Original Title: STREAMFLOW OPTIMIZATION USING STATISTICAL DOWNSCALING AND ANALYTICAL PROBABILISTIC MODELS UNDER CLIMATE CHANGE SCENARIOS
Source: www.researchgate.net
Disclaimer: Summary generated by AI based on the provided document. Please refer to the original paper for full scientific accuracy.

ការបង្កើនប្រសិទ្ធភាពលំហូរទឹក ដោយប្រើប្រាស់គំរូទម្លាក់មាត្រដ្ឋានស្ថិតិ និងគំរូប្រូបាប៊ីលីតេវិភាគ ក្រោមសេណារីយ៉ូបម្រែបម្រួលអាកាសធាតុ

ចំណងជើងដើម៖ STREAMFLOW OPTIMIZATION USING STATISTICAL DOWNSCALING AND ANALYTICAL PROBABILISTIC MODELS UNDER CLIMATE CHANGE SCENARIOS

អ្នកនិពន្ធ៖ Zulkarnain Bin Hassan (Universiti Teknologi Malaysia)

ឆ្នាំបោះពុម្ព៖ 2016

វិស័យសិក្សា៖ Civil Engineering / Hydrology

១. សេចក្តីសង្ខេបប្រតិបត្តិ (Executive Summary)

បញ្ហា (The Problem)៖ ការស្រាវជ្រាវនេះដោះស្រាយបញ្ហានៃផលប៉ះពាល់បម្រែបម្រួលអាកាសធាតុទៅលើការគ្រប់គ្រងធនធានទឹក និងប្រព័ន្ធទន្លេ-អាងស្តុកទឹក ជាពិសេសគឺភាពត្រឹមត្រូវនៃការព្យាករណ៍លំហូរទឹកក្នុងបរិបទអាកាសធាតុនាពេលអនាគតសម្រាប់ការរចនាគម្រោងអភិវឌ្ឍន៍ទឹក។

វិធីសាស្ត្រ (The Methodology)៖ ការសិក្សានេះបានប្រើប្រាស់គំរូអាកាសធាតុសកល (GCMs) រួមជាមួយគំរូទម្លាក់មាត្រដ្ឋានស្ថិតិ (SDSM) និងគំរូជលសាស្ត្រ ដើម្បីវាយតម្លៃការឆ្លើយតបនៃលំហូរទឹក។

លទ្ធផលសំខាន់ៗ (The Verdict)៖

២. ការវិភាគលើប្រសិទ្ធភាព និងដែនកំណត់ (Performance & Constraints)

វិធីសាស្ត្រ (Method) គុណសម្បត្តិ (Pros) គុណវិបត្តិ (Cons) លទ្ធផលគន្លឹះ (Key Result)
Analytical Probabilistic Model (APM)
គំរូប្រូបាប៊ីលីតេវិភាគ ដែលប្រើប្រាស់រូបមន្តគណិតវិទ្យាបិទជិត (closed-form) ដើម្បីបំប្លែងទិន្នន័យទឹកភ្លៀងទៅជាលំហូរទឹក។
មានភាពសាមញ្ញក្នុងការប្រើប្រាស់ និងមានភាពធន់ខ្ពស់ (resilience) ក្នុងការឆ្លើយតបទៅនឹងសេណារីយ៉ូអាកាសធាតុនាពេលអនាគត។ អាចធ្វើការព្យាករណ៍លំហូរទឹកកំពូលបានល្អសម្រាប់ព្រឹត្តិការណ៍ធ្ងន់ធ្ងរ។ ទាមទារការសន្មតលើរូបរាងអ៊ីដ្រូក្រាម (ឧ. រាងត្រីកោណ) និងមិនសូវលម្អិតលើដំណើរការបាត់បង់ទឹក (routing effects) បើធៀបនឹងគំរូបន្ត (continuous models)។ បានព្យាករណ៍យ៉ាងជោគជ័យពីការកើនឡើងនៃលំហូរទឹកកំពូលរហូតដល់ ៥,៧៨ ដង សម្រាប់ជុំរយៈពេល ១០០ឆ្នាំ នាពេលអនាគត។
HEC-HMS
ប្រព័ន្ធកុំព្យូទ័រសម្រាប់ធ្វើគំរូជលសាស្ត្រ ដោយបែងចែកតំបន់អាងស្តុកទឹកជាផ្នែកតូចៗ (semi-distributed)។
មានសមត្ថភាពខ្ពស់ក្នុងការធ្វើត្រាប់តាមលំហូរទឹកជាក់ស្តែង (observed hydrographs) អំឡុងពេលធ្វើក្រិតខ្នាត (calibration) និងមានការពេញនិយមប្រើប្រាស់ទូទាំងពិភពលោក។ មានភាពរសើបខ្លាំងចំពោះទិន្នន័យបញ្ចូល (input data) និងមិនសូវមានប្រសិទ្ធភាពក្នុងការក្លែងធ្វើលំហូរទឹកកំពូលខ្លាំង (extreme peak inflows) ក្រោមលក្ខខណ្ឌអាកាសធាតុប្រែប្រួលនាពេលអនាគត។ ទទួលបានលទ្ធផលនៃការផ្ទៀងផ្ទាត់ (Validation) មិនសូវល្អសម្រាប់ព្រឹត្តិការណ៍ទឹកជំនន់ខ្លាំងដោយបង្ហាញតម្លៃ NSE ទាប (០.៣៩៧ ដល់ ០.៦)។
Artificial Bee Colony Simplex (ABCS)
ក្បួនដោះស្រាយកូនកាត់ដែលរួមបញ្ចូលការស្វែងរកសកល (ABC) និងការស្វែងរកមូលដ្ឋាន (NMS) ដើម្បីស្វែងរកតម្លៃប៉ារ៉ាម៉ែត្រល្អបំផុត។
ជួយកាត់បន្ថយបញ្ហានៃការជាប់គាំងមុនកំណត់ (premature convergence) និងមានភាពរឹងមាំក្នុងការស្វែងរកប៉ារ៉ាម៉ែត្រច្បាស់លាស់។ មានល្បឿនក្នុងការស្វែងរក (convergence speed) យឺតជាងក្បួនដោះស្រាយដើមតែមួយមុខ។ បង្កើតបានតម្លៃ Objective Function តិចបំផុត (ល្អបំផុត) សម្រាប់ការធ្វើក្រិតខ្នាតគំរូ BLRP ធៀបនឹង ABC, PSO ឬ NMS តែឯង។

ការចំណាយលើធនធាន (Resource Cost)៖ ការអនុវត្តវិធីសាស្ត្រនេះទាមទារនូវទិន្នន័យប្រវត្តិសាស្ត្រជលសាស្ត្ររយៈពេលវែង កម្មវិធីកុំព្យូទ័រឯកទេស និងធនធានចំណេះដឹងផ្នែកក្បួនដោះស្រាយស្ថិតិ។

៣. ការពិនិត្យសម្រាប់បរិបទកម្ពុជា/អាស៊ីអាគ្នេយ៍

ភាពលំអៀងនៃទិន្នន័យ (Data Bias)៖

ការសិក្សានេះត្រូវបានធ្វើឡើងនៅអាងទន្លេ Kurau និង Tasoh ភាគខាងជើងនៃឧបទ្វីបម៉ាឡេស៊ី ដែលជាតំបន់អាកាសធាតុមូសុងត្រូពិច។ ដោយសារប្រទេសកម្ពុជាមានលក្ខណៈអាកាសធាតុត្រូពិចស្រដៀងគ្នា (ភ្លៀងធ្លាក់ខ្លាំងក្នុងរយៈពេលខ្លី) វិធីសាស្ត្រនេះមានភាពពាក់ព័ន្ធខ្ពស់ ប៉ុន្តែលទ្ធផលប៉ារ៉ាម៉ែត្រចាំបាច់ត្រូវកែតម្រូវទៅតាមស្ថានភាពសណ្ឋានដីជាក់ស្តែងនៅកម្ពុជា។

លទ្ធភាពនៃការអនុវត្ត (Applicability)៖

វិធីសាស្ត្រនៃការរួមបញ្ចូលគំរូទម្លាក់មាត្រដ្ឋានស្ថិតិ និងគំរូ APM នេះមានសក្តានុពលខ្ពស់សម្រាប់ការរៀបចំផែនការធនធានទឹកនៅកម្ពុជា។

ជារួម ការប្រើប្រាស់ក្របខណ្ឌ APM រួមជាមួយការវិភាគបម្រែបម្រួលអាកាសធាតុ នឹងផ្តល់នូវឧបករណ៍ដ៏រឹងមាំសម្រាប់កម្ពុជា ក្នុងការវាយតម្លៃហានិភ័យហេដ្ឋារចនាសម្ព័ន្ធទឹក និងការបន្សាំទៅនឹងការប្រែប្រួលអាកាសធាតុប្រកបដោយប្រសិទ្ធភាព។

៤. ផែនការសកម្មភាពសម្រាប់និស្សិត (Actionable Roadmap)

ដើម្បីអនុវត្តតាមការសិក្សានេះ និស្សិតគួរអនុវត្តតាមជំហានខាងក្រោម៖

  1. ការប្រមូលទិន្នន័យ និងរៀបចំ: ប្រមូលទិន្នន័យទឹកភ្លៀង និងកម្ពស់ទឹកប្រចាំម៉ោង/ថ្ងៃពីក្រសួងធនធានទឹក (MOWRAM) រួចទាញយកទិន្នន័យសកល GCMs (ឧ. CMIP6) និងទិន្នន័យ NCEP Reanalysis សម្រាប់តំបន់សិក្សា។
  2. ការទម្លាក់មាត្រដ្ឋានអាកាសធាតុ (Downscaling): ប្រើប្រាស់កម្មវិធី SDSM (Statistical DownScaling Model) ដើម្បីបម្លែងទិន្នន័យ GCMs ខ្នាតធំមកជាទិន្នន័យទឹកភ្លៀងប្រចាំថ្ងៃសម្រាប់ស្ថានីយជាក់លាក់នៅកម្ពុជា។
  3. ការបំបែកទិន្នន័យទឹកភ្លៀង (Disaggregation): ប្រើប្រាស់គំរូ BLRP (Bartlett-Lewis Rectangular Pulses) ដើម្បីបំបែកទិន្នន័យប្រចាំថ្ងៃទៅជាទិន្នន័យប្រចាំម៉ោង ដោយប្រើប្រាស់ក្បួនដោះស្រាយកូនកាត់ ABCS នៅក្នុងកម្មវិធី MATLAB ដើម្បីរកតម្លៃប៉ារ៉ាម៉ែត្រត្រឹមត្រូវបំផុត។
  4. ការធ្វើគំរូជលសាស្ត្រ (Hydrological Modeling): ប្រើប្រាស់ទិន្នន័យទឹកភ្លៀងប្រចាំម៉ោងដែលទទួលបាន ដើម្បីដំណើរការគំរូ HEC-HMS សម្រាប់ធ្វើក្រិតខ្នាតទិន្នន័យប្រវត្តិសាស្ត្រ រួចប្រើប្រាស់គំរូ APM (Analytical Probabilistic Model) ដើម្បីគណនាប្រូបាប៊ីលីតេនៃលំហូរទឹកកំពូល។
  5. ការវាយតម្លៃហានិភ័យ និងការសម្រេចចិត្ត: ប្រៀបធៀបលទ្ធផលនៃការផ្លាស់ប្តូរប្រេកង់លំហូរទឹកកំពូល (Qp) សម្រាប់ជុំរយៈពេល ១០, ៥០, និង ១០០ឆ្នាំ ដើម្បីផ្តល់ជាអនុសាសន៍សម្រាប់ការរចនាទំហំអាងស្តុកទឹក ឬទំនប់បង្ហូរទឹកនៅកម្ពុជា។

៥. វាក្យសព្ទបច្ចេកទេស (Technical Glossary)

ពាក្យបច្ចេកទេស ការពន្យល់ជាខេមរភាសា (Khmer Explanation) និយមន័យសាមញ្ញ (Simple Definition)
Statistical DownScaling Model (SDSM) គឺជាវិធីសាស្ត្រស្ថិតិដែលប្រើប្រាស់ដើម្បីបំប្លែងទិន្នន័យអាកាសធាតុសកលដែលមានទំហំក្រឡាធំៗ ទៅជាទិន្នន័យអាកាសធាតុក្នុងតំបន់តូចៗនិងជាក់លាក់ (ឧទាហរណ៍ដូចជាបរិមាណទឹកភ្លៀងប្រចាំថ្ងៃនៅស្ថានីយណាមួយ) ដោយប្រើប្រាស់ទំនាក់ទំនងស្ថិតិ។ ដូចជាការយកផែនទីពិភពលោកទាំងមូល មកពង្រីកមើលឲ្យឃើញច្បាស់នូវផ្លូវតូចៗក្នុងភូមិរបស់អ្នកដោយទាយតាមរូបរាងទីក្រុង។
Analytical Probabilistic Model (APM) គឺជាគំរូគណិតវិទ្យាដែលប្រើប្រាស់របាយប្រូបាប៊ីលីតេនៃលក្ខណៈទឹកភ្លៀង (ដូចជារយៈពេល និងបរិមាណ) ដើម្បីគណនាដោយផ្ទាល់នូវប្រូបាប៊ីលីតេនៃលំហូរទឹកកំពូលដោយមិនចាំបាច់ក្លែងធ្វើព្រឹត្តិការណ៍ទឹកភ្លៀងម្តងមួយៗតាមពេលវេលានោះទេ។ ដូចជាការទស្សន៍ទាយឱកាសនៃការត្រូវឆ្នោតដោយគណនាលើចំនួនសន្លឹកឆ្នោតសរុប ជាជាងការតាមដានរាល់ការចាប់ឆ្នោតម្តងមួយៗ។
General Circulation Models (GCMs) គឺជាគំរូកុំព្យូទ័រដ៏ស្មុគស្មាញដែលក្លែងធ្វើដំណើរការបរិយាកាស និងមហាសមុទ្រនៃផែនដីទាំងមូល ដើម្បីទស្សន៍ទាយពីសេណារីយ៉ូអាកាសធាតុនាពេលអនាគត ផ្អែកលើកម្រិតនៃការបញ្ចេញឧស្ម័នផ្ទះកញ្ចក់។ ដូចជាកម្មវិធីព្យាករណ៍រដូវកាលដ៏ធំមួយដែលអាចប្រាប់យើងពីនិន្នាការកម្តៅផែនដីក្នុងរយៈពេល ១០០ ឆ្នាំខាងមុខ។
Bartlett-Lewis Rectangular Pulses (BLRP) គឺជាគំរូស្ថិតិដែលប្រើដើម្បីបំបែកទិន្នន័យទឹកភ្លៀងប្រចាំថ្ងៃសរុប ទៅជាទិន្នន័យទឹកភ្លៀងលម្អិតប្រចាំម៉ោង ឬតូចជាងម៉ោង ដោយផ្អែកលើការផ្តុំគ្នានៃពពកភ្លៀងក្នុងធម្មជាតិពិត។ ដូចជាការយកនំខេកមួយដុំធំ (ភ្លៀងប្រចាំថ្ងៃសរុប) មកកាត់ជានំតូចៗរាប់សិបចំណែក (ភ្លៀងប្រចាំម៉ោង) ដើម្បីឲ្យដឹងថាម៉ោងណាភ្លៀងខ្លាំងឬខ្សោយ។
Artificial Bee Colony Simplex (ABCS) គឺជាក្បួនដោះស្រាយកូនកាត់ដែលរួមបញ្ចូលគ្នានូវវិធីសាស្ត្រស្វែងរកសកលត្រាប់តាមហ្វូងសត្វឃ្មុំរកផ្កា ជាមួយវិធីសាស្ត្រស្វែងរកគោលដៅជាក់លាក់ ដើម្បីស្វែងរកតម្លៃប៉ារ៉ាម៉ែត្រគណិតវិទ្យាដែលត្រឹមត្រូវបំផុតសម្រាប់គំរូ។ ដូចជាការប្រើហ្វូងឃ្មុំហោះរាយប៉ាយរកមើលសួនផ្កាដែលធំជាងគេ (ទីតាំងសកល) បន្ទាប់មកទើបប្រើស្រមោចទៅវាររកមើលទីតាំងលំអងផ្កាដែលផ្អែមបំផុតក្បែរៗនោះ (ទីតាំងជាក់លាក់)។
Inter-Event Time Definition (IETD) គឺជាចន្លោះពេលអប្បបរមានៃការគ្មានភ្លៀងធ្លាក់ទាល់តែសោះ ដែលគេកំណត់ឡើងដើម្បីខណ្ឌចែកកំណត់ត្រាទឹកភ្លៀងបន្តបន្ទាប់គ្នា ឲ្យទៅជាព្រឹត្តិការណ៍ភ្លៀងធ្លាក់ដាច់ដោយឡែកពីគ្នា។ ដូចជាការកំណត់ថាកម្មវិធីរៀនពីរម៉ោងខុសគ្នាគឺជាមុខវិជ្ជាពីរផ្សេងគ្នា លុះត្រាតែមានម៉ោងសម្រាកយ៉ាងហោចណាស់ ១៥ នាទីនៅចន្លោះកណ្តាល។
Hydrologic Engineering Center-Hydrologic Modeling System (HEC-HMS) គឺជាប្រព័ន្ធកម្មវិធីកុំព្យូទ័រដែលប្រើដើម្បីក្លែងធ្វើដំណើរការជលសាស្ត្រនៃតំបន់អាងទន្លេ ដោយបំប្លែងទឹកភ្លៀងទៅជាទឹកហូរលើផ្ទៃដី រួចបង្ហូរចូលទៅតាមបណ្តាញព្រែកនិងទន្លេ។ ដូចជាទីក្រុងគំរូសិប្បនិម្មិតមួយនៅក្នុងកុំព្យូទ័រ ដែលអនុញ្ញាតឲ្យយើងចាក់ទឹកពីលើហើយមើលឃើញពីរបៀបដែលទឹកហូរតាមប្រឡាយរហូតដល់អាងស្តុកទឹក។

៦. ប្រធានបទពាក់ព័ន្ធ (Further Reading)

ប្រធានបទ និងសំណួរស្រាវជ្រាវដែលទាក់ទងនឹងឯកសារនេះ ដែលអ្នកអាចស្វែងរកបន្ថែម៖