底質分析理論及方法

70

海床底質分類(seabed classification)可以採用視覺法(visual)、機械 法(mechanical)及聲學法(acoustical)，而使用視覺法(潛水、攝影、錄影) 及機械法(抓取、岩芯採樣、探測器探測)之速度極慢，且極為耗費人力，

因此極為昂貴，並不適合於大範圍的調查工作。聲學法因不需要停船 作業，故能快速的進行大範圍的調查。然而單獨使用聲學法進行海床 底質分類，因為僅有海床的回波反射(seabed echo)及散射(backscatter) 資訊，並不夠有信心的說明海床沈積物(sediment)為砂(sand)、泥(mud)、

QTC (Quester Tangent Corporation) View 可以配合硬體接收單音束 測深之回波強度，提供海上即時底質分類。而 QTC IMPACT(Integrated Mapping Processing and Classification)軟體，則以後處理(post-process) 的方式，將單音束的回波強度進行海床底質分類。雖然多音束測深系 統(Multibeam Echo Sounding System)及側掃聲納(Sidescan Sonar)亦可 接收回波強度資訊，但因各音束之掠過角(grazing angle)或入射角 (incident angle)(90°減去掠過角即為入射角)及足印大小(footprint or insonification area)並不相同，因此其資料修正之方法與前述對象不同，

所以 QTC Multiview 軟體針對多音束測深系統，QTC Sideview 則針對 側掃聲納進行海床底質分類工作。

71

圖 71 QTC 底質分析原理說明圖

聲納回波強度影像的統計性質與底質類別息息相關，對一般人而 言，岩石(rocks)、砂(sand)及軟泥(mud)在影像中紋理(texture)的差異極 易辨別，但砂泥(silt)與黏土(clay)之差異則並不顯著。將聲納回波強度 影像進行統計分析，則可掌握聲波、底床及其地形高低起伏之互動關 係。多變數統計分析(multivariate statistical analysis)則可分離這些底床 類別細節，產生特徵向量(feature vectors)，並提供精確及可靠分類所需 的資訊。隨後以多音束或側掃聲納資料之特性，採用自動聚類法 (automated clustering)來進行海床底質分類。每一個聚類代表一種海床 底質類別，可以經由回波強度影像或現場驗證方式(相片、粒徑分析等) 來辨識。若海床底質類別在分類前是已知，則可利用不同底質類別的 區域來建立聲納回波強度影像與已知底質類別的相關性目錄

(catalogue)，則其他的底質可以藉此目錄來進行推論，這種方法稱為監 督式分類法(supervised classification)。而非監督式分類法(unsupervised classification)則僅以聚類類別，配合現場驗證資料來進行分類，QTC Multiview 採用非監督式分類法。

72

圖 72 QTC 底質分析流程說明圖

多音束測深資料進行影像式海床底質分類法之處理步驟：

1. 載入資料(load data)：載入由多音束測深系統所收集之回波強度影像 及定位與其他感測器資料。

2. 確認及資料品管(validation and quality control)：若水深資料不合理 (魚群反射或雜訊等)或船隻受海象因素影響以致動態過大，則回波 強度資料必不正確，必須加以剔除。若聲納操作狀況或設定改變，

則在分類前需要先將操作狀況或設定條件相同之資料分成不同的資 料組，因各資料組之統計特性不同，再針對不同的資料組分別進行 底質分類，而會影響到底質分類之聲納操作設定主要為聲波之波長 (pulse length)，需特別注意部分多音束測深儀會自動改變操作狀況。

3. 加入長方形(place rectangles)：影像上海床部分會被劃分為長方形區 塊(patches)，這些長方形區塊是依據資料品質並利用遮罩(mask)來佈

73

置的，部分多音束測深系統的佈置是受到足印大小及掠過角(grazing angle)之限制影響。以這些掠過角之限制及使用者選擇之區塊大小，

來決定左右側區塊之個數，各區塊隨後會給予一個類別(class)。

4. 產生特徵(generate features)：在每個區塊中採用許多演算法(例如：

平均值、標準差、高階力矩(higher-order moment)、分位數(quantile)、

直方圖(histogram)、快速傅力葉轉換(fast Fourier transforms)、基於冪 次頻譜的比率(ratios based on power spectra)、灰階共現矩陣

(gray-level co-occurrence matrices)、碎形維度(fractal dimension))，由 回波散射強度(backscatter intensities)及影像強度(image intensities)中 萃取出特徵。此步驟會產生一個矩陣，其欄位(column)值為特徵之 一，其列(row)值為一區塊的所有特徵。

5. 多變數統計分析(multivariate statistical processing)：確認所有資料特 徵之主成分(principal components)，依據變方(variance)之大小，將原 始特徵之線性組合(linear combinations)加以排序。前三個線性組合已 包含全部變方的大部分，將此組合寫入一個資料檔，再配合此區塊 之定位及時間資料。

6. 聚類分析(clustering analysis)：將所有區塊的主成分具有類似聲學性 質者加以聚類起來，這些聚類即代表許多海床底質類別。這個聚類 過程是建立在三個主成分 Q1，Q2，Q3 所組成的三度空間，且此過 程為循環(iterative)的。可參照下圖。

74

圖 73 Q-space 分佈圖

7. 海床底質分類(classification of seabed)：產生一個目錄(catalogue)包含 三個主成分特徵所產生的簡化矩陣(reduction matrix)，並定義 Q 空間 內之邊界用來提供每個區塊一個海床底質類別。可分為手動分類及 自動分類，可參照下圖。

圖 74 底質分類模式

8. 展示(presentation)：分類成果配合位置及深度資料會被寫入一個 ASCII 檔案，可將此檔案輸入 GIS 或製圖軟體來展示之。

手動分類

自動分類

75

圖 75 單一測線底質分類圖