Original Title: Tree Crowns Cause Border Effects in Area-Based Biomass Estimations from Remote Sensing
Source: doi.org/10.3390/rs13081592
Disclaimer: Summary generated by AI based on the provided document. Please refer to the original paper for full scientific accuracy.

មកុដដើមឈើបណ្តាលឱ្យមានផលប៉ះពាល់ព្រំដែន (Border Effects) ក្នុងការប៉ាន់ប្រមាណជីវម៉ាសផ្អែកលើផ្ទៃតំបន់ដោយប្រើប្រាស់តេឡេសិក្សា (Remote Sensing)

ចំណងជើងដើម៖ Tree Crowns Cause Border Effects in Area-Based Biomass Estimations from Remote Sensing

អ្នកនិពន្ធ៖ Nikolai Knapp (Department of Ecological Modelling, Helmholtz Centre for Environmental Research—UFZ, Leipzig, Germany), Andreas Huth (German Centre for Integrative Biodiversity Research (iDiv), Leipzig, Germany), Rico Fischer (Department of Ecological Modelling, Helmholtz Centre for Environmental Research—UFZ, Leipzig, Germany)

ឆ្នាំបោះពុម្ព៖ 2021, Remote Sensing (MDPI)

វិស័យសិក្សា៖ Remote Sensing and Forest Ecology

១. សេចក្តីសង្ខេបប្រតិបត្តិ (Executive Summary)

បញ្ហា (The Problem)៖ ឯកសារនេះដោះស្រាយបញ្ហាភាពមិនប្រាកដប្រជាក្នុងការប៉ាន់ប្រមាណជីវម៉ាសលើដីនៃព្រៃឈើពីតេឡេសិក្សា (Remote Sensing) ដែលបណ្តាលមកពី "ផលប៉ះពាល់ព្រំដែន" (Border effects) ពោលគឺនៅពេលដែលមកុដដើមឈើលាតសន្ធឹងឆ្លងកាត់ព្រំដែនសិប្បនិម្មិតនៃកន្លែងសង្កេត ឬផ្ទៃស្កេនរបស់ឡាស៊ែរ (Lidar footprints)។

វិធីសាស្ត្រ (The Methodology)៖ អ្នកស្រាវជ្រាវបានប្រើប្រាស់ទិន្នន័យសារពើភ័ណ្ឌព្រៃឈើ ដើម្បីបង្កើតជាគំរូដំបូលព្រៃនិម្មិតត្រីមាត្រ (3D virtual canopy model) និងធ្វើត្រាប់តាមការវាស់វែងប្រភេទឡាស៊ែរ (Lidar) ក្នុងទំហំផ្ទៃផ្សេងៗគ្នា ដើម្បីវាស់វែងទំហំមកុដដើមឈើដែលចេញចូល និងផលប៉ះពាល់របស់វាទៅលើកំហុសនៃការប៉ាន់ប្រមាណជីវម៉ាស។

លទ្ធផលសំខាន់ៗ (The Verdict)៖

២. ការវិភាគលើប្រសិទ្ធភាព និងដែនកំណត់ (Performance & Constraints)

វិធីសាស្ត្រ (Method) គុណសម្បត្តិ (Pros) គុណវិបត្តិ (Cons) លទ្ធផលគន្លឹះ (Key Result)
Small-scale Square Plots (10-20m) CHM
ការប៉ាន់ប្រមាណលើផ្ទៃតំបន់ការ៉េតូចៗ (១០-២០ ម៉ែត្រ) ដោយប្រើម៉ូដែលកម្ពស់ដំបូលព្រៃ (CHM)
អាចចាប់យកព័ត៌មានលម្អិតនៃរចនាសម្ព័ន្ធដំបូលព្រៃក្នុងកម្រិតខ្ពស់សម្រាប់ការសិក្សាខ្នាតតូច។ មានកំហុសខ្ពស់ខ្លាំងដោយសារផលប៉ះពាល់ព្រំដែន (Border effects) ដោយសារតែការរាប់បញ្ចូលចំណែកនៃមកុដដើមឈើដែលដុះនៅក្រៅដីឡូត៍។ មានភាពមិនប្រាកដប្រជាខ្ពស់ (nRMSE ពី ៤៨% ដល់ ១២១%) ដែលក្នុងនោះផលប៉ះពាល់ព្រំដែនរួមចំណែកពី ៤០% ទៅ ៤៤% នៃកំហុសសរុប។
Large-scale Square Plots (50-100m) CHM
ការប៉ាន់ប្រមាណលើផ្ទៃតំបន់ការ៉េធំៗ (៥០-១០០ ម៉ែត្រ) ដោយប្រើម៉ូដែលកម្ពស់ដំបូលព្រៃ (CHM)
កាត់បន្ថយផលប៉ះពាល់ព្រំដែនបានយ៉ាងមានប្រសិទ្ធភាព ដោយសារអនុបាតបរិមាត្រធៀបនឹងផ្ទៃ (Perimeter-to-area ratio) មានទំហំតូច។ ត្រូវការទំហំដីវាស់វែងធំ ដែលត្រូវចំណាយកម្លាំងពលកម្មច្រើនក្នុងការប្រមូលទិន្នន័យផ្ទាល់លើដី និងអាចបាត់បង់ការបង្ហាញពីភាពប្រែប្រួលរចនាសម្ព័ន្ធលម្អិត។ មានភាពមិនប្រាកដប្រជាទាប (nRMSE ត្រឹម ៧% ទៅ ១៧%) ដែលផលប៉ះពាល់ព្រំដែនរួមចំណែកជិតស្មើ ០% នៅទំហំ ១០០ ម៉ែត្រ។
GEDI Large-footprint Lidar (23m) with Gaussian weighting
ការប៉ាន់ប្រមាណប្រើឡាស៊ែរទំហំធំប្រភេទ GEDI (២៣ ម៉ែត្រ) ជាមួយនឹងការចែកចាយថាមពលរាង Gaussian
សាកសមសម្រាប់ការតាមដានព្រៃឈើពីអវកាស និងជួយកាត់បន្ថយផលប៉ះពាល់ពីការជ្រៀតចូលនៃមកុដឈើនៅតាមគែមនៃផ្ទៃស្កេន។ ការចែកចាយថាមពលមិនស្មើគ្នាធ្វើឱ្យដើមឈើនៅកណ្តាលផ្តល់សញ្ញាខ្លាំងជាងដើមនៅក្បែរព្រំដែន បង្កជាភាពមិនប្រាកដប្រជាថ្មីមួយទៀតដល់ម៉ូដែល។ កំហុសសរុប (nRMSE) ស្មើនឹង ៥២% ដែលផលប៉ះពាល់ព្រំដែនចូលរួមចំណែក ២៣% នៃកំហុសនេះ។
ICESat GLAS Large-footprint Lidar (65m) with Gaussian weighting
ការប៉ាន់ប្រមាណប្រើឡាស៊ែរទំហំធំប្រភេទ ICESat GLAS (៦៥ ម៉ែត្រ) ជាមួយនឹងការចែកចាយថាមពលរាង Gaussian
ផ្ទៃស្កេនទំហំធំជួយកាត់បន្ថយបរិមាណមកុដដើមឈើដែលលាតសន្ធឹងចេញចូលបានយ៉ាងល្អប្រសើរ និងផ្តល់ភាពសុក្រឹតខ្ពស់សម្រាប់ការគណនាកាបូនកម្រិតតំបន់។ ទំហំស្កេនធំពេកមិនសាកសមសម្រាប់ការវិភាគកម្រិតដើមឈើនីមួយៗ (Individual tree level) នោះទេ។ កំហុសសរុបធ្លាក់ចុះមកត្រឹម ១៥% (nRMSE) ដែលផលប៉ះពាល់ព្រំដែនមានត្រឹមតែ ៦% ប៉ុណ្ណោះ។

ការចំណាយលើធនធាន (Resource Cost)៖ ការសិក្សានេះផ្អែកលើការធ្វើត្រាប់តាមកុំព្យូទ័រ (Computer simulation) និងទិន្នន័យសារពើភ័ណ្ឌព្រៃឈើ ដែលតម្រូវឱ្យមានសមត្ថភាពគណនាខ្ពស់សម្រាប់ការបង្កើត និងវិភាគទិន្នន័យព្រៃឈើត្រីមាត្រ។

៣. ការពិនិត្យសម្រាប់បរិបទកម្ពុជា/អាស៊ីអាគ្នេយ៍

ភាពលំអៀងនៃទិន្នន័យ (Data Bias)៖

ការសិក្សានេះប្រមូលទិន្នន័យពីព្រៃនៅ Barro Colorado Island (BCI) ប្រទេសប៉ាណាម៉ា ដែលជាប្រភេទព្រៃចាស់ (Old-growth forest) សម្បូរដោយដើមឈើមានមកុដធំៗ។ សម្រាប់ប្រទេសកម្ពុជា ទោះបីជាមានព្រៃស្រដៀងគ្នានេះក្តី ប៉ុន្តែក៏មានព្រៃរបោះ (Deciduous dipterocarp forest) ដែលមានលក្ខណៈមកុដដើមឈើខុសគ្នា ដូច្នេះការយកសមីការមកប្រើប្រាស់ផ្ទាល់អាចនឹងវាយតម្លៃលើស ឬខុសពីទំហំជាក់ស្តែងនៃផលប៉ះពាល់ព្រំដែននៅកម្ពុជា។

លទ្ធភាពនៃការអនុវត្ត (Applicability)៖

វិធីសាស្ត្រនិងរបកគំហើញនៃការស្រាវជ្រាវនេះមានអត្ថប្រយោជន៍ខ្លាំងណាស់សម្រាប់កម្ពុជា ពិសេសក្នុងការកែលម្អភាពសុក្រឹតនៃការប៉ាន់ប្រមាណស្តុកកាបូនព្រៃឈើ (REDD+) តាមរយៈតេឡេសិក្សា។

សរុបមក ការជ្រើសរើសទំហំដីឡូត៍វាស់វែង និងការយល់ដឹងស៊ីជម្រៅពីលក្ខណៈបច្ចេកទេសនៃឧបករណ៍ Lidar នីមួយៗ គឺជារឿងចាំបាច់បំផុតដើម្បីធានាបាននូវតម្លាភាព និងភាពត្រឹមត្រូវក្នុងការវាយតម្លៃស្តុកកាបូននៅកម្ពុជា។

៤. ផែនការសកម្មភាពសម្រាប់និស្សិត (Actionable Roadmap)

ដើម្បីអនុវត្តតាមការសិក្សានេះ និស្សិតគួរអនុវត្តតាមជំហានខាងក្រោម៖

  1. ស្វែងយល់ពីបច្ចេកវិទ្យា Lidar ពីអវកាស: ចាប់ផ្តើមសិក្សាអំពីគោលការណ៍កម្រិតខ្ពស់របស់ Lidar Waveforms និងប្រព័ន្ធផ្កាយរណបដូចជា GEDI និង ICESat-2 តាមរយៈឯកសាររៀនសូត្រពី NASA ARSET។
  2. ប្រមូល និងសម្អាតទិន្នន័យដីឡូត៍ព្រៃឈើកម្ពុជា: ប្រមូលទិន្នន័យវាស់វែងព្រៃឈើដែលមានស្រាប់ (មានទីតាំង XY, DBH, កម្ពស់ដើមឈើ) ពីអង្គការដៃគូ ហើយប្រើប្រាស់កម្មវិធី R (e.g., dplyr, sf)Python (Pandas) ដើម្បីសម្អាតនិងរៀបចំទិន្នន័យ។
  3. កែសម្រួលសមីការ Allometric សម្រាប់កម្ពុជា: ប្រើប្រាស់ទិន្នន័យដែលប្រមូលបានដើម្បីសាកល្បង ឬបង្កើតសមីការ Allometric ថ្មី ដែលទាក់ទងនឹងការគណនាអង្កត់ផ្ចិតមកុដដើមឈើ (Crown diameter allometry) សម្រាប់ប្រភេទឈើជាក់លាក់នៅក្នុងប្រទេសកម្ពុជា ជាជាងប្រើសមីការតំបន់ត្រូពិកទូទៅ។
  4. អភិវឌ្ឍន៍ម៉ូដែលព្រៃឈើត្រីមាត្រ (3D Voxel Models): ប្រើប្រាស់កូដ R (ដូចជាកញ្ចប់ lidR) ឬបង្កើត Script ផ្ទាល់ខ្លួនដើម្បីបំលែងទិន្នន័យតារាងទីតាំងឈើ ទៅជាទម្រង់ព្រៃឈើត្រីមាត្រ (3D Voxel forest) និងសាកល្បងបង្កើត Simulated Canopy Height Model (CHM)។
  5. វាស់ស្ទង់ផលប៉ះពាល់ព្រំដែនដើម្បីកំណត់ទំហំ Plot សមស្រប: អនុវត្តការធ្វើត្រាប់តាម (Simulation) ដោយកាត់សាកល្បងទំហំ Plot ខុសៗគ្នា (ឧ. ២០ម, ៥០ម, ១០០ម) លើម៉ូដែលព្រៃ 3D របស់អ្នក រួចប្រៀបធៀបទិន្នន័យជីវម៉ាសសរុប ដើម្បីរកមើលទំហំ Plot អប្បបរមាដែលផ្តល់កំហុសតិចបំផុតសម្រាប់ព្រៃឈើនៅតំបន់របស់អ្នក។

៥. វាក្យសព្ទបច្ចេកទេស (Technical Glossary)

ពាក្យបច្ចេកទេស ការពន្យល់ជាខេមរភាសា (Khmer Explanation) និយមន័យសាមញ្ញ (Simple Definition)
Border effect ជាបាតុភូតដែលកើតឡើងនៅពេលមកុដដើមឈើលាតសន្ធឹងឆ្លងកាត់ខ្សែបន្ទាត់ព្រំដែនសិប្បនិម្មិតនៃកន្លែងវាស់វែង (Plot)។ វាធ្វើឱ្យទិន្នន័យពីឡាស៊ែរ (Lidar) និងទិន្នន័យដើមឈើលើដីមិនស៊ីគ្នា ព្រោះឡាស៊ែរថតជាប់មកុដឈើដែលដុះនៅក្រៅដីឡូត៍ ខណៈដែលការគណនាជីវម៉ាសលើដីរាប់បញ្ចូលតែដើមឈើណាដែលដុះក្នុងព្រំដែនប៉ុណ្ណោះ។ ដូចជាការថតរូបសមាជិកគ្រួសារក្នុងបន្ទប់មួយ តែថតជាប់ដៃឬជើងរបស់អ្នកជិតខាងដែលលូកតាមបង្អួចចូលមក ធ្វើឱ្យម៉ាស៊ីនគិតច្រឡំថាជាសមាជិកគ្រួសារយើងដែរ។
Canopy height model (CHM) ជាម៉ូដែលរូបភាពឌីជីថល (Raster) ដែលបង្ហាញពីកម្ពស់ផ្ទៃខាងលើបង្អស់នៃដំបូលព្រៃធៀបនឹងផ្ទៃដី។ វិធីសាស្ត្រនេះប្រមូលយកតែចំណុចខ្ពស់ៗបំផុតនៃមកុដដើមឈើនៅរៀងរាល់ទីតាំងកូអរដោនេ (X, Y) ដើម្បីបង្កើតជាផែនទីកម្ពស់សរុបនៃព្រៃសម្រាប់ការប៉ាន់ប្រមាណជីវម៉ាស។ ដូចជាការយកភួយដ៏ធំមួយទៅដណ្ដប់ពីលើព្រៃទាំងមូល រួចវាស់កម្ពស់នៃទម្រង់រាងភួយនោះនៅគ្រប់ៗចំណុចទាំងអស់ធៀបនឹងដី។
3D voxel space គឺជាការបំបែកលំហត្រីមាត្រ (3D) ជាប្រអប់គូបតូចៗ (Voxel) ដែលមានទំហំប៉ុនៗគ្នា (ឧទាហរណ៍ 1m x 1m x 1m) ដើម្បីតំណាងឱ្យរចនាសម្ព័ន្ធរបស់ព្រៃឈើ (ដូចជាមកុដ មែក ស្លឹក)។ វាជួយឱ្យកុំព្យូទ័រអាចធ្វើការគណនាបរិមាណមែកធាង និងកំណត់ទីតាំងរបស់ឈើនិមួយៗបានយ៉ាងងាយស្រួលសម្រាប់ការធ្វើត្រាប់តាម (Simulation)។ ដូចជាការយកដុំឡេហ្គោ (Lego) រាងគូបតូចៗមករៀបតម្រៀបបន្តុបលើគ្នា ដើម្បីសាងសង់ចេញជារូបរាងដើមឈើមួយដើមក្នុងកុំព្យូទ័រ។
Allometric relationships ជាសមីការគណិតវិទ្យាដែលប្រើសម្រាប់ទស្សន៍ទាយលក្ខណៈរូបរាង ឬទំហំផ្នែកណាមួយរបស់ដើមឈើ (ឧទាហរណ៍ កម្ពស់ ទទឹងមកុដ ឬជីវម៉ាសសរុប) ដោយផ្អែកលើទិន្នន័យដែលងាយស្រួលវាស់វែង (ដូចជា អង្កត់ផ្ចិតគល់ឈើ DBH)។ ក្នុងឯកសារនេះ គេប្រើវាដើម្បីបង្កើតទម្រង់មកុដដើមឈើនិម្មិតពីទិន្នន័យបញ្ជីសារពើភ័ណ្ឌ។ ដូចជាការទស្សន៍ទាយទំហំស្បែកជើង និងទម្ងន់របស់មនុស្សម្នាក់ ដោយគ្រាន់តែដឹងពីកម្ពស់របស់គាត់តាមរយៈរូបមន្តស្ថិតិ។
Gaussian energy distribution ជាទម្រង់នៃការចែកចាយថាមពលរបស់ពន្លឺឡាស៊ែរ (Lidar) គឺថាមពលនឹងប្រមូលផ្តុំខ្លាំងបំផុតនៅចំកណ្តាលនៃរង្វង់ស្កេន ហើយចុះខ្សោយបន្តិចម្តងៗនៅពេលឃ្លាតឆ្ងាយទៅរកគែមរង្វង់។ វាធ្វើឱ្យដើមឈើនៅកណ្តាលរង្វង់ផ្តល់សញ្ញាត្រឡប់មកវិញខ្លាំងជាងដើមឈើនៅក្បែរព្រំដែន ដែលអាចផ្លាស់ប្តូរលទ្ធផលគណនាជីវម៉ាស។ ដូចជាការបញ្ចាំងពិលទៅលើជញ្ជាំង ដែលពន្លឺភ្លឺច្បាស់ខ្លាំងបំផុតនៅចំណុចកណ្តាល ហើយស្រអាប់បន្តិចម្តងៗនៅតាមបរិវេណជុំវិញ។
Periodic boundary conditions ជាបច្ចេកទេសក្នុងការព្យាករណ៍ម៉ូដែលកុំព្យូទ័រ ដើម្បីលុបបំបាត់បញ្ហាផលប៉ះពាល់ព្រំដែនដោយច្នៃប្រឌិត។ នៅពេលមកុដដើមឈើលាតសន្ធឹងផុតព្រំដែនម្ខាងនៃដីឡូត៍ នោះចំណែកដែលលានចេញនោះនឹងត្រូវកំណត់ឱ្យយកមកដាក់បញ្ចូលវិញនៅព្រំដែនម្ខាងទៀត (ទល់មុខគ្នា) ធ្វើឱ្យបរិមាណសរុបមិនបាត់បង់ ហើយក៏គ្មានមកុដឈើពីខាងក្រៅអាចជ្រៀតចូលបានដែរ។ ដូចជាការលេងហ្គេម Pac-Man ដែលពេលតួអង្គដើរធ្លាយចេញផុតអេក្រង់ខាងឆ្វេង វានឹងលេចចេញមកវិញភ្លាមនៅគែមអេក្រង់ខាងស្តាំ។
Large-footprint lidar ជាបច្ចេកវិទ្យាឡាស៊ែរ (ជាទូទៅបំពាក់លើផ្កាយរណប ដូចជា GEDI ឬ ICESat GLAS) ដែលបាញ់កាំពន្លឺគ្របដណ្តប់លើផ្ទៃរង្វង់ដីធំៗ (ឧទាហរណ៍ អង្កត់ផ្ចិត ២៣ ម៉ែត្រ ឬ ៦៥ ម៉ែត្រ) ក្នុងពេលតែមួយ។ វាចាប់យកទម្រង់រលកសញ្ញាបញ្ឈរពីកំពូលឈើដល់ដី (Waveform) នៃតំបន់ទាំងមូល ជាជាងការចាប់យកជាចំណុចឡាស៊ែរតូចៗចង្អៀតៗ។ ដូចជាការបោះសំណាញ់ដ៏ធំមួយចូលទៅក្នុងទឹក ដើម្បីស្ទាបស្ទង់អ្វីៗគ្រប់យ៉ាងដែលមានក្នុងរង្វង់សំណាញ់នោះក្នុងពេលតែមួយ ជាជាងការប្រើសន្ទូចស្ទូចមម្តងមួយៗ។

៦. ប្រធានបទពាក់ព័ន្ធ (Further Reading)

អត្ថបទដែលបានបោះពុម្ពនៅលើ KhmerResearch ដែលទាក់ទងនឹងប្រធានបទនេះ៖

ប្រធានបទ និងសំណួរស្រាវជ្រាវដែលទាក់ទងនឹងឯកសារនេះ ដែលអ្នកអាចស្វែងរកបន្ថែម៖