(4)在推導迴歸公式時，將相關性較高的波段轉換成自然對數加入推 導可得到較佳的迴歸結果。
(5)若以類神經模式監測水庫水質，理論上會比多元迴歸模式來的 好。因為本研究類神經模式目的只用來驗證，而未使用隨機測試 樣本所以葉綠素 a 與總磷會比迴歸模式差。
(6)由於 Landsat TM 每 16 天才掃描同一位置，且可用的影像不多，建 議可以採用一年中不同時期的高時間解析度衛星影像來反應一年 四季水庫優養化的情形。
(7) 由圖 5-10 可知影像日期與採樣日期相差天數越多天所推估的水 質結果越不好，假使採樣日期能與衛星越過高空的時間點配合衛 星影像監測水質可以達到更好的效果。
參考文獻
1.Baban S.-M.-J., 1993, Detecting water quality parameters in the Norfolk Broads ,U.K .usind Landsat imagery , Int. J. Remote Sensing , Vol.14, pp.1247-1267.
2.Baruah P.-J., Tamura M., Oki K., Nishimura H., 2001, Neural Network modeling of lake surface Chlorophyll and Sesiment content from Landsat TM imagery, Paper presented at the 22nd Asian Conference on Remote Sensing, pp5-9.
3.Bilge F., Yazici B., Dogeroglu T., Ayday C., 2003, Statistical evaluation of remotely sensed data for water quality monitoring, International J.Remote Sensing, Vol.24, No24, pp5317-5326.
4.Chen L., 2003, A study of applying genetic programming to reservoir trophic state evaluation using remote sensor data, International Journal of Remote Sensing, Vol.24, No.11, pp.2265-2275.
5.Chen L., Tan C.-H., Kao S.-J. and Wang T.-S., 2008, Improvement of remote monitoring on water quality in a subtropical reservoir by incorporating grammatical evolution with parallel genetic algorithms into satellite imagery, Water Research, Vol.42, No.1-2, pp.296-306.
6.Chen Z., Hu C., Frank M.-K., 2007, Monitoring turbidity in Tampa Bay using MODIS/Aqua 250-m imagery, Remote Sensing of Environment, Vol.109, pp207–220.
7.Giardino C., Pepe M., Brivio P.-A., Ghezzi P., Zilioli E., 2001, Detecting chlorophyll, Secchi disk depth and surface temperature in a sub-alpine lake using Landsat imagery, The Science of the Total Environment, Vol.268, pp19-29.
8.Hellweger F.-L., Schlosser P., Lall U., Weissel J.-K., 2004, Use of satellite imagery for water quality studies in New York Harbor, Estuarine, Coastal and Shelf Science, Vol.61, pp437-448.
9.Ji T., Lin T., Lin X., 2006, A concrete mix proportion design algorithm based on artificial neural networks, Cement and Concrete Research 36, pp1399-1408.
10. Lillesand T.-M. et al., 1983, Use of Landsat data to predict the
trophic state of Minnesota lakes, Photogrammetric Engineering &
Remote Sensing, Vol.49, No.2, pp219-229.
11. Olthof I., Chris T., Frases B.-R., 2005, Signature extension through space for northern landcover classification of eadiometric correction methods, Remote Sensing of Environment, Vol.95, pp90-97.
12. Tassan S., 1993, An improved in-water algorithm for the determination of chlorophyll and Suspended sediment concentration form Thematic Mapper data in coastal waters, Int. J. Remote Sensing, Vol.14, NO.6, pp1221-1229.
13. Wu G., Leeuw J.-D., Skidmore A.-K., Prins H.-H.-T., Liu Y., 2008, Comparison of MODIS and Landsat TM5 images for mapping tempo-spatial dynamics of Secchi disk depths in Poyang Lake National Nature Reserve, China, International Journa of Remote Sensing, Vol.29, No.8, pp2183-2198.
14. Zhang Y., Koponen S.-S., Pulliainen J.-T., Hallikainen M.-T., 2003, Application of empirical neural networks to chlorophyll-a estimation in coastal water using remote optosensors, IEEE Sensors Journal, Vol.3, No.4, pp376-382.
15. 吳俊穎，2001，衛星影像監測永和山水庫水質之研究，中華大學 土木與資訊工程研究所碩士論文。
16. 吳紀德，2000，利用衛星遙測影像資料探討台灣西南海域葉綠素 濃度變化，國立中山大學海洋生物研究所碩士論文。
17. 李宜真，2007，應用福爾摩沙二號衛星影像於水庫水質監測之研 究，逢甲大學環境資訊科技研究所碩士論文。
18. 林建智，1995，應用福衛二號影像於水庫優養化監測–以日月潭 為例，逢甲大學環境資訊科技研究所碩士論文。
19. 林震岩，2007，多變量分析，致勝文化事業有限公司，台北。
20. 梁定澎，2006，決策支援系統與企業智慧，智勝文化事業有限公 司。
21. 許俊森，1994，臺灣附近海域的葉綠素甲濃度分布，國立臺灣大 學海洋研究所碩士論文。
22. 許純君，1999，預測的原則與應用，台灣西書出版社，台北。
23. 陳莉、吳俊穎、梁訓源，2002，以類神經網路評估永和山水庫水