ပကတိမြေပြင် အမြင့်ပြပုံစံ – Fathom’s Bare Earth DEM (FABDEM)

ပုံ – Hillshaded DEMs: SRTM (ဘယ်)၊ FABDEM (ညာ)

မူရင်းဆောင်းပါး – FABDEM

ပကတိ မြေပြင် – bare earth’ အားမြေပုံရေးဆွဲခြင်း

FABDEM ကိုစတင်ဆောင်ရွက်ရန်အတွက် Bristol အခြေစိုက် ရေကြီးမှု၊ ရေလွှမ်းမိုးမှုတို့အား တွက်ချက်သော modelling ကုမ္ပဏီ Fathom သည် Bristol တက္ကသိုလ် ၏  FloodLab နှင့် အတူတကွ စတင်လုပ်ဆောင်ခဲ့ကြသည်။ FABDEM သည် သစ်တောများနှင့် အဆောက်အအုံများကို ဖယ်ရှားထားသည့် 30 Meter Resolution တွင် ပထမဆုံး ကမ္ဘာလုံးဆိုင်ရာ ဒစ်ဂျစ်တယ်အမြင့်ပြပုံစံ Digital Elevation Model (DEM) ဖြစ်သည်။

ကနဦးတွင် ရေလွှမ်းမိုးမှု modelling၊ မြေပြိုမှု modelling နှင့် တည်နေရာခွဲခြမ်းစိတ်ဖြာမှုအတွက် ပိုမိုတိကျပြီး အသေးစိတ်ကျသော အချက်အလက်များကို ဖန်တီးရန်အတွက် ဒီဇိုင်းထုတ်ထားခဲ့ကြသော်လည်း FABDEM ကို အသုံးပြုနိုင်သည့်  GIS အသုံးချမှုများသည်  ပထမထင်ထားခဲ့သည်ထက် ပိုမိုကျယ်ပြန့်ကြောင်း သက်သေပြလျက် ရှိသည်။ “ဒေတာရှားပါသည့် ဒေသများ- data-scarce areas” ရှိ သယ်ယူပိုဆောင်ရေးလမ်းကြောင်းများ၊ တယ်လီကွန်းများနှင့် စွမ်းအင်အခြေခံအဆောက်အအုံများကဲ့သို့သော ရှည်လျားသည့် အရာများအား ပြင်ဆင် စီစဉ်ဆောင်ရွက်ခြင်းမှသည် သစ်တောနှင့် စိုက်ပျိုးရေးစီမံကိန်းများ၊ ပျံသန်းမှု သရုပ်ဖော်ဖန်တီးခြင်းနှင့် ကွန်ပြူတာဂိမ်းတို့အတွက် ပတ်ဝန်းကျင်အတု ဖန်တီးခြင်းတို့အထိ များစွာသော လုပ်ငန်းနယ်ပယ်များတွင် FABDEM ၏ အလားအလာရှိသော အသုံးချခြင်းများ  ပျံ့နှံ့လျက်ရှိသည်။

အခြေခံအားဖြင့် FABDEM သည် အင်ဂျင်နီယာများနှင့် GIS ကျွမ်းကျင်သူများအတွက် မည်သည့် စီမံကိန်းများအတွက်မဆို မြေပုံရေးဆွဲရေးနှင့် ပုံစံတူမော်ဒယ်ပြုလုပ်ပေးနိုင်သည့် စွမ်းဆောင်ရည်ကို ပံ့ပိုးပေးသည်။ အင်ဂျင်နီယာများသည် FABDEM ကိုအသုံးပြုခြင်းဖြင့် ကနဦး အဝေးမှနေ၍ ကွင်းဆင်း လေ့လာခြင်းများ ဆောင်ရွက်နိုင်ပြီး စီမံကိန်းနေရာရွေးချယ်မှုပြုလုပ်ရန် လမ်းညွှန်မှုများလည်း ပြုလုပ်နိုင်သည်။ ကိုယ်တိုင်သွားရောက် ကွင်းဆင်းလေ့လာခြင်းများမပြုလုပ်မီ ယုံကြည်စိတ်ချရသော ဒေတာရင်းမြစ်များ ပေးနိုင်ခြင်းသည် အကြီးစား စီမံကိန်းများ၏ ကနဦးအဆင့်များတွင် ဆိုဒ်ထဲသို့ ကြိမ်ဖန်များစွာသွားရောက်ရခြင်းကို လျှော့ချပေးပြီး အချိန်နှင့် ကုန်ကျစရိတ် ၂မျိုးလုံးအတွက် သိသာထင်ရှားသောအကျိုးကျေးဇူးများကို ရရှိစေသည်။

ဒစ်ဂျစ်တယ်အမြင့်ပြပုံစံ (Digital Elevation Models – DEMs) အသုံးပြုသူ လမ်းညွှန်

ရိုးရှင်းသော ဒစ်ဂျစ်တယ်မြေပြင်အမြင့်ပြပုံစံ- Digital Elevation Models (DEMs) သည် သတ်မှတ်ထားသော ရည်ညွှန်းမျက်နှာပြင် အထက်ရှိ  မြေမျက်နှာပြင်အမြင့်များအား ဖော်ပြခြင်းဖြစ်သည် ။ များသောအားဖြင့် အစိတ်အကျဲတူ ဂရစ်များဖြင့် ကိုယ်စားပြုဖော်ပြသည်။  ဂြိုလ်တုတိုင်းတာချက်များအပေါ် အခြေခံသည့် အသေးစိတ်ပြတ်သားမှု 1-arc-second (ခန့်မှန်းခြေအားဖြင့် ၃၀ မီတာ) ရှိသည့် အခမဲ့ global DEMs များရှိပါသည် ။

ပြဿနာမှာ global DEMs များသည် ကြီးမားသော အမှားများ ပါနေလေ့ရှိသည် – ကမ္ဘာ့မြေမျက်နှာပြင်အထက်ရှိ အခြားအလွှာများကို ကိုယ်စားပြုသော အမြင့်များ (ဥပမာ- အပင်များ သို့မဟုတ် အဆောက်အအုံများ) မကြာခဏဆိုသလိုပါဝင်နေလေ့ရှိသည်။ အမှန်တကယ်တွင် အသုံးချနယ်ပယ်များစွာအတွက်လိုအပ်သည်မှာ အပင်များ၊ အဆောက်အအုံများအောက်ရှိ ‘ပကတိ မြေပြင် – bare earth အမြင့်တန်ဖိုးများဖြစ်သည်။

၂၀၂၀ ခုနှစ်တွင် ဖြန့်ချီခဲ့သော Copernicus DEM GLO-30 ကို ကမ္ဘာတစ်ဝှမ်းအတွက် အခမဲ့ရယူနိုင်ပါသည်။ ၎င်းသည် 30m Resolution အမျိုးအစားဖြစ်သည်။ ယခင်ကမ္ဘာလွှမ်းခြုံ DEMs များနှင့် နှိုင်းယှဉ်ပါက ပို၍အသစ်ဖြစ်ပြီး ပို၍တိကျသည်။ ထို့ကြောင့် ၎င်းအား global DEMs များ၏ ရွှေရောင်စံနှုံး gold standard ဖြစ်လာသင့်သည်ဟု အကြံပြုခဲ့ကြသည်။

Fathom နှင့် Bristol တက္ကသိုလ်တို့တွင် ထို gold standard မော်ဒယ်ကို အသုံးပြုပြီး အပင်များနှင့် အဆောက်အအုံများဖယ်ရှားထားသည့် မြေမျက်နှာသွင်ပြင်အမှန်ကိုကိုယ်စားပြုသည့် DEM တစ်ခုကိုဖန်တီးခဲ့ပါသည်။ FABDEM ကို Copernicus DEM ၏ ‘ပကတိ မြေပြင် – bare earth’ ဗားရှင်းတစ်ခုအဖြစ် ဖန်တီးခဲ့သည်။ FAB အရှည်မှာ Forests and Buildings Removed သစ်တောများနှင့် အဆောက်အအုံများ ဖယ်ရှားထားသည်ဟုဆိုလိုသည်။

FABDEM ဆိုတာ ဘာလဲ

FABDEM ကို စတင်ဖန်တီးစဉ်က ကမ္ဘာတစ်ဝှမ်းတွင် ရေလွှမ်းမိုးမှု modelling မော်ဒယ်များကိုစွမ်းဆောင်ရည် မြှင့်တင်ရန်အတွက် ရည်ရွယ်ခဲ့ပါသည်။ ရေကြီးခြင်းကဲ့သို့သော သဘာဝအန္တရာယ်များကို ပုံစံတုဖန်တီးရာတွင် မြေပြင်အမြင့်ကဲ့သို့အချက်အလက်များ၏ သက်ရောက်မှုမှာ ကြီးမားသည့်အတွက် မြေမျက်နှာပြင်ပေါ်ရှိ အရာဝတ္ထုများကို ဖယ်ရှားထားသည့် dataset သည်အသင့်တော်ဆုံးဖြစ်သည်။

သို့သော်လည်း ဖြန့်ချီပြီးချိန်ကစပြီး အမျိုးမျိုးသောလုပ်ငန်းများစွာမှ စိတ်ဝင်စားမှုမျိုးစုံကိုရရှိခဲ့သည်။ FABDEM လွန်စွာ အသုံးဝင်သည့် အခြားသောအသုံးချကိစ္စများအကြောင်း တင်ပြချက်များကိုလည်းလက်ခံရရှိခဲ့ပါသည်။

ဆက်သွယ်စုံစမ်းမေးမြန်းချက်များတွင် ရေဘေးအန္တရာယ်များအပြင် တိရစ္ဆာန်ရွှေ့ပြောင်းမှုနှင့် ကပ်ရောဂါဆိုင်ရာ မော်ဒယ်လ်များမှအစ၊ ဂိမ်းနှင့် အာကာသဆိုင်ရာ 3D သရုပ်ဖော်မှုများအထိ ပါဝင်သည်။ FABDEM ကို အသုံးချနိုင်သည့် အထွေထွေအသုံးပြုမှုများကို သိရှိထားသော်လည်း ၎င်း၏ဒေတာများကို အသုံးချနိုင်သည့် နယ်ပယ်များစွာရှိသည်ကို စိတ်ဝင်စားဖွယ်သိရှိရပါသည်။ နောက်ဆုံးတွင် ကမ္ဘာ့မြေမျက်နှာပြင် 3D ပုံစံတစ်ခုလိုအပ်သော မည်သည့်ကိစ္စမဆို FABDEM ကိုအသုံးပြုနိုင်ပါသည်။ ယနေ့အထိ တွေ့ရှိခဲ့သမျှ စိတ်ဝင်စားစရာအကောင်းဆုံး အသုံးပြုမှုကိစ္စရပ်မှာ လူသားချင်းစာနာထောက်ထားမှု အကူအညီနှင့် တုံ့ပြန်မှုတို့တွင် မြေမျက်နှာပြင်အချက်အလက်များကို အသုံးချခြင်းပင်ဖြစ်သည်။ အထောက်အပံ့များ သယ်ယူပို့ဆောင်ရေးနှင့်ကယ်ဆယ်ရေးဆိုင်ရာ မြေပုံရေးဆွဲခြင်းကဲ့သို့သော လုပ်ဆောင်ချက်များတွင် DEMsများကို အသုံးပြုခြင်းဖြင့် ပိုမိုထိရောက်စွာ လုပ်ဆောင်နိုင်မည်ဖြစ်ပါသည်။

FABDEM အား အခြားသော ဒစ်ဂျစ်တယ်အမြင့်ပြပုံစံများနှင့် နှိုင်းယှဉ်ခြင်း

FABDEM နှင့်ပတ်သက်၍ ထုတ်ဝေဖော်ပြထားသော ဤစာတမ်း ၏ အရေးကြီးသောအပိုင်းမှာ LiDAR နှင့်ယှဉ်၍ အရည်အသွေးကိုစစ်ဆေးအတည်ပြုထားခြင်းနှင့်  အခြားသော global DEMs များ နှင့်နှိုင်းယှဉ်ပြခြင်းတို့ပဲ ဖြစ်ပါသည်။ ပထမဦးစွာ dataset အား Copernicus DEM နှင့်ယှဉ်၍ နှိုင်းယှဉ်ပြထားပါသည်။ FABDEM တွင် သစ်တောများနှင့် အဆောက်အအုံများမှ လူတို့ပြုလုပ်ထားသော အရာဝတ္ထုအမြင့်များကို ဖယ်ရှားခြင်း သို့မဟုတ် အတော်များများလျှော့ချထားကြောင်းကို မြင်တွေ့ရမည်ဖြစ်သည်။

MERIT DEM နှင့်လည်း နှိုင်းယှဉ်ပြထားပါသည်။ သစ်တောများ၏အမြင့်များနှင့် အခြားသောအမှားများကို ဖယ်ရှားသည့် တစ်ခုတည်းသော global DEMဖြစ်သည့် MERIT DEMသည် FABDEMနှင့် သဘောတရားအရ အနီးစပ်ဆုံးဖြစ်သည်။ MERIT နှင့်ယှဉ်၍ နှိုင်းယှဉ်ကြည့်ချက်အရ ရည်ညွှန်းဒေတာများနှင့် နှိုင်းယှဉ်ပါက အမှားအယွင်းနည်းပါးသည်ကို တွေ့ရှိရပြီး တည်နေရာဆိုင်ရာစစ်ဆေးခြင်းတွင် FABDEM ရှိ landscape တွင် အရာဝတ္ထုများအား ပိုမိုရှင်းလင်းပြတ်သားသော ကိုယ်စားပြုမှုများကို မြင်သာစေသည်။

လက်ရှိ global DEMs များသည် LiDAR တိုင်းတာချက်များထက် အဆများစွာ ကြမ်းသော တိုင်းတာချက်များ အပေါ် အခြေခံထားကြောင်း သတိပြုရန် အရေးကြီးပါသည်။ ထို့ကြောင့် FABDEM သည် LiDAR မှ ထုတ်လုပ်သည့် local DEMs များနှင့် ယှဉ်ပြိုင်ရန်အတွက် ဒီဇိုင်းထုတ်ထား‌သော အရာတစ်ခုမဟုတ်ပါ။ သို့သော်လည်း အရည်အသွေးမြင့် local DEMs များသည် ကမ္ဘာတစ်ဝှမ်း၏ 1% အောက်သာ လွှမ်းခြုံထားနိုင်သောကြောင့် ကျန်ကမ္ဘာ့တစ်ဝှမ်းလုံးအတွက် global DEMs များအား အဆင့်မြှင့်တင်ရန် အရေးတကြီး လိုအပ်နေပါသည်။

DEM တည်ဆောက်မှုတွင် ပါဝင် သည့် Machine learning အပိုင်း

FABDEM ကို ဖန်တီးရန်အတွက် DEM ရှိ စိုက်ခင်းနှင့်အဆောက်အအုံများ၏ မြေပြင်မှ အမြင့်များကို ခန့်မှန်းရန်အတွက် machine learning နည်းလမ်းများကို အသုံးပြုခဲ့ကြသည်။ ထို့နောက် Copernicus DEM အမြင့်များမှ အဆိုပါခန့်မှန်း အမြင့်များကို  နုတ်ခဲ့သည်။ Machine learning algorithm တွင် အဓိကထည့်ရသော ဒေတာ ၂ ခုမှာ အရည်အသွေးမြင့်သည့် မြေပြင်အမြင့်ရည်ညွှန်းဒေတာနှင့် စိုက်ခင်းများနှင့်အဆောက်အအုံများ၏အမြင့်ကို ခန့်မှန်းရန် အသုံးပြုနိုင်သော ကြိုတင်ခန့်မှန်း datasets (predictor datasets) တို့ဖြစ်သည်။

ရည်ညွှန်းဒေတာ

Global DEMs များအပြင် နေရာများစွာတွင် ပိုမိုကြည်လင်ပြတ်သားသော local DEMs များ ရှိပါသည် – ဥပမာ လေယာဉ်တင် LiDAR မှထုတ်လုပ်ထားသည့် DEM။ အဆိုပါ LiDAR DEMs များသည် လွန်စွာတိကျပြီး ပြင်ညီ ပြတ်သားမှုအား စင်တီမီတာအတိုင်းအတာထိ ပေးနိုင်သည်။

FABDEM တွင် စိုက်ခင်းများနှင့် အဆောက်အအုံများအား ဖယ်ရှားခြင်းကို machine learning algorithm အား လေ့ကျင့်ပေးရန် နိုင်ငံ ၁၂ နိုင်ငံမှ local DEMs များကို အသုံးပြုခဲ့သည်။ နေရာအနည်းငယ်မှဒေတာကိုအသုံးပြုပြီး model ကို လေ့ကျင့်ပေးပါက ယင်းနေရာများအတွက်သာ အဖြေမှန်နေပြီးဖြစ်ပြီးအခြားနေရာ ဒေသများအတွက် အသုံးမကျမည့် ရလာဒ်များသာထွက်စေသည့်အတွက် မတူညီသော နေရာ ဒေသအသီးသီးမှ ဒေတာများကို လေ့ကျင့်ရာတွင် အသုံးပြုရန် အရေးကြီးပါသည်။

ကြိုတင်ခန့်မှန်းဒေတာ

machine-learning algorithm တွင် Predictor datasets များကို အသုံးပြုပြီး ၎င်း predictor datasets များနှင့် ရလာဒ်တန်ဖိုးများ(အပင်နှင့်အဆောက်အဦးအမြင့်များ)ကြား ရှိ စဉ်းမျဉ်းများ သို့မဟုတ် ဆက်သွယ်ချက်များအား တည်ဆောက်သည်။

သစ်တောများနှင့် အဆောက်အအုံများအကြား ကြိုတင်ခန့်မှန်း datasets များသည် ကွဲပြားနေသောအခါ အဆိုပါကိစ္စရပ်တစ်ခုစီအတွက် သီးခြား machine learning မော်ဒယ်များကို အသုံးပြုခဲ့သည်။ ဥပမာအားဖြင့် – သစ်တောများဖယ်ရှားမှုအတွက် သစ်တောအမြင့်ဒေတာ [https://glad.umd.edu/dataset/gedi] နှင့် ရွက်အုပ်ဖုံလွှမ်းမှု datasets (Canopy Cover datasets) များကို အဓိကကြိုတင်ခန့်မှန်းအချက်များအဖြစ် အသုံးပြုခဲ့သည်။

သို့သော် မြို့ပြဧရိယာများကိုဖယ်ရှားမှုလုပ်ရာတွင် အဆောက်အအုံ၏မြေညီထပ်တွင်ရှိသော အရွယ်အစားနှင့်ပုံစံ (building footprints) (World Settlement Footprint [https://figshare.com/articles/dataset/World_Settlement_Footprint_WSF_2015/10048412])၊ လူဦးရေ သိပ်သည်းမှုနှင့် မြို့ပြ၏အချက်အချာကျသောနေရာများသို့ သွားရန်ကြာချိန်တို့အား အခြားသော datasets များကြားနှင့်အတူ အသုံးပြုခဲ့သည်။ ကြိုတင်ခန့်မှန်း datasets (predictor datasets) တစ်ခုချင်းစီသည် သီးခြားအနေဖြင့် အကောင်းဆုံးဟု မဆိုနိုင်သော်လည်း မတူညီသော အသုံးဝင်သည့် ဒေတာများကို ပေါင်းစပ်ပြီး machine learning algorithm မှ လက်ခံနိုင်မည့် ခန့်မှန်းချက်များကိုထုတ်ပေးနိုင်ရန် လိုအပ် သည့် အချက်အလက်များအဖြစ် ထည့်ပေးပါသည်။

FABDEM နှင့်ပတ်သက်သော နောက်ထပ်အကြောင်းအရာများ

FABDEM သည် မြောက်များစွာသော datasets များကိုတွဲစပ်အသုံးပြုပြီး ကမ္ဘာ့ပကတိမြေပြင်ကို ကိုယ်စားပြုသည့်လက်ခံနိုင်လောက်သည့် ခန့်မှန်းချက်များကိုတွက်ချက်ခဲ့သည်။ အကယ်၍ ကြီးမားသော စီမံကိန်းများအား (မတူသည့်ပုံစံအမျိုးမျိုးအဖြစ်)ပြောင်းလဲကြည့်ရာတွင် မြေမျက်နှာသွင်ပြင်၏ လွှမ်းမိုးမှုအပိုင်းကို တိတိကျကျ ခန့်မှန်း လိုပါက ‘ပကတိ မြေပြင် – bare earth’အား ကိုယ်စားပြုသည့် မော်ဒယ်တစ်ခုလိုအပ်ပါသည်။

FABDEM ၏ ပိုမိုကောင်းမွန်သော မြေပြင်သတင်း အချက်အလက်များကို အသုံးပြုခြင်းဖြင့် ရေကြီးမှု၊ရေလွှမ်းမိုးမှု မော်ဒယ်များနှင့် အင်ဂျင်နီယာလုပ်ငန်းများ၊ GIS မြေပုံရေးဆွဲခြင်းများနှင့် မြေပုံသတင်းအချက်အလက် ခွဲခြမ်းစိတ်ဖြာမှုလုပ်ငန်းများရှိ အခြားများစွာသော အသုံးချလုပ်ဆောင်မှုများ၏ တိကျမှုအဆင့်ကို မြှင့်တင်ပေးသည်။

ဒေတာထဲရှိ အဆိုပါစိတ်ဝင်စားစရာကောင်းသော အရာများအတွက် သုတေသနစာတမ်းများကို ဤနေရာတွင် အခမဲ့ ရယူနိုင်ပါသည် – သို့မဟုတ် လိုင်စင်နှင့်ပတ်သက်၍ Fathom ၏ ရွေးချယ်စရာများကို ဤနေရာတွင် လေ့လာနိုင်ပါသည်။

Hawker, L., Uhe, P., Paulo, L., Sosa, J., Savage, J., Sampson, C., & Neal, J. (2022). A 30 m global map of elevation with forests and buildings removed. Environmental Research Letters, 17(2), 024016. DOI: https://doi.org/10.1088/1748-9326/ac4d4f

စာရေးသူများအကြောင်း

Dr Peter Uhe, Senior Developer, Fathom

ဒေါက်တာ Uhe သည် ပညာရပ်ဆိုင်ရာနှင့် ရာသီဥတုဆိုင်ရာ ရေလွှမ်းမိုးမှုအန္တရာယ်တို့တွင် ဆယ်စုနှစ်တစ်ခုကျော် အတွေ့အကြုံရှိသူ တစ်ဦးဖြစ်သည်။ Oxford တက္ကသိုလ်၊ ဩစတေးလျရှိ CSIRO နှင့် Bristol တက္ကသိုလ်တို့တွင် နေရာစုံလုပ်ကိုင်ခဲ့သည်။ ယခုအခါ ဒေါက်တာ Uhe သည် Fathom တွင် နည်းပညာအဖွဲ့တွင် အလုပ်လုပ်ကိုင်လျက်ရှိပြီး ရေကြီးရေလျှံမှုပုံစံများအပေါ် ရာသီဥတုပြောင်းလဲမှု၏အကျိုးသက်ရောက်မှုကို အဖွဲ့အစည်းများ နားလည်နိုင်စေရန် ကူညီဆောင်ရွက်လျက်ရှိပါသည်။

သူ၏ Google Scholar စာတမ်းများကို ဤနေရာတွင် ရယူနိုင်ပါသည်။

Dr Laurence Hawker, Senior Research Associate, University of Bristol

ဒေါက်တာ Hawker သည် Bristol တက္ကသိုလ်၏ ပထဝီဝင်ဆိုင်ရာသိပ္ပံကျောင်းတွင် လုပ်ကိုင်လျက်ရှိပြီး ဒေတာနည်းပါးသောဒေသများနှင့် ဆက်သွယ်ဆောင်ရွက်မှုများပြုရာတွင် အန္တရာယ်ရှိသော နေရာများ၌ ရေ၏ရွှေ့လျားအားပုံစံများ တီထွင်ဖန်တီးရာတွင် အထူးပြုလုပ်ဆောင်ခဲ့သည်။ သူလုပ်ဆောင်ခဲ့သော အရာများသည် မဲခေါင် မြစ်ဝကျွန်းပေါ်ဒေသ၏ အလယ်အလတ်စကေး ရေကြီးမှု၊ရေလွှမ်းမိုးမှုမော်ဒယ်တစ်ခုအား တီထွင်မှုမှသည် FCDO အတွက် ဖြစ်ရပ်တုံ့ပြန်မှုအစီရင်ခံစာများ ရေးဆွဲခြင်းအထိ စုံလင်လှသည်။

သူ၏ Google Scholar စာတမ်းများကို ဤနေရာတွင် ရယူနိုင်ပါသည်။