Original Title: REMOTE SENSING AND GIS-BASED SPATIAL MAPPING AND ANALYSIS OF FOREST FIRE IMPACT ON DIFFERENT CADASTRAL PROPERTY TYPES
Disclaimer: Summary generated by AI based on the provided document. Please refer to the original paper for full scientific accuracy.

ការគូសផែនទីលំហ និងការវិភាគផ្អែកលើប្រព័ន្ធព័ត៌មានភូមិសាស្ត្រ (GIS) និងតេឡេវាទកម្ម ពីផលប៉ះពាល់នៃភ្លើងឆេះព្រៃទៅលើប្រភេទអចលនទ្រព្យសុរិយោដីផ្សេងៗគ្នា

ចំណងជើងដើម៖ REMOTE SENSING AND GIS-BASED SPATIAL MAPPING AND ANALYSIS OF FOREST FIRE IMPACT ON DIFFERENT CADASTRAL PROPERTY TYPES

អ្នកនិពន្ធ៖ Elia Stoyanova (University of Architecture, Civil Engineering and Geodesy (UACEG))

ឆ្នាំបោះពុម្ព៖ 2024, Proceedings, 9th International Conference on Cartography and GIS

វិស័យសិក្សា៖ Geomatics and Environmental Science

១. សេចក្តីសង្ខេបប្រតិបត្តិ (Executive Summary)

បញ្ហា (The Problem)៖ ភ្លើងឆេះព្រៃនៅក្នុងតំបន់ Haskovo នៃប្រទេសប៊ុលហ្គារីបណ្តាលឱ្យមានការខូចខាតយ៉ាងធ្ងន់ធ្ងរ ដែលទាមទារឱ្យមានការវាយតម្លៃច្បាស់លាស់លើអចលនទ្រព្យសុរិយោដីដែលរងផលប៉ះពាល់ ដើម្បីណែនាំដល់យុទ្ធសាស្ត្រស្តារឡើងវិញ និងការគ្រប់គ្រងដីធ្លី។

វិធីសាស្ត្រ (The Methodology)៖ ការសិក្សានេះប្រើប្រាស់បច្ចេកវិទ្យាតេឡេវាទកម្ម (Remote Sensing) និងប្រព័ន្ធព័ត៌មានភូមិសាស្ត្រ (GIS) បើកចំហ ដើម្បីស្វែងរក និងវិភាគតំបន់ដែលរងការឆេះ។

លទ្ធផលសំខាន់ៗ (The Verdict)៖

២. ការវិភាគលើប្រសិទ្ធភាព និងដែនកំណត់ (Performance & Constraints)

វិធីសាស្ត្រ (Method) គុណសម្បត្តិ (Pros) គុណវិបត្តិ (Cons) លទ្ធផលគន្លឹះ (Key Result)
Spectral Analysis (NBR and dNBR)
ការវិភាគវិសាលគម (សន្ទស្សន៍ NBR និង dNBR)
ផ្តល់នូវការវាស់វែងបរិមាណ និងភាពធ្ងន់ធ្ងរនៃភ្លើងឆេះបានយ៉ាងច្បាស់លាស់ និងរហ័សដោយផ្អែកលើការប្រែប្រួលនៃរុក្ខជាតិមុន និងក្រោយពេលឆេះ។ ទាមទារឱ្យមានការកាត់ចេញនូវពពក និងផ្ទៃទឹក (Cloud and Water Masks) ជាមុន ដើម្បីជៀសវាងការគណនាខុស។ អាចកំណត់បានយ៉ាងជាក់លាក់នូវតំបន់ឆេះចំនួន ២៣កន្លែង នៅក្នុងតំបន់ Haskovo។
GIS-based Cadastral Spatial Integration
ការធ្វើសមាហរណកម្មលំហទិន្នន័យសុរិយោដីផ្អែកលើ GIS
ភ្ជាប់ព័ត៌មាននៃការខូចខាតបរិស្ថានទៅនឹងទិន្នន័យកម្មសិទ្ធិដីធ្លី សេដ្ឋកិច្ច និងប្រភេទនៃការប្រើប្រាស់ដី ដែលជួយដល់ការសម្រេចចិត្ត។ ពឹងផ្អែកទាំងស្រុងទៅលើភាពត្រឹមត្រូវ និងបច្ចុប្បន្នភាពនៃទិន្នន័យវ៉ិចទ័រ (Vector data) របស់រដ្ឋាភិបាល។ បានបំបែកទិន្នន័យលម្អិតនៃអចលនទ្រព្យដែលរងគ្រោះ (ឧទាហរណ៍៖ អចលនទ្រព្យឯកជន ២៥៣ កន្លែងរងការខូចខាតដោយសារភ្លើងលេខ ១៥)។

ការចំណាយលើធនធាន (Resource Cost)៖ ការសិក្សានេះចំណាយតិចតួចបំផុត ដោយសារវាពឹងផ្អែកទាំងស្រុងទៅលើកម្មវិធីកុំព្យូទ័រប្រភពបើកចំហ (Open-source) និងទិន្នន័យផ្កាយរណបឥតគិតថ្លៃ។

៣. ការពិនិត្យសម្រាប់បរិបទកម្ពុជា/អាស៊ីអាគ្នេយ៍

ភាពលំអៀងនៃទិន្នន័យ (Data Bias)៖

ការសិក្សានេះត្រូវបានអនុវត្តនៅតំបន់ Haskovo ប្រទេសប៊ុលហ្គារី ដែលមានលក្ខណៈភូមិសាស្ត្រជាតំបន់ខ្ពង់រាប អាកាសធាតុអឺរ៉ុប និងមានប្រព័ន្ធចុះបញ្ជីសុរិយោដីច្បាស់លាស់។ សម្រាប់ប្រទេសកម្ពុជា ការអនុវត្តអាចមានបញ្ហាប្រឈមដោយសារតែគម្របព្រៃឈើក្រាស់ អាកាសធាតុត្រូពិចដែលមានពពកច្រើននៅរដូវវស្សា និងប្រព័ន្ធទិន្នន័យកម្មសិទ្ធិដីធ្លីដែលនៅមិនទាន់បានធ្វើបច្ចុប្បន្នភាពឌីជីថលពេញលេញនៅតាមតំបន់ដាច់ស្រយាលមួយចំនួន។

លទ្ធភាពនៃការអនុវត្ត (Applicability)៖

វិធីសាស្ត្រនេះមានសារៈសំខាន់ និងអាចអនុវត្តបានយ៉ាងមានប្រសិទ្ធភាពខ្ពស់សម្រាប់ប្រទេសកម្ពុជា ពិសេសក្នុងរដូវប្រាំងដែលសំបូរភ្លើងឆេះព្រៃ។

ការធ្វើសមាហរណកម្មទិន្នន័យផ្កាយរណបជាមួយប្រព័ន្ធសុរិយោដីកម្ពុជា នឹងជួយពន្លឿនការដោះស្រាយវិវាទដីធ្លីក្រោយពេលមានភ្លើងឆេះ និងពង្រឹងការគ្រប់គ្រងដីរដ្ឋបានយ៉ាងមានតម្លាភាព។

៤. ផែនការសកម្មភាពសម្រាប់និស្សិត (Actionable Roadmap)

ដើម្បីអនុវត្តតាមការសិក្សានេះ និស្សិតគួរអនុវត្តតាមជំហានខាងក្រោម៖

  1. ប្រមូល និងរៀបចំទិន្នន័យផ្កាយរណប: ប្រើប្រាស់គណនីឥតគិតថ្លៃដើម្បីទាញយករូបភាព Sentinel-2 មុននិងក្រោយពេលឆេះពី Copernicus Data Space Ecosystem។ បន្ទាប់មក ប្រើប្រាស់កម្មវិធី SNAP ដើម្បីកាត់យកតែតំបន់សិក្សា (Subset) និងតម្រឹមទំហំភីកសែល (Resampling) ឱ្យស្មើគ្នា។
  2. គណនាសន្ទស្សន៍ភ្លើងឆេះព្រៃ (Fire Indices): ប្រើប្រាស់មុខងារ Band Math នៅក្នុង SNAPQGIS ដើម្បីគណនាសន្ទស្សន៍ NBR និង dNBR។ កុំភ្លេចបង្កើត Cloud and Water Masks ដើម្បីលុបបំបាត់ពពក និងផ្ទៃទឹកចេញពីការវិភាគ។
  3. ទាញយក និងធ្វើសមាហរណកម្មទិន្នន័យសុរិយោដី: ស្វែងរកទិន្នន័យវ៉ិចទ័រ (Shapefiles) នៃព្រំប្រទល់ឃុំ/ស្រុក និងក្បាលដីពីគេហទំព័រ Open Development Cambodia (ODC) ឬស្នើសុំពីក្រសួងរៀបចំដែនដី។ បញ្ចូលទិន្នន័យនេះទៅក្នុងកម្មវិធី QGIS
  4. អនុវត្តការវិភាគលំហ (Spatial Analysis): នៅក្នុង QGIS សូមប្រើប្រាស់ឧបករណ៍ធរណីមាត្រ (Geoprocessing Tools) ដូចជា IntersectZonal Statistics ដើម្បីត្រួតស៊ីគ្នារវាងផ្ទៃដីដែលឆេះ (ពីទិន្នន័យ dNBR) ជាមួយនឹងព្រំប្រទល់ក្បាលដី។
  5. បង្កើតរបាយការណ៍ និងផែនទីផលប៉ះពាល់: បង្កើតផែនទីចុងក្រោយ (Layout) នៅក្នុង QGIS ដែលបង្ហាញពីក្បាលដីដែលរងការឆេះ និងទាញយកទិន្នន័យគុណលក្ខណៈ (Attribute Table) ទៅជា Excel ដើម្បីគូសជាក្រាហ្វិចបង្ហាញពីភាគរយនៃប្រភេទដីដែលរងការខូចខាត (ឧ. ដីរដ្ឋ vs ដីឯកជន) សម្រាប់ជូនរបាយការណ៍ដល់អាជ្ញាធរ។

៥. វាក្យសព្ទបច្ចេកទេស (Technical Glossary)

ពាក្យបច្ចេកទេស ការពន្យល់ជាខេមរភាសា (Khmer Explanation) និយមន័យសាមញ្ញ (Simple Definition)
Remote Sensing ការប្រមូលទិន្នន័យ និងព័ត៌មានអំពីផ្ទៃផែនដីពីចម្ងាយ (ជាទូទៅប្រើប្រាស់ឧបករណ៍បំពាក់លើផ្កាយរណប ឬយន្តហោះ) ដោយមិនចាំបាច់ចុះទៅវាស់វែងផ្ទាល់នៅទីតាំងនោះ។ វារួមបញ្ចូលការថតយករូបភាព ការវាស់កម្តៅ និងការវិភាគរលកពន្លឺ។ ដូចជាការប្រើកែវយឹត ឬដ្រូន ដើម្បីពិនិត្យមើលទិដ្ឋភាពរួមនៃព្រៃមួយពីលើអាកាស ដោយមិនបាច់ដើរចូលទៅផ្ទាល់។
Geographic Information Systems (GIS) ប្រព័ន្ធកុំព្យូទ័រ (រួមមានកម្មវិធីដូចជា QGIS) ដែលត្រូវបានរចនាឡើងដើម្បីចាប់យក រក្សាទុក វិភាគ និងបង្ហាញទិន្នន័យគ្រប់ប្រភេទដែលមានភ្ជាប់ជាមួយទីតាំងភូមិសាស្ត្រជាក់លាក់នៅលើផែនដី។ ដូចជាផែនទីឌីជីថលដ៏ឆ្លាតវៃដែលអាចប្រាប់យើងពីព័ត៌មានលម្អិតនៃទីតាំងនីមួយៗ (ឧទាហរណ៍៖ ទីតាំងនេះជាដីរដ្ឋ ទីតាំងនោះជាដីស្រែ) ត្រួតស៊ីគ្នានៅលើផ្ទៃតែមួយ។
Cadastral properties ទិន្នន័យផ្លូវការរបស់រដ្ឋទាក់ទងនឹងព្រំប្រទល់ ទំហំ ប្រភេទនៃការប្រើប្រាស់ដី និងកម្មសិទ្ធិ (ឯកជន ឬរដ្ឋ) របស់ក្បាលដីនីមួយៗនៅក្នុងតំបន់ណាមួយ។ ដូចជាប្លង់រឹងដែលបញ្ជាក់ច្បាស់លាស់ថា ដីមួយដុំមានទំហំប៉ុណ្ណា ព្រំប្រទល់ដល់ណា និងជារបស់នរណា។
Normalized Burn Ratio (NBR) រូបមន្តគណនាសន្ទស្សន៍នៅក្នុងការវិភាគតេឡេវាទកម្ម ដែលប្រើប្រាស់ភាពខុសគ្នានៃការចំណាំងផ្លាតនៃរលកពន្លឺក្រហមអាំងប្រា (NIR) និងរលកពន្លឺខ្លី (SWIR) ដើម្បីកំណត់ទីតាំងផ្ទៃដីដែលត្រូវបានឆេះ។ តំបន់ឆេះមានការចំណាំងផ្លាត SWIR ខ្ពស់ និង NIR ទាប។ ដូចជាវ៉ែនតាវេទមន្តដែលអាចចម្រោះពណ៌រុក្ខជាតិ ដើម្បីប្រាប់យើងភ្លាមៗថាតំបន់ណាមានដើមឈើស្រស់ និងតំបន់ណាដែលទើបតែត្រូវភ្លើងឆេះខ្លោច។
Differenced Normalized Burn Ratio (dNBR) ការវិភាគដោយយកតម្លៃ NBR មុនពេលមានភ្លើងឆេះ ដកនឹងតម្លៃ NBR ក្រោយពេលមានភ្លើងឆេះ។ លទ្ធផលដែលទទួលបានជួយឱ្យគេដឹងពីកម្រិតនៃភាពធ្ងន់ធ្ងរដែលបង្កដោយភ្លើងឆេះនោះ (ឆេះតិចតួច ឬឆេះហ្មត់)។ ដូចជាការប្រៀបធៀបរូបថតសួតរបស់អ្នកជំងឺមុន និងក្រោយពេលកើតជំងឺ ដើម្បីវាយតម្លៃថាជំងឺនោះបំផ្លាញសួតកម្រិតណា។
Multispectral satellite images រូបភាពផ្កាយរណបដែលចាប់យកទិន្នន័យរូបភាពទៅតាមកម្រិតរលកពន្លឺជាច្រើនប្រភេទផ្សេងៗគ្នា (Bands) ដែលក្នុងនោះមានទាំងពន្លឺដែលភ្នែកមនុស្សមើលឃើញ (ក្រហម ខៀវ បៃតង) និងពន្លឺដែលភ្នែកមនុស្សមើលមិនឃើញ (ដូចជាពន្លឺកម្តៅអាំងប្រាខៀវ)។ ដូចជាកាមេរ៉ាទំនើបដែលអាចថតបានទាំងរូបភាពធម្មតា និងរូបភាពកម្តៅក្នុងពេលតែមួយ ដើម្បីឱ្យយើងអាចមើលឃើញលក្ខណៈលាក់កំបាំងរបស់វត្ថុ។
Resampling ដំណើរការគណនាក្នុងកម្មវិធីកុំព្យូទ័រ ដើម្បីបំប្លែងទំហំភីកសែល (Pixel size) នៃរូបភាពផ្កាយរណបពីទំហំមួយទៅទំហំមួយទៀត ក្នុងគោលបំណងធ្វើឱ្យរូបភាពផ្សេងៗមានទំហំភីកសែលស្មើគ្នា ដែលអនុញ្ញាតឱ្យគេអាចយកវាទៅប្រៀបធៀប ឬត្រួតស៊ីគ្នាបាន។ ដូចជាការទាញបង្រួម ឬពង្រីករូបថតពីរផ្ទាំងឱ្យមានទំហំប៉ុនគ្នាពិតប្រាកដ ដើម្បីងាយស្រួលដាក់ផ្ទឹមគ្នាមើល។
Cloud and Water masks បច្ចេកទេសប្រើប្រាស់ក្បួនគណនាដើម្បីកំណត់ទីតាំង និងលុបផ្ទៃពពក ឬផ្ទៃទឹកចេញពីរូបភាពផ្កាយរណបដោយស្វ័យប្រវត្តិ ដើម្បីកុំឱ្យពួកវារំខានដល់ការវិភាគ ឬធ្វើឱ្យការគណនាតំបន់ឆេះនៅលើផ្ទៃដីមានភាពខុសឆ្គង។ ដូចជាការប្រើជ័រលុប ដើម្បីលុបស្នាមប្រឡាក់ចេញពីផ្ទាំងគំនូរ ដើម្បីកុំឱ្យវាមកបិទបាំងទិដ្ឋភាពសំខាន់ដែលយើងចង់មើល។

៦. ប្រធានបទពាក់ព័ន្ធ (Further Reading)

អត្ថបទដែលបានបោះពុម្ពនៅលើ KhmerResearch ដែលទាក់ទងនឹងប្រធានបទនេះ៖

ប្រធានបទ និងសំណួរស្រាវជ្រាវដែលទាក់ទងនឹងឯកសារនេះ ដែលអ្នកអាចស្វែងរកបន្ថែម៖