Original Title: IoT and GIS Data Platform Solutions in Agricultural
Source: ceur-ws.org
Disclaimer: Summary generated by AI based on the provided document. Please refer to the original paper for full scientific accuracy.

ដំណោះស្រាយវេទិកាទិន្នន័យ IoT និង GIS ក្នុងវិស័យកសិកម្ម

ចំណងជើងដើម៖ IoT and GIS Data Platform Solutions in Agricultural

អ្នកនិពន្ធ៖ Vojtěch Novák (Czech University of Life Sciences Prague), Lukáš Kovář (Czech University of Life Sciences Prague), Michal Stočes (Czech University of Life Sciences Prague), Martin Havránek (Czech University of Life Sciences Prague)

ឆ្នាំបោះពុម្ព៖ 2022 CEUR Workshop Proceedings (IT&I-2022)

វិស័យសិក្សា៖ Information Technology / Precision Agriculture

១. សេចក្តីសង្ខេបប្រតិបត្តិ (Executive Summary)

បញ្ហា (The Problem)៖ តើត្រូវធ្វើដូចម្តេចដើម្បីបញ្ជូន និងបំប្លែងទិន្នន័យបរិស្ថានជាក់ស្តែងពីឧបករណ៍សេនស័រ (IoT) ទៅជាព័ត៌មានដែលអាចប្រើប្រាស់បាននៅក្នុងប្រព័ន្ធព័ត៌មានភូមិសាស្ត្រ (GIS) សម្រាប់វិស័យកសិកម្មច្បាស់លាស់?

វិធីសាស្ត្រ (The Methodology)៖ ការសិក្សានេះរៀបរាប់ពីវិធីសាស្ត្រនៃការប្រមូល បញ្ជូន និងបញ្ចូលទិន្នន័យពីពិភពពិតទៅក្នុងវេទិកា GIS សម្រាប់ការវិភាគតាមពេលវេលាជាក់ស្តែង។

លទ្ធផលសំខាន់ៗ (The Verdict)៖

២. ការវិភាគលើប្រសិទ្ធភាព និងដែនកំណត់ (Performance & Constraints)

វិធីសាស្ត្រ (Method) គុណសម្បត្តិ (Pros) គុណវិបត្តិ (Cons) លទ្ធផលគន្លឹះ (Key Result)
Node-RED to PostgreSQL Database
ការប្រើប្រាស់កម្មវិធី Node-RED ភ្ជាប់ទៅកាន់មូលដ្ឋានទិន្នន័យ PostgreSQL
ប្រើប្រាស់កម្មវិធីកូដទម្រង់អូសទម្លាក់ (drag-and-drop) ងាយស្រួលយល់ និងជាប្រភពបើកចំហ (Open-source) ដែលអនុញ្ញាតឱ្យមានការភ្ជាប់លំហូរទិន្នន័យបានយ៉ាងលឿន។ ប្រព័ន្ធមានភាពស្មុគស្មាញនៅពេលពង្រីកទំហំ ដោយសារត្រូវប្រើកម្មវិធីច្រើន ហើយការគ្រប់គ្រងសិទ្ធិអ្នកប្រើប្រាស់ (permissions) ត្រូវធ្វើឡើងដាច់ដោយឡែកពីគ្នានៅកន្លែងផ្សេងៗ។ អាចបញ្ជូនទិន្នន័យបានសម្រេច ប៉ុន្តែមានភាពលំបាកក្នុងការថែទាំនិងពង្រីកទំហំប្រព័ន្ធបន្តបន្ទាប់។
Python Script Built into ArcGIS
ការសរសេរកូដ Python ភ្ជាប់ដោយផ្ទាល់ទៅកាន់ ArcGIS
មានភាពបត់បែនខ្ពស់ក្នុងការកែច្នៃទិន្នន័យ និងមានភាពងាយស្រួលក្នុងការអនុវត្តសម្រាប់អ្នកដែលមានជំនាញសរសេរកូដ។ ទាមទារចំណេះដឹងផ្នែកសរសេរកូដ Python កម្រិតខ្ពស់ និងការយល់ដឹងស៊ីជម្រៅពីបណ្ណាល័យ (Libraries) ជាក់លាក់របស់បរិស្ថាន ArcGIS។ ផ្តល់នូវដំណោះស្រាយបានលឿន និងមានប្រសិទ្ធភាពសម្រាប់អ្នកជំនាញសរសេរកូដ។
ArcGIS GeoEvent Server
ការប្រើប្រាស់ម៉ាស៊ីនមេ ArcGIS GeoEvent Server
ជាដំណោះស្រាយដ៏រឹងមាំ មានស្ថិរភាព ងាយស្រួលពង្រីកទំហំ និងមិនតម្រូវឱ្យសរសេរកូដច្រើន (ប្រើការកំណត់ Configuration ជាចម្បង)។ ជាប្រព័ន្ធកម្រិតខ្ពស់ដែលតម្រូវឱ្យមានការទិញអាជ្ញាប័ណ្ណ (License) ពីក្រុមហ៊ុន ESRI ដែលអាចមានតម្លៃថ្លៃសម្រាប់គម្រោងតូចៗ។ ត្រូវបានចាត់ទុកថាជាជម្រើសដ៏ល្អបំផុត និងស័ក្តិសមបំផុតសម្រាប់អ្នកប្រើប្រាស់ GIS ទូទៅ និងប្រតិបត្តិការរយ:ពេលយូរ។

ការចំណាយលើធនធាន (Resource Cost)៖ ការរៀបចំប្រព័ន្ធនេះទាមទារការវិនិយោគទាំងលើផ្នែករឹង (Hardware) ផ្នែកទន់ (Software) និងធនធានមនុស្សដែលមានជំនាញចម្រុះលើប្រព័ន្ធ IoT និងប្រព័ន្ធព័ត៌មានភូមិសាស្ត្រ (GIS)។

៣. ការពិនិត្យសម្រាប់បរិបទកម្ពុជា/អាស៊ីអាគ្នេយ៍

ភាពលំអៀងនៃទិន្នន័យ (Data Bias)៖

ការសិក្សានេះត្រូវបានធ្វើឡើងដោយអ្នកស្រាវជ្រាវពីសាកលវិទ្យាល័យវិទ្យាសាស្ត្រជីវិតនៃទីក្រុងប្រាក (Czech Republic) ដោយផ្អែកលើការសាកល្បងក្នុងបរិស្ថានរូបវន្តដូចជាទីក្រុង និងតំបន់ភ្នំ។ បរិបទភូមិសាស្ត្រនេះអាចមានភាពខុសគ្នាខ្លះពីប្រទេសកម្ពុជាដែលសម្បូរទៅដោយតំបន់ទំនាបនិងវាលរាបកសិកម្ម។ យ៉ាងណាមិញ គោលការណ៍នៃបច្ចេកវិទ្យា និងគំរូនៃការតាមដានកម្រិតទឹកជំនន់គឺពិតជាអាចយកមកអនុវត្តបានយ៉ាងមានប្រសិទ្ធភាពក្នុងបរិបទប្រទេសកម្ពុជា។

លទ្ធភាពនៃការអនុវត្ត (Applicability)៖

វិធីសាស្ត្រនៃការរួមបញ្ចូលបច្ចេកវិទ្យា IoT និង GIS នេះមានសក្តានុពលខ្ពស់ណាស់ក្នុងការដោះស្រាយបញ្ហាប្រឈមធំៗនៅក្នុងប្រទេសកម្ពុជា។

សរុបមក ការវិនិយោគលើប្រព័ន្ធទិន្នន័យរួមបញ្ចូលគ្នារវាង IoT និង GIS នឹងជួយដល់ស្ថាប័នរដ្ឋ និងឯកជននៅកម្ពុជាក្នុងការធ្វើសេចក្តីសម្រេចចិត្តបានលឿននិងត្រឹមត្រូវដោយផ្អែកលើទិន្នន័យជាក់ស្តែង (Data-driven decision making)។

៤. ផែនការសកម្មភាពសម្រាប់និស្សិត (Actionable Roadmap)

ដើម្បីអនុវត្តតាមការសិក្សានេះ និស្សិតគួរអនុវត្តតាមជំហានខាងក្រោម៖

  1. សិក្សាពីស្ថាបត្យកម្មបណ្តាញ IoT: ចាប់ផ្តើមដោយការស្វែងយល់ពីបច្ចេកវិទ្យាបញ្ជូនទិន្នន័យប្រើថាមពលទាប (LPWAN) ដូចជា LoRaWANLTE-NB ដើម្បីយល់ពីរបៀបដែលសេនស័រអាចដំណើរការបានយូរឆ្នាំដោយប្រើត្រឹមតែថ្ម។
  2. សាកល្បងលំហូរទិន្នន័យដោយប្រើកម្មវិធីបើកចំហ (Open-source): អនុវត្តការទាញយកទិន្នន័យពីសេនស័រដោយប្រើប្រាស់ Node-RED រួចសាកល្បងរក្សាទុកទិន្នន័យទាំងនោះទៅក្នុងមូលដ្ឋានទិន្នន័យ PostgreSQL ជាការអនុវត្តជំហានដំបូងដោយមិនចំណាយថវិកា។
  3. អភិវឌ្ឍជំនាញសរសេរកូដសម្រាប់វិភាគទិន្នន័យលំហ: រៀនសរសេរកូដ Python និងប្រើប្រាស់បណ្ណាល័យ (Libraries) ដូចជា ArcGIS API for Python ដើម្បីទាញយក កែច្នៃ និងបង្ហាញទិន្នន័យភូមិសាស្ត្រតាមពេលវេលាជាក់ស្តែងដោយស្វ័យប្រវត្តិ។
  4. សិក្សាពីការតភ្ជាប់ទិន្នន័យតាមពេលវេលាជាក់ស្តែង (Real-time Integration): ស្វែងយល់ពីការកំណត់រចនាសម្ព័ន្ធលើ ArcGIS GeoEvent Server ឬប្រើប្រាស់ពិធីការ MQTT និង WebSocket ដើម្បីភ្ជាប់ទិន្នន័យពីសេនស័ររាប់ពាន់ចូលទៅកាន់ផែនទីតែមួយដោយគ្មានភាពរអាក់រអួល។
  5. បង្កើតគម្រោងសាកល្បងជាក់ស្តែង (Pilot Project): ចាប់ផ្តើមគម្រោងខ្នាតតូចមួយ ឧទាហរណ៍៖ ការដាក់សេនស័រវាស់សីតុណ្ហភាពនៅតាមអគារក្នុងសាកលវិទ្យាល័យ រួចបង្ហាញទិន្នន័យនោះជាទម្រង់ក្រាហ្វិកនិងផែនទីនៅលើ Operations Dashboard for ArcGIS ដើម្បីវាយតម្លៃប្រសិទ្ធភាព។

៥. វាក្យសព្ទបច្ចេកទេស (Technical Glossary)

ពាក្យបច្ចេកទេស ការពន្យល់ជាខេមរភាសា (Khmer Explanation) និយមន័យសាមញ្ញ (Simple Definition)
LoRaWAN ជាពិធីការបណ្តាញឥតខ្សែដែលមានថាមពលទាបនិងគ្របដណ្តប់តំបន់ធំទូលាយ (LPWAN) ដែលត្រូវបានរចនាឡើងសម្រាប់ភ្ជាប់ឧបករណ៍សេនស័រប្រើថ្មទៅកាន់អ៊ីនធឺណិត។ វាអនុញ្ញាតឱ្យបញ្ជូនទិន្នន័យក្នុងចម្ងាយឆ្ងាយដោយស៊ីថាមពលថ្មតិចតួចបំផុត។ ដូចជាការនិយាយខ្សឹបៗប្រាប់គ្នាតាមវិទ្យុទាក់ទងដែលអាចស្តាប់ឮពីចម្ងាយរាប់គីឡូម៉ែត្រដោយមិនបាច់ប្រើថ្មធំ។
ArcGIS GeoEvent Server ជាកម្មវិធីម៉ាស៊ីនមេមួយប្រភេទរបស់ក្រុមហ៊ុន ESRI ដែលមានតួនាទីទទួល ដំណើរការ និងត្រងទិន្នន័យទីតាំងតាមពេលវេលាជាក់ស្តែងពីរាប់ពាន់ប្រភព (ដូចជាសេនស័រ IoT) ដើម្បីបង្ហាញលើផែនទី ឬផ្តល់ការព្រមានដោយស្វ័យប្រវត្តិ។ ដូចជាបុគ្គលិកបញ្ជាការជើងហោះហើរដែលចាំទទួលនិងរៀបចំទិន្នន័យយន្តហោះរាប់រយគ្រឿងក្នុងពេលតែមួយដើម្បីបង្ហាញលើអេក្រង់រ៉ាដាតែមួយកន្លែង។
RSSI ជារង្វាស់ដែលបង្ហាញពីកម្រិតថាមពលនៃសញ្ញាវិទ្យុដែលឧបករណ៍មួយទទួលបានពីរ៉ោតទ័រ (Router) ឬអង់តែនបញ្ជូន។ នៅក្នុងការស្រាវជ្រាវនេះ វាត្រូវបានប្រើដើម្បីប៉ាន់ស្មានចម្ងាយនិងកំណត់ទីតាំងរបស់ឧបករណ៍ IoT ប៉ុន្តែវាមិនសូវមានភាពសុក្រឹតខ្ពស់នោះទេ។ ដូចជាការស្តាប់សំឡេងតន្ត្រីពីចម្ងាយ បើសំឡេងកាន់តែឮ មានន័យថាអ្នកនៅកាន់តែជិតប្រភពសំឡេងនោះ។
TDoA ជាបច្ចេកទេសកំណត់ទីតាំងដោយវាស់ស្ទង់ភាពខុសគ្នានៃពេលវេលាដែលសញ្ញាបញ្ជូនពីឧបករណ៍មួយទៅដល់អង់តែនទទួលផ្សេងៗគ្នាចំនួន៣ ឬច្រើន ដោយប្រើប្រាស់ប្រព័ន្ធ GPS ដើម្បីកំណត់ពេលវេលាឱ្យបានច្បាស់លាស់។ ក្បួននេះមានភាពសុក្រឹតជាងការប្រើ RSSI។ ដូចជាការកំណត់ទីតាំងរន្ទះបាញ់ ដោយវាស់គម្លាតពេលវេលាដែលមនុស្ស៣នាក់ផ្សេងគ្នានៅទីតាំងខុសគ្នាលឺសំឡេងផ្គរលាន់។
Node-RED ជាឧបករណ៍សរសេរកម្មវិធីផ្អែកលើលំហូរ (flow-based programming) សម្រាប់ភ្ជាប់ឧបករណ៍ផ្នែករឹង (Hardware) API និងសេវាកម្មអនឡាញបញ្ជូលគ្នា។ វាប្រើប្រាស់ចំណុចប្រទាក់ក្រាហ្វិកអូសទម្លាក់ (drag-and-drop) ធ្វើឱ្យងាយស្រួលក្នុងការបញ្ជូនទិន្នន័យពីសេនស័រទៅកាន់មូលដ្ឋានទិន្នន័យដោយមិនបាច់សរសេរកូដច្រើន។ ដូចជាការលេងតម្រៀបទុយោទឹកអញ្ចឹង អ្នកគ្រាន់តែយកបំពង់ផ្សេងៗមកតភ្ជាប់គ្នាដើម្បីឱ្យទឹក (ទិន្នន័យ) ហូរពីប្រភពមួយទៅកាន់គោលដៅមួយទៀតបានយ៉ាងងាយ។
LTE-NB ជាបច្ចេកវិទ្យាបណ្តាញទូរស័ព្ទចល័តកម្រិតតូច (Narrowband) ដែលបង្កើតឡើងពិសេសសម្រាប់ឧបករណ៍សេនស័រ IoT ដែលត្រូវការបញ្ជូនទិន្នន័យក្នុងបរិមាណតិចតួចបំផុតនិងទាមទារការប្រើប្រាស់ថាមពលថ្មតិច ដែលអាចឱ្យសេនស័រប្រើប្រាស់បានរាប់ឆ្នាំដោយមិនបាច់ដូរថ្ម។ ដូចជាផ្លូវតូចមួយដែលបម្រុងទុកសម្រាប់តែអ្នកជិះកង់ ឬថ្មើរជើង (ទិន្នន័យតូចៗ) ដែលជួយសន្សំសំចៃកម្លាំងបានច្រើនជាងការប្រើប្រាស់ផ្លូវធំ។
Spatial analysis ជាដំណើរការនៃការប្រើប្រាស់បច្ចេកទេសគណនាក្នុងប្រព័ន្ធកុំព្យូទ័រ ដើម្បីវិភាគលំនាំភូមិសាស្ត្រ រកមើលទំនាក់ទំនងនៃទីតាំង និងធ្វើការទស្សន៍ទាយ (Predictive modeling) ឧទាហរណ៍ដូចជាការវិភាគរកផ្លូវទឹកហូរពេលមានភ្លៀងធ្លាក់ដោយផ្អែកលើកម្ពស់ដី។ ដូចជាការយកផែនទីសន្លឹកថ្លាៗជាច្រើនសន្លឹកមកត្រួតស៊ីគ្នា (ផែនទីផ្លូវ ផែនទីទឹក ផែនទីដី) ដើម្បីមើលឃើញពីបញ្ហាជាប់ពាក់ព័ន្ធនិងរកដំណោះស្រាយនៅតំបន់ណាមួយ។

៦. ប្រធានបទពាក់ព័ន្ធ (Further Reading)

អត្ថបទដែលបានបោះពុម្ពនៅលើ KhmerResearch ដែលទាក់ទងនឹងប្រធានបទនេះ៖

ប្រធានបទ និងសំណួរស្រាវជ្រាវដែលទាក់ទងនឹងឯកសារនេះ ដែលអ្នកអាចស្វែងរកបន្ថែម៖