បញ្ហា (The Problem)៖ អត្ថបទនេះពិនិត្យមើលទៅលើបញ្ហាប្រឈមក្នុងការវាយតម្លៃ និងត្រួតពិនិត្យបរិមាណកាបូនក្នុងព្រៃឈើឱ្យបានច្បាស់លាស់ ដែលជាតម្រូវការចាំបាច់សម្រាប់កិច្ចព្រមព្រៀងអាកាសធាតុសកល និងយន្តការទីផ្សារកាបូន (REDD+)។
វិធីសាស្ត្រ (The Methodology)៖ ការសិក្សានេះគឺជាការពិនិត្យឡើងវិញ (Review) យ៉ាងទូលំទូលាយនូវវិធីសាស្ត្រប៉ាន់ប្រមាណកាបូនព្រៃឈើ និងការអនុវត្តបច្ចេកវិទ្យាវាស់ស្ទង់ពីចម្ងាយ (Remote Sensing)។
លទ្ធផលសំខាន់ៗ (The Verdict)៖
| វិធីសាស្ត្រ (Method) | គុណសម្បត្តិ (Pros) | គុណវិបត្តិ (Cons) | លទ្ធផលគន្លឹះ (Key Result) |
|---|---|---|---|
| Process-based Models ម៉ូដែលផ្អែកលើដំណើរការអេកូឡូស៊ី |
អាចទស្សន៍ទាយពីសក្ដានុពលនៃកាបូននាពេលអនាគតក្រោមសេណារីយ៉ូនៃការប្រែប្រួលអាកាសធាតុ និងការគ្រប់គ្រងព្រៃឈើ។ | មានភាពមិនច្បាស់លាស់ខ្ពស់នៅកម្រិតភាពច្បាស់ (Spatial resolution) ទាប ហើយមិនទាន់មានភាពចាស់ទុំគ្រប់គ្រាន់សម្រាប់ប្រព័ន្ធ MRV នោះទេ។ | មានប្រយោជន៍សម្រាប់ការប៉ាន់ប្រមាណលំហូរកាបូនក្នុងតំបន់ទូលំទូលាយ ប៉ុន្តែលទ្ធផលប្រែប្រួលខ្លាំងទៅតាមទិន្នន័យបញ្ចូល។ |
| Inventory-based Methods (NFI) វិធីសាស្ត្រផ្អែកលើបញ្ជីសារពើភណ្ឌព្រៃឈើ (ការចុះវាស់ផ្ទាល់) |
ផ្តល់នូវភាពត្រឹមត្រូវ និងភាពជឿជាក់ខ្ពស់បំផុតសម្រាប់ជីវម៉ាសលើដី (Aboveground biomass) និងដើរតួជាទិន្នន័យយោង (Ground truth) ដ៍សំខាន់។ | ចំណាយថវិកា និងពេលវេលាច្រើន ហើយខ្វះទិន្នន័យតាមដានរយៈពេលវែងសម្រាប់ដី និងកាបូនក្នុងឈើងាប់នៅកម្រិតថ្នាក់ជាតិ។ | ជាប្រភពទិន្នន័យចម្បង និងសុក្រឹតបំផុតសម្រាប់ការប៉ាន់ប្រមាណកាបូនថ្នាក់ជាតិ (ឧ. ប្រព័ន្ធ FIA នៅសហរដ្ឋអាមេរិក)។ |
| Optical Remote Sensing (Landsat/Sentinel-2) ការវាស់ស្ទង់ពីចម្ងាយដោយអុបទិក |
មានទិន្នន័យប្រវត្តិសាស្ត្រយូរអង្វែង អាចប្រើប្រាស់ដោយឥតគិតថ្លៃ និងល្អសម្រាប់ការគូសផែនទីការផ្លាស់ប្តូរគម្របព្រៃឈើ។ | មិនអាចវាស់រចនាសម្ព័ន្ធព្រៃឈើ៣វិមាត្របានទេ ហើយសញ្ញាច្រើនតែឆ្អែត (Saturates) នៅពេលវាស់តំបន់ព្រៃដែលមានជីវម៉ាសក្រាស់។ | អាចតាមដានព្រៃឈើក្នុងកម្រិតភាពច្បាស់ក្រោមហិកតាអស់ជាច្រើនទសវត្សរ៍ ប៉ុន្តែត្រូវបន្សំជាមួយ LiDAR/SAR ដើម្បីវាស់ជីវម៉ាស។ |
| LiDAR & SAR (GEDI, ICESat-2, Sentinel-1) ប្រព័ន្ធវាស់ស្ទង់រ៉ាដា និងឡាស៊ែរ |
អាចជ្រាបកាត់ពពក (SAR) និងផ្តល់រចនាសម្ព័ន្ធបញ្ឈរ ព្រមទាំងកម្ពស់ដើមឈើ (LiDAR) បានយ៉ាងច្បាស់ដោយមិនងាយឆ្អែតសញ្ញា។ | LiDAR (ដូចជា GEDI) ចាប់យកបានត្រឹមជាគំរូតាមខ្សែគន្លង (Track samples) ដែលតម្រូវឲ្យមានក្បួនដោះស្រាយស្មុគស្មាញដើម្បីធ្វើការតភ្ជាប់ជាផែនទីពេញលេញ។ | ផ្តល់នូវភាពជាក់លាក់កម្រិតខ្ពស់ដែលមិនធ្លាប់មានសម្រាប់ការប៉ាន់ប្រមាណជីវម៉ាសព្រៃឈើ។ |
ការចំណាយលើធនធាន (Resource Cost)៖ ការសិក្សានេះពឹងផ្អែកខ្លាំងលើការប្រើប្រាស់ទិន្នន័យផ្កាយរណបសាធារណៈដោយឥតគិតថ្លៃ ប៉ុន្តែទាមទារធនធានកុំព្យូទ័រធំ និងទិន្នន័យផ្ទាល់ពីដីដើម្បីផ្ទៀងផ្ទាត់។
អត្ថបទសិក្សានេះភាគច្រើនផ្អែកលើទិន្នន័យ និងប្រព័ន្ធត្រួតពិនិត្យនៅក្នុងសហរដ្ឋអាមេរិក (FIA, NAFD) កាណាដា និងអឺរ៉ុប។ សម្រាប់ប្រទេសកម្ពុជា ឬតំបន់ត្រូពិច ដែលមានប្រភេទព្រៃស្រោងស្មុគស្មាញ និងខ្វះខាតទិន្នន័យប្រវត្តិសាស្ត្រនៃការវាស់វែងលើដី ការអនុវត្តក្បួនដោះស្រាយទាំងនេះដោយផ្ទាល់អាចនឹងមិនឆ្លុះបញ្ចាំងពីស្ថានភាពជាក់ស្តែងនោះទេ ប្រសិនបើគ្មានការសម្របសម្រួល (Calibration) ជាមួយទិន្នន័យក្នុងស្រុក។
វិធីសាស្ត្រវាស់ស្ទង់ពីចម្ងាយនេះមានសារៈសំខាន់ខ្លាំងណាស់សម្រាប់កម្ពុជា ជាពិសេសក្នុងការជួយគាំទ្រដល់គម្រោងអភិរក្សព្រៃឈើ និងទីផ្សារកាបូន។
ការរួមបញ្ចូលទិន្នន័យផ្កាយរណបឥតគិតថ្លៃកម្រិតខ្ពស់ ជាមួយនឹងការចុះប្រមូលទិន្នន័យផ្ទាល់លើដី នឹងផ្តល់អំណាចដល់កម្ពុជាក្នុងការបង្កើតប្រព័ន្ធត្រួតពិនិត្យ (MRV) ដែលមានតម្លាភាព និងគួរឱ្យទុកចិត្តដើម្បីទាញយកប្រយោជន៍ពីហិរញ្ញប្បទានអាកាសធាតុ។
ដើម្បីអនុវត្តតាមការសិក្សានេះ និស្សិតគួរអនុវត្តតាមជំហានខាងក្រោម៖
| ពាក្យបច្ចេកទេស | ការពន្យល់ជាខេមរភាសា (Khmer Explanation) | និយមន័យសាមញ្ញ (Simple Definition) |
|---|---|---|
| Aboveground biomass | សំដៅលើម៉ាស់ឬទម្ងន់សរុបនៃផ្នែកទាំងអស់របស់រុក្ខជាតិមានជីវិត (ដូចជា ដើម មែក ស្លឹក) ដែលដុះនៅពីលើផ្ទៃដី ដែលជាកន្លែងផ្ទុកកាបូនដ៏សំខាន់បំផុតនៅក្នុងប្រព័ន្ធអេកូឡូស៊ីព្រៃឈើ។ | ដូចជាទម្ងន់សរុបនៃសាច់ឈើទាំងអស់នៅក្នុងព្រៃដែលអាចមើលឃើញ និងថ្លឹងបានដោយមិនបាច់គិតពីឫសនៅក្រោមដី។ |
| LiDAR | បច្ចេកវិទ្យាវាស់ស្ទង់ដោយពន្លឺ (Light Detection and Ranging) ដែលប្រើប្រាស់ចង្កោមពន្លឺឡាស៊ែរបាញ់ពីផ្កាយរណប ឬយន្តហោះមកលើផែនដី ដើម្បីវាស់កម្ពស់ដើមឈើ និងបង្កើតជារចនាសម្ព័ន្ធព្រៃឈើជាទម្រង់ ៣ វិមាត្រ (3D)។ | ដូចជាសត្វប្រចៀវបញ្ចេញសំឡេងហើយស្តាប់អេកូត្រលប់មកវិញដើម្បីដឹងពីទីតាំងឧបសគ្គ តែបច្ចេកវិទ្យានេះប្រើពន្លឺឡាស៊ែរដើម្បីវាស់កម្ពស់ដើមឈើ។ |
| Synthetic Aperture Radar (SAR) | រ៉ាដាវាស់ស្ទង់ពីចម្ងាយដែលប្រើរលកអាកាស (Microwave) អាចបាញ់ទម្លុះពពក ភ្លៀង ឬស្លឹកឈើក្រាស់ៗ ដើម្បីថតយករូបភាពផ្ទៃដី និងប្រមូលព័ត៌មានពីរចនាសម្ព័ន្ធព្រៃឈើ ទោះបីជានៅពេលយប់ ឬរដូវវស្សាក៏ដោយ។ | ដូចជាម៉ាស៊ីនថតកាំរស្មីអ៊ិច (X-ray) នៅមន្ទីរពេទ្យដែលអាចមើលឆ្លុះសាច់ឃើញឆ្អឹង ដោយមិនខ្វល់ពីសម្លៀកបំពាក់ដែលបាំងពីក្រៅ។ |
| MRV (Measurement, Reporting, and Verification) | ប្រព័ន្ធនៃការវាស់វែង ការរាយការណ៍ និងការផ្ទៀងផ្ទាត់ ដែលជាស្តង់ដារអន្តរជាតិសម្រាប់គណនា និងបញ្ជាក់ថា តើគម្រោងព្រៃឈើមួយពិតជារក្សាកាបូនបានប៉ុន្មាន ដើម្បីធានាតម្លាភាពក្នុងការលក់ឥណទានកាបូន (Carbon Credits)។ | ដូចជាអ្នកសវនករចុះមកពិនិត្យបញ្ជីគណនេយ្យក្រុមហ៊ុន ដើម្បីបញ្ជាក់ថាប្រាក់ចំណេញមានពិតប្រាកដមែនឬអត់ មុននឹងអនុញ្ញាតឱ្យគេវិនិយោគ។ |
| Gross Primary Production (GPP) | បរិមាណកាបូនសរុប (គិតជាអត្រា) ដែលរុក្ខជាតិស្រូបយកពីបរិយាកាសតាមរយៈដំណើរការរស្មីសំយោគដើម្បីបង្កើតជាថាមពលសម្រាប់លូតលាស់។ | ដូចជាប្រាក់ខែសរុប (Gross Salary) ដែលអ្នករកបាន មុនពេលទូទាត់កាត់កងពន្ធ និងចំណាយប្រចាំថ្ងៃផ្សេងៗ។ |
| Process-based models | កម្មវិធីកុំព្យូទ័រដែលធ្វើត្រាប់តាមច្បាប់ធម្មជាតិនិងជីវរូបវិទ្យា (ដូចជាការស្រូបពន្លឺ ការរំហួតទឹក ការដកដង្ហើមរបស់រុក្ខជាតិ) ដើម្បីទស្សន៍ទាយថាតើព្រៃឈើនឹងស្តុកកាបូនបានប៉ុន្មានក្នុងលក្ខខណ្ឌអាកាសធាតុប្រែប្រួល។ | ដូចជាហ្គេម SimCity ដែលអាចគណនាថាទីក្រុងនឹងរីកចម្រើនយ៉ាងណា ប្រសិនបើយើងផ្តល់ផ្លូវ និងទឹកគ្រប់គ្រាន់ឱ្យប្រជាជន។ |
| Carbon Flux | លំហូរឬការផ្លាស់ទីនៃកាបូនចុះឡើងរវាងបរិយាកាស (ខ្យល់) និងប្រព័ន្ធអេកូឡូស៊ីលើដី (ព្រៃឈើ ដី) ដូចជាពេលរុក្ខជាតិស្រូបកាបូនចូល (Carbon Uptake) និងពេលមានភ្លើងឆេះព្រៃដែលបញ្ចេញកាបូនទៅវិញ (Carbon Emission)។ | ដូចជាចរន្តទឹកចេញចូលក្នុងអាងស្តុកទឹក ដែលមានទឹកហូរចូលតំណាងឱ្យការស្រូបកាបូន និងទឹកហូរចេញតំណាងឱ្យការភាយកាបូនចូលខ្យល់វិញ។ |
| Allometric equations | សមីការគណិតវិទ្យាដែលត្រូវបានបង្កើតឡើងដើម្បីប៉ាន់ប្រមាណបរិមាណជីវម៉ាស ឬទម្ងន់របស់ដើមឈើទាំងមូល ដោយផ្អែកលើការវាស់វែងទំហំរាងកាយងាយៗដូចជា អង្កត់ផ្ចិតគល់ឈើ និងកម្ពស់ដើម។ | ដូចជារូបមន្តទស្សន៍ទាយទម្ងន់របស់មនុស្សម្នាក់ ដោយគ្រាន់តែដឹងពីកម្ពស់ និងទំហំចង្កេះរបស់គាត់ដោយមិនបាច់ដាក់គាត់ផ្ទាល់លើជញ្ជីង។ |
អត្ថបទដែលបានបោះពុម្ពនៅលើ KhmerResearch ដែលទាក់ទងនឹងប្រធានបទនេះ៖
ប្រធានបទ និងសំណួរស្រាវជ្រាវដែលទាក់ទងនឹងឯកសារនេះ ដែលអ្នកអាចស្វែងរកបន្ថែម៖
