Please use this identifier to cite or link to this item: http://hdl.handle.net/11455/66130
DC FieldValueLanguage
dc.contributor林金樹zh_TW
dc.contributor黃志成zh_TW
dc.contributor顏添明zh_TW
dc.contributor劉瓊霦zh_TW
dc.contributor許立達zh_TW
dc.contributor陳明義zh_TW
dc.contributor劉說安zh_TW
dc.contributor.advisor黃凱易zh_TW
dc.contributor.author羅南璋zh_TW
dc.contributor.authorLo, Nan-Changen_US
dc.contributor.other中興大學zh_TW
dc.date2011zh_TW
dc.date.accessioned2014-06-09T09:29:40Z-
dc.date.available2014-06-09T09:29:40Z-
dc.identifier.citation參考文獻 圖書 王子定(1974)理論育林學。正中書局,第1 – 70頁。 李景文 (編輯) (1977) 森林生態學。東北林學院主編。第七章: 68–75。 呂福原、歐辰雄、呂金誠 (1999) 台灣樹木解說 (三)。行政院農業委員會。 李培芬 白梅玲 林瑞興 (2005) 利用遙測與GIS探討瀕危物種八色鳥之棲地喜好與分布。農委會94年度遙測應用計畫成果發表會專刊。1-10頁。 林震岩 (2006) 多變量分析:SPSS的操作與應用。智勝文化事業。第526 – 545頁。 彭國棟 (1994) 南投縣植物資源。特有生物研究保育中心。第12頁。 鄧家駒 (2004) 多變量分析。華泰文化。第369 – 394頁。 劉業經、呂福原、歐辰雄 (1988) 台灣樹木誌。國立中興大學農學院。 劉棠瑞、廖日京 (1979) 樹木學上冊。台灣商務印書館 pp. 143–144。 劉棠瑞、蘇鴻傑 (1992) 森林植物生態學。台灣商務印書館。 應紹舜 (1995) 台灣高等植物彩色圖誌第五卷。著者自行出版。 期刊論文 王相華、潘富俊、劉景國、于幼新、洪聖峰 (2000) 台灣北部福山試驗林永久樣區之植物社會分類。台灣林業科學15(3): 411–428。 田馥銘 (2001) 使用碎形迭代函數進行影像搜尋。國立中山大學資訊工程學系碩士論文。 李嘉馨、應紹舜 (2000) 鳳凰山系台灣杜鵑植物社會之研究。中華林學季刊33(4): 437–455。 李明益 (1993) 惠蓀實驗林場楠櫧帶次生林植群生態之研究。中興大學森林學研究所碩士論文。 呂金誠、歐辰雄 (1996) 關刀溪長期生態研究區森林植群之初期研究 (1)。中興大學實驗林研究彙刊 18(1): 77 - 108。 林志銓 (1999) 惠蓀林場木荷及大頭茶開花物候之研究。中興大學森林研究所碩士論文。 吳建志(1995) 應用專家系統與地理資訊系統於森林地評估之研究。中興大學森林研究所碩士論文。 邱祈榮 (1998)大甲溪事業區主要林型數量分佈模式建立之研究。中華林學季刊30(1) 25–50。 俞秋豐 (2003) 台灣東北氣候區植群分類系統之研究。國立台灣大學森林學研究所博士論文。 張弘毅 (1994) 模糊集合理論應用於遇地選擇之研究一以紅檜樹種為例。中興大學森林研究所碩士論文。 許榮章 (1993) 地理資訊系統應用於木荷生育地因子之探討。中興大學森林研究所碩士論文。 陳永寬、鄭祈全、廖錦偉 (1998) 應用地理資訊系統篩選台灣杉造林地 航測及遙測學刊 3 (2):47 –70。 陳正祥 (1957) 氣候之分類與分區。臺大實驗林林業叢刊第7號。 陳玉峰 (1995) 台灣冷杉生態研究系列 (I) –歷來研究之檢討。台灣省立博物館年刊38:23–53。 陳昇明、何一正、徐希世 (1999) 關刀溪森林生態系野生菇類出現與環境之關係 林業研究季刊 21 (2):21 – 32。 陳朝圳 (1999) 南仁山森林生態系植生綠度之季節性變化。中華林學季刊 32(1): 53–66。 陳朝圳 (1996) 數值高程模型應用於日輻射潛能之推估一以大武山自然保留區為例。中華林學季刊 30(1): 93–104。 陳明義、陳文民、陳恩倫、羅南璋、劉思謙 (2004) 北港溪南集水區天然植群之研究。中興大學林業研究季刊 26(4):39–50。 陳宗駿 (2006) 合水溪及椿谷溪流域植群之研究。中興大學生命科學研究所碩士論文。 陳恩倫、陳文民、陳宗駿、陳鳳華、俞秋豐、陳明義 (2009) 烏溪流域天然林植群多樣性分類及製圖。林業研究季刊31(2):1-14。 夏禹九、王文賢 (1985) 坡地日輻射潛能的計算。林試所試驗簡報第1號。 廖錦偉 (1997) 地理資訊系統在台灣杉造林地選擇上之應用。國立台灣大學森林學研究所碩士論文。 戚啟勳 (1969) 台灣山地之氣候。台灣銀行季刊 20(4):155-207。 黃凱易、楊曼蕾 (1996) 三種尺度遙測影像於惠蓀林地被覆分類系統之建立。中興大學實驗林研究彙刊 18(2): 58–80。 黃凱易、李旻旻 (1999) 協和遙測與數值地形模型於台灣冷山生育地之模擬。中華林學季刊 32(1): 91–107。 黃凱易、黃慧欣、施勝誠 (1999) 地理資訊系統於合歡山地區主要林型空間型態之分析。中華林學季刊 32(4): 537–552。 黃凱易、黃慧欣、施勝誠 (2000) 由地文因子以GIS評估冷杉生育地之特性。中華林學季刊 33(2): 231–243。 管立豪 2007 光達技術在林業管理應用,台灣林業,33(6):25-29。 劉治中、蕭國鑫 (1999) 植生指數在集水區內的地文分佈研究 航測及遙測學刊 4 (4):39 – 53。 劉祥熹、黃日鉦 2003 資料挖掘技術應用於市場區隔分析之研究以保險公司為例 2003電子商務與數位生活研討會論文集 第485 – 507頁。 劉業經、呂福原、歐辰雄 (1970) 中興大學惠蓀林場植物補遺之一。綠海Vol.1:3–6。 劉業經、呂福原、歐辰雄 (1971) 中興大學惠蓀林場植物補遺之二。綠海Vol.2: 7–11。 劉業經、呂福原、歐辰雄 (1973) 中興大學惠蓀林場植物補遺之三。森林學報No.2: 25–28。 劉業經、呂福原、歐辰雄 (1974) 中興大學惠蓀林場植物補遺之四。森林學報No.3: 63–66。 劉業經、歐辰雄、呂金誠 (1985) 中興大學惠蓀林場植物補遺之五。興大實驗林研究報告No.6: 9–17。 謝漢欽 (1998) SPOT綠度與森林生育地因子於台灣杉材積推估之探討 台灣林業科學 13 (3):175 – 188。 謝漢欽 (1997) 應用數值地形資料推導福山地區森林生育地因子。台灣林業科學12(1): 1-14。 謝萬權、蔡進來 (1974) 國立中興大學惠蓀林場之蕨類植物名錄。森林學報No.3: 67–82。 羅南璋 (1992) 惠蓀實驗林場東峰溪集水區分析。中興大學森林學研究所碩士論文。 蘇鴻傑 (1987) 森林生育地因子及其定量評估。中華林學季刊,20 (1): 1–14。 網路資源 徐輝明 (2004) 「空間資訊於新世紀土木工程應用之教育建立探討」 土木水利半月刊第十二集 http://ciche.caece.net/html/semimonth/vol12/12-13.asp 鄭順林、康惠雯 (2006) 資料採礦中的統計預測與分類方法 (一) http://web.thu.edu.tw/sljeng/www/Datamining/predict.htm 其他 凃俊豪、羅南璋、張偉顗、黃凱易 (2010) 植生指標提昇卡氏櫧潛在生育地模式推測率之評估,2010海峽兩岸遙測/遙感研討會,2010年3月15 – 19日,台灣桃園。 鄒偉琳、羅南璋、張偉顗、黃凱易 (2010) GIS結合多變量統計模擬惠蓀林場薯豆之適生育地,2010海峽兩岸遙測/遙感研討會,2010年3月15 – 19日,台灣桃園。 鄭安雅、羅南璋、張偉顗、黃凱易 (2010) 多變量統計連結3S模擬惠蓀林場台灣杜鵑之潛在生育地,2010海峽兩岸遙測/遙感研討會,2010年3月15 – 19日,台灣桃園。 西文圖書 Aronoff, S., (1993), Geographic Information System: A Management Perspective, WDL Publications, Ottawa, Canada. Freeman, D. H. Jr. (1987) Applied Categorical Data Analysis, Marcel Dekker, Inc, p.237 – 274. Hair, Joseph F., Jr., W. C. Black, B. J. Babin, R. E. Anderson, R. L. Tatham (2006) Multivariate Data Analysis. Pearson Education, International. p. 374. Kellman, M. C. (1980) Plant Geography Methuen Co. Ltd. London pp. 60 – 61. Jensen, J. R., (2005), Introductory Digital Image Processing—A Remote Sensing Perspective, Pearson Prentice Hall, Pearson Education, Inc. Jensen, J. R., (2007), Remote Sensing of the Environment—An Earth Resource Perspective, Pearson Prentice Hall, Pearson Education, Inc. Kimmins, J. P., (1997), Forest Ecology--A Foundation for Sustainable Management, Prentice Hall Inc., New Jersey. Lillesand, T M., R. W. Kiefer, and J. W. Chipman, (2008), Remote Sensing and Image Interpretation, 6th ed., John Wiley & Sons, Inc.]; Chang, 2006 [Chang, K. T., 2006, Introduction to Geographic Information Systems, 3rd ed., The McGraw-Hill Companies. Mackey, B. G. and T. W. Norton (1989) Comments on a Methodology for the Austration National Forest Inventory. Center for Resource and Environmental Studies Working Paper, p.6. Swain, P. H. and S. M. Davis (Editors) (1978) Remote Sensing: The Quantitative Approaach, McGraw-Hill, Inc. 西文期刊論文 Allen, T. R. and S. J. Walsh, (1996), Spatial and compositional pattern of alpine treeline Glacier National Park, Montana, Photogrammetric Engineering & Remote Sensing 62(11): 1261 –1268. Austin, M. P., R. B. Cunningham and P. M. Fleming, (1984), NEW Approaches to Direct Gradient Analysis Using Environment Scalars and Statistical Curvefitting Procedures, Vegetation 55:11 – 27. Baker, W. L. and P. J. Weisberg, (1995), Landscape analysis of the forest tundra ecotone in Rocky Mountain National Park, Colorado, Professional Geographer, 47: 361–375. Bian, L. and E. West, (1997), GIS Modeling of Elk Calving Habitat in a Prairie Environment with Statistics. Photogrammetric Engineering & Remote Sensing 63(2): 161–167., Bourg, N. A., W. J. Mcshea and D. E. Gill (2005) Putting A CART Before Search: Successful Habitat Prediction for A Rare Forest Herb. Ecology 86 (10): 2793 – 2804. De’ath, G. and K. E. Fabricius (2000) Classification and Regression Trees: A Powerful Yet Simple Technique for Ecological Data Analysis, Ecology 81 (11): 3178 – 3192. Felicisimo, A. M., E. Frances, J. M. Fernandez, A. Gonzalez-Diez, and J. Varas, (2002). Modeling the potential distribution of forests with a GIS, Photogrammetric Engineering & Remote Sensing 68(5): 455– 461. Gregory, C. O., John, C. D., (2003 ), Using multiple logistic regression and GIS technology to predict landslide hazard in northeast Kansas, USA, Engineering Geology 69:331 – 343. Gross, J. M., M. C. Kneeland, D. F. Reed and R. M. Reich, (2002), GIS-Based Habitat Models for Mountain Goats. Journal of Mammalogy 83(1): 218 – 228. Guisan, A., J. P. Theurillat, and F. Kienast, (1998). Predicting the potential distribution of plant species in an alpine environment, Journal of Vegetation Science 9: 65 – 74. Guisan, A. and N. E. Zimmermann, (2000) , Predictive habitat distribution models in ecology, Ecological Modeling 135: 147 – 186. Herr, A. M. and L. P. Queen, (1993), Crane Habitat Evaluation Using GIS and Remote Sensing, Photogrammetric Engineering & Remote Sensing 59(10): 1531–1538. Hodgson, M. E., J. R. Jensen, H. E. Mackey, Jr., and M. C. Coulter, (1988), Monitoring wood stork foraging habitat using remote sensing and geographic information systems, Photogrammetric Engineering & Remote Sensing 54 (11): 1601–1607. Jensen, J. R., S. Narumalani., O. Weatherbee, and K. S. Morris, Jr., (1992), Predictive modeling of cattail and waterlily distribution in a South Carolina Reservoir using GIS, Photogrammetric Engineering & Remote Sensing 58 (11): 1561–1568. Johnston, C. A. and J. P. Bonde, (1989), Quantiative analysis of ecotone using a geographic information system, Photogrammetric Engineering & Remote Sensing 55: 1643–1647. Landenburger, L., R. L. Lawrence, S.Podruzny, and C. C. Schwartz, (2008), Mapping Regional Distribution of a Single Tree Species: Whitebark Pine in the Greater Yellowstone Ecosystem, Sensors 8: 4983 – 4994. Mladenoff, D. J. and T. A. Sickley, (1998). Assessing potential Gray wolf restoration in the northeastern United States: A spatial prediction of favorable habitat and potential population levels, Journal of Wildlife Management 62: 1–10. Mladenoff, D. J., T. A. Sickley, R. G. Haight, and A. P. Wydeven, (1995). A regional landscape analysis and prediction of favorable gray wolf habitat in the northern Great Lakes Regions, Conservation Biology 9: 279–294. Montieth, J. L. and M. H. Unsworth, (1990). Principles of Environmental Physics, Edward Arnold, London. Moore, I. D., R. B. Grayson, and A. R. Landson, (1991), Digital terrain modeling: a review of hydrological, geomorphological, and biological applications, Hydrological Processes 5: 3–30. Mundt, Jacob T., David R. Streutker, and Nancy F. Glenn, (2006), Mapping Sagebrush Distribution Using Fusion of Hyperspectral and Lidar Classification, Photogrammetric Engineering and Remote Sensing, 72( 1) 47-54 Munoz, J. and A. M. Felicisimo, (2004) , Comparison of statistical methods commonly used in predictive modeling, Journal of Vegetation Science 15: 285 – 292 Narumalani, S., Jensen, J. R., Althausen, J. D., Burkhalter, S., and Mackey, Jr., H. E., (1997), Aquatic macrophyte modeling using GIS and logistic multiple regression, Photogrammetric Engineering & Remote Sensing 63(1): 41–49. O’Brien, C. S. Steven S. R., John J. H., Jill L. B. and Susan R. B.(2005) Landscape – level models of potential habitat for Sonoran pronghorn. Wildlife Society Bulletin 33 (1): 24 – 34. Pereira, Jose M. C. and R. M. Itami, (1991), GIS-Based habitat modeling using logistic multiple regression: a study of the Mt. Graham red squirrel, Photogrammetric Engineering & Remote Sensing 57(11): 1475–1486. Piorecky, M. D. and Prescott, D. R. C. (2006) Multiple spatial scale logistic and autologistic habitat selection models for northern pygmy owls, along the eastern slopes of Alberta’s Rocky Mountains. Biol Conserv 129: 360–371. Riordan, E. C., and P. W. Rundel, (2009) , Modelling the distribution of a threatened habitat: the california sage scrub. Journal of Biogeography 36 (11): 2176-2188 Roseberry, J. L., B. J. Richards, and T. P. Hollenhorst, (1994), Assessing the potential imapet of conservation reserve program lands on bobwhite habitat using remote sensing, GIS, and habitat modeling, Photogrammetric Engineering & Remote Sensing 60(9): 1139–1143. Sperduto, M. B. and R. G. Congalton, (1996), Predicting Rare Orchid (Small Whorled Pogonia) Habitat Using GIS. Photogrammetric Engineering & Remote Sensing 62(11): 1269 – 1279. van de Rijt, C. W. C. J., L. Hazelhoff, and C. W. P. M. Blom, (1996). Vegetation zonation in a former tidal area: A vegetation-type response model based on DCA and logistic regression using GIS, Journal of Vegetation Science, 7: 505 – 518.zh_TW
dc.identifier.urihttp://hdl.handle.net/11455/66130-
dc.description.abstract地球空間資訊是由地理資訊系統、遙感探測及全球定位系統結合之3S體系所產生,可運用於地球資源的管理、分析和規劃。植群生態學之主要目標,在探討植物社會分布法則,並尋求植群分布與環境變數之相關性。傳統植群生態調查在樣區數目因種種因素限制而不足,進而偏頗研究結果。地球空間資訊通常由空間內插法推估產生,但甚少以現場測值檢驗,故其可靠性存疑。本研究目標係應用3S地球空間資訊技術結合多變量統計模擬並測繪惠蓀林場內香桂、木荷、薯豆、台灣杜鵑、卡氏櫧五樹種之潛在生育地。研究以GIS將取自東峰溪與關刀溪流域各樹種樣木GPS定位圖層與海拔、坡度、坡向、坡面位置、SPOT影像導出植生指標等圖層加以疊合,分析試區各樹種之空間分布型態,從而建立抉擇樹 (DT)、邏輯思複迴歸 (LMR) 及區別分析 (DA) 三種模式,推測繪製各樹種的潛在生育地。東峰溪樣木實驗結果顯示,DT推測準確度優於LMR者或與其相近,且此二者又遠高於DA;三者建模及驗模效率大致旗鼓相當,惟DT在全區潛在圖測繪略嫌繁瑣。重要的是它們首次推測,即由全區篩選3 – 12% 之高潛力區,大幅縮減後續地面調查之面積,節省人力與經費。東峰溪及關刀溪樣木分開與合併實驗顯示,三種模式之準確度雖稍降低,但三者準確度仍維持原有排序。此實驗最重要的結果是證實僅從東峰溪樣本建立現有預測變數之模式無法正確推測關刀溪流域,跨越這兩分離且環境特性相異流域所形成的空間障礙,也表示可能還有微氣候或土壤變數未納入模式。SPOT影像因其光譜及空間解析度皆不足以分辨散生樹種,使植生指標對模式改進效果甚小。未來後續研究考慮採用光達或空載高光譜資料期以提高模式推測之空間跨越能力及準確度。zh_TW
dc.description.tableofcontents目 錄 摘要……………………………………………………………………… i Abstract………………………………………………………………… ii 目錄…………………………………………………………………… iv 圖目次………………………………………………………………vi 表目次………………………………………………………………vii 第1章 前言…………………………………………………………… 1 第2章 前人研究……………………………………………………… 4 2.1 物種空間分布與生育地因子 ……………………………… 4 2.2植群調查研究………………………………………………… 5 2.3 生育地推測與預測模式…………………………………… 9 第3章 研究區域及目標樹種 ………………………………………16 3.1地理位置……………………………………………………16 3.2地質與地形…………………………………………………17 3.3 氣候…………………………………………………………17 3.4目標樹種……………………………………………………17 3.4.1 香桂……………………………………………………17 3.4.2木荷……………………………………………………18 3.4.3 薯豆……………………………………………………19 3.4.4 台灣杜鵑………………………………………………19 3.4.5 卡氏櫧…………………………………………………20 第4章 材料與方法…………………………………………………21 4.1材料及設備…………………………………………………21 4.1.1 數值高程模……………………………………………21 4.1.2 像片基本……………………………………………21 4.1.3 衛星影像……………………………………………21 4.1.4 應用軟硬體…………………………………………22 4.2研究方法……………………………………………………23 4.2.1 資料蒐集………………………………………………23 4.2.2 資料處理………………………………………………24 4.2.3 圖層疊合………………………………………………25 4.2.4 樣本選取與統計檢定…………………………………25 4.2.5實驗設計………………………………………………27 4.2.6 建立模式………………………………………………28 4.7.2 模式驗證及評估………………………………………36 第5章 結果與討論…………………………………………………37 5.1 生育地因子…………………………………………………37 5.1.1 香桂……………………………………………………37 5.1.2 木荷……………………………………………………38 5.1.3 薯豆……………………………………………………40 5.1.4 台灣杜鵑………………………………………………41 5.1.5 卡氏櫧…………………………………………………42 5.2 預測變數組合…………………………………………………44 5.2.1 香桂……………………………………………………44 5.2.2 木荷……………………………………………………45 5.2.3 薯豆……………………………………………………46 5.2.4 台灣杜鵑………………………………………………47 5.2.5 卡氏櫧…………………………………………………47 5.3 統計方法比 …………………………………………………49 5.3.1 香桂……………………………………………………49 5.3.2 木荷……………………………………………………52 5.3.3 薯豆……………………………………………………54 5.3.4 台灣杜鵑………………………………………………57 5.3.5 卡氏櫧………………………………………………59 5.4 不同樣本配置………………………………………………62 5.4.1 利用不同驗模樣本的組合測試模式跨越不同集水區 的推測能力……………………………………………63 5.4.2 單一集水區及合併集水區樣本建模 …………………67 第6章 結論與建議 ………………………………………………… 69 6.1 結論………………………………………………………69 6.2 建議………………………………………………………70 參考文獻………………………………………………………………72 附錄1……………………………………………………………………81 附錄2……………………………………………………………………90zh_TW
dc.language.isoen_USzh_TW
dc.publisher森林學系所zh_TW
dc.relation.urihttp://www.airitilibrary.com/Publication/alDetailedMesh1?DocID=U0005-2608201000301700en_US
dc.subjectgeo-spatial informationen_US
dc.subject地球空間資訊zh_TW
dc.subjectvegetation ecologyen_US
dc.subjectdigital elevation model (DEM)en_US
dc.subjectdecision tree (DT)en_US
dc.subjectlogistic multiple regression (LMR)en_US
dc.subjectdiscriminant analysis (DA)en_US
dc.subject植群生態學zh_TW
dc.subject數值高程模型 (DEM)zh_TW
dc.subject抉擇樹 (DT)zh_TW
dc.subject邏輯思複迴歸 (LMR)zh_TW
dc.subject區別分析 (DA)zh_TW
dc.title3S技術結合多變量統計模擬測繪林木之潛在生育地zh_TW
dc.titleModeling and Mapping Forest Tree Potential Habitat Using 3S Coupled With Multivariate Statisticsen_US
dc.typeThesis and Dissertationzh_TW
Appears in Collections:森林學系
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.