Skip to content

មេរៀនទី៨៖ គ្រោះរាំងស្ងួត ទឹកភ្លៀង និងសុខភាពរុក្ខជាតិ

ព័ត៌មានមេរៀន

រយៈពេលបង្រៀនដែលស្នើ៖ ៣ ម៉ោង · មេរៀនទី ៨ ក្នុងចំណោម ១៥

ស្លាយបង្រៀនមេរៀននេះ

គ្រោះរាំងស្ងួតខុសពីទឹកជំនន់៖ វាមកយឺតៗ គ្មានព្រំដែនច្បាស់ ហើយជាញឹកញាប់ត្រូវបានគេដឹងតែនៅពេលស្រូវស្លាប់រួចទៅហើយ។ នៅកម្ពុជា ឆ្នាំ El Niño ដូចជា ២០១៥–២០១៦ និង ២០១៩ បាននាំមកនូវរដូវវស្សាចាប់ផ្ដើមយឺត រយៈពេលស្ងួតក្នុងរដូវ (dry spell) និងការខូចខាតដំណាំនៅខេត្តជាច្រើន។

គ្រោះរាំងស្ងួតមិនមែនជា «ភ្លៀងតិច» ទេ ប៉ុន្តែជា «ភ្លៀងតិចជាងធម្មតា សម្រាប់ទីកន្លែង និងពេលនោះ»។ ១០០ មីលីម៉ែត្រក្នុងខែកក្កដា ជាគ្រោះរាំងស្ងួតនៅខេត្តកោះកុង ប៉ុន្តែជាភ្លៀងល្អនៅខេត្តបាត់ដំបង។ មេរៀននេះបង្រៀនរបៀបវាស់ «ធម្មតា» និង «ខុសពីធម្មតា» ដោយទិន្នន័យទឹកភ្លៀង CHIRPS និងសន្ទស្សន៍រុក្ខជាតិ MODIS ក្នុង Earth Engine។

៨.១. គោលបំណងសិក្សា

បន្ទាប់ពីបញ្ចប់មេរៀន និស្សិតអាច៖

  1. បែងចែកគ្រោះរាំងស្ងួតបួនប្រភេទ ហើយផ្គូផ្គងសន្ទស្សន៍ផ្កាយរណបទៅប្រភេទនីមួយៗ។
  2. បង្កើតទឹកភ្លៀងប្រចាំខែ និង climatology ពី CHIRPS ហើយគណនា anomaly ជា % និង z-score។
  3. ពន្យល់ SPI និងរយៈពេលបូក (១ ៣ ៦ ខែ) ហើយគណនា SPI សាមញ្ញក្នុង Earth Engine។
  4. គណនា VCI TCI និង VHI ពី MODIS ហើយបកស្រាយកម្រិតគ្រោះរាំងស្ងួត។
  5. រួមបញ្ចូលសន្ទស្សន៍ទឹកភ្លៀង និងរុក្ខជាតិ ដើម្បីវាយតម្លៃគ្រោះរាំងស្ងួតតាមខេត្ត ជាមួយដែនកំណត់ច្បាស់លាស់។

ចំណេះដឹងមុនត្រូវមាន

  • មេរៀនទី៤៖ reducer តាមតំបន់ · មេរៀនទី៥៖ composite ប្រចាំខែ និងស៊េរីពេលវេលា។
  • សៀវភៅទី៣៖ NDVI និងសីតុណ្ហភាពផ្ទៃដី (LST)។

៨.២. ស្ថានភាពបើកមេរៀន៖ រដូវវស្សា ២០១៩

ក្នុងខែកក្កដា ២០១៩ កសិករនៅខេត្តកំពង់ស្ពឺ តាកែវ និងខេត្តជាច្រើនទៀត រាយការណ៍ថាភ្លៀងមកយឺត ហើយស្រូវដែលទើបស្ទូងចាប់ផ្ដើមស្រពោន។ ក្រសួងកសិកម្មត្រូវការដឹងយ៉ាងឆាប់ថា ខេត្ត និងស្រុកណាខ្លះរងផលប៉ះពាល់ខ្លាំងជាងគេ ដើម្បីរៀបចំការផ្គត់ផ្គង់ទឹក និងពូជ។ ស្ថានីយវាស់ទឹកភ្លៀងមានតិច ហើយការស្ទង់វាលត្រូវការពេលច្រើនសប្ដាហ៍។

សំណួរដែលមេរៀននេះឆ្លើយ៖

  • តើត្រូវកំណត់ «ភ្លៀងធម្មតា» សម្រាប់ទីកន្លែង និងខែនីមួយៗយ៉ាងដូចម្ដេច?
  • តើ «ខ្វះប៉ុន្មាន» គួរវាស់ជា % ឬជា z-score?
  • តើរុក្ខជាតិពិតជារងផលប៉ះពាល់ឬទេ ហើយត្រូវវាស់វាដោយរបៀបណា?
  • តើសន្ទស្សន៍ទាំងនេះមានដែនកំណត់អ្វីខ្លះ?

៨.៣. ទ្រឹស្ដីស្នូល

៨.៣.១. គ្រោះរាំងស្ងួតបួនប្រភេទ

គ្រោះរាំងស្ងួតបួនប្រភេទពីភ្លៀងខ្វះ ទៅផលប៉ះពាល់លើមនុស្សឧតុនិយមភ្លៀងតិចជាងធម្មតាCHIRPS · SPIកសិកម្មសំណើមដី និងដំណាំខ្វះទឹកVCI · TCI · VHIជលសាស្ត្រទឹកទន្លេ បឹង អាងស្តុកថយJRC · Sentinel-1សង្គមសេដ្ឋកិច្ចទិន្នផល ចំណូល ស្បៀងស្ថិតិ · ការស្ទង់ពេលវេលាចាប់ពីភ្លៀងខ្វះ៖ សប្ដាហ៍ → ខែ → រដូវ → ឆ្នាំ

រូបទី៨.១៖ គ្រោះរាំងស្ងួតរីកដាលជាដំណាក់កាល។

អានរូបនេះ

  • ភ្លៀងខ្វះ (ឧតុនិយម) កើតមុន ហើយប្រហែលជាមិនប៉ះពាល់ដំណាំទេ ប្រសិនបើខ្លី។
  • រុក្ខជាតិឆ្លើយតបយឺតជាងភ្លៀង ប៉ុន្មានសប្ដាហ៍៖ VCI និង VHI វាស់ដំណាក់កាលកសិកម្ម។
  • សន្ទស្សន៍នីមួយៗ វាស់ដំណាក់កាលខុសគ្នា ដូច្នេះប្រើរួមគ្នា។
ប្រភេទ អត្ថន័យ សន្ទស្សន៍ក្នុងមេរៀននេះ
ឧតុនិយម ភ្លៀងតិចជាងធម្មតាក្នុងរយៈពេលមួយ CHIRPS anomaly · SPI
កសិកម្ម សំណើមដីមិនគ្រប់គ្រាន់សម្រាប់ដំណាំ VCI · TCI · VHI
ជលសាស្ត្រ ទឹកទន្លេ បឹង អាងស្តុកទឹក និងទឹកក្រោមដីថយ ផ្ទៃទឹក (មេរៀនទី៧) · SPI-១២
សង្គមសេដ្ឋកិច្ច ផលប៉ះពាល់លើទិន្នផល ចំណូល និងស្បៀង ស្ថិតិ និងការស្ទង់ (ក្រៅផ្កាយរណប)

ប្រភេទទាំងនេះកើតជាដំណាក់កាល។ រយៈពេលស្ងួតខ្លី អាចជាគ្រោះរាំងស្ងួតឧតុនិយម ដោយមិនប៉ះពាល់ដំណាំទេ ប្រសិនបើដីនៅមានសំណើម ឬស្រែមានប្រព័ន្ធធារាសាស្ត្រ។ ដូច្នេះសន្ទស្សន៍ទឹកភ្លៀងតែមួយ មិនគ្រប់គ្រាន់ដើម្បីនិយាយថា «ដំណាំរងគ្រោះ» ទេ។

៨.៣.២. ទឹកភ្លៀង CHIRPS

CHIRPS (Climate Hazards Group InfraRed Precipitation with Station data) រួមបញ្ចូលរូបភាពផ្កាយរណបអ៊ីនហ្វ្រារ៉េដ ជាមួយទិន្នន័យស្ថានីយ ដើម្បីផ្ដល់ទឹកភ្លៀង ប្រចាំថ្ងៃ ចាប់ពីឆ្នាំ ១៩៨១ នៅក្រឡា ~៥,៥ គីឡូម៉ែត្រ។ ប្រវត្តិយូរនេះសំខាន់ណាស់ ព្រោះការគណនា «ធម្មតា» ត្រូវការយ៉ាងហោចណាស់ ៣០ ឆ្នាំ។

var chirps = ee.ImageCollection('UCSB-CHG/CHIRPS/DAILY').select('precipitation');
var kh = ee.FeatureCollection('FAO/GAUL/2015/level0').filter(ee.Filter.eq('ADM0_NAME', 'Cambodia'));

// ទឹកភ្លៀងសរុបប្រចាំខែ (mm)៖ sum() មិនមែន mean()
function monthly(y, m) {
  var start = ee.Date.fromYMD(y, m, 1);
  return chirps.filterDate(start, start.advance(1, 'month')).sum()
    .set({year: y, month: m, 'system:time_start': start.millis()});
}
var jul2019 = monthly(2019, 7);
Map.addLayer(jul2019.clip(kh), {min: 0, max: 400, palette: ['#fff5eb', '#6baed6', '#08306b']}, 'ភ្លៀង កក្កដា ២០១៩');

ចំណាំ៖ សម្រាប់ទឹកភ្លៀង យើងប្រើ sum() ដើម្បីបានសរុបក្នុងខែ។ ការប្រើ mean() ផ្ដល់ «mm ក្នុងមួយថ្ងៃ» ដែលជាឯកតាផ្សេង។ CHIRPS ក៏មាន collection UCSB-CHG/CHIRPS/PENTAD (៥ ថ្ងៃ) ដែលលឿនជាងសម្រាប់រយៈពេលវែង។

៨.៣.៣. Climatology និង anomaly

ទឹកភ្លៀងធម្មតា (climatology)ទឹកភ្លៀងប្រចាំខែ ភ្នំពេញ · មធ្យម និងចន្លោះ p10–p90 · ស៊េរីក្លែងធ្វើ (សម្រាប់បង្រៀន)០១០០២០០៣០០៤០០មធ្យម ៣០ ឆ្នាំ២០១៩ទឹកភ្លៀង (mm)មកកមមនមសឧសមថកកសហកញតលវចធនផ្ទៃពណ៌ខៀវស្រាល = ៨០% នៃឆ្នាំ

រូបទី៨.២៖ «ធម្មតា» គឺជាចន្លោះ មិនមែនលេខមួយទេ។

អានរូបនេះ

  • Climatology = ស្ថិតិនៃខែដូចគ្នាក្នុងរយៈពេលវែង (ជាទូទៅ ៣០ ឆ្នាំ)។
  • ខែមួយប្រៀបធៀបតែនឹងខែដដែលនៃឆ្នាំផ្សេងៗប៉ុណ្ណោះ៖ កក្កដា ២០១៩ ធៀបនឹងកក្កដាទាំងអស់។
  • តម្លៃមធ្យមប្រចាំខែ ផ្អែកលើកម្រិតប្រហាក់ប្រហែលនៃភ្នំពេញ ស៊េរីឆ្នាំជាស៊េរីក្លែងធ្វើ។

Climatology គឺជាស្ថិតិនៃខែដូចគ្នា ក្នុងរយៈពេលយោងវែង (ជាទូទៅ ១៩៩១–២០២០)។ ដើម្បីដឹងថាខែកក្កដា ២០១៩ ស្ងួតប៉ុណ្ណា យើងប្រៀបធៀបវាជាមួយខែកក្កដាទាំង ៣០ ក្នុងរយៈពេលយោង៖

var years = ee.List.sequence(1991, 2020);
var julys = ee.ImageCollection.fromImages(years.map(function(y) { return monthly(ee.Number(y), 7); }));
var mean = julys.mean(), sd = julys.reduce(ee.Reducer.stdDev());
var pctNormal = jul2019.divide(mean).multiply(100).rename('pct');
var z = jul2019.subtract(mean).divide(sd).rename('z');
Map.addLayer(pctNormal.clip(kh), {min: 40, max: 160, palette: ['#8c510a', '#f6e8c3', '#5ab4ac', '#01665e']}, '% នៃធម្មតា');
Map.addLayer(z.clip(kh), {min: -2, max: 2, palette: ['#b2182b', '#f7f7f7', '#2166ac']}, 'z-score');

ភាពមិនប្រក្រតី (anomaly) ឆ្នាំ ២០១៩% នៃធម្មតា និង z-score · ស៊េរីក្លែងធ្វើ (សម្រាប់បង្រៀន)-១,០មក៥៩%០,៧កម១២៥%-២,០មន២៨%-១,២មស៤៤%-០,៨ឧស៦៦%០,៨មថ១២៨%-០,៣កក៨៩%-០,៧សហ៧៣%-០,៩កញ៦៥%-០,៨តល៦០%-១,៣វច៥០%-០,៧ធន៦២%−១z = (តម្លៃ − មធ្យម) / គម្លាតស្តង់ដារ

រូបទី៨.៣៖ ខ្វះប៉ុន្មាន ធៀបនឹងធម្មតា?។

អានរូបនេះ

  • % នៃធម្មតាងាយយល់ ប៉ុន្តែខែប្រាំង (ភ្លៀង ១០ mm) ធ្វើឱ្យភាគរយប្រែប្រួលខ្លាំងគ្មានន័យ។
  • z-score គិតពីភាពប្រែប្រួលធម្មតា៖ −១ ដល់ −២ = ស្ងួតជាងធម្មតាច្បាស់។
  • SPI ពិតប្រើការបម្លែង gamma មុនគណនា z ព្រោះទឹកភ្លៀងមិនចែកចាយតាមរាង normal។

% នៃធម្មតា ងាយពន្យល់ដល់អ្នកសម្រេចចិត្ត ប៉ុន្តែវាបំភាន់ក្នុងខែប្រាំង៖ ភ្លៀង ២០ mm ធៀបនឹងមធ្យម ១០ mm គឺ ២០០%។ z-score គិតពីភាពប្រែប្រួលធម្មតានៃខែនោះ៖ z = −១ មានន័យថាស្ងួតជាងធម្មតាមួយគម្លាតស្តង់ដារ ដែលកើតប្រហែល ១ ឆ្នាំក្នុង ៦ ឆ្នាំ។

៨.៣.៤. SPI និងរយៈពេលបូក

រយៈពេលបូក៖ SPI-១ SPI-៣ SPI-៦២០១៨–២០២០ · SPI សាមញ្ញ (z-score នៃទឹកភ្លៀងបូក) · ស៊េរីក្លែងធ្វើ (សម្រាប់បង្រៀន)-៣-២-១០១២៣SPI-១SPI-៣SPI-៦SPI២០១៨២០១៩២០២០

រូបទី៨.៤៖ រយៈពេលខ្លី ឬវែង ឆ្លើយសំណួរខុសគ្នា។

អានរូបនេះ

  • SPI-១ លោតឡើងចុះរាល់ខែ៖ ល្អសម្រាប់ដឹងភ្លាមៗ តែមានសំឡេងរំខានច្រើន។
  • SPI-៣ ទាក់ទងនឹងសំណើមដី និងដំណាំ។ SPI-៦ ដល់ ១២ ទាក់ទងនឹងទន្លេ និងអាងស្តុកទឹក។
  • SPI < −១ = ស្ងួតមធ្យម · < −១,៥ = ស្ងួតខ្លាំង · < −២ = ស្ងួតខ្លាំងបំផុត។

SPI (Standardized Precipitation Index) គឺជា z-score នៃទឹកភ្លៀង បូកក្នុងរយៈពេល k ខែ (SPI-១ SPI-៣ SPI-៦ SPI-១២)។ ក្នុងការគណនាផ្លូវការ ទឹកភ្លៀងត្រូវបានបម្លែងតាមការចែកចាយ gamma មុនគណនា z ព្រោះទឹកភ្លៀងមិនចែកចាយតាមរាង normal ទេ (មិនអាចអវិជ្ជមាន និងលំអៀងទៅខាងស្ដាំ)។ ក្នុង Earth Engine យើងអាចគណនា SPI សាមញ្ញ (z-score នៃទឹកភ្លៀងបូក) ដែលល្អគ្រប់គ្រាន់សម្រាប់ការបង្រៀន និងការមើលលំនាំលំហ៖

// SPI-3 សាមញ្ញ សម្រាប់ខែ ឧសភា–កក្កដា
function acc3(y) {
  var start = ee.Date.fromYMD(y, 5, 1);
  return chirps.filterDate(start, start.advance(3, 'month')).sum();
}
var ref = ee.ImageCollection.fromImages(years.map(function(y) { return acc3(ee.Number(y)); }));
var spi3 = acc3(2019).subtract(ref.mean()).divide(ref.reduce(ee.Reducer.stdDev())).rename('SPI3');
SPI ថ្នាក់
≥ ២,០ សើមខ្លាំងបំផុត
១,០ ដល់ ២,០ សើម
−១,០ ដល់ ១,០ ជិតធម្មតា
−១,៥ ដល់ −១,០ ស្ងួតមធ្យម
−២,០ ដល់ −១,៥ ស្ងួតខ្លាំង
≤ −២,០ ស្ងួតខ្លាំងបំផុត

SPI-១ ប្រតិកម្មលឿន តែមានសំឡេងរំខាន។ SPI-៣ ទាក់ទងនឹងសំណើមដី និងដំណាំរដូវវស្សា។ SPI-៦ ដល់ ១២ ទាក់ទងនឹងលំហូរទន្លេ អាងស្តុកទឹក និងទឹកក្រោមដី។

ពិសោធន៍៖ SPI តាមរយៈពេលបូក

ជ្រើសឆ្នាំ និងរយៈពេលបូក ហើយមើលថាខែណាខ្លះធ្លាក់ក្រោម −១។ ប្រៀបធៀបឆ្នាំ El Niño (២០១៥ ២០១៩ ២០២៣) ជាមួយឆ្នាំផ្សេង។ ទឹកភ្លៀងក្នុងពិសោធន៍នេះត្រូវបានក្លែងធ្វើ ដោយផ្អែកលើកម្រិតមធ្យមប្រចាំខែប្រហាក់ប្រហែលនៃភ្នំពេញ។

៨.៣.៥. VCI៖ ស្ថានភាពរុក្ខជាតិ

សន្ទស្សន៍ស្ថានភាពរុក្ខជាតិ (VCI)NDVI ១៦ ថ្ងៃ · ២០ ឆ្នាំ និងឆ្នាំស្ងួត · ស៊េរីក្លែងធ្វើ (សម្រាប់បង្រៀន)០.២០.៤០.៦០.៨NDVIមកកមមនមសឧសមថកកសហកញតលវចធនVCI = (NDVI − NDVImin)/ (NDVImax − NDVImin) × ១០០ទាបបំផុត៖ VCI ≈ ១១< ៤០ = រងគ្រោះរាំងស្ងួត< ២០ = ធ្ងន់ធ្ងរផ្ទៃបៃតង = min–max ២០ ឆ្នាំ

រូបទី៨.៥៖ ធៀបនឹងខ្លួនឯង មិនមែននឹងកន្លែងផ្សេង។

អានរូបនេះ

  • VCI ដាក់ NDVI បច្ចុប្បន្នក្នុងចន្លោះ min–max នៃក្រឡាដដែល ក្នុងពេលដដែលនៃឆ្នាំ។
  • ដូច្នេះព្រៃ (NDVI ខ្ពស់) និងស្រែ (NDVI ទាប) អាចប្រៀបធៀបគ្នាបាន៖ ០ = អាក្រក់បំផុតដែលធ្លាប់មាន។
  • ត្រូវការប្រវត្តិយូរ (MODIS ២០០០–បច្ចុប្បន្ន) ដើម្បីឱ្យ min និង max មានន័យ។

VCI (Vegetation Condition Index) ដែលស្នើដោយ Kogan ដាក់ NDVI បច្ចុប្បន្ន ក្នុងចន្លោះ min–max នៃក្រឡាដដែល ក្នុងពេលដដែលនៃឆ្នាំ៖

VCI = (NDVI − NDVImin) / (NDVImax − NDVImin) × ១០០

VCI = ០ មានន័យថា NDVI ទាបបំផុតដែលធ្លាប់ឃើញសម្រាប់ខែនេះ នៅក្រឡានេះ។ ការធ្វើឱ្យស្តង់ដារនេះ អនុញ្ញាតឱ្យប្រៀបធៀបព្រៃ ស្រែ និងវាលស្មៅ ដែលមាន NDVI ខុសគ្នាធម្មជាតិ។ យើងប្រើ MODIS MOD13Q1 (NDVI ១៦ ថ្ងៃ ២៥០ ម ចាប់ពីឆ្នាំ ២០០០) ព្រោះវាមានប្រវត្តិយូរ៖

var mod = ee.ImageCollection('MODIS/061/MOD13Q1').select('NDVI');
function ndviMonth(col, m) { return col.filter(ee.Filter.calendarRange(m, m, 'month')); }
var hist = ndviMonth(mod.filterDate('2001-01-01', '2024-01-01'), 8);         // ខែសីហា ២០០១–២០២៣
var nmin = hist.min(), nmax = hist.max();
var cur = ndviMonth(mod.filterDate('2019-01-01', '2020-01-01'), 8).mean();
var vci = cur.subtract(nmin).divide(nmax.subtract(nmin)).multiply(100).rename('VCI');
Map.addLayer(vci.clip(kh), {min: 0, max: 100, palette: ['#a50026', '#fdae61', '#ffffbf', '#a6d96a', '#006837']}, 'VCI សីហា ២០១៩');

MOD13Q1 NDVI មានមាត្រដ្ឋាន ០,០០០១ ប៉ុន្តែក្នុង VCI មាត្រដ្ឋាននេះលុបគ្នាចេញ ដូច្នេះមិនចាំបាច់គុណទេ។ VCI < ៤០ ជាទូទៅបង្ហាញស្ថានភាពរាំងស្ងួត ហើយ < ២០ ធ្ងន់ធ្ងរ។ ចំណាំថា min និង max ងាយរងឥទ្ធិពលពពក៖ NDVI min ដែលមកពីពពក ធ្វើឱ្យ VCI ខ្ពស់ពេក។ អ្នកស្រាវជ្រាវច្រើនតែប្រើ percentile ៥ និង ៩៥ ជំនួស min និង max ឬប្រើតែក្រឡាដែល SummaryQA ល្អ។

៨.៣.៦. TCI និង VHI

VHI = α·VCI + (១ − α)·TCIរួមបញ្ចូលភាពបៃតង (NDVI) និងកំដៅ (LST) · α = ០,៥ ជាទូទៅ០១២២៥៣៨៥០១២២៥៣៨៥០៦២២៥៣៨៥០៦២៧៥៣៨៥០៦២៧៥៨៨៥០៦២៧៥៨៨១០០០០២៥២៥៥០៥០៧៥៧៥១០០១០០VCITCITCI = (LSTmax − LST)/ (LSTmax − LSTmin) × ១០០VHI < ៤០ = រាំងស្ងួតLST៖ MODIS MOD11A2NDVI៖ MODIS MOD13Q1

រូបទី៨.៦៖ បៃតងតិច + ក្ដៅខ្លាំង = រាំងស្ងួត។

អានរូបនេះ

  • TCI ខ្ពស់ពេល LST ទាប (ត្រជាក់) ព្រោះរុក្ខជាតិដែលមានទឹក ត្រជាក់ខ្លួនដោយការបញ្ចេញចំហាយ។
  • VHI ទាបទាល់តែ VCI ឬ TCI ទាប៖ ក្រឡាក្រហមនៅជ្រុងខាងក្រោមឆ្វេង។
  • ពេលពពកច្រើន LST បាត់ច្រើន៖ VHI រដូវវស្សាត្រូវបកស្រាយដោយប្រុងប្រយ័ត្ន។

រុក្ខជាតិដែលខ្វះទឹក បិទរន្ធស្លឹក ហើយឈប់ត្រជាក់ខ្លួនដោយការបញ្ចេញចំហាយ៖ ផ្ទៃរបស់វាក្ដៅឡើង។ TCI (Temperature Condition Index) វាស់ចំណុចនេះពីសីតុណ្ហភាពផ្ទៃដី (MODIS MOD11A2 ៨ ថ្ងៃ ១ គម)៖

TCI = (LSTmax − LST) / (LSTmax − LSTmin) × ១០០

សូមកត់សម្គាល់ថាលំដាប់ត្រូវបានបញ្ច្រាស៖ ក្ដៅ = TCI ទាប = អាក្រក់។ VHI (Vegetation Health Index) រួមបញ្ចូលទាំងពីរ៖ VHI = ០,៥ × VCI + ០,៥ × TCI។

var lst = ee.ImageCollection('MODIS/061/MOD11A2').select('LST_Day_1km');
var lhist = ndviMonth(lst.filterDate('2001-01-01', '2024-01-01'), 8);
var lmin = lhist.min(), lmax = lhist.max();
var lcur = ndviMonth(lst.filterDate('2019-01-01', '2020-01-01'), 8).mean();
var tci = lmax.subtract(lcur).divide(lmax.subtract(lmin)).multiply(100).rename('TCI');
var vhi = vci.multiply(0.5).add(tci.resample('bilinear').multiply(0.5)).rename('VHI');

ក្នុងរដូវវស្សា LST មានចន្លោះច្រើនដោយសារពពក (MOD11A2 ជា composite ៨ ថ្ងៃ ប៉ុន្តែនៅតែខ្វះ)។ ដូច្នេះ VHI រដូវវស្សាត្រូវបកស្រាយដោយប្រុងប្រយ័ត្ន ហើយពិនិត្យស្រទាប់ចំនួនការសង្កេតជាមួយ។

៨.៣.៧. ភ្លៀងមុន រុក្ខជាតិក្រោយ

រុក្ខជាតិឆ្លើយតបយឺតជាងភ្លៀងភ្លៀងខ្វះ ៤ ខែ (កក្កដា–តុលា ឆ្នាំទី២) · NDVI ពីទឹកភ្លៀង ២ ខែមុន · ស៊េរីក្លែងធ្វើ (សម្រាប់បង្រៀន)មកកមមនមសឧសមថកកសហកញតលវចធនមកកមមនមសឧសមថកកសហកញតលវចធនឆ្នាំទី១ឆ្នាំទី២━ NDVI (០–១)■ ទឹកភ្លៀង (០–៣០០ mm)

រូបទី៨.៧៖ ពិនិត្យភ្លៀងមុន រុក្ខជាតិក្រោយ។

អានរូបនេះ

  • ភ្លៀងខ្វះចាប់ផ្ដើមខែកក្កដា ប៉ុន្តែ NDVI ធ្លាក់ទាបបំផុតនៅខែតល (រង្វង់ក្រហម)។
  • ទឹកក្នុងដី និងប្រព័ន្ធធារាសាស្ត្រ ពន្យារពេលផលប៉ះពាល់៖ រយៈពេលយឺតខុសគ្នាតាមតំបន់។
  • នេះជាហេតុផលដែលប្រព័ន្ធព្រមានប្រើ CHIRPS សម្រាប់ព្រមានមុន និង VCI សម្រាប់បញ្ជាក់។

រុក្ខជាតិមិនឆ្លើយតបភ្លាមៗទៅនឹងភ្លៀងខ្វះទេ៖ ទឹកក្នុងដី ទឹកក្នុងស្រែ និងប្រព័ន្ធធារាសាស្ត្រ ពន្យារពេលផលប៉ះពាល់ពីពីរបីសប្ដាហ៍ ទៅពីរខែ។ នេះមានន័យថា៖

  • SPI/CHIRPS ជាសញ្ញាព្រមាន មុន៖ វាប្រាប់ពីហានិភ័យ មុនពេលដំណាំខូច។
  • VCI/VHI ជាសញ្ញា បញ្ជាក់៖ វាប្រាប់ថារុក្ខជាតិពិតជារងផលប៉ះពាល់។
  • ប្រសិនបើ SPI ទាប ប៉ុន្តែ VCI ធម្មតា ប្រហែលជាមានប្រព័ន្ធធារាសាស្ត្រ ឬទឹកក្នុងដីនៅគ្រប់គ្រាន់។
  • ប្រសិនបើ VCI ទាប ប៉ុន្តែ SPI ធម្មតា មូលហេតុអាចជាអ្វីផ្សេង៖ ទឹកជំនន់ ដំណាំដាំយឺត ជំងឺ ឬការប្ដូរដំណាំ។

៨.៣.៨. mask ដំណាំ និងស្ថិតិតាមខេត្ត

គ្រោះរាំងស្ងួតកសិកម្មត្រូវវាស់លើ ដីកសិកម្ម មិនមែនលើព្រៃ ឬទីក្រុងទេ។ ប្រើ ESA WorldCover (ថ្នាក់ ៤០) ឬផែនទីស្រែ (មេរៀនទី១១) ជា mask មុនពេលគណនាស្ថិតិតាមខេត្ត៖

var crop = ee.ImageCollection('ESA/WorldCover/v200').first().eq(40);
var provs = ee.FeatureCollection('FAO/GAUL/2015/level1').filter(ee.Filter.eq('ADM0_NAME', 'Cambodia'));
var table = vhi.updateMask(crop.reproject(vhi.projection())).reduceRegions({
  collection: provs, reducer: ee.Reducer.mean(), scale: 250, tileScale: 4});
print(table.sort('mean').select(['ADM1_NAME', 'mean']).limit(10));

៨.៤. ឧទាហរណ៍ដែលបានដោះស្រាយ៖ រដូវវស្សា ២០១៩ តាមខេត្ត

ជំហានទី១៖ ទឹកភ្លៀង ឧសភា–កក្កដា ២០១៩

គណនា SPI-៣ សាមញ្ញ (ផ្នែក ៨.៣.៤) សម្រាប់ ឧសភា–កក្កដា ២០១៩ ធៀបនឹង ១៩៩១–២០២០។ បង្ហាញជាផែនទី ហើយគណនាមធ្យមតាមខេត្ត។

ជំហានទី២៖ VCI និង VHI ខែសីហា ២០១៩

ខែសីហា ជ្រើសដើម្បីគិតពីការយឺតនៃរុក្ខជាតិ (ផ្នែក ៨.៣.៧)។ គណនា VCI TCI និង VHI (ផ្នែក ៨.៣.៥–៨.៣.៦)។

ជំហានទី៣៖ mask ដំណាំ និងតារាង

គណនា SPI-៣ និង VHI មធ្យមលើដីដំណាំ តាមខេត្ត (ផ្នែក ៨.៣.៨)។ នាំចេញតារាងដែលមានជួរឈរ ADM1_NAME SPI3 VHI។

ជំហានទី៤៖ ចាត់ថ្នាក់ខេត្ត

SPI-៣ VHI ការបកស្រាយ
< −១ < ៤០ គ្រោះរាំងស្ងួតកសិកម្មដែលបានបញ្ជាក់
< −១ ≥ ៤០ ភ្លៀងខ្វះ តែរុក្ខជាតិនៅល្អ (ធារាសាស្ត្រ? យឺត?)
≥ −១ < ៤០ រុក្ខជាតិខ្សោយ ដោយមូលហេតុផ្សេង (ពិនិត្យ)
≥ −១ ≥ ៤០ ធម្មតា

ជំហានទី៥៖ សេចក្ដីសន្និដ្ឋាន

«ទឹកភ្លៀងខែឧសភា–កក្កដា ២០១៩ (CHIRPS · SPI-៣ សាមញ្ញ ធៀបនឹង ១៩៩១–២០២០) និង VHI ខែសីហា (MODIS) លើដីដំណាំ (WorldCover) ត្រូវបានប្រើដើម្បីចាត់ថ្នាក់ខេត្ត។ ខេត្តដែលមានទាំង SPI-៣ < −១ និង VHI < ៤០ ត្រូវបានស្នើជាអាទិភាពសម្រាប់ការស្ទង់វាល។»

អ្វីដែលយើងមិនអាចសន្និដ្ឋាន

CHIRPS នៅក្រឡា ៥,៥ គម មិនចាប់ភ្លៀងផ្គររន្ទះក្នុងតំបន់តូចទេ ហើយភាពត្រឹមត្រូវរបស់វាអាស្រ័យលើចំនួនស្ថានីយ ដែលមានតិចនៅកម្ពុជា។ VHI ក្នុងរដូវវស្សាមានចន្លោះពពក។ សន្ទស្សន៍ទាំងនេះបង្ហាញ ហានិភ័យ និង សញ្ញា មិនមែនការខូចខាតទិន្នផលដែលបានវាស់ទេ។

៨.៥. សកម្មភាពអនុវត្ត

  • លំហាត់ទី៨៖ គណនាទឹកភ្លៀងប្រចាំខែ anomaly និង SPI-៣ ពី CHIRPS បង្កើត VCI និង VHI ពី MODIS ហើយចាត់ថ្នាក់ខេត្តតាមគ្រោះរាំងស្ងួតសម្រាប់ឆ្នាំដែលអ្នកជ្រើស។ មើល លំហាត់ទី៨។
  • ក្នុងថ្នាក់៖ ក្រុមនីមួយៗយកឆ្នាំមួយ (២០១៥ ២០១៩ ២០២០ ២០២៣) ហើយបង្ហាញផែនទី SPI-៣ និង VHI។ ថ្នាក់ប្រៀបធៀបលំនាំឆ្នាំ El Niño។

៨.៦. ការយល់ច្រឡំដែលត្រូវប្រុងប្រយ័ត្ន

១. «ភ្លៀងតិច = គ្រោះរាំងស្ងួត» គ្រោះរាំងស្ងួតគឺភ្លៀងតិចជាងធម្មតា សម្រាប់ទីកន្លែង និងខែនោះ។ ខែមករាតែងតែស្ងួត ប៉ុន្តែមិនមែនគ្រោះរាំងស្ងួតទេ។

២. «mean() នៃ CHIRPS ប្រចាំថ្ងៃ ផ្ដល់ទឹកភ្លៀងប្រចាំខែ» mean() ផ្ដល់ mm/ថ្ងៃ។ ទឹកភ្លៀងសរុបប្រចាំខែ ត្រូវប្រើ sum()។

៣. «VCI ទាប មានន័យថាគ្មានភ្លៀង» VCI ទាប អាចមកពីទឹកជំនន់ ការដាំយឺត ការច្រូតមុន ឬពពកដែលរត់ចួល។ ត្រូវពិនិត្យជាមួយ SPI និងប្រតិទិនដំណាំ។

៤. «រយៈពេលយោងណាក៏បាន» ការប្ដូររយៈពេលយោងប្ដូរ «ធម្មតា» ហើយប្ដូរ anomaly ទាំងអស់។ ប្រើរយៈពេលស្តង់ដារ (១៩៩១–២០២០) ហើយរាយការណ៍វា។

៥. «សន្ទស្សន៍ផ្កាយរណបវាស់ការខូចខាតដំណាំ» វាវាស់លក្ខខណ្ឌ (ភ្លៀង ភាពបៃតង កំដៅ)។ ការខូចខាតទិន្នផលត្រូវការការស្ទង់ ឬម៉ូដែលដំណាំ។

៨.៧. សេចក្ដីសង្ខេបមេរៀន

គ្រោះរាំងស្ងួតរីកដាលពីឧតុនិយម ទៅកសិកម្ម ជលសាស្ត្រ និងសង្គមសេដ្ឋកិច្ច។ CHIRPS ផ្ដល់ទឹកភ្លៀងប្រចាំថ្ងៃចាប់ពីឆ្នាំ ១៩៨១ ដែលយើងបូកជាខែ ហើយប្រៀបធៀបជាមួយ climatology ជា % នៃធម្មតា z-score និង SPI តាមរយៈពេលបូក ១ ៣ ឬ ៦ ខែ។

VCI ដាក់ NDVI បច្ចុប្បន្នក្នុងចន្លោះប្រវត្តិសាស្ត្រនៃក្រឡាដដែល TCI ធ្វើដូចគ្នាជាមួយ LST ហើយ VHI រួមបញ្ចូលទាំងពីរ។ ដោយសាររុក្ខជាតិឆ្លើយតបយឺត SPI ជាសញ្ញាព្រមាន ហើយ VHI ជាការបញ្ជាក់។ ការរួមបញ្ចូលទាំងពីរ លើដីដំណាំ តាមខេត្ត ផ្ដល់ការវាយតម្លៃដែលមានប្រយោជន៍ ប៉ុន្តែត្រូវរាយការណ៍ដែនកំណត់ជានិច្ច។

គំនិតស្នូលនៃមេរៀន

គ្រោះរាំងស្ងួតតែងតែជាការប្រៀបធៀប៖ ខែនេះ ធៀបនឹងខែដដែលក្នុងឆ្នាំផ្សេងៗ នៅកន្លែងដដែល។ ដូច្នេះប្រវត្តិទិន្នន័យវែង និងរយៈពេលយោងច្បាស់លាស់ សំខាន់ដូចរូបភាពបច្ចុប្បន្នដែរ។

៨.៨. ពាក្យគន្លឹះខ្មែរ–អង់គ្លេស

ពាក្យខ្មែរ ពាក្យអង់គ្លេស អត្ថន័យខ្លី
គ្រោះរាំងស្ងួត Drought ទឹកតិចជាងធម្មតា ក្នុងរយៈពេលវែង
ទឹកភ្លៀងធម្មតា Climatology ស្ថិតិនៃខែដូចគ្នាក្នុងរយៈពេលយោង
ភាពមិនប្រក្រតី Anomaly ភាពខុសពីធម្មតា
សន្ទស្សន៍ទឹកភ្លៀងស្តង់ដារ SPI z-score នៃទឹកភ្លៀងបូក k ខែ
សន្ទស្សន៍ស្ថានភាពរុក្ខជាតិ VCI NDVI ក្នុងចន្លោះ min–max ប្រវត្តិសាស្ត្រ
សន្ទស្សន៍ស្ថានភាពសីតុណ្ហភាព TCI LST ក្នុងចន្លោះ min–max (បញ្ច្រាស)
សន្ទស្សន៍សុខភាពរុក្ខជាតិ VHI បន្សំ VCI និង TCI
រយៈពេលយោង Reference period ឆ្នាំដែលប្រើកំណត់ «ធម្មតា»

៨.៩. សំណួររំលឹក និងវាយតម្លៃ

ក. សំណួរយល់ដឹង

  1. រាយគ្រោះរាំងស្ងួតបួនប្រភេទ ហើយផ្ដល់សន្ទស្សន៍ផ្កាយរណបមួយសម្រាប់ប្រភេទនីមួយៗ (ប្រសិនបើមាន)។
  2. ហេតុអ្វី % នៃធម្មតាបំភាន់ក្នុងខែប្រាំង?
  3. ភាពខុសគ្នារវាង SPI-១ SPI-៣ និង SPI-១២ ក្នុងការប្រើប្រាស់?
  4. ហេតុអ្វី VCI អាចប្រៀបធៀបព្រៃ និងស្រែបាន ខណៈ NDVI មិនអាច?
  5. ហេតុអ្វី TCI បញ្ច្រាសលំដាប់ (LSTmax − LST)?

ខ. សំណួរអនុវត្តគោលគំនិត

  1. សរសេរកូដគណនាទឹកភ្លៀងសរុបឆ្នាំ ២០២៣ ហើយប្រៀបធៀបជាមួយមធ្យម ១៩៩១–២០២០ ជា %។
  2. ក្រឡាមួយមាន NDVI ខែសីហា ០,៤៥ min ០,៣០ និង max ០,៧០។ គណនា VCI ហើយបកស្រាយ។
  3. ខេត្តមួយមាន SPI-៣ = −១,៨ ប៉ុន្តែ VHI = ៥៥។ ពន្យល់មូលហេតុពីរដែលអាចកើតឡើង។
  4. ហេតុអ្វីត្រូវ mask ដីដំណាំ មុនគណនា VHI តាមខេត្ត?
  5. ស្នើប្រព័ន្ធព្រមានគ្រោះរាំងស្ងួតប្រចាំខែសម្រាប់កម្ពុជា ដោយប្រើសន្ទស្សន៍ក្នុងមេរៀននេះ៖ អ្វី ពេលណា និងកម្រិតណា?

គ. កិច្ចការខ្លី

គណនា SPI-៣ ខែឧសភា–កក្កដា សម្រាប់ឆ្នាំ ២០១៥ ២០១៩ និង ២០២៣ លើខេត្តរបស់អ្នក។ ធ្វើតារាង ហើយសរសេរកថាខណ្ឌមួយប្រៀបធៀបជាមួយព័ត៌មាន ឬការចងចាំរបស់គ្រួសារអំពីឆ្នាំទាំងនោះ។

កំណត់សម្គាល់សម្រាប់គ្រូបង្រៀន

ក. ការបែងចែកពេលវេលា ១៨០ នាទី

សកម្មភាព ពេលវេលា
ស្ថានភាពបើកមេរៀន៖ រដូវវស្សា ២០១៩ ១០ នាទី
គ្រោះរាំងស្ងួតបួនប្រភេទ ១៥ នាទី
CHIRPS · climatology · anomaly ៣០ នាទី
SPI · ពិសោធន៍ ៣០ នាទី
VCI TCI VHI ៣៥ នាទី
ភ្លៀងមុន រុក្ខជាតិក្រោយ · mask ដំណាំ ១៥ នាទី
ឧទាហរណ៍ ២០១៩ ៣០ នាទី
សង្ខេប និងណែនាំលំហាត់ ១៥ នាទី
សរុប ១៨០ នាទី / ៣ ម៉ោង

ខ. ចំណាំអំពីទិន្នន័យ

  • រូប និងពិសោធន៍ក្នុងមេរៀននេះ ប្រើស៊េរីទឹកភ្លៀង និង NDVI ក្លែងធ្វើ ដើម្បីបង្ហាញគោលគំនិត។ តួលេខពិតសម្រាប់ឆ្នាំ ២០១៩ ត្រូវបានគណនាដោយនិស្សិតផ្ទាល់ក្នុងលំហាត់ទី៨។
  • ការគណនា climatology ៣០ ឆ្នាំលើប្រទេសទាំងមូលជាមួយ CHIRPS ប្រចាំថ្ងៃ អាចយឺត។ ប្រសិនបើ Code Editor timeout សូមប្រើ UCSB-CHG/CHIRPS/PENTAD ឬ Export។

គ. ការភ្ជាប់ទៅមេរៀនបន្ទាប់

ទឹកភ្លៀងដែលធ្លាក់លើដី មិននៅមួយកន្លែងទេ៖ វាហូរតាមជម្រាល ប្រមូលផ្ដុំក្នុងប្រឡាយ ស្ទឹង និងទន្លេ។ ដើម្បីយល់ពីទឹកជំនន់ គ្រោះរាំងស្ងួតជលសាស្ត្រ និងការគ្រប់គ្រងទឹក យើងត្រូវដឹងថាទឹកហូរទៅណា។

តើត្រូវកំណត់ទិសលំហូរ ប្រឡាយទឹក និងអាងរងទឹក ពីកម្ពស់ដីយ៉ាងដូចម្ដេច?

សំណួរនេះនាំទៅ មេរៀនទី៩៖ ទីសណ្ឋាន ជម្រាល និងអាងទន្លេ។

⬅️ មេរៀនទី៧ · ➡️ មេរៀនទី៩