研究方法

研究方法除了上述對於氣象觀測資料進行敘 述統計外，利用無人載具對兩處研究地點進行多時 期土壤含水量測圖以及地形坡度資料產製，接著利 用四分位距分析方法對各時期獲得危害與脆弱度 因子之監測資料找尋分級門檻值。於土壤含水量測 圖過程，牽涉多光譜影像資料進行土壤線性回歸公 式計算；對於各項氣象因子計算分級門檻時，因觀 測單位不同，必須提出一正規化計算方式使不同氣 象因子於同一尺度下評估其對於有形文化資產危 害影響程度。以下說明各研究項目內容，其流程如 圖 2 所示。本研究參考國家災害防救科技中心 (2020) 對於災害風險定義，危害度為天氣與氣候事 件，脆弱度為系統面臨危害是否有易致災傾向。因 此考量土壤含水量受氣象條件影響，同歸屬於危害 度因子，而地形坡度為墓園所在地理位置條件，墓 園若位處陡坡一旦面臨危害較大之氣象條件下，將 顯得脆弱。

4.1 無人載具航拍

本研究採用旋翼軸型無人機 (Unmanned Aerial Vehicle, UAV)，其軸徑約為 700 mm，屬於碳纖維與 鋁合金材質。為了達到 4~5 cm/pixel 空間解析要求 (約 1/500 測圖比例尺)，規劃航高為 190 m，兩條航

帶間隔約 65~70 m，相片刈幅 256 × 192 m²，前後及 側向重疊百分比分別為 80%與 70%。在天氣條件方 面，能見度要求在 7,000 m 以上，雲層高度必須達 到 3,000 m 以上。在飛航控制系統方面，系統具備 起飛前內部感應器自動檢查，非安全狀態無法起飛 (包括 GPS 定位、電壓等)，且當電壓過低時具自動 返航降落並警告。對於搭載之感測器，系統可控制 相機快門 (支援 CHDK 與 Sony MULTI 等) 依設定 2~15 秒數拍攝照片，並紀錄拍照當時日期、時間、

GPS 坐標、衛星狀況於 SD 卡中。為提升 UAV 航拍 影像幾何對位精度，前置作業除了上述參數計算進 行航線規劃外，於現地測區須均勻佈設航拍控制點 位，控制點座標以 GPS-RTK 進行定位 (見圖 3(a) 與(b))，由地面站軟體可觀看機體資訊或設定參數，

規劃航線輸出成 KML 檔案顯示 (見圖 3(c))。

UAV 上搭載多光譜感測器為 Parrot Sequoia (圖 3(d))，由於其體積小、重量輕，該感測器具有 5 個 鏡頭，分別提供綠光(G) (中央波長：0.550 μm)、紅 光(R) (中央波長：0.660 μm)、邊緣紅光 (Red Edge, RE) (中央波長：0.735 μm)、以及近紅外光 (Near InfraRed, NIR) (中央波長：0.790 μm) 等四波段，以 及一個天然彩色鏡頭。其中，邊緣紅光介於近紅外 光與紅光間之狹窄頻寬，利用邊緣紅光可有效觀察 植被與非植被區。本研究利用 NIR 及 R 兩波段進行 土壤線回歸分析，計算線性回歸斜率配合 UAV 航

蘇東青: 無人機遙測平台於金門野郊地區有形文化資產環境風險測圖-以陳健墓與陳禎墓為例 167 拍影像上NIR 及 R 兩波段之數值，進行土壤含水量 推估。

多時期監測資料收集

{

2. 氣象資料

土壤含水量測圖 氣象資料正規化處理 地形坡度分析

環境風險分級 環境風險評估模式

產製環境風險主題圖

危害度因子 脆弱度因子

環境風險 = f (危害度因子, 脆弱度因子)

四分位距分析

輸入

圖 2 研究流程圖

(a) (b)

(c) (d)

圖 3 UAV 航拍前置作業準備；(a) UAV 與 GPS 定位設備整備；(b) 地面控制點空標設置；(c) KML 檔案 格式呈現航線規劃圖；(d) Parrot Sequoia 多光譜感測器

168 航測及遙測學刊 第二十六卷 第三期 民國 110 年 9 月

4.2 氣象資料正規化處理

關於氣象危害度因子於環境風險評估模式所 扮演之權重，本研究對取得之氣象資料進行趨勢線 分析，以了解各氣象觀測項目於研究區域之長期變 化，例如：氣溫趨勢線若上升，表示氣溫於監測期 間持續升溫。之後計算各項因子監測值至趨勢線之 垂距並予以加總，若垂距總和越大表示於監測期間 內該因子之變化越顯著，對於有形文化資產有較高 危害影響。然而，不同氣象因子之觀測單位不同，

為使各因子於相同標準下進行垂距計算，本計畫以 下式進行正規化：

= ... (1)

其中，CN表示正規化後監測值，C 表示單一監測值，

Cmax、Cmin分別表示當月最高與最低監測值。爾後，

趨勢線以 ax + by + c = 0 表示，x 軸為時間，y 軸為 正規化後監測值，a、b、c 為待定係數，故每日氣象 觀測值與趨勢線之垂距可由下式求得，每月氣象觀 測值之垂距總和為 D = ∑ ，i 表該月日數。

=^{| |} ... (2)

4.3 土壤含水量測圖

Zhan et al. (2007) 提出一套以多光譜影像 NIR 與 R 兩波段為基礎之土壤含水量監測模式，該模式 首先以 NIR (Y 軸) 與 R (X 軸) 兩波段數值展繪成 二維散佈圖，接著依 R 波段數值 (Rred) 由小至大取 出其對應像素紀錄之最小 NIR 數值 (RNIR)，最後依 據萃取出的 NIR 與 R 數值建立土壤線 (Soil line) 線性回歸公式。圖 4 為 NIR 與 R 兩波段數值展繪 成二維散佈圖與土壤線示意圖，因此 NIR 與 R 數值 展繪於二維平面上，散佈點所構成的圖形類似倒三 角形。在圖 4 中，倒三角形左下角頂點附近之散佈 點其 NIR 與 R 數值均偏低，由於水對於 NIR 與 R 幾乎不反射，因此若土壤含水量高，則將使土壤之 光譜反射量降低；倒三角形右側頂點附近之散佈點

其特型為 R 反射值最高且 NIR 反射值亦較含水量 高之土壤增加，R 與 NIR 同步提升表示土壤含水量 低屬乾燥土壤；最後在倒三角形上方頂點附近之散 佈點具有最高 NIR 反射值，但 R 反射值相對 NIR 低，因此表示土壤表面具有良好植生狀態。

圖 4 多光譜影像 NIR (Y 軸) 與 R (X 軸) 兩波段光 譜反射值二維資料展示與土壤線關係

Gao et al. (2013) 指出倒三角形空間中的元素 到土壤線的距離可表示植被覆蓋情況，距離越長表 示植被生物量越高。承如上述，裸露土壤的 R 和 NIR 反射值隨土壤水分減少而增加，因此，土壤線上的 元素到 NIR 光譜特徵空間原點的距離表示土壤含 水量，距離越長表示土壤含水量越低。依據上述原 則，土壤線回歸公式表示如式(3)，依據其斜率(M) 套入式(4) 則可推求土壤含水量 (SME) (Ghulam et al., 2007、Zhan et al., 2007、Zhang & Zhou, 2016)。

質地相同裸露土壤將使土壤線呈直線 (Gao et al., 2013)，然而除土壤外，其他地物將影響土壤線之斜 率，使得斜率可能大於或小於 1 (Xu & Guo, 2013)，

故相關係數接近 1 之土壤線可有效反應土壤含水情 形。依據式(4) 推估結果與現地土壤採樣檢測值進 行校正與驗證，因此校正後的土壤含水量 (SMEmod) 與 SME 關係存在一項改正參數 α，兩者關係表示如 式(5)。

= × + ... (3)

表面植生土壤

高含水量土壤

空間內某元素

土壤線

乾燥土壤

特徵空間原點

蘇東青: 無人機遙測平台於金門野郊地區有形文化資產環境風險測圖-以陳健墓與陳禎墓為例 169

𝑆𝑀𝐸 = 1 − ¹

√𝑀²+1(𝑅_𝑁𝐼𝑅+ 𝑀 × 𝑅_𝑟𝑒𝑑) × 100% ... (4)

𝑆𝑀𝐸𝑚𝑜𝑑= 𝛼 × 𝑆𝑀𝐸. ... (5)

為求得上述α 值，本研究每月對兩處研究地點 各取四個土壤含水量採樣點進行檢測。由於土壤內 部孔隙水可促進表土植生生長，而植生健康情形可 以利用Rred與RNIR之差異進行觀測；此外現階段土 壤含水情形可能反應於經過一段時間之植生生長 狀況，此情況稱為「時間延遲」，因此Su (2019) 曾 以多光譜影像配合現地表土10 cm 與 20 cm 深度之 土壤含水採樣試驗，探討植生狀況是否具有時間延 遲現象。其實驗結果顯示，10 cm 深度土壤孔隙水 約經過一個月之時間延遲，可適度反應表土植生情 形，故本研究現地土壤採樣取10 cm 深度進行土壤 含水量檢測，以一個月後多光譜影像資料進行土壤 含水量推估。

4.4 地形坡度分析

由於金門花岡岩古老地質條件佳，或許坡度對 金門古蹟造成滑動或不均勻沉陷影響有限；然而本 研究認為若考慮氣候造成地質風化，使得地質破碎 不穩定，長期而言坡度仍對古蹟構造穩定性存在潛 在威脅。事實上，陳健墓與陳禎墓已因地形坡度影 響，護龍兩側受土壓力而產生構造變形。本研究對 於坡度分析，採Delaunay 三角法連接最接近之地形 點，地形中任何點的高程均可透過內插該點所在不 規則三角形之頂點高程來定義，三角形的頂點形成 一外接圓(球)，任何點均不會在圓(球) 內部。完成 不規則三角網 (Triangulated Irregular Network, TIN) 組立資料後，坡度則為各三角平面與水平面之夾角，

或法線與天頂線之夾角 (如圖 5 所示)。圖中，θ 與 ψ 分別表示坡度及坡向，θ 範圍介於 0~90 度，亦可 用百分比表示之。

N E

Z ψ

θ

法線

三角 平面

圖 5 不規則三角網之坡度坡向關係圖

4.5 環境風險分級

前述工作項目已完成危害度與脆弱度因子資 料蒐集，後續對各項因子於環境風險評估模式中進 行分級。對於分級方式，本研究引用敘述統計之四 分位距 (interquartile range, IQR) 分析方式對各因 子蒐集資料進行四個級距劃分，一至四級分別表示 等級由低至高。多時期各因子監測資料經由四分位 距計算後，低於第一分位以下為影響等級一級，第 一分位至中位數間為影響等級二級，中位數至第三 分位間為影響等級三級，最後第三分位以上為影響 等級四級。

4.6 環境風險評估模式

本研究所建立野郊地區有形文化資產環境風 險評估模式中，其中暴露因子較單純，僅考慮陳禎 墓或陳健墓之單獨有形文化資產個體，故環境風險 評估模式主要由脆弱度以及危害度因子控制。Su (2019) 為了解脆弱度與危害度因子組內或組間相 互影響關係，組內關係譬如：土壤含水與坡度關係，

組間關係譬如：降雨是否影響土壤含水等，經由相 關分析 (correlation analysis) 確立因子間於環境風 險評估模式中之影響關係。環境風險評估模式中，

以數學運算子包括：「×」、「÷」、以及「+」，分別用 以表示各因子間正相關、負相關、以及無關之影響 關係。假使Pearson 相關係數 r 介於±0.314 間，表 示兩兩因子間呈弱相關(McClave et al., 2005)，此時 數學運算子採用「+」，否則採用「×」或「÷」。本 研究參考 Su (2019) 所建立的環境風險評估模式如 下：

170 航測及遙測學刊 第二十六卷 第三期 民國 110 年 9 月

= ^{× × ×} × ... (6)

其中，RE表環境風險等級，T、RH、P、W 分別表 示氣象因子之氣溫、相對濕度、降雨、以及風速，

S 表坡度，SM 表土壤含水量。式(6) 表示，除風速 外，其他氣象因素與土壤含水量呈正相關，特別是 氣溫和相對濕度都與土壤含水量呈高度正相關。表 示表層土壤含水量對氣溫或相對濕度之變化高度

S 表坡度，SM 表土壤含水量。式(6) 表示，除風速 外，其他氣象因素與土壤含水量呈正相關，特別是 氣溫和相對濕度都與土壤含水量呈高度正相關。表 示表層土壤含水量對氣溫或相對濕度之變化高度