Original Title: Uncertainty and variability in environmental life-cycle assessment
Disclaimer: Summary generated by AI based on the provided document. Please refer to the original paper for full scientific accuracy.

ភាពមិនប្រាកដប្រជា និងអថេរភាពនៅក្នុងការវាយតម្លៃវដ្តជីវិតបរិស្ថាន

ចំណងជើងដើម៖ Uncertainty and variability in environmental life-cycle assessment

អ្នកនិពន្ធ៖ Mark Antonius Jan Huijbregts (University of Amsterdam)

ឆ្នាំបោះពុម្ព៖ 2001

វិស័យសិក្សា៖ Environmental Science

១. សេចក្តីសង្ខេបប្រតិបត្តិ (Executive Summary)

បញ្ហា (The Problem)៖ ការស្រាវជ្រាវនេះដោះស្រាយបញ្ហានៃការខ្វះខាតការវាយតម្លៃជាបរិមាណនៃភាពមិនប្រាកដប្រជា (Uncertainty) និងអថេរភាព (Variability) នៅក្នុងការវាយតម្លៃវដ្តជីវិតបរិស្ថាន (Environmental Life Cycle Assessment - LCA) ដែលការព្រងើយកន្តើយលើកត្តានេះអាចនាំឱ្យមានការសម្រេចចិត្តខុសក្នុងការគ្រប់គ្រងបរិស្ថាន។

វិធីសាស្ត្រ (The Methodology)៖ ការសិក្សានេះបានបង្កើតក្របខ័ណ្ឌចាត់ថ្នាក់ភាពមិនប្រាកដប្រជា និងប្រើប្រាស់ម៉ូដែលបរិស្ថានកម្រិតខ្ពស់ រួមផ្សំជាមួយការវិភាគស្ថិតិដើម្បីវាយតម្លៃ និងគណនាសក្តានុពលផលប៉ះពាល់។

លទ្ធផលសំខាន់ៗ (The Verdict)៖

២. ការវិភាគលើប្រសិទ្ធភាព និងដែនកំណត់ (Performance & Constraints)

វិធីសាស្ត្រ (Method) គុណសម្បត្តិ (Pros) គុណវិបត្តិ (Cons) លទ្ធផលគន្លឹះ (Key Result)
Monte Carlo Simulation / Latin Hypercube Sampling
ការវិភាគ Monte Carlo ជាមួយនឹងការគំរូ Latin Hypercube
អាចចាត់ចែងភាពមិនប្រាកដប្រជានៃប៉ារ៉ាម៉ែត្រជាច្រើនក្នុងពេលតែមួយ និងបង្ហាញពីទំនាក់ទំនង (correlations) នៃទិន្នន័យបានយ៉ាងល្អ។ ទាមទារឱ្យមានទិន្នន័យច្រើនដើម្បីកំណត់របាយប្រូបាប៊ីលីតេ (probability distributions) សម្រាប់ប៉ារ៉ាម៉ែត្រនីមួយៗ និងត្រូវការកម្លាំងកុំព្យូទ័រខ្ពស់។ បានបង្ហាញថា ភាពមិនប្រាកដប្រជានៃប៉ារ៉ាម៉ែត្រសម្រាប់សក្តានុពលនៃការពុលមានទំហំចាប់ពី ១,៥ ទៅ ៦ កម្រិតលំដាប់ទំហំ (orders of magnitude)។
Scenario Analysis
ការវិភាគសេណារីយ៉ូ (សម្រាប់ជម្រើសបទដ្ឋាន)
ស័ក្តិសមបំផុតក្នុងការវាយតម្លៃភាពមិនច្បាស់លាស់ដែលបណ្តាលមកពីការសម្រេចចិត្ត ឬជម្រើសគោលនយោបាយ (ឧទាហរណ៍៖ ការកំណត់ពេលវេលា វិធីសាស្ត្របែងចែក)។ មិនផ្តល់លទ្ធផលជាទម្រង់ប្រូបាប៊ីលីតេទេ គ្រាន់តែផ្តល់នូវព្រំដែននៃលទ្ធផលដែលអាចកើតមានប៉ុណ្ណោះ។ ការមិនរាប់បញ្ចូលផលប៉ះពាល់កម្រិតពិភពលោក (global scale) បានធ្វើឱ្យសក្តានុពលនៃការពុលរបស់លោហៈផ្លាស់ប្តូររហូតដល់ ២,៣ កម្រិតលំដាប់ទំហំ។
Spatially Explicit Modeling (RAINS-LCA)
ម៉ូដែលភូមិសាស្ត្រជាក់លាក់សម្រាប់វាយតម្លៃបរិស្ថាន (RAINS-LCA)
គិតបញ្ចូលនូវកម្រិតងាយរងគ្រោះនៃប្រព័ន្ធអេកូឡូស៊ីតាមតំបន់នីមួយៗ ដែលធ្វើឱ្យការវាយតម្លៃអាស៊ីតកម្ម និងអឺត្រុភីកម្មមានភាពសុក្រឹតខ្ពស់។ ត្រូវការទិន្នន័យភូមិសាស្ត្រ និងទិន្នន័យនៃការបំភាយយ៉ាងលម្អិតតាមតំបន់ (high-resolution data) ដែលពិបាកនឹងស្វែងរក។ រកឃើញថា ភាពខុសគ្នាតាមតំបន់ជាក់លាក់នៃសក្តានុពលអាស៊ីតកម្មមានទំហំរហូតដល់ ៣,៥ កម្រិតលំដាប់ទំហំ បើប្រៀបធៀបទៅនឹងម៉ូដែលទូទៅ។

ការចំណាយលើធនធាន (Resource Cost)៖ ការអនុវត្តវិធីសាស្ត្រវាយតម្លៃភាពមិនប្រាកដប្រជានៅក្នុង LCA ទាមទារឱ្យមានទិន្នន័យមូលដ្ឋានធំៗ កម្មវិធីកុំព្យូទ័រពិសេស និងអ្នកជំនាញដែលមានចំណេះដឹងផ្នែកស្ថិតិ។

៣. ការពិនិត្យសម្រាប់បរិបទកម្ពុជា/អាស៊ីអាគ្នេយ៍

ភាពលំអៀងនៃទិន្នន័យ (Data Bias)៖

ការសិក្សានេះផ្អែកទាំងស្រុងលើទិន្នន័យ និងបរិបទនៃទ្វីបអឺរ៉ុប (ជាពិសេសប្រទេសហូឡង់ និង ៤៤ តំបន់ក្នុងអឺរ៉ុប) ដោយប្រើប្រាស់ទិន្នន័យអាកាសធាតុ ដី និងទម្លាប់នៃការបរិភោគរបស់ប្រជាជននៅទីនោះ។ នេះជាចំណុចដែលកម្ពុជាត្រូវប្រុងប្រយ័ត្ន ព្រោះកម្ពុជាមានអាកាសធាតុតំបន់ត្រូពិច ប្រភេទដីខុសគ្នា និងកម្រិតរងគ្រោះនៃប្រព័ន្ធអេកូឡូស៊ីខុសពីអឺរ៉ុប ដែលទាមទារឱ្យមានការកែសម្រួលប៉ារ៉ាម៉ែត្រមុននឹងយកមកប្រើប្រាស់។

លទ្ធភាពនៃការអនុវត្ត (Applicability)៖

ទោះបីជាទិន្នន័យភាគច្រើនផ្តោតលើអឺរ៉ុបក៏ដោយ ក្របខ័ណ្ឌនិងវិធីសាស្ត្រនៃការសិក្សានេះមានអត្ថប្រយោជន៍ខ្លាំងសម្រាប់ការវាយតម្លៃបរិស្ថាននៅកម្ពុជា។

ការសម្របម៉ូដែលនិងក្របខ័ណ្ឌនៃការគណនានេះទៅនឹងបរិបទក្នុងស្រុក នឹងជួយឱ្យកម្ពុជាអាចធ្វើការសម្រេចចិត្តបានកាន់តែត្រឹមត្រូវ និងមានមូលដ្ឋានវិទ្យាសាស្ត្រច្បាស់លាស់ក្នុងការគ្រប់គ្រងផលប៉ះពាល់បរិស្ថាន។

៤. ផែនការសកម្មភាពសម្រាប់និស្សិត (Actionable Roadmap)

ដើម្បីអនុវត្តតាមការសិក្សានេះ និស្សិតគួរអនុវត្តតាមជំហានខាងក្រោម៖

  1. សិក្សាមូលដ្ឋានគ្រឹះនៃ LCA និងស្ថិតិ: និស្សិតត្រូវស្វែងយល់ពីស្តង់ដារ ISO 14040/14044 និងរៀនពីគោលគំនិតស្ថិតិដូចជា Probability Distributions។ គួរអនុវត្តប្រើប្រាស់កម្មវិធី OpenLCASimaPro កម្រិតមូលដ្ឋាន។
  2. អនុវត្តការវិភាគ Monte Carlo: ប្រើប្រាស់ Microsoft Excel រួមជាមួយ Crystal Ball (ឬប្រើប្រាស់ភាសា Python ជាមួយ NumPy/SciPy) ដើម្បីសាកល្បងបញ្ចូលភាពមិនប្រាកដប្រជាទៅក្នុងទិន្នន័យ Inventory សាមញ្ញ។
  3. ស្វែងយល់ពីម៉ូដែលវាយតម្លៃផលប៉ះពាល់ (Impact Models): ទាញយកនិងសិក្សាពីម៉ូដែល USES-LCA (ដែលមានជាទម្រង់ Excel) ដើម្បីយល់ពីរបៀបដែលគេគណនា Characterisation Factors សម្រាប់ការពុល និងការបំពុល។
  4. ប្រមូលទិន្នន័យសម្រាប់បរិបទប្រទេសកម្ពុជា: ចាប់ផ្តើមចងក្រងទិន្នន័យក្នុងស្រុក ដូចជាសីតុណ្ហភាពមធ្យម ប្រភេទដី ទិន្នន័យប្រភពថាមពល (Energy mix) និងទម្លាប់ប្រជាជន ដើម្បីជំនួសទិន្នន័យ Default របស់អឺរ៉ុបនៅក្នុងម៉ូដែល។
  5. ធ្វើគម្រោងស្រាវជ្រាវខ្នាតតូចដោយប្រើ Scenario Analysis: ជ្រើសរើសផលិតផលមួយនៅកម្ពុជា (ឧទាហរណ៍៖ ការប្រៀបធៀបការប្រើប្រាស់ថង់ប្លាស្ទិក និងថង់ក្រដាស) ហើយធ្វើការវិភាគសេណារីយ៉ូ (Scenario Analysis) ទៅលើជម្រើសនៃការគ្រប់គ្រងសំរាមនៅពេលអនាគត។

៥. វាក្យសព្ទបច្ចេកទេស (Technical Glossary)

ពាក្យបច្ចេកទេស ការពន្យល់ជាខេមរភាសា (Khmer Explanation) និយមន័យសាមញ្ញ (Simple Definition)
Life Cycle Assessment (LCA) ការវាយតម្លៃវដ្តជីវិត (LCA) គឺជាវិធីសាស្ត្រសម្រាប់ការវាយតម្លៃផលប៉ះពាល់បរិស្ថានសរុបនៃផលិតផលមួយ ដោយគិតចាប់តាំងពីការទាញយកវត្ថុធាតុដើម ការផលិត ការប្រើប្រាស់ រហូតដល់ការបោះចោលជាកាកសំណល់នាចុងបញ្ចប់។ ដូចជាការសរសេរប្រវត្តិរូបសង្ខេបពីកំណើតរហូតដល់ស្លាប់របស់របស់របរមួយ ដើម្បីមើលថាវានាំទុក្ខទោសអ្វីខ្លះដល់បរិស្ថានពេញមួយជីវិតរបស់វា។
Monte Carlo Simulation ជាបច្ចេកទេសគណិតវិទ្យាដែលប្រើប្រាស់ការទាញយកទិន្នន័យដោយចៃដន្យច្រំដែលៗ (random sampling) រាប់ពាន់ដង ដើម្បីប៉ាន់ស្មានលទ្ធផល និងគណនាពីប្រូបាប៊ីលីតេនៃភាពមិនប្រាកដប្រជានៅក្នុងម៉ូដែលស្មុគស្មាញ។ ដូចជាការបោះគ្រាប់ឡុកឡាក់រាប់ម៉ឺនដង រួចកត់ត្រាលទ្ធផលទុក ដើម្បីទស្សន៍ទាយថាតើលទ្ធផលចេញមកមានទម្រង់បែបណាខ្លះ និងភាគរយណាដែលចេញច្រើនជាងគេ។
Characterisation factor កត្តាលក្ខណៈ (Characterisation factor) គឺជាមេគុណឬទម្ងន់ដែលប្រើដើម្បីបំប្លែងបរិមាណនៃការបញ្ចេញសារធាតុពុលផ្សេងៗគ្នា ឱ្យទៅជាខ្នាតរង្វាស់រួមមួយក្នុងប្រភេទផលប៉ះពាល់បរិស្ថានណាមួយ (ឧទាហរណ៍៖ សក្តានុពលនៃការឡើងកម្តៅផែនដីដោយគិតជាស្មើនឹងបរិមាណ CO2)។ ដូចជាការប្តូររូបិយប័ណ្ណផ្សេងៗ (រៀល, ដុល្លារ, បាត) ទៅជារូបិយប័ណ្ណតែមួយប្រភេទ ដើម្បីងាយស្រួលប្រៀបធៀប និងបូកសរុបតម្លៃ។
Eutrophication អឺត្រុភីកម្ម គឺជាដំណើរការដែលប្រភពទឹក (ឬដី) ទទួលបានសារធាតុចិញ្ចឹមច្រើនហួសហេតុពេក (ដូចជា នីដ្រូសែន និងផូស្វ័រ) ដែលបណ្តាលឱ្យសារាយដុះលូតលាស់ខ្លាំងខុសធម្មតា ហើយស្រូបយកអុកស៊ីសែនក្នុងទឹកអស់ ធ្វើឱ្យត្រី និងភាវៈរស់ផ្សេងៗងាប់។ ដូចជាការដាក់ជីលើសកម្រិតទៅក្នុងផើងផ្កា ដែលធ្វើឱ្យស្មៅដុះដណ្តើមយកជីនិងទឹកអស់ ធ្វើឱ្យដើមផ្កាងាប់។
Toxicity Potentials សក្តានុពលនៃការពុល គឺជារង្វាស់ប្រៀបធៀបដែលបញ្ជាក់ពីកម្រិតគ្រោះថ្នាក់នៃសារធាតុគីមីមួយទៅលើសុខភាពមនុស្ស ឬប្រព័ន្ធអេកូឡូស៊ី ក្នុងមួយឯកតានៃការបញ្ចេញ ដោយធៀបនឹងសារធាតុគីមីគោលមួយទៀត។ ដូចជាការប្រៀបធៀបកម្រិតនៃភាពហិរ ដែលយើងយកម្ទេសដៃនាងជាគោល ដើម្បីវាស់ថាតើម្ទេសអាចម៍សត្វមានកម្រិតហិរខ្លាំងជាងប៉ុន្មានដង។
Critical Load បន្ទុកអតិបរមា ឬបន្ទុកកម្រិតធ្ងន់ធ្ងរ គឺជាកម្រិតខ្ពស់បំផុតនៃការបំពុល (ឧទាហរណ៍ ការធ្លាក់ភ្លៀងអាស៊ីត) ដែលប្រព័ន្ធអេកូឡូស៊ីមួយអាចទ្រាំទ្របានដោយមិនទទួលរងការខូចខាតធ្ងន់ធ្ងរ។ ដូចជាទម្ងន់ធ្ងន់បំផុតដែលរថយន្តមួយអាចផ្ទុកបាន មុនពេលវាបាក់បូម ឬផ្ទុះកង់។
Latin Hypercube sampling គឺជាវិធីសាស្ត្រនៃការជ្រើសរើសសំណាកស្ថិតិ ដោយបែងចែករបាយប្រូបាប៊ីលីតេជាផ្នែកៗ (intervals) ស្មើគ្នា រួចទាញយកតម្លៃពីផ្នែកនីមួយៗនោះ ដើម្បីធានាថាសំណាកតំណាងឱ្យទិន្នន័យគ្រប់ជ្រុងជ្រោយជាងការចាប់ឆ្នោតដោយចៃដន្យធម្មតា។ ដូចជាការកាត់នំខេកជាចំណិតស្មើៗគ្នា ហើយភ្លក់មួយម៉ាត់ពីគ្រប់ចំណិត ដើម្បីប្រាកដថាអ្នកបានភ្លក់រសជាតិនំទាំងមូល មិនមែនភ្លក់តែមួយកន្លែង។
Acidification អាស៊ីតកម្ម គឺជាដំណើរការដែលសារធាតុបំពុល (ដូចជា SO2 និង NOx) ត្រូវបានបញ្ចេញទៅក្នុងបរិយាកាស រួចធ្លាក់មកវិញក្នុងទម្រង់ជាភ្លៀងអាស៊ីត ដែលធ្វើឱ្យដី និងប្រភពទឹកចុះខ្សោយគុណភាពដោយសារកម្រិត pH ធ្លាក់ចុះទាប (កើនជាតិជូរ)។ ដូចជាការច្របាច់ក្រូចឆ្មារចូលទៅក្នុងទឹកដោះគោ ដែលធ្វើឱ្យទឹកដោះគោខូចគុណភាព និងកកជាដុំៗដោយសារជាតិអាស៊ីត។

៦. ប្រធានបទពាក់ព័ន្ធ (Further Reading)

អត្ថបទដែលបានបោះពុម្ពនៅលើ KhmerResearch ដែលទាក់ទងនឹងប្រធានបទនេះ៖

ប្រធានបទ និងសំណួរស្រាវជ្រាវដែលទាក់ទងនឹងឯកសារនេះ ដែលអ្នកអាចស្វែងរកបន្ថែម៖