បញ្ហា (The Problem)៖ ឯកសារនេះដោះស្រាយបញ្ហាប្រឈមក្នុងការត្រួតពិនិត្យនិងវាយតម្លៃធនធានព្រៃឈើក្នុងផ្ទៃដីធំទូលាយ ដែលការប្រើប្រាស់វិធីសាស្ត្រថតរូបពីលើអាកាសនិងការស្ទង់មតិផ្ទាល់ទាមទារពេលវេលាយូរនិងចំណាយថវិកាច្រើន។
វិធីសាស្ត្រ (The Methodology)៖ ការសិក្សានេះប្រើប្រាស់ទិន្នន័យរូបភាពពីផ្កាយរណប (LANDSAT) បញ្ចូលគ្នាជាមួយនឹងការថតរូបពីលើអាកាស និងការស្ទង់មតិផ្ទាល់ ដើម្បីបង្កើតប្រព័ន្ធតាមដាននិងវាយតម្លៃធនធានព្រៃឈើប្រកបដោយប្រសិទ្ធភាព។
លទ្ធផលសំខាន់ៗ (The Verdict)៖
| វិធីសាស្ត្រ (Method) | គុណសម្បត្តិ (Pros) | គុណវិបត្តិ (Cons) | លទ្ធផលគន្លឹះ (Key Result) |
|---|---|---|---|
| Field survey ការស្ទង់មតិផ្ទាល់នៅទីតាំង |
មានភាពត្រឹមត្រូវខ្ពស់ផ្នែកគុណភាព (Qualitative accuracy) និងផ្តល់ទិន្នន័យលម្អិតបំផុតសម្រាប់កម្រិតមូលដ្ឋាន។ | ចំណាយថវិកា និងពេលវេលាច្រើន ពិបាកចុះទៅទីតាំងដាច់ស្រយាល ព្រមទាំងមិនអាចគ្របដណ្តប់ផ្ទៃដីធំក្នុងពេលតែមួយបានទេ។ | ផ្តល់ទិន្នន័យត្រឹមត្រូវខ្ពស់ប៉ុន្តែមានប្រសិទ្ធភាពទាបសម្រាប់ការគ្របដណ្តប់ផ្ទៃដីធំ ដោយសារបញ្ហាចំណាយ និងពេលវេលា។ |
| Air borne survey (Aerial photography) ការស្ទង់មតិ និងថតរូបពីលើអាកាស |
ផ្តល់រូបភាពមានកម្រិតភាពច្បាស់ខ្ពស់ (High resolution) ដែលងាយស្រួលក្នុងការវិភាគលម្អិត។ | ទាមទារការហោះហើរញឹកញាប់ដែលចំណាយថវិកាច្រើន និងពិបាកក្នុងការទាញយកទិន្នន័យបរិមាណ (Quantitative data) ដោយគ្មានទិន្នន័យបន្ថែម។ | ស័ក្តិសមសម្រាប់ការសិក្សាដែលត្រូវការភាពលម្អិតខ្ពស់ និងជាទិន្នន័យបណ្តុះបណ្តាល (Training data) ប៉ុន្តែនៅតែមានតម្លៃថ្លៃ។ |
| Satellite sensing (LANDSAT) ការចាប់សញ្ញាតាមរយៈផ្កាយរណប (LANDSAT) |
អាចផ្តិតយករូបភាពផ្ទៃដីបានធំទូលាយក្នុងពេលតែមួយ ងាយស្រួលធ្វើនីយកម្មឌីជីថល (Digitalization) និងមានតម្លៃថោកបំផុតសម្រាប់ការតាមដានជាប្រចាំ។ | កម្រិតភាពច្បាស់នៅទាប (Low resolution) និងតម្រូវឱ្យមានទិន្នន័យពីការថតរូបលើអាកាសឬការចុះវាលបន្ថែម ដើម្បីផ្ទៀងផ្ទាត់ភាពត្រឹមត្រូវ។ | មានភាពត្រឹមត្រូវលើសពី ៩០% សម្រាប់ការវាយតម្លៃកម្រិតទី១ និងជួយកាត់បន្ថយការចំណាយបានជាង ៩០% បើធៀបនឹងការប្រើប្រាស់វិធីសាស្ត្រប្រពៃណីតែឯង។ |
ការចំណាយលើធនធាន (Resource Cost)៖ ការទាញយកទិន្នន័យ និងវិភាគរូបភាពពីផ្កាយរណបតាមប្រព័ន្ធឌីជីថល តម្រូវឱ្យមានការវិនិយោគច្រើននៅដំណាក់កាលដំបូង ប៉ុន្តែវាជួយសន្សំសំចៃពេលវេលា និងថវិកាបានយ៉ាងច្រើនក្នុងរយៈពេលវែង។
ការសិក្សានេះត្រូវបានធ្វើឡើងនៅក្នុងប្រទេសជប៉ុន (ឧ. តំបន់ភ្នំហ្វូជី និងតំបន់កាន់តូ) ដោយប្រើប្រាស់ទិន្នន័យផ្កាយរណបជំនាន់ចាស់ LANDSAT-1 ក្នុងទសវត្សរ៍ឆ្នាំ១៩៧០។ ទោះបីជាបច្ចេកវិទ្យា និងកម្រិតភាពច្បាស់ (Resolution) នៃឯកសារនេះមានភាពហួសសម័យ ប៉ុន្តែគោលគំនិតនៃការរួមបញ្ចូលទិន្នន័យពីផ្កាយរណប អាកាស និងដី គឺជាមូលដ្ឋានគ្រឹះដ៏សំខាន់ ដែលអាចយកមកអនុវត្តដើម្បីតាមដានបញ្ហាព្រៃឈើនៅកម្ពុជា។
វិធីសាស្ត្រនៃការប្រើប្រាស់បច្ចេកវិទ្យា Remote Sensing នេះមានសារៈសំខាន់ខ្លាំង និងអាចយកមកអនុវត្តបានយ៉ាងល្អសម្រាប់ការគ្រប់គ្រងធនធានធម្មជាតិនៅប្រទេសកម្ពុជា។
ការប្រើប្រាស់រូបភាពផ្កាយរណបរួមផ្សំជាមួយទិន្នន័យចុះវាល គឺជាដំណោះស្រាយចំណាយតិចនិងមានប្រសិទ្ធភាពខ្ពស់ សម្រាប់ការតាមដានការផ្លាស់ប្តូរគម្របព្រៃឈើ និងដីធ្លីនៅកម្ពុជា។
ដើម្បីអនុវត្តតាមការសិក្សានេះ និស្សិតគួរអនុវត្តតាមជំហានខាងក្រោម៖
| ពាក្យបច្ចេកទេស | ការពន្យល់ជាខេមរភាសា (Khmer Explanation) | និយមន័យសាមញ្ញ (Simple Definition) |
|---|---|---|
| Earth Resources Technology Satellite (LANDSAT) | ជាប្រភេទផ្កាយរណបដែលត្រូវបានបាញ់បង្ហោះទៅក្នុងគន្លងអវកាសដើម្បីថតយករូបភាពនិងប្រមូលទិន្នន័យពីផ្ទៃផែនដី សម្រាប់ប្រើប្រាស់ក្នុងការគ្រប់គ្រងធនធានធម្មជាតិដូចជា ព្រៃឈើ ការប្រើប្រាស់ដី និងកសិកម្ម។ | ដូចជាកាមេរ៉ាខ្នាតយក្សដែលហោះសម្លឹងមើលមកផែនដីពីលើមេឃ ដើម្បីថតរូបផ្ទៃដីដ៏ធំទូលាយពីលើអាកាស។ |
| computer comparative tapes (CCT) | ជាទម្រង់ខ្សែអាត់ម៉ាញេទិកជំនាន់ចាស់ដែលផ្ទុកទិន្នន័យរូបភាពផ្កាយរណបជាទម្រង់លេខកូដឌីជីថល អនុញ្ញាតឱ្យកុំព្យូទ័រអាចអាន វិភាគ និងទាញយកទិន្នន័យស្ថិតិសម្រាប់ការសិក្សាស្រាវជ្រាវកម្រិតខ្ពស់ជំនួសឱ្យការមើលនឹងភ្នែកទទេ។ | ដូចជា Flash Drive ឬ Memory Card ជំនាន់ដើម ដែលគេប្រើសម្រាប់ចម្លងរូបថតពីផ្កាយរណបទៅដាក់ក្នុងកុំព្យូទ័រដើម្បីកែច្នៃបន្ត។ |
| pixel unit | ជាឯកតាតូចបំផុតនៃរូបភាពឌីជីថលដែលឧបករណ៍សេនស័រ (Sensor) របស់ផ្កាយរណបអាចចាប់សញ្ញាបាន។ ភីកសែលនីមួយៗតំណាងឱ្យទំហំផ្ទៃដីជាក់លាក់ណាមួយ (ឧទាហរណ៍៖ ៦០ម៉ែត្រ គុណ ៧០ម៉ែត្រ សម្រាប់ LANDSAT) និងមានផ្ទុកព័ត៌មានអំពីប្រភេទវត្ថុនៅលើដីនោះ។ | ដូចជាក្រឡាឥដ្ឋការ៉ូតូចៗមួយផ្ទាំង ដែលនៅពេលយកវាមកផ្គុំបញ្ចូលគ្នាជាច្រើន វានឹងបង្កើតបានជារូបភាពផ្ទៃដីទាំងមូល។ |
| color composite | គឺជាបច្ចេកទេសនៃការយកទិន្នន័យរូបភាពពីកម្រិតរលកពន្លឺផ្សេងៗគ្នា (Spectral bands) មកត្រួតស៊ីគ្នានិងបំពាក់ពណ៌ ដើម្បីធ្វើឱ្យភ្នែកមនុស្សអាចមើលឃើញ បែងចែក និងងាយស្រួលធ្វើការបកស្រាយប្រភេទរុក្ខជាតិ ឬដី ឱ្យបានច្បាស់លាស់។ | ដូចជាការយកកញ្ចក់វ៉ែនតាពណ៌ក្រហម បៃតង និងខៀវ មកត្រួតពីលើគ្នាដើម្បីបង្កើតជារូបភាពថ្មីមួយដែលជួយឱ្យយើងមើលឃើញវត្ថុលាក់កំបាំងបានច្បាស់ជាងមុន។ |
| electromagnetic waves | ជារលកថាមពល (ដូចជាពន្លឺព្រះអាទិត្យ) ដែលជះទៅលើវត្ថុផ្សេងៗនៅលើផ្ទៃផែនដី ហើយចាំងចំណាំងផ្លាតត្រលប់ទៅកាន់ផ្កាយរណបវិញ។ វត្ថុនីមួយៗ (ដូចជា ស្លឹកឈើ ទឹក ឬដី) មានលក្ខណៈចំណាំងផ្លាតខុសៗគ្នា ដែលអនុញ្ញាតឱ្យគេអាចកំណត់អត្តសញ្ញាណពួកវាបាន។ | ដូចជាការចាំងពន្លឺពិលទៅលើកញ្ចក់និងទៅលើជញ្ជាំង ដែលពន្លឺផ្លាតត្រលប់មកវិញមានសភាពខុសគ្នា ធ្វើឱ្យយើងដឹងថាវត្ថុនោះធ្វើពីអ្វី។ |
| digital pattern recognition | ជាដំណើរការដែលកុំព្យូទ័រប្រើប្រាស់កម្មវិធី (Algorithms) ដើម្បីវិភាគ រាវរក និងកំណត់ចំណាត់ថ្នាក់ប្រភេទផ្ទៃដី (ដូចជាព្រៃឈើ ឬបឹង) ដោយស្វ័យប្រវត្តិ ផ្អែកលើទិន្នន័យលេខកូដពណ៌នៃភីកសែលនីមួយៗនៃរូបភាពផ្កាយរណប។ | ដូចជាការបង្រៀនម៉ាស៊ីនឱ្យស្គាល់ប្រភេទវត្ថុ ដោយប្រាប់វាថាបើឃើញទិន្នន័យពណ៌បៃតងខ្មៅគឺមានន័យថាជាព្រៃឈើ ហើយបើឃើញពណ៌ខៀវគឺជាទឹក។ |
| resolution | គឺជាកម្រិតភាពច្បាស់ និងភាពលម្អិតនៃរូបភាព ដែលអាស្រ័យទៅលើទំហំនៃភីកសែល (Pixel)។ កាលណាតម្លៃ Resolution កាន់តែតូច (ឧទាហរណ៍ ១០ម៉ែត្រ ល្អជាង ១០០ម៉ែត្រ) មានន័យថារូបភាពនោះកាន់តែមានភាពច្បាស់លាស់ និងអាចមើលឃើញវត្ថុតូចៗលើដីបានលម្អិតខ្ពស់។ | ដូចជាភាពខុសគ្នារវាងការមើលទូរទស្សន៍ជំនាន់ចាស់ដែលព្រិលៗ និងទូរទស្សន៍ជំនាន់ថ្មី (4K) ដែលអាចមើលឃើញរោមភ្នែកតួអង្គយ៉ាងច្បាស់។ |
អត្ថបទដែលបានបោះពុម្ពនៅលើ KhmerResearch ដែលទាក់ទងនឹងប្រធានបទនេះ៖
ប្រធានបទ និងសំណួរស្រាវជ្រាវដែលទាក់ទងនឹងឯកសារនេះ ដែលអ្នកអាចស្វែងរកបន្ថែម៖
