5-1 光達資料處理、分類及成果產製 5-1.1 點雲資料處理
由於原始 LiDAR 掃瞄之數據(All points)為不規則離散測點，製作 DSM 可採用第一個回波反射數據組成 DSM 規則網格，數值高程模型
（DEM）的製作，則需執行濾除與分類的步驟，將測點分類成地面點 (Ground)與非地面測點(Non-ground)。
本計畫中自動過濾工具，採用商用軟體 TerraScan 工具模組，
TerraScan 處理點雲過濾的程式，是採用 Axelsson(2000)之演算法，其 基本原理，是先選擇區域內的低點為種子點，資料結構採用 TIN 模型，
組成「起始地面」，然後逐點判斷，判斷候選測點，位置落入種子點構 成的 TIN 三角面內，計算候選測點與三角面的垂直距離 (iteration distance)以及離最近三角面頂點的夾角(iteration angle)，當垂直距離小 者，表示候選測點離「起始地面」貼近，當垂直距離小於臨界值以內 者視為地面點(iteration angle 判斷亦同理)，逐次將候選測點判斷成地面 點或地物點，漸進更新加密新的「起始地面」，直到所有點判斷完成(如 圖 5.1)。
圖 5.1 Iteration angle 和 Iteration distance 示意圖 (Axelsson, 2000)
通過航帶平差後，將火山測區和集水區測區之點雲資料，利用 TerraScan 軟體進行各種不同類別之點雲資料分類，再利用分類後之資 料進行過濾與整合，分別產出僅含地表面及地形面之非地面測點與地 面測點的點雲資料。另外，以 1/5000 圖幅做為基本圖幅，火山測區涵 蓋 8 幅；集水區測區涵蓋 12 幅，分幅狀況如圖 5.2，使用軟體 TerraScan 進行點雲資料過濾，該軟體分類地面點的演算法引用不規則三角網 (Triangular Irregular Networks, TIN)來表示地表面，過濾處理會隨著地 形坡度要變換門檻值，以及要隨著植被的特徵變換門檻值，達到參數 自適性調整。最後進行人工編修，並將光達點雲成果儲存為 LAS 格式。
火山區 水庫集水區-B 測試區
圖 5.2 測試區分幅處理示意圖 5-1.2 點雲資料分類後地面測點與非地面測點數據統計
地面點是後續產製 DEM 的重要依據，因此統計地面點和非地面點 資訊，可以計算地面點密度，以了解後續產製 DEM 之成果精度，針對
兩測區點雲資料地面點過濾完成後，以 1/5000 基本圖框為依據，對兩 測區測區範圍內之各圖幅進行地面點與非地面點點數、點雲密度進行 統計，以提供後續 DEM 產製之精度參考。火山測區及水庫集水區 B 區之各圖幅之分類後測點統計數據如表 5.1。
藉由計算地面點密度可瞭解空載光達之穿透率，而透過穿透率的 變化則可間接知道雷射入射角或地表覆蓋型態與植被高度的關係，此 外亦可以供產製 DEM 的精度參考。實際 DEM 的精度成果評估則 5-2 節所述。一般來說，若穿透率越好則 DEM 之成果則有越高精度。因此，
若想得到較佳穿透率，除了參酌地面點密度幫助調整作業之視角(FOV, Field of View)，也可觀察地表覆蓋與穿透率的關係，並藉由增加穿透率 不佳地區之航線，以提高可穿透之地面點數，使 DEM 成果精度提升。
表 5.1 分類後地面測點與非地面測點之統計數據
97233004 55,732,434 5,438,600 50,293,834 7.019 0.924
97233005 47,258,635 3,889,960 43,368,675 6.330 0.647
97233014 8,009,314 692,930 7,316,384 6.244 0.752
97233015 62,445,026 3,785,773 58,659,253 6.873 0.548
97233024 94,641,650 8,020,097 86,621,553 9.7635 2.319
97233025 105,899,298 2,960,314 102,938,984 10.253 0.412
97233034 23,195,488 1,409,155 21,786,333 9.138 0.844
97233035 31,397,106 1,607,243 29,789,863 5.941 0.450
水庫集 水區 B 測試區
95194066 46,563,195 1,258,443 45,304,752 10.681 0.470
95194067 83,579,616 8,308,051 75,271,565 7.797 1.181
95194068 63,318,582 2,488,694 60,829,888 9.490 0.563
95194076 39,422,139 2,470,865 36,951,274 8.949 0.933
95194077 72,568,353 6,252,198 66,316,155 6.797 0.899
95194078 71,614,924 2,753,103 68,861,821 10.596 0.630
95194086 16,349,386 1,763,803 14,585,583 7.518 1.238
95194087 35,676,050 3,919,258 31,756,792 6.570 1.068
95194088 42,813,403 1,732,911 41,080,492
5-1.3 測區回波數據面積與水體吸收之無數據面積統計
使用 TerraScan 軟體進行測區內回波數據面積與水體吸收之無數據 面積統計(圖 5.3)。水體吸收部份，除了檢驗原本點雲資料，後續一併 與正射影像進行比對，確保無點雲地區乃受水體吸收所致，統計結果 顯示所佔面積均小於總面積之 1%(表 5.2)。
火山測區水體圈選與面積統計操作
集水區測區水體圈選與面積統計操作 圖 5.3 水庫集水區分幅處理示意圖
表 5.2 無數據面積之統計數據 測試區 測區回波數據
面積(m2)
雲遮蔽 面積(m2)
水體吸收之無數據面積(m2) 百分比(%) 火山區 35260463.194 0 145656.867 0.41%
水庫集水區 35000165.500 0 8682.568 0.025%
5-1.4 DEM 及 DSM 成果產製
經由過濾後之點雲成果，透過分幅、分類編輯處理後，藉由記錄 的高程資料，依實際需求產製 1 m×1 m 整數網格之 DEM 及 DSM，DEM 採用 SCOP++軟體內之適應性推估法進行 1 m 數值高程模型內插，並 以 TERRASCAN 軟體產製 DSM，兩測試區之 DEM 成果如圖 5.4 及圖 5.5，DSM 成果則展示於圖 5.6。
圖 5.4 火山測試區 DEM 成果圖
圖 5.5 水庫集水區-B 測試區之 DEM 成果圖
火山區
水庫集水區-B 測試區 圖 5.6 測試區 DSM 成果圖
5-2 DEM/DSM 精度評估與分析
在 DEM 資料精度評估中，依「內政部 LiDAR 測製數值高程模型 及數值地表模型標準作業程序（草案）」進行檢核點精度評估。為了 解高程較差數值資料的基本特性，一般常用描述性統計作其基本資料 分析和初步統計解算，其基本運算包含：誤差的平均值、最大值、最 小值及均方根誤差(Root mean squared error)意即標準誤差(Standard error)、Skewness(偏態)等項目，並佐以檢核點的精度規範圖以及誤差
1. 基本精度分析
此 精 度 規 範 是 透 過 外 業 人 員 蒐 集 回 來 之 檢 核 點 資 料 ， 透 過 TerraScan 內之「Output Control Report 」功能，利用檢核點附近之三 個最鄰近地面網格點內插其高程後與此檢核點之高程比較而得出其較 差值。輸出資訊有「平均高差」為所有用以計算點之高差量平均值；
「最大、最小高差」分別指所有用以計算點中高差量最小與最大值；
「平均絕對高差」為用以計算點高差絕對值的平均值；「均方根誤差 量」為所有高差量平方平均值之均方根。
透過了解檢核點的最大高差、最小高差以及均方根誤差，可以知 道資料其離散程度及準確度。此種初步檢驗考慮到每個樣本在統計上 都具有代表性外，其基本精度評估之描述性統計值如表 5.3。
表 5.3 各類土地覆蓋分區基本精度分析表
火山測試區裸露地（B） 火山測試區林地（F）
火山測試區矮植被（L） 火山測試區植生地（V）
圖 5.8 火山區測試區之各土地覆蓋類型之精度成果示意圖(單位：公尺)
火山測試區濕地（W） 火山測試區密林（D）
火山測試區橫斷面（S）
圖 5.8 火山區測試區之各土地覆蓋類型之精度成果示意圖(單位：公尺) (續)
水庫集水區裸露地（B） 水庫集水區林地（F）
水庫集水區矮植被（L） 水庫集水區植生地（V）
圖 5.9 水庫集水區 B 測試區之各土地覆蓋類型之精度成果示意圖(單位：
公尺)
水庫集水區濕地（W） 水庫集水區密林地（D）
水庫集水區斷面（S）
圖 5.9 水庫集水區 B 測試區之各土地覆蓋類型之精度成果示意圖(單位：
公尺) (續)
2. 數值精度中央集中趨勢分析(Central Tendency)
集中趨勢顯示一組資料中某種特性共同趨勢之量數，因其可反映 資料觀測值之集中位置，故又稱位置量數(location measure)。集中趨勢 所反映的是一組資料中各種資料所具有的共同趨勢。在無誤差之下，
資料會呈現對稱的常態分布(即平均值等於中位數，樣本分佈偏度為零)，
故通常可採用平均數、中位數作為衡量指標。而依據高程較差的平均 數和中位數之誤差大小可發現，算數平均數大者，則可能存在系統性 誤差。根據表 5.4 之數值中央集中趨勢表分析，了解兩測區之各種土地 覆蓋的高差值，其算數平均值與中位數皆不相等，且各種土地覆蓋區
之檢核點數未達 30(樣本數小於 30)，因此代表被檢驗的數值可能存在
在使用一組資料分析與統計前，應對資料特性有充分足夠瞭解，
以確認數據資料能滿足基本假定，才能確保統計的推論正確性，當假 定不成立時（資料的偏態異於常態時），將會致使參數估計之標準偏差
（standard error）與顯著性檢定（t-value）將會造成偏誤，嚴重時會導 致估計結果的顯著性檢驗失敗（Hu & Bentler, 1995; West, Finch, &
Curran,1995）。依「內政部 LiDAR 測製數值高程模型及數值地表模型 標準作業程序（草案）」中，所要檢查之偏態重點為誤差是否導致在直 方圖上出現嚴重的雙峰圖形。一般而言，偏態係數的值是介於「-1」與
「1」間(Hildebrand，1986)，若超過此偏態係數代表該樣本資料分配可 能出現較大的偏態現象。
本兩測區之偏態檢驗各由 7 種不同的土地覆蓋區域組成，其高程 數值之偏態如表 5.5 結果顯示，結果發現火山區之密林地以及集水區之 裸露地、矮植被和橫斷面出現較大偏態現象，由誤差直方圖(圖 5.10 及 圖 5.11)中了解並未發現有雙峰圖形出現，可知此部分結果亦符合內政 部草案所要求之合理檢驗範圍內。最後為了解檢定值本身中誤差與被 檢定值中誤差相較為何，後續將透過假設檢定，以了解檢驗值與被檢 驗值之間的關係。
表 5.5 數值精度之偏態檢驗表(單位：公尺)
土地覆蓋類型 偏態（skewness）
火山測試區
裸露地 -0.904
林地 -0.143
矮植被 0.715
植生地 0.805
濕地 0.126
密林 1.397
橫斷面 0.298
水庫集水區測試區
裸露地 -1.498
林地 0.332
矮植被 1.896
植生地 -0.695
濕地 -0.786
密林 0.446
橫斷面 -1.440
裸露地（B） 林地（F）
矮植被（L） 植生地（V）
圖 5.10 火山區測試區之各土地覆蓋類型之直方圖(單位：公尺)
濕地（W） 密林（D）
橫斷面（S）
圖 5.10 火山區測試區之各土地覆蓋類型之直方圖(單位：公尺)(續)
裸露地（B） 林地（F）
矮植被（L） 植生地（V）
圖 5.11 水庫集水區 B 測試區之各土地覆蓋類型之直方圖(單位：公尺)
濕地（W） 密林地（D）
橫斷面（S）
圖 5.11 水庫集水區 B 測試區之各土地覆蓋類型之直方圖(單位：公 尺)(續)
4. 檢驗值與被檢驗值假設檢定
除了敘述性統計的呈現，類別變項的資料可進一步使用卡方檢驗 (chi-square test)來進行推論統計檢定，其檢驗原理在於檢驗樣本觀察次 數(或百分比)與理論母群體的次數(或百分比)之間是否有顯著的差異。
而卡方檢驗又可針對不同群體或不同變項其分配、兩變項關聯性、同 質性等關係，進行不同方法之檢驗(邱浩政，2008)。本研究在此使用規 範內之卡方分配進行假設檢定，以了解檢驗值與被檢驗值之間的關 係。
本測試區 DEM 精度評估，對其測區內每種土地覆蓋施測內容之檢
與其理論值(
2D)沒有太大顯著性差異。採用測區內已知水準點做為 DEM 成果正高系統(TWVD2001)檢核
點，由於測區較小及災後點位損壞因素，計火山測區內共有 3 個點，
火山區 水庫集水區 圖 5.12 正高檢核點位置圖