5-1 結論
本文提出以光學衛星影像來獲得波浪資料及海底地形資料的新技術。
因衛星影像具有對比低的缺點，本文運用直方圖均化及空間濾波來提高影 像對比度，以影像形態學中的影像侵蝕濾除雜訊，再採用Otsu演算法來求 得波紋辨識的門檻值，以擷取合理波峰點。
本文將原影像座標（E，N）轉換成垂直平行海岸座標（X，Y），為了 防止大範圍辨識下，小細節變化易忽略的缺點，以 50×50 像素的矩陣大小 分區辨識。分區辨識上，本文以不同資料特性所定義之門檻值判斷方式來 分析，獲得波紋線合理的平均 y 值後，再將波紋線的平均 y 值還原至原 Y 值。接著，本文計算各Y值間差量（Y）及差量平均值（Y ），以Y 來 判斷合理整體波紋線，並以垂直於波紋線的定義決定波向線。本文在不考 慮波浪交會產生能量集中所造成的波峰變化之情況，以平滑化修正波長，
最後將影像座標（X，Y）轉回原圖座標（E，N）。
本文以求得的波向線點位計算各段波長，假設水深為平緩變化，根據 波浪理論中相對水深與相對波長對應關係，波長會隨水深改變而平緩的變 化，分別以同一波向線的波長平緩變化及同一波紋線的波長之變異量小二 種方式修正波長，二者皆是利用波長的平均值（L）及母體標準偏差（L）
來做修正。本文再以修正後的波長，根據波浪理論中的分散關係式及海洋 浮標獲得的週期來估算，即可獲得水深資料。
本文利用屏東海岸的實測地形評估本模式決定的波向角度及水深之精 度，以本模式推算的波向角度與數模計算所得比較二者的誤差均方根約為 4.5度，平均絕對值誤差約為3度。顯示本方法具有可靠的精度來決定波向 角度。至於估算水深方面，從實測地形得知枋寮海域南側外灘有沙堆存在。
本文針對沙堆寬度對波長變化可能造成的影響性，以微小振幅波理論進行
46
評估，結果顯示沙堆造成的波長變化量約大於2m，相對於衛星影像圖的空 間解析度而言，是可辨識出沙堆現象。但本法尚無法完全確認未修正的波 長於某區域所產生的變化量是否合理存在，故假設地形為平緩變化下，針 對波長進行平滑修正，導致估算的海底地形於同區域並無沙堆現象存在。
本文選取10個水深剖面進行精確度評估，因本文無法推估至岸邊的波 長，故無-5m以上水深的數據，在此僅列出-5m以下水深部份來探討。本文 估算於-5m至-7.5m間的水深較實測水深低，但-7.5m至-10m的水深卻略高，
而水深-10m以下的情況，二者估算值接近。
二次實測地形的時間間隔三個月，當無外灘沙堆現象的剖面，二次實 測的誤差均方根約為0.27m，當有外灘沙堆現象的剖面，隨著沙堆的高度與 位置之變化不同，二次實測的誤差均方根約為 0.35m 至 0.66m 之間。而本 文選取的影像時間與實測資料時間間隔約三年，當無外灘沙堆現象的剖面，
估算水深與實測水深的誤差均方根約為0.62m，當有外灘沙堆現象的剖面，
隨著沙堆的高度變化，估算水深與實測水深的誤差均方根約提高為 0.75m 至1.0m之間。由上述得知，本文估算的水深與實測水深資料，整體誤差均 方根約為1m，顯示本方法估算水深精確度的可靠性佳。
在明顯繞射區域本文所提出波向需要依繞射理論之波峰線特性修正擷 取波紋線的方法。繞射區域的波向轉彎比一般折射區域明顯，本文以各段 平均波長為半徑，繞射點外移2L為圓心畫弧，重新擷取波紋線，並以龜山 島地形遮蔽所產生的波浪繞射現象驗證本文所提決定波浪繞射區的波向線 方法是可行的。本文將龜山島劃分上半部與下半部分別探討，上半部以本 模式推算的波向角度與數模計算所得比較二者的誤差均方根約為 3.75 度，
平均絕對值誤差約為 2.32 度，下半部以本模式推算的波向角度與數模計算 所得比較二者的誤差均方根約為4.64度，平均絕對值誤差約為3.11 度，顯 示本方法具有可靠的精度來決定繞射區的波向角度。
47
5-2 建議
本文透過遙測技術及影像處理的整合，進而考慮波浪特性來推算波向 線並獲得水深，以期望能在海岸工程規劃上提供便利的監測技術。由於涉 及的範圍廣泛，整體研究流程中可能會發生的誤差難以估算。從目前研究 成果來看，本文針對可改進及修正的部份，提出探討與建議，以利後續研 究方向，簡述如下。
1. 影像處理的方法，需能更準確的擷取出波紋點，降低不合理波紋點之數 量，以提升波紋線辨識的精確度。
2. 波向線的推算，本文採用各點斜率逐步推算，隨著推算的長度越長，誤 差累積越大，若能採用其他方式來推估，則可提高波向線的精確度。
3. 繞射點的給定方式，應採用自動判斷的方式找出合理位置，以增加模式 的客觀性。
4. 波長修正部份，可採用近岸區和海域區來做不同修正方式，對於分界的 離岸長度，建議可用沙丘存在的範圍來做限制。
5. 計算水深僅用單一週期配合分散關係式做初估，可深入探討計算水深之 不同公式的準確性。
6. 同一區域選取不同時間的多張衛星影像圖去估算水深，並整合及決定出 此區域合理之水深。
48
參考文獻
1. 郭一羽(2001)，「海岸工程學」，文山書局。
2. 吳哲榮、吳啟南(2003)，「遙測技術應用於臺灣西海岸五十年來變遷分 析」，航測及遙測學刊，第八卷，第三期，第95-110頁。
3. 呂黎光(2004)，「海岸線與面積之遙感測繪應用研究」，海洋工程學刊，
第四卷，第一期，第71-88 頁。
4. 朱子豪(2004)，「數值遙測判釋」，國立台灣大學地理環境資源學系課程 講義。
5. 楊勤儀(2007)，「利用衛星影像萃取近岸地形-以台灣北部為例」，國立 中央大學地球物理研究所，碩士論文。
6. 陳蔚瑋(2009)，「衛星影像的灘線辨識及其應用至灘線變遷之研究」，國 立交通大學土木工程研究所，博士論文。
7. 吳政杰(2010)，「衛星影像灘線辨識之精確度評估研究」，國立交通大學 土木工程研究所，碩士論文。
8. 張憲國、陳蔚瑋、劉勁成(2011)，「台灣海岸地區雲量分布與衛星影像 可用率分析」，第三十三屆海洋工程研討會論文集，高雄，第 699-704 頁。
9. Alpers, W. and Hennings, I. (1984) A theory of the imaging mechanism of underwater bottom topography by real and synthetic aperture radar, Journal of Geophysical Research, 89 (C6), 10529–10546.
10. Chen, W. W. and Chang, H. K. (2009) Estimation of shoreline position and change from satellite images considering tidal variation, Estuarine, Coastal and Shelf Science, 84(20), 54-60.
11. Durand, D. and Cauneau, F. (1998) Towards a new method for shallow-water monitoring using remote sensing, Future Trends in Remote Sensing, 355-359.
49
12. Hongxing, L. (2003) Derivation of surface topography and terrain parameters from single satellite image using shape-from-shading technique, Computers & Geosciences, 29, 1229-1239.
13. Ingo, H. and Margitta, M. (2002) The influence of quasi resonant internal waves on the radar imaging mechanism of shallow sea bottom topography, Oceanologica Acta, 25, 87-99.
14. Kuo, Y. Y. and Leu, L. G. and Kao, Y. L. (1999) Directional spectrum analysis and statistics obtained from ERS-1 SAR wave images, Ocean Engineering, 26, 1125-1144.
15. Leu, L. G. and Chang, H. W. (2005) Remotely sensing in detecting the water depths and bed load of shallow waters and their changes, Ocean Engineering, 32, 1174-1198.
16. Otsu, N. (1987) A threshold selection method from gray-scale histogram, IEEE Trans. Systems, Man, and Cybernetics, 8, 62-66.
17. Pleskachevsky, A. and Lehner, S. (2011) Estimation of underwater topography using satellite high resolution synthetic aperture radar data, Proceedings of 4th TerraSAR-X Meeting, Oberpfaffenhofen, Germany.
18. Ryu, J. H., and Won, J. S. and Min, K. D. (2002) Waterline extraction from Landsat TM data in a tidal flat: A case study in Gomso Bay, Korea, Remote Sensing of Environment, 83, 442-456.
19. Tripathi, N. K. and Rao, A. M. (2002) Bathymetric mapping in Kakinada bay, India, using IRS-ID LISS-III data, International Journal of Remote Sensing, 23 (6), 1013–1025.
20. Tay, L. T. and Daya Sagar, B. S. and Chuah, H. T. (2005) Derivation of terrain roughness indicators via granulometries, International Journal of Remote Sensing, 26 (18), 3901–3910.
50
21. Tuncay, K. and Abdulaziz, G. and Fevzi, K. and Mustafa, D. (2011) Automatic detection of shoreline change on coastal Ramsar wetlands of Turkey, Ocean Engineering, 38, 1141-1149.
22. Vogelzang, J. (1992) Sea bottom topography with X-band SALR: the relation between radar imagery and bathymetry, International Journal of Remote Sensing, 13 (10), 1942-1958.
23. Volker, L. and Christian, H. and Randolph, K. (2006) Derivation of planetary topography using multi-image shape-from-shading, Planetary and Space Science, 54, 661-674.
24. Walter, H. F. Smith and David, T. S. (1994) Bathymetric prediction from dense satellite altimetry and sparse shipboard bathymetry, Journal of Geophysical Research, 99 (B11), 803–824.
25. Yijun, H. and Hui, S. and William, P. (2006) Remote sensing of ocean waves by polarimetric SAR, Journal of Atmospheric and Oceanic Technology, 23, 1768-1773.