Measurement, Reporting, and Verification) ដែលជាស្ពានចម្លងកម្ពុជាទៅកាន់ទីផ្សារឥណទានកាបូនអន្តរជាតិប្រកបដោយទំនុកចិត្ត។
ដើម្បីអនុវត្តតាមការសិក្សានេះ និស្សិតគួរអនុវត្តតាមជំហានខាងក្រោម៖
| ពាក្យបច្ចេកទេស | ការពន្យល់ជាខេមរភាសា (Khmer Explanation) | និយមន័យសាមញ្ញ (Simple Definition) |
|---|---|---|
| Carbon sequestration | ការចាប់យក និងស្តុកទុកឧស្ម័នកាបូនិក (CO2) ពីបរិយាកាសទៅក្នុងរុក្ខជាតិ ដី ឬមហាសមុទ្រ ដើម្បីកាត់បន្ថយបរិមាណឧស្ម័នផ្ទះកញ្ចក់ និងទប់ស្កាត់ការប្រែប្រួលអាកាសធាតុ។ ក្នុងអត្ថបទនេះ វាផ្តោតសំខាន់លើការស្តុកទុកក្នុងជីវម៉ាស់រុក្ខជាតិ។ | ដូចជាការយកលុយ (កាបូន) ដែលសល់រាយប៉ាយនៅក្រៅទៅសន្សំទុកក្នុងកូនជ្រូក (ដើមឈើនិងដី) ដើម្បីកុំឲ្យខូចខាតដល់សេដ្ឋកិច្ច (បរិស្ថាន)។ |
| LiDAR | បច្ចេកវិទ្យាស៊ើបអង្កេតពីចម្ងាយ (Remote Sensing) ដែលប្រើប្រាស់ចំហាយពន្លឺឡាស៊ែរ ដើម្បីវាស់ចម្ងាយ និងបង្កើតជារូបភាព 3D នៃរចនាសម្ព័ន្ធព្រៃឈើ ដែលអាចឲ្យយើងដឹងពីកម្ពស់ ទំហំដើមឈើ និងគម្របព្រៃបានយ៉ាងច្បាស់។ | ដូចជាសត្វប្រចៀវដែលបញ្ចេញសំឡេងឲ្យខ្ទាតត្រឡប់មកវិញដើម្បីដឹងពីទីតាំងឧបសគ្គនៅខាងមុខ តែនេះគឺប្រើពន្លឺឡាស៊ែរបាញ់ពីយន្តហោះជំនួសវិញ។ |
| MODIS | ឧបករណ៍ចាប់សញ្ញា (Sensor) បំពាក់លើផ្កាយរណប ដែលអាចថតរូបភាពផ្ទៃផែនដីបានទូលំទូលាយជារៀងរាល់ថ្ងៃ ដើម្បីតាមដានបម្រែបម្រួលបរិស្ថានកម្រិតធំ ដូចជាវដ្តកាបូន និងការលូតលាស់របស់រុក្ខជាតិជាសកល។ | ដូចជាកាមេរ៉ាសុវត្ថិភាព (CCTV) ដ៏ធំមួយដែលថតមើលសកម្មភាពផែនដីទាំងមូលរៀងរាល់ថ្ងៃ គ្រាន់តែវាមើលមិនឃើញច្បាស់ដល់កម្រិតមនុស្សម្នាក់ៗនោះទេ។ |
| Vegetation Indices | រូបមន្តគណិតវិទ្យាដែលរួមបញ្ចូលរលកពន្លឺផ្សេងៗគ្នា (ដូចជាពន្លឺពណ៌ក្រហម និងពន្លឺអ៊ីនហ្វ្រារ៉េដ) ដែលបានពីរូបភាពផ្កាយរណប ដើម្បីវាស់ស្ទង់ពីកម្រិតដង់ស៊ីតេ និងសុខភាពរបស់រុក្ខជាតិនៅក្នុងតំបន់ណាមួយ។ | ដូចជាការពិនិត្យឈាមនៅមន្ទីរពេទ្យ ដើម្បីដឹងថាមនុស្សម្នាក់មានសុខភាពល្អឬអត់ដោយមើលលើសមាមាត្រគ្រាប់ឈាម តែនេះគឺពិនិត្យសុខភាពព្រៃឈើតាមរយៈចំណាំងផ្លាតពន្លឺ។ |
| Gross Primary Production | បរិមាណសរុបនៃឧស្ម័នកាបូនិក (CO2) ដែលរុក្ខជាតិទាញយកពីបរិយាកាសមកបំលែងជាថាមពល និងសារធាតុសរីរាង្គតាមរយៈដំណើរការរស្មីសំយោគ (Photosynthesis) ក្នុងរយៈពេលកំណត់ណាមួយ។ | ដូចជាប្រាក់ចំណូលសរុបប្រចាំខែដែលក្រុមហ៊ុនមួយរកបាន មុននឹងកាត់កងការចំណាយផ្សេងៗ។ |
| Standing biomass | បរិមាណទម្ងន់សរុបនៃរុក្ខជាតិមានជីវិតទាំងអស់ (រួមមានដើម មែក ស្លឹក និងឫស) នៅក្នុងតំបន់ណាមួយ។ ៥០% នៃទម្ងន់ជីវម៉ាស់នេះគឺជាកាបូន ដែលធ្វើឲ្យវាជាកន្លែងស្តុកកាបូនដ៏សំខាន់។ | ដូចជាការថ្លឹងទម្ងន់សរុបនៃទំនិញទាំងអស់ដែលមាននៅក្នុងឃ្លាំង ដើម្បីដឹងថាយើងមានទ្រព្យសម្បត្តិប៉ុន្មានកំពុងស្តុកទុក។ |
| Normalized Difference Vegetation Index (NDVI) | សូចនាកររុក្ខជាតិដែលនិយមប្រើបំផុតក្នុងប្រព័ន្ធ GIS ដោយវាស់ការកាត់កងគ្នារវាងចំណាំងផ្លាតពន្លឺ Near-Infrared (រុក្ខជាតិជះត្រឡប់) និងពន្លឺពណ៌ក្រហម (រុក្ខជាតិស្រូបយក) ដើម្បីកំណត់ថាតើតំបន់នោះមានរុក្ខជាតិបៃតងក្រាស់ឬស្តើង។ | ដូចជាម៉ាស៊ីនស្កេនកម្ដៅ (Thermal Scanner) ដែលកន្លែងពណ៌ក្រហមខ្លាំងបញ្ជាក់ថាមានកម្ដៅខ្លាំង ចំណែកឯ NDVI លេខកាន់តែខ្ពស់បញ្ជាក់ថាមានព្រៃឈើកាន់តែក្រាស់និងបៃតងល្អ។ |
អត្ថបទដែលបានបោះពុម្ពនៅលើ KhmerResearch ដែលទាក់ទងនឹងប្រធានបទនេះ៖
ប្រធានបទ និងសំណួរស្រាវជ្រាវដែលទាក់ទងនឹងឯកសារនេះ ដែលអ្នកអាចស្វែងរកបន្ថែម៖
