Original Title: Why you should use capture-recapture methods when estimating survival and breeding probabilities: on bias, temporary emigration, overdispersion, and common toads
Source: www.iee.unibe.ch
Disclaimer: Summary generated by AI based on the provided document. Please refer to the original paper for full scientific accuracy.

ហេតុអ្វីអ្នកគួរប្រើប្រាស់វិធីសាស្ត្រចាប់យក-ចាប់យកម្តងទៀត (Capture-Recapture) នៅពេលប៉ាន់ស្មានប្រូបាប៊ីលីតេនៃការរស់រានមានជីវិត និងការបង្កាត់ពូជ៖ ការលំអៀង ការធ្វើចំណាកស្រុកបណ្តោះអាសន្ន ការបែកខ្ញែកហួសកម្រិត និងសត្វគីង្គក់ធម្មតា

ចំណងជើងដើម៖ Why you should use capture-recapture methods when estimating survival and breeding probabilities: on bias, temporary emigration, overdispersion, and common toads

អ្នកនិពន្ធ៖ Benedikt R. Schmidt (University of Zürich), Michael Schaub (CEFE/CNRS), Bradley R. Anholt (University of Victoria)

ឆ្នាំបោះពុម្ព៖ 2002 Amphibia-Reptilia

វិស័យសិក្សា៖ Population Ecology

១. សេចក្តីសង្ខេបប្រតិបត្តិ (Executive Summary)

បញ្ហា (The Problem)៖ ការសិក្សានេះដោះស្រាយបញ្ហានៃការប្រើប្រាស់វិធីសាស្ត្រមិនត្រឹមត្រូវ (ដូចជាវិធីសាស្ត្ររាប់ចំនួនអប្បបរមា ឬអត្រាត្រឡប់មកវិញ) ក្នុងការប៉ាន់ស្មានអត្រារស់រានមានជីវិត និងការបង្កាត់ពូជរបស់ពពួកសត្វថលជលិក ដែលនាំឱ្យមានការលំអៀងទិន្នន័យ។ វាសង្កត់ធ្ងន់លើភាពចាំបាច់ក្នុងការប្រើប្រាស់ម៉ូដែលស្ថិតិដែលអាចទុកចិត្តបាន ដើម្បីស្វែងយល់ពីមូលហេតុនៃការធ្លាក់ចុះចំនួនប្រជាសាស្ត្រសត្វទាំងនេះជុំវិញពិភពលោក។

វិធីសាស្ត្រ (The Methodology)៖ អ្នកស្រាវជ្រាវបានធ្វើការវិភាគឡើងវិញលើទិន្នន័យចាប់យកសត្វគីង្គក់ធម្មតា (Bufo bufo) ដោយប្រើប្រាស់វិធីសាស្ត្រស្ថិតិទំនើប ដើម្បីគណនាអត្រារស់រានមានជីវិត និងកែតម្រូវកំហុសឆ្គង។

លទ្ធផលសំខាន់ៗ (The Verdict)៖

២. ការវិភាគលើប្រសិទ្ធភាព និងដែនកំណត់ (Performance & Constraints)

វិធីសាស្ត្រ (Method) គុណសម្បត្តិ (Pros) គុណវិបត្តិ (Cons) លទ្ធផលគន្លឹះ (Key Result)
Capture-Recapture (CR) Methods / Cormack-Jolly-Seber (CJS) model
វិធីសាស្ត្រចាប់យក-ចាប់យកម្តងទៀត (ម៉ូដែល CJS និងការកែតម្រូវផ្សេងៗ)
ផ្តល់ការប៉ាន់ស្មានមិនលំអៀង និងអាចកែតម្រូវកត្តាផ្សេងៗដូចជាការធ្វើចំណាកស្រុកបណ្តោះអាសន្ន។ វាមានប្រព័ន្ធត្រួតពិនិត្យភាពស័ក្តិសមនៃម៉ូដែល (Goodness-of-fit) ច្បាស់លាស់។ ទាមទារការប្រមូលទិន្នន័យយ៉ាងម៉ត់ចត់នៅទីវាល ព្រមទាំងត្រូវការចំណេះដឹងផ្នែកស្ថិតិ និងការប្រើប្រាស់កម្មវិធីកុំព្យូទ័រស្មុគស្មាញ។ ប៉ាន់ស្មានអត្រារស់រានមានជីវិតបានត្រឹមត្រូវ ៤៧,៤% សម្រាប់ឆ្នាំ១៩៩០-១៩៩១ ព្រមទាំងរកឃើញថាអត្រាចាប់បាននៅរបាំងមិនមែន ១០០% នោះទេ។
Enumeration / Minimum Number Alive Method
វិធីសាស្ត្ររាប់ចំនួនអប្បបរមានៃសត្វមានជីវិត
ងាយស្រួលក្នុងការគណនា និងមិនតម្រូវឱ្យមានចំណេះដឹងផ្នែកស្ថិតិស្មុគស្មាញ ឬកម្មវិធីកុំព្យូទ័រពិសេសឡើយ។ ផ្តល់ទិន្នន័យលំអៀងខ្លាំង និងតែងតែប៉ាន់ស្មានអត្រារស់រានទាបជាងការពិតជានិច្ច ព្រោះវាសន្មតថាអត្រាចាប់សត្វបានគឺមាន ១០០%។ ត្រូវបានបញ្ជាក់ថាហួសសម័យ និងផ្តល់ទិន្នន័យមិនពិតប្រាកដសម្រាប់ការវិភាគប្រជាសាស្ត្រ ដែលនាំឱ្យមានការសន្និដ្ឋានខុស។
Stable Age Distribution Method
វិធីសាស្ត្របែងចែកអាយុថេរ
អាចប៉ាន់ស្មានអាយុកាលអតិបរមា ឬអត្រារស់រានបានដោយផ្អែកលើទិន្នន័យរចនាសម្ព័ន្ធអាយុរបស់សត្វ។ ការសន្មតថារចនាសម្ព័ន្ធអាយុនៅក្នុងប្រជាសាស្ត្រមួយមានភាពថេរ គឺកម្រនឹងកើតមានណាស់ក្នុងធម្មជាតិ ដែលធ្វើឱ្យលទ្ធផលអាចមានភាពមិនច្បាស់លាស់។ មិនត្រូវបានណែនាំឱ្យប្រើសម្រាប់ការសិក្សាសត្វថលជលិកទេ ដោយសាររចនាសម្ព័ន្ធអាយុរបស់វាមានការប្រែប្រួលខ្ពស់។

ការចំណាយលើធនធាន (Resource Cost)៖ ការវិភាគនេះទាមទារកម្មវិធីកុំព្យូទ័រឯកទេស និងចំណេះដឹងផ្នែកស្ថិតិខ្ពស់ដើម្បីដំណើរការម៉ូដែល ប៉ុន្តែមិនតម្រូវឱ្យមានផ្នែករឹង (Hardware) ធំដុំនោះទេ។

៣. ការពិនិត្យសម្រាប់បរិបទកម្ពុជា/អាស៊ីអាគ្នេយ៍

ភាពលំអៀងនៃទិន្នន័យ (Data Bias)៖

ការសិក្សានេះប្រើប្រាស់ទិន្នន័យសត្វគីង្គក់ធម្មតា (Bufo bufo) ពីតំបន់សិក្សាមួយនៅអឺរ៉ុប។ ទោះបីជាប្រភេទសត្វ និងទីតាំងភូមិសាស្ត្រខុសពីប្រទេសកម្ពុជាក៏ដោយ វិធីសាស្ត្រនិងទ្រឹស្តីស្ថិតិដែលបានប្រើគឺមានសារៈសំខាន់ខ្លាំងសម្រាប់ការស្រាវជ្រាវសត្វព្រៃនៅកម្ពុជា ដើម្បីចៀសវាងការសន្និដ្ឋានខុសពីអត្រារស់រាននៃសត្វជិតផុតពូជដោយសារកំហុសរាប់ទិន្នន័យ។

លទ្ធភាពនៃការអនុវត្ត (Applicability)៖

វិធីសាស្ត្រ Capture-Recapture នេះមានប្រយោជន៍យ៉ាងខ្លាំង និងគួរត្រូវបានអនុវត្តជាបន្ទាន់សម្រាប់ការស្រាវជ្រាវ និងអភិរក្សជីវចម្រុះនៅក្នុងប្រទេសកម្ពុជា។

ការបោះបង់ចោលវិធីសាស្ត្ររាប់ចំនួនបែបបុរាណ ហើយងាកមកប្រើប្រាស់ម៉ូដែលស្ថិតិដ៏រឹងមាំនេះ នឹងជួយឱ្យអ្នកអភិរក្សនៅកម្ពុជាទទួលបានទិន្នន័យពិតប្រាកដក្នុងការជួយសង្គ្រោះប្រភេទសត្វងាយរងគ្រោះ។

៤. ផែនការសកម្មភាពសម្រាប់និស្សិត (Actionable Roadmap)

ដើម្បីអនុវត្តតាមការសិក្សានេះ និស្សិតគួរអនុវត្តតាមជំហានខាងក្រោម៖

  1. សិក្សាមូលដ្ឋានគ្រឹះនៃទ្រឹស្តីស្ថិតិ: ស្វែងយល់អំពីទ្រឹស្តីនៃការចាប់យក-ចាប់យកម្តងទៀត និងម៉ូដែល Cormack-Jolly-Seber (CJS) ព្រមទាំងការគណនាប្រូបាប៊ីលីតេផ្សេងៗ។
  2. ដំឡើងនិងអនុវត្តការប្រើប្រាស់កម្មវិធី: ទាញយក និងអនុវត្តប្រើប្រាស់កម្មវិធី MARK និង U-CARE ដែលជាឧបករណ៍សំខាន់ក្នុងការវាយតម្លៃភាពស័ក្តិសមនៃម៉ូដែល (Goodness-of-fit)។
  3. រៀបចំរចនាសម្ព័ន្ធទិន្នន័យ (Data Structuring): នៅពេលចុះកម្មសិក្សា ឬប្រមូលទិន្នន័យនៅទីវាល ត្រូវកត់ត្រាប្រវត្តិសត្វនីមួយៗឱ្យបានច្បាស់លាស់ (Capture histories) ក្នុងទម្រង់ដែលកម្មវិធី MARK អាចអានបាន។
  4. សាកល្បងដំណើរការម៉ូដែល និងប្រៀបធៀប: ប្រើប្រាស់កម្មវិធី MARK ដើម្បីដំណើរការម៉ូដែលជាច្រើនផ្សេងៗគ្នា ហើយប្រើប្រាស់លក្ខណៈវិនិច្ឆ័យដូចជា QAICcAICc ដើម្បីជ្រើសរើសម៉ូដែលដែលស័ក្តិសមបំផុតជាមួយទិន្នន័យ។
  5. ត្រួតពិនិត្យនិងកែតម្រូវភាពលំអៀង: អនុវត្តការប្រើប្រាស់មេគុណបំប៉ោងរ៉ាដ្យង់ Variance Inflation Factor (c-hat) ដើម្បីកែតម្រូវភាពបែកខ្ញែកហួសកម្រិត (Overdispersion) មុននឹងទាញសេចក្តីសន្និដ្ឋាននិងសរសេររបាយការណ៍។

៥. វាក្យសព្ទបច្ចេកទេស (Technical Glossary)

ពាក្យបច្ចេកទេស ការពន្យល់ជាខេមរភាសា (Khmer Explanation) និយមន័យសាមញ្ញ (Simple Definition)
Capture-recapture methods ជាវិធីសាស្ត្រស្ថិតិដែលគេប្រើដោយការចាប់សត្វ សម្គាល់ពួកវា លែងទៅវិញ ហើយចាប់ពួកវាម្តងទៀតនៅពេលក្រោយ ដើម្បីប៉ាន់ស្មានទំហំប្រជាសាស្ត្រ និងអត្រារស់រានមានជីវិត ដោយមិនចាំបាច់រាប់សត្វទាំងអស់នោះទេ។ ដូចជាការចាប់ត្រីក្នុងស្រះមកពាក់ក្រវិល រួចលែងវិញ ហើយពេលក្រោយចាប់ត្រីម្តងទៀតដើម្បីមើលថាមានត្រីប៉ុន្មានដែលមាននិងគ្មានក្រវិល ដើម្បីទាយចំនួនត្រីសរុបនៅក្នុងស្រះនោះ។
Temporary emigration ជាបាតុភូតដែលសត្វមួយចំនួនបានចាកចេញពីតំបន់សិក្សា (ដូចជាមិនមកបង្កាត់ពូជនៅស្រះទឹក) ក្នុងរយៈពេលណាមួយ ហើយត្រឡប់មកវិញនៅពេលក្រោយ ដែលធ្វើឱ្យអ្នកស្រាវជ្រាវគិតថាពួកវាស្លាប់ ប្រសិនបើមិនបានកែតម្រូវទិន្នន័យ។ ដូចជាសិស្សដែលឈប់សម្រាកពីសាលាមួយឆ្នាំ ហើយត្រឡប់មកចូលរៀនវិញនៅឆ្នាំបន្ទាប់ ធ្វើឱ្យគ្រូគិតច្រឡំថាគាត់បោះបង់ការសិក្សាទៅហើយ។
Overdispersion ជាស្ថានភាពនៅក្នុងទិន្នន័យស្ថិតិដែលបម្រែបម្រួល (Variance) ពិតប្រាកដមានទំហំធំជាងអ្វីដែលម៉ូដែលបានរំពឹងទុក ដែលច្រើនកើតឡើងដោយសារសត្វមានទំនាក់ទំនងគ្នា (ឧទាហរណ៍ ធ្វើដំណើរជាគូ) ជាជាងឯករាជ្យពីគ្នា។ ដូចជាការទស្សន៍ទាយលទ្ធផលនៃការបោះកាក់ ដែលកាក់ខ្លះជាប់គ្នាដោយសារមេដែក ធ្វើឱ្យលទ្ធផលមិនមែនជាការចៃដន្យសុទ្ធសាធ។
Goodness-of-fit (GOF) test ជាការធ្វើតេស្តស្ថិតិដើម្បីវាយតម្លៃថាតើទិន្នន័យជាក់ស្តែងដែលប្រមូលបាន មានភាពស៊ីសង្វាក់គ្នាកម្រិតណាទៅនឹងអ្វីដែលម៉ូដែល (Model) បានសន្មត ឬទស្សន៍ទាយ។ ដូចជាការយកអាវដែលកាត់រួចតាមខ្នាតគំរូ (ម៉ូដែល) មកពាក់លើខ្លួនមនុស្សពិត (ទិន្នន័យ) ដើម្បីមើលថាតើវាសមល្មមល្អ ឬក៏តឹងពេក។
Cormack-Jolly-Seber (CJS) model ជាម៉ូដែលស្ថិតិស្តង់ដារមួយក្នុងវិធីសាស្ត្រ Capture-recapture ដែលប្រើសម្រាប់ប៉ាន់ស្មានប្រូបាប៊ីលីតេនៃការរស់រានមានជីវិត ដោយគិតបញ្ចូលទាំងលទ្ធភាពដែលអ្នកស្រាវជ្រាវមិនអាចចាប់បានសត្វទាំងអស់ក្នុងពេលតែមួយ។ ដូចជារូបមន្តគណិតវិទ្យាពិសេសមួយដែលជួយយើងទាយដឹងថាមានសត្វប៉ុន្មានរស់រានមានជីវិត ទោះបីជាយើងមិនអាចរកឃើញពួកវាទាំងអស់រាល់ថ្ងៃក៏ដោយ។
Variance inflation factor ជាមេគុណដែលប្រើសម្រាប់កែតម្រូវទិន្នន័យនៅពេលមានបញ្ហា Overdispersion ដើម្បីពង្រីកចន្លោះនៃទំនុកចិត្ត (Confidence interval) ធ្វើឱ្យការប៉ាន់ស្មានកាន់តែមានសុវត្ថិភាព និងចៀសវាងការសន្និដ្ឋានខុស។ ដូចជាការបូកបន្ថែមទំហំបន្ទប់បន្តិចពេលធ្វើប្លង់ ដើម្បីប្រាកដថាគ្រឿងសង្ហារឹមពិតជាអាចដាក់ចូលបានដោយមិនចង្អៀតពេក។
Akaike Information Criterion (AIC) ជារង្វាស់សម្រាប់ប្រៀបធៀបម៉ូដែលស្ថិតិផ្សេងៗគ្នា ដើម្បីស្វែងរកម៉ូដែលមួយដែលល្អបំផុតក្នុងការពន្យល់ទិន្នន័យ ដោយមានតុល្យភាពរវាងភាពសាមញ្ញរបស់ម៉ូដែល និងភាពត្រឹមត្រូវនៃលទ្ធផល។ ដូចជាការជ្រើសរើសផ្លូវធ្វើដំណើរដែលល្អបំផុត មិនខ្លីពេកដែលពិបាកជិះ និងមិនវែងពេកដែលខាតពេល។
Transients ជាសត្វដែលបង្ហាញខ្លួននៅតំបន់សិក្សាតែម្តងគត់ ហើយមិនដែលត្រឡប់មកវិញ ដែលអាចធ្វើឱ្យអ្នកស្រាវជ្រាវវាយតម្លៃអត្រារស់រានទាបជាងការពិត ប្រសិនបើមិនបានកាត់ពួកវាចេញពីការគណនា។ ដូចជាភ្ញៀវទេសចរដែលមកលេងភូមិយើងតែម្តងហើយទៅបាត់ ដែលយើងមិនអាចរាប់បញ្ចូលថាគាត់ជាអ្នកភូមិរស់នៅអចិន្ត្រៃយ៍បានទេ។

៦. ប្រធានបទពាក់ព័ន្ធ (Further Reading)

ប្រធានបទ និងសំណួរស្រាវជ្រាវដែលទាក់ទងនឹងឯកសារនេះ ដែលអ្នកអាចស្វែងរកបន្ថែម៖