មេរៀនទី១៣៖ ការវិភាគពហុលក្ខខណ្ឌជាមួយទិន្នន័យ RS¶
ព័ត៌មានមេរៀន
រយៈពេលបង្រៀនដែលស្នើ៖ ៣ ម៉ោង · មេរៀនទី ១៣ ក្នុងចំណោម ១៥
មេរៀនមុនៗបានផ្ដល់ស្រទាប់ជាច្រើន៖ ជម្រាល HAND ទឹកភ្លៀង VHI ផែនទីស្រែ ព្រៃ ទីក្រុង និង LST។ ប៉ុន្តែសំណួរជាក់ស្ដែងកម្រត្រូវការស្រទាប់តែមួយណាស់។ «តើគួរជីកស្រះសហគមន៍នៅទីណា ដើម្បីជួយស្រែនៅរដូវរាំងស្ងួត?» «តើកន្លែងណាសមសម្រាប់ជម្រកសង្គ្រោះពេលទឹកជំនន់?» សំណួរទាំងនេះត្រូវការ រួមបញ្ចូលលក្ខខណ្ឌច្រើន ដែលមានឯកតាខុសគ្នា និងសារៈសំខាន់ខុសគ្នា។
មេរៀននេះបង្រៀន ការវិភាគពហុលក្ខខណ្ឌ (Multi-Criteria Decision Analysis · MCDA) ក្នុង Earth Engine៖ ការបែងចែកកត្តា និងឧបសគ្គ ការធ្វើស្តង់ដារ ការកំណត់ទម្ងន់ដោយ AHP ការបូកបញ្ចូលដោយ Weighted Linear Combination ការវិភាគភាពរសើប និងការបម្លែងផែនទីទៅជាទីតាំងបេក្ខភាព។
១៣.១. គោលបំណងសិក្សា¶
បន្ទាប់ពីបញ្ចប់មេរៀន និស្សិតអាច៖
- បម្លែងសំណួរទីតាំង ទៅជាកត្តា និងឧបសគ្គ ដែលអាចវាស់បានពីទិន្នន័យ Earth Engine។
- ធ្វើស្តង់ដារកត្តាទៅជាមាត្រដ្ឋាន ០–១ ដោយមុខងារលីនេអ៊ែរ និង fuzzy។
- គណនាទម្ងន់ដោយ AHP ហើយពិនិត្យ consistency ratio។
- គណនាផែនទីភាពសមស្រប (WLC) ដាក់ឧបសគ្គ ហើយកំណត់ទីតាំងបេក្ខភាព។
- ធ្វើការវិភាគភាពរសើប ហើយពន្យល់ថាលទ្ធផលរឹងមាំប៉ុណ្ណា។
ចំណេះដឹងមុនត្រូវមាន¶
- មេរៀនទី៨៖ CHIRPS · មេរៀនទី៩៖ ជម្រាល និង HAND · មេរៀនទី៤៖ reducer។
- សៀវភៅទី២៖ ការត្រួតស្រទាប់ និងការវិភាគភាពសមស្របក្នុង QGIS។
១៣.២. ស្ថានភាពបើកមេរៀន៖ ស្រះសហគមន៍នៅខេត្តកំពង់ស្ពឺ¶
គម្រោងមួយមានថវិកាសម្រាប់ជីក ស្រះសហគមន៍ ២០ នៅខេត្តកំពង់ស្ពឺ ដើម្បីស្តុកទឹកភ្លៀងសម្រាប់ស្រែក្នុងរយៈពេលស្ងួត (មេរៀនទី៨)។ ក្រុមបច្ចេកទេសកំណត់លក្ខខណ្ឌ៖ ដីរាបស្មើ ដីឥដ្ឋច្រើន (ទប់ទឹកបាន) ជិតស្រែ ទឹកភ្លៀងគ្រប់គ្រាន់ មិននៅក្នុងព្រៃ តំបន់ការពារ ទឹកអចិន្ត្រៃយ៍ ឬភូមិ។ ពួកគេចង់បានបញ្ជីទីតាំងបេក្ខភាព ដើម្បីចុះពិនិត្យវាល។
សំណួរដែលមេរៀននេះឆ្លើយ៖
- តើលក្ខខណ្ឌនីមួយៗក្លាយជាស្រទាប់រ៉ាស្ទ័រយ៉ាងដូចម្ដេច?
- តើត្រូវបូក ដឺក្រេ ម៉ែត្រ មីលីម៉ែត្រ និង % ចូលគ្នាដោយរបៀបណា?
- តើលក្ខខណ្ឌណាសំខាន់ជាង ហើយនរណាសម្រេច?
- តើលទ្ធផលប្ដូរប៉ុណ្ណា ប្រសិនបើយើងប្ដូរទម្ងន់?
១៣.៣. ទ្រឹស្ដីស្នូល¶
១៣.៣.១. លំហូរការងារ MCDA¶
អានរូបនេះ
- កត្តា (factor) មានកម្រិតល្អ–អាក្រក់ជាបន្ត៖ ជម្រាល ចម្ងាយ ទឹកភ្លៀង។ ឧបសគ្គ (constraint) ជា បាទ/ទេ៖ ព្រៃការពារ ទឹក ភូមិ។
- កត្តាត្រូវបម្លែងទៅជាមាត្រដ្ឋានដូចគ្នា (០–១) មុនបូកបញ្ចូល។
- Weighted Linear Combination (WLC) = ផលបូកមានទម្ងន់ ហើយឧបសគ្គគុណដើម្បីដកចេញ។
MCDA មានប្រាំមួយជំហាន៖ (១) សំណួរ និងអ្នកសម្រេចចិត្ត (២) លក្ខខណ្ឌ (៣) ស្តង់ដារ (៤) ទម្ងន់ (៥) បូកបញ្ចូល និងដាក់ឧបសគ្គ (៦) ពិនិត្យភាពរសើប និងផ្ទៀងផ្ទាត់នៅវាល។ ចំណុចសំខាន់គឺបែងចែក៖
- កត្តា (factor)៖ លក្ខខណ្ឌដែលមានកម្រិតល្អ–អាក្រក់ជាបន្ត ហើយអាចទូទាត់គ្នាបាន (ជម្រាលតិចជាងបន្តិច អាចទូទាត់ដោយដីឥដ្ឋច្រើន)។
- ឧបសគ្គ (constraint)៖ លក្ខខណ្ឌ បាទ/ទេ ដែលមិនអាចទូទាត់ (តំបន់ការពារ ទឹកអចិន្ត្រៃយ៍)។
១៣.៣.២. ពីលក្ខខណ្ឌ ទៅស្រទាប់¶
| លក្ខខណ្ឌ | ប្រភេទ | ទិន្នន័យ Earth Engine |
|---|---|---|
| ជម្រាលតិច | កត្តា | USGS/SRTMGL1_003 → ee.Terrain.slope |
| ជិតស្រែ | កត្តា | ESA/WorldCover/v200 (៤០) → fastDistanceTransform |
| ដីឥដ្ឋច្រើន | កត្តា | OpenLandMap/SOL/SOL_CLAY-WFRACTION_USDA-3A1A1A_M/v02 |
| ទឹកភ្លៀងគ្រប់គ្រាន់ | កត្តា | UCSB-CHG/CHIRPS/DAILY (សរុបប្រចាំឆ្នាំ) |
| មិនមែនព្រៃ ទឹក ទីក្រុង | ឧបសគ្គ | WorldCover ១០ · ៥០ · ៨០ · JRC |
| មិននៅតំបន់ការពារ | ឧបសគ្គ | WCMC/WDPA/current/polygons |
var aoi = ee.FeatureCollection('FAO/GAUL/2015/level1').filter(ee.Filter.eq('ADM1_NAME', 'Kampong Speu'));
var slope = ee.Terrain.slope(ee.Image('USGS/SRTMGL1_003'));
var wc = ee.ImageCollection('ESA/WorldCover/v200').first();
var distCrop = wc.eq(40).selfMask().unmask(0).fastDistanceTransform(256).sqrt()
.multiply(ee.Image.pixelArea().sqrt()).reproject({crs: 'EPSG:32648', scale: 30}).rename('distCrop'); // ម៉ែត្រ
var clay = ee.Image('OpenLandMap/SOL/SOL_CLAY-WFRACTION_USDA-3A1A1A_M/v02').select('b30').rename('clay'); // % នៅ ៣០ សម
var rain = ee.ImageCollection('UCSB-CHG/CHIRPS/DAILY').filterDate('2004-01-01', '2024-01-01').sum().divide(20).rename('rain');
fastDistanceTransform ផ្ដល់ចម្ងាយការ៉េជាក្រឡា ដូច្នេះយើងយកឫសការ៉េ ហើយគុណនឹងទំហំក្រឡា។ reproject ធានាថាការគណនាធ្វើនៅក្រឡា ៣០ ម មិនមែននៅកម្រិតពីរ៉ាមីតដែលប្ដូរតាម zoom ទេ។ ចំណាំថា OpenLandMap មានក្រឡា ២៥០ ម និងជាការព្យាករពីម៉ូដែល៖ វាប្រាប់លំនាំទូទៅ មិនមែនដីនៃស្រែមួយៗទេ។
១៣.៣.៣. ស្តង់ដារ¶
អានរូបនេះ
- ដឺក្រេ ម៉ែត្រ mm និង % មិនអាចបូកគ្នាបានទេ៖ បម្លែងទាំងអស់ទៅ ០ (អាក្រក់) ដល់ ១ (ល្អ)។
- កត្តាខ្លះ «កាន់តែតិចកាន់តែល្អ» (ជម្រាល ចម្ងាយ)៖ ត្រូវបញ្ច្រាសទិស។
- ចំណុចបត់ (ឧ. ១° និង ៦°) មកពីអក្សរសិល្ប៍ ឬអ្នកជំនាញ៖ ត្រូវរាយការណ៍វា។ ក្នុង Earth Engine៖ unitScale() និង clamp()។
កត្តានីមួយៗត្រូវបម្លែងទៅជា ០ (អាក្រក់បំផុត) ដល់ ១ (ល្អបំផុត)។ មុខងារដែលប្រើញឹកញាប់៖
- លីនេអ៊ែរ៖
img.unitScale(a, b).clamp(0, 1)សម្រាប់កត្តា «កាន់តែច្រើន កាន់តែល្អ»។ - លីនេអ៊ែរបញ្ច្រាស៖
ee.Image(1).subtract(img.unitScale(a, b).clamp(0, 1))សម្រាប់ «កាន់តែតិច កាន់តែល្អ»។ - Fuzzy (sigmoid)៖ ការប្ដូររលោងជុំវិញចំណុចកណ្ដាល ដែលល្អសម្រាប់លក្ខខណ្ឌដែលមានកម្រិតសំខាន់មួយ។
function up(img, a, b) { return img.unitScale(a, b).clamp(0, 1); }
function down(img, a, b) { return ee.Image(1).subtract(up(img, a, b)); }
var fSlope = down(slope, 1, 6).rename('fSlope'); // ≤ ១° ល្អ · ≥ ៦° អាក្រក់
var fCrop = down(distCrop, 0, 1500).rename('fCrop'); // ជិតស្រែល្អ
var fClay = up(clay, 15, 45).rename('fClay'); // ដីឥដ្ឋ ≥ ៤៥% ល្អ
var fRain = up(rain, 1100, 1800).rename('fRain');
ចំណុចបត់ (១° ៦° ១៥០០ ម …) ជាការសម្រេចចិត្តបច្ចេកទេស ដែលគួរមកពីអក្សរសិល្ប៍ គោលការណ៍ណែនាំ ឬអ្នកជំនាញក្នុងស្រុក ហើយត្រូវរាយការណ៍ក្នុងវិធីសាស្ត្រ។
១៣.៣.៤. ទម្ងន់ដោយ AHP¶
អានរូបនេះ
- «ជម្រាលសំខាន់ជាងទឹកភ្លៀង ៤ ដង»៖ ការសម្រេចពីរៗ ងាយជាងការដាក់ទម្ងន់ ៤ ក្នុងពេលតែមួយ។
- ទម្ងន់ពី AHP៖ ជម្រាល ៤៧%, ចម្ងាយពីដំណាំ ១៦%, ដីឥដ្ឋ ២៨%, ទឹកភ្លៀង ១០%។
- CR (consistency ratio) < ០,១៖ ការសម្រេចមិនផ្ទុយគ្នាខ្លាំង។ តួលេខគណនាពិតពីម៉ាទ្រីសនេះ។
AHP (Analytic Hierarchy Process · Saaty) ស្នើឱ្យអ្នកជំនាញប្រៀបធៀបលក្ខខណ្ឌម្ដងពីរ៖ «ជម្រាលសំខាន់ជាងទឹកភ្លៀងប៉ុន្មានដង?» នៅលើមាត្រដ្ឋាន ១ (ស្មើ) ដល់ ៩ (សំខាន់ជាងខ្លាំងបំផុត)។ ម៉ាទ្រីសដែលបាន មានលក្ខណៈច្រាស (a_ji = ១ / a_ij)។ ទម្ងន់គឺជា eigenvector អតិបរមា ដែលធ្វើឱ្យផលបូកស្មើ ១។
Consistency ratio (CR) វាស់ថាការសម្រេចផ្ទុយគ្នាប៉ុណ្ណា (ឧ. ក > ខ ខ > គ ប៉ុន្តែ គ > ក)។ CR < ០,១ ជាទូទៅទទួលយកបាន។ ក្នុងឧទាហរណ៍នេះ ម៉ាទ្រីសផ្ដល់ទម្ងន់ ជម្រាល ៤៧% ដីឥដ្ឋ ២៨% ចម្ងាយពីស្រែ ១៦% និងទឹកភ្លៀង ១០% ជាមួយ CR ប្រហែល ០,០១។ ការគណនា AHP ធ្វើក្នុង Excel QGIS ឬ Python ហើយយកតែទម្ងន់មកប្រើក្នុង Earth Engine។
វិធីសាមញ្ញជាងនេះ៖ ចំណាត់ថ្នាក់ (rank sum)៖ ដាក់លក្ខខណ្ឌតាមលំដាប់ ហើយទម្ងន់ = (n − r + ១) / Σ។ សម្រាប់ ៤ លក្ខខណ្ឌ៖ ៤០% ៣០% ២០% ១០%។
១៣.៣.៥. Weighted Linear Combination និងឧបសគ្គ¶
អានរូបនេះ
- ក្រឡានីមួយៗទទួលពិន្ទុ ០–១៖ ផលបូកមានទម្ងន់នៃកត្តាស្តង់ដារ។
- ពិន្ទុខ្ពស់នៅកន្លែងដែលរាបស្មើ ជិតដំណាំ និងដីឥដ្ឋច្រើន៖ ប៉ុន្តែកត្តាខ្សោយមួយអាចត្រូវបានទូទាត់ដោយកត្តាល្អ (compensation)។
- ប្រសិនបើកត្តាណាមួយមិនអាចទូទាត់បាន (ឧ. ជម្រាល > ១០°) វាត្រូវតែជាឧបសគ្គ មិនមែនកត្តាទេ។
var W = {slope: 0.47, crop: 0.16, clay: 0.28, rain: 0.09}; // ពី AHP
var S = fSlope.multiply(W.slope).add(fCrop.multiply(W.crop))
.add(fClay.multiply(W.clay)).add(fRain.multiply(W.rain)).rename('S');
អានរូបនេះ
- ឧបសគ្គមកពីច្បាប់ (តំបន់ការពារ) រូបវិទ្យា (ទឹក ជម្រាល) ឬសង្គម (ចម្ងាយពីភូមិ ផ្លូវ)។
- ក្នុង Earth Engine៖ updateMask() ជាមួយរូបភាព ០/១ ឬ where() ដើម្បីដាក់ពិន្ទុ ០។
- ឧបសគ្គច្រើនពេក អាចមិនសល់ទីតាំងណាទេ៖ ពិនិត្យផ្ទៃដែលនៅសល់ជានិច្ច។
var pa = ee.FeatureCollection('WCMC/WDPA/current/polygons').filter(ee.Filter.eq('ISO3', 'KHM'));
var notPA = ee.Image(1).paint(pa, 0); // ០ ក្នុងតំបន់ការពារ
var jrc = ee.Image('JRC/GSW1_4/GlobalSurfaceWater').select('occurrence').unmask(0);
var ok = notPA.and(wc.neq(10)).and(wc.neq(50)).and(wc.neq(80)).and(jrc.lt(20)).and(slope.lt(8));
var suit = S.updateMask(ok).clip(aoi);
Map.addLayer(suit, {min: 0.2, max: 0.9, palette: ['#d7191c', '#fdae61', '#ffffbf', '#a6d96a', '#1a9641']}, 'ភាពសមស្រប');
WLC អនុញ្ញាតឱ្យ ទូទាត់ (compensation)៖ ដីឥដ្ឋល្អខ្លាំង អាចទូទាត់ចម្ងាយពីស្រែឆ្ងាយបន្តិច។ ប្រសិនបើលក្ខខណ្ឌណាមួយមិនអាចទូទាត់បាន ត្រូវប្ដូរវាទៅជាឧបសគ្គ។ paint(pa, 0) បង្កើតរូបភាពដែលមានតម្លៃ ០ ក្នុងពហុកោណ ហើយ ១ នៅកន្លែងផ្សេង។
ពិសោធន៍៖ ទម្ងន់ និងភាពសមស្រប
ប្ដូរទម្ងន់កត្តាទាំងបួន ហើយមើលផែនទី និងទីតាំងល្អបំផុតប្ដូរ។ ប្រៀបធៀបទម្ងន់ស្មើគ្នា ជាមួយទម្ងន់ AHP។ ស្រទាប់ក្នុងពិសោធន៍ត្រូវបានក្លែងធ្វើលើ DEM គំរូ។
១៣.៣.៦. ការវិភាគភាពរសើប¶
អានរូបនេះ
- ប្រសិនបើប្ដូរទម្ងន់តិចតួច ហើយទីតាំងល្អប្ដូរទាំងស្រុង លទ្ធផលមិនរឹងមាំទេ។
- នៅទីនេះ ទីតាំងល្អបំផុតនៅដដែល ៩៥–១០០%៖ លទ្ធផលរឹងមាំ។ ការប្ដូរ «ជម្រាល» ប៉ះពាល់ច្រើនបំផុត។
- រាយការណ៍ទីតាំងដែលល្អក្នុងគ្រប់សេណារីយ៉ូ ជាការណែនាំដែលរឹងមាំជាងគេ។
ទម្ងន់មកពីការវិនិច្ឆ័យរបស់មនុស្ស ដូច្នេះត្រូវសួរ៖ «ប្រសិនបើអ្នកជំនាញម្នាក់ទៀតផ្ដល់ទម្ងន់ខុសបន្តិច ទីតាំងល្អនៅតែល្អឬទេ?» វិធីសាមញ្ញ៖ ប្ដូរទម្ងន់នីមួយៗ ±២០% (ហើយធ្វើឱ្យផលបូកនៅ ១) ហើយវាស់ភាគរយនៃទីតាំងល្អបំផុត ១០% ដែលនៅដដែល៖
function top10(img) {
var p90 = img.reduceRegion({reducer: ee.Reducer.percentile([90]), geometry: aoi.geometry(), scale: 90, maxPixels: 1e9}).values().get(0);
return img.gte(ee.Number(p90));
}
ទីតាំងដែលស្ថិតក្នុងក្រុមល្អបំផុត ក្នុងគ្រប់សេណារីយ៉ូ គឺជាការណែនាំដែលរឹងមាំជាងគេ។
១៣.៣.៧. ពីផែនទី ទៅទីតាំងបេក្ខភាព¶
អានរូបនេះ
- connectedPixelCount() និង reduceToVectors() បម្លែងក្រឡាល្អ ទៅជាតំបន់បេក្ខភាពដែលមានផ្ទៃ។
- ដកតំបន់តូចពេក ហើយតម្រៀបតាមផ្ទៃ និងពិន្ទុ។
- ទីតាំងបេក្ខភាពត្រូវតែពិនិត្យនៅវាល ហើយពិភាក្សាជាមួយសហគមន៍ និងអាជ្ញាធរ មុនសម្រេច។
var best = suit.gte(0.75).selfMask();
var big = best.updateMask(best.connectedPixelCount(100, true).gte(20)); // ≥ ២០ ក្រឡា (~១,៨ ហិកតា)
var sites = big.reduceToVectors({geometry: aoi.geometry(), scale: 30, geometryType: 'polygon', maxPixels: 1e10, tileScale: 4})
.map(function(f) {
var m = suit.reduceRegion({reducer: ee.Reducer.mean(), geometry: f.geometry(), scale: 30}).get('S');
return f.set({area_ha: f.geometry().area(10).divide(1e4), score: m});
}).sort('score', false).limit(40);
Export.table.toDrive({collection: sites, description: 'pond_candidates', folder: 'applied_gis', fileFormat: 'KML'});
ផែនទីភាពសមស្រប តម្រង ជម្រើស ហើយកាត់បន្ថយការចុះវាល៖ វាមិនសម្រេចជំនួសមនុស្សទេ។ កម្មសិទ្ធិដី ការយល់ព្រមរបស់សហគមន៍ និងលក្ខខណ្ឌនៅនឹងកន្លែង មិនមាននៅក្នុងទិន្នន័យផ្កាយរណបទេ។
១៣.៣.៨. ករណីសិក្សា៖ ហានិភ័យទឹកជំនន់ = គ្រោះ × ការប៉ះពាល់ × ភាពងាយរងគ្រោះ¶
MCDA មិនត្រឹមតែរកទីតាំងសមស្របទេ។ ក្របខណ្ឌ UNDRR និង IPCC កំណត់ ហានិភ័យ (risk) ជាការរួមបញ្ចូលនៃ គ្រោះ (hazard) ដែលជាឱកាស និងកម្លាំងនៃទឹកជំនន់ ការប៉ះពាល់ (exposure) ដែលជាមនុស្ស និងទ្រព្យសម្បត្តិនៅកន្លែងនោះ និង ភាពងាយរងគ្រោះ (vulnerability) ដែលជាលទ្ធភាពទប់ទល់ និងស្ដារឡើងវិញ។ របាយការណ៍គំរូ Flood Mapper v2.3 សម្រាប់ខេត្តបាត់ដំបង (មេរៀនទី៧) ប្រើ៖
- ទម្ងន់ AHP៖ គ្រោះ ០,៥៤ · ការប៉ះពាល់ ០,៣០ · ភាពងាយរងគ្រោះ ០,១៦ ជាមួយ CR = ០,០៣១ (< ០,១ ទទួលយកបាន §១៣.៣.៤)។
- ភាពងាយរងគ្រោះពី PCA៖ សមាសធាតុមេទីមួយនៃសូចនាករជំរឿនឃុំ ពន្យល់បម្រែបម្រួល ៦២%។ សូចនាករសំខាន់គឺ អត្រាភាពក្រីក្រ (០,៥៥) អត្រាអក្ខរកម្ម (០,៤១ ដែលត្រូវបញ្ច្រាសសញ្ញា ព្រោះអក្ខរកម្មខ្ពស់ = ងាយរងគ្រោះទាប) គ្រួសារគ្មានបង្គន់ (០,៣៨) និងចំណែកមនុស្សចាស់ (០,២២)។
- ការរួមបញ្ចូលដោយគុណ (multiplicative) ជំនួសការបូក៖ កន្លែងដែលគ្មានមនុស្ស (E ≈ ០) មានហានិភ័យទាប ទោះគ្រោះខ្ពស់ក៏ដោយ។
មើលជួរក្រោមនៃរូបនេះឱ្យបានល្អិត៖ ផែនទីហានិភ័យបន្ត ស្ទើរតែពណ៌បៃតងទាំងស្រុង ប៉ុន្តែសន្ទស្សន៍ហានិភ័យមានពណ៌ក្រហមច្រើន។ មូលហេតុមានពីរ៖
- ការគុណរួញតម្លៃ៖ ផលគុណនៃតម្លៃ ០–១ តែងតូចជាងកត្តានីមួយៗ ហើយភាពងាយរងគ្រោះស្ទើរតែ «ទាបខ្លាំង» គ្រប់កន្លែង ដូច្នេះហានិភ័យបន្តទាប ហើយធ្លាក់ក្នុងថ្នាក់ទាបនៅពេលប្រើកម្រិតថេរ ០,២ ០,៤ …។
- វិធីចាត់ថ្នាក់ផ្សេងគ្នា៖ សន្ទស្សន៍ហានិភ័យប្រើកម្រិតដែលពឹងលើការបែងចែកទិន្នន័យ (ដូចជា quantile) ដែលបង្ខំឱ្យមានក្រឡាក្នុងថ្នាក់ «ខ្ពស់ខ្លាំង» ជានិច្ច។ ផែនទីបែបនេះប្រាប់ «កន្លែងណាហានិភ័យខ្ពស់ជាងគេ ក្នុងខេត្តនេះ» ប៉ុន្តែមិនប្រាប់កម្រិតហានិភ័យដាច់ខាត ហើយប្រៀបធៀបខេត្ត ឬឆ្នាំមិនបានទេ (មេរៀនទី៧ សៀវភៅទី១)។
សាកល្បង
- ប្រើ «គុណមានទម្ងន់» និង «កម្រិតថេរ»៖ ផ្ទៃប៉ុន្មានភាគរយជាហានិភ័យខ្ពស់? ប្ដូរទៅ «Quantile»៖ ផែនទីប្ដូរយ៉ាងណា ទោះទិន្នន័យមិនប្ដូរ?
- ដាក់ទម្ងន់ V ដល់ ០ ហើយមើលផែនទីហានិភ័យ៖ ហេតុអ្វីលំនាំស្ទើរមិនប្ដូរ? (ជំនួយ៖ V ស្ទើរតែថេរទាំងខេត្ត)
- ប្រៀបធៀប «គុណ» និង «បូក» នៅតំបន់ព្រៃភាគខាងលិច ដែលគ្រោះខ្ពស់ ប៉ុន្តែការប៉ះពាល់ទាប។
ពេលរាយការណ៍ហានិភ័យ ត្រូវរាយការណ៍ ទាំងផ្ទៃ និងប្រជាជន តាមថ្នាក់ ព្រោះប្រជាជនច្រើនបំផុតច្រើនតែមិននៅក្នុងថ្នាក់ខ្ពស់បំផុតទេ ហើយត្រូវសរសេរវិធីរួមបញ្ចូល និងវិធីចាត់ថ្នាក់នៅលើផែនទី។
១៣.៤. ឧទាហរណ៍ដែលបានដោះស្រាយ៖ ស្រះសហគមន៍ ខេត្តកំពង់ស្ពឺ¶
ជំហានទី១៖ ស្រទាប់ និងស្តង់ដារ¶
ប្រើកូដក្នុងផ្នែក ១៣.៣.២–១៣.៣.៣ ដើម្បីបាន fSlope fCrop fClay និង fRain។ បង្ហាញស្រទាប់នីមួយៗ (០–១) ហើយពិនិត្យថាទិសត្រឹមត្រូវ (បៃតង = ល្អ)។
ជំហានទី២៖ ទម្ងន់ និងឧបសគ្គ¶
ប្រើទម្ងន់ AHP (ផ្នែក ១៣.៣.៤) និងឧបសគ្គ (ផ្នែក ១៣.៣.៥)។ គណនាភាគរយនៃខេត្តដែលនៅសល់ក្រោយឧបសគ្គ។
ជំហានទី៣៖ ភាពរសើប¶
គណនាផែនទីបី៖ ទម្ងន់ AHP ទម្ងន់ស្មើ (២៥% ម្នាក់) និងទម្ងន់ចំណាត់ថ្នាក់ (៤០ ៣០ ២០ ១០)។ រកក្រឡាដែលស្ថិតក្នុង top10 ទាំងបី៖ top10(sA).and(top10(sB)).and(top10(sC))។
ជំហានទី៤៖ ទីតាំងបេក្ខភាព¶
បម្លែងក្រឡារឹងមាំទៅជាពហុកោណ (ផ្នែក ១៣.៣.៧) តម្រៀបតាមពិន្ទុ ហើយនាំចេញ ៤០ ទីតាំងជា KML សម្រាប់ Google Earth និងកម្មវិធីទូរស័ព្ទចុះវាល។
ជំហានទី៥៖ សេចក្ដីសន្និដ្ឋាន¶
«ទីតាំងបេក្ខភាព ៤០ សម្រាប់ស្រះសហគមន៍ត្រូវបានកំណត់ ដោយ WLC នៃកត្តាបួន (ជម្រាល ដីឥដ្ឋ ចម្ងាយពីស្រែ ទឹកភ្លៀង · ទម្ងន់ AHP · CR < ០,១) បន្ទាប់ពីដកព្រៃ ទឹក ទីក្រុង តំបន់ការពារ និងជម្រាល > ៨°។ ទីតាំងទាំងនេះស្ថិតក្នុងក្រុមល្អបំផុត ១០% ក្រោមសេណារីយ៉ូទម្ងន់បី ហើយត្រូវពិនិត្យនៅវាល និងពិគ្រោះជាមួយសហគមន៍។»
អ្វីដែលយើងមិនអាចសន្និដ្ឋាន
ផែនទីភាពសមស្រប ពឹងលើការជ្រើសលក្ខខណ្ឌ ចំណុចបត់ និងទម្ងន់ ដែលជាការវិនិច្ឆ័យរបស់មនុស្ស។ OpenLandMap និង WorldCover មានកំហុសក្នុងស្រុក។ ផែនទីនេះមិនដឹងពីកម្មសិទ្ធិដី ជម្លោះ ឬតម្រូវការរបស់សហគមន៍ទេ។
១៣.៥. សកម្មភាពអនុវត្ត¶
- លំហាត់ទី១៣៖ កំណត់សំណួរទីតាំងមួយសម្រាប់ខេត្តរបស់អ្នក (ស្រះ ជម្រកទឹកជំនន់ ឬកសិដ្ឋានសូឡា) រៀបចំកត្តា និងឧបសគ្គ គណនាទម្ងន់ AHP ធ្វើផែនទីភាពសមស្រប វិភាគភាពរសើប ហើយនាំចេញទីតាំងបេក្ខភាព។ មើល លំហាត់ទី១៣។
- ក្នុងថ្នាក់៖ ក្រុមនីមួយៗបំពេញម៉ាទ្រីស AHP ដោយខ្លួនឯង សម្រាប់ស្ថានភាពកំពង់ស្ពឺ ហើយថ្នាក់ប្រៀបធៀបទម្ងន់ និងទីតាំងដែលបាន។
១៣.៦. ការយល់ច្រឡំដែលត្រូវប្រុងប្រយ័ត្ន¶
១. «ផែនទីភាពសមស្រប ជាចម្លើយចុងក្រោយ» វាជាឧបករណ៍តម្រង និងពិភាក្សា។ ការសម្រេចត្រូវការការពិនិត្យវាល និងការចូលរួមពីអ្នកពាក់ព័ន្ធ។
២. «អាចបូកស្រទាប់ដើមបានដោយផ្ទាល់» ដឺក្រេ និងមីលីម៉ែត្រ មិនអាចបូកគ្នាបានទេ។ ត្រូវធ្វើស្តង់ដារមុន ហើយពិនិត្យទិស (តិចល្អ ឬច្រើនល្អ)។
៣. «ទម្ងន់ AHP ជាការពិតវិទ្យាសាស្ត្រ» AHP ធ្វើឱ្យការវិនិច្ឆ័យមានរចនាសម្ព័ន្ធ និងស៊ីសង្វាក់ ប៉ុន្តែវានៅតែជាការវិនិច្ឆ័យ។ ការវិភាគភាពរសើបចាំបាច់។
៤. «លក្ខខណ្ឌទាំងអស់ត្រូវជាកត្តា» លក្ខខណ្ឌដែលមិនអាចទូទាត់បាន (តំបន់ការពារ ទឹក) ត្រូវជាឧបសគ្គ ដើម្បីកុំឱ្យពិន្ទុល្អផ្សេងទៀតទូទាត់វា។
៥. «ក្រឡាដែលមានពិន្ទុខ្ពស់បំផុតតែមួយ ជាទីតាំងល្អបំផុត» ក្រឡាតែមួយអាចជាសំឡេងរំខាន។ ជ្រើសក្រុមក្រឡាដែលមានផ្ទៃគ្រប់គ្រាន់ និងរឹងមាំក្នុងសេណារីយ៉ូច្រើន។
៦. «ថ្នាក់ "ហានិភ័យខ្ពស់ខ្លាំង" មានន័យដូចគ្នាគ្រប់ផែនទី» បើកម្រិតថ្នាក់ពឹងលើទិន្នន័យ (quantile ឬ natural breaks) «ខ្ពស់ខ្លាំង» មានន័យត្រឹមតែ «ខ្ពស់ជាងគេក្នុងតំបន់នេះ»។ ប្រើកម្រិតថេរ ពេលត្រូវប្រៀបធៀបតំបន់ ឬឆ្នាំ។
១៣.៧. សេចក្ដីសង្ខេបមេរៀន¶
MCDA បម្លែងសំណួរទីតាំងទៅជាកត្តា (អាចទូទាត់) និងឧបសគ្គ (បាទ/ទេ)។ កត្តាត្រូវបានធ្វើស្តង់ដារទៅ ០–១ ដោយ unitScale ឬមុខងារ fuzzy តាមទិសត្រឹមត្រូវ ហើយទម្ងន់មកពីចំណាត់ថ្នាក់ ឬ AHP ជាមួយ CR < ០,១។ WLC បូកកត្តាមានទម្ងន់ ហើយឧបសគ្គ mask ក្រឡាដែលមិនអាចប្រើ។
ការវិភាគភាពរសើបពិនិត្យថាទីតាំងល្អរឹងមាំចំពោះការប្ដូរទម្ងន់ ហើយ connectedPixelCount និង reduceToVectors បម្លែងក្រឡាល្អទៅជាទីតាំងបេក្ខភាព សម្រាប់ការចុះវាល និងការពិគ្រោះយោបល់។
គំនិតស្នូលនៃមេរៀន
MCDA ធ្វើឱ្យការសម្រេចចិត្តមានតម្លាភាព៖ គ្រប់ការជ្រើស (លក្ខខណ្ឌ ចំណុចបត់ ទម្ងន់) ត្រូវបានសរសេរ និងអាចពិភាក្សាបាន។ តម្លៃរបស់វាមិនស្ថិតនៅលើផែនទីចុងក្រោយតែមួយទេ ប៉ុន្តែស្ថិតលើការសន្ទនាដែលវាបង្កើត។
១៣.៨. ពាក្យគន្លឹះខ្មែរ–អង់គ្លេស¶
| ពាក្យខ្មែរ | ពាក្យអង់គ្លេស | អត្ថន័យខ្លី |
|---|---|---|
| ការវិភាគពហុលក្ខខណ្ឌ | MCDA | ការរួមបញ្ចូលលក្ខខណ្ឌច្រើន ដើម្បីសម្រេចចិត្ត |
| កត្តា | Factor | លក្ខខណ្ឌបន្ត ដែលអាចទូទាត់ |
| ឧបសគ្គ | Constraint | លក្ខខណ្ឌ បាទ/ទេ |
| ការធ្វើស្តង់ដារ | Standardization | បម្លែងទៅមាត្រដ្ឋាន ០–១ |
| ដំណើរការឋានានុក្រមវិភាគ | AHP | ទម្ងន់ពីការប្រៀបធៀបជាគូ |
| សមាមាត្រស៊ីសង្វាក់ | Consistency ratio (CR) | វាស់ភាពផ្ទុយគ្នានៃការវិនិច្ឆ័យ |
| ការបូកលីនេអ៊ែរមានទម្ងន់ | WLC | Σ ទម្ងន់ × កត្តា |
| ការវិភាគភាពរសើប | Sensitivity analysis | ពិនិត្យឥទ្ធិពលនៃការប្ដូរធាតុចូល |
| គ្រោះ | Hazard | ឱកាស និងកម្លាំងនៃព្រឹត្តិការណ៍ |
| ការប៉ះពាល់ | Exposure | មនុស្ស និងទ្រព្យនៅក្នុងតំបន់គ្រោះ |
| ភាពងាយរងគ្រោះ | Vulnerability | ភាពខ្សោយក្នុងការទប់ទល់ និងស្ដារ |
| ហានិភ័យ | Risk | ការរួមបញ្ចូលគ្រោះ ការប៉ះពាល់ និងភាពងាយរងគ្រោះ |
១៣.៩. សំណួររំលឹក និងវាយតម្លៃ¶
ក. សំណួរយល់ដឹង¶
- ភាពខុសគ្នារវាងកត្តា និងឧបសគ្គ? ផ្ដល់ឧទាហរណ៍ពីរនីមួយៗ សម្រាប់ជម្រកទឹកជំនន់។
- ហេតុអ្វីត្រូវធ្វើស្តង់ដារ ហើយហេតុអ្វីទិសសំខាន់?
- ពន្យល់ម៉ាទ្រីស AHP និងអត្ថន័យនៃ CR។
- «ការទូទាត់» ក្នុង WLC មានន័យអ្វី ហើយពេលណាវាជាបញ្ហា?
- ហេតុអ្វីការវិភាគភាពរសើបចាំបាច់?
ខ. សំណួរអនុវត្តគោលគំនិត¶
- សរសេរកូដធ្វើស្តង់ដារចម្ងាយពីផ្លូវ៖ ល្អបំផុត ២០០–១០០០ ម (ជិតពេក ឬឆ្ងាយពេក មិនល្អ)។
- គណនាទម្ងន់ចំណាត់ថ្នាក់ សម្រាប់លក្ខខណ្ឌ ៥។
- ម៉ាទ្រីស AHP របស់អ្នកមាន CR = ០,២៣។ តើធ្វើអ្វីបន្ត?
- ផែនទីរបស់អ្នកមិនសល់ក្រឡាណាក្រោយឧបសគ្គ។ រាយមូលហេតុពីរ និងដំណោះស្រាយ។
- ស្នើលក្ខខណ្ឌ និងទិន្នន័យ Earth Engine សម្រាប់ «ទីតាំងកសិដ្ឋានសូឡា»។
គ. កិច្ចការខ្លី¶
បំពេញម៉ាទ្រីស AHP សម្រាប់ «ជម្រកសង្គ្រោះពេលទឹកជំនន់» ជាមួយលក្ខខណ្ឌបួន (HAND ចម្ងាយពីភូមិ ចម្ងាយពីផ្លូវ ជម្រាល)។ គណនាទម្ងន់ និង CR ក្នុង Excel ឬ Python ហើយពន្យល់ការវិនិច្ឆ័យរបស់អ្នក។
កំណត់សម្គាល់សម្រាប់គ្រូបង្រៀន¶
ក. ការបែងចែកពេលវេលា ១៨០ នាទី¶
| សកម្មភាព | ពេលវេលា |
|---|---|
| ស្ថានភាពបើកមេរៀន៖ ស្រះសហគមន៍ | ១០ នាទី |
| លំហូរ MCDA · កត្តា និងឧបសគ្គ | ២០ នាទី |
| ពីលក្ខខណ្ឌទៅស្រទាប់ · ស្តង់ដារ | ៣០ នាទី |
| AHP (សកម្មភាពក្រុម) | ៣០ នាទី |
| WLC ឧបសគ្គ · ពិសោធន៍ | ២៥ នាទី |
| ភាពរសើប · ទីតាំងបេក្ខភាព | ២៥ នាទី |
| ឧទាហរណ៍កំពង់ស្ពឺ | ២៥ នាទី |
| សង្ខេប និងណែនាំលំហាត់ | ១៥ នាទី |
| សរុប | ១៨០ នាទី / ៣ ម៉ោង |
ខ. ចំណាំអំពីទិន្នន័យ¶
- រូប WLC ឧបសគ្គ ភាពរសើប និងពិសោធន៍ ប្រើស្រទាប់ក្លែងធ្វើលើ DEM គំរូ។ ទម្ងន់ AHP និង CR ត្រូវបានគណនាពិតពីម៉ាទ្រីសក្នុងរូប។
- ទម្ងន់ AHP ក្នុងមេរៀននេះជាឧទាហរណ៍៖ ក្នុងគម្រោងពិត ពួកវាគួរមកពីអ្នកជំនាញ និងសហគមន៍។
គ. ការភ្ជាប់ទៅមេរៀនបន្ទាប់¶
ផែនទីភាពសមស្រប តារាងទឹកជំនន់ និងផែនទីកំដៅ មានប្រយោជន៍ លុះត្រាតែអ្នកសម្រេចចិត្តអាចមើល និងប្រើវាបាន។ មន្ត្រីខេត្តភាគច្រើនមិនមានគណនី Earth Engine ហើយមិនសរសេរកូដទេ។
តើយើងអាចចែករំលែកការវិភាគ ជាឧបករណ៍វេបដែលអ្នកណាក៏ប្រើបាន ដោយគ្រាន់តែចុចបានទេ?
សំណួរនេះនាំទៅ មេរៀនទី១៤៖ កម្មវិធី Earth Engine និងផែនទីវេប។