មេរៀនទី៧៖ ទឹកលើផ្ទៃដី និងទឹកជំនន់ដោយ Sentinel-1

ព័ត៌មានមេរៀន

រយៈពេលបង្រៀនដែលស្នើ៖ ៣ ម៉ោង · មេរៀនទី ៧ ក្នុងចំណោម ១៥

ស្លាយបង្រៀនមេរៀននេះ

ទឹកជំនន់ជាគ្រោះមហន្តរាយដែលកើតញឹកញាប់បំផុតនៅកម្ពុជា៖ ទឹកជំនន់ទន្លេមេគង្គ និងទន្លេសាបរៀងរាល់ឆ្នាំ និងទឹកជំនន់ភ្លាមៗពីភ្លៀងខ្លាំង ដូចព្រឹត្តិការណ៍ខែតុលា ឆ្នាំ ២០២០ នៅខេត្តបន្ទាយមានជ័យ បាត់ដំបង និងពោធិ៍សាត់។ អ្នកសម្រេចចិត្តត្រូវការដឹងថា ទឹកលិចនៅទីណា ប៉ុន្មាន ហើយប៉ះពាល់ស្រែ និងភូមិប៉ុណ្ណា ក្នុងរយៈពេលពីរបីថ្ងៃ។ ប៉ុន្តែក្នុងពេលនោះ មេឃពោរពេញដោយពពក ហើយ Sentinel-2 ស្ទើរតែគ្មានប្រយោជន៍។

មេរៀននេះបង្រៀនការធ្វើផែនទីទឹក និងទឹកជំនន់ដោយ រ៉ាដា Sentinel-1 ក្នុង Earth Engine៖ ពីការត្រង collection ការកាត់បន្ថយ speckle ការជ្រើសកម្រិតដោយ Otsu ការរកការផ្លាស់ប្ដូរមុន–ក្រោយ រហូតដល់ការដកកំហុស និងការគណនាផលប៉ះពាល់។

---

៧.១. គោលបំណងសិក្សា

បន្ទាប់ពីបញ្ចប់មេរៀន និស្សិតអាច៖

1. ពន្យល់មូលហេតុដែល SAR សមសម្រាប់ទឹកជំនន់ ហើយហេតុអ្វីទឹកស្ងប់ងងឹតក្នុងរូបភាព SAR។
2. ត្រង Sentinel-1 GRD តាមរបៀប ប៉ូលការីសាស្យុង និងគន្លង ហើយកាត់បន្ថយ speckle។
3. ធ្វើផែនទីទឹកដោយកម្រិតថេរ និងដោយ Otsu ហើយប្រៀបធៀបលទ្ធផល។
4. ធ្វើផែនទីទឹកជំនន់ដោយការរកការផ្លាស់ប្ដូរ ហើយដកទឹកអចិន្ត្រៃយ៍ តំបន់ភ្នំ និង HAND ខ្ពស់ចេញ។
5. គណនាផ្ទៃទឹកជំនន់ និងផលប៉ះពាល់លើគម្របដី ហើយរាយការណ៍ដែនកំណត់។

ចំណេះដឹងមុនត្រូវមាន

• មេរៀនទី៤៖ reducer histogram pixelArea និង reducer ជាក្រុម។
• សៀវភៅទី៣៖ មូលដ្ឋាន SAR (ការចាំងត្រឡប់ ប៉ូលការីសាស្យុង speckle និង dB)។

---

៧.២. ស្ថានភាពបើកមេរៀន៖ ខែតុលា ២០២០ នៅបន្ទាយមានជ័យ

ក្រោយភ្លៀងធ្លាក់ខ្លាំងជាប់ៗគ្នាក្នុងពាក់កណ្ដាលខែតុលា ២០២០ គណៈកម្មាធិការគ្រប់គ្រងគ្រោះមហន្តរាយខេត្តបន្ទាយមានជ័យ ត្រូវការផែនទីតំបន់លិចទឹក ដើម្បីបែងចែកជំនួយ និងប៉ាន់ស្មានស្រែដែលខូចខាត។ រូបភាព Sentinel-2 ក្នុងខែនោះ ស្ទើរតែទាំងអស់មានពពកលើស ៨០%។ ក្រុមរបស់អ្នកមានតែ Earth Engine និងរយៈពេលមួយថ្ងៃ។

សំណួរដែលមេរៀននេះឆ្លើយ៖

• តើរ៉ាដា «មើលឃើញ» ទឹកក្រោមពពកយ៉ាងដូចម្ដេច?
• តើកម្រិត dB ណាបំបែកទឹក និងដី ហើយត្រូវជ្រើសវាដោយស្វ័យប្រវត្តិយ៉ាងណា?
• តើត្រូវបែងចែកទឹកជំនន់ ពីទឹកទន្លេ និងបឹងធម្មតាយ៉ាងដូចម្ដេច?
• តើផលប៉ះពាល់លើស្រែ និងប្រជាជនមានប៉ុណ្ណា ហើយផែនទីនេះទុកចិត្តបានប៉ុណ្ណា?

---

៧.៣. ទ្រឹស្ដីស្នូល

៧.៣.១. ហេតុអ្វីប្រើ SAR

រូបទី៧.១៖ ទឹកជំនន់ និងពពក មកជាមួយគ្នា។

អានរូបនេះ

• ទឹកជំនន់នៅកម្ពុជាកើតឡើងភាគច្រើនក្នុងខែកក្កដា–តុលា ពេលពពកគ្របដណ្ដប់ច្រើនបំផុត។
• SAR បញ្ចេញរលកមីក្រូផ្ទាល់ខ្លួន ហើយរលកនេះឆ្លងកាត់ពពកបាន។
• ភាគរយពពកក្នុងក្រាបជាតម្លៃប្រហាក់ប្រហែល សម្រាប់បង្ហាញលំនាំរដូវ។

Sentinel-1 ជាផ្កាយរណប SAR (Synthetic Aperture Radar) ដែលបញ្ចេញរលកមីក្រូ C-band (រលកប្រវែង ~៥,៦ សង់ទីម៉ែត្រ) ផ្ទាល់ខ្លួន ហើយវាស់ថាមពលដែលចាំងត្រឡប់មកវិញ។ រលកនេះឆ្លងកាត់ពពក និងភ្លៀងស្រាលៗ ហើយដំណើរការទាំងថ្ងៃ និងយប់។ ដូច្នេះវាជាប្រភពទិន្នន័យសំខាន់បំផុតសម្រាប់ទឹកជំនន់នៅតំបន់ត្រូពិច។

Sentinel-1A បានថតរៀងរាល់ ១២ ថ្ងៃ ក្នុងគន្លងមួយ។ Sentinel-1B បានដំណើរការរហូតដល់ខែធ្នូ ២០២១ ហើយ Sentinel-1C ចាប់ផ្ដើមផ្ដល់ទិន្នន័យចាប់ពីឆ្នាំ ២០២៥។ ដូច្នេះចំនួនរូបភាពក្នុងមួយខែ ខុសគ្នាតាមឆ្នាំ៖ ត្រូវពិនិត្យ size() ជានិច្ច។

៧.៣.២. ទឹកងងឹត ហើយហេតុអ្វី

រូបទី៧.២៖ ផ្ទៃរលោងចាំងចេញ ផ្ទៃរដុបចាំងត្រឡប់។

អានរូបនេះ

• ទឹកស្ងប់ដូចកញ្ចក់៖ រលកចាំងចេញឆ្ងាយ ហើយត្រឡប់មកផ្កាយរណបតិចណាស់ (ងងឹត)។
• រុក្ខជាតិលិចទឹក និងទីក្រុងចាំងពីរដង៖ ភ្លឺ មិនមែនងងឹតទេ ដូច្នេះការកំណត់កម្រិតរំលងវា។
• ខ្យល់ខ្លាំងធ្វើឱ្យផ្ទៃទឹករដុប និងភ្លឺជាងធម្មតា៖ ជាប្រភពកំហុសមួយទៀត។

ផ្ទៃទឹកស្ងប់ដូចកញ្ចក់៖ រលករ៉ាដាចាំងចេញទៅទិសផ្ទុយ (specular reflection) ហើយត្រឡប់មកផ្កាយរណបតិចណាស់។ ក្នុងរូបភាព VV ទឹកមានតម្លៃប្រហែល −១៨ ដល់ −២៥ dB ខណៈដីភាគច្រើនមាន −៥ ដល់ −១៥ dB។ ភាពខុសគ្នានេះហើយដែលធ្វើឱ្យការធ្វើផែនទីទឹកដោយ SAR ងាយ។

ប៉ុន្តែមានករណីលើកលែងសំខាន់ៗ៖

• រុក្ខជាតិលិចទឹក (ស្រែដែលស្រូវខ្ពស់ ព្រៃលិចទឹក) និង ទីក្រុងលិចទឹក ចាំងពីរដង (double bounce) ហើយភ្លឺ មិនមែនងងឹតទេ។
• ខ្យល់ ធ្វើឱ្យផ្ទៃទឹករដុប ហើយភ្លឺជាងធម្មតា។
• ផ្ទៃរលោងស្ងួត (ផ្លូវកៅស៊ូ ដីខ្សាច់រាប ដីភ្ជួររាបស្មើ) និង ស្រមោលរ៉ាដា នៅខ្នងភ្នំ ងងឹតដូចទឹក។

VV ជាទូទៅបំបែកទឹក និងដីបានល្អជាង VH ព្រោះកម្រិតសំឡេងរំខាន (noise floor) របស់ VH ខ្ពស់ជាង។ ក្នុងមេរៀននេះ យើងប្រើ VV ជាចម្បង។

៧.៣.៣. Sentinel-1 ក្នុង Earth Engine

Collection COPERNICUS/S1_GRD រៀបចំរួចជា dB ហើយបានកែ terrain រួច (orthorectified)។ ត្រងតាមលក្ខណៈសំខាន់ៗ៖

var aoi = ee.FeatureCollection('FAO/GAUL/2015/level1')
  .filter(ee.Filter.eq('ADM1_NAME', 'Banteay Meanchey'));
var s1 = ee.ImageCollection('COPERNICUS/S1_GRD')
  .filterBounds(aoi)
  .filter(ee.Filter.eq('instrumentMode', 'IW'))                         // របៀបលើដី
  .filter(ee.Filter.listContains('transmitterReceiverPolarisation', 'VV'))
  .filter(ee.Filter.eq('orbitProperties_pass', 'DESCENDING'))           // គន្លងតែមួយ
  .select('VV');
print('ចំនួនរូបភាព', s1.size());
print('គន្លង', s1.aggregate_array('relativeOrbitNumber_start').distinct());
Map.addLayer(s1.filterDate('2020-10-15', '2020-10-31').mosaic().clip(aoi), {min: -25, max: 0}, 'VV តុលា ២០២០');

ហេតុអ្វីត្រូវត្រងគន្លង? រូបភាពពីគន្លង ascending និង descending មើលពីទិសខុសគ្នា ហើយមុំខុសគ្នា ដូច្នេះតម្លៃ dB លើផ្ទៃដដែលខុសគ្នា។ ពេលប្រៀបធៀបមុន–ក្រោយ ត្រូវប្រើ pass និង relative orbit ដូចគ្នា។

៧.៣.៤. Speckle និងតម្រង

រូបទី៧.៣៖ តម្រងធ្វើឱ្យកំពូលពីរច្បាស់។

អានរូបនេះ

• Speckle ជាសំឡេងរំខានពីធម្មជាតិនៃ SAR៖ ក្រឡាជិតគ្នាលើផ្ទៃដូចគ្នា មានតម្លៃខុសគ្នាខ្លាំង។
• focal_median បន្ថយ speckle ហើយអ៊ីស្តូក្រាមក្លាយជាកំពូលពីរច្បាស់៖ ទឹក និងដី។
• តម្រងធំពេកធ្វើឱ្យប្រឡាយ និងស្រះតូចៗបាត់។ ២–៥ ក្រឡា (២០–៥០ ម) ជាទូទៅសមរម្យ។

Speckle ជាសំឡេងរំខានដែលកើតពីធម្មជាតិនៃ SAR៖ រលកពីវត្ថុតូចៗជាច្រើនក្នុងក្រឡាមួយ បូក ឬលុបគ្នា ធ្វើឱ្យក្រឡាជិតគ្នាលើផ្ទៃដូចគ្នា មានតម្លៃខុសគ្នាខ្លាំង។ វិធីសាមញ្ញបំផុតគឺ តម្រង median ក្នុងរង្វង់ ឬការ៉េតូចមួយ៖

var vv = s1.filterDate('2020-10-15', '2020-10-31').mosaic().clip(aoi);
var vvF = vv.focalMedian(30, 'circle', 'meters');   // កាំ ៣០ ម

តម្រង median រក្សាគែមបានល្អជាងតម្រងមធ្យម។ អ្នកស្រាវជ្រាវក៏ប្រើតម្រងឯកទេស (Refined Lee · Gamma MAP) ឬ composite ពេលវេលា (median នៃរូបភាពច្រើន) ប៉ុន្តែ composite ពេលវេលាមិនសមសម្រាប់ទឹកជំនន់រហ័សទេ ព្រោះទឹកប្ដូររៀងរាល់ថ្ងៃ។

៧.៣.៥. ជ្រើសកម្រិត៖ ថេរ ឬ Otsu

រូបទី៧.៤៖ កម្រិតដែលសមនឹងរូបភាពនីមួយៗ។

អានរូបនេះ

• Otsu ជ្រើសកម្រិតដែលបំបែកកំពូលទាំងពីរល្អបំផុត៖ នៅទីនេះ -១៤,៤ dB។
• កម្រិតថេរ (−១៥ ដល់ −១៨ dB) ងាយប្រើ ប៉ុន្តែអាចមិនសមនឹងរូបភាព មុំ ឬខ្យល់ផ្សេងៗ។
• Otsu ដំណើរការល្អ លុះត្រាតែតំបន់មានទាំងទឹក និងដីច្រើនគួរសម (ជ្រើស AOI ជុំវិញទឹកជំនន់)។

បន្ទាប់ពីតម្រង អ៊ីស្តូក្រាមនៃតំបន់ដែលមានទាំងទឹក និងដី មានកំពូលពីរ។ ទឹក = ក្រឡាដែលទាបជាងកម្រិតមួយ៖

var water = vvF.lt(-16);                                            // កម្រិតថេរ
Map.addLayer(water.selfMask(), {palette: ['0000ff']}, 'ទឹក (−១៦ dB)');

កម្រិតថេរ (−១៥ ដល់ −១៨ dB) ងាយប្រើ ប៉ុន្តែតម្លៃល្អបំផុតប្ដូរតាមរូបភាព មុំ ខ្យល់ និងប្រភេទដី។ វិធី Otsu ជ្រើសកម្រិតដែលបំបែកកំពូលទាំងពីរល្អបំផុត ពីអ៊ីស្តូក្រាមនៃរូបភាពខ្លួនឯង៖

function otsu(histogram) {
  var counts = ee.Array(ee.Dictionary(histogram).get('histogram'));
  var means = ee.Array(ee.Dictionary(histogram).get('bucketMeans'));
  var size = means.length().get([0]);
  var total = counts.reduce(ee.Reducer.sum(), [0]).get([0]);
  var sum = means.multiply(counts).reduce(ee.Reducer.sum(), [0]).get([0]);
  var mean = sum.divide(total);
  var bss = ee.List.sequence(1, size).map(function(i) {
    var aCounts = counts.slice(0, 0, i);
    var aCount = aCounts.reduce(ee.Reducer.sum(), [0]).get([0]);
    var aMean = means.slice(0, 0, i).multiply(aCounts).reduce(ee.Reducer.sum(), [0]).get([0]).divide(aCount);
    var bCount = total.subtract(aCount);
    var bMean = sum.subtract(aCount.multiply(aMean)).divide(bCount);
    return aCount.multiply(aMean.subtract(mean).pow(2)).add(bCount.multiply(bMean.subtract(mean).pow(2)));
  });
  return means.sort(bss).get([-1]);   // កម្រិតដែល between-class variance ធំបំផុត
}
var hist = vvF.reduceRegion({reducer: ee.Reducer.histogram(255, 0.1), geometry: aoi.geometry(),
                             scale: 30, maxPixels: 1e10, tileScale: 4}).get('VV');
var t = otsu(hist);
print('កម្រិត Otsu (dB)', t);
var waterOtsu = vvF.lt(ee.Number(t));

Otsu ដំណើរការល្អ លុះត្រាតែតំបន់មាន ទាំងទឹក និងដីច្រើនគួរសម។ លើតំបន់ដែលទឹកតិចជាង ៥% កំពូលទឹកមើលមិនឃើញ ហើយកម្រិតក្លាយជាចៃដន្យ។ ដូច្នេះអ្នកស្រាវជ្រាវច្រើនតែគណនាអ៊ីស្តូក្រាមលើតំបន់ជុំវិញគែមទឹក (bimodal region) ប៉ុណ្ណោះ។ ពិនិត្យកម្រិតដែលបានជានិច្ច៖ ប្រសិនបើវាក្រៅចន្លោះ −២៥ ដល់ −១០ dB មានអ្វីមួយខុស។

ពិសោធន៍៖ កម្រិតទឹកលើរូបភាព SAR

ប្ដូរកម្រិត dB ទំហំតម្រង និងចុច Otsu។ ពិសោធន៍នេះប្រើរូបភាព SAR ក្លែងធ្វើពីគម្របដីពិតនៃភ្នំពេញ ដូច្នេះយើងដឹងការពិត ហើយអាចវាស់ភាពត្រឹមត្រូវ។ មើលថាតម្រងធ្វើឱ្យកំពូលពីរនៃអ៊ីស្តូក្រាមច្បាស់យ៉ាងណា។

៧.៣.៦. ទឹកជំនន់ = ទឹកថ្មី៖ ការរកការផ្លាស់ប្ដូរ

រូបទី៧.៥៖ ទឹកជំនន់ = ទឹកថ្មី។

អានរូបនេះ

• ផ្ទៃទឹកក្រោយព្រឹត្តិការណ៍ រួមទាំងទន្លេ និងបឹងធម្មតា៖ វាមិនមែនទឹកជំនន់ទាំងអស់ទេ។
• ភាពខុសគ្នា (ក្រោយ − មុន) ធ្លាក់ខ្លាំង (−៣ dB ឬទាបជាង) នៅកន្លែងដែលដីក្លាយជាទឹក។
• ប្រើរូបភាពមុន និងក្រោយ ពីគន្លងដូចគ្នា (orbit + pass) ដើម្បីកុំឱ្យភាពខុសគ្នាមកពីមុំមើល។

ផែនទីទឹកក្រោយព្រឹត្តិការណ៍ រួមទាំងទន្លេ បឹង ស្រះ និងស្រែដែលមានទឹកធម្មតា។ ទឹកជំនន់ គឺទឹកដែលមាននៅពេលនេះ តែ មិនមាន ក្នុងស្ថានភាពធម្មតា។ វិធីពីរ៖

1. ផែនទីទឹកពីរ៖ ធ្វើផែនទីទឹកមុន និងក្រោយ ហើយទឹកជំនន់ = ទឹកក្រោយ AND មិនមែនទឹកមុន។
2. ភាពខុសគ្នា dB៖ ក្រោយ − មុន < −៣ dB (ដីក្លាយជាទឹក) AND ក្រោយ < កម្រិតទឹក។

var before = s1.filterDate('2019-10-15', '2019-10-31').mosaic().focalMedian(30, 'circle', 'meters').clip(aoi);
var after  = s1.filterDate('2020-10-15', '2020-10-31').mosaic().focalMedian(30, 'circle', 'meters').clip(aoi);
var diff = after.subtract(before);                     // dB៖ ការដកស្មើនឹងផលធៀបក្នុងឯកតាលីនេអ៊ែរ
var flood = diff.lt(-3).and(after.lt(-16));
Map.addLayer(diff, {min: -10, max: 10, palette: ['blue', 'white', 'red']}, 'ក្រោយ − មុន');
Map.addLayer(flood.selfMask(), {palette: ['red']}, 'ទឹកជំនន់');

រូបភាពមុន ត្រូវតំណាង «ធម្មតា» សម្រាប់រដូវនោះ៖ ខែដូចគ្នានៃឆ្នាំមុនដែលគ្មានទឹកជំនន់ធំ ឬ median នៃខែដូចគ្នាច្រើនឆ្នាំ។ ប្រសិនបើប្រើរូបភាពរដូវប្រាំងជា «មុន» ទឹកតាមរដូវធម្មតា (ទន្លេសាបពង្រីក) នឹងរាប់ជាទឹកជំនន់ទាំងអស់។

៧.៣.៧. ដកកំហុសវិជ្ជមានក្លែងក្លាយ

រូបទី៧.៦៖ រកទឹកបានហើយ ត្រូវសួរថា «ពិតជាទឹកជំនន់ទេ?»។

អានរូបនេះ

• ទឹកអចិន្ត្រៃយ៍ត្រូវដកចេញ ដើម្បីកុំឱ្យទន្លេ និងទន្លេសាបរាប់ជាទឹកជំនន់។
• ស្រមោលរ៉ាដានៅជម្រាលភ្នំ ងងឹតដូចទឹក៖ mask តាម slope ឬ HAND។
• ផ្ទៃរលោងស្ងួត (ផ្លូវ ដីភ្ជួររាប) ក៏ងងឹតដែរ៖ ការប្រៀបធៀបមុន–ក្រោយជួយដោះស្រាយ។

var gsw = ee.Image('JRC/GSW1_4/GlobalSurfaceWater');
var permanent = gsw.select('seasonality').gte(10);                        // ទឹក ≥ ១០ ខែ/ឆ្នាំ
var slope = ee.Terrain.slope(ee.Image('USGS/SRTMGL1_003'));
var hand = ee.Image('MERIT/Hydro/v1_0_1').select('hnd');
var floodClean = flood
  .where(permanent.unmask(0), 0)           // ដកទឹកអចិន្ត្រៃយ៍
  .updateMask(slope.lt(5))                  // ដកតំបន់ភ្នំ និងស្រមោលរ៉ាដា
  .updateMask(hand.lt(15))                  // ដកទីខ្ពស់ពីប្រឡាយ
  .selfMask();
// ដកក្រុមក្រឡាតូចៗ (< ៨ ក្រឡាជាប់គ្នា) ដែលភាគច្រើនជាសំឡេងរំខាន
var connected = floodClean.connectedPixelCount(8, true);
floodClean = floodClean.updateMask(connected.gte(8));
Map.addLayer(floodClean, {palette: ['red']}, 'ទឹកជំនន់ (បានសម្អាត)');

unmask(0) ចាំបាច់ព្រោះ JRC គ្មានតម្លៃ (masked) នៅកន្លែងដែលមិនដែលមានទឹក៖ បើគ្មាន unmask ការ where នឹងបាត់ក្រឡាទាំងនោះ។

៧.៣.៨. ពីផែនទីទឹកជំនន់ ទៅជាផលប៉ះពាល់

រូបទី៧.៧៖ ស្រែប៉ុន្មានហិកតាលិចទឹក?។

អានរូបនេះ

• ឆ្លងផែនទីទឹកជំនន់ ជាមួយគម្របដី (ESA WorldCover ឬផែនទីមេរៀនទី៦) ដោយ reducer ជាក្រុម (មេរៀនទី៤)។
• ដំណាំ/ស្មៅ និងដីទទេជិតទន្លេ រងផលប៉ះពាល់ច្រើនជាងគេ។
• ឆ្លងជាមួយប្រជាជន (WorldPop) ដើម្បីប៉ាន់ស្មានចំនួនមនុស្សដែលរងផលប៉ះពាល់។

ផែនទីទឹកជំនន់មានតម្លៃពេញលេញ នៅពេលឆ្លងជាមួយស្រទាប់ផ្សេង ដោយប្រើ reducer ពីមេរៀនទី៤៖

var km2 = ee.Image.pixelArea().divide(1e6).updateMask(floodClean)
  .reduceRegion({reducer: ee.Reducer.sum(), geometry: aoi.geometry(), scale: 10, maxPixels: 1e10, tileScale: 4});
print('ផ្ទៃទឹកជំនន់ (គម²)', km2);

var wc = ee.ImageCollection('ESA/WorldCover/v200').first();      // ៤០ = ដំណាំ
var cropKm2 = ee.Image.pixelArea().divide(1e6).updateMask(floodClean).updateMask(wc.eq(40))
  .reduceRegion({reducer: ee.Reducer.sum(), geometry: aoi.geometry(), scale: 10, maxPixels: 1e10, tileScale: 4});
var pop = ee.ImageCollection('WorldPop/GP/100m/pop').filter(ee.Filter.eq('country', 'KHM'))
  .filter(ee.Filter.eq('year', 2020)).first();
var people = pop.updateMask(floodClean.reproject(pop.projection()).unmask(0).gt(0))
  .reduceRegion({reducer: ee.Reducer.sum(), geometry: aoi.geometry(), scale: 100, maxPixels: 1e10});
print('ដីដំណាំលិច (គម²)', cropKm2, 'ប្រជាជនក្នុងតំបន់លិច', people);

ចំណាំថា WorldPop មានក្រឡា ១០០ ម៉ែត្រ។ ការគណនាប្រជាជនត្រូវធ្វើនៅ scale ១០០ ម ហើយក្រឡាដែលលិចមួយផ្នែកត្រូវបានរាប់ទាំងមូល ដូច្នេះលទ្ធផលជាការប៉ាន់ស្មានខ្ពស់ (upper estimate)។

៧.៣.៩. ករណីសិក្សា៖ របាយការណ៍វាយតម្លៃទឹកជំនន់ខេត្តបាត់ដំបង

ក្រោយគណនារួច ផែនទីទឹកជំនន់ត្រូវទៅដល់អ្នកសម្រេចចិត្តជា របាយការណ៍។ របាយការណ៍គំរូខាងក្រោម បង្កើតដោយកម្មវិធីជំនួយ Flood Mapper v2.3 សម្រាប់ QGIS របស់អ្នកនិពន្ធ ដែលដំណើរការលើ Earth Engine សម្រាប់ព្រឹត្តិការណ៍ទឹកជំនន់ ២៩ កក្កដា ២០២៦ នៅខេត្តបាត់ដំបង។ វាមានផែនទី ៧ សន្លឹក (ផ្ទៃលិច គ្រោះ ការប៉ះពាល់ ភាពងាយរងគ្រោះ និងហានិភ័យ) និងតារាងតួលេខ។ យើងប្រើវាជាគំរូនៃ អ្វីដែលរបាយការណ៍ទឹកជំនន់ល្អត្រូវរាយការណ៍។

រូបទី៧.៨៖ ផ្ទៃលិចទឹក ខេត្តបាត់ដំបង ពី Sentinel-1 VH (ក្រោយព្រឹត្តិការណ៍ ៣១ កក្កដា ២០២៦ ធៀបនឹងរដូវប្រាំង) សន្លឹកទី១ នៃផែនទីស៊េរីក្នុងរបាយការណ៍គំរូ Flood Mapper v2.3។ ផ្ទៃលិច ២៤៦,៨ គម² ភាគច្រើននៅវាលទំនាបជាប់បឹងទន្លេសាប។

ផ្នែករបាយការណ៍	អ្វីដែលរាយការណ៍	ហេតុអ្វីសំខាន់
ប្រភពនៃការគណនា (provenance)	ថ្ងៃព្រឹត្តិការណ៍ ឧបករណ៍ចាប់ (S1 IW VH) គន្លង ២៦ ASC ទាំងមុន និងក្រោយ · baseline ១១ រូបភាពរដូវប្រាំង	គន្លង និងទិសហោះដូចគ្នា ទើបការផ្លាស់ប្ដូរមិនមកពីធរណីមាត្រមើល (§៧.៣.៦)
កម្រិត	−៣,៨៨ dB ពី Otsu/triangle លើភាពខុសគ្នា dB · អ៊ីស្តូក្រាមមានជ្រលងច្បាស់	បើអ៊ីស្តូក្រាមមានកំពូលតែមួយ កម្រិតណាក៏ជាការជ្រើសចៃដន្យ (§៧.៣.៥)
ការសម្អាត	ដកទឹកអចិន្ត្រៃយ៍ JRC · ជម្រាល > ៥° · ផ្ទៃអប្បបរមា ៨ ក្រឡា	ដកកំហុសវិជ្ជមានក្លែងក្លាយ (§៧.៣.៧)
ជម្រៅ	មធ្យម ១,៤២ ម ដោយ FwDET លើ FABDEM ៣០ ម	ជម្រៅគ្មានន័យ បើមិនប្រាប់ DEM ដែលប្រើ
ផលប៉ះពាល់	ប្រជាជន (WorldPop) សំណង់ (GHSL) ផ្លូវ សាលារៀន មណ្ឌលសុខភាព · ផ្ទៃ និង ចំណែក នៃថ្នាក់គម្របដីនីមួយៗ	ថ្នាក់តូចដែលលិចភាគរយខ្ពស់ (សំណង់ ៧,៣%) មើលមិនឃើញបើបង្ហាញតែផ្ទៃដាច់ខាត
ការផ្ទៀងផ្ទាត់ដោយ optical	Sentinel-2 MNDWI ៣ ថ្ងៃក្រោយ៖ IoU ០,៧១ · ឃើញទាំងពីរ ៦៤,៩% · SAR តែប៉ុណ្ណោះ ២៧,១% · S2 តែប៉ុណ្ណោះ ៨,០%	ភាពខុសគ្នាមានព័ត៌មាន៖ SAR ឃើញក្រោមពពក និងក្នុងរុក្ខជាតិលិច · S2 អាចច្រឡំដីសើមជាទឹក
ភាពត្រឹមត្រូវ	គំរូយោង ១០០ · OA ៩១% · Kappa ០,៨២ · ផ្ទៃកែតម្រូវកំហុសជាមួយចន្លោះទំនុកចិត្ត ៩៥%	ផ្ទៃពីការរាប់ក្រឡាគ្មានភាពមិនច្បាស់ ប៉ុន្តែការប៉ាន់ស្មានមាន (មេរៀនទី១៣ សៀវភៅទី៣)

របាយការណ៍នេះក៏បង្ហាញទម្លាប់ល្អពីរ ដែលសិស្សច្រើនតែភ្លេច៖

1. ប្រាប់ពេលតួលេខមិនស៊ីគ្នា៖ ផ្ទៃលិចតាមថ្នាក់គម្របដីសរុប ១៨ ៣១០ ហ.ត ប៉ុន្តែផ្ទៃលិចសរុប ២៤ ៦៨០ ហ.ត (ខុស ២៦%) ព្រោះស្រទាប់ទាំងពីរមានក្រឡាខុសគ្នា (WorldCover ១០ ម ធៀបនឹងការវិភាគ ២០ ម)។ របាយការណ៍ពន្យល់ ហើយប្រាប់ថាត្រូវដកស្រង់តួលេខណាសម្រាប់អ្វី។
2. ផ្ទៃកែតម្រូវកំហុស៖ ផ្ទៃលិចដែលរាប់ពីក្រឡា ២៤ ៦៨០ ហ.ត ធ្លាក់ ក្រៅ ចន្លោះទំនុកចិត្តនៃផ្ទៃកែតម្រូវ (៧១ ៦៨៥ ± ៤១ ២៥៧ ហ.ត)។ គំរូ «មិនលិច» ៥ ក្នុង ៥១ តាមពិតលិច ហើយស្រទាប់ «មិនលិច» ធំខ្លាំង ដូច្នេះកំហុសតូចនោះគុណនឹងផ្ទៃធំ។ ផែនទីនេះទំនងជា ប៉ាន់ផ្ទៃលិចតិចជាងពិត ហើយចន្លោះ ±៤១ ២៥៧ ហ.ត បង្ហាញថាគំរូ ១០០ មិនគ្រប់គ្រាន់។ ការគណនាលម្អិត និងហេតុអ្វី Producer's ៩០% ដែលគណនាពីចំនួនគំរូផ្ទាល់ ក្លាយជាប្រហែល ៣២% ពេលប្រើទម្ងន់ផ្ទៃ មាននៅមេរៀនទី១៣ សៀវភៅទី៣។

របាយការណ៍គំរូ

តួលេខខ្លះក្នុងរបាយការណ៍គំរូនេះ ប្រើសម្រាប់បង្ហាញទម្រង់របាយការណ៍ប៉ុណ្ណោះ។ មុនដកស្រង់ទៅប្រើ ត្រូវពិនិត្យថាផ្ទៃសរុប និងប្រជាជនសរុបក្នុងតារាងនីមួយៗ ស៊ីគ្នាជាមួយផ្ទៃខេត្តពិត។ ការពិនិត្យនេះខ្លួនឯង ជាជំនាញសំខាន់មួយនៃការអានរបាយការណ៍។

៧.៣.១០. ទិន្នន័យពិត៖ S1 ផ្ទៀងផ្ទាត់ជាមួយ S2 នៅសៀមរាប ខែតុលា ២០២៦

ពិសោធន៍ក្នុង §៧.៣.៥ ប្រើរូបភាពក្លែងធ្វើ។ ផ្នែកនេះប្រើរូបភាពពិតពីរ លើតំបន់ ១៥ × ១៤ គម ពីភាគខាងត្បូងក្រុងសៀមរាប ឆ្លងភ្នំក្រោម ដល់បឹងទន្លេសាប៖ Sentinel-1 IW GRD ថ្ងៃទី១៧ តុលា ២០២៦ (ASC គន្លង ២៦ មុំ incidence ៣១–៣២°) និង Sentinel-2 L2A ថ្ងៃទី១៩ តុលា ជាមួយ Cloud Score+។ ពេលនោះជាចុងរដូវវស្សា បឹងរីកធំបំផុត ហើយ S2 មានពពក cumulus ប្រហែល ១០% នៃរូប។

រូបទី៧.៩៖ Sentinel-1 (១៧ តុលា ២០២៦) និង Sentinel-2 (១៩ តុលា ២០២៦) លើតំបន់សៀមរាប – ទន្លេសាប។ ឃ. ទឹក S1 ពីកម្រិត Otsu លើ VV (−១៣,៨ dB) ធៀបនឹងទឹក S2 (MNDWI > ០) លើក្រឡាដែល Cloud Score+ ≥ ០,៦០។ ផ្ទុកទិន្នន័យ Copernicus Sentinel ២០២៦ ដែលបានកែច្នៃ។

ក្នុង Earth Engine ការផ្ទៀងផ្ទាត់នេះមានបួនជំហាន៖ ផែនទីទឹក S1 ផែនទីទឹក S2 ដែលបិទបាំងពពក រូបភាពប្រៀបធៀប និងផ្ទៃតាមថ្នាក់៖

var aoi = ee.Geometry.Rectangle([103.747, 13.221, 103.888, 13.345]);
var s1 = ee.ImageCollection('COPERNICUS/S1_GRD')
  .filterBounds(aoi).filterDate('2026-10-17', '2026-10-18')
  .filter(ee.Filter.eq('instrumentMode', 'IW'))
  .filter(ee.Filter.eq('relativeOrbitNumber_start', 26))
  .select(['VV', 'VH']).mosaic().clip(aoi);
var vvF = s1.select('VV').focalMedian(30, 'circle', 'meters');     // ត្រង speckle (§៧.៣.៤)

var csPlus = ee.ImageCollection('GOOGLE/CLOUD_SCORE_PLUS/V1/S2_HARMONIZED');
var s2 = ee.ImageCollection('COPERNICUS/S2_SR_HARMONIZED')
  .filterBounds(aoi).filterDate('2026-10-19', '2026-10-20')
  .linkCollection(csPlus, ['cs_cdf'])
  .map(function (img) { return img.updateMask(img.select('cs_cdf').gte(0.6)); })
  .mosaic().clip(aoi);

var s1water = vvF.lt(-13.8);                                         // កម្រិត Otsu នៃរូបនេះ
var s2water = s2.normalizedDifference(['B3', 'B11']).gt(0);          // MNDWI > 0
var cmp = s1water.multiply(2).add(s2water);   // ០ ដីទាំងពីរ · ១ S2 តែមួយ · ២ S1 តែមួយ · ៣ ទឹកទាំងពីរ
var km2 = ee.Image.pixelArea().divide(1e6).addBands(cmp).reduceRegion({
  reducer: ee.Reducer.sum().group({groupField: 1}), geometry: aoi, scale: 20, maxPixels: 1e9});
print('ផ្ទៃ (គម²) តាមថ្នាក់ប្រៀបធៀប', km2);

ក្នុង Earth Engine cs_cdf មានចន្លោះ ០–១ ដូច្នេះកម្រិត ០,៦០ ស្មើនឹង ៦០ ក្នុងពិសោធន៍ខាងក្រោម។ ក្រឡាដែលពពកបិទ ត្រូវបាន mask ក្នុង s2 ដូច្នេះវាធ្លាក់ចេញពី cmp ដោយស្វ័យប្រវត្តិ។

លទ្ធផល (ក្រឡា ៤០ ម ក្នុងពិសោធន៍)៖ Otsu លើ VV ផ្ដល់ −១៣,៨ dB និងផ្ទៃទឹក ១០៧ គម² (៥២% នៃ ២០៨ គម²)។ លើក្រឡាគ្មានពពក (៨៩%) ភាពត្រូវគ្នាសរុប ៨៥% IoU ០,៧៦ User's ៩៨% Producer's ៧៧%។ Otsu លើ VH (−២២,៥ dB) ផ្ដល់ IoU ០,៦៩ ព្រោះ VH ទឹកជិតកម្រិតសំឡេងរំខាន។ ភាពខុសគ្នាមានព័ត៌មានដូចក្នុងរបាយការណ៍បាត់ដំបង (§៧.៣.៩)៖

• S2 តែមួយ (ពណ៌ខៀវខ្ចី) ភាគច្រើនជាវាលគុម្ពោតលិចទឹកជុំវិញបឹង៖ S2 ឃើញទឹកនៅចន្លោះគុម្ពោត ប៉ុន្តែដើមរុក្ខជាតិបញ្ចេញ backscatter ឱ្យ S1 (VV ≈ −១១ dB)។
• ព្រៃលិចទឹក ភ្លឺក្នុង S1 (double bounce) ហើយក្រហមក្នុង S2 ពណ៌ក្លែង។ ទាំងពីរវិធីមិនរាប់វាជាទឹក ដូច្នេះផែនទីទឹកជំនន់ប៉ាន់ស្មានផ្ទៃលិចជុំវិញបឹងទាបជាងពិត (ការយល់ច្រឡំទី២)។
• Cloud Score+ ទាបលើបឹងដែលមានល្បាប់ ទោះគ្មានពពក ដូច្នេះរបាំងពពកបិទផ្ទៃបឹងមួយផ្នែក។ ពិនិត្យរបាំងដោយភ្នែកមុនរាយការណ៍ភាពត្រូវគ្នា។
• រូបនេះជា ថ្ងៃតែមួយ៖ វាបង្ហាញ ទឹក មិនមែន ទឹកជំនន់ ទេ។ ផ្ទៃបឹងអចិន្ត្រៃយ៍ និងទឹកតាមរដូវ ត្រូវដកចេញដោយរូបភាពខែតុលានៃឆ្នាំធម្មតា ឬ JRC (§៧.៣.៦–៧.៣.៧) មុនហៅថាផ្ទៃលិច។

ពិសោធន៍៖ ផែនទីទឹកពីទិន្នន័យ Sentinel-1 ពិត

ចុច Otsu ប្ដូររវាង VV និង VH ហើយប្ដូរកម្រិត Cloud Score+។ អ៊ីស្តូក្រាមត្រូវបានបំបែកតាមថ្នាក់ S2 (ទឹក មិនមែនទឹក ពពក)៖ មើលថាក្រឡាទឹក S2 ដែលមាន VV ខ្ពស់ (កន្ទុយទៅស្ដាំ) ស្ថិតនៅឯណាលើផែនទី។ ដាក់ម៉ៅស៍លើរូប ដើម្បីអានតម្លៃក្រឡា។

---

៧.៤. ឧទាហរណ៍ដែលបានដោះស្រាយ៖ ទឹកជំនន់ខែតុលា ២០២០ ខេត្តបន្ទាយមានជ័យ

ឧទាហរណ៍នេះផ្អែកលើលំហាត់ក្នុងសៀវភៅចាស់របស់វគ្គនេះ ដោយបន្ថែមតម្រង Otsu និងការសម្អាត។

ជំហានទី១៖ Collection និងរូបភាពពីរ

ប្រើកូដក្នុងផ្នែក ៧.៣.៣ ដើម្បីបាន s1 (VV · descending)។ បង្កើត before (១៥–៣១ តុលា ២០១៩) និង after (១៥–៣១ តុលា ២០២០)។ ពិនិត្យ size() នៃរយៈពេលនីមួយៗ៖ ប្រសិនបើ ០ ពង្រីករយៈពេល។

ជំហានទី២៖ មើលដោយភ្នែកមុន

Map.centerObject(aoi, 9);
Map.addLayer(before.addBands(after).addBands(after), {min: -25, max: -5}, 'RGB៖ មុន ក្រោយ ក្រោយ');

ក្នុងរូបភាពបីក្រុមរលកនេះ តំបន់ដែលក្លាយជាទឹក បង្ហាញជា ពណ៌ក្រហម (ភ្លឺក្នុងរូបភាពមុន ងងឹតក្នុងរូបភាពក្រោយ)។ វាជាការពិនិត្យរហ័ស មុនពេលគណនាអ្វីទាំងអស់។

ជំហានទី៣៖ កម្រិត Otsu និងការផ្លាស់ប្ដូរ

គណនា Otsu លើ after (ផ្នែក ៧.៣.៥) ហើយប្រើកម្រិតនោះជំនួស −១៦ ក្នុងកូដផ្នែក ៧.៣.៦។ ប្រៀបធៀបផ្ទៃទឹកជំនន់ពីកម្រិតទាំងពីរ។

ជំហានទី៤៖ សម្អាត និងគណនាផ្ទៃ

អនុវត្ត mask ក្នុងផ្នែក ៧.៣.៧ ហើយគណនាផ្ទៃសរុប និងផ្ទៃដីដំណាំលិច (ផ្នែក ៧.៣.៨)។ គណនាតាមស្រុកដោយ reduceRegions (GAUL level 2) ដើម្បីកំណត់ស្រុកដែលរងផលប៉ះពាល់ខ្លាំងជាងគេ។

ជំហានទី៥៖ ផ្ទៀងផ្ទាត់ និងនាំចេញ

ពិនិត្យលទ្ធផលជាមួយរបាយការណ៍ព័ត៌មាន ឬរបាយការណ៍របស់ NCDM អំពីស្រុកដែលរងទឹកជំនន់ ហើយមើលរូបភាព Sentinel-2 ដែលមានចន្លោះពពកណាមួយ។ នាំចេញជា GeoTIFF (toByte()) និងតារាងស្រុកជា CSV។

«ទឹកជំនន់ខែតុលា ២០២០ ត្រូវបានធ្វើផែនទីពី Sentinel-1 VV (descending) ដោយប្រៀបធៀបជាមួយខែតុលា ២០១៩ កម្រិត Otsu និងការដកទឹកអចិន្ត្រៃយ៍ (JRC) ជម្រាល > ៥° និង HAND > ១៥ ម។ ផ្ទៃទឹកជំនន់តាមស្រុក និងដីដំណាំលិច ត្រូវបានគណនាដោយ pixelArea។»

អ្វីដែលយើងមិនអាចសន្និដ្ឋាន

ផែនទីនេះបង្ហាញទឹកនៅម៉ោងដែលផ្កាយរណបឆ្លងកាត់ (ប្រហែលម៉ោង ៦ ព្រឹក សម្រាប់ descending) មិនមែនទឹកអតិបរមាទេ។ វារំលងទឹកក្រោមរុក្ខជាតិក្រាស់ និងក្នុងទីក្រុង ហើយមិនប្រាប់ពីជម្រៅទឹកទេ។ ស្រែដែលមានទឹកធម្មតាក្នុងខែតុលា ប៉ុន្តែមិនមានក្នុងឆ្នាំ ២០១៩ ក៏អាចត្រូវរាប់ជាទឹកជំនន់ដែរ។

---

៧.៥. សកម្មភាពអនុវត្ត

• លំហាត់ទី៧៖ ធ្វើផែនទីផ្ទៃទឹកទន្លេសាប រដូវប្រាំង និងរដូវទឹកឡើង ពី Sentinel-1 ជាមួយ Otsu គណនាផ្ទៃលិចតាមខេត្តជុំវិញបឹង ហើយប្រៀបធៀបជាមួយ JRC។ មើល លំហាត់ទី៧។
• ក្នុងថ្នាក់៖ ក្រុមនីមួយៗរត់ឧទាហរណ៍បន្ទាយមានជ័យ ជាមួយកម្រិតខុសគ្នា (−១៤ −១៦ −១៨ dB · Otsu) ហើយប្រៀបធៀបផ្ទៃទឹកជំនន់។

---

៧.៦. ការយល់ច្រឡំដែលត្រូវប្រុងប្រយ័ត្ន

១. «ក្រឡាងងឹតក្នុង SAR តែងតែជាទឹក» ផ្លូវកៅស៊ូ ដីខ្សាច់រាប និងស្រមោលរ៉ាដានៅភ្នំ ក៏ងងឹតដែរ។ ត្រូវប្រើការប្រៀបធៀបមុន–ក្រោយ និង mask ជម្រាល។

២. «រ៉ាដាមើលឃើញទឹកជំនន់គ្រប់ទីកន្លែង» ទឹកក្រោមព្រៃ ឬរវាងអគារ ចាំងពីរដង ហើយភ្លឺ។ ផែនទី SAR ធម្មតាប៉ាន់ស្មានទឹកជំនន់ក្នុងទីក្រុង និងព្រៃលិចទឹកទាបជាងការពិត។

៣. «−១៦ dB ជាកម្រិតទឹកសកល» កម្រិតប្ដូរតាមរូបភាព មុំ ខ្យល់ និងប៉ូលការីសាស្យុង។ ប្រើ Otsu ឬពិនិត្យអ៊ីស្តូក្រាមរាល់ពេល។

៤. «រូបភាពរដូវប្រាំង ជារូបភាព "មុន" ល្អបំផុត» វាធ្វើឱ្យទឹកតាមរដូវធម្មតារាប់ជាទឹកជំនន់។ ប្រើខែដូចគ្នានៃឆ្នាំធម្មតា។

៥. «ផែនទីទឹកជំនន់បង្ហាញទឹកអតិបរមា» វាបង្ហាញតែពេលដែលផ្កាយរណបឆ្លងកាត់។ ទឹកអាចឡើងខ្ពស់ជាងនេះ ៣–៥ ថ្ងៃមុន ឬក្រោយ។

៦. «IoU ខ្ពស់ជាមួយ S2 មានន័យថាផែនទី S1 ត្រឹមត្រូវ» S2 ក៏មានកំហុសដែរ៖ ថតនៅថ្ងៃផ្សេង មិនឃើញទឹកក្រោមដំបូល ច្រឡំស្រមោលពពក ហើយរបាំងពពកអាចបិទទឹកល្បាប់។ IoU វាស់ ភាពត្រូវគ្នា នៃផែនទីពីរ។ ភាពត្រឹមត្រូវត្រូវការគំរូយោង និងផ្ទៃកែតម្រូវកំហុស (§៧.៣.៩)។

---

៧.៧. សេចក្ដីសង្ខេបមេរៀន

Sentinel-1 ឆ្លងកាត់ពពក ហើយទឹកស្ងប់ងងឹតក្នុងរូបភាព VV (−១៨ ដល់ −២៥ dB) ព្រោះរលកចាំងចេញឆ្ងាយ។ ក្នុង Earth Engine យើងត្រង S1_GRD តាម IW VV និងគន្លងតែមួយ កាត់បន្ថយ speckle ដោយ focalMedian ហើយបំបែកទឹកដោយកម្រិតថេរ ឬ Otsu ដែលគណនាពីអ៊ីស្តូក្រាមនៃរូបភាពនីមួយៗ។

ទឹកជំនន់គឺជាទឹកថ្មី៖ ប្រៀបធៀបជាមួយរូបភាពនៃខែដូចគ្នាក្នុងឆ្នាំធម្មតា ដកទឹកអចិន្ត្រៃយ៍ (JRC) តំបន់ជម្រាល និង HAND ខ្ពស់ ហើយបន្ទាប់មកគណនាផ្ទៃ និងផលប៉ះពាល់ដោយ pixelArea WorldCover និង WorldPop។

គំនិតស្នូលនៃមេរៀន

SAR ប្រាប់ថា «ផ្ទៃនេះរលោងដូចទឹក» មិនមែន «នេះជាទឹកជំនន់» ទេ។ ផែនទីទឹកជំនន់ដែលទុកចិត្តបាន ត្រូវការការប្រៀបធៀបជាមួយស្ថានភាពធម្មតា និងការដកចេញនូវអ្វីៗដែលងងឹតដូចទឹក។

---

៧.៨. ពាក្យគន្លឹះខ្មែរ–អង់គ្លេស

ពាក្យខ្មែរ	ពាក្យអង់គ្លេស	អត្ថន័យខ្លី
រ៉ាដាអាប៉ឺទួរសំយោគ	SAR	រ៉ាដាដែលថតរូបភាពបានក្រោមពពក
ការចាំងត្រឡប់	Backscatter	ថាមពលរ៉ាដាដែលត្រឡប់មកផ្កាយរណប
ការចាំងដូចកញ្ចក់	Specular reflection	រលកចាំងចេញឆ្ងាយពីផ្ទៃរលោង
ការចាំងពីរដង	Double bounce	ទឹក + ដើមឈើ/ជញ្ជាំង ធ្វើឱ្យភ្លឺ
Speckle	Speckle	សំឡេងរំខានគ្រាប់ៗក្នុងរូបភាព SAR
កម្រិត Otsu	Otsu threshold	កម្រិតដែលបំបែកអ៊ីស្តូក្រាមពីរកំពូល
ការរកការផ្លាស់ប្ដូរ	Change detection	ប្រៀបធៀបមុន និងក្រោយព្រឹត្តិការណ៍
កម្ពស់ពីលើប្រឡាយជិតបំផុត	HAND	កម្ពស់ធៀបនឹងប្រឡាយទឹកជិតបំផុត
Cloud Score+	Cloud Score+ (cs_cdf)	ពិន្ទុភាពច្បាស់ ០–១ សម្រាប់បិទបាំងពពក Sentinel-2
IoU	Intersection over Union	ផ្ទៃត្រួតគ្នា ÷ ផ្ទៃរួម នៃផែនទីទឹកពីរ
វាលលិចទឹកមានរុក្ខជាតិ	Flooded vegetation	ទឹកក្រោមរុក្ខជាតិ ដែលភ្លឺក្នុង SAR ដោយ double bounce

---

៧.៩. សំណួររំលឹក និងវាយតម្លៃ

ក. សំណួរយល់ដឹង

1. ហេតុអ្វីទឹកស្ងប់ងងឹត ប៉ុន្តែព្រៃលិចទឹកភ្លឺ ក្នុងរូបភាព SAR?
2. ហេតុអ្វីត្រូវប្រើរូបភាពមុន និងក្រោយពីគន្លងដូចគ្នា?
3. ពន្យល់គោលការណ៍នៃ Otsu ហើយប្រាប់ពេលណាវាមិនដំណើរការ។
4. ភាពខុសគ្នារវាង «ផែនទីទឹក» និង «ផែនទីទឹកជំនន់»?
5. mask បីណាដែលប្រើដើម្បីដកកំហុសវិជ្ជមានក្លែងក្លាយ ហើយនីមួយៗដកអ្វី?

ខ. សំណួរអនុវត្តគោលគំនិត

1. សរសេរកូដរាប់ចំនួនរូបភាព Sentinel-1 descending លើខេត្តរបស់អ្នក ក្នុងខែនីមួយៗនៃឆ្នាំ ២០២៤។
2. កម្រិត Otsu ដែលបានគឺ −៣ dB។ តើអ្នកសង្ស័យអ្វី ហើយធ្វើអ្វីបន្ត?
3. ហេតុអ្វី after.subtract(before) ក្នុង dB ស្មើនឹងផលធៀបក្នុងឯកតាលីនេអ៊ែរ?
4. ផែនទីទឹកជំនន់បង្ហាញក្រឡាតូចៗរាយប៉ាយច្រើនលើភ្នំ។ ស្នើដំណោះស្រាយពីរ។
5. ហេតុអ្វីចំនួនប្រជាជនរងផលប៉ះពាល់ពី WorldPop ជាការប៉ាន់ស្មានខ្ពស់?

គ. កិច្ចការខ្លី

ធ្វើផែនទីទឹកជំនន់នៃព្រឹត្តិការណ៍មួយផ្សេងទៀតនៅកម្ពុជា ដែលកើតក្រោយឆ្នាំ ២០១៥ (Sentinel-1 មានទិន្នន័យលើកម្ពុជាជាប្រចាំចាប់ពីប្រហែលឆ្នាំនោះ)។ សរសេររបាយការណ៍មួយទំព័រ៖ វិធីសាស្ត្រ កម្រិត ផ្ទៃ និងដែនកំណត់។

---

កំណត់សម្គាល់សម្រាប់គ្រូបង្រៀន

ក. ការបែងចែកពេលវេលា ១៨០ នាទី

សកម្មភាព	ពេលវេលា
ស្ថានភាពបើកមេរៀន៖ តុលា ២០២០	១០ នាទី
ហេតុអ្វី SAR · យន្តការចាំង	២០ នាទី
Sentinel-1 ក្នុង Earth Engine · speckle	២៥ នាទី
កម្រិតថេរ និង Otsu · ពិសោធន៍	៣៥ នាទី
ការរកការផ្លាស់ប្ដូរ	២០ នាទី
ដកកំហុស · ផលប៉ះពាល់	២៥ នាទី
ឧទាហរណ៍បន្ទាយមានជ័យ	៣០ នាទី
សង្ខេប និងណែនាំលំហាត់	១៥ នាទី
សរុប	១៨០ នាទី / ៣ ម៉ោង

ខ. ចំណាំអំពីទិន្នន័យ

• ពិសោធន៍ក្នុង §៧.៣.៥ ប្រើរូបភាព SAR ក្លែងធ្វើ ដែលបង្កើតពីគម្របដីពិតនៃរូបភាព Landsat 8 ភ្នំពេញ (តម្លៃ dB ធម្មតាតាមប្រភេទគម្របដី + speckle)។ ប្រាប់និស្សិតថាវាមិនមែនរូបភាព Sentinel-1 ពិតទេ។
• ពិសោធន៍ក្នុង §៧.៣.១០ ប្រើរូបភាព Sentinel-1 និង Sentinel-2 ពិត (សៀមរាប ១៧ និង ១៩ តុលា ២០២៦) ដែលបានបង្រួមទៅក្រឡា ៤០ ម (S1 មធ្យមក្នុង power)។ ដោយសារការបង្រួម speckle តិចជាងរូបដើម ១០ ម ហើយកម្រិត Otsu អាចខុសពីការគណនាលើ ១០ ម បន្តិច។
• សម្រាប់ការឆ្លើយតបពេលមានគ្រោះពិត UN-SPIDER មានកម្មវិធី Earth Engine គំរូសម្រាប់ទឹកជំនន់ ដែលគួរណែនាំនិស្សិតឱ្យស្គាល់។

គ. ការភ្ជាប់ទៅមេរៀនបន្ទាប់

ទឹកជំនន់ និងគ្រោះរាំងស្ងួត ជាមុខពីរនៃកាក់តែមួយ៖ ឆ្នាំខ្លះភ្លៀងច្រើនពេក ឆ្នាំខ្លះភ្លៀងតិចពេក ជួនកាលក្នុងខេត្តតែមួយ។ ប៉ុន្តែគ្រោះរាំងស្ងួតមិនបង្ហាញខ្លួនជាផ្ទៃទឹកដែលយើងអាចកំណត់កម្រិតបានទេ។

តើត្រូវវាស់ «ភ្លៀងតិចជាងធម្មតា» និង «រុក្ខជាតិខ្វះទឹក» យ៉ាងដូចម្ដេច នៅពេលដែល «ធម្មតា» ខុសគ្នាតាមទីកន្លែង និងខែ?

សំណួរនេះនាំទៅ មេរៀនទី៨៖ គ្រោះរាំងស្ងួត ទឹកភ្លៀង និងសុខភាពរុក្ខជាតិ។

⬅️ មេរៀនទី៦ · ➡️ មេរៀនទី៨