បញ្ហា (The Problem)៖ ការគ្រប់គ្រងជម្រកសត្វព្រៃភាគច្រើនតែងតែមើលរំលងសារៈសំខាន់នៃព្រៃស្រោង និងគុណតម្លៃអាហារូបត្ថម្ភនៃកូនរុក្ខជាតិ ដែលជាប្រភពចំណីដ៏សំខាន់សម្រាប់ថនិកសត្វធំៗ ដែលជាចំណីរបស់សត្វខ្លា ដូចជាសត្វខ្ទីង និងប្រើស។ ការសិក្សានេះមានគោលបំណងវាយតម្លៃគុណតម្លៃអាហារូបត្ថម្ភ និងការព្យាករណ៍លំហជម្រកសក្តានុពលដោយផ្អែកលើប្រភេទកូនរុក្ខជាតិចំណីទាំងនេះ។
វិធីសាស្ត្រ (The Methodology)៖ ការសិក្សានេះបានប្រមូលទិន្នន័យពីទីតាំងសំណាកចំនួន ១៥០ និងប្រើប្រាស់គំរូទស្សន៍ទាយចំណាត់ថ្នាក់ប្រភេទរុក្ខជាតិ ដើម្បីវិភាគតម្លៃអាហារូបត្ថម្ភ និងការជ្រើសរើសចំណី។
លទ្ធផលសំខាន់ៗ (The Verdict)៖
| វិធីសាស្ត្រ (Method) | គុណសម្បត្តិ (Pros) | គុណវិបត្តិ (Cons) | លទ្ធផលគន្លឹះ (Key Result) |
|---|---|---|---|
| Ivlev's Electivity Index ការគណនាសន្ទស្សន៍នៃការជ្រើសរើសចំណី Ivlev |
មានភាពសាមញ្ញក្នុងការគណនា និងបង្ហាញយ៉ាងច្បាស់ពីចំណូលចិត្តរបស់សត្វលើប្រភេទចំណីនីមួយៗធៀបនឹងបរិមាណដែលមាននៅក្នុងធម្មជាតិ។ | ពឹងផ្អែកខ្លាំងលើភាពត្រឹមត្រូវនៃការសង្កេតស្លាកស្នាមបន្សល់ទុកនៅទីវាល និងមិនបានបញ្ជាក់ពីមូលហេតុផ្នែកអាហារូបត្ថម្ភនៃការជ្រើសរើសនោះទេ។ | រកឃើញថាប្រភេទកូនរុក្ខជាតិ Irvingia malayana (០,៩២) និង Micromelum minutum (០,៥៨) ជាចំណីដែលសត្វជ្រើសរើសស៊ីផ្តាច់មុខ។ |
| Nutritional Value Analysis (CP, NDF, ADF, ADL) ការវិភាគគុណតម្លៃអាហារូបត្ថម្ភរុក្ខជាតិ (ប្រូតេអ៊ីន និងកាកសរសៃ) |
ផ្តល់ទិន្នន័យវិទ្យាសាស្ត្រច្បាស់លាស់អំពីសមាសធាតុគីមី និងអត្ថប្រយោជន៍សុខភាពជាក់ស្តែងដែលសត្វទទួលបានពីចំណី។ | ទាមទារឧបករណ៍មន្ទីរពិសោធន៍ទំនើប ចំណាយពេលយូរក្នុងការរៀបចំសំណាក និងត្រូវការអ្នកបច្ចេកទេសជំនាញ។ | រកឃើញកម្រិតប្រូតេអ៊ីនខ្ពស់ (CP > ១១,៦៦%) នៅក្នុងប្រភេទរុក្ខជាតិមួយចំនួនដូចជា Bergera koenigii (១៦,៩%) និង Aglaia lawii (១៥,៣%)។ |
| MaxEnt Species Distribution Modeling ការបង្កើតគំរូទស្សន៍ទាយការចែកចាយប្រភេទរុក្ខជាតិ MaxEnt |
មានសមត្ថភាពខ្ពស់ក្នុងការទស្សន៍ទាយដោយប្រើតែទិន្នន័យវត្ដមានសត្វ ឬរុក្ខជាតិ រួមបញ្ចូលជាមួយកត្តាអាកាសធាតុ និងបរិស្ថាន។ | គុណភាពនៃលទ្ធផលអាស្រ័យផ្ទាល់ទៅលើភាពត្រឹមត្រូវ និងទំហំនៃទិន្នន័យអាកាសធាតុ និងទីតាំងភូមិសាស្ត្រដែលបានបញ្ចូល។ | ម៉ូដែលទទួលបានពិន្ទុ AUC ០,៨៩៦ ដោយបង្ហាញថាតំបន់ Mun Sam Ngam មានសក្តានុពលខ្ពស់បំផុតក្នុងការស្តារជម្រក។ |
ការចំណាយលើធនធាន (Resource Cost)៖ ការសិក្សានេះតម្រូវឱ្យមានការរួមបញ្ចូលគ្នារវាងឧបករណ៍សម្រាប់ចុះប្រមូលទិន្នន័យផ្ទាល់នៅទីវាល ឧបករណ៍វិភាគគីមីក្នុងមន្ទីរពិសោធន៍ និងប្រព័ន្ធកុំព្យូទ័រសម្រាប់វិភាគទិន្នន័យលំហ។
ការសិក្សានេះត្រូវបានធ្វើឡើងផ្តាច់មុខនៅក្នុងតំបន់ព្រៃតភ្ជាប់ Dong Phayayen-Khao Yai នៃប្រទេសថៃ ដោយផ្តោតជាចម្បងលើប្រភេទព្រៃស្រោង (Dry evergreen forest)។ ទិន្នន័យនេះអាចមានភាពលម្អៀងទៅនឹងលក្ខខណ្ឌអាកាសធាតុ និងពូជរុក្ខជាតិជាក់លាក់នៅតំបន់នោះ ដែលមានន័យថាការយកមកអនុវត្តនៅតំបន់ព្រៃផ្សេងៗក្នុងប្រទេសកម្ពុជា (ដូចជាព្រៃរបោះ) តម្រូវឱ្យមានការសិក្សាផ្ទៀងផ្ទាត់អំពីប្រភេទរុក្ខជាតិក្នុងស្រុកឡើងវិញ។
វិធីសាស្ត្ររួមបញ្ចូលគ្នានេះ (ការវិភាគចំណី និងទស្សន៍ទាយលំហ) មានសារៈប្រយោជន៍យ៉ាងខ្លាំងសម្រាប់យុទ្ធសាស្ត្រគ្រប់គ្រងជម្រកសត្វព្រៃ និងគម្រោងស្តារសត្វខ្លាធំនៅក្នុងប្រទេសកម្ពុជា។
ការស្វែងយល់ស៊ីជម្រៅពីអាហារូបត្ថម្ភ និងការព្យាករណ៍ទីតាំងចែកចាយនៃកូនរុក្ខជាតិចំណី នឹងជួយលើកកម្ពស់ប្រសិទ្ធភាពនៃកម្មវិធីបង្កើនចំនួនសត្វស៊ីស្មៅ និងធានាបាននូវសន្តិសុខស្បៀងសម្រាប់សត្វសាច់សាស្ត្រនៅកម្ពុជាឱ្យកាន់តែមានចីរភាព។
ដើម្បីអនុវត្តតាមការសិក្សានេះ និស្សិតគួរអនុវត្តតាមជំហានខាងក្រោម៖
| ពាក្យបច្ចេកទេស | ការពន្យល់ជាខេមរភាសា (Khmer Explanation) | និយមន័យសាមញ្ញ (Simple Definition) |
|---|---|---|
| Ivlev's Electivity Index (សន្ទស្សន៍នៃការជ្រើសរើស Ivlev) | ជារង្វាស់គណិតវិទ្យាដែលប្រើដើម្បីវាយតម្លៃចំណូលចិត្តរបស់សត្វទៅលើប្រភេទចំណីជាក់លាក់ណាមួយ ដោយធ្វើការប្រៀបធៀបរវាងភាគរយនៃចំណីដែលវាបានស៊ី ទៅនឹងភាគរយនៃចំណីសរុបដែលមានស្រាប់នៅក្នុងបរិស្ថាននោះ។ | ដូចជាការគិតលេខមើលថាតើក្មេងម្នាក់ចូលចិត្តញ៉ាំស្ករគ្រាប់ពណ៌ក្រហមប៉ុនណា បើប្រៀបធៀបជាមួយចំនួនស្ករគ្រាប់គ្រប់ពណ៌ដែលមានក្នុងកែវ។ |
| MaxEnt modeling (ការបង្កើតគំរូទស្សន៍ទាយ MaxEnt) | ជាកម្មវិធីកុំព្យូទ័រ (ម៉ូដែលផ្អែកលើអតិបរមានៃអេនត្រូពី) ដែលប្រើប្រាស់ទិន្នន័យទីតាំងពិតប្រាកដរបស់រុក្ខជាតិ ឬសត្វ រួមបញ្ចូលជាមួយទិន្នន័យអាកាសធាតុ និងបរិស្ថាន ដើម្បីទស្សន៍ទាយរកតំបន់ភូមិសាស្ត្រផ្សេងទៀតដែលអាចជាជម្រកសក្តានុពលសម្រាប់ពួកវា។ | ដូចជាកម្មវិធីបច្ចេកវិទ្យាដែលដឹងថាអ្នកចូលចិត្តដើរលេងនៅកន្លែងត្រជាក់និងមានព្រៃ រួចវាធ្វើការស្កេនផែនទីដើម្បីណែនាំតំបន់ថ្មីៗដែលស្រដៀងគ្នានោះឱ្យអ្នក។ |
| Crude protein - CP (ប្រូតេអ៊ីនរដុប) | ជាការវាស់ស្ទង់កម្រិតប្រូតេអ៊ីនសរុប (ដោយផ្អែកលើបរិមាណអាសូត) ដែលមាននៅក្នុងរុក្ខជាតិចំណី ដែលជាសារធាតុចិញ្ចឹមដ៏សំខាន់បំផុតសម្រាប់សត្វស៊ីស្មៅក្នុងការលូតលាស់សាច់ដុំ និងថែរក្សាសុខភាព។ | ប្រៀបដូចជាការវាស់បរិមាណសាច់ឬស៊ុតនៅក្នុងរបបអាហារប្រចាំថ្ងៃរបស់យើង ដើម្បីធានាថាយើងមានកម្លាំងគ្រប់គ្រាន់។ |
| Neutral detergent fiber - NDF (កាកសរសៃសរុប NDF) | ជារង្វាស់កាកសរសៃរចនាសម្ព័ន្ធសរុបរបស់រុក្ខជាតិ (រួមមាន សែលុយឡូស ហេមីសែលុយឡូស និងលីញីន)។ កម្រិត NDF កាន់តែខ្ពស់ មានន័យថាសត្វកាន់តែឆាប់ឆ្អែត និងមិនអាចស៊ីចំណីនោះបានច្រើនទេ។ | ដូចជាការញ៉ាំបន្លែចាស់ៗដែលមានសរសៃស្វិតៗច្រើន ដែលធ្វើឱ្យយើងទំពារយូរ និងឆាប់ឆ្អែតជាងការញ៉ាំអាហារទន់ៗ។ |
| Acid detergent fiber - ADF (កាកសរសៃពិបាករំលាយ ADF) | ជាផ្នែកនៃកាកសរសៃរុក្ខជាតិដែលពិបាករំលាយបំផុត (ភាគច្រើនជាសែលុយឡូស និងលីញីន)។ រុក្ខជាតិដែលមានកម្រិត ADF ខ្ពស់ ផ្តល់ថាមពលតិចតួចបំផុតដល់សត្វ។ | ដូចជាការទំពារសំបកឈើ ឬដើមអំពៅចាស់ៗ ដែលយើងមិនអាចរំលាយយកជីវជាតិបានច្រើនក្រៅពីស្ដោះកាកចោល។ |
| Area under the curve - AUC (ផ្ទៃក្រោមកោង) | ជាតម្លៃស្ថិតិ (ចន្លោះពី ០.៥ ដល់ ១.០) ដែលប្រើសម្រាប់វាយតម្លៃភាពត្រឹមត្រូវនៃម៉ូដែលទស្សន៍ទាយ (ដូចជា MaxEnt)។ តម្លៃខិតជិត ១ បញ្ជាក់ថាម៉ូដែលនោះមានសមត្ថភាពទាយរវាងទីតាំងមាន និងគ្មានរុក្ខជាតិបានត្រឹមត្រូវបំផុត។ | ប្រៀបដូចជាពិន្ទុប្រឡងរបស់ម៉ាស៊ីនកុំព្យូទ័រដែរ បើវាបានពិន្ទុ ០.៩ (៩០ លើ ១០០) មានន័យថាវាទាយបានត្រឹមត្រូវខ្ពស់។ |
| Biomass (ជីវម៉ាស) | ជាទម្ងន់ស្ងួតសរុបនៃសារពាង្គកាយមានជីវិត (ក្នុងករណីនេះគឺកូនរុក្ខជាតិចំណី) នៅក្នុងទំហំផ្ទៃដីជាក់លាក់ណាមួយ ដែលបង្ហាញពីបរិមាណធនធានស្បៀងដែលអាចផ្គត់ផ្គង់ដល់សត្វព្រៃ។ | ដូចជាការថ្លឹងទម្ងន់ស្រូវសរុបដែលច្រូតបានពីដីស្រែមួយហិកតា ដើម្បីដឹងថាអាចចិញ្ចឹមមនុស្សបានប៉ុន្មាននាក់ក្នុងមួយឆ្នាំ។ |
អត្ថបទដែលបានបោះពុម្ពនៅលើ KhmerResearch ដែលទាក់ទងនឹងប្រធានបទនេះ៖
ប្រធានបទ និងសំណួរស្រាវជ្រាវដែលទាក់ទងនឹងឯកសារនេះ ដែលអ្នកអាចស្វែងរកបន្ថែម៖
