• 沒有找到結果。

結論與建議

在文檔中 目 錄 (頁 75-83)

66

67

度。

7.就 z-test 而言,方法一與方法二的 Z 值檢定為(0.414)未超過門檻值 1.96(95﹪信賴區間),表示兩者沒顯著的差異,似乎意味著採用倒 傳遞網路分類法時有無加入 NDVI 值來對影像分類並無顯著差異;

其餘方法對中,皆表現出有顯著差異,而方法三與方法五為差異性 最大(79.102),由 5-8 表中可知方法六整體精度較高(84.7﹪)。

6-2 建議

1.

Quick Bird 衛星影像可同時接收全色態影像(Panchromatic)、Blue

(藍色可見光)、Green(綠色可見光)、Red(紅色可見光)、Near infra-red(近紅外光)5 個波段的波譜資料,往後的研究可由 5 個 波段的波譜資料嘗試加入特徵值,比較何種特徵值可提昇正確率。

2.

本研究只使用監督式分類方法中最普遍的倒傳遞類神經網路及傳 統分類法最常使用的高斯最大似然分類法來對研究試區做分類工 作,往後的研究可加入貝氏分類法(Bayesian classifier)、平行六面 體(parallelepiped)、最小距離法(minimum distance)等方法來對 衛星影像做分類。

68

參 考 文 獻

1. 郭育全,「分散度指標應用於遙測影像分類特徵選取之研究」,台灣大 學農業工程學研究所碩士論文,1997。

2.鄭克聲、郭育全、葉惠中,「分離度指標應用於遙測影像分類特徵選取 之研究」,第十六屆測量學術及應用研討會論文集,第 587~596 頁,

1997。

3. 陳炫東,「水庫集水區之土地覆蓋判釋-運用衛星影像及地理資訊系 統」,台灣大學農業工程學研究所碩士論文,1993。

4. 雷 祖 強,「利用 STOP 衛星影像計算地表覆蓋碎形維度之研究 」, 台灣大學農業工程學研究所碩士論文,1994。

5. 林錦全,「衛星影像資料於集水區地表覆蓋分類之研究」,台灣大學農 業工程學研究所碩士論文,1995。

6.楊純明、蘇幕容,「水稻族群值冠反射光譜之分析」,中國農業氣象學,

〈1997〉。

7.蕭國鑫,「多時遙測光學與雷達資料於水稻田辨釋之研究」,國立交通 大學土木工程系碩士論文,1998。

8.江良印,「紋理特徵應用於遙測影像判釋之理論研究」國立台灣大學農 業工程學系研究所碩士論文,1998。

9. 陳益凰、曾義星,「應用多時段衛星影像辨識水稻田之研究」,航測及 遙測學刊, 1999。

10.黃信茗,「地理資訊系統及衛星影像應用於灌溉計劃之研究」,屏東科 技大學土木工程系碩士論文,2001。

69

11.阮聖裕,類神經網路應用於地表覆蓋分類之研究,國立台灣大學農業 工程研究所碩士論文,1994。

12.顏世坤,「Wavelet 轉換於遙測影像之分析及其應用」,國立中央大學 太空科學研究所碩士論文,1994。

13.蔡敏之,「應用輔助資訊及類神經網路於遙測影像土地利用分類之研 究-以識別都市區為例」,國立成功大學測量工程研究所碩士論文,

1997。

14.詹進發,類神經網路應用於遙測影像分類之研究,台大實驗林研究報 告,1997。

15.陳繼藩、徐守道、陳世旺,「應用非監督性類神經網路於 SPOT 衛星 影像,分類之研究」,航測及遙測學刊,1997。

16.蕭百齡,「類神經網路與 SPOT 衛星影像分類之研究」,國立屏東科技 大學熱帶農業研究所碩士論文,1999。

17.張右峻,「利用類神經網路探討土地利用型態與環境變遷之研究」,逢 甲大學土地管理研究所碩士論文,1999。

18. 邵泰璋,「類神經網路於多光譜影像分類之應用」,國立交通大學土 木工程系碩士論文,1999。

19.周晏勤,「以遙感探測方法探討南橫公路邊坡破壞的重要因子」,國立 成功大學資源工程研究所碩士論文,2000。

20.洪皓人,「衛星影像分類方法之研究-以鳳山溪上游集水區為例」,國 立 中 興 大 學 水 土 保 持 研 究 所 碩士論文,2000。

21.盧文鴻,「超矩形學習模式應用於遙測影像分類判釋之研究 」,私立

70

中華大學土木工程研究所碩士論文,2000。

22.孟中杰,「應用類神經網路與運動波理論進行集水區逕流預報與水文 設計」,國立海洋大學河海工程學系碩士論文,2000。

23.黃誌勇,「SPOT 自然色影像產生之研究」,國立中央大學土木工程研 究所碩士論文,2001。

24.周文賢,「統計學」,智勝文化事業有限公司,1997。

25.陳繼藩,徐守道,陳世旺,「應用非監督性類神經網路於 SPOT 衛星影像分 類之研究」, 航測及遙測學刊,1997。

26.歐陽鍾裕,1986 年『遙感探測學』,大中國圖書公司。

27.葉怡成,「類神經網路模式應用與實作」,儒林圖書公司,2002。

28. 葉怡成,「類神經網路模式應用與實作」,儒林圖書公司,1993。

29.Tassan,S, “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 , pp .1221~1229,1993.

30.Williamson,H.D. “The Discrimination of Irrigated Orchard and Vine Crops Using Remotely Sensed Data”, Photogrammetric Engineering and Remotely Sensed Data,Photogrammetric Engineering and Remote Sensing,Vol.61,NO.1pp:77-82. 1989

31.Wu, R.,Weinman,J.A.and Chin,R.F.”Determination of Rainfall Rate fron GOES Satellite Images by a Pattern Recognition Technique”,Journal of Atmospheric and Oceanic Technology Vol.2,pp.314-330,1985.

32. Lillesand , T . M . , Johnson , W . L . , Deveil , R . L . , O . M .

71

Lixdstrom and D . E . Meisner , “Use of Landsat data to predict the trophic state of Minnesota lakes “ ,Photogrammetric Engineering &

Remote Sensing , Vol . 49 , NO . 2 ,pp .219~229,1983.

33.Lichen,”A study of applying genetic programming to reservoir trophic state evaluation using remote sensor data”,INT.J. Remote Sensing, Vol . 24 , NO . 11 ,pp .2265-2275, 2003.

34.Bishof et al., ”Multispectral Classification of Landsatlmages Using Neural Network” , IEEE Transactions on Geoscience and Remote Sensing,482-490,1992.

35. Robert A. Schowengerdt, 「Remote Sensing」,Academic Press,1997。

36. Verbyla,D.L.,「Satellite Remote Sensing of Natural Resources」,Lewis Publishers,1995.

37.Cohen,「A Coefficient of Agreement for Nominal Scales 」, Educ.

Psychol. Measurement,1960.

38. Yoshida,T., and S.Omatu, 「Neural Networks Approach to Land Cover Mapping」, IEEE Transactions on Geoscience and Remote Sensing,32

(5):1103-1109。

39.Jarvis, C.H. and N.Stuart,.「The Sensitivity of a Neural Network for Classifying Remotely Sensed Imagery」, Computers and Geosciences, 22

(9):959-967. 1996.

40.Hafner, J and M. Komac,「Landsat TM Lithological Classification of Koper-Kozina Aera, Intemational Conference on GIS for Earth Science Applications,」Slovenia,41-55,1998.

72

附錄一 現地調查資料

ID X Y LANDUSE 1 252353 2742815 建物 2 252548 2742671 裸土 3 252435 2742598 水稻田 4 252554 2742294 建物 5 251932 2742405 裸土 6 252702 2742026 裸土 7 253740 2742095 建物 8 253806 2742381 建物 9 254456 2742232 建物 10 254354 2742765 水體 11 253849 2743195 水體 12 253487 2743391 水體 13 255231 2741121 道路 14 254886 2741857 道路 15 256312 2740195 雜木 16 256168 2740362 雜木 17 256630 2740515 裸土 18 256695 2740668 裸土 19 257226 2741298 雜木 20 257540 2741320 雜木 21 257067 2741353 建物 22 257555 2740978 操場 23 256737 2741074 草地 24 256709 2742240 雜木 25 256812 2742624 建物 26 256151 2742757 水田 27 254453 2742813 裸土 28 253813 2741641 雜木 29 254148 2741208 建物 30 253828 2740843 建物 31 254764 2740493 建物 32 253767 2739732 道路

73

33 255836 2740363 裸土 34 254893 2738850 裸土 35 253874 2739101 森林 36 255433 2738127 森林 37 253660 2738112 水體 38 253425 2737894 水體 39 253952 2737439 水體 40 252771 2737874 草地 41 252594 2738270 草地 42 253673 2740251 裸土 43 253971 2740049 裸土 44 253330 2740907 雜木 45 251812 2740768 道路 46 251311 2741319 建物 47 251321 2741952 建物 48 252047 2741761 建物 49 250978 2740910 建物 50 252511 2739977 雜木 51 254978 2741262 道路 52 256111 2741836 園藝(樹木) 53 255990 2741963 溫室 54 256192 2741643 水稻 55 256288 2741551 休耕田 56 256343 2741390 雜作(玉米) 57 256438 2741267 水體 58 256823 2740715 休耕田 59 256805 2739870 水稻 60 256659 2740088 雜作(蕃茄) 61 256537 2740210 休耕田 62 256090 2740992 果樹(芭樂) 63 255978 2741267 水稻 64 253006 2742057 水稻 65 252978 2742055 水稻 66 253029 2742007 水稻 67 253237 2742496 水稻

在文檔中 目 錄 (頁 75-83)

相關文件