。但MNF 的轉換方法，是以假定訊號像元（signal pixels）與相鄰 像元為高相關，而藉以除去像元中的雜訊，因此在轉換並除去雜訊的 過程中，一併也將空間分佈較少的地物給平滑化了，這些空間分佈範 圍小的地物，被平滑化後無法正確地從非監督性分類方法得到（例如 道路），必須以監督性的方式，才能提高MNF 的分類精度。這三種不 同影像處理方式的分類結果，皆以監督性的分類成果較佳，除PCA
精度改善品質提升幅度較少外（非監督性 Kappa 75.36，監督性 Kappa 78.99），其餘兩種方法都大幅提昇。
三、從地物的分類的精度觀之，旱作類別在精度上以監督性的PCA 影像
（signature）來降低誤差，林木地的分類精度以 PCA 的非監督性最 佳，但各種方法在林木地分類上的差距不大。
轉彎都有10-15 米的寬度，以此影像 30 米的空間解析度而言，道路 的方向及位置，隱約可以用人工的方式判釋出道路的線狀，但是如果 以自動化非監督性及監督性分類上，則在省道24 號隘寮溪沿岸的 15 米寬度比較容易被判釋出來。在道路的判釋上以監督性分類最好，各 種影像處理方式相差不大，但是Kappa 還是在 0.6 左右，造成誤差 的原因除了道路面積小及線狀的特性外，與建地及周圍的旱作和果園 混淆是另外的原因。
水體和裸露地分類正確性都很高，除了MNF 的非監督性分類方 法，觀察水體和裸露地的地真檢核點發現，靠近水體的裸露地經過 MNF 轉換後被分類入水體之中，尤其是河岸的部分，與 MNF 影像轉 換時產生的平滑化現象特性有關。
第二節 後續研究建議
要提升以衛星影像進行土地利用資料分類的精度，就影像而言可分為 提升空間解析度及光譜解析度兩種方式，本研究是接續前一年的研究，以 EO-1 Hyperion 的影像進行分類，試驗高光譜影像在台灣山區土地利用 分類上的精度，根據分類後的正確性發現，高光譜的影像分類以監督性的 方式來進行整體的Kappa 值幾乎可以達到 0.8 左右，顯示光譜解析度的 提升的確有助於土地利用分類正確性的提升。在本次研究中，僅嘗試非監 督性及監督性的分類方法各一種，而以監督性的分類方法為優，然而除了 上述兩種方法外尚有有非監督性的K-means 法及監督性的高斯最大概似 法（Gaussian Maximum Likelihood Classifier）、光譜角映射分類法
（Spectral Angle Mapping Classifier）、次像元分類的相關方法等，在 原始影像處理上則有傅力葉頻譜轉換（Fourier Spectral Transform）及 二元編碼（Binary Encoding）等，因此都是未來可以嘗試努力的目標。
綜合前一年度與此年度的研究成果，雖然研究區、分類方法與分類類 型並不完全相同，但是在分類上仍然可以存在這一些共同的問題。空間解 析度的限制，使得小規模的地物無法被判釋出來，例如狹小的道路及墓地
。果園與林地是山坡地土地利用的最大類別，此兩種類別隨著果園種植果 樹的不同以及經營方式的不同，會使得果園容易被判釋成林地，例如粗放 的果園、果樹下間種其他旱作等，或者整理過的林地也會被誤判成為果園
，因此從光譜解析度的提升僅能夠提高研究者從不同的植物反射的光譜差
載的高空間高光譜解析度的影像還沒有之前，只能在目前的影像資料來源 中選取或組合各類影像資料，配合分類目標的十一種土地利用類別，以各 類別的最有利的影像及分類方式的組合，來建立比單一影像來源或單一分 類方法正確率更高的土地利用資料庫，例如多準則分類法、知識庫分類法 或人工智慧相關的分類法都是可以嘗試的方法。
參考文獻
蔡博文（2003）台灣山坡地環境敏感區土地利用變遷及其對環境衝擊之研究--子 計畫一：台灣山地地區土地利用時序資料庫建立之研究(III)，國科會研究報告 郭麟霂（2000）寒帶沼地高光譜影像分類之研究，國立交通大學土木工程學系碩
士論文。
浦瑞良、宮鵬（2000）高光譜遙感及其應用，北京：高等教育出版社。
Goetz, A.F.H., Vane, G., Solomon, J.E. Rock, B.N. (1985) Imaging spectrometry for earth remote sensing, Science, 228: 1147- 1153.
Jet Propulsion Laboratory, (2004) Airborne Visible/Infrared Imagine Spectrometer, http://aviris.jpl.nasa.gov.
Landgrebe, D. A.（2003） Signal theory methods in multispectral remote sensing, Wiley, Hoboken, N.J.
Lecia Geosystems GIS & Mapping, LLC (2003) IMAGINE Spectral Analysis User’s
Guide, Atlanta: Lecia Geosystems GIS & Mapping, LLC
Richards, J.A.（1999）Remote sensing digital image analysis: An introduction, 2nd ed., Berlin: Spinger-Verlag.
RSI (2003) ENVI 4.0 User Guide, Australia: RSI.
Tso, B., Mather, M.M. (2001) Classification methods for remotely sensed data, New York:
Taylor & Francis.
USGS (2004) EO-1 Homepage, http://eo1.usgs.gov/.