第三章 研究材料與方法
第二節 研究方法與流程
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
42
圖 3-17 研究流程圖
‧
影像分割的技術為利用 eCognition 軟體所提供的多重解析分割演算法
（Multiresolution Segmentation），為 Baatz 和 Scahpe（2000）提出，為一 種下而上（Bottom-Up）的演算法，其演算法流程如下： 徵，其整體異質性指標（門檻值）的公式如下（Baatz and Scahpe, 2000）：
（ ） （3） 下（Baatz and Scahpe, 2000）：
∑
（4）
‧
物件和物件合併後之光譜異質性門檻值的公式如下（Baatz and Scahpe, 2000）：
（Compactness）和平滑度（Smoothness）組成，其計算公式如下（Baatz and Scahpe, 2000）：
（ ） （6）
其中： 為物件之緊密度的權重。
為物件之緊密度。
為物件之平滑度。
物件之緊密度的公式如下（Baatz and Scahpe, 2000）：
⁄ √ （7）
‧
物件之平滑度的公式如下（Baatz and Scahpe, 2000）：
⁄ （8）
‧
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
47
二、原始影像前處理和初步崩塌地萃取。
影像前處理和初步崩塌地萃取部分之流程如圖 3-19 所示，首先將影像 中的雲層區域偵測出來，接著統計整張影像的光譜亮度值，將小於等於整 體光譜亮值 25%以下的區域視為影像中陰暗地區；位於 25%到 75%的區域 視為正常地區；大於 75%的區域視為較亮地區。將陰暗地區轉換成無陰暗 地區，將此無陰暗地區連同正常地區，利用光譜、形狀、大小和物件彼此 之間的相關性萃取出初步的崩塌地區域。較亮地區（不包含雲層區域）直 接視為初步崩塌地。最後將此三區萃取出來的初步崩塌地以向量檔格式匯 出。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
48
圖 3-19 研究流程圖－初步崩塌地分類流程
‧
分佈判斷，其影像的光譜亮度值公式如下（eCognition 8.8 reference book）：̅ ) ⁄ ∑
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
50
圖 3-20 常態分配（無偏態） 圖 3-21 非常態分配（右偏）
圖 3-20 為常態分配（無偏斜）的圖；圖 3-21 為非常態分配（右偏）的 圖。右偏的情形，表示該影像區域中有少部分的區域其亮度值極高，此可 能為雲層覆蓋的區域。因此，從影像的光譜亮度值直方圖形狀可清楚判釋 影像中是否有雲層覆蓋區域。自然環境中，影像的光譜亮度值曲線幾乎不 可能是呈現常態分配，但可藉由影像光譜亮度值分布的右偏程度，判釋是 否有雲層覆蓋並定義出雲層區的光譜亮度值門檻值。
雲層偵測的相關研究中，最難克服的項目即為薄雲地區的偵測（第二 章文獻回顧）。因此，本研究為了有效地找出薄雲地區，首先將初步的雲 層（非薄雲地區）偵測出來，接著利用區域成長法將附近的薄雲區域偵測 出來。
（二） 影像分區處理
原始影像的品質不一，有些影像上雲層覆蓋的面積較大，有些較少；
有些影像上陰影地區的面積較大；有些較少。因此，若要直接在整張影像 上萃取崩塌地，相當不容易。為了克服此問題，本研究將影像分為三個區 域來分析，分別為陰暗地區、正常地區和較亮地區（ 、 分別為整 張影像光譜亮度值之第 1 四分位數和第 3 四分位數）：
1. 陰暗地區：光譜亮度值＜
2. 正常地區： 光譜亮度值＜
‧
此種分區法的概念源自盒鬚圖（box-and-whisker plot）， 如圖 3-22 所 示:
圖 3-22 盒鬚圖示意圖
其中盒子的兩端 Q1 為第 1 四分位數，此值稱為下樞紐；Q3 為第 3 四 分位數，此值稱為上樞紐；IOR 為 Q3 減去 Q1 的值，稱為四分位距。小於 下樞紐 1.5 個四分位距的位置稱為下鄰近值（Q1－1.5×IQR）；大於上樞紐 1.5 個四分位距的位置稱為上鄰近值。一般來說，若資料的值小於下鄰近值
‧
（Normalized Difference Vegetation Index, NDVI）。光譜亮度值指標如上述 公式（13）所述；常態化植生指數如底下公式所示（Jensen, 2006）：
步對崩塌地萃取分析，其公式如下所示（eCognition 8.8 reference book）：
⁄ ) （17）
其中：VarX = X 方向上的變方。
VarY = Y 方向上的變方。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
53
圖 3-23 影像物件之主要方向圖（eCognition 8.8 reference book）
大小指標：本研究採取面積指標，為了將面積過小的影像物件過濾掉，
其計算的方式為計算其影像物件中所涵蓋的像元數量。
相鄰性指標：本研究使用類別和類別之間的鄰近關係。
類 別 和 類 別 之 間 的 鄰 近 關 係 公 式 和 圖 說 明 如 下 （ eCognition 8.8 reference book）：
∑ （ ）
（18）
其中： （ ）為 v 和 u 兩類別鄰近的邊緣長。
表示類別 v 的鄰近物件。
圖 3-24 鄰近關係說明圖（eCognition 8.8 reference book）
因此，從上述的公式（18）和圖 3-24 可知，其類別和類別之間的鄰近 關係為計算鄰近類別彼此之間的邊緣長。利用此種指標可以將雲層附近誤 分類成崩塌地的區域過濾掉。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
54
三、坐標轉換至地圖坐標，並套疊地形資料進一步萃取崩塌地。
後續套疊至地理資料判釋崩塌地的流程如圖 3-25 所示：首先將初步崩 塌地的資料（向量檔格式）透過共線式，將影像坐標轉換至地圖坐標，並 檢驗轉換坐標的精度。由於崩塌地向量資料已經轉成地圖坐標的檔案，因 此可以進一步套疊地形資料（數值高程模型、坡度和坡向）加以分析並萃 取崩塌地區域。
圖 3-25 研究流程圖－進一步套疊地理資料分析
‧
原理為共線式，演算法介紹如下（Mayr and Heipke, 1988）：（ ） （ ）
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
56
（4） 將 Z1重新代入上述公式，求其 X1,Y1
（5） 重複步驟（3）以及（4），直到 Z''（物空間高程）和前次迭代 所計算的高程 Z'之誤差小於所訂的門檻值為止。
圖 3-26 光線追蹤法示意圖（修改自湯美華，2006）
光線追蹤法坐標轉換精度指標採取均方根誤差（Root Mean Square Error, RMSE），評估坐標於 x 方向和 y 方向的轉換精度。
√ ∑ ́ )
（ ）
√ ∑ ́ )
（ ）
其中： 、 為坐標轉換在 x 以及在 y 方向上之均方根誤差。
為點位的個數。
、 ́ 為轉換點位之 x 坐標和相對應檢核點的 x 坐標。
、 ́ 為轉換點位之 y 坐標和相對應檢核點的 y 坐標。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
57
（二） 套疊地形資料所採用的指標
透過光線追蹤法將初步崩塌地轉換至地圖坐標之後，即可利用地形資 料作為後續影像分類的輔助資料，進一步分析與判釋崩塌地區域。研究中 所採用的地形資料包括高程資料所產製的坡度以及坡向資料，和利用坡向 和主要方向的夾角（崩塌角度）來輔助崩塌地的判釋。
崩塌角度（Collapse Angular）：定義為主要方向和坡向的差值，其公 式如下（鄭智仁，2010）：
) （23）
圖 3-27 崩塌角度示意圖
本研究使用誤差矩陣（Error Matrix）評估崩塌地的分類成果。誤差矩 陣分別從生產者（影像分析者）和使用者的角度來評估地物之分類精度，
其各別的說明如下（Jensen, 2006）：
生產者（影像分析者）：生產者，或稱作影像分析者，所著重的為如 何提高影像中某種類別地物自動分類出來和真實地物的精度，也就是說，
‧
如下（Jensen, 2006）：整體精度＝
（ ） 影像分類的結果無法 100%將地面參考像元數量萃取出來，因此，此種 精度誤差稱之為漏判（Jensen, 2006）；除此之外，從使用者精度可知，其 精度誤差為影像分類出來的地物中有錯誤的分類，因此，此種誤差稱之為 誤判（Jensen, 2006）。
漏判＝1－生產者精度 （25）
誤判＝1－使用者精度 （26）
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
59
檢定生產者精度和使用者精度彼此之間的相關系的指標為 Kappa 值，
其公式如下（Jensen, 2006）：
̂ ∑ ∑ （ ）
∑ （ ）
⁄ （27）
其中：N 為類別地物取樣的總數。
k 為類別的數量。
為該類別中取樣的數量。
若 Kappa 值越大，表示此兩種精度的相關系越大；表示此精度評估具 有檢定力；相對若 Kappa 值越小，則此精度評估的結果之公信力較低。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
60
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
61