បញ្ហា (The Problem)៖ រុក្ខកម្មដែលមានគម្របព្រៃឈើជាបន្តបន្ទាប់ (Continuous Cover Forestry - CCF) បង្កើតជារចនាសម្ព័ន្ធព្រៃឈើចម្រុះដែលធ្វើឱ្យវិធីសាស្ត្រវាយតម្លៃទិន្នផលដោយដៃតាមបែបប្រពៃណីមានការលំបាក និងចំណាយពេលច្រើន។ ការសិក្សានេះស្វែងរកដំណោះស្រាយដោយប្រើប្រាស់បច្ចេកវិទ្យាចាប់សញ្ញាពីចម្ងាយ (Remote Sensing) ដើម្បីតាមដាន និងវាស់វែងបរិមាណព្រៃឈើ និងជីវម៉ាសក្នុងប្រព័ន្ធអេកូឡូស៊ីដ៏ស្មុគស្មាញទាំងនេះ។
វិធីសាស្ត្រ (The Methodology)៖ ការស្រាវជ្រាវនេះប្រើប្រាស់ទិន្នន័យពីការស្កែនឡាស៊ែរតាមអាកាស (ALS) និងការស្កែនឡាស៊ែរចល័ត (MLS) ដើម្បីប្រៀបធៀបជាមួយទិន្នន័យវាស់វែងផ្ទាល់ពីទីវាល ក្នុងតំបន់ព្រៃឈើចម្រុះនៅចក្រភពអង់គ្លេស និងប្រេស៊ីល។
លទ្ធផលសំខាន់ៗ (The Verdict)៖
| វិធីសាស្ត្រ (Method) | គុណសម្បត្តិ (Pros) | គុណវិបត្តិ (Cons) | លទ្ធផលគន្លឹះ (Key Result) |
|---|---|---|---|
| Traditional Field Inventory (Baseline) ការចុះធ្វើសារពើភ័ណ្ឌវាស់វែងដោយដៃ (វិធីសាស្ត្រគោល) |
មានភាពសុក្រឹតខ្ពស់នៅកម្រិតដើមឈើនីមួយៗ និងជាស្តង់ដារប្រពៃណីដែលអាចទុកចិត្តបាន។ | ចំណាយពេលយូរ ត្រូវការកម្លាំងពលកម្មច្រើន និងពិបាកក្នុងការធ្វើក្នុងព្រៃក្រាស់ឬលើផ្ទៃដីធំទូលាយ។ | ជាគោល (Benchmark) សម្រាប់ប្រៀបធៀបជាមួយបច្ចេកវិទ្យាផ្សេងៗ។ អង្កត់ផ្ចិត (DBH) ត្រូវបានកត់ត្រាយ៉ាងលម្អិត។ |
| MLS + 3DFin ការប្រើប្រាស់ម៉ាស៊ីនស្កែនឡាស៊ែរចល័តរួមជាមួយកម្មវិធី 3DFin |
អាចទាញយកទិន្នន័យបានលឿន និងចម្លងរបាយអង្កត់ផ្ចិត (DBH) របស់ដើមឈើបានយ៉ាងល្អឥតខ្ចោះ។ | អាចមានបញ្ហាក្នុងការចាប់យកដើមឈើតូចៗនៅក្នុងព្រៃដែលមានគុម្ពោតក្រាស់។ | ជាកម្មវិធីតែមួយគត់ដែលផ្តល់លទ្ធផលប្រហាក់ប្រហែលនឹងការវាស់ដោយដៃ (p > 0.05) ដោយគ្មានភាពខុសគ្នាគួរឱ្យកត់សម្គាល់ (Cohen's d = -0.218)។ |
| MLS + TreeLS / FORTLS ការប្រើប្រាស់ម៉ាស៊ីនស្កែនឡាស៊ែរចល័តរួមជាមួយកញ្ចប់កូដ TreeLS ឬ FORTLS |
ងាយស្រួលធ្វើស្វ័យប្រវត្តិកម្មតាមរយៈភាសាសរសេរកូដ R សម្រាប់ការសិក្សាស្រាវជ្រាវកម្រិតខ្ពស់។ | មានទំនោរក្នុងការវាយតម្លៃទំហំ DBH លើសពីការពិត (Overestimation) នៅក្នុងព្រៃដែលមានរចនាសម្ព័ន្ធស្មុគស្មាញ។ | ទិន្នន័យមានភាពខុសគ្នាខ្លាំងពីការវាស់ដោយដៃ (p < 0.01) ជាមួយនឹងកម្រិតលម្អៀងខ្ពស់ (Cohen's d ខ្ពស់)។ |
| ALS + EMT Model / TCH Model គំរូ EMT ឬ TCH រួមបញ្ចូលជាមួយទិន្នន័យស្កែនពីលើអាកាស (ALS) ដើម្បីប៉ាន់ស្មានជីវម៉ាស |
អាចវាយតម្លៃជីវម៉ាសលើផ្ទៃដីធំទូលាយ និងអាចចាប់យកសញ្ញានៃការកាប់ឈើជ្រើសរើស (Selective logging)។ | តម្លៃនៃការហោះហើរប្រមូលទិន្នន័យខ្ពស់ ហើយគំរូ EMT ដែលមានអថេរច្រើនផ្តល់លទ្ធផលប្រហាក់ប្រហែលនឹងគំរូ TCH សាមញ្ញប៉ុណ្ណោះ។ | គំរូទាំងពីរអាចទស្សន៍ទាយជីវម៉ាស (AGB) ក្នុងកម្រិតភាពសុក្រឹតប្រហាក់ប្រហែលគ្នា (R² ប្រហែល 0.81 ទៅ 0.82)។ |
ការចំណាយលើធនធាន (Resource Cost)៖ ការប្រើប្រាស់បច្ចេកវិទ្យានេះទាមទារការវិនិយោគខ្ពស់លើឧបករណ៍ស្កែនឡាស៊ែរ (LiDAR) ក៏ដូចជាចំណេះដឹងជំនាញកុំព្យូទ័រសម្រាប់ការវិភាគទិន្នន័យស្មុគស្មាញ។
ការសិក្សានេះត្រូវបានធ្វើឡើងនៅក្នុងព្រៃចម្រុះនៃចក្រភពអង់គ្លេស និងព្រៃត្រូពិកអាម៉ាហ្សូនក្នុងប្រទេសប្រេស៊ីល។ ទោះបីជាព្រៃអាម៉ាហ្សូនមានលក្ខណៈស្រដៀងព្រៃនៅកម្ពុជាក៏ដោយ ក៏ទិន្នន័យនេះនៅតែត្រូវការការកែសម្រួលដើម្បីឱ្យស៊ីគ្នានឹងប្រភេទដី អាកាសធាតុ និងពូជឈើនៅកម្ពុជា ជាពិសេសក្នុងបរិបទនៃព្រៃស្រោង និងព្រៃរបោះរបស់យើង។
វិធីសាស្ត្រនៃការប្រើប្រាស់បច្ចេកវិទ្យាចាប់សញ្ញាពីចម្ងាយ (Remote Sensing) គឺមានសក្តានុពលធំធេងសម្រាប់វិស័យព្រៃឈើនៅកម្ពុជា។
ការបំពាក់បច្ចេកវិទ្យា LiDAR និងជំនាញវិភាគទិន្នន័យ 3D ដល់មន្ត្រីជំនាញ និងអ្នកស្រាវជ្រាវ នឹងជួយពង្រឹងសមត្ថភាពគ្រប់គ្រងធនធានធម្មជាតិ និងគម្រោង REDD+ នៅកម្ពុជាបានយ៉ាងមានប្រសិទ្ធភាពខ្ពស់។
ដើម្បីអនុវត្តតាមការសិក្សានេះ និស្សិតគួរអនុវត្តតាមជំហានខាងក្រោម៖
| ពាក្យបច្ចេកទេស | ការពន្យល់ជាខេមរភាសា (Khmer Explanation) | និយមន័យសាមញ្ញ (Simple Definition) |
|---|---|---|
| Continuous Cover Forestry | គឺជាវិធីសាស្ត្រគ្រប់គ្រងព្រៃឈើប្រកបដោយនិរន្តរភាព ដែលគេមិនកាប់ឆ្ការព្រៃឈើទាំងស្រុងនោះទេ ប៉ុន្តែគេកាប់ជ្រើសរើសតែដើមឈើមួយចំនួន ដើម្បីរក្សាគម្របព្រៃឈើជាប់ជានិច្ច និងអនុញ្ញាតឱ្យមានការដុះកូនឈើឡើងវិញដោយធម្មជាតិក្នងប្រព័ន្ធព្រៃឈើចម្រុះ។ | ដូចជាការដកស្មៅឬកាត់មែកឈើចាស់ៗចេញពីសួនច្បារដោយមិនបំផ្លាញសួនច្បារទាំងមូល ដើម្បីទុកឱ្យរុក្ខជាតិនិងកូនឈើផ្សេងៗទៀតលូតលាស់ជាបន្តបន្ទាប់។ |
| LiDAR | គឺជាបច្ចេកវិទ្យាចាប់សញ្ញាពីចម្ងាយដែលបញ្ចេញពន្លឺឡាស៊ែរទៅកាន់បរិស្ថានជុំវិញ និងវាស់ស្ទង់រយៈពេលដែលពន្លឺនោះចាំងត្រឡប់មកវិញ ដើម្បីបង្កើតជារូបភាព 3D នៃរចនាសម្ព័ន្ធព្រៃឈើ ឬផ្ទៃដីបានយ៉ាងសុក្រឹតបំផុត។ | ដូចជាសត្វប្រចៀវដែលបញ្ចេញសំឡេងហើយស្តាប់រលកសំឡេងត្រឡប់មកវិញដើម្បីដឹងពីទីតាំងឧបសគ្គនៅខាងមុខ គ្រាន់តែ LiDAR ប្រើពន្លឺឡាស៊ែរជំនួសរលកសំឡេង។ |
| Point cloud | ជាបណ្ដុំនៃចំនុចទិន្នន័យរាប់លាននៅក្នុងលំហកុំព្យូទ័រ (3D) ដែលចំនុចនីមួយៗតំណាងឱ្យទីតាំងដែលរលកឡាស៊ែរបានប៉ះ (ដូចជាស្លឹកឈើ មែក ឬគល់ឈើ) ដែលត្រូវប្រើសម្រាប់យកទៅវិភាគរចនាសម្ព័ន្ធរបស់ព្រៃឈើ។ | ដូចជាការគូររូបភាពដោយប្រើចំនុចពណ៌តូចៗរាប់លានផ្ដុំគ្នា (Pointillism) ដើម្បីបង្កើតចេញជារូបរាងដើមឈើនិងព្រៃឈើទាំងមូលនៅក្នុងកុំព្យូទ័រ។ |
| Aboveground Biomass | ជាទម្ងន់សរុបនៃរុក្ខជាតិ ឬផ្នែកនៃរុក្ខជាតិ (ដូចជាដើម មែក ស្លឹក) ដែលនៅពីលើផ្ទៃដីក្នុងតំបន់មួយ ដែលជាទិន្នន័យដ៏សំខាន់បំផុតសម្រាប់ប៉ាន់ស្មានបរិមាណស្តុកកាបូននៅក្នុងតំបន់ព្រៃឈើ។ | ដូចជាការថ្លឹងទម្ងន់ផ្នែកខាងលើរបស់ដើមឈើទាំងអស់នៅក្នុងព្រៃ ដើម្បីដឹងថាព្រៃនោះអាចផ្ទុកកាបូនបានប៉ុន្មានតោន។ |
| Diameter at Breast Height | ជារង្វាស់ស្តង់ដារក្នុងវិស័យព្រៃឈើ ដែលសំដៅលើការវាស់អង្កត់ផ្ចិតរបស់ដើមឈើនៅកម្ពស់ដើមទ្រូង (ប្រហែល ១.៣ ម៉ែត្រពីផ្ទៃដី) ដើម្បីប្រើសម្រាប់គណនាទំហំ បរិមាណឈើ និងជីវម៉ាស។ | ដូចជាជាងកាត់ដេរដែលវាស់ទំហំចង្កេះរបស់មនុស្សដើម្បីដឹងពីទំហំខ្លួន តែនេះគឺការវាស់ទំហំដើមឈើនៅកម្ពស់ទ្រូង។ |
| Ecosystem Morphological Traits | ជាក្របខ័ណ្ឌរង្វាស់នៃលក្ខណៈរូបរាងរបស់ប្រព័ន្ធអេកូឡូស៊ី ដោយផ្តោតលើអថេរសំខាន់ៗចំនួនបីគឺ៖ កម្ពស់ កម្រិតគ្របដណ្តប់នៃដំបូលព្រៃ និងភាពស្មុគស្មាញនៃរចនាសម្ព័ន្ធ ដើម្បីប៉ាន់ស្មានការលូតលាស់និងជីវម៉ាសដោយមិនចាំបាច់ស្គាល់ប្រភេទពូជឈើ។ | ដូចជាការពណ៌នារូបរាងមនុស្សម្នាក់តាមរយៈ កម្ពស់ ទម្ងន់ និងទំហំខ្លួន ជាជាងការខ្វាយខ្វល់រករឹសគល់ថាគាត់មានឈ្មោះអ្វីឬមកពីណា។ |
| Mobile Laser Scanning | ជាឧបករណ៍ស្កែនឡាស៊ែរដែលអាចចល័តបាន (ដូចជាស្ពាយពីក្រោយខ្នង ឬកាន់ផ្ទាល់នឹងដៃ) ដែលអនុញ្ញាតឱ្យអ្នកស្រាវជ្រាវដើរចូលទៅក្នុងព្រៃដើម្បីប្រមូលទិន្នន័យ 3D លម្អិតពីក្រោមដំបូលព្រៃយ៉ាងរហ័ស និងគ្របដណ្តប់ផ្ទៃដីបានធំជាងការឈរស្កែននៅមួយកន្លែង។ | ដូចជាការកាន់កាមេរ៉ាដើរថតវីដេអូរុករកក្នុងព្រៃ ដើម្បីថតយករូបភាពរចនាសម្ព័ន្ធដើមឈើជុំវិញខ្លួន ជំនួសឱ្យការដាក់ជើងទម្រកាមេរ៉ាថតនៅនឹងមួយកន្លែងយូរៗ។ |
| Allometric modelling | ជាការប្រើប្រាស់រូបមន្តគណិតវិទ្យាដើម្បីទស្សន៍ទាយទំហំដែលពិបាកវាស់ដោយផ្ទាល់ (ដូចជាបរិមាណឈើសរុប ឬជីវម៉ាស) ដោយផ្អែកលើទំហំដែលងាយវាស់ (ដូចជាអង្កត់ផ្ចិតដើមឈើ DBH និងកម្ពស់) តាមរយៈទំនាក់ទំនងនៃកំណើនសមាមាត្ររបស់វា។ | ដូចជាការប្រើប្រាស់ទំហំស្បែកជើង និងកម្ពស់មនុស្សម្នាក់ ដើម្បីទស្សន៍ទាយទម្ងន់របស់គាត់ ដោយមិនចាំបាច់ឱ្យគាត់ឡើងថ្លឹងលើជញ្ជីងផ្ទាល់។ |
អត្ថបទដែលបានបោះពុម្ពនៅលើ KhmerResearch ដែលទាក់ទងនឹងប្រធានបទនេះ៖
ប្រធានបទ និងសំណួរស្រាវជ្រាវដែលទាក់ទងនឹងឯកសារនេះ ដែលអ្នកអាចស្វែងរកបន្ថែម៖
