考量時間限制，本研究以可於期程內操作的研究方法，作為選擇上主要的考 量。因此，於指標建構的階段，本研究以模糊德爾菲法進行專家意見之調查，篩 選各個評估指標，剔除相對不重要的評估指標，作為評估指標評選之依據；並透 過模糊層級分析法，衡量各個評估指標之重要性程度，以及各個指標、次標之權 重值，作為地區實證資料的權重比例。另外，本研究之成果僅提供方法技術，未 來要落實仍需地方政府在法律制度及預算人力之投入。
第一節 模糊德爾菲法之操作與分析
於初步擬定評估指標架構後，本研究參考鄭滄濱(2001)之模糊德爾菲法，進 行各項評估指標重要性的判別，進而篩選評估指標，以確立氣候變遷下都市災害 影響熱點指標的項目，以下說明模糊德爾菲法之操作。
一、 模糊德爾菲法(Fuzzy Delphi)之介紹 (一)德爾菲法(Delphi Method)
德爾菲法是專家預測法，亦是群體決策法的一種，其以問卷調查的方式，
請專家學者單獨對問卷內容表示意見，在此過程各專家彼此間並不知曉其他 的參與者，也不事先交換意見，而是由一位協調人來歸納各個專家所回覆之 意見。經回收統計其分佈情形求出「中位數」以及「中間50％」意見所在，
之後再函請各專家參酌此資料做第二次問卷。等收到第二次答覆後再做歸納，
並將結果如同上次一樣再提供給專家，作為下一次修正之依據，如此反覆進 行達三至五次之多(許士軍，1981)。德爾菲法可提供更多的知識訊息與問題 解決方法，產生較高品質的決策內容，增加對最後決策的承諾與認同 (Robbins,1991)。雖然傳統德爾菲法已經提供相當多的優點，但對調查或預 測不確定性或模糊性卻依然存在(張炳騰，2001)。
(二)模糊德爾菲法(Fuzzy Delphi)
模糊德爾菲法是將模糊理論導入傳統德爾菲法(Delphi Method)中，以改 善傳統德爾菲法所遭遇的問題。為了克服傳統德爾菲法所遭遇的問題，
Murray(1985)首先提出將模糊概念導入德爾菲法的運用，後續學者跟進之下 學者陸續提出不同的模糊德爾菲法。鄭滄濱(2001)參考自陳昭宏(2001)的模 糊德爾菲法，並且對該方法做部分之修改來快速整合專家們的意見，減少問 卷重覆調查的次數。整體而言，根據過去學者的研究所提出的結論中，利用
「三角模糊數」來整合專家認知，改善傳統德爾菲法中只能提供 50％資訊 的缺失；模糊德爾菲法已證實具有可以減少傳統德爾菲法的回合、可以精確 地表達語意結構上的意涵等優點。
5-2
二、 受訪者基本資料分析
模糊德爾菲問卷發放對象，主要是以從事氣候變遷、災害研究、空間規劃相 關之公、私部門及專家學者，如表5-1 所示，藉以衡量各項評估指標的重要性程 度，以進行評估指標的篩選。
表5-1 模糊德爾菲專家問卷受訪群表
類別 受訪單位 人數
公部門
國家災害防救科技中心 2
內政部營建署 1
台北市政府都市發展局 1
台北縣政府城鄉發展處 1
私部門
永奕不動產顧問公司 1
鼎漢工程顧問公司 1
育辰工程顧問公司 1
專家學者
政治大學地政學系 1
台北大學不動產與城鄉環境學系 2 中華大學建築與都市計畫學系 1 國立臺灣師範大學地理系 1 國立臺灣大學地理環境資源學系 1 華梵大學環境與防災設計學系 1 南華大學環境管理研究所 1
文化大學景觀學系 1
長榮大學土地管理與開發學系 1
成功大學都市計畫系 1
銘傳大學都市規劃與防災學系 1 資料來源：本研究整理
模糊德爾菲施測日期由2009 年 8 月 11 日至 2009 年 8 月 28 日止，總計發放 問卷20 份，回收問卷 17 份。結果分析顯示，專家意見未達共識之 13 項指標項 目分別為：降雨、溫度、雨季、乾季、優良農田敏感地、地下水補注區、沿海土 地流失地區、地層下陷、歷年災害死傷人數、土石流保全人數、家戶所得、就業 人口以及教育程度。因此本研究針對此13 項指標項目，再進行第二次之模糊德 爾菲問卷調查，總計發放17 份問卷，回收 14 份，其中一份為無效問卷。
三、 模糊德爾菲結果分析
在所有的評估項目指標皆達到收斂後，並進行評估指標灰色地帶的檢定，以 及訂定篩選指標之門檻值，若篩選後指標過少，則應降低門檻值，反之亦然，故 本研究採各項因子G 之「算術平均數」*0.84(經計算為 5.51)訂定門檻值來進行各 指標門檻值的篩選，以踢除其餘重要性較低的評估指標。刪除的指標有下列4 項：
5-3
冬季、家戶所得、就業人口、教育程度(大學/專科以上)。由於「C2 產業經濟與 教育」之下的3 項指標：家戶所得、就業人口以及教育程度(大學/專科以上)，皆 因未過門檻值而刪除，故「C2 產業經濟與教育」也為剔除指標之一，其計算結 果如下表5-2 所示。
表5-2 評估指標篩選表
項目 評估指標 專家共識值 門檻值5.51 第一層級
A 氣候變遷因素 6.54 通過
B 自然環境條件 7.93 通過
C 社經環境條件 6.66 通過
第二層級
A1 降雨 7.31 通過
A2 溫度 6.18 通過
B1 環境敏感地 7.44 通過
B2 地理環境 7.70 通過
C1 易受災人口特性 6.97 通過
C2 產業經濟與教育 5.62 通過
C3 建成環境 6.81 通過
第三層級
A1.a 雨季 7.47 通過
A1.b 乾季 6.24 通過
A2.a 冬季 5.50 刪除
A2.b 夏季 5.98 通過
B1.a 生態敏感地 6.98 通過
第三層級
B1.b 優良農田敏感地 5.89 通過 B1.c 地表水維護區 6.44 通過 B1.d 地下水補注區 6.19 通過 B1.e 地質災害敏感地 7.85 通過
B2.a 崩塌地 7.96 通過
B2.b 沿海土地流失地區 6.86 通過
B2.c 地層下陷 7.25 通過
C1.a 人口密度 6.11 通過
C1.b 歷年災害死傷人數 5.55 通過 C1.c 土石流保全人數 6.45 通過
C2.a 家戶所得 5.39 刪除
C2.b 就業人口 5.19 刪除
C2.c 教育程度(大學/專科以上) 5.12 刪除
C3.a 建物面積 6.17 通過
C3.b 淹水潛勢(600mm/日) 7.14 通過 資料來源：本研究整理
5-4
5-5
第二節 模糊階層分析法之操作與分析
於模糊德爾菲法篩選評估指標後，本研究欲以模糊階層分析法，整合相關專 家學者之意見，兩兩比較各評估指標之相對重要性，並利用模糊理論加以計算各 指標之權重，再解模糊化賦予各項評估指標之權重值。本研究假設各評估指標之 關係為獨立，使模糊階層分析的操作上便於應用。以下說明模糊階層分析法之操 作。
一、 模糊階層分析法(Fuzzy Analytic Hierarchy Process, FAHP)之介紹 (一)層級分析法(Analytic Hierarchy Process，AHP)
層級分析法(Analytic Hierarchy Process，AHP)是美國匹茲堲大學 Saaty 教授於1971 年，發展出的一個多準則(Multi-criteria)、多目標(Multi-objective) 的決策處理流程理論，主要應用在不確定(Uncertainty)情況下及具有多數個 評估準則的決策問題，如優先順序的決定、資源規劃、分配及投資組合等方 面，其於1980 年更提出一套完整的方法論，整個理論更臻完備。由於決策 時往往面臨不同衡量的標準，牽涉到不同標準之間的權重關係，因此，它並 沒有絕對的數值，而是採取相互之間的比較。利用層級分析法，能將複雜的 問題有系統化地加以簡化，利用層級結構將問題作層級分解，並透過量化的 判斷，尋得脈絡後加以綜合評估，以提供決策者選擇適當方案的完整資訊，
減少決策錯誤的風險。
(二)模糊階層分析法(Fuzzy Analytic Hierarchy Process, FAHP)
有 鑑 於 層 級 分 析 法(AHP) 無 法 克 服 決 策 時 所 伴 隨 模 糊 性 之 缺 點 ， Laarhoven & Pedrycz(1983)便將 Saaty(1980)之傳統層級分析法加以演化，發 展模糊階層分析法(FAHP)，將三角模糊數直接代入成對比較矩陣中，以防 在處理準則衡量、判斷等過程中所產生之模糊性問題。FAHP 以區間值 (Interval Value)取代傳統 AHP 之確定數值(Exact Value)，讓專家於決策時能 以較人性化的尺度評估問題，給予評估因子比較值。因此，本研究將採用模 糊階層分析法，兩兩比較各項評估指標之相對重要性，賦予各階層之評估指 標權重值。
二、 氣候變遷災害影響熱點判別指標權重分析結果
模糊階層分析問卷施測日期由2009 年 9 月 30 日至 2009 年 10 月 9 日止，總 計發放問卷17 份，回收問卷 17 份，回收率 100%，其中政府部門專家 4 位、私 部門專家3 位、學術界專家 10 位。
模糊階層分析法，其相對重要性的比較，正倒矩陣、解模糊化以及層級串聯 之詳細計算過程，請參見附錄四。評估指標權重值之計算結果如下表5-3 所示：
5-6 於地理環境(0.43)，環境敏感地之重要性最高，權重值達 0.57。最後於社經 環境條件的評估指項目中，整合之專家意見認為易受災人口特性可作為評估 社經環境之主要考量因子，其權重值最高，達0.60，其次為建成環境(0.40)。
5-7
(三)第三層級指標因子權重：
在經過層及串連的計算後，得知各細項評估指標之權重值，在此依前五 項重要性程度陳述之。雨季(0.219)、夏季(0.110)、乾季(0.076)、地質災害敏 感地(0.075)、土石流保全人數(0.067)。由此顯示評估地區之災害熱點時，氣 候變遷因素中之降雨最為重要，其次為環境敏感地，易受災人口之土石流保 全人數亦為專家整合意見中重要的評估項目。
本研究透過上述方式，建立之災害熱點評估架構，與各評估指標之權重值，
即可評估地區受氣候變遷風險影響之風險高低。以下將針對判別指標之資料來源 稍作分析，並說明其操作，最後提供判別指標系統未來應用之建議。
5-8
第三節 判別指標資料來源分析及操作說明
本研究所建立之判別指標於後續的操作上，建議以鄉鎮市區之行政區界作為 分析之基本空間單元。就目前國內相關的資料來源而言，判別指標之資料格式可 區分為一般數據資料與數位地圖兩類。其中一般數據資料主要是各鄉鎮市區之聚 合資料（aggregate data）如人口密度等；而數位地圖則視資料的來源與特性，其 格式可能為向量(vector)或網格(raster)的圖資。
考量到未來將指標權重應用於所分析之資料結果，因此無論是一般數據資料 或向量、網格的數位地圖，其最終的分析結果都必須轉換為同一測量尺度與範圍 (range)，才能符合加權分析的目的。本研究擬採 t 分數法將每個指標變項的值標 準化，t 分數的定義如下：
50 10+
− ×
= s x t xi
其中：
x = 指標變項 x 中第 i 個鄉鎮市區的值 i
x = 指標變項 x 的樣本平均數 s = 指標變項 x 的樣本標準差
x = 指標變項 x 的樣本平均數 s = 指標變項 x 的樣本標準差