បញ្ហា (The Problem)៖ ការសិក្សានេះដោះស្រាយបញ្ហានៃការយល់ដឹងមានកម្រិតអំពីឌីណាមិកប្រហោងគម្របព្រៃ (canopy gaps) និងការឆ្លើយតបនៃព្រៃឈើនៅកម្រិតលម្អិត ដោយសារតែការលំបាកក្នុងការវាស់វែងបំរែបំរួលព្រៃឈើក្នុងលំហ និងពេលវេលាដោយប្រើប្រាស់វិធីសាស្ត្រពីមុនមក។
វិធីសាស្ត្រ (The Methodology)៖ ការស្រាវជ្រាវនេះបានប្រើប្រាស់ទិន្នន័យ LiDAR រយៈពេលខុសគ្នា (១៩៩៨, ២០០៣ និង ២០០៧) ធៀបនឹងរូបភាពគុណភាពខ្ពស់ ដើម្បីស្ថាបនាទម្រង់កម្ពស់គម្របព្រៃ និងវិភាគបម្រែបម្រួលកម្ពស់រុក្ខជាតិ។
លទ្ធផលសំខាន់ៗ (The Verdict)៖
| វិធីសាស្ត្រ (Method) | គុណសម្បត្តិ (Pros) | គុណវិបត្តិ (Cons) | លទ្ធផលគន្លឹះ (Key Result) |
|---|---|---|---|
| Multi-temporal Discrete LiDAR ការវិភាគទិន្នន័យ LiDAR ពហុពេលវេលា |
អាចវាស់កម្ពស់ដើមឈើ និងគម្របព្រៃរចនាសម្ព័ន្ធស្មុគស្មាញបានច្បាស់លាស់ ដោយអាចជ្រាបដល់ផ្ទៃដី។ វាមានសមត្ថភាពគ្របដណ្តប់ផ្ទៃដីធំ និងត្រួតពិនិត្យបម្រែបម្រួលបានល្អប្រសើរ។ | ត្រូវការទិន្នន័យដែលមានគុណភាពខ្ពស់ ដែលទាមទារការចំណាយថវិកាច្រើនទាំងលើឧបករណ៍ និងការហោះហើរប្រមូលទិន្នន័យ។ ក៏ត្រូវការម៉ាស៊ីនកុំព្យូទ័រខ្លាំងដើម្បីដំណើរការទិន្នន័យធំ។ | អាចកំណត់អត្តសញ្ញាណប្រហោងគម្របព្រៃចាប់ពី ៥ ម៉ែត្រការ៉េឡើងទៅបានយ៉ាងជាក់លាក់ (កម្រិតភាពត្រឹមត្រូវ ៩៦.៥%) និងតាមដានរង្វាស់លូតលាស់រុក្ខជាតិប្រចាំឆ្នាំ។ |
| Aerial Photography / Optical Remote Sensing រូបភាពថតពីអាកាស ឬប្រព័ន្ធសេនស័រអុបទិក |
មានតម្លៃថោកជាង និងមានភាពងាយស្រួលក្នុងការទាញយក និងកំណត់ប្រភេទដើមឈើតាមរយៈពណ៌ និងរលកពន្លឺប្លែកៗ (Multispectral signatures)។ | ពិបាកក្នុងការគណនាកម្ពស់ដើមឈើពិតប្រាកដ ឬវាស់កម្ពស់ដីនៅពេលគម្របព្រៃក្រាស់ (ការកសាង DTM មិនសុក្រឹត) និងទទួលរងឥទ្ធិពលពីស្រមោលព្រះអាទិត្យ។ | មិនអាចផ្ដល់ភាពសុក្រឹតខ្ពស់ក្នុងការវាស់ជម្រៅ និងទំហំប្រហោងគម្របព្រៃតូចៗបើធៀបនឹង LiDAR ឡើយ ប៉ុន្តែជួយគាំទ្រក្នុងការកំណត់ប្រភេទពូជរុក្ខជាតិ។ |
| Conventional Field-based measurement ការវាស់វែងដោយផ្ទាល់នៅនឹងកន្លែង (Field methods) |
ផ្តល់ទិន្នន័យជាក់ស្តែង និងគួរឱ្យទុកចិត្តបំផុតសម្រាប់ធ្វើជាគោល (Ground truth) ក្នុងការផ្ទៀងផ្ទាត់លើទំហំជាក់លាក់ណាមួយ។ | ចំណាយពេលយូរ កម្លាំងពលកម្មច្រើន ពិបាកគណនារូបរាងប្រហោងដែលស្មុគស្មាញ និងមិនអាចអនុវត្តដើម្បីតាមដានការប្រែប្រួលលើផ្ទៃដីព្រៃរាប់រយហិកតាបានឡើយ។ | ផ្តល់ទិន្នន័យសម្រាប់ផ្ទៀងផ្ទាត់ (Validation) ចំនួន ២៩ ប្រហោងព្រៃតាមបណ្តោយខ្សែបន្ទាត់ ៩៨០ ម៉ែត្រ ដើម្បីបញ្ជាក់ពីភាពត្រឹមត្រូវរបស់ម៉ូដែល LiDAR។ |
ការចំណាយលើធនធាន (Resource Cost)៖ ការអនុវត្តវិធីសាស្ត្រស្រាវជ្រាវនេះតម្រូវឱ្យមានការវិនិយោគខ្ពស់លើឧបករណ៍វាស់ស្ទង់ពីអាកាស កម្មវិធីកុំព្យូទ័រពិសេសៗ និងធនធានមនុស្សដែលមានជំនាញបច្ចេកទេស។
ការសិក្សានេះត្រូវបានធ្វើឡើងនៅក្នុងតំបន់ព្រៃស្រល់ (boreal forest) នៃប្រទេសកាណាដា ដែលមានអាកាសធាតុត្រជាក់ តំបន់ផ្ទះដីរាបស្មើ និងមានប្រភេទរុក្ខជាតិខុសស្រឡះពីកម្ពុជា។ លក្ខណៈលូតលាស់នៃរុក្ខជាតិ (ដូចជាការពង្រីកតួមែកឈើ និងអត្រារស់រាន) អាចនឹងមិនឆ្លុះបញ្ចាំងពីលក្ខណៈនៃព្រៃពាក់កណ្ដាលស្រោង និងព្រៃស្រោងត្រូពិចនៅកម្ពុជាឡើយ។
ទោះជាបរិបទព្រៃឈើខុសគ្នាក៏ដោយ ក៏វិធីសាស្ត្រនៃការប្រើប្រាស់បច្ចេកវិទ្យា LiDAR ពហុពេលវេលានេះ មានសក្តានុពលដ៏អស្ចារ្យសម្រាប់ការគ្រប់គ្រងធនធានធម្មជាតិនៅកម្ពុជា ប្រសិនបើមានទិន្នន័យ។
ជារួម បច្ចេកវិទ្យា LiDAR មានតម្លៃមហាសាលសម្រាប់ការវាយតម្លៃ និងតាមដានអេកូឡូស៊ីព្រៃឈើនៅកម្ពុជាយ៉ាងជាក់លាក់ ទោះបីជាត្រូវជម្នះនឹងបញ្ហាកង្វះខាតថវិកា និងទិន្នន័យដំបូងយ៉ាងណាក្តី។
ដើម្បីអនុវត្តតាមការសិក្សានេះ និស្សិតគួរអនុវត្តតាមជំហានខាងក្រោម៖
| ពាក្យបច្ចេកទេស | ការពន្យល់ជាខេមរភាសា (Khmer Explanation) | និយមន័យសាមញ្ញ (Simple Definition) |
|---|---|---|
| LiDAR (Light Detection and Ranging) | បច្ចេកវិទ្យាអង្កេតពីចម្ងាយដោយប្រើឧបករណ៍បាញ់កាំរស្មីឡាស៊ែរពីយន្តហោះទៅកាន់ផ្ទៃដី និងវាស់ពេលវេលាដែលវាត្រលប់មកវិញ ដើម្បីគណនាចម្ងាយ និងបង្កើតទម្រង់លំហ 3D នៃព្រៃឈើឬផ្ទៃដី។ | ដូចជាសត្វប្រចៀវប្រើរលកសំឡេងដើម្បីស្វែងរកវត្ថុក្នុងទីងងឹតដែរ ប៉ុន្តែ LiDAR ប្រើពន្លឺឡាស៊ែរដើម្បីវាស់ចម្ងាយវិញ។ |
| Canopy Height Model (CHM) | ម៉ូដែលឌីជីថល 3D ដែលបង្ហាញតែពីកម្ពស់ពិតប្រាកដនៃរុក្ខជាតិ ឬគម្របព្រៃ ដោយវាត្រូវបានគណនាតាមរយៈការយកកម្ពស់ផ្ទៃខាងលើបង្អស់ (DSM) ដកនឹងកម្ពស់ផ្ទៃដី (DTM) ចេញ។ | ដូចជាការចង់ដឹងកម្ពស់ស្មៅសរុប ដោយយកកម្ពស់ចុងស្មៅដកនឹងកម្ពស់ផ្ទៃដីផ្ទាល់ចេញ។ |
| Point Cloud | សំណុំនៃទិន្នន័យរាប់លានចំណុចតូចៗនៅក្នុងលំហ 3D ដែលម៉ាស៊ីន LiDAR ស្កេនចាប់បាន សម្រាប់យកមកផ្គុំជារូបរាងទីតាំងភូមិសាស្ត្រណាមួយ។ | ដូចជាការយកគ្រាប់ខ្សាច់តូចៗរាប់លានគ្រាប់មកតម្រៀបគ្នាឱ្យចេញជារូបរាងដើមឈើមួយដើម។ |
| Digital Terrain Model (DTM) | ទម្រង់ម៉ូដែល 3D តំណាងឱ្យផ្ទៃដីសុទ្ធសាធ ដោយបានជម្រះរាល់វត្ថុដែលនៅលើដីចេញអស់ ដូចជាដើមឈើ ឬអគារផ្សេងៗ។ | ដូចជាការកោរសក់ចេញឱ្យនៅទំពែក ដើម្បីអាចមើលឃើញរូបរាងលលាដ៍ក្បាលពិតប្រាកដយ៉ាងដូច្នោះដែរ។ |
| Gap Dynamics | លំនាំវដ្តនៃការប្រែប្រួលព្រៃឈើនៅពេលដែលមានដើមឈើចាស់ៗងាប់ ឬរលំ ដែលបង្កើតជាប្រហោងឱ្យពន្លឺថ្ងៃជះចូលដល់ក្រោម និងផ្តល់ឱកាសឱ្យកូនឈើលូតលាស់ឡើង។ | ដូចជាការដកធ្មេញចាស់ដែលពុកផុយចេញ ដើម្បីទុកចន្លោះឱ្យធ្មេញថ្មីអាចដុះឡើងជំនួសបាន។ |
| Advance Regeneration | កូនឈើតូចៗដែលដុះរង់ចាំយ៉ាងស្ងៀមស្ងាត់នៅក្រោមម្លប់នៃដើមឈើធំៗ មុនពេលដែលមានការប្រេះស្រាំគម្របព្រៃ (Gap) ផ្តល់ពន្លឺឱ្យពួកវាលូតលាស់បានលឿន។ | ដូចជាកីឡាករបម្រុងដែលអង្គុយចាំយ៉ាងស្ងៀមស្ងាត់ក្រៅតារាង រង់ចាំឱកាសចូលលេងនៅពេលកីឡាករចាស់របួស។ |
| Object-based Image Analysis (OBIA) | វិធីសាស្ត្រវិភាគរូបភាពដោយផ្តុំភិកសែល (pixels) ដែលមានលក្ខណៈស្រដៀងគ្នានៅក្បែរគ្នា បង្កើតជាវត្ថុ (objects) ធំៗដូចជាមកុដដើមឈើ មុននឹងធ្វើការវិភាគកំណត់អត្តសញ្ញាណរបស់វា។ | ដូចជាការមើលរូបផ្គុំ (jigsaw puzzle) ដោយផ្តោតលើផ្ទៃរូបដំរីមួយក្បាលពេញ ជំនួសឱ្យការពិនិត្យមើលកូនបំណែកនីមួយៗដាច់ដោយឡែកពីគ្នា។ |
| Interpolation | ដំណើរការគណិតវិទ្យាក្នុងការទស្សន៍ទាយតម្លៃទិន្នន័យនៅកន្លែងទំនេរមួយ ដោយផ្អែកលើទិន្នន័យពិតដែលមាននៅជុំវិញវា ដើម្បីកសាងផ្ទៃ (Surface) មួយឱ្យជាប់គ្នា។ | ដូចជាការស្មានកម្ពស់របស់សិស្សម្នាក់ដែលអវត្តមាន ដោយមើលទៅលើកម្ពស់សិស្សដែលឈរនៅសងខាងគេក្នុងជួរ។ |
អត្ថបទដែលបានបោះពុម្ពនៅលើ KhmerResearch ដែលទាក់ទងនឹងប្រធានបទនេះ៖
ប្រធានបទ និងសំណួរស្រាវជ្រាវដែលទាក់ទងនឹងឯកសារនេះ ដែលអ្នកអាចស្វែងរកបន្ថែម៖
