Geological Survey, USGS) 2006 年的報告，崩塌災害每年於美國造成的死 亡人數介於 25 至 50 人，直接與間接的經濟損失約為 3 億美元。近年來，
各國政府開始投以重視，致力於國家或地方性崩塌地資料的收集與管理─
如 USGS 的「崩塌地調查前導計劃(Landslide Inventory Pilot Project)」，目 標為建置健全的國家崩塌地資料庫網站；歐盟聯合研究中心的環境與永續 發展研究機構(European Commission, Joint Research Centre, Institute for Environment and Sustainability)亦對歐洲現存各崩塌地資料庫進行了詳細的 統計分析；更有專家對「全球崩塌地調查(Global Landslide Inventory)」提 出呼籲。
隨著遙感探測(Remote sensing，簡稱遙測)技術的進步，崩塌地的辨識 作業不再限於實地訪查，產生了兩種主要的新形態：由數值高程模型 (Digital Elevation Model, DEM)產品、根據地 形學 (Geomorphology)的知 識、人工或(半)自動辨識崩塌地；或由遙測影像(Remotely sensed imagery) 產品、基於影像的光譜特徵、人工或(半)自動辨識崩塌地。
‧
幾何糾正(Geometric correction)與輻射糾正(Radiometric correction)的航空影 像」以「影像分類技術」自動偵測崩塌地，並輸出為向量式資料(Vector data)；接著，利用相機的內外方位參數、與現存的 DEM，根據攝影測量 學(Photogrammetry)的共線條件式(Collinearity condition equations)，將向量 式資料地理對位(Georeferencing)至 TWD97-TM2 坐標系；最後，於對位後 向量式資料(地理空間資料)自動寫入實用的屬性資訊，以利後續空間分析 與製圖之應用。傳統的像元式影像分類(Pixel-based classification)技術以單一像元的光 譜亮度值為分類依據─隨著感測系統日趨精良，遙測影像產品的空間解析 度已提升至次公尺級，對此等影像進行像元式分類時，易產生椒鹽式雜訊 (Salt-and-pepper noise) 。 為 解 決 此 問 題 ， 物 件 式 影 像 分 類 (Object-based classification)技術考量像元間的空間關係，將高相關性的相鄰像元合併為
「影像物件(Image object，簡稱物件)」，以物件為影像分類的最小單元；
分類依據亦不限於物件的光譜資訊，可為形狀、紋理、與其他物件的相鄰 關係…等多種「物件特徵(Object features)」。近年來，國內外已有多件研究 案例，應用物件式影像分類技術，於遙測影像產品萃取崩塌地資訊。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
與趨勢，除可供災害防治、國土或都市計畫、交通運輸計畫、野生保育…
等管理之用外，民間單位如營造業者、保險業者、研究機構…等亦為潛在 的使用者。
綜上所述，為建立「多時期崩塌地地理空間資料庫」，本研究的具體 目的為以下三項目的自動化：
1. 以物件式分類實現單張未糾正航空影像的崩塌地初步辨識。
2. 納入現存地形資料，實現單張未糾正影像之物件式分類成果的地 理對位、與基於地形特徵的過濾篩選。
3. 將屬性資訊寫入崩塌地地理空間資料，以利後續之分析應用。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
‧
以下分述影像分類技術於不同面向的各種類型(Jensen, 2006)：
一、 像元式分類與物件式分類 High Resolution, VHR)影像時，像元數量大增，導致「同質異譜」(同一類 別像元的光譜亮度值變異數提升)或「異質同譜」(光譜上混合(Spectrally mixed)的數種地物類別)等不確定性加劇，降低分類精度；有鑒於此，物件 式分類以適度的「影像區塊化(Region representation)」避免椒鹽效應，並 以多項物件特徵強化電腦認知之能力。
二、 監督式(Supervised)分類與非監督式(Unsupervised)分類
監督式分類的流程為：人工收集各類別的樣本集，由其中各樣本的