បញ្ហា (The Problem)៖ ឯកសារនេះដោះស្រាយបញ្ហានៃការប្រើប្រាស់ទិន្នន័យពីរូបភាពផ្កាយរណប ដើម្បីតាមដានបម្រែបម្រួលសីតុណ្ហភាពផ្ទៃដី ដែលជាជំនួយក្នុងការរៀបចំផែនការអភិវឌ្ឍន៍ទីក្រុង និងឆ្លើយតបទៅនឹងបម្រែបម្រួលអាកាសធាតុ។
វិធីសាស្ត្រ (The Methodology)៖ ការសិក្សានេះប្រើប្រាស់រូបភាពផ្កាយរណប Landsat 8 TIRS និង OLI រួមជាមួយនឹងវិធីសាស្ត្រកែតម្រូវបរិយាកាស (Atmospheric Correction Method) ដើម្បីទាញយកសីតុណ្ហភាពផ្ទៃដីពិតប្រាកដ។
លទ្ធផលសំខាន់ៗ (The Verdict)៖
| វិធីសាស្ត្រ (Method) | គុណសម្បត្តិ (Pros) | គុណវិបត្តិ (Cons) | លទ្ធផលគន្លឹះ (Key Result) |
|---|---|---|---|
| Atmospheric Correction Method វិធីសាស្ត្រកែតម្រូវបរិយាកាស (វិធីសាស្ត្រស្នើឡើង) |
កាត់បន្ថយកំហុសវិទ្យុសកម្មដែលបង្កឡើងដោយឥទ្ធិពលបរិយាកាស និងផ្តល់ភាពងាយស្រួលដោយពឹងផ្អែកលើព័ត៌មានពីរូបភាពផ្ទាល់។ | ត្រូវការប៉ារ៉ាម៉ែត្របរិយាកាសជាក់ស្តែង (ឧទាហរណ៍៖ សំណើម និងសម្ពាធខ្យល់) ដែលជារឿយៗពិបាកក្នុងការប្រមូលឱ្យបានគ្រប់ជ្រុងជ្រោយ។ | សម្រេចបានមេគុណទំនាក់ទំនងខ្ពស់ចន្លោះពី 0.8756 ដល់ 0.8815 បើប្រៀបធៀបទៅនឹងទិន្នន័យវាស់វែងជាក់ស្តែង។ |
| Split Window Algorithm ក្បួនដោះស្រាយបង្អួចបំបែក (ប្រើជាមួយទិន្នន័យ MODIS/NOAA) |
មានប្រសិទ្ធភាពខ្ពស់ក្នុងការទាញយកសីតុណ្ហភាពផ្ទៃដីដោយប្រើប្រាស់ទិន្នន័យរូបភាពដែលមាន Band អ៊ីនហ្វ្រារ៉េដកម្តៅចំនួនពីរ។ | កម្រិតភាពច្បាស់ (Resolution) នៃរូបភាពមានកម្រិតទាប ដែលធ្វើឱ្យភាពត្រឹមត្រូវនៃការទាញយកសីតុណ្ហភាពមិនទាន់ខ្ពស់គ្រប់គ្រាន់សម្រាប់តំបន់តូចៗ។ | មិនបានបញ្ជាក់តួលេខលទ្ធផលជាក់លាក់នៅក្នុងឯកសារនេះទេ ប៉ុន្តែត្រូវបានលើកឡើងថាខ្វះភាពច្បាស់លាស់ (Low resolution)។ |
| Single-channel Algorithm ក្បួនដោះស្រាយឆានែលតែមួយ (ឧទាហរណ៍៖ ម៉ូដែលកំណត់ដោយ Zhihao Qin) |
អាចប្រើប្រាស់បានយ៉ាងទូលំទូលាយជាមួយទិន្នន័យផ្កាយរណបស៊េរីចាស់ៗដូចជា Landsat TM6។ | មានចន្លោះប្រហោង និងមិនសូវមានប្រសិទ្ធភាពសម្រាប់តំបន់ដែលមានសណ្ឋានដីស្មុគស្មាញ និងឥទ្ធិពលបរិយាកាសខ្លាំង។ | មិនមានលទ្ធផលជាក់ស្តែងក្នុងឯកសារនេះទេ ត្រូវបានលើកឡើងជាវិធីសាស្ត្រប្រៀបធៀបដែលខ្វះខាតសម្រាប់តំបន់ស្មុគស្មាញ។ |
ការចំណាយលើធនធាន (Resource Cost)៖ ការអនុវត្តវិធីសាស្ត្រនេះទាមទារកម្មវិធីកុំព្យូទ័រឯកទេស និងទិន្នន័យរូបភាពផ្កាយរណបដែលមានគុណភាពបង្ហាញកម្រិតមធ្យម ព្រមទាំងទិន្នន័យផ្ទៀងផ្ទាត់ពីដីជាក់ស្តែង។
ការសិក្សានេះត្រូវបានធ្វើឡើងនៅទីក្រុង Jinan ប្រទេសចិន ដែលស្ថិតនៅតំបន់រយៈទទឹងកណ្តាល (Mid-latitude) និងព័ទ្ធជុំវិញដោយភ្នំ។ ទិន្នន័យដែលប្រើប្រាស់មានកម្រិតតិចតួច (ត្រឹមតែ២ថ្ងៃក្នុងឆ្នាំ២០១៧ និង២០១៨) និងខ្វះទិន្នន័យបរិយាកាសជាក់ស្តែងនៅតាមចំណុចនីមួយៗ។ សម្រាប់កម្ពុជា វាមានសារៈសំខាន់ណាស់ដែលត្រូវប្តូរការកំណត់ម៉ូដែលបរិយាកាសពី Mid-latitude ទៅជា Tropical atmospheric profile វិញ ទើបផ្តល់លទ្ធផលត្រឹមត្រូវ។
វិធីសាស្ត្រនៃការប្រើប្រាស់ Landsat 8 នេះពិតជាមានភាពសមស្រប និងអាចយកមកអនុវត្តបានយ៉ាងមានប្រសិទ្ធភាពសម្រាប់ការស្រាវជ្រាវបរិស្ថាននៅប្រទេសកម្ពុជា។
សរុបមក ការប្រើប្រាស់រូបភាពផ្កាយរណបតាមរយៈវិធីសាស្ត្រកែតម្រូវបរិយាកាស គឺជាឧបករណ៍ដ៏មានសក្តានុពលខ្ពស់សម្រាប់ជួយកម្ពុជាក្នុងការសម្របខ្លួន និងរៀបចំគោលនយោបាយឆ្លើយតបនឹងការប្រែប្រួលអាកាសធាតុ។
ដើម្បីអនុវត្តតាមការសិក្សានេះ និស្សិតគួរអនុវត្តតាមជំហានខាងក្រោម៖
| ពាក្យបច្ចេកទេស | ការពន្យល់ជាខេមរភាសា (Khmer Explanation) | និយមន័យសាមញ្ញ (Simple Definition) |
|---|---|---|
| Temperature inversion | នៅក្នុងបរិបទតេឡេដេតទិច (Remote Sensing) នៃឯកសារនេះ វាមិនមែនមានន័យថាការក្រឡាប់ចុះឡើងនៃសីតុណ្ហភាពអាកាសធាតុទេ ប៉ុន្តែវាគឺជាដំណើរការគណនាត្រឡប់ (Retrieval/Inversion process) ដើម្បីទាញយកសីតុណ្ហភាពពិតប្រាកដនៅលើផ្ទៃដី ដោយផ្អែកលើទិន្នន័យកាំរស្មីដែលសេនស័រផ្កាយរណបចាប់បាន បន្ទាប់ពីដកចេញនូវកត្តារំខានផ្សេងៗ។ | ដូចជាការសម្លឹងមើលវត្ថុមួយកាត់កញ្ចក់ប្រឡាក់ ហើយយើងព្យាយាមទាយពណ៌ពិតប្រាកដរបស់វត្ថុនោះ ដោយគណនាដកចេញនូវភាពកខ្វក់របស់កញ្ចក់។ |
| Atmospheric correction method | ជាវិធីសាស្ត្រគណនាដើម្បីលុបបំបាត់កំហុស (Error) ដែលបង្កឡើងដោយឥទ្ធិពលនៃបរិយាកាស (ដូចជា ការស្រូបយក និងការខ្ចាត់ខ្ចាយដោយចំហាយទឹក ធូលី និងឧស្ម័ន) ដែលធ្វើឱ្យរអាក់រអួលដល់កាំរស្មីកម្តៅមុនពេលវាធ្វើដំណើរពីដីទៅដល់សេនស័រផ្កាយរណប។ | ដូចជាការចុចប៊ូតុងកែពណ៌រូបថត (Filter) ឱ្យច្បាស់និងត្រឹមត្រូវឡើងវិញ បន្ទាប់ពីថតកាត់ផ្សែងអ័ព្ទក្រាស់។ |
| Surface emissivity | ជារង្វាស់ (ពី 0 ទៅ 1) ដែលបញ្ជាក់ពីសមត្ថភាពជាក់លាក់របស់វត្ថុមួយនៅលើដី (ឧទាហរណ៍៖ បេតុង ទឹក ដីឡូត៍ រុក្ខជាតិ) ក្នុងការបញ្ចេញថាមពលកម្តៅ (Thermal radiation) ទៅកាន់លំហ ធៀបទៅនឹងវត្ថុខ្មៅស្រូបកម្តៅល្អឥតខ្ចោះ (Blackbody) នៅសីតុណ្ហភាពដូចគ្នា។ | ដូចជាភាពខុសគ្នារវាងការពាក់អាវពណ៌ខ្មៅ និងអាវពណ៌សនៅក្រោមពន្លឺថ្ងៃ ដែលអាវមួយស្រូបនិងភាយកម្តៅចេញមកក្រៅបានលឿនជាងអាវមួយទៀត។ |
| NDVI | អក្សរកាត់នៃ Normalized Difference Vegetation Index គឺជាសូចនាករគណិតវិទ្យាដែលប្រើប្រាស់កម្រិតចំណាំងផ្លាតនៃពន្លឺពណ៌ក្រហម (Red) និងពន្លឺអ៊ីនហ្វ្រារ៉េដជិត (Near-infrared) ពីរូបភាពផ្កាយរណប ដើម្បីវាយតម្លៃពីភាពខៀវស្រងាត់ ដង់ស៊ីតេ និងសុខភាពរបស់រុក្ខជាតិនៅក្នុងតំបន់មួយ។ | ដូចជាឧបករណ៍ស្កេនដែលវាស់កម្រិត "ភាពរស់រវើកនិងកម្រិតពណ៌បៃតង" របស់ស្លឹកឈើ ដោយមើលទៅលើប្រភេទពន្លឺដែលវាជះត្រឡប់មកវិញ។ |
| Atmospheric transmittance | ជាភាគរយនៃថាមពលវិទ្យុសកម្ម (Radiation) ដែលអាចធ្វើដំណើរឆ្លងកាត់ស្រទាប់បរិយាកាសផែនដីបានដោយជោគជ័យ ដោយមិនត្រូវបានស្រូបយក ឬខ្ចាត់ខ្ចាយបាត់បង់ដោយឧស្ម័ន ឬភាគល្អិតផ្សេងៗក្នុងបរិយាកាសឡើយ។ | ដូចជាកម្រិតនៃពន្លឺពិលដែលអាចជះឆ្លងកាត់ទឹកល្អក់បាន បើទឹកកាន់តែល្អក់ ពន្លឺដែលឆ្លងកាត់បាន (Transmittance) មានកាន់តែតិច។ |
| Planck's formula | ជារូបមន្តរូបវិទ្យាដែលពិពណ៌នាអំពីទំនាក់ទំនងរវាងសីតុណ្ហភាពរបស់វត្ថុមួយ និងបរិមាណថាមពលវិទ្យុសកម្មអេឡិចត្រូម៉ាញ៉េទិចដែលវាបញ្ចេញនៅរលកប្រវែង (Wavelength) ជាក់លាក់មួយ។ ក្នុងន័យនេះ វាត្រូវបានប្រើដើម្បីបំប្លែងតម្លៃវិទ្យុសកម្មដែលផ្កាយរណបវាស់បាន ទៅជាតម្លៃសីតុណ្ហភាពដីវិញ។ | ដូចជាតារាងបកប្រែដែលប្រាប់យើងយ៉ាងច្បាស់ថា បើដុំដែកដុតឡើងពន្លឺពណ៌ក្រហមរាងលឿងបែបនេះ តើវាមានកម្តៅពិតប្រាកដប៉ុន្មានអង្សារសេ។ |
| thermal infrared band | ជាផ្នែកមួយនៃវិសាលគមអេឡិចត្រូម៉ាញ៉េទិច (រលកប្រវែងចន្លោះប្រហែល 8 ទៅ 15 មីក្រូម៉ែត្រ) ដែលភ្នែកមនុស្សមិនអាចមើលឃើញ ប៉ុន្តែសេនស័រផ្កាយរណប (ដូចជា TIRS) អាចចាប់យកបាន ដើម្បីវាស់កម្តៅដែលភាយចេញពីផ្ទៃផែនដីដោយផ្ទាល់។ | ដូចជាកាមេរ៉ាសម្លឹងយប់ (Thermal camera) ដែលគេពាក់ដើម្បីមើលឃើញកម្តៅខ្លួនមនុស្ស ឬសត្វបញ្ចេញពន្លឺក្នុងទីងងឹត។ |
អត្ថបទដែលបានបោះពុម្ពនៅលើ KhmerResearch ដែលទាក់ទងនឹងប្រធានបទនេះ៖
ប្រធានបទ និងសំណួរស្រាវជ្រាវដែលទាក់ទងនឹងឯកសារនេះ ដែលអ្នកអាចស្វែងរកបន្ថែម៖
