Please use this identifier to cite or link to this item: http://hdl.handle.net/11455/34635
標題: 椊生指標(NDVI)應用於淹水區位曼寧粗糙係數空間配置之研究
Spatial Distribution of Manning's Roughness Coefficient Derived from Vegetation Index (NDVI) for Inundation Simulation
作者: 陳禹成
Chen, Yu-Cheng
關鍵字: Inundation simulation
淹水模擬
Flo-2D
Manning's n value
Vegetation Index
FLO-2D
曼寧粗糙係數
椊生指標
出版社: 水土保持學系所
引用: 1. 王如意、易任(1979)「應用文文學」,茂昌圖書。 2. 林昭遠、林文賜(2001)「集水區資訊系統入門」,暐帥股份有限公司。 3. 經濟部水利署水利規劃試驗所(1999),「防洪工程規劃講義」。 4. 經濟部水利署水利規劃試驗所(2004),「台中市及周邊排水淹水潛勢與預警系流建立研究-淹水潛勢建置研究報告」。 5. 經濟部水利署水利規劃試驗所(2006),「河川治理及環境營造規劃參考手冊」。 6. 經濟部水利署水利規劃試驗所(2006),「區域排水整治及環境營造規劃參考手冊」。 7. 王琪芳、許鉻熙(2000),「椊生糙度對河川流況影響之研究」,農業工程研討會論文集,P.457~464。 8. 方彥凱(2003),「常態化椊生指數標準差於土地利用分類之應用-以美濃中壇為例」,國立屏東科技大學土木工程系碩士論文。 9. 孔德懷(2005),「崩塌地特性變遷偵測之探討-以清水溪集水區之六期影像應用為例」,國立中興大學水土保持學系碩士論文。 10. 石棟鑫(2001),「台灣地區颱風雨降雨型態之分析研究」,國立中央大學土木工程研究所碩士論文。 11. 江明晃(2006),「台中市區數值地形解析度對淹水模擬結果之比較」,國立台灣大學生物環境系統工程學研究所碩士論文。 12. 宋之光(2004),「烏溪流域椊生復育評估系統與降雨逕流模式建置之研究」,國立中興大學水土保持學系碩士論文。 13. 李廣賢(2008),「利用合成單位歷線推估無流量資料集水區之出流量歷線-以台灣中部地區為例」,逢甲大學水利工程與資源保育研究所碩士論文。 14. 林昭遠、吳瑞鵬(2000),「921震災崩塌地椊生復育監測與評估」,中華水土保持學報,32(1):59~66。 15. 林文賜(2002),「集水區空間資訊萃取及坡面泥砂產量推估之研究」,國立中興大學水土保持學系博士論文。 16. 林慶昀(2004),「汐止地區土地利用變遷影響逕流空間分佈之研究」,中國文化大學地學研究所碩士論文。 17. 范世億(2006),「南投縣埔里鎮墘溪區域排水淹水潛勢分析」,第十五屆水利工程研討會,P.72~79。 18. 陳萓蓉、夏禹九(2000),「農業非點源汙染模式應用於河川保護帶配置上之探討」,中華水土保持學報,31(1):1~12。 19. 郭俊超(2003),「鹽水溪上游土地改變影響及非工程減洪方法評估」,國立成功大學水利及海洋工程研究所碩士論文。 20. 陳為宇(2003),「三角形單位歷線之修正與探討」,中原大學土木工程研究所碩士論文。 21. 陳瑞宗(2003),「結合HEC-RAS模式與GIS模擬洪災之研究-以筏子溪為例」,國立中興大學水土保持學系碩士論文。 22. 陳志鴻(2004),「應用淹水模式評估都市區雨水下水道之效能」,國立台灣大學生物環境系統工程學研究所碩士論文。 23. 陳伸安(2006),「二維水理棲地模式運用於南崁溪生態規劃之研究」,國立中央大學土木工程研究所碩士論文。 24. 黃國楨、王韻皓、焦國模(1996),「椊生指標於SPOT衛星影像之研究」,台灣林業科學,22(1):45~52。 25. 黃筱梅(2001),「SPOT衛星影像於裸露地變遷之偵測研究-以和社地區為例」,國立台灣大學森林研究所碩士論文。 26. 黃勝頂(2002),「河川近自然工法之設計及其高水分析-以台中地區筏子溪為例」,中原大學土木工程研究所碩士論文。 27. 黃志偉(2003),「平原地區排水路集水區之研究」,國立成功大學水利及海洋工程研究所碩士論文。 28. 黃麗娟(2007),「椊生指標應用於土地利用分類判釋之研究」,國立中興大學水土保持學系碩士論文。 29. 黃奕璋(2007),「極端降雨事件分散式集水區逕流模式」,國立中央大學水文科學研究所碩士論文。 30. 葉弘德、韓洪元(1990),「台北市暴雨雨型之研究」,台灣水利,38(3):36~49。 31. 蔡金諾(2006),「洪水對河道沖淤及棲地影響之研究」,國立成功大學水利及海洋工程研究所博士論文。 32. 羅偉佑(2003),「台灣北部地區集水區洪峰流量特性及其頻率分析之探討」,國立成功大學水利及海洋工程研究所碩士論文。 33. 鐘偉誠(2004),「高屏溪未量測集水區流量歷線推估之研究」,國立成功大學水利及海洋工程研究所碩士論文。 34. Chow, V.T. (1959), Open-Channel Hydraulics. 35. O’Brien, J.S. (2003), FLO-2D Users Manual. 36. Bras, R.L. and I. Rodriguez-Iturbe (1976), “Rainfall generation:a nonstationary time-varying multidimensional model”, Water Resources Research, Vol.12, NO.3, PP.450-456. 37. Burgan, R.E. and R.A. Hartford (1993), “Monitoring vegetation greenness with satellite data”, UADA Forest Service Intermountain Research Station General Technical Report INT-297. 38. Darby SE.(1999), “Effect of Riparian Vegetation on Flow Resistance and Flood Potential”, Journal of Hydraulic Engineering, ASCE, Vol.125, NO.5, PP.288-293. 39. Gareth Pender and Sylvain Neelz (2007), “Use of computer models of flood inundation to facilitate communication in flood risk management”, Environmental Hazards, Vol.7, PP.106-114. 40. Huff, F.A. (1967), “Time distribution of rainfall in heavy storms”, Water Resources Research, Vol.3, NO.4, PP.1007-1019. 41. Horritt, M.S. and P.D. Bates (2002), “Evaluation of 1D and 2D numerical models for predicting river flood inundation”, Journal of Hydrology, Vol.268, pp.87-99. 42. Horritt, M.S.(2006), “A methodology for the validation of uncertain flood inundation models”, Journal of Hydrology, Vol.326, PP.153-165. 43. Keifer, C.J. and H.H. Chu (1957), “Synthetic storm pattern for drainage design”, Journal of the Hydraulics Division, ASCE, Vol.83, NO.4, PP.1-25. 44. Kouwen, N., R.M. Li and D.B. Simons (1981), “Flow Resistance in Vegetated Waterways”, Transactions, ASAE, Vol.24, NO.3, PP.684-698. 45. Knebl, M.R., Z.L. Yang, K. Hutchision, and D.R. Maidment (2005), “Region scale flood modeling using NEXRAD rainfall, GIS and HEC-HMS/RAS: a case study for the San Antonio River Basin summer 2002”, Journal of Environmental Management, Vol.75, PP.325-336. 46. Loveland, T.R. and D.O. Ohlen (1993), “Experimental AVHRR Land Data sets for Environmental Monitoring and Modeling”, Environmental Modeling with GIS, Oxford University Press, New York, PP.379-385. 47. Lyon, J.G., D. Yuan, R.S. Lunetta, and C.D. Elvldge (1998), “A chang detection experiment using vegetation indices”, Photogrammetric Engineering & Remote Sensing, Vol.64, NO.2, PP.143-150. 48. Pilgrim, D.H. and I. Cordery (1975), “Rainfall temporal pattern for design floods”, Journal of the Hydraulics Division, ASCE, Vol.101, NO.1, PP.81-95. 49. Samani, J.M.N. and N. kouwen (2002), “Stability and erosion in grassed channels”, Journal of Hydraulic Engineering, ASCE, Vol.128, NO.1, PP.40-45. 50. Sepaskhah, A.R. and H. Bondar (2002), “Estimation of Manning roughness coefficient for and vegetated furrow”, Biosystems Engineering, Vol.82, NO.3, PP.351-357. 51. Sharma, R.H. (2006), “Study on Integrated modeling of rainfall induced sediment hazards”, Doctoral Thesis of Kyoto University, PP.71-96. 52. Simon McCarthy, Sylvia Tunstall, Dennis Parker, Hazel Faulkner and Joe Howe (2007), “Risk communication in emergency response to a simulated extreme flood”, Environmental Hazards, Vol.7, PP.179-192. 53. Woolhiser, D.A. and H.B. Osborn (1985), “A stochastic model of dimensionless thunderstorm rainfall”, Water Resources Research, Vol.21, NO.4, PP511-522. 54. Yen, B.C. and V.T. Chow (1980), “Design hyetographs for small drainage structures”, Journal of the Hydraulics Division, ASCE, Vol.106, NO.6, PP.1055-1076. 55. 中川一、大石哲、佐山敬洋 (2007),「ブランタス川の支川レスティ川流域における降雨.土砂流出に関する研究」,京都大學防災研究所年報,50(B):623-634。
摘要: 以模式推估淹水範圍與深度已相當普及,而淹水模擬演算中,淹水區位之曼寧粗糙係數空間分布顯著影響模擬結果。傳統曼寧粗糙係數之配置,多以土地利用為基準,由參考手冊或前人研究資訊給予適當的曼寧粗糙係數值,但地覆類別曼寧粗糙係數值變異極大,導致係數難以客觀給定。地表植生多寡顯著影響土壤入滲與地表糙度,可有效的用於推算曼寧粗糙係數,以植生指標可反映地表植生量,藉由植生指標轉換推求地覆曼寧粗糙係數之空間分布,取代傳統查表給定之配置方式為本研究之重點。 以後龍溪易淹水潛勢河段為研究試區,運用SPOT衛星影像萃取植生指標配置淹水區位曼寧粗糙係數,配置類型分為線性配置Ⅰ、線性配置Ⅱ、乘冪配置與多項式配置,以網格間距80公尺、60公尺、40公尺及30公尺配置試區,採用FLO-2D模式進行模擬並與傳統土地利用配置方式進行比較,評估其可行性並分析討論。 經模擬結果顯示,網格80公尺各配置類型模擬結果與傳統配置結果差異不大,而網格60公尺、40公尺與30公尺時線性配置模擬結果明顯與傳統配置結果不符,其淹水範圍與深度均有低估現象,且模擬結果會隨網格間距而變動,淹水範圍相似度變動幅度高達31.3%;淹水深度相對誤差變動幅度約為53.6%。而以乘冪、多項式配置有較佳模擬結果,其可行性評估淹水範圍相似度、相似率均高達95%左右,淹水深度相對誤差均低於10.7%以下,且模擬結果不受網格間距而變動,較適用於模擬及配置上,故可有效地萃取淹水區位之曼寧粗糙係數供淹水模擬之用。
It has already been very popular nowadays to use the models for simulating the inundation area and water depth. The spatial distribution of Manning's roughness coefficient (Manning's n value) at the inundation areas significantly affects the results of simulation. Traditionally, the proper Manning's n value for a given area is directly derived from land use data recommended by the user manual and/or the previous studies. Due to highly variations in the Manning's n value recommended from the reference manuals and/or previous study at the same condition of land use, it's difficult to give the suitable Manning's n values to fit in with the variation of land cover. Because vegetation significantly affects infiltration and roughness of ground surface, vegetation index can be used to calculate and display the spatial distribution of Manning's n value. This study focuses on the possibility of extracting the spatial distribution of Manning's n value form vegetation index, which is calculated from the remote sensed imagery. Regression equation such as: Linear transformation(Ⅰ), linear transformation(Ⅱ), power regression, and polynomial regression are used to understand the relationship between Manning's n value and vegetation index. Different grid sizes (80m, 60m, 40m, and 30m) of the digital terrain model are also employed to simulate the inundation area in holun river watershed by using FLO-2D model for discussing the feasibility of Manning's n value extracted from vegetation index. Results show that there is no significant difference in the areas and depths of inundation simulation for the grid size 80m at different treatments. For the grid size 60m, 40m, and 30m, there is a significant difference between treatment of linear transformation and traditional methods, the treatment of linear transformation showing underestimation in both the areas and depths of inundation and the results varies with grid size change. The variation of similarity for the simulation of inundation areas is up to 31.3%, and the relative error for the simulation of inundation depth is 53.6%. The treatments of power regression, polynomial regression with 95% similarity in inundation area and with less than 10.7% of relative error in inundation depth, which showing better performance no matter how the grid size change. It means that treatments of power regression and polynomial regression can be applied to extract the spatial distribution of Manning's n value for the use of inundation simulation.
URI: http://hdl.handle.net/11455/34635
其他識別: U0005-0608200817051400
Appears in Collections:水土保持學系

文件中的檔案:

取得全文請前往華藝線上圖書館



Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.