បញ្ហា (The Problem)៖ ការសិក្សានេះដោះស្រាយតម្រូវការនៃម៉ូដែលគណនាដ៏ត្រឹមត្រូវ ដើម្បីធ្វើការក្លែងធ្វើ និងទាញយកចំណាំងផ្លាតវិសាលគមនៃផ្ទៃដី ក៏ដូចជាបរិមាណចំហាយទឹកពីរូបភាព Hyperspectral ដោយត្រូវកែតម្រូវភាពមិនដូចគ្នានៃផ្ទៃដីនិងឥទ្ធិពលបរិយាកាស។
វិធីសាស្ត្រ (The Methodology)៖ អ្នកស្រាវជ្រាវបានបង្កើតម៉ូដែល COMANCHE សម្រាប់ការផ្ទេរវិទ្យុសកម្មផ្ទាល់ និងម៉ូដែល COCHISE សម្រាប់ការផ្ទេរវិទ្យុសកម្មច្រាស ដោយរួមបញ្ចូលនូវកូដ MODTRAN 4 និងការគណនាបែប Monte Carlo។
លទ្ធផលសំខាន់ៗ (The Verdict)៖
| វិធីសាស្ត្រ (Method) | គុណសម្បត្តិ (Pros) | គុណវិបត្តិ (Cons) | លទ្ធផលគន្លឹះ (Key Result) |
|---|---|---|---|
| COMANCHE & COCHISE (Proposed Models) គំរូ COMANCHE (សម្រាប់ផ្ទាល់) និង COCHISE (សម្រាប់ច្រាស) |
អាចដោះស្រាយភាពមិនដូចគ្នានៃផ្ទៃដីបានយ៉ាងល្អ និងមានល្បឿនគណនាលឿនជាងម៉ូដែល Monte Carlo ពេញលេញដោយសារការប្រើប្រាស់រូបមន្តវិភាគ (Analytical expressions)។ | ការគណនាអនុគមន៍បរិស្ថានដោយប្រើ Monte Carlo នៅតែទាមទារពេលវេលាខ្លះ ហើយនៅតែពឹងផ្អែកលើការសន្មត់ Lambertian សម្រាប់ការចំណាំងផ្លាតផ្ទៃដីទូទៅ។ | មានកំហុសតិចជាង ០.១% ធៀបនឹង MODTRAN 4 និងទាញយកចំហាយទឹកបានកម្រិត ០.៩៩ ដល់ ១.០៥ g/cm² ដែលស៊ីសង្វាក់គ្នានឹងទិន្នន័យ AVIRIS។ |
| MODTRAN 4 (Reference Code) កូដយោង MODTRAN 4 |
ជាកូដស្តង់ដារដែលត្រូវបានទទួលស្គាល់យ៉ាងទូលំទូលាយសម្រាប់ការសិក្សាពីការផ្ទេរវិទ្យុសកម្មក្នុងបរិយាកាស និងមានភាពត្រឹមត្រូវខ្ពស់។ | មិនអាចដោះស្រាយភាពមិនដូចគ្នានៃផ្ទៃដី (Heterogeneous scenes) និងឥទ្ធិពលក្បែរខាង (Adjacency effects) បានល្អនោះទេ។ | ត្រូវបានប្រើជាមូលដ្ឋានសម្រាប់ COMANCHE ក្នុងការគណនាប៉ារ៉ាម៉ែត្របរិយាកាសកម្រិតខ្ពស់។ |
| AMARTIS (Baseline for Heterogeneous scenes) គំរូ AMARTIS |
អាចធ្វើគំរូពីភាពស្មុគស្មាញនៃផ្ទៃដី និងឥទ្ធិពលបរិស្ថានបានយ៉ាងច្បាស់លាស់ ដោយប្រើប្រាស់ក្បួនដោះស្រាយ Monte Carlo ពេញលេញ។ | ចំណាយពេលគណនាយូរខ្លាំង (Time-consuming) ដែលមិនស័ក្តិសមសម្រាប់ការប្រើប្រាស់លើរូបភាព Hyperspectral ជាក់ស្តែងក្នុងទ្រង់ទ្រាយធំ។ | ផ្តល់ភាពត្រឹមត្រូវខ្ពស់ និងត្រូវបានប្រើដើម្បីបញ្ជាក់ពីភាពត្រឹមត្រូវនៃកំហុសបរិស្ថានដែលទទួលបានពី COMANCHE។ |
ការចំណាយលើធនធាន (Resource Cost)៖ ឯកសារបានបញ្ជាក់ពីតម្រូវការផ្នែករឹង និងកម្មវិធីមួយចំនួនដើម្បីដំណើរការម៉ូដែលនេះ ជាពិសេសសម្រាប់ការគណនាបែប Monte Carlo។
ការសិក្សានេះប្រើប្រាស់ទិន្នន័យធ្វើសុពលភាពពីតំបន់វាលខ្សាច់ (Railroad Valley Playa, សហរដ្ឋអាមេរិក) ដែលមានចំណាំងផ្លាតខ្ពស់ និងតំបន់ព្រៃស្រល់ (Hartheim, ប្រទេសអាល្លឺម៉ង់)។ សម្រាប់ប្រទេសកម្ពុជា ការកែតម្រូវចំហាយទឹកក្នុងបរិយាកាសគឺជារឿងសំខាន់ណាស់ ព្រោះកម្ពុជាស្ថិតក្នុងតំបន់ត្រូពិចដែលមានសំណើមខ្ពស់ និងមានព្រៃឈើក្រាស់ ដែលអាចធ្វើឲ្យភាពត្រឹមត្រូវនៃម៉ូដែលធ្លាក់ចុះបើសិនមិនមានការកែប្រែឱ្យសមស្របនឹងបរិបទតំបន់ត្រូពិច។
វិធីសាស្ត្រកែតម្រូវបរិយាកាស និងទាញយកចំណាំងផ្លាតនេះ មានសក្តានុពលខ្ពស់សម្រាប់ស្ថាប័នស្រាវជ្រាវនៅកម្ពុជាក្នុងការប្រើប្រាស់ទិន្នន័យផ្កាយរណប។
ជារួម ការអនុវត្តម៉ូដែលបញ្ច្រាសដូចជា COCHISE នឹងជួយពង្រឹងគុណភាពទិន្នន័យរូបភាពពីផ្កាយរណបនៅកម្ពុជា ដែលជាមូលដ្ឋានគ្រឹះសម្រាប់ការអភិវឌ្ឍគោលនយោបាយបរិស្ថាន និងកសិកម្មប្រកបដោយភាពជាក់លាក់ខ្ពស់។
ដើម្បីអនុវត្តតាមការសិក្សានេះ និស្សិតគួរអនុវត្តតាមជំហានខាងក្រោម៖
| ពាក្យបច្ចេកទេស | ការពន្យល់ជាខេមរភាសា (Khmer Explanation) | និយមន័យសាមញ្ញ (Simple Definition) |
|---|---|---|
| Hyperspectral Imagery | ជាប្រភេទរូបភាពដែលថតដោយសេនស័រដែលអាចចាប់យកពន្លឺក្នុងរលកវិសាលគមរាប់រយតូចៗជាប់ៗគ្នា ដែលអនុញ្ញាតឱ្យគេសម្គាល់ប្រភេទវត្ថុធាតុនៅលើផ្ទៃដីបានយ៉ាងលម្អិតតាមរយៈទម្រង់នៃចំណាំងផ្លាតរបស់វា។ | ដូចជាកាមេរ៉ាវេទមន្តដែលអាចមើលឃើញពណ៌រាប់រយប្រភេទដែលភ្នែកមនុស្សមិនអាចមើលឃើញ ដើម្បីប្រាប់ថាតើវត្ថុនោះជាអ្វីពិតប្រាកដ។ |
| Radiative Transfer | ជាដំណើរការរូបវិទ្យាដែលសិក្សាពីរបៀបដែលថាមពលវិទ្យុសកម្ម (ពន្លឺ) ធ្វើដំណើរ ឆ្លុះ ស្រូប និងសាយភាយនៅក្នុងមជ្ឈដ្ឋានមួយ ដូចជាបរិយាកាសរបស់ផែនដី មុនពេលទៅដល់ឧបករណ៍សេនស័រ។ | ដូចជាការសិក្សាពីរបៀបដែលពន្លឺព្រះអាទិត្យធ្វើដំណើរឆ្លងកាត់ពពក និងធូលី មុនពេលជះមកលើដី ហើយជះត្រឡប់ទៅកាន់កាមេរ៉ាវិញ។ |
| Inverse Model | ជាក្បួនគណនាគណិតវិទ្យាដែលប្រើប្រាស់ទិន្នន័យចុងក្រោយដែលវាស់ស្ទង់បាន (ឧទាហរណ៍ ពន្លឺចាប់បានដោយផ្កាយរណប) ដើម្បីទាញរកប្រភពដើម ឬលក្ខណៈសម្បត្តិពិតរបស់វត្ថុ (ឧទាហរណ៍ ចំណាំងផ្លាតពិតប្រាកដរបស់ផ្ទៃដី) ដោយដកចេញនូវកត្តារំខានផ្សេងៗក្នុងបរិយាកាស។ | ដូចជាការភ្លក់ម្ហូបមួយចាន រួចទាយត្រឡប់ក្រោយថាតើចុងភៅបានដាក់គ្រឿងផ្សំអ្វីខ្លះ និងបរិមាណប៉ុន្មានដើម្បីធ្វើវា។ |
| Adjacency effects | ជាបាតុភូតដែលពន្លឺចំណាំងផ្លាតពីវត្ថុនៅក្បែរខាង ត្រូវបានសាយភាយដោយបរិយាកាស ហើយចូលមកក្នុងភីកសែល (Pixel) នៃវត្ថុដែលយើងកំពុងសង្កេត ធ្វើឱ្យពណ៌ឬពន្លឺនៃវត្ថុគោលដៅប្រែប្រួលពីការពិត។ | ដូចជាពេលអ្នកឈរក្បែរជញ្ជាំងពណ៌ក្រហមនៅក្រោមពន្លឺថ្ងៃ មុខរបស់អ្នកនឹងមើលទៅរាងក្រហមបន្តិចដែរ ដោយសារចំណាំងផ្លាតពីជញ្ជាំងនោះ។ |
| Monte Carlo method | ជាវិធីសាស្ត្រគណនាបែបស្ថិតិដែលប្រើប្រាស់ការធ្វើត្រាប់តាម (Simulation) ដោយចៃដន្យជាច្រើនដង ដើម្បីដោះស្រាយបញ្ហាគណិតវិទ្យា ឬរូបវិទ្យាដែលស្មុគស្មាញខ្លាំង ដូចជាការធ្វើដំណើររបស់គ្រាប់ហ្វូតុង (Photon) ក្នុងបរិយាកាស។ | ដូចជាការបោះកាក់រាប់ម៉ឺនដងដើម្បីរកមើលប្រូបាប៊ីលីតេនៃលទ្ធផល ដោយសារតែរូបមន្តគណនាមានភាពស្មុគស្មាញពេកក្នុងការគណនាដោយផ្ទាល់។ |
| Lambertian assumption | ជាការសន្មត់ក្នុងទស្សនវិទ្យាថាផ្ទៃមួយមានការចំណាំងផ្លាតពន្លឺស្មើៗគ្នាទៅគ្រប់ទិសដៅទាំងអស់ (Isotropic) មិនថាគេសម្លឹងមើលពីមុំណាមួយនោះទេ ដែលជួយសម្រួលដល់ការគណនាគំរូផ្ទេរវិទ្យុសកម្មឱ្យកាន់តែងាយស្រួល។ | ដូចជាក្រដាសស ដែលមិនថាយើងមើលពីមុំណា ក៏ឃើញវាមានពន្លឺស្មើគ្នា ខុសពីកញ្ចក់ដែលចាំងតែមួយជ្រុង។ |
| Bidirectional reflectance | ជារង្វាស់នៃការចំណាំងផ្លាតពន្លឺពិតប្រាកដរបស់ផ្ទៃដី ដែលអាស្រ័យទៅលើមុំនៃប្រភពពន្លឺ (ព្រះអាទិត្យ) និងមុំរបស់ឧបករណ៍សង្កេត (កាមេរ៉ាផ្កាយរណប)។ វាផ្ទុយពីទ្រឹស្តី Lambertian ព្រោះវត្ថុពិតប្រាកដមានចំណាំងផ្លាតខុសៗគ្នាតាមជ្រុងដែលមើល។ | ដូចជាការសម្លឹងមើលស្មៅនៅលើទីលានបាល់ទាត់ ដែលមើលពីម្ខាងឃើញពណ៌បៃតងខ្ចី តែមើលពីម្ខាងទៀតបែរជាឃើញពណ៌បៃតងចាស់។ |
| Linear regression ratio (LIRR) | ជាបច្ចេកទេសគណនាដើម្បីប៉ាន់ស្មានបរិមាណចំហាយទឹកក្នុងបរិយាកាស ដោយប្រៀបធៀបកម្រិតពន្លឺនៅចន្លោះរលកវិសាលគមដែលរងការស្រូបយកដោយចំហាយទឹក ទៅនឹងកម្រិតពន្លឺដែលបានមកពីបន្ទាត់តម្រែតម្រង់ (Regression Line) ដែលតំណាងឱ្យពន្លឺដែលមិនរងការស្រូបយក។ | ដូចជាការប្រៀបធៀបសម្លេងដែលអ្នកស្តាប់ឮកាត់តាមជញ្ជាំង បៀបធៀបជាមួយសម្លេងដើម ដើម្បីគណនារកមើលថាជញ្ជាំងនោះក្រាស់ប៉ុណ្ណា។ |
អត្ថបទដែលបានបោះពុម្ពនៅលើ KhmerResearch ដែលទាក់ទងនឹងប្រធានបទនេះ៖
ប្រធានបទ និងសំណួរស្រាវជ្រាវដែលទាក់ទងនឹងឯកសារនេះ ដែលអ្នកអាចស្វែងរកបន្ថែម៖
