មេរៀនទី១៤៖ ការរកការផ្លាស់ប្ដូរ និងស៊េរីពេលវេលា¶
ព័ត៌មានមេរៀន
រយៈពេលបង្រៀនដែលស្នើ៖ ៣ ម៉ោង · មេរៀនទី ១៤ ក្នុងចំណោម ១៥
រូបភាពមួយសន្លឹកប្រាប់យើងពីស្ថានភាពនៅ ពេលមួយ។ ប៉ុន្តែសំណួរស្រាវជ្រាវជាច្រើន មិនសួរអំពីស្ថានភាព ពួកគេសួរអំពី ការផ្លាស់ប្ដូរ៖ ព្រៃឈើបាត់ប៉ុន្មានហិកតាចាប់តាំងពីឆ្នាំ២០១០? ទីក្រុងពង្រីកទៅទិសណា? ស្រែឆ្នាំនេះស្ទូងលឿន ឬយឺតជាងឆ្នាំមុន?
ដើម្បីឆ្លើយសំណួរទាំងនេះ យើងត្រូវ រូបភាពច្រើនជាងមួយសន្លឹក និងវិធីសាស្ត្រសមស្របដើម្បីប្រៀបធៀបពួកវា។ មេរៀននេះបង្រៀនវិធីសំខាន់ៗនៃការរកការផ្លាស់ប្ដូរ ចាប់ពីវិធីសាមញ្ញរហូតដល់ការវិភាគស៊េរីពេលវេលាពេញលេញ។
១៤.១. គោលបំណងសិក្សា¶
បន្ទាប់ពីបញ្ចប់មេរៀន និស្សិតអាច៖
- ពន្យល់តម្រូវការជាមុននៃការប្រៀបធៀបពហុកាលបរិច្ឆេទ (ការកែតម្រូវឱ្យស៊ីគ្នា)។
- អនុវត្តវិធីភាពខុសគ្នានៃរូបភាព (Image Differencing) និងជ្រើសកម្រិតកំណត់សមស្រប។
- អនុវត្តវិធីការចាត់ថ្នាក់ក្រោយពីរដង (Post-classification Comparison)។
- អានក្រាបស៊េរីពេលវេលា និងដេរិកកម្មនៃដំណាំ (phenology)។
- កំណត់ប្រភពកំហុសនៅក្នុងការវិភាគការផ្លាស់ប្ដូរ។
ចំណេះដឹងមុនត្រូវមាន¶
- ខ្លឹមសារមេរៀនទី៧៖ ការកែតម្រូវឱ្យអាចប្រៀបធៀបបាន។
- ខ្លឹមសារមេរៀនទី១០៖ សន្ទស្សន៍ស្ពិចត្រាល់។
- ខ្លឹមសារមេរៀនទី១២ដល់១៣៖ ការចាត់ថ្នាក់ និងភាពត្រឹមត្រូវ។
១៤.២. ស្ថានភាពបើកមេរៀន៖ ព្រៃឈើបាត់ទៅណា?¶
អង្គការមួយត្រូវការតួលេខផ្ទៃព្រៃឈើដែលបាត់បង់ក្នុងខេត្តមួយ រវាងឆ្នាំ ២០២០ និង ២០២៤។ ពួកគេមានរូបភាព Sentinel-2 ទាំងពីរឆ្នាំ ជាមួយគុណភាពល្អ។
វិធីសាមញ្ញបំផុតគឺដក NDVI ឆ្នាំ ២០២៤ ចេញពី NDVI ឆ្នាំ ២០២០។ តំបន់ដែលមានតម្លៃធ្លាក់ចុះខ្លាំង ទំនងជាព្រៃឈើដែលត្រូវបានកាប់។ ប៉ុន្តែមានចំណុចប្រុងប្រយ័ត្នជាច្រើន៖ បើរូបភាពទាំងពីរថតខុសខែគ្នា (មួយរដូវប្រាំង មួយរដូវវស្សា) សូម្បីតែព្រៃឈើដែលមិនប្ដូរ ក៏អាចមាន NDVI ខុសគ្នាដែរ ដោយសារតែសំណើម មិនមែនដោយសារកាប់ទេ។
សំណួរដែលមេរៀននេះឆ្លើយ៖ តម្រូវការអ្វីខ្លះមុននឹងប្រៀបធៀបរូបភាពពីរកាលបរិច្ឆេទ? តើមានវិធីអ្វីខ្លះក្រៅពីការដកគ្នា? ហើយបើមានរូបភាពច្រើនជាងពីរ តើអាចវិភាគអ្វីបានបន្ថែម?
១៤.៣. ទ្រឹស្ដីស្នូល¶
១៤.៣.១. តម្រូវការជាមុនចាំបាច់¶
មុននឹងប្រៀបធៀបរូបភាពពីរកាលបរិច្ឆេទ ត្រូវប្រាកដថា ភាពខុសគ្នាដែលឃើញ គឺមកពីផ្ទៃដីពិត មិនមែនពីភាពខុសគ្នានៃការទទួលរូបភាពទេ។ តម្រូវការសំខាន់៖
| លក្ខខណ្ឌ | ហេតុអ្វីសំខាន់ | យោង |
|---|---|---|
| កម្រិតកែតម្រូវដូចគ្នា (ទាំងពីរជា L2A/BOA) | បើមួយជា TOA មួយជា BOA ភាពខុសគ្នាមកពីបរិយាកាស | មេរៀនទី៧ |
| ការចុះឈូងគ្នាល្អ (co-registration) | ក្រឡាក្រឡាត្រូវតំណាងទីតាំងដូចគ្នាបេះបិទ | មេរៀនទី៨ |
| រដូវប្រហាក់ប្រហែលគ្នា | រុក្ខជាតិផ្លាស់ប្ដូរតាមរដូវ ទោះមិនមានការកាប់ក៏ដោយ | មេរៀនទី៣ |
| ឧបករណ៍ចាប់ដូចគ្នា ឬកែឱ្យស៊ីគ្នា | ក្រុមរលកខុសគ្នាបន្តិចផ្ដល់តម្លៃខុសគ្នា | មេរៀនទី៧ |
| ពពក ឬស្រមោលពពកតិច | ពពកក្នុងរូបភាពមួយបង្កើតការផ្លាស់ប្ដូរក្លែងក្លាយ | មេរៀនទី១ |
ក្បួនអនុវត្តល្អបំផុត៖ ជ្រើសរូបភាពទាំងពីរនៅខែដូចគ្នា ក្នុងឆ្នាំផ្សេងគ្នា (ឧ. ខែមករា ២០២០ និងខែមករា ២០២៤) ដើម្បីកាត់បន្ថយឥទ្ធិពលរដូវឱ្យអប្បបរមា។
១៤.៣.២. វិធីភាពខុសគ្នានៃរូបភាព¶
Image Differencing ជាវិធីសាមញ្ញបំផុត៖ គណនាសន្ទស្សន៍ (ជាទូទៅ NDVI) ដាច់ដោយឡែកសម្រាប់រូបភាពនីមួយៗ រួចដកគ្នា៖
ΔNDVI = NDVI(ក្រោយ) − NDVI(មុន)
តម្លៃអវិជ្ជមានខ្លាំង (ធ្លាក់ចុះខ្លាំង) ចង្អុលទៅការបាត់បង់រុក្ខជាតិ។ តម្លៃវិជ្ជមានខ្លាំង អាចមានន័យថារុក្ខជាតិដុះថ្មី ឬស្រែទើបនឹងលូតលាស់។
ពិសោធន៍៖ ភាពខុសគ្នានៃរូបភាព
ប្ដូរកម្រិតកំណត់ (threshold) ហើយសង្កេតផ្ទៃដែលរកឃើញថាផ្លាស់ប្ដូរ។ កម្រិតទាបពេករកឃើញច្រើនហួសហេតុ កម្រិតខ្ពស់ពេកខកខានការផ្លាស់ប្ដូរពិត។
ការជ្រើស កម្រិតកំណត់ (threshold) ជាការសម្រេចចិត្តសំខាន់៖ វាមិនមានច្បាប់ដាច់ខាតទេ។ ការអនុវត្តល្អគឺសាកល្បងកម្រិតកំណត់ជាច្រើន ហើយផ្ទៀងផ្ទាត់លទ្ធផលជាមួយគំរូទីវាល ឬរូបភាពគុណភាពខ្ពស់ (ដូចនឹងការវាយតម្លៃភាពត្រឹមត្រូវក្នុងមេរៀនទី១៣)។
អានរូបនេះ
- ΔNDVI = NDVI(២០២១) − NDVI(២០១៥)។
- ក្រហមដិត = ព្រៃ ឬរុក្ខជាតិដែលបាត់ ដោយសារការសាងសង់។
- ពណ៌ស = គ្មានការផ្លាស់ប្ដូរច្បាស់។
១៤.៣.៣. វិធីការចាត់ថ្នាក់ក្រោយពីរដង¶
Post-classification Comparison ជាវិធីមួយទៀត៖ ចាត់ថ្នាក់រូបភាពនីមួយៗដាច់ដោយឡែក (ដូចមេរៀនទី១១–១២) រួច ប្រៀបធៀបផែនទីទាំងពីរ ក្រឡាតាមក្រឡា។
| គុណសម្បត្តិ | គុណវិបត្តិ |
|---|---|
| ប្រាប់ថា «ពី A ទៅ B» (ឧ. ពីព្រៃទៅស្រែ) មិនមែនត្រឹមតែ «ផ្លាស់ប្ដូរ» | កំហុសពីការចាត់ថ្នាក់ទាំងពីរដងកកកុញគ្នា |
| មិនត្រូវការឱ្យរូបភាពទាំងពីរមានលក្ខខណ្ឌដូចគ្នាបេះបិទ | ត្រូវការគំរូបណ្ដុះបណ្ដាល និងការវាយតម្លៃសម្រាប់រូបភាពទាំងពីរ |
| ផ្ដល់ តារាងផ្លាស់ប្ដូរ (transition matrix) លម្អិត | ចំណាយពេលច្រើនជាង |
ឧទាហរណ៍តារាងផ្លាស់ប្ដូរ (ជួរដេក=មុន · ជួរឈរ=ក្រោយ)៖ ក្រឡាដែលចាត់ថ្នាក់ថា «ព្រៃឈើ» ក្នុងឆ្នាំ ២០២០ ហើយក្លាយជា «សំណង់» ក្នុងឆ្នាំ ២០២៤ បង្ហាញច្បាស់ថាជា ការកាប់ព្រៃដើម្បីសាងសង់ ខណៈ Image Differencing គ្រាន់តែប្រាប់ថា «ធ្លាក់ចុះ» ដោយមិនប្រាប់ថាក្លាយទៅជាអ្វី។
កំហុសកកកុញ
ភាពត្រឹមត្រូវនៃ Post-classification Comparison អាស្រ័យលើភាពត្រឹមត្រូវនៃការចាត់ថ្នាក់ទាំងពីរ។ បើនីមួយៗត្រឹមត្រូវ ៩០% ភាពត្រឹមត្រូវនៃការផ្លាស់ប្ដូរអាចទាបជាងនេះទៅទៀត ព្រោះកំហុសអាចកើតឡើងឯករាជ្យគ្នាទាំងពីរផ្នែក។
អានរូបនេះ
- ក្រឡាភាគច្រើនជុំវិញ ០ (គ្មានការផ្លាស់ប្ដូរ)។
- កន្ទុយខាងឆ្វេង = បាត់រុក្ខជាតិ · កន្ទុយខាងស្ដាំ = រុក្ខជាតិកើនឡើង។
- កម្រិត μ ± ២σ ជាចំណុចចាប់ផ្ដើម៖ ត្រូវផ្ទៀងផ្ទាត់ដោយគំរូ។
១៤.៣.៤. ស៊េរីពេលវេលា និងដេរិកកម្មដំណាំ¶
ពេលមានរូបភាពច្រើនជាងពីរចំណុច (ឧ. រៀងរាល់ ៥ ថ្ងៃពេញមួយឆ្នាំ ពី Sentinel-2) យើងអាចសាងសង់ ស៊េរីពេលវេលា (Time Series) នៃសន្ទស្សន៍ណាមួយ ដែលបង្ហាញ ទិសដៅ មិនមែនត្រឹមតែចំណុចពីរទេ។
ពិសោធន៍៖ ដេរិកកម្មនៃ NDVI
ប្ដូររវាងប្រភេទស្រែ និងព្រៃឈើ ហើយអូសរំកិលខែ។ សង្កេតថាដេរិកកម្មខុសគ្នាទាំងស្រុងរវាងស្រែមួយរដូវ ពីររដូវ និងព្រៃឈើអចិន្ត្រៃយ៍។
ការវិភាគស៊េរីពេលវេលាមានប្រយោជន៍ជាច្រើន៖
- កំណត់កាលបរិច្ឆេទស្ទូង/ច្រូតកាត់៖ ដោយរកចំណុចទាបគ្រាប់ គូសដេរិកកម្មបានច្បាស់ជាងការប្រៀបធៀបចំណុចពីរ។
- រកភាពមិនប្រក្រតី (Anomaly detection)៖ ប្រៀបធៀបឆ្នាំបច្ចុប្បន្នជាមួយមធ្យមប្រវត្តិសាស្ត្រច្រើនឆ្នាំ ដើម្បីរកភាពគ្រោះរាំង ឬជំងឺដំណាំ។
- បំបែកព្រៃពីស្រែ៖ ដូចបានឃើញក្នុងមេរៀនទី៣ ព្រៃ និងស្រែអាចមាន NDVI ស្រដៀងគ្នានៅពេលតែមួយ ប៉ុន្តែ ទិសដៅតាមឆ្នាំខុសគ្នាទាំងស្រុង៖ ព្រៃស្ថិតស្ថេរ ស្រែឡើងចុះតាមរដូវ។
ភាពញឹកញាប់ខ្ពស់របស់ Sentinel-2 (ប្រហែល ៥ ថ្ងៃ) ធ្វើឱ្យវាសមស្របសម្រាប់ការវិភាគនេះ ជាពិសេសនៅកម្ពុជា ដែលមានវដ្ដដំណាំច្បាស់លាស់តាមរដូវវស្សា និងប្រាំង។ ការវិភាគទ្រង់ទ្រាយធំ (ជាច្រើនតំបន់ ច្រើនឆ្នាំ) ជាធម្មតាធ្វើតាមរយៈ Google Earth Engine ដែលជាខ្លឹមសារសៀវភៅទី៤។
អានរូបនេះ
- ការបាត់រុក្ខជាតិប្រមូលផ្ដុំនៅតំបន់អភិវឌ្ឍន៍ថ្មី។
- ចំណុចក្រហមតូចៗរាយប៉ាយ អាចជាកំហុស (ពពក រដូវ ការត្រួតគ្នា)។
- ប្រើការច្រោះ (minimum mapping unit) ដើម្បីលុបចំណុចតូចៗ។
អានរូបនេះ
- CVA ប្រើគ្រប់ក្រុមរលក ជំនួសសន្ទស្សន៍តែមួយ។
- ទំហំប្រាប់ «ប៉ុន្មាន» · មុំប្រាប់ «ប្រភេទអ្វី»។
- ចាប់បាននូវការផ្លាស់ប្ដូរដែល NDVI មើលមិនឃើញ (ឧ. ទឹក → ដីចាក់)។
១៤.៣.៥. ប្រភពកំហុសក្នុងការវិភាគការផ្លាស់ប្ដូរ¶
- ភាពមិនស៊ីគ្នារវាងឧបករណ៍ចាប់៖ ការលាយ Sentinel-2 និង Landsat ដោយគ្មានការកែឱ្យស៊ីគ្នា បង្កើតការផ្លាស់ប្ដូរក្លែងក្លាយ។
- ភាពខុសគ្នានៃមុំមើល និងស្រមោល៖ រូបភាពពីរកាលបរិច្ឆេទអាចមានមុំមើលបន្តិចខុសគ្នា ជាពិសេសនៅតំបន់ភ្នំ (មេរៀនទី៨)។
- ភាពមិនប្រក្រតីនៃរដូវ៖ ឆ្នាំដែលភ្លៀងមកយឺត អាចធ្វើឱ្យស្រែមាន NDVI ទាបជាងធម្មតានៅខែតែមួយ ដោយគ្មានការផ្លាស់ប្ដូររចនាសម្ព័ន្ធ។
- ការគណនាកំហុសកកកុញ៖ ដូចបានឃើញក្នុងវិធី Post-classification ខាងលើ។
- កម្រិតកំណត់តែមួយសម្រាប់ទាំងស្រុង៖ ភូមិសាស្ត្រផ្សេងគ្នា (ព្រៃស្រោចស្រពក្បែរទន្លេ ធៀបនឹងព្រៃលើភ្នំ) អាចត្រូវការកម្រិតកំណត់ខុសគ្នា។
ការសរសេររបាយការណ៍ការផ្លាស់ប្ដូរដែលទទួលខុសត្រូវ តែងរួមបញ្ចូល៖ វិធីសាស្ត្រដែលប្រើ · កម្រិតកំណត់ និងហេតុផល · ការវាយតម្លៃភាពត្រឹមត្រូវនៃលទ្ធផលការផ្លាស់ប្ដូរ (មិនត្រឹមតែភាពត្រឹមត្រូវនៃការចាត់ថ្នាក់នីមួយៗទេ) · និងកម្រិតទំនុកចិត្តលើតួលេខផ្ទៃដែលរាយការណ៍។
អានរូបនេះ
- NDVI ប្រែប្រួលតាមរដូវជារៀងរាល់ឆ្នាំ៖ មិនមែនការផ្លាស់ប្ដូរទេ។
- ការធ្លាក់ភ្លាមៗ ហើយមិនងើបវិញ = ការរំខាន (ឈូសឆាយ)។
- ការប្រៀបធៀបតែពីរកាលបរិច្ឆេទ អាចច្រឡំរដូវជាការផ្លាស់ប្ដូរ។
១៤.៤. ឧទាហរណ៍ដែលបានដោះស្រាយ៖ វាយតម្លៃការបាត់បង់ព្រៃឈើដោយវិធីពីរ¶
ក្រុមការងារមានរូបភាព Sentinel-2 L2A ២០២០ និង ២០២៤ ទាំងពីរខែមករា (ពពកតិច)។
ជំហានទី១៖ ពិនិត្យតម្រូវការជាមុន¶
ទាំងពីរជា L2A ថតខែដូចគ្នា ដោយឧបករណ៍ចាប់ដូចគ្នា (Sentinel-2)។ ពិនិត្យលេខគន្លង (R-number) ជិតគ្នា ដើម្បីធានាមុំមើលស្រដៀងគ្នា។ លក្ខខណ្ឌគ្រប់គ្រាន់សម្រាប់ប្រៀបធៀប។
ជំហានទី២៖ អនុវត្ត Image Differencing¶
គណនា NDVI ទាំងពីរ ដកគ្នា។ សាកល្បងកម្រិតកំណត់ ០,១៥ ០,២ និង ០,២៥។ កម្រិត ០,២ ផ្ដល់ផ្ទៃដែលមើលទៅសមហេតុផលបំផុត ធៀបនឹងបន្សំពណ៌ពិត។ ទទួលបាន ផ្ទៃបាត់បង់ ≈ ១២ ហ.ត។
ជំហានទី៣៖ អនុវត្ត Post-classification Comparison¶
ចាត់ថ្នាក់រូបភាពទាំងពីរដាច់ដោយឡែក (ចម្ងាយអប្បបរមា ដូចមេរៀនទី១២) វាយតម្លៃភាពត្រឹមត្រូវនីមួយៗ (OA ៩០% និង ៨៨%)។ ប្រៀបធៀបផែនទីទាំងពីរ ទទួលបានតារាងផ្លាស់ប្ដូរ៖ «ព្រៃឈើ → ដីទទេ» ១០ ហ.ត · «ព្រៃឈើ → សំណង់» ២ ហ.ត។
ជំហានទី៤៖ ប្រៀបធៀបលទ្ធផលទាំងពីរវិធី¶
ទាំងពីរវិធីផ្ដល់តួលេខស្រដៀងគ្នា (១២ ធៀបនឹង ១២ ហ.ត សរុប) ដែលបង្កើនទំនុកចិត្ត។ ប៉ុន្តែ Post-classification ផ្ដល់ព័ត៌មានបន្ថែមថាភាគច្រើនក្លាយទៅជាដីទទេ មិនមែនសំណង់ភ្លាមៗទេ (ប្រហែលជាការកាប់ ដោយមិនទាន់សាងសង់)។
ជំហានទី៥៖ រាយការណ៍¶
«ព្រៃឈើបាត់បង់ប្រហែល ១២ ហ.ត (ចន្លោះទំនុកចិត្ត ១០ ដល់ ១៤ ហ.ត ពីវិធីទាំងពីរ) រវាងខែមករា ២០២០ និង ២០២៤។ ភាគច្រើននៃផ្ទៃនោះឥឡូវជាដីទទេ ដែលអាចជាដំណាក់កាលមុនការសាងសង់។ តួលេខនេះមិនរាប់បញ្ចូលការកាប់ និងដុះឡើងវិញក្នុងចន្លោះ ៤ ឆ្នាំនោះទេ ដែលទាមទារការវិភាគស៊េរីពេលវេលា។»
សេចក្ដីសន្និដ្ឋានដែលសមស្រប¶
«ការប្រើវិធីពីរផ្សេងគ្នា ហើយទទួលបានលទ្ធផលស្របគ្នា បង្កើនទំនុកចិត្តលើលទ្ធផលការផ្លាស់ប្ដូរ។ Post-classification Comparison ផ្ដល់ព័ត៌មានលម្អិតបន្ថែម (ទៅជាអ្វី) ដែល Image Differencing មិនផ្ដល់។»
អ្វីដែលយើងមិនអាចសន្និដ្ឋាន
ការប្រៀបធៀបចំណុចពីរ (២០២០ និង ២០២៤) មិនអាចប្រាប់ថាការផ្លាស់ប្ដូរកើតឡើងជាបន្តបន្ទាប់ ឬភ្លាមៗ ហើយក៏មិនអាចរកឃើញការកាប់ និងដុះឡើងវិញក្នុងចន្លោះពេលនោះទេ (ឧ. ការកាប់ក្នុងឆ្នាំ ២០២១ រួចដុះឡើងវិញផ្នែកខ្លះត្រឡប់ជា «គ្មានការផ្លាស់ប្ដូរ»)។ ចំពោះសំណួរនោះ ត្រូវការស៊េរីពេលវេលា។
ករណីសិក្សាពិត៖ ការអភិវឌ្ឍនៅព្រះសីហនុ¶
ឧទាហរណ៍ខាងលើជាទិន្នន័យសម្រាប់បង្រៀន។ ខាងក្រោមនេះជាទិន្នន័យ Sentinel-2 ពិត លើក្រុងព្រះសីហនុ (Sihanoukville) ដែលជាក្រុងឆ្នេរសមុទ្រមួយរបស់កម្ពុជា ដែលបានឆ្លងកាត់ការអភិវឌ្ឍយ៉ាងលឿនរវាងឆ្នាំ ២០១៥ និង ២០២១ ដោយសារការវិនិយោគទុនកាស៊ីណូ និងទេសចរណ៍។
រូបភាពទាំងពីរប្រើក្រុមរលកដូចគ្នា និង stretch ដូចគ្នា ដើម្បីធានាថាភាពខុសគ្នាដែលឃើញ គឺជាការផ្លាស់ប្ដូរផ្ទៃដីពិត។ វិធីនេះប្រើ Change Vector Analysis (CVA) ដែលជាវិធីទីបីបន្ថែមលើ Image Differencing និង Post-classification Comparison ដែលបានពន្យល់ខាងលើ៖ ជំនួសឱ្យគណនាភាពខុសគ្នានៃសន្ទស្សន៍តែមួយ (ដូច NDVI) CVA គណនា ចម្ងាយក្នុងលំហលក្ខណៈ (មេរៀនទី១១) ចម្ងាយរវាងចំណុចទាំងពីរឆ្នាំ ឆ្លងកាត់ក្រុមរលកច្រើនក្នុងពេលតែមួយ។ វិធីនេះមានប្រយោជន៍ពេលការផ្លាស់ប្ដូរមិនមែនត្រឹមតែរុក្ខជាតិទេ (ដូចជាការផ្លាស់ប្ដូរពីព្រៃទៅសំណង់ដោយផ្ទាល់ ដោយមិនឆ្លងកាត់ដំណាក់កាលដីទទេយូរ)។
ដូចដែលអាចឃើញ ផ្ទៃដីមួយចំនួនធំបានផ្លាស់ប្ដូរពីព្រៃឈើទៅជាដីទំនេរក្នុងរយៈពេល ៦ ឆ្នាំនេះ ជាពិសេសនៅជិតឆ្នេរ។ នេះជាឧទាហរណ៍ជាក់ស្ដែងមួយ ដែលបង្ហាញពីថាមពលនៃការវិភាគរូបភាពផ្កាយរណប សម្រាប់តាមដានការផ្លាស់ប្ដូរនៅកម្ពុជា។
ករណីសិក្សាទី២៖ អានរបាយការណ៍ការផ្លាស់ប្ដូរ LULC ដោយប្រុងប្រយ័ត្ន¶
ឧបករណ៍ស្វ័យប្រវត្តិសព្វថ្ងៃ អាចបង្កើតរបាយការណ៍ការផ្លាស់ប្ដូរគម្របដីពេញលេញក្នុងរយៈពេលប៉ុន្មាននាទី៖ ផែនទី តារាងផ្លាស់ប្ដូរ ដ្យាក្រាម Sankey និងភាពត្រឹមត្រូវ។ ជំនាញដែលសំខាន់ជាងការចុចប៊ូតុង គឺ អានរបាយការណ៍នោះឱ្យបានត្រឹមត្រូវ។ របាយការណ៍ខាងក្រោម បង្កើតដោយកម្មវិធីជំនួយ GEE LULC Toolkit សម្រាប់ QGIS របស់អ្នកនិពន្ធ សម្រាប់តំបន់អូរចារ ក្រុងបាត់ដំបង (១ ០២០ ហ.ត) រវាងឆ្នាំ ២០២១ និង ២០២៥។
អ្វីដែលរបាយការណ៍នេះធ្វើបានល្អ៖
- ម៉ូដែលតែមួយសម្រាប់ទាំងពីរឆ្នាំ៖ Random Forest បណ្ដុះបណ្ដាលម្ដងលើស្លាកឆ្នាំ ២០២១ ហើយអនុវត្តលើរូបភាពទាំងពីរឆ្នាំ។ ក្រឡាមួយប្ដូរថ្នាក់ ព្រោះរូបភាពប្ដូរ មិនមែនព្រោះម៉ូដែលពីរខុសគ្នាទេ។
- ការផ្ទៀងផ្ទាត់តាមប្លុកលំហ (spatial cross-validation)៖ ប្លុក ២ គម គូសម្រាប់បណ្ដុះបណ្ដាល សេសសម្រាប់ផ្ទៀងផ្ទាត់ ដូច្នេះគំរូផ្ទៀងផ្ទាត់មិននៅជាប់គំរូបណ្ដុះបណ្ដាល (មេរៀនទី១៣)។
- តារាងផ្លាស់ប្ដូរ ប្រភពទិន្នន័យ ប៉ារ៉ាម៉ែត្រ និង CRS ត្រូវបានរាយការណ៍គ្រប់គ្រាន់ ដើម្បីឱ្យអ្នកផ្សេងធ្វើម្ដងទៀតបាន។
- ប្រាប់ដែនកំណត់ដោយស្មោះត្រង់៖ ភាពត្រឹមត្រូវគឺការស៊ីគ្នាជាមួយ WorldCover មិនមែនការផ្ទៀងផ្ទាត់នៅទីវាលទេ។
សំណួរប្រាំដែលត្រូវសួរ មុនជឿតួលេខ៖
- ការផ្លាស់ប្ដូរធំជាងកំហុសទេ? ផែនទីនីមួយៗត្រឹមត្រូវ ៦៩,៦% (Kappa ០,៤៨) ប៉ុន្តែរបាយការណ៍ថា ២៩,៨% នៃតំបន់ប្ដូរថ្នាក់ក្នុង ៤ ឆ្នាំ។ បើកំហុសនៃពីរឆ្នាំឯករាជ្យគ្នា ក្រឡាដែលមិនប្ដូរពិត មានឱកាសត្រឹម ០,៦៩៦ × ០,៦៩៦ ≈ ៤៨% ដែលត្រូវបានចាត់ថ្នាក់ត្រឹមត្រូវទាំងពីរដង។ កំហុសតែម្យ៉ាងអាចបង្កើត «ការផ្លាស់ប្ដូរ» ភាគច្រើនដែលឃើញ។
- ការផ្លាស់ប្ដូរសុទ្ធ ឬប្ដូរកន្លែង? ក្នុងចំណោម ៣០៥ ហ.ត ដែលប្ដូរ មានតែ ៩១ ហ.ត ជា ការផ្លាស់ប្ដូរសុទ្ធ (net change)។ ២១៤ ហ.ត (៧០%) ជា ការប្ដូរកន្លែង (swap)៖ ថ្នាក់មួយបាត់នៅកន្លែងខ្លះ ហើយកើតនៅកន្លែងផ្សេង ភាគច្រើនរវាងវាលស្មៅ ដីដាំដុះ និងរុក្ខជាតិ ដែលម៉ូដែលច្រឡំគ្នាច្រើនបំផុត (Pontius, 2004)។
- ការផ្លាស់ប្ដូរនីមួយៗសមហេតុផលទេ? «សំណង់ → រុក្ខជាតិ» ៣១ ហ.ត និងសំណង់ថយ ១៤ ហ.ត នៅជាយក្រុងដែលកំពុងរីក គឺកម្រកើតឡើងណាស់។ ត្រូវមើលរូបភាពពណ៌ពិតនៃក្រឡាទាំងនោះ មុនរាយការណ៍។
- ភាពត្រឹមត្រូវតាមថ្នាក់និយាយអ្វី? ទឹកមាន Producer's ១០០% ប៉ុន្តែ User's ត្រឹម ១១%៖ ក្រឡាភាគច្រើនដែលហៅថា «ទឹក» មិនមែនទឹកទេ។ ដីសើមគ្មានក្នុងតំបន់ ហើយវាលស្មៅមាន User's ៤១%។ ថ្នាក់បែបនេះគួរបញ្ចូលគ្នា ឬដកចេញ។
- ផ្ទៃត្រូវបានរាប់ ឬប៉ាន់ស្មាន? ផ្ទៃក្នុងរបាយការណ៍ ជាការរាប់ក្រឡា (pixel counting)។ ការប៉ាន់ផ្ទៃត្រឹមត្រូវ ត្រូវប្រើ គំរូយោងឯករាជ្យតាមស្រទាប់ (stratified reference sample) ជាពិសេសលើក្រឡាដែលប្ដូរ ហើយរាយការណ៍ផ្ទៃជាមួយ ចន្លោះទំនុកចិត្ត (Olofsson et al., 2014 · មើលមេរៀនទី១៣ §១៣.៣.៧)។
សាកល្បង
- ក្នុងផ្ទាំង តារាងផ្លាស់ប្ដូរ ចុចលើ «សំណង់»។ សំណង់ឆ្នាំ ២០២១ ទៅណាខ្លះ? ការផ្លាស់ប្ដូរណាដែលអ្នកមិនជឿ ហើយហេតុអ្វី?
- ក្នុងផ្ទាំង កំហុសកកកុញ ដាក់ភាពត្រឹមត្រូវ ៧០% ទាំងពីរឆ្នាំ។ ត្រូវការភាពត្រឹមត្រូវប៉ុន្មាន ទើបការផ្លាស់ប្ដូរ ២៩,៨% ធំជាងកំហុសដែលអាចកើតឱ្យច្បាស់?
- សរសេរប្រយោគរាយការណ៍ពីរ៖ មួយដែលបំផ្លើស និងមួយដែលស្មោះត្រង់ សម្រាប់ «រុក្ខជាតិកើនឡើង ៩១ ហ.ត»។
កែលម្អការវិភាគនេះ
បញ្ចូលថ្នាក់ដែលច្រឡំគ្នា (ឧ. ទឹក សំណង់ ដើមឈើ និង «ដីដាំដុះ/ស្មៅ») · ប្រើតម្រងភាគច្រើន (majority filter) ឬផ្ទៃអប្បបរមា ដើម្បីកាត់ salt-and-pepper · ប្រមូលគំរូយោងឯករាជ្យលើស្រទាប់ «ប្ដូរ» និង «មិនប្ដូរ» ពីរូបភាពច្បាស់ ឬទីវាល · ប្រើស៊េរីពេលវេលាប្រចាំឆ្នាំ ដើម្បីបំបែកការផ្លាស់ប្ដូរពិត ពីភាពប្រែប្រួលរដូវ។ ការអនុវត្តក្នុង Earth Engine មាននៅមេរៀនទី៦ សៀវភៅទី៤។
១៤.៥. សកម្មភាពអនុវត្ត¶
លំហាត់នេះស្ថិតក្នុងសៀវភៅអនុវត្ត
ការអនុវត្តលើ QGIS សម្រាប់មេរៀននេះស្ថិតក្នុង លំហាត់ទី១៤។
និស្សិតធ្វើលំហាត់នេះ ដោយខ្លួនឯង នៅក្រៅម៉ោងរៀន។
១៤.៦. ការយល់ច្រឡំដែលត្រូវប្រុងប្រយ័ត្ន¶
១. «ការធ្លាក់ចុះ NDVI តែងមានន័យថាកាប់ព្រៃ» វាក៏អាចមកពីរដូវ គ្រោះរាំង ជំងឺដំណាំ ឬភ្លើងឆេះ។ ត្រូវផ្ទៀងផ្ទាត់ដោយបន្សំពណ៌ពិត ឬទីវាល។
២. «វិធីទាំងពីរតែងផ្ដល់លទ្ធផលដូចគ្នា» ភាពស្របគ្នាបង្កើនទំនុកចិត្ត ប៉ុន្តែមិនតែងតែកើតឡើងទេ។ ភាពខុសគ្នារវាងវិធីទាំងពីរ ជាសញ្ញាថាត្រូវស៊ើបអង្កេតបន្ថែម។
៣. «កម្រិតកំណត់តែមួយសមស្របគ្រប់តំបន់» ភូមិសាស្ត្រ និងប្រភេទព្រៃខុសគ្នា អាចត្រូវការកម្រិតកំណត់ខុសគ្នា។
៤. «ចំណុចពីរគ្រប់គ្រាន់ដើម្បីយល់ដំណើរការផ្លាស់ប្ដូរ» ចំណុចពីរប្រាប់តែថាតើវាផ្លាស់ប្ដូររវាងចំណុចទាំងពីរ មិនប្រាប់ពីរបៀប ឬពេលណាទេ។ ត្រូវការស៊េរីពេលវេលា។
៥. «ស៊េរីពេលវេលាត្រូវការតែ Google Earth Engine ទេ» QGIS អាចវិភាគស៊េរីពេលវេលាលើតំបន់តូច ប៉ុន្តែ GEE ប្រសើរជាងសម្រាប់ទ្រង់ទ្រាយធំ។
៦. «របាយការណ៍ស្វ័យប្រវត្តិ ផ្ដល់ផ្ទៃផ្លាស់ប្ដូរពិត» ផ្ទៃពីការរាប់ក្រឡា រួមបញ្ចូលកំហុសចាត់ថ្នាក់ទាំងពីរឆ្នាំ។ បើភាពត្រឹមត្រូវប្រហែល ៧០% ការផ្លាស់ប្ដូរភាគច្រើនអាចជាកំហុស។ ត្រូវពិនិត្យ swap ធៀបនឹង net និងផ្ទៀងផ្ទាត់ដោយគំរូឯករាជ្យ។
១៤.៧. សេចក្ដីសង្ខេបមេរៀន¶
ការប្រៀបធៀបរូបភាពពហុកាលបរិច្ឆេទ ទាមទារលក្ខខណ្ឌជាមុន៖ កម្រិតកែតម្រូវដូចគ្នា ការចុះឈូងគ្នាល្អ រដូវប្រហាក់ប្រហែលគ្នា និងឧបករណ៍ចាប់ស៊ីគ្នា។ Image Differencing សាមញ្ញ ប៉ុន្តែត្រូវការកម្រិតកំណត់។ Post-classification Comparison ផ្ដល់តារាងផ្លាស់ប្ដូរលម្អិត ប៉ុន្តែសន្សំកំហុសនៃការចាត់ថ្នាក់ទាំងពីរ។
ស៊េរីពេលវេលាបង្ហាញទិសដៅ ដែលអនុញ្ញាតឱ្យរកកាលបរិច្ឆេទដំណាំ និងភាពមិនប្រក្រតី។ ពេលអានរបាយការណ៍ការផ្លាស់ប្ដូរ ត្រូវប្រៀបធៀបទំហំការផ្លាស់ប្ដូរជាមួយភាពត្រឹមត្រូវ បំបែក net ពី swap និងពិនិត្យការផ្លាស់ប្ដូរដែលមិនសមហេតុផល។ របាយការណ៍ការផ្លាស់ប្ដូរដែលទទួលខុសត្រូវ ត្រូវរាយវិធីសាស្ត្រ កម្រិតកំណត់ និងកម្រិតទំនុកចិត្តជានិច្ច។
គំនិតស្នូលនៃមេរៀន
ការផ្លាស់ប្ដូរដែលអ្នកឃើញលើផែនទី ត្រូវតែជាការផ្លាស់ប្ដូរនៃផ្ទៃដី មិនមែនការផ្លាស់ប្ដូរនៃលក្ខខណ្ឌថតរូបភាពទេ។ ការត្រួតពិនិត្យតម្រូវការជាមុន គឺជំហានដែលមិនអាចរំលងបាន។
១៤.៨. ពាក្យគន្លឹះខ្មែរ–អង់គ្លេស¶
| ពាក្យខ្មែរ | ពាក្យអង់គ្លេស | អត្ថន័យខ្លី |
|---|---|---|
| ការរកការផ្លាស់ប្ដូរ | Change detection | រកភាពខុសគ្នារវាងកាលបរិច្ឆេទ |
| ការចុះឈូងគ្នា | Co-registration | ក្រឡាតំណាងទីតាំងដូចគ្នា |
| Image Differencing | Image Differencing | ដកសន្ទស្សន៍រវាងកាលបរិច្ឆេទ |
| កម្រិតកំណត់ | Threshold | តម្លៃកំណត់ថាមានការផ្លាស់ប្ដូរ |
| Post-classification Comparison | Post-classification Comparison | ប្រៀបធៀបផែនទីចាត់ថ្នាក់ពីរ |
| តារាងផ្លាស់ប្ដូរ | Transition matrix | តារាងពី→ទៅរវាងថ្នាក់ |
| ការផ្លាស់ប្ដូរសរុប | Gross change | ផ្ទៃទាំងអស់ដែលប្ដូរថ្នាក់ |
| ការផ្លាស់ប្ដូរសុទ្ធ | Net change | ទទួលបានដកបាត់ របស់ថ្នាក់មួយ |
| ការប្ដូរកន្លែង | Swap change | បាត់កន្លែងមួយ កើតកន្លែងផ្សេង |
| ផ្ទៃកែតម្រូវកំហុស | Error-adjusted area | ផ្ទៃប៉ាន់ពីគំរូយោង និងចន្លោះទំនុកចិត្ត |
| ស៊េរីពេលវេលា | Time series | រូបភាពច្រើនចំណុចតាមពេលវេលា |
| ដេរិកកម្ម | Phenology | ដំណើររីកលូតលាស់តាមរដូវ |
| ការរកភាពមិនប្រក្រតី | Anomaly detection | ប្រៀបធៀបជាមួយមធ្យមប្រវត្តិសាស្ត្រ |
១៤.៩. សំណួររំលឹក និងវាយតម្លៃ¶
ក. សំណួរយល់ដឹង¶
- រាយលក្ខខណ្ឌជាមុនចំនួនប្រាំ សម្រាប់ការប្រៀបធៀបរូបភាពពហុកាលបរិច្ឆេទ។
- ប្រៀបធៀប Image Differencing និង Post-classification Comparison តាមលក្ខណៈវិនិច្ឆ័យពីរ។
- ហេតុអ្វីកម្រិតកំណត់មិនអាចជាតម្លៃដាច់ខាតតែមួយសម្រាប់គ្រប់ករណី?
- ស៊េរីពេលវេលាផ្ដល់ព័ត៌មានអ្វីខ្លះដែលចំណុចពីរមិនអាចផ្ដល់?
- ហេតុអ្វីកំហុសកកកុញកើតឡើងក្នុងវិធីការចាត់ថ្នាក់ក្រោយពីរដង?
ខ. សំណួរអនុវត្តគោលគំនិត¶
- អ្នកមានរូបភាពខែមេសា ២០២០ និងខែតុលា ២០២៤។ ស្នើហានិភ័យ និងវិធីកាត់បន្ថយ មុននឹងវិភាគការផ្លាស់ប្ដូរ។
- ការវិភាគមួយបង្ហាញ ΔNDVI អវិជ្ជមាននៅតំបន់ធំមួយ ដែលដឹងថាជាស្រែ។ ស្នើពន្យល់ជំនួសការកាប់ព្រៃ។
- ស្នើវិធីសាស្ត្រពេញលេញ (ជំហានៗ) សម្រាប់ធ្វើផែនទីការបាត់បង់ព្រៃឈើលើខេត្តមួយ រវាងឆ្នាំពីរ។
- ហេតុអ្វីការវិភាគស៊េរីពេលវេលាមានប្រយោជន៍ជាងចំណុចពីរ សម្រាប់កំណត់កាលបរិច្ឆេទស្ទូងស្រូវ?
- ការចាត់ថ្នាក់ពីរដងមាន OA ៨៥% និង ៨២%។ ស្នើថាហេតុអ្វីភាពត្រឹមត្រូវនៃផែនទីផ្លាស់ប្ដូរអាចទាបជាងទាំងពីរនេះ។
គ. កិច្ចការខ្លី¶
ក្នុងពិសោធន៍ Image Differencing ចូរសាកល្បងកម្រិតកំណត់ចាប់ពី ០,០៥ ដល់ ០,៥ (ជំហាន ០,០៥)។ កត់ត្រាផ្ទៃដែលរកឃើញនៅកម្រិតនីមួយៗ ហើយគូសក្រាបទំនាក់ទំនង។ សរសេរអនុសាសន៍៖ កម្រិតកំណត់ណាដែលអ្នកនឹងប្រើ ហើយហេតុអ្វី។
កំណត់សម្គាល់សម្រាប់គ្រូបង្រៀន¶
ក. ការបែងចែកពេលវេលា ១៨០ នាទី¶
| សកម្មភាព | ពេលវេលា |
|---|---|
| ស្ថានភាពបើកមេរៀន៖ ព្រៃឈើបាត់ទៅណា | ១៥ នាទី |
| តម្រូវការជាមុន | ២៥ នាទី |
| Image Differencing · ពិសោធន៍ | ៣៥ នាទី |
| Post-classification Comparison | ២៥ នាទី |
| ស៊េរីពេលវេលា · ពិសោធន៍ | ៣៥ នាទី |
| ប្រភពកំហុស · ឧទាហរណ៍ | ៣៥ នាទី |
| សង្ខេប | ១០ នាទី |
| សរុប | ១៨០ នាទី / ៣ ម៉ោង |
ខ. ការភ្ជាប់ទៅមេរៀនបន្ទាប់¶
យើងបានធ្វើផែនទីស្ថានភាព និងការផ្លាស់ប្ដូរ ដោយប្រើរូបភាពអុបទិក។ ប៉ុន្តែអ្វីកើតឡើងនៅរដូវវស្សា ពេលពពកបាំងផែនដីរាប់សប្ដាហ៍ជាប់ៗគ្នា? ចូរបញ្ចប់ដោយសួរ៖
«តើមានឧបករណ៍អ្វីដែលអាចមើលទម្លុះពពកបាន?»
សំណួរនេះនាំទៅ មេរៀនទី១៥៖ រ៉ាដា SAR និងគម្រោងបញ្ចប់វគ្គ ដែលជាមេរៀនចុងក្រោយនៃសៀវភៅនេះ។