第四章 結果與分析
第三節 宜蘭海岸變遷原因探討
三、 輸沙量
國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
雨量大的情況下，將造成上游土壤被沖刷的情形劇烈，使下游泥沙的堆積 量增加。而前一節指出宜蘭海岸在 1971 年之後至 2003 年的沙灘面積增加 許多，與單日降雨量超過 50(mm)的次數分佈相當接近，故可推論單日降雨 量超過 50(mm)的次數的次數增加，使得上游泥沙被沖刷到下游海岸堆積，
是宜蘭海岸往外擴張的原因之一。
圖 4-13 宜蘭地區降雨量，上半部為 1936 年至 2010 年的降雨量；下半部 為降雨量超過 50(mm)的次數分佈。
三、輸沙量
本 研 究 統 計 宜 蘭 地 區 四 個 輸 沙 量 測 站 ( 編 號 分 別 為 2560H001 、 2560H006、2560H017 以及 2560H019)的輸沙資料，如圖 4-14 至 4-17(單位：
頓)。於輸沙資料可以推知各輸沙站的輸沙量有逐漸增加的情形，且都有一 個增加量爆增的時期，如測站 2560H001 約在 1985 年輸沙量突然增加數倍、
測站 2560H019 在 1988 及 1994 年也有明顯的增加，對照宜蘭海岸 1970 年 之後海岸堆積旺盛，不斷補充的輸沙量為其密不可分的因素。而輸沙量增
‧
1970 1973 1976 1979 1982 1985 1988 1991 1994 1997 2000 2003 2006 2009
2560H001
1970 1973 1976 1979 1982 1985 1988 1991 1994 1997 2000 2003 2006 2009
2560H006
2560H006
‧
1970 1973 1976 1979 1982 1985 1988 1991 1994 1997 2000 2003 2006 2009
2560H017
1970 1973 1976 1979 1982 1985 1988 1991 1994 1997 2000 2003 2006 2009
2560H019
2560H019
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
第四節 半自動化萃取濱線之成果
由於完全人工數化耗費太多時間與人力，且人為數化的穩定度不高，
人為數化的誤差亦會影響實驗結果。而本研究的 SPOT-5 衛星影像與 DMC 航空影像具有多波段，對於自動化辨識地物有相當高的效益，故本研究利 用影像分類與切割的方法，找出濱線的界線，並加以萃取出來，並與完全 由人工數化的結果比較，找出可以取代人工數化的方法。
一、SPOT-5 衛星影像以監督式分類方式萃取濱線指標之成果
利用監督式分類配合 GIS 軟體萃取濱線指標的成果如圖 4-18 所示(以 蘭陽溪為例)，萃取出水線的資訊與植物線。實驗結果發現以監督式分類自 動萃取水線，其水線會比實際情況還要後退，意即分類的結果中，部分靠 海的濕沙被分為水體，與人工數化的水線產生了誤差，其誤差的平均約為 10~15 公尺。而在植物線方面，由於植被與沙地的光譜差異相當明顯，故 萃取出的植物線與人工數化成果吻合度高，誤差亦比萃取水線少，約為 5~10 公尺。
圖 4-18 利用監督式分類自動萃取水線與植物線的成果，圖中左半邊為萃取 水線的結果；右半邊為植物線。其中紅線為人工數化的水線；藍線則是自
動萃取的成果。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
二、DMC 航空影像以監督式分類方式萃取濱線指標之成果
DMC 航空影像由於空間解析度相當高，若只是藉由一般監督式分類，
則分類的精度會受到雜訊影響。如圖 4-19，左圖為 DMC 經過正射化處理 後的影像；右圖為監督式分類後的影像(分為三類，藍色為水體；黃色為沙 灘；紅色為植被)。於右圖中可發現植被與沙灘的交界被誤分為水體，且水 體中有部分區域意被分為沙灘，分類結果不精確，故並沒有再萃取濱線。
圖 4-19 DMC 影像經監督式分類的結果 三、二元分類法萃取濱線(SPOT-5 衛星影像)
二元分類法相較於監督式分類單純，首先須量出濱線界線的像元亮度 值，並找出最適合、差異最大的波段已實行二元分類來獲取濱線資訊。表 4-7 至 4-9 分別為 SPOT-5 衛星影像隨機選取 9 個點(以蘭陽溪為例)，量測待 分類地物沙灘、水體與植被亮度值之結果，並統計亮度值區間，找出門檻 值。而量測結果得知以 SPOT-5 衛星影像為例，各地物的短波進紅外波段的 差異最大，故將其取出最為二元分類之用(如圖 4-20)。最後以門檻值將其分 類為水沙二元影像(萃取水線，如圖 4-21)及植沙二元影像(萃取植物線，如 圖 4-22)，再由 GIS 軟體萃取出濱線資訊，萃取水線結果如圖 4-23；植物線 為 4-24。
‧
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
圖 4-20 SPOT-5 衛星影像之短波近紅外波段影像
圖 4-21 海水與沙灘二元影像 圖 4-22 植物與沙灘二元影像
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
圖 4-23 萃取水線結果(紅線為人工 數化結果，藍線為自動萃取結果)
圖 4-24 萃取植物線結果(紅線為人 工數化結果，藍線為自動萃取結果) SPOT-5 衛星影像以二元分類粹取濱線與完全數化比較，植物線的差異 最大約為 15 至 20 公尺，較監督式分類差，但水線約在 10 公尺以內，其結 果較監督式分類接近人工數化的水線。
四、二元分類法萃取濱線(DMC 航空影像)
與 SPOT-5 影像相同，DMC 影像在利用二元分類時也必須要量測隨機 的地物之亮度值，而不同的是，DMC 航空影像的輻射解析度要比 SPOT-5 影像高，故亮度值分佈較不易掌控，在選取隨機點時應審慎。表 4-10 至 4-12 分別為 DMC 航空影像隨機選取 9 個點，量測待分類地物沙灘、水體與植 被亮度值之結果，結果顯示已近紅外波段做為二元分類最有效果，近紅外 波段圖如圖 4-25 所示。分類成水沙二元影像(萃取水線，如圖 4-26)及植沙 二元影像(萃取植物線，如圖 4-27)，萃取水線結果如圖 4-28；植物線為 4-29。
與人工數化結果比較，自動萃取水線的誤差約為 10~30 公尺；而植物線的 誤差更大，達到 40 公尺以上，以上結果顯示 DMC 航空影像以二元分類萃 取濱線的精確度與人工數化結果有所差異。
‧
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
圖 4-25 DMC 航空影像近紅外波段
圖 4-26 海水與沙灘二元影像 圖 4-27 植物與沙灘二元影像
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
圖 4-28 萃取水線結果(紅線為人工數 化結果，藍線為自動萃取結果)
圖 4-29 萃取植物線結果(紅線為人 工數化結果，藍線為自動萃取結果) 五、影像分割萃取濱線(DMC 航空影像)
影像分割的原理在於將亮度值相近的鄰近像元分為一個區塊，以減少 太陽光或其他因素引起的雜訊，增加分類的精確度。於前章結曾說明影像 分割的關鍵在於區塊間亮度值的差異以及最小區塊的像元數。由於 ERDAS 軟體在使用影像分割工具時，若區域太大則無法跑出結果。故本研究以 DMC 影像中的一小區域(約略 2000*1000 平方公尺，如圖 4-30)做為實驗區，
設定臨界值為 200，最小分割區塊為 2000 個像元，以避免分割區塊太細碎 不易分類之情形。經測試後，初步分割結果如圖 4-31 所示。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
圖 4-30 DMC 影像影像分割實驗區
圖 4-31 初步切割影像結果(圖中植被與沙灘都被分到一個大物件，但水域部 分因雜訊太多，故被切的細碎)
下一步為將圖 4-31 之結果重新編碼，把水域區域的地區分為一類，植 被與沙灘也融進周圍的小區塊，重新編碼後結果如圖 4-32，最後再將重新 編碼之影像萃取出濱線。萃取水線結果如圖 4-33；植物線結果如圖 4-34。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
圖 4-32 重新編碼後之影像
圖 4-33 影像分割萃取水線結果(紅線為人工數化結果，藍線為自動萃取)
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
圖 4-34 影像分割萃取植物線結果(紅線為人工數化結果，藍線為自動萃取) 萃取的結果水線與完全人工數化的水線誤差僅有 2~5 公尺，而植物線 誤差在 5~10 公尺，顯見利用影像分割的概念，萃取 DMC 航空影像的濱線 會與人工數化結果類似，惟其軟硬體限制使其運作之影像範圍僅限於小範 圍地區。
六、小結：SPOT-5 衛星影像與 DMC 航空影像半自動化萃取濱線比較 本研究嘗試以影像分類(包含監督式分類與二元分類)與影像分割等半 自動化方式，分別萃取 2003 年 SPOT-5 衛星影像與 2009 年 DMC 多光譜影 像中之濱線，研究結果顯示 SPOT-5 衛星影像以監督式分類或二元分類皆可 以萃取出接近人為數化濱線(水線與植物線)之結果，與人為數化結果差距比 較如表 4-13。以監督式分類萃取水線與植物線的誤差分別為 10~15 公尺與 5~10 公尺；以二元分類萃取水線與植物線的誤差分別為 10 公尺與 15~20 公尺。而 DMC 航空影像以監督式分類萃取濱線位置差異過大；以二元分 累萃取水線與植物線之誤差分別為 10~30 公尺及 40 公尺以上。但若應用影 像分割的方法萃取 DMC 航空影像濱線，其精度較監督式分類與二元分類 好，萃取水線誤差為 2~5 公尺；植物線誤差為 5~10 公尺。DMC 影像半自 動化萃取濱線與人為數化結果差距比較如表 4-14。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
表 4-13 SPOT-5 衛星影像萃取濱線與人為數化差距(單位：公尺)
水線 植物線
監督式分類 10~15 5~10
二元分類 10 以內 15~20
表 4-14 DMC 航空影像萃取濱線與人為數化差距(單位：公尺)
水線 植物線
監督式分類 差距過大 差距過大
二元分類 10~30 超過 40
影像分割 2~5 5~10
‧
面積最少，而 1971、1985、2003 年都較前一期的資料增加，其中 1971 至 1985 年的增加率最大，2003 年沙灘總面積量則 達到最多，但在 2003 至 2009 年期間，沙灘總面積則略有下 滑的現象。以侵蝕現象為例，在 1985 年以前蘭陽溪至蘇澳北
‧
‧
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
所不同，在判釋時也有不同的判別依據。如沙岸和岩岸判別濱線 時應有不同的判釋依據，而在不同地區之海岸亦有不同的植被或 其他地物，在萃取濱線的過程中都應詳加注意各種不同的情形，
才能使萃取之濱線在正確的位置上。
5. 本研究分別選取潮汐、單日降雨量以及輸沙量做為探討宜蘭海岸 變遷的因子，但未納入其他因子如潮汐、颱風事件、地形變遷等 因素探討。若能加入其他多項因子探討海岸變遷，可使整體研究 更為完整，並提出更精確的變遷原因。
6. 半自動化萃取濱線部分，在監督式分類選取訓練區時，應挑選具 有代表性的區域，且訓練區的像元數、形狀都應多加考量，才能 使分類結果正確。另外在二元分類的部分，選取隨機點計算分類 門檻值時，可考慮使用一區域計算平均值而非只使用單一像元做 統計以獲得更準確的結果。
7. DMC 航空影像在空中三角測量時，較傳統航空像片節省了許多 人為步驟。且其具有高空間解析力與包含近紅外波段的特性，於 影像判釋可以獲得許多細部資料，惟在分類時應選取適當的方法。
如監督式分類選取訓練區時，可採用物件式導向方法或區域成長 法選取訓練區。
‧
部水線變遷」，『航測及遙測學刊』，12(2)：107-119。行政院農業發展委員會、農林航空測量所，1983，「台灣地區大比例尺像片
『航測及遙測學刊』，15(2)：141-153。
林唐煌、劉振榮、陳哲俊、郭宗華，2003，「應用衛星資料推求水線位置之
‧
『航測及遙測學刊』，15(1)：123-140。
壽克堅、吳秋靜、許惠瑛，2010，「以 SPOT 衛星影像探討 1999 集集地震
‧
Detection Using Remote Sensing”, Journal of Int. J. Environ. Sci. Tech., 4(1):61-66.
Babichenko, S.M., Poryvkina L., Dudelzak, A.E., and Wassmann, P., 2001,
“Spectroscopic lidar sensing in three-dimensional profiling of marine organics”, International Journal of Remote Sensing, 22:385-402.
Boak, E.H., and Turner, I.L., 2005, “Shoreline Definition and Detection: A
Boak, E.H., and Turner, I.L., 2005, “Shoreline Definition and Detection: A