第六章 結論與建議
續表 2- 3 傳統之蒸發散量量測技術之優、缺點比較
（Brown ratio energy balance）
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
23
1. Penman-Montieth 模式：為國際灌溉排水協會（ICID）於 1994 年公佈，
Montieth（1965）考量地表蒸發散的過程中，植被將同時受到周遭環境及 土壤水分提供之影響，因而修正傳統應用能量平衡和空氣動力學的複雜 公式─Penman 法，使其能更廣泛應用於估算植被地區之蒸發散量；此模 式經學者研究、為臺灣地區較佳採用之推估模式（甘俊二、陳清田、陳 焜耀，1996；陳姜琦，2002；杜榮鴻，2005）。
2. SEBAL 模式（Surface Energy Balance Algorithm for Land）、或稱地表能量 平衡演算法：為 Bastiaanssen（1998）提出之公式，其考慮整個系統之能 量收支平衡來進行潛勢蒸發散量的估算，能量平衡即假設地表能量的總 和為淨輻射能量，其為土壤熱通量、可感熱通量和潛熱通量之總和；估 算過程中將應用地面氣象資料及衛星遙測資料反演得之能量平衡參數。
3. S-SEBI 模式（Simplified Surface Energy Balance Index）：為 Roerink, Su and Menenti（2000）用於義大利 Tuscany 山區估算小區域地表能量之演 算法。同 SEBAL 模式之基本概念為地表能量平衡，但差異在可感熱通量 之計算，其忽略大氣的熱傳導空氣動力阻抗；潛熱通量則透過由地表反 射率和地表溫度求出之蒸發散比值、經淨可用量之比例估算而得。此模 式尚須假設天氣為穩態（Steady State）：氣壓及氣溫為定值，且影像乾、
濕地區像元充足明顯。
眾多的蒸發散估算模式中，其各自適用性隨地區特性及氣候變化而有 所差異，近年國內外應用遙測影像技術及各類推估模式於蒸發散之相關研 究數量諸多、顯見此技術推估蒸發散之可行性及前瞻性；而多種衛星影像 均具備熱感應波段，皆可適用前述模式以推估蒸發散量，故以下依使用衛 星影像之種類、整理相關研究於表 2-4。
‧
Nagler, Cleverly, Glenn, Lampkin, Huete and Wan, 2005
Landsat TM
檜木老林蒸發
散量 SEBAL 2002 臺灣棲蘭山 Wu, Cheng and Chuang, 2012 濕地實際蒸發 Bastiaanssen and Savenije, 2004
區域潛勢蒸發 散量
Penman-Monteith 1999 臺灣高屏溪
流域 陳姜琦，2002 然在眾多應用遙測影像量測蒸發散量之技術中，Mu, Heinsch, Zhao and Running（2007）結合地面氣象觀測資料與 MODIS 衛星資訊，以 Penman-Monteith 模式為基礎、改良並發展 Revised Penman-Penman-Monteith Algorithm 以推 估各項地表能量參數，並進一步估算地面蒸發散量，後與地面觀測結果進
‧
行驗證、確立其方法之可行性。而後 Mu, Zhao and Running（2011）更進一 步改良其原先之方法，於其蒸發散演算理論中加入日夜差異之考量、簡化 Observing System）採用 Mu et al.（2011）之方法，發佈全球地表蒸發散監 測資料（MOD16 Global Terrestrial Evapotranspiration Data Set），提供全球高 精度的蒸發散量推估成果，且具備高時空解析度及免費取得等優點，故逐 漸獲得全球廣泛的應用（Velpuri, Senay, Singh, Bohms and Verdin, 2013；Hu, Jia and Menenti, 2015；Westerhoff, 2015；吳桂平、劉元波、趙曉松、葉春，
2013；王海波、馬明國，2014；賀添、邵全琴，2014）。其中，賀添等人（2014）
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
26
水足跡的概略估算、區域性則多有更細緻的考量，以下分別舉例進行介紹。
(一) 全球性之估算案例
水足跡研究的發展階段上，多以糧食作物為研究對象，故隨估算方式 的改進或檢視角度的不同，於全球性的糧食作物或稻作水足跡研究皆持續 有所成果（Chapagain et al., 2004；Mekonnen and Hoekstra, 2010a；Mekonnen and Hoekstra, 2010b；Siebert et al., 2010；Chapagain et al., 2011）。Mekonnen et al.（2010a, 2010b）以較高的空間解析度及動態水平衡模型估算 1996 – 2005 年全球 126 種作物及作物加工產品的三色水足跡，其中稻作總水足跡 之分佈繪製如圖 2-9，初步可判斷稻作主要集中在亞洲所生產，且於南亞地 區及東南亞地區將會耗用相對較多的水資源量。
圖 2- 5 全球稻作總水足跡地圖（1996 – 2005 年）（引用自 Mekonnen et al., 2010b）
此外，本研究亦整理出前人所估算出的平均全球稻作各色水足跡及總 水足跡於下表 2-5，其中最新一例由 Chapagain et al.（2011）所估計之成果 較其 2004 年之研究更細緻區分各色水足跡，而與 Mekonnen et al.（2010a, 2010b）之差異在於所採用的為各區域當地且實際的灌溉資訊，其成果顯示 全球稻作水足跡總量為 784 億 mm/yr，平均為 1325 m3/ton，其中 48%為綠 水、44%為藍水、8%為灰水。然藍水及綠水足跡隨時間及空間之不同有著 極大差異，如於印度、印尼、越南、泰國、緬甸及菲律賓之綠水比例皆大於 藍水，而在美國和巴基斯坦之藍水足跡卻達綠水之四倍多；全球 13 個主要
‧
Mekonnen et al.,2010a, 2010b 1996 - 2005
雨育 1912 - 190 2102 灌溉 869 464 185 1519 全球 1146 341 187 1673 Chapagain et al., 2011 2000 - 2004 636 583 106 1325 註：* Chapagain et al.（2004）最初估算水足跡尚未區分各色水資源。
表 2- 6 主要稻作生產國之稻作水足跡（m3/ton）（2000 – 2004 年） 資料來源：Chapagain et al., 2011
(二) 區域性之估算案例
對於印尼而言，農業不僅為多數國人所賴以為生，更對該國穩定治安、
經濟成長及糧食安全具有戰略性的作用。Bulsink et al.（2009）進行印尼 2000 – 2004 年的作物水足跡估算，而稻米作為印尼國人之主食，亦為消耗水足 跡最多之作物，其平均耗用總水足跡為 3473 m3/ton，綠水占總量之 73%、
藍水 21%、灰水 6%；然而各省份稻作水足跡差異甚大，如圖 2-6 所示，其 分析原因為各區域單位產量及蒸發散量之組合所致，如爪哇島（Java）即因
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
28
較高的單位產量（5.3 ton/ha）和較低的蒸發散量（4.6 mm/day）而有低於平 均之稻作水足跡（2800 m3/ton）。
圖 2- 6 印尼各省份稻作水足跡地圖（2000 – 2004 年）（引用自 Bulsink et al., 2009）
中國亦是以稻米為主食之國家，其中「湖南省」為全國最大的水稻生產 省份，卻受地形及環境等影響而致使水資源分配不均、歷年變化甚大。於是 何浩等人（2010）嘗試計算湖南省水稻水足跡，並分析其歷史變化及組成特 徵；其成果顯示該省水稻總水足跡由 1960 年的 22×109 m3上升至 2008 年的 34.4×109 m3；水足跡之組成以綠水為主，但所佔比例逐漸降低，從 1960 年 代佔約 57%、減少至近代僅約 42%；灰水則由早期的 7%增加至 24%，說明 所需稀釋水量逐漸加大，如圖 2-7 可見湖南省水足跡組成之歷史變化。
圖 2- 7 湖南省水稻水足跡組成變化圖（引用自何浩等人，2010）
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
29
中亞鹹海地區長期發展灌溉農業，然於水資源有限之前提下，如何有 效分配水資源一直為中亞五國的重要課題。Aldaya et al.（2010）分析了中 亞的棉花、小麥及水稻生產之水足跡，期能提供未來水資源有效配置之參 考。其中，水稻主要於鹹海盆地的南部地區生產並使用藍水資源，各國水稻 之藍、綠水足跡如圖 2-8；土庫曼為水稻水足跡耗用量最大之國家、為 7014 m3/ton（97%藍水、3%綠水），分析原因為其單位產量位居五國之末（1.2 ton/ha），其他國家單位產量約有 2.5 - 3 ton/ha；此外，塔吉克、吉爾吉斯 和哈薩克氣候較為濕潤、土壤為黏土居多，而耗用較少的水資源量。
圖 2- 8 中亞地區五國之水稻藍、綠水足跡（1992 – 2007 年）（重繪自 Aldaya et al., 2010）
臺灣同為以稻米為主食之國家，在全球氣候變遷之趨勢下，近年亦陸 續有臺灣稻作水足跡的相關研究（張尊國，2009；周嫦娥等人，2011；張元 馨，2011；姚佩萱等人，2013）。根據姚佩萱等人（2013）之估算成果，臺 灣近 30 年之平均稻作水足跡為 5938 m3/ton，藍水占總比例之 80.6%、綠水 15.2%、灰水 4.2%，藍水為稻作之主要用水；以期作別而言，一期稻作水足 跡為 4754 m3/ton、二期為 7122 m3/ton，其差異之因係受到生長期氣候（二 期氣溫較高，為雨季、蒸發散量及有效降水均較大）、產量（二期常受天災 影響產量偏低）影響，詳見表 2-7；另以區域別而言，南部稻作水足跡最小：
‧
1980-1984 1985-1989 1990-1994 1995-1999 2000-2004 2005-2009 平均
一
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
31
第三章 研究方法與材料
第一節 應用 MODIS 資料估算稻作綠水足跡之流程設計
本研究所設計之應用 MODIS 資料估算稻作綠水足跡之流程如圖 3-1 所 示。
圖 3- 1 應用 MODIS 資料估算稻作綠水足跡之流程
估算流程之重點即將遙測資料與複迴歸分析結合、推估出稻作地區完 整且精確的蒸發散量，後配合其他統計資料以進一步估算稻作綠水足跡。
整體流程大致可分為三個工作階段：
‧
遺漏部分、計算得月平均／月累積、Natural Neighbor（自然鄰域插值 法）內插為面的連續資料後，得以投入建模。 農業委員會農糧署農業試驗所，2011）。然本研究所取得的 MODIS 資 料及氣象資料皆可獲取至時間尺度為「月」的單位資料，故以「月」資 料投入建立「期作」之模型；亦因應投入 1 – 6 月或 7 – 12 月之逐月資‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
33
料更能反映出相應各月份蒸發散量之差異，所建兩期作模型效果更甚 單月模型。
2. 空間尺度：本研究採用的 MODIS 資料有三種，包含 MOD16、MCD12Q1、
MOD13Q1，然各種 MODIS 資料的空間解析度不一（如圖 3-2 所示）， 故本研究擬以三者中最粗的 MOD16 之空間解析度（1 平方公里）為分 析基準單元，接著選擇相對應範圍內 MCD12Q1 土地利用皆為農地者、
再將該單元內 MOD13Q1 之 NDVI 值取平均值，如此以解決各種資料 空間尺度轉換之問題。
圖 3- 2 MOD16、MCD12Q1、MOD13Q1 資料之空間解析度對應 綜上所述，本研究期建立一套結合遙測資料及複迴歸模型的流程，
在彌補 MOD16 資料於時間和空間上的限制後，求出完整且高精度的蒸發 散量分佈並進行稻作綠水足跡之估算。如此步驟有別於過往僅使用離散點 式的蒸發散量資料、克服可能無法完全反映區域分布的實際情況或量測站 點非位在稻作種植區域等疑慮；此外，此流程亦預期將可提供各地區使用、
推估區域性高精度之蒸發散量，前提僅需具備有前述提及之 MODIS 資料及 氣象資料。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
34
第二節 研究方法
一、 建立複迴歸模型
複迴歸分析（Multiple regression analysis）用以探討一個依變數和多個 自變數的函數關係，其可達到之目的除了解自變數與依變數的關係、影響 方向與影響程度外，並可利用自變數與推估的方程式對依變數進行預測。
複迴歸分析之表示式如下：
Y = 𝛽0+ 𝛽1𝑋1+ 𝛽2𝑋2+ ⋯ + 𝛽𝑛𝑋𝑛 (3. 1) 式中，Y為依變數，𝑋1,…, 𝑋𝑛為自變數，𝛽0為常數，𝛽1,…, 𝛽𝑛為迴歸係 數。然最佳的迴歸模式期望能夠以較少的自變數即足以解釋整個迴歸模式 的最大量，因此如何選擇自變數進入迴歸模式為重要的步驟。後續將依序 說明本研究依變數、自變數、變數選擇方法及模型驗證和分析方式（林惠 玲、陳正倉，2011；榮泰生，2013）。
複迴歸分析中之逐步迴歸法（Stepwise method）為自變數被篩選進迴歸 方程式之方法，其過程結合向前增加法（Forward addition）和向後刪除法
複迴歸分析中之逐步迴歸法（Stepwise method）為自變數被篩選進迴歸 方程式之方法，其過程結合向前增加法（Forward addition）和向後刪除法