លំហាត់ទី១៣៖ ពីចំណុចភូមិ ទៅជាផ្ទៃអក្ខរកម្ម

ព័ត៌មានលំហាត់

មេរៀនពាក់ព័ន្ធ៖ មេរៀនទី១៣៖ ផ្ទៃ ទីសណ្ឋាន និងអាំងទែប៉ូឡាស្យុង ការអនុវត្តដោយខ្លួនឯង · QGIS 3.34 LTR · ប្រហែល ១០០ នាទី

ស្ថានភាព

ជំរឿនឆ្នាំ ២០០៨ ផ្ដល់អត្រាអក្ខរកម្មរបស់ភូមិនីមួយៗ ជាចំណុច។ អង្គការអប់រំមួយចង់បានផែនទីរលោងមួយដែលបង្ហាញលំនាំទូទៅទូទាំងខេត្តកំពង់ឆ្នាំង។ អ្នកនឹងធ្វើអាំងទែប៉ូឡាស្យុង IDW វាស់កំហុសដោយការផ្ទៀងផ្ទាត់ ហើយពិភាក្សាថាតើ «ផ្ទៃអក្ខរកម្ម» មានន័យឬទេ។

គោលបំណង

• ពិនិត្យស្ថិតិ និងការចែកចាយចំណុចមុនធ្វើអាំងទែប៉ូឡាស្យុង។
• បង្កើតផ្ទៃ IDW ជាមួយស្វ័យគុណខុសៗគ្នា។
• វាស់កំហុសដោយបំបែកចំណុចបណ្ដុះ (training) និងចំណុចពិនិត្យ (test)។
• បង្កើតខ្សែរយៈកម្ពស់ (contour) ពីផ្ទៃ ហើយស្គាល់ដែនកំណត់នៃការធ្វើផ្ទៃពីទិន្នន័យសង្គម។

ឯកសារដែលប្រើ

ប្រើសំណុំទិន្នន័យ Cambodia (ឧបសម្ព័ន្ធ ខ)។ ស្រទាប់ទាំងអស់ប្រើ EPSG:32648។

ស្រទាប់	ថត	វាល
Census_Village	Census_2008/	VILL_CODE T_LIT15 (អត្រាអក្ខរកម្ម ១៥ ឆ្នាំឡើង %)
Kh_Province_Boundary	Admin/

ពិសោធន៍មុនចាប់ផ្ដើម · ១០ នាទី

សកម្មភាពទី១៖ ស្គាល់ទិន្នន័យ · ១៥ នាទី

1. Extract by expression លើ Census_Village៖ left("VILL_CODE", 2) = '04' → kc_villages.gpkg
2. Processing → Basic statistics for fields លើ T_LIT15៖ កត់ត្រា count min max mean median។
3. ដាក់និមិត្តសញ្ញា Graduated លើ T_LIT15 (៥ ថ្នាក់ Quantile)។ សង្កេតលំនាំ៖ ភូមិអក្ខរកម្មទាប ប្រមូលផ្ដុំនៅតំបន់ណា?

សំណួរ៖ ភូមិនៅរាយប៉ាយស្មើគ្នាឬទេ? តំបន់ណាដែលគ្មានភូមិសោះ ហើយ IDW នឹងធ្វើអ្វីនៅទីនោះ?

សកម្មភាពទី២៖ IDW · ២០ នាទី

1. Processing → Interpolation → IDW Interpolation៖

   ប៉ារ៉ាម៉ែត្រ	តម្លៃ
   Vector layer	kc_villages · Interpolation attribute T_LIT15 → ចុច +
   Distance coefficient P	2
   Extent	Calculate from layer → kc_province
   Output raster size · Pixel size X/Y	250

   → lit_idw_p2.tif

2. Raster → Extraction → Clip Raster by Mask Layer៖ Mask kc_province → lit_idw_p2_clip.tif

3. ធ្វើម្ដងទៀតជាមួយ P = 1 និង P = 4។ ប្រៀបធៀបផែនទីទាំងបី។
4. ពិនិត្យ Information នៃរ៉ាស្ទ័រ៖ តម្លៃ Min Max។

សំណួរ៖ ហេតុអ្វីតម្លៃ Max នៃផ្ទៃ IDW មិនអាចលើសពីតម្លៃ Max នៃភូមិ? · P តូច និង P ធំ ផ្ដល់រូបរាងខុសគ្នាដូចម្ដេច?

សកម្មភាពទី៣៖ វាស់កំហុស (Validation) · ២៥ នាទី

1. Processing → Random extract៖ Input kc_villages · Method Percentage of selected features · 20 → test.gpkg

2. បង្កើតចំណុចបណ្ដុះ៖ Select by Location → Select features from kc_villages · where the features are disjoint · by comparing to test → Export → Save Selected Features As → train.gpkg។ ពិនិត្យថា ចំនួន train + test = ចំនួន kc_villages។

3. IDW (P = 2, pixel 250) ពី train → lit_train.tif

4. Processing → Sample raster values៖ Input test · Raster lit_train · prefix pred_ → test_pred.gpkg
5. Field Calculator៖ abs_err = abs("pred_1" - "T_LIT15")
6. Basic statistics for fields លើ abs_err → Mean = MAE (កំហុសដាច់ខាតមធ្យម)។
7. ធ្វើម្ដងទៀតជាមួយ P = 1 និង P = 4 ដោយប្រើ train និង test ដដែល។

P	MAE (ពិន្ទុភាគរយ)
១
២
៤

សំណួរ៖ P ណាផ្ដល់ MAE តូចជាងគេ? · ហេតុអ្វីមិនអាចវាស់កំហុសដោយប្រើចំណុចដែលបានប្រើបង្កើតផ្ទៃរួច?

សកម្មភាពទី៤៖ ខ្សែរយៈកម្ពស់ និងការបកស្រាយ · ២០ នាទី

1. Raster → Extraction → Contour៖ Input lit_idw_p2_clip · Interval 10 → lit_contour.gpkg (វាល ELEV = តម្លៃអក្ខរកម្ម)។
2. ដាក់ស្លាកលើខ្សែរយៈកម្ពស់ ហើយដាក់ kc_villages នៅខាងលើ។
3. សរសេរការបកស្រាយ ៥ ទៅ ៨ ប្រយោគ ដែលឆ្លើយ៖ តំបន់ណាអក្ខរកម្មទាប · MAE ប៉ុន្មាន · ហេតុអ្វីផ្ទៃនេះត្រូវប្រើដោយប្រុងប្រយ័ត្ន (ជំនួយ៖ អក្ខរកម្មជាលក្ខណៈមនុស្ស មិនមែនជាតម្លៃបន្តនៅគ្រប់ចំណុចលើដីដូចសីតុណ្ហភាពទេ)។

បន្ថែម៖ ទីសណ្ឋានពិតប្រាកដ

សំណុំទិន្នន័យវគ្គសិក្សាមិនមាន DEM ទេ។ បើចង់អនុវត្ត Slope Aspect និង Hillshade ទាញយក SRTM ឬ Copernicus DEM ៣០ ម ពីប្រភពក្នុង ឧបសម្ព័ន្ធ ខ សម្រាប់ខេត្តកំពង់ស្ពឺ ហើយប្រើ Raster → Analysis → Hillshade / Slope។

លទ្ធផលត្រូវប្រគល់

• lit_idw_p1 p2 p4 (clip) និង lit_contour.gpkg។
• តារាង MAE និង test_pred.gpkg។
• ផែនទីផ្ទៃ IDW ជាមួយខ្សែរយៈកម្ពស់ និងការបកស្រាយ។

ពិនិត្យលទ្ធផលដោយខ្លួនឯង

អាចវាយលេខខ្មែរ ឬលេខអារ៉ាប់ ហើយមិនចាំបាច់ដាក់សញ្ញាក្បៀស។ ផ្នែកនេះសម្រាប់ពិនិត្យខ្លួនឯងប៉ុណ្ណោះ។

១. ចំនួនភូមិក្នុង kc_villages?

២. តម្លៃ T_LIT15 ទាបជាងគេ?

៣. តម្លៃមធ្យម T_LIT15 (ទសភាគ ១ ខ្ទង់)?

៤. តម្លៃ Max នៃ lit_idw_p2.tif មិនអាចលើសពីប៉ុន្មាន?

៥. បើយក ២០% ជាចំណុចពិនិត្យ តើមានភូមិប៉ុន្មានក្នុង test?