1. NCHU Institution Repository
  2. 農業暨自然資源學院
  3. 水土保持學系
Please use this identifier to cite or link to this item: http://hdl.handle.net/11455/34541
標題: 以植生指標探討九份二山崩塌地植生變遷之研究
A study of vegetation changes in the Chiu-fen-er-shan landslides using vegetation index
作者: Lin, Shih-Chun
林世峻
關鍵字: Vegetation Index;植生指標;Back-Propagation Neural Network;Image Interpretation;Vegetation Change;倒傳遞類神經網路;影像判釋;植生變遷
出版社: 水土保持學系所
引用: [1] 周政宏（1995），《神經網路-理論與實務》，松崗電腦圖書資料公司。 [2] 葉怡成（2003），《類神經網路模式應用與實作》，儒林圖書有限公司。 [3] 楊龍士、周天穎（2000），《遙感探測理論與分析實務》，逢甲大學地理資訊系統研究中心。 [4] 楊龍士、雷祖強、周天穎（2006），《遙感探測理論與分析實務》，文魁資訊股份有限公司。 [5] 歐陽鐘裕（1986），《遙測太空學》，大中國圖書公司。 [6] 江良印（1998），《紋理特徵應用於遙測影像判釋之理論研究》，國立台灣大學農業工程學系研究所碩士論文。 [7] 邵泰璋（1999），《類神經網路於多光譜影像分類之應用》，國立交通大學土木工程系碩士論文。 [8] 周朝富、鄭祈全 (1992)，《利用SPOT 衛星資訊探測林地覆蓋變遷之研究》。林業試驗所研究報告季刊，7（4）：305 - 317。 [9] 孟中杰（2000），《應用類神經網路與運動波理論進行集水區逕流預報與水文設計》，國立海洋大學河海工程學系研究所碩士論文。 [10]林文賜、周天穎、林昭遠（2001），《應用監督性類神經網路於衛星影像分類技術之探討》，航測及遙測學刊，6（1）：41~58。 [11]林志交、曾義星（2004），《以基因演算法解算CSG模型與影像之最佳套合》，航測及遙測學刊，19（1）：27~40。 [12]吳俊龍（2004），《以影像紋理與色彩資訊輔助地物分類之研究－以台北地區為例》，國立臺北大學地政學系研究所碩士論文。 [13]洪皓人（2000），《衛星影像分類方法之研究-以鳳山溪上游集水區為例》，國立中興大學水土保持研究所碩士論文。 [14]許晉嘉、雷祖強、周天穎（2005），《支援向量機理論中核函數性質之研究－以高解析度衛星影像為例》，2005年台灣地理資訊學會年會暨學術研討會論文集。 [15]徐家盛(2003)，《多種尺度遙測影像於農業土地利用分類精確度探討》，中華大學土木工程學系研究所碩士論文。 [16]郭育全(1997)，《分散度指標應用於遙測影像分類特徵選取之研究》，台灣大學農業工程學研究所碩士論文。 [17]郭秀玲(2003)，《紋理分析於農地利用判釋之研究 – 以苗栗縣大湖鄉為例》，逢甲大學土地管理學系碩士論文。 [18]陳炫東(1993)，《水庫集水區之土地覆蓋判釋-運用衛星影像及地理資訊系統》，台灣大學農業工程學研究所碩士論文。 [19]陳文福、鄭新興（1997），《遙測與GIS應用於集水區大型坡地開發之變遷分析》，水土保持學報，29（1）：41~59。 [20]陳繼藩、徐守道、陳世旺（1997），《應用非監督性類神經網路於SPOT 衛星影像分類之研究》，航測及遙測學刊，2（1）：1~12。 [21]陳益凰、曾義星（1999），《應用多時段衛星影像辨識水稻田之研究》，航測及遙測學刊，4（3）：1~16。 [22]陳正斌（2004），《應用模糊理論於颱風降雨量之推估》，國立成功大學水利及海洋工程研究所碩士論文。 [23]張右峻(1999)，《利用類神經網路探討土地利用型態與環境變遷之研究》，逢甲大學土地管理研究所碩士論文。 [24]張俊隆、陳維昱、莊家銘（2007），《模糊類神經網路於影像辨識之應用》，機械工業雜誌，291：77~79. [25]張偉顗，1995，《以SPOT 衛星影像應用於大甲溪事業區林地被覆之變遷偵測》，國立中興大學森林學研究所碩士論文。 [26]黃信茗（2001），《地理資訊系統及衛星影像應用於灌溉計劃之研究》，屏東科技大學土木工程系碩士論文。 [27]黃誌勇（2001），《SPOT 自然色影像產生之研究》，國立中央大學土木工程研究所碩士論文。 [28]黃建榮（2004），《使用支援向量機分類變異特徵之影像查詢》，朝陽科技大學資訊管理系碩士論文。 [29]楊紳（1999），《多時段分類法應用於衛星影像變遷偵測之研究》，國立中央大學土木工程學系研究所碩士論文。 [30]楊龍士、周天穎（2000），《遙感探測理論與分析實務》，逢甲大學地理資訊系統研究中心。 [31]楊明德、洪蜜琪、許展祥、蘇東青（2005），《利用基因演算法和類神經網路於衛星影像分類之研究》，2005年台灣地理資訊學會年會暨學術研討會論文集。 [32]劉孝恆（1999），《監督性模糊分類法於遙測影像分類及變遷偵測之研究》，國立中央大學土木工程學系碩士論文。 [33]劉守恆（2002），《衛星影像於崩塌地自動分類組合之研究》，國立成功大學地球科學研究所碩士論文。 [34]鄭克聲、郭育全、葉惠中(1997)，《分離度指標應用於遙測影像分類特徵選取之研究》，第十六屆測量學術及應用研討會論文集:587~596。 [35]蔡敏之（1997），《應用輔助資訊及類神經網路於遙測影像土地利用分類之研究-以識別都市區為例》，國立成功大學測量工程研究所碩士論文。 [36]謝漢欽（1996），《應用SPOT衛星影像與地理資訊系統於林地土地利用型綠度分析》，台灣林業科學，11（1）：77~86。 [37]蕭國鑫(1998)，《多時遙測光學與雷達資料於水稻田辨釋之研究》，國立交通大學土木工程系碩士論文。 [38]蕭百齡（1999），《類神經網路與SPOT衛星影像分類之研究》，國立屏東科技大學熱帶農業研究所碩士論文。 [39]盧文鴻(2000)，《超矩形學習模式應用於遙測影像分類判釋之研究》，私立中華大學土木工程研究所碩士論文。 [40]魏曉萍（2003），《QuickBird衛星影像探討分類方法之研究》，中華大學土木工程學系研究所碩士論文。 [41]Avery, T. E. ,and Berlin, G. L.,（1992）, “Fundamentals of Remote Sensing and Airphoto Interpretation, 5th ed.,” Macmillan pulishing Company, New York. [42]Belokon, W. F., Emmons, M. A., Fowler, W. H., Gilson, B. A., Hernandez, G. , Johnson, A. J., Keister, M. D., McMillan, J. W., Noderer, M. A., Tullos, E. J.and White, K. E.,（1997）, “Multispectral Imagery Reference Guide,” Logicon Geodynamice”, Inc. [43]Burgan, R.E. and Hartford R.A.,（1993）,“Monitoring vegetation greenness with satellite data, ” USDA Forest Service Intermountain Research Station General Technical Report INT-297. [44]Cohen , J. ,（1960）,“A Coefficient of Agreement for Nominal Scales,” Educ. Psychol. Measurement. [45]Congalton, R. G.,（1991）,“A Review of Assessing the Accuracy of Classifications of Remotely Sensed Data,” Remote Sensing of Environment, 37 pp：35-46. [46]Elvidge, C.D. and Z. Chen., （1995）,“Comparison of broad-band and narrow-band red and near-infrared vegetation indices, ” Remote Sensing of Environment, 54 pp：38-48. [47]Green, E. P. , Mumby, P. J. , Edwards ,A. J. , Clark , C. D.,and Ellis ,A. C. ,( 1998 ) . The Assessment of Mangrove Areas using High Resolution Multispectral Airborne Imagery.Journal of Coastal Research, 14( 2 ) : 4 3 3 - 4 4 3 . [48]Hoffer , R. M., ( 1994 ) , Challenges in Developing and Applying Remote Sensing to Ecosystem Management. Remote Sensing and GIS in Ecosystem Managementm, pp : 25-40 , Island Press. [49]Hirasawa, K., Hu J., Murata, J., Jin C., Etoh, H. and Katagiri, H.,（1999）, “Universal learning networks with varying parameters,” Journal of Neural Networks, vol.2, pp：1302-1307. [50]Lillesand, T. M., and Kiefer, R. W.,（2000）, “Remote sensing and Image Interpretation（3th ed）（4th ed）,” John Wiley & Sons, Inc [51]McDonnell,R.andKemp,K., ( 1995 ) , International GIS Dictionary,Pearson Professional Ltd. [52]Montserud , R. A. and Leamans , R.,（1992）, “Comparing global vegetation maps with the Kappa statistic,” Ecological Modelling , 62:275-293. [53]Rouse, J.W., Jr. R.H. Haas, Schell, J.A. and Deering, D.W.,（1973）, “Monitoring the vernal advancement and retrogradation (green wave effect) of natural vegetation. Prog. Rep. ” RSC 1978-1. Remote Sensing Cent., Texas A&M Univ., College Station. [54]Yoshida, T. , and Omatu, S. ,（1994）, “Neural Networks Approach to Land Cover Mapping,” IEEE Transactions on Geoscience and Remote Sensing, 32（5）pp：1103-1109.
摘要: 
台灣地區降雨量豐沛，但因時空分布不均，其中80%之年雨量集中於五月至九月的梅雨與颱風季節，易造成洪水災害，加上地質脆弱、地勢陡峻、河川坡降大，坡地、行水區等敏感區位過度開發，導致坡地災害問題層出不窮；921地震後，所引發之崩塌地更使坡地災害問題加劇，如敏督利颱風造成松鶴部落嚴重土石流、艾利颱風造成土場事件等，均造成坡地地區居民之生命財產重大傷亡，因此，如何有效對崩塌地進行判釋、治理及監測為當今集水區治理之重要課題。
本研究以南投縣九份二山為研究試區，蒐集921地震後三個不同時期之衛星影像(2001/12/03、2002/11/06、2004/07/12)，加入不同植生指標(NDVI、CMFI)，運用倒傳遞類神經網路(Back Propagation Neural Network)分類，主要是探討植生指標對於提升影像分類準確度的效果。研究成果，衛星影像原始波段加入植生指標均可提升分類準確度，以2001年之原始波段加入植生指標CMFI，整體準確度為95.2%、kappa係數為0.92最高，有較佳的判釋結果；而三個時期之CMFI與NDVI比較結果，顯示整體準確度以CMFI優於NDVI。
運用九二一地震前後兩期(1999/04/01、1999/09/27)衛星影像萃取地震引致崩塌變遷區位，應用生態指數量化分析，探討崩塌區位的植生復育變遷狀況。921崩塌區位主要可分為主崩塌區與其外圍兩部份。由各期影像觀察，外圍零星崩塌處植生復育良好變異不大。主崩塌區可進一步細分為崩落與堆積區，崩落區因不穩定坡面滑落致岩盤裸露，僅邊緣部份稍有植生入侵生長，崩塌地邊緣易受颱風豪雨等外力作用影響，植生復育狀況並不穩定，堆積區域植生復育良好，但上邊坡地表逕流匯集與河道附近之區位亦因外力影響，其植生復育亦呈不穩定狀態。為了解崩塌區位與植生區位狀況，嵌塊體分析可針對崩塌類別與植生類別嵌塊體之消長做深入探討。由植生指數觀察，整體而言植生之嵌塊體數目與植生面積減少，顯示植生區域尚不穩定，易受颱風豪雨等外力影響，致裸露與水域面積增加。

There is plenty of rainfall in Taiwan, but about 80% of annual amount is concentrating at the periods during May to September due to the monsoon and typhoon seasons. Besides, with the properties of fragile geology, steep terrain and stream gradient, some over development sites located in sensitive areas caused slopeland disaster frequently. After 921 earthquake, quake induced landslides contribute to form some related slopeland disaster such as: debris flow occurred at Song-he tribe caused by the typhoon Minduli, and the event of Tu-chang - a catastrophic landslide caused by typhoon Aere. Hence, how to effectively monitor the landslides and derive their information of restoration in a watershed is a vital issue.
Chiufenershan landslide area in Nantou County was chosen as the research site couples with the three phases of SPOT imagery taken on 12/03/2001, 11/06/2002, and 07/12/2004 to discuss the improvement of image classification by using back-propagation neural network after adding the calculation of vegetation index. The result shows that vegetation index can increase the accuracy of image classification. The classification derived from the original bands plus CMFI for the 2001 imagery were 95.2％ in overall accuracy and/or 0.92 in Kappa index had the better interpretation. The performance of classification derived from the original bands plus CMFI were better than that of derived from the original bands plus NDVI for the three phases of imagery in overall accuracy.
Spot imagery taken on 04/01/1999 and 09/27/1999 were applied to extract the quake-induced landslide for studying the change of vegetative restoration using ecological index. The 921 earthquake induced landslides in the analyzed watershed can be classified into two parts (the main landslide area and its surrounding fragmentary areas) for further discussion. Surrounding fragmentary areas show good and consistent vegetative restoration. The main landslide area can be further divided into the collapse and deposition site. Collapse site shows only few of plants invaded at the rims of the site due to lack of soil layers, and the places where plants invaded showing unstable status because of the interference of typhoon and/or drought.
There exists a better restoration at the deposition site except the places, where surface runoff concentrated and/or nearby the canal, which were vulnerable to water erosion. Patch analysis indicates that the variation of vegetation invasion for the analyzed landslide areas showing the trend of decreasing in patch number and patch area. This can be explained as initial succession stage which is vulnerable to be affected by the external forces.
URI: http://hdl.handle.net/11455/34541
其他識別: U0005-2208200713422900
Appears in Collections:水土保持學系

Show full item record
 
TAIR Related Article

Google ScholarTM

Check


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