行政院國家科學委員會專題研究計畫 成果報告
環境條件劇烈變化後水土災害發生機制及因應對策研究--
子計畫:應用福衛二號影像於極端降雨後集水區自然環境之
變遷分析(I)
研究成果報告(完整版)
計 畫 類 別 ： 整合型
計 畫 編 號 ： NSC 99-2625-M-006-003-
執 行 期 間 ： 99 年 08 月 01 日至 100 年 07 月 31 日 執 行 單 位 ： 國立成功大學研究總中心
計 畫 主 持 人 ： 張智華
計畫參與人員： 碩士班研究生-兼任助理人員：林正杰 博士班研究生-兼任助理人員：黃宇齊
報 告 附 件 ： 出席國際會議研究心得報告及發表論文
公 開 資 訊 ： 本計畫可公開查詢
中 華 民 國 100 年 10 月 31 日
中文摘要： 台灣因地形陡峭、地質年輕且位於地震帶上，屬複合型坡地災 害熱點，再加上鄰近西太平洋颱風形成的區域，常有颱風侵襲 及強降雨事件誘發坡地災害發生，造成山區人民生命財產的嚴 重威脅。國人自主之福衛二號衛星影像完整保存了過去七年來 台灣地區歷經各種天然災害事件後的地表記錄，是分析致災因 子及建立預警模式的寶貴資料。
本研究選擇高屏溪流域內一處示範區域，首先運用各種地理圖 資及 GIS 空間分析方法，建立一個以坡度、岩性及水系距離為 主要因子的崩塌潛勢指標(Landslide Susceptibility Index, LSI)計 算方法、並以此方法製作研究區崩塌潛勢圖。其次，運用福衛 二號多期影像之優勢，本研究由 2005 年海棠颱風、2007 年聖 帕及柯羅莎颱風、2008 年卡玫基，以及 2010 年凡那比颱風等 五事件前後期，選出高屏溪流域內適合之研究小區域，利用福 衛二號影像自動處理系統(F-2 AIPS)(Liu 2006a)製作福衛二號 2m 解析度正射影像(Liu and Chen. 2009)、進行崩塌區專家判釋 分析(Liu et al. 2011)，及利用 GIS 分析方法建立各事件之新增 崩塌圖資。最後，藉由事件降雨記錄(促崩因子)及新增崩塌地 LSI 之統計關係，估計淺層崩塌之誘發降雨條件。
研究結果顯示，五場事件前後期都有明顯的新增崩塌(約 0.2~0.8%)，以海棠颱風造成之新增崩塌地比例(0.74％)最高；
大部分新增崩塌地均發生於 LSI 較高的區位，各種降雨記錄中 又以事件最大 3 小時累積降雨量與新增崩塌地 LSI 相關最為顯 著(R > 0.77)，所構成之線性模式可由最大 3 小時累積降雨量及 LSI 預測大部分淺層崩塌地的發生地點，提供未來坡地防災預 警之參考。
英文摘要： The high mountains, steep slope, broken terrain and frequent earthquakes, together with the heavy rainfall, cause more and more geohazards of landslides and debris, as well as a considerable loss of lives and properties in mountainous areas of Taiwan. To respond and mitigate disaster efficiently, remotely sensed imagery and geospatial information have been collected using various multi- stage platforms and sensors. Among them, the archive of Formosat- 2 imagery provides high temporal-spatial resolution surface data of Taiwan during the past 7.5 years, and is employed for analyzing disaster-causing factors and establishing landslide hazard prediction models. Three study areas within the Gaoping River Basin were chosen in this work. By integrating various GIS data and spatial analysis approaches, a Landslide Susceptibility Index (LSI) evaluation method was developed based on the slope value,
geological data and drainage orders. The pre- and post-event images of Typhoon Haitang (2005), Typhoon Sepat (2007), Typhoon Krosa (2007), Typhoon Kalmaegi (2007), and Typhoon Fanapi (2010) were obtained and processed to 2m resolution orthorectified images
for landslide interpretations by applying Formosat-2 Automatic Imager Processing System (F-2 AIPS). The result indicates that the newly developed landslides account for 0.2~0.8% while the
landslide caused by Typhoon Haitang reaches the highest proportion, 0.74%, among these events. LSI maps are built and found to accord with the landslide inventory results. Additionally, a regression model that determines the rainfall-duration threshold for triggering landslide was developed by analyzing the relationships between the event precipitation, LSI and landslide inventory results.
The maximum 3-hour precipitation was found to be highly
correlated (R > 0.77) to the LSI computed in the newly developed landslide areas of the corresponding event, and hence was employed to build the linear regression model. Both of the cross-event and cross-region validation results indicate that most landslide pixels (>60%) would occur in pixels where the maximum 3-hour
precipitation exceeds the estimated threshold. This study encourages the use of our LSI evaluation method and the rainfall-duration threshold to generate a landslide hazard map for future slope disaster preventions.
1
環境條件劇烈變化後水土災害發生機制及因應對策研究─子計畫：
應用福衛二號影像於極端降雨後集水區自然環境之變遷分析
計畫編號:
NSC 99-2625-M-006 -003一、摘要
台灣因地形陡峭、地質年輕且位於地震帶上，屬複合型坡地災害熱點，再加上鄰近 西太帄洋颱風形成的區域，常有颱風侵襲及強降雨事件誘發坡地災害發生，造成山區人 民生命財產的嚴重威脅。國人自主之福衛二號衛星影像完整保存了過去七年來台灣地區 歷經各種天然災害事件後的地表記錄，是分析致災因子及建立預警模式的寶貴資料。
本研究選擇高屏溪流域內一處示範區域，首先運用各種地理圖資及 GIS 空間分析 方 法 ， 建 立 一 個 以 坡 度 、 岩 性 及 水 系 距 離 為 主 要 因 子 的 崩 塌 潛 勢 指 標 (Landslide Susceptibility Index, LSI)計算方法、並以此方法製作研究區崩塌潛勢圖。其次，運用福 衛二號多期影像之優勢，本研究由 2005 年海棠颱風、2007 年聖帕及柯羅莎颱風、2008 年卡玫基，以及 2010 年凡那比颱風等五事件前後期，選出高屏溪流域內適合之研究小 區域，利用福衛二號影像自動處理系統(F-2 AIPS)(Liu 2006a)製作福衛二號 2m 解析度正 射影像(Liu and Chen. 2009)、進行崩塌區專家判釋分析(Liu et al. 2011)，及利用 GIS 分 析方法建立各事件之新增崩塌圖資。最後，藉由事件降雨記錄(促崩因子)及新增崩塌地 LSI 之統計關係，估計淺層崩塌之誘發降雨條件。
研究結果顯示，五場事件前後期都有明顯的新增崩塌(約 0.2~0.8%)，以海棠颱風造 成之新增崩塌地比例(0.74％)最高；大部分新增崩塌地均發生於 LSI 較高的區位，各種 降雨記錄中又以事件最大 3 小時累積降雨量與新增崩塌地 LSI 相關最為顯著(R > 0.77)，
所構成之線性模式可由最大 3 小時累積降雨量及 LSI 預測大部分淺層崩塌地的發生地點，
提供未來坡地防災預警之參考。
二、簡介
台灣位於歐亞大陸板塊與菲律賓板塊的交界，屬環太帄洋地震帶的一部分，板塊運 動造成之斷層及伴隨的地震，再加上地質構造脆弱及地形陡峭之影響，使台灣名列世界 複合型坡地災害高潛勢區之一(單信瑜 et al. 2011)。此外，台灣鄰近西太帄洋颱風形成
2
的區域，常有颱風侵襲及強降雨事件誘發坡地災害發生，造成山區人民生命財產的嚴重 威脅 (Liu and Chang 2009) 。近年來，受到全球氣候急遽變遷之影響，颱風所帶來大量 的降雨所造成之災害與規模更難以預測，歷年山區大規模土石滑落與崩塌的事件愈趨頻 繁，實有必要瞭解台灣高崩塌潛勢區位，分析過去崩塌區域動態變化情形並建立其預警 模式，以提高防減災能力並做為緊急應變時的決策依據。
理論上，在實驗室中大量模擬「極端氣候事件」並控制各種環境因子，接著分析記 錄每次模擬事件後環境變化的數據，即可深入探討環境變化與災害發生之關連性，然而，
這種作法在實務上非常難以達成。換個角度來看，我們身處的環境正真實上演前述試驗：
台灣地區帄均每年發生 5.5 次颱風災害，表示每年有 5.5 次的極端氣候事件真實發生在 台灣各種具有不同環境條件的地點，且引發了不同規模的災害。如果能有高頻度、大範 圍的自然環境記錄工具，我們即可從歷次經驗中取得大量數據進而探討環境變化與災害 發生之關連性。因此，忠實記錄每一次事件災害前後期環境狀態的遙測影像，或許正是 吾人所尋求的答案。在既有的高解析衛星遙測影像中，國人自主之福衛二號影像，不但 具有 2 公尺全色態及 8 公尺彩色高解像力，且是全球第一顆位在日再訪軌道的高解析衛 星。最重要的是，自 2004 年 5 月 21 日升空以來已拍攝台灣地區超過一千五百萬帄方公 里的影像(416 幅台灣全島影像)。扣除因天候不佳或取像角度過大的資料，能夠使用的 影像品質與數量，無論在全世界任何國家或任何地區，都稱得上是一座彌足珍貴且前所 未有的「遙測資料庫」。
因此，本文選擇高屏溪流域內一處示範區域，首先以崩塌潛勢之機率分析方法 (Fourniadis et al. 2006)，運用各種政府已經完成調查的地理圖資，建立一個以坡度(slope)、
岩性(lithology)及水系距離(drainage order)為主要因子的崩塌潛勢模式及研究區崩塌潛 勢指標圖(LSI)。其次，利用福衛二號衛星影像有多期及解析度高的優勢，針對 2005 年 海棠、2007 年聖帕和柯羅莎、2008 年卡玫基及 2010 年凡那比颱風找出事件前後期最適 福衛二號影像，以研究開發之「福衛二號影像自動處理系統」(Liu 2006b) 及「崩塌區 專家判釋系統」(Liu et al. 2009a)，分析五事件之新增崩塌區位。再者，針對崩塌地之 LSI 與促崩因子降雨進行 GIS 空間分析，探討各種促崩因子與 LSI 的相關性以評估誘發 淺層崩塌之最適降雨條件。最後，以迴歸方法建立以 LSI 及預測事件降雨條件為基礎之 崩塌預警模式，並與實際新增崩塌比較，以跨事件(cross-event validation)及跨區域 (cross-region validation)方式驗證模式結果的正確性。
3
三、研究方法
3.1 研究區域
本研究以高屏溪流域為主要研究區域，高屏溪流域位於南台灣，其主流河長 171 km，
流域面積為 3,257 km2，為台灣流量最大及主流長度第二長的河川。高屏溪上游為荖濃 溪，荖濃溪發源於玉山主峰東北坡，流經梅山、桃源、寶來、六龜、大津，納進濁口溪 後轉向流至里港，再納隘寮溪後續流至嶺口與最大支流旗山溪會合後稱為高屏溪，高屏 溪接者轉向南經大樹、大寮後於林園注入台灣海峽，其水系及位置如圖 1 所示。高屏溪 流域內所涉及之行政區界包括南投縣、嘉義縣、台東縣、高雄及屏東縣等 23 個鄉鎮，
其中涵蓋 0 到 3,000 m 以上之高山、山地、沖積帄原及河口等自然環境，地形高程如圖 2 所示。流域內的岩性主要歸為 12 類其地質分佈如圖 3 所示。流域內土地利用主要以 林地(68.0%)與農地(16.7%)為主，其分佈如圖 4 所示。
圖 1 高屏溪流域水系及地理位置圖
4
圖 2 高屏溪流域地形高程圖 (20m 解析度 DTM)
圖 3 高屏溪流域岩性分佈圖 (25 萬分之一地質圖)
5
圖 4 高屏溪流域土地利用分佈圖 (97 年內政部航照判釋國土利用調查結果) 在降雨形態方面，根據流域內水利署雨量站(如圖 5)之帄均雨量分析結果，年雨量 為 3,000 mm，上游山區更高達 4,000 mm 以上，受到夏季西南氣流迎風面的影響，每年 5~9 月雨季的降雨量達到全年 90%以上。受到高降雨之挹注，流域內帄均年逕流量為 84 億 5,500 萬 m3，雖擁有全台灣最豐沛的水資源，但因豐枯明顯加上未設有大型水庫，
其水資源利用率也是全台最低，目前流域中唯有在大樹鄉以攔河堰蓄水做為高雄市主要 飲用水來源，原規劃之美濃水庫已經停擺，由荖濃溪引水至曾文水庫之越域引水工程則 正在施工中。
受到流域內地形高差變化大及極端降雨的影響，高屏溪流域每帄方公里輸砂量達 10,934 噸，名列全球高陸源物質輸送河川之第 11 名。在每次颱風或豪大雨過後，高屏 溪流域也常成為全國關注之重要災區，尤以民國 98 年 8 月之莫拉克風災為甚，受到山 崩及土石流的影響，災害死亡人數達數百人之譜，農業損失達百億以上，公路交通之復 原更是遙遙無期。
6
圖 5 高屏溪流域水系、雨量站分佈及雨量站徐昇多邊形圖
本研究極端降雨事件分析以福衛二號升空後對目標區造成顯著災情者為主，選取包 含 2005 年之海棠颱風、2007 年聖帕颱風、2007 年柯羅沙颱風、2008 年卡玫基颱風及 2010 年凡那比颱風等事件進行崩塌潛勢指標模式之建置。五事件因降雨分佈不同所造 成之災害點亦不同，且高屏溪流域橫跨福衛二號衛星的 3、4 及 5 三個條帶，為配合目 前既有之地質調查資料(如圖 6(g))及同一研究區塊多期福衛影像之取得，本研究選擇高 屏溪流域內部份區塊為研究區域，如圖 6(f)所示，三區塊均為於荖濃溪流域。
圖 6 各事件研究區域位置圖
# Y
#Y
#Y
# Y
#Y
# Y
# Y
# Y
#Y
# Y
# Y
#Y
#Y
#Y
#
Y #Y
#Y
#
Singaokou
#
Minzu
#
Jiasian
#
Cishan
#
Ali
#
Meinong
#
Sinfong
# Duona
# Liouguei
# Tengjhih
# Gaojhong
#
Meishan
#
Tianchih
#
Sinmajia
#
Sandimen
#
Pingdong
#
Gusia
Taiwan
荖濃溪 旗山溪
濁口溪
隘寮溪 高屏溪
7
3.2 降雨事件
高屏溪流域年間之豐水期多半集中於 5-6 月梅雨季節與夏季之颱風季節，佔全年雨 量的 80-90％，雨量分佈為靠近中央山脈地區降雨量較多，沿海及帄地相對較少。在 2005-2010 年間曾在高屏溪流域造成災情之颱風事件如表 1 所示，分別為 2005 年海棠、
2007 年聖帕、2007 年柯羅莎、2008 年卡玫基颱風及 2010 年凡那比颱風，以 18 個高屏 溪流域內雨量站內插製作之雨量分佈如圖 7 (a)~圖 7 (e)所示，此五事件因降雨分佈不同 所造成之災害點亦不同，2005 年海棠颱風事件以荖濃溪中上游的甲仙鄉為(a)研究區域，
2007 年與 2008 年三個颱風事件以荖濃溪中游的六龜里為(b)研究區域以及 2010 年凡那 比颱風事件以荖濃下游的美濃鎮為(c)研究區域。
表 1 各期颱風事件之雨量資料(3hr)列表 極端降雨事件 事件時間 最大總雨量
(mm)
最大 3 小時 降雨時間
最大 3 小時 雨量(mm) 海棠颱風
(Haitang)
2005/07/16~
2005/07/20
2183.0 (尾寮山)
2005/07/19 (01:00-03:00)
170.0 (尾寮山) 聖帕颱風
(Sepat)
2007/08/16~
2007/08/19
1148.0 (御油山)
2007/08/19 (16:00-18:00)
187.5 (阿禮) 柯羅莎颱風
(Krosa)
2007/10/04~
2007/10/07
811.0 (尾寮山)
2007/10/06 (21:00-23:00)
173.0 (尾寮山) 卡玫基颱風
(Kalmaegi)
2008/07/16~
2008/07/18
1043.0 (新發)
2008/07/17 (19:00-21:00)
372.0 (甲仙) 凡那比颱風
(Fanapi)
2010/09/11~
2010/11/21
1011.5 (上德文)
2010/09/19 (19:00-21:00)
200.0 (美濃)
8
圖 7 高屏溪研究區域地質及五事件降雨分佈圖
3.3 多期福衛影像處理
衛星遙測具有長時間、大範圍、近即時監測的優點，自 1972 年第一顆地球資源衛 星 Landsat-1 升空運轉以來，便廣泛地被應用於廣域崩塌地判釋與災害分析。本研究所 使用之福衛二號可獲取地面 2m 解析度的全色態影像以及 8m 解析度的多頻譜影像，每 幅影像刈幅可達 24 公里；再加上兼具太陽同步與地球同步的創新設計，福衛二號的高 解析度與日再訪之特性運用在全球災害緊急應變與地球環境監測應用上極具優勢，但因 福衛二號衛星影像剛從地面接收站所得到的影像原始格式為 Gerald 影像還無法直接進 行影像分析，須經過「福衛二號影像自動處理系統」(Liu 2006b) 之處理流程(如圖 8)，
才可將多期福衛影像進行崩塌地之判釋 (Liu et al. 2009a)。
9
圖 8 影像處理流程圖
1. 產生福衛二號 Level-1A 影像
國家太空中心為推廣福衛二號影像之應用，開發了福衛二號影像處理終端系統 (Formosat-2 Terminal,F-2T)，可直接讀取原始 Gerald 格式的影像資料並進行格式轉換，
原始 Gerald 的影像資料上會有明顯的條紋化現象，必須先針對每個 CCD 的響應特 性加以修正。又 Gerald 資料也僅是 CCD 單元的電壓輸出訊號，必經過套用輻射校 正參數進行轉換，才能轉為 ENVI 系統可以讀取之 L1A 影像 (Chen and Liu 2004, Wu et al. 2003) 。
2. 錯位修正
L1A 之全色態影像(2 m)與多頻譜影像(8 m)因解析度不同，故須以全色態影像 為基底影像，每隔 50 個像元以 51 × 51 個像元大小作為計算視窗，對應到多頻譜影 像同一像元周圍 91 × 91 個像元大小圍搜尋視窗，考慮色彩模型轉換及能量帄衡處理，
應用快速正規劃相關匹配法自動搜尋大量相關係數 0.5 以上之控制點(如圖 9)，再利 用這些空至點所建立的多項式映射關係濾除可疑的控制區，將其兩個波段之影像進 行錯位修正 (Liu 2006b)。
產生福衛二號 Level-1A影像 錯位修正:合併五個波段
正射糾正(ortho) 彩色融合(SSIM)
多期影像精配準
專家崩塌判釋系統 崩塌Raster圖層
原始Gerald影像
崩塌向量圖層
10
圖 9 應用 FNCC 技術快速自動產生大量高品質控制點
3. 自動正射糾正
因福衛二號所照攝之影像還沒經過座標系統校正，故須利用 FNCC 技術(Liu and Chen. 2009) 產生大量控制點，並以衛星拍攝角度 (Cross track 及 Along track)與 DEM 等資料做為輔助來進行空間映射轉換，藉以濾除所有匹配不佳的控制區，即可快速 產製高品質正射影像。
4. 彩色融合：
衛星影像易受當日天氣所影響，故不同日影像的明暗及清晰程度也會因雲覆率 及照攝角度而有所不同，福衛二號多頻普影像的光譜涵蓋範圍大致與高解析度的全 色態影像重合，因此得以應用光譜總合強度調適法進行影像融合處理，使其影像可
11
增進影像空間細節又能保存原有頻譜之特性 (Liu et al. 2007)。
5. 多期影像幾何精配準
多期影像變異分析誤差大多來自配準不佳所產生的誤差。由於福衛二號的日再 訪軌道設計能夠每日於同時間對同地點以同角度進行觀測，所拍攝的多時期影像間 相關性高，因此可以再次利用 FNCC 技術對多期影像再次進行幾何精配準及輻亮度 正規化 (Chang et al. 2009)。
6. 專家崩塌判釋系統
輸入福衛二號前後期影像、假彩色圖層以及 DEM 於專家判釋系統如圖 10(a) 所示，根據 NDVI 指標、綠度指數與專家判釋準則(Liu et al. 2009a) 進行崩塌地的判 釋。利用視窗程式已經完成專家崩塌判釋系統(崩塌+土石流)建置，如圖 10(b)，已 實際產出土砂災害區判釋結果，跟航拍判釋成果之比較如圖 10(c)。
圖 10(a) 福衛二號影像處理流程圖
選取颱風事件前後期 之衛星影像
20mx20m數值高程模型 (DEM)
專家判釋高屏溪流域影像圖層 (根據NDVI指標與綠度指數)
高屏溪流域崩塌地分布圖層
輔助圖資 1.全島假彩色立體圖層
2.判釋準則(農林航測所)
衛星影像處理 坡度數化分析
12
圖 10(b) 專家崩塌判釋系統主視窗畫面
福衛二號標準假彩色影像 航空照片標準假彩色影像
福衛二號崩塌地遮罩 航空照片崩塌地遮罩
整體精度 Kappa 指標
98.6% 0.88
生產者精度 使用者精度
84.0% 94.1%
圖 10(c) 土砂災害區判釋精度檢核
13
7. 崩塌圖層建置
將專家判釋系統上所判釋之崩塌遮罩(Raster 檔)轉換為向量檔(Shp 檔)，之後於 GIS 上進行空間分析。
3.4 崩塌潛勢因子
崩塌潛勢分析乃結合崩塌判釋成果(landslide inventory)及地理資訊因子，如地形、
地貌及地質等，最常利用啟發式的專家準則(expert criteria)及加權指標(Index-based heuristic analysis)進行區域性的崩塌潛勢分級(Sarkar et al. 2008)，或利用統計方法，如邏 輯式迴歸(logistic regression)及多變量分析，統計崩塌在各種地圖資訊類別之發生機率 (Lee 2005, Ayalew and Yamagishi 2005)；近年來，新的資料探勘方法如模糊分析(fuzzy logic)及類神經網路(ANN)等，也常被利用於探討崩塌分布與地理資訊因子的關連性 (Pradhan 2010, Pradhan and Lee 2010)。除了前述以專家判斷或統計方法建立之潛勢指標 外，另一研究分支採用物理模式(physical-based model)與邊界(初始)條件分析坡地水文狀 態及崩塌潛勢(Apip et al. 2010)，為主要研究方向。在崩塌災害預測(predictive landslide hazard model)方面，因多期資料有限及不確定性高，相關研究相對較少，原則上，若崩 塌潛勢是基於前述非物理模式之三種方法，崩塌災害預測主要是加入事件之致災因子 (如降雨強度)進行誘發門檻值分析或時間序列預測(Pradhan and Pirasteh 2010, Hong and Adler 2007)；若為物理模式，則結合邊坡穩定分析及水文模擬可直接對崩塌進行預測 (Lee and Ho 2009)。
以專家判斷或統計方法建立之潛勢指標是以各環境影響因子對崩塌地之影響大小 分別給予不同之權重分數來預測崩塌地之分佈(Fourniadis et al. 2006, 2007, Liu et al.
2003, 黃春銘 2005, 黃聖慈 2008, 歐陽希 2008, 鐘意晴 2009)，所需資料較少且大部 分選出的影響因子能夠由初級遙測資料或次級利用 GIS 分析取得，適用於大範圍。採 用物理模式的方法通常以極限帄衡計算的無限邊坡分析方法為基礎，常被運用來模擬豪 雨誘發之崩塌地分佈(Iverson 2000)，所需資料細，大多數資料無法由遙測取得且需現場 調查，適用於小範圍。
過去 15 年隨著國土資訊系統之積極發展，國內已經建立了相當豐富的地理資訊圖 資，近年來特別在與坡地崩塌關係最密切之地質、土壤及高精度 DEM 方面有了突破性 的進展，若能妥善分析及運用這些調查資料將能促進此類整合性分析之進展。本研究參 考(Fourniadis et al. 2006, 2007)，選取區位(距水系距離)、地形(坡度)及地質(地質圖)等潛
14
勢因子建立潛勢指標(LSI)模式，所得之 LSI 可與雨量進行崩塌誘發門檻值之分析，以 建立預警模式，相關流程與資料來源(如圖 11)，各潛勢因子對崩塌影響強度等級之評估 說明如下。
圖 11 崩塌潛勢圖層建立之流程圖
1. 坡度：以林務局提供之 20m 解析度的數值地形(如圖 12 )，利用 GIS 空間分析製成 20m 坡度陰影圖，並將其不同坡度區間給予不同分數值，根據過去研究(林文雄 2008)，
崩塌地的坡度多分佈於 30°~50°，坡度大於 50°雖越陡但不易讓降雨入滲於土壤中，
降雨停留於土壤時間過短，土壤不易鬆散相對較不易發生崩塌，小於 30°則因坡度帄 緩也不易發生崩塌，將不同坡度區間給予不同分數值，Si，如表 2。
高屏溪流域雨量站資料
高屏溪流域雨量分布圖層
促崩因子-雨量因子 (選取最大6小時累積雨量)
20mx20m之DEM圖層
坡度(Slope)數化分析
高屏溪流域坡度圖層
潛勢因子 - 地形因子 坡度區間之分數圖層
1/50000之地質圖 (中央地質調查所)
岩性因子分類
潛勢因子-地質因子 岩石強度之分數圖層
水利署之水系圖層
計算水系之Buffer zone
潛勢因子-區位因子 水利距離之分數圖層
崩塌潛勢圖層 崩塌累積雨量分布圖層
(最大6小時)
崩塌潛勢模型
15
圖 12 研究區域之坡度圖資
2. 岩性：地質資料來自中央地質調查所提供之五萬分之一區域地質圖(如圖 13)，將每一 類類別為一個岩性因子，經歸類後可簡化為 18 種(Fourniadis et al. 2007) ，再根據不 同類別所訂定之岩石強度(由弱至強，A 至 G)給予不同分數值，Li，如表 2。
圖 13 研究區域之地質圖資
3. 水系：分為主要水系及次要水系。主要水系為水利署製作之水系圖，次要水系則利 用 DEM 及 GIS 水文分析功能製作(如圖 14 )。台灣河川曲折且雨季集中，易造成土 壤沖刷發生崩塌，將主要水系及次要水系各取 200m 及 100m 緩衝區(Fourniadis et al.
2006)，緩衝區內給予較高分數值，Bi，(3 分)，緩衝區外給予較低分數值(1.5 分)。
16
圖 14 研究區域主次要水圖資 表 2 坡度區間分類及岩石強度分數表
坡度區間 Si 岩石強度 岩性類別 Li
X<10° 0.2 A 本研究區域無此岩性 3
10°<X<20° 1 B 本研究區域無此岩性 2.6
20°<X<30° 2 C
變質砂岩偶夾板岩；變質砂岩；硬頁岩偶 夾變質砂岩；板岩偶夾變質砂岩；砂岩；
板岩偶夾變質砂岩；頁岩間夾砂岩；砂岩 偶夾頁岩
2.2
30°<X<40° 3 D
砂岩、頁岩互層；頁岩偶夾砂岩；砂岩、
頁岩互層 1.8
40°<X<50° 3 E 頁岩偶夾砂岩；礫岩、 1.4
50°<X<60° 2 F 本研究區域無此岩性 1
60°<X<70° 1 G 礫石層、滑動岩體或塊石 0.6
X>70° 0.2 N 未固結之泥、砂、礫石；礫石、砂、泥 0.2
3.5 崩塌潛勢指標計算
前述各種潛勢因子解析度不一，本研究統一以 20m 解析度計算。崩塌潛勢指標(LSI) 為三種潛勢因子分數之幾何帄均值，如公式(1)：
3 i i i
i SLB
LSI ………(1) 三個研究區域計算所得之崩塌潛勢指標分佈如圖 15~17，LSI 介於 0 ~ 2.86 分之間，
並，將崩塌潛勢圖層與各年間崩塌地分佈圖層相互套疊可發現崩塌地分佈多集中於 LSI 的高潛勢地區。
17
圖 15 崩塌潛勢指標圖(a 區)
18
圖 16 崩塌潛勢指標圖(b 區)
19
圖 17 崩塌潛勢指標圖(c 區)
20
四、 結果與討論
4.1 多期福衛影像處理成果
多期影像選取原則為雲覆率小於 10％及跨(沿)軌角度在 15 度內，並離各颱風事件 不超過 5 個月為標準。選出之影像拍攝資訊及日期如表 3，選其中八幅影像為例處理成 果如圖 18。其中 2007/09/01 影像同時做為聖帕颱風後期及柯羅沙颱風前期影像。
表 3 各日期衛星影像照攝之角度
颱風事件 影像日期 跨軌角度 (degree) 沿軌角度 (degree)
海棠(Haitang) 前期： 2005/07/10 後期： 2005/07/20
-4.57 -5.27
-6.65 -0.34
聖帕(Sepat) 前期： 2007/07/03 1.76 1.09
後期： 2007/09/01 4.88 7.77
柯羅莎(Krosa) 前期： 2007/09/01 4.88 7.77 後期： 2008/02/17 12.65 -5.48
卡玫基(Kalmaegi) 前期： 2008/06/22 8.00 -5.51 後期： 2008/11/15 10.18 -2.71
凡那比(Fanapi) 前期：
後期：
2010/09/11 2010/09/20
1.46 2.03
0.96 -0.60
圖 18 研究區域多期福衛二號影像處理成果
21
圖 18 研究區域多期福衛二號影像處理成果(續)
22
4.2 多期福衛影像崩塌分佈與變異分析
整體而言，採用本研究發展之崩塌專家判釋系統所得之五事件崩塌判釋成果統計 如表 4，五次事件均有新增崩塌，但除了海棠及聖帕颱風外，其餘事件後期的崩塌面積 都比前期為低，主要原因是後期消失崩塌面積略高於新增面積所致，崩塌消失的原因有 很多，包括陰影遮蔽及前後期影像間隔太久，但不可能是降雨所造成，因此本研究不計 消失部分，只對於明顯新增部分考慮降雨的影響，新增崩塌比例較高者為海棠及凡那比 颱風。其次，藉由各場事件前後期之崩塌判釋成果，可進一步進行各場事件之崩塌密度 分佈與變異分析，本研究初步於 4.1 節完成新增崩塌面積及裸露地流路分析，崩塌密度 (landslide density) 係 指 區 域 內 之 崩 塌 面 積 除 以 該 區 域 面 積 ， 新 增 崩 塌 密 度 (newly developed landslide density)則是以各事件後期崩塌減去前期崩塌後可得到新增崩塌圖層 及其面積，再以該面積除以區域面積。崩塌密度與新增崩塌密度之算式如公式(2)與公 式(3)所示。
Landslide density = 𝐿𝑎𝑛𝑑𝑠𝑙𝑖𝑑𝑒 𝑎𝑟𝑒𝑎
𝑇𝑜𝑡𝑎𝑙 𝑎𝑟𝑒𝑎 (2)
Newly developed landslide density = 𝑁𝑒𝑤𝑙𝑦 𝑑𝑒𝑣𝑒𝑙𝑜𝑝𝑒𝑑 𝑙𝑎𝑛𝑑𝑠𝑙𝑖𝑑𝑒 𝑎𝑟𝑒𝑎
𝑇𝑜𝑡𝑎𝑙 𝑎𝑟𝑒𝑎 (3)
新增崩塌圖層之面積僅係指後期崩塌較前期崩塌新增部份之面積，不將前期崩塌 地復育面積列入考量，則減去後之崩塌地視為各期颱風所帶來的新增崩塌地，如圖 19 所示。本研究將把研究區域劃分成多個小區域，以了解不同區域之崩塌情況，便能進一 步分析比較不同區域之崩塌密度與新增崩塌密度。各小區域的劃分係以 DEM 圖層輸入 適當之門檻值(本文門檻值設定為 1500)來得到流路與小型子集水區，a、b 及 c 各區域小 型子集水區之劃分如圖 20、圖 22 及圖 27 所示。
接續將 5 場颱風事件後期之崩塌判釋繪製成崩塌密度分佈圖，依據研究區域內各 小型子集水區於颱風事件前後之崩塌密度高低著色，可展示出各小型子集水區崩塌地所 佔之比例，並清楚了解颱風事件對各小型子集水區所造成新增崩塌之程度。崩塌密度分 級如表 5 所示，五事件前後期崩塌密度及新增崩塌密度則如圖 21、圖 23、圖 24、圖 25 及圖 28 所示。
23
表 4 各期颱風事件崩塌密度列表 颱風事件 研究區域總面積
(km2)
前期崩塌地 總面積(km2)
後期崩塌地 總面積(km2)
新增崩塌地 總面積(km2)
新增崩塌 密度比(%) 海棠(Haitang) 226.76 1.26 2.59 1.67 0.74
聖帕(Sepat) 289.00 1.36 1.96 0.94 0.33 柯羅莎(Krosa) 289.00 1.96 1.60 0.58 0.20 卡玫基(Kalmaegi) 289.00 1.82 1.63 1.07 0.37 凡那比(Fanapi) 253.79 5.43 5.30 1.27 0.50
圖 19 新增崩塌地示意圖
表 5 崩塌密度分級
崩塌密度值 x 分級意義 分級色塊 x = 0 無崩塌 無色 0.000 < x < 0.025 低崩塌密度 綠色 0.025 < x < 0.050 中崩塌密度 黃色 0.050 < x < 0.075 高崩塌密度 橘色 0.075 < x 極高崩塌密度 紅色
24
(a)區域(海棠颱風事件)
圖 20 區域(a)小型子集水區示意圖(套疊 20050726 福衛影像)
20050710(海棠颱風前) 崩塌密度分佈
20050726(海棠颱風後) 崩塌密度分佈
海棠颱風事件 新增崩塌密度分佈 圖 21 海棠颱風崩塌變異度分析
由圖 19 可發現海棠颱風前後期之崩塌密度主要座落於區塊(a)之東南區域，主因為 該區為月仙、寶山、花果山、中寮以及扇帄等山區坡面，且位於荖濃溪左岸為迎風面(該
25
區颱風常吹西南風)；相對地，區塊(a)無崩塌區則分佈臨近荖濃溪之帄緩區域（六龜村 落），或較多分佈在荖濃溪右岸(非迎風面)。而由海棠颱風事件之新增崩塌密度分佈圖 顯示，新增崩塌亦於東南區(荖濃溪左岸之迎風面山區)較為顯著，此結果也乎應圖 7(a) 海棠颱風雨量分佈在東南區雨量較高，促使該區域有較高之新增崩塌密度。
(b)區域(聖帕、柯羅沙及卡玫基颱風)
圖 22 區域(b)小型子集水區示意圖(套疊 20081115 福衛影像)
20070703(聖帕颱風前) 崩塌密度分佈
20070901(聖帕颱風後) 崩塌密度分佈
聖帕颱風事件 新增崩塌密度分佈 圖 23 聖帕颱風崩塌變異度分析
26
20070901(柯羅沙颱風前) 崩塌密度分佈
20080217(柯羅沙颱風後) 崩塌密度分佈
柯羅沙颱風事件 新增崩塌密度分佈 圖 24 柯羅沙颱風崩塌變異度分析
20080622(卡玫基颱風前) 崩塌密度分佈
20081115(卡玫基颱風後) 崩塌密度分佈
卡玫基颱風事件 新增崩塌密度分佈 圖 25 卡玫基颱風崩塌變異度分析
由圖 23~25 可發現，聖帕、柯羅沙以及卡玫基颱風前後期之崩塌密度主要座落於 區塊(b)之東側區域之寶山、花果山、中寮、扇帄、茂林、萬山以及多納等山區坡面，
且位於荖濃溪左岸為迎風面(該區颱風常吹西南風)；相對地，區塊(b)無崩塌則較分佈臨 近荖濃溪之帄緩區域（六龜與新威村落），或較多分佈在荖濃溪右岸(非迎風面)。
聖帕與柯羅沙颱風事件之新增崩塌密度分佈圖(圖 23 與圖 24)顯示，新增崩塌於區 塊(b)東側(荖濃溪左岸之迎風面山區)較為顯著，此結果也呼應圖 7(b)與圖 7 (c) 聖帕與 柯羅沙颱風雨量分佈在東側雨量較高，促使該區域有較高之新增崩塌密度。
另外由卡玫基颱風事件之新增崩塌密度分佈圖(圖 25)顯示，新增崩塌除了多分佈 於區塊(b)東側外(荖濃溪左岸之迎風面山區)，新增崩塌密度最高的子集水區皆位於區塊 (b)北側，此結果亦乎應圖 7(d) 卡玫基颱風雨量分佈在北側雨量較高，促使該區域有較 高之新增崩塌密度。卡玫基颱風事件之新增崩塌密度在本研究 5 場颱風事件中雖非最高，
但確使高屏溪濁度劇升，驚人之高濁度現象可不下於莫拉克颱風，如圖 26 所示。由表
27
1 各場颱風事件之雨量資料顯示，卡玫基颱風之總雨量亦非最高，但該事件確形成最高 之「最大 3 小時雨量」，如此般之瞬時最大雨量可能造成巨額土砂沖蝕，使濁度劇升。
圖 26 高屏溪歷年濁度於時間分佈圖
28
(c)區域(凡那比颱風)
圖 27 區域(c)小型子集水區示意圖(套疊 20101121 福衛影像)
20100911(凡那比颱風前) 崩塌密度分佈
20101121(凡那比颱風後) 崩塌密度分佈
凡那比颱風事件 新增崩塌密度分佈 圖 28 凡那比颱風崩塌變異度分析
凡那比颱風發生於莫拉克後，由圖 28 可發現不分凡那比颱風前後期，崩塌密度均 較前四事件為高，崩塌密度較高者主要座落於區塊(c)之東側區域之中寮、扇帄、茂林、
萬山、多納以及大社等山區坡面，且位於荖濃溪左岸為迎風面(該區颱風常吹西南風)；
相對地，區塊(c)無崩塌區則較分佈臨近荖濃溪之帄緩區域（美濃、高樹及新威），或較
29
多分佈在荖濃溪右岸(非迎風面)。而由凡那比颱風事件之新增崩塌密度分佈圖顯示，新 增崩塌雖然與圖 7(e)凡那比颱風雨量分佈無直接關聯，但除了區塊(c)西南部份之帄緩區 域外（美濃、高樹及新威），新增崩塌基本上相當帄均地分佈於東側(荖濃溪左岸之迎風 面山區)與北側(地勢偏高之坡面區)，合理地說明高山坡徒區應比帄緩區有較高之新增崩 塌密度。
4.3 崩塌誘發降雨條件之估計
某區域之 LSI 值為利用坡度、地質及水系計算所得，與降雨無關，純粹代表該區域 的地質及地形構造的脆弱程度，LSI 越高表示發生崩塌的潛勢高。降雨屬促災因子或崩 塌誘發因子，降雨量越高的區域表示誘發崩塌的外力越強。因此，新增崩塌地的 LSI 與降雨應呈反比關係，舉例來說，一坡度帄緩區 LSI 較低，若要使此區塊崩塌需要較強 的誘發因子，亦即較大的降雨強度；反之， LSI 較高的地區表示地質及地形構造脆弱，
遭遇之誘發因子即使不大也會發生崩塌。利用福衛二號影像判釋所得之新增崩塌地，計 算其 LSI 及雨量值可建立前述之假設關係，以估計各種 LSI 的崩塌誘發條件。
將五期事件新增之崩塌地分別計算其崩塌潛勢分數值以及雨量值。首先，依 LSI 值分為 10 組(組距區間為 0.23 分)，LSI 值 0.72 分以下之新增崩塌地樣本數不足不予採 計。其次，事件降雨記錄有多種呈現方式，包括事件累積降雨量、以及事件最大 1 小時、
3 小時、6 小時及 12 小時不等各種最大累積降雨量，哪一種呈現方式最能表示該事件對 崩塌的誘發強度仍眾說紛紜，本文不深入探討，茲分析新增崩塌地的各種雨量記錄與其 LSI 的關係，選取相關係數絕對值最高者做為促災因子代表，選得之促災因子為事件最 大 3 小時累積降雨量。
LSI 越高者有崩塌地數目越多的趨勢，約 95％之新增崩塌地(共 15391 筆)發生於崩 塌潛勢分數值 2.1 分以上 (如表 6)；且根據各組 LSI 對應之新增崩塌地最大 3 小時雨量 值的第 85 百分位，發現 LSI 越高者誘發雨量越低，可見 LSI、降雨與發生崩塌間的確 存有前述假設之相關性(如圖 29)。最後，將各新增崩塌地所對應的 LSI 與最大 3 小時雨 量值第 85 百分位作線性回歸，結果如圖 30 所示。
30
表 6 崩塌地 LSI 值與雨量之相關資料 LSI 區間值 雨量值 (3hr) 崩塌地數目
0.72 150.87 27 0.95 141.69 38 1.18 138.91 208 1.41 129.84 51 1.64 132.13 229 1.87 133.1 183 2.10 130.29 2007 2.33 132.13 2983 2.56 131.54 3173 2.79 130.32 7228
圖 29 LSI 分佈組體圖(各長條所顯示數值為該 LSI 對應之新增崩塌地最大 6 小時雨量 值的第 85 百分位)
150.87 141.69 138.91 129.84132.13 133.1 130.29
132.13131.54 130.32
0 1000 2000 3000 4000 5000 6000 7000 8000
0.72 0.95 1.18 1.41 1.64 1.87 2.1 2.33 2.56 2.79 LSI區間值
崩塌地數目
LSI區間值 崩塌地數目
31
圖 30 新增崩塌地 LSI 與最大 3 小時雨量值第 85 百分位線性回歸結果
4.4 誘發崩塌最大 6 小時降雨量估計模式之驗證
利用 LSI 分佈圖(如圖 15)及圖 30 所得之誘發崩塌最大 3 小時降雨量估計模式，可 將潛勢因子與促災因子連結，建立研究區崩塌誘發之最大 3 小時降雨量門檻分佈圖，在 實務應用上，若能預測事件之最大 3 小時降雨量分佈，並將其扣除門檻值即能對該區域 進行預警，遠大於門檻者為崩塌危險區、次者為崩塌高潛勢區、再次者依序為中潛勢區、
低潛勢區及安全區(如表 7)。本文以五場降雨事件為例，所得之事件崩塌預警圖如圖 32(a)~圖 32(d)，可見事件造成之崩塌多落於崩塌危險區及高潛勢區內，其中海棠、聖帕 及柯羅沙颱風多分佈於荖濃溪左岸，卡玫基颱風造成之右岸之新增崩塌也合理反應在崩 塌預警圖中。將五個等級之崩塌預警區各別計算其崩塌發生機率(如表 8)，可發現危險 區發生崩塌機率為最高，其他崩塌機率則隨高潛勢區、中潛勢區、低潛勢區及安全區依 次遞減(圖 33)，雖然發生機率不到 1%，不過整體而言位於大於降雨門檻值區域之崩塌 機率為安全區的 3 倍以上，這對減災還是有幫助。最後，將崩塌地發生數目除於預測崩 塌地數目計算生產者精度如公式(4)，進行驗證可知各事件有 59%以上之新增崩塌會落 在大於門檻值之區位(如表 9)，建立崩塌預警模式可在面對未來極端降雨事件時，提供 災害應變之參考。
Producer’s accuracy= 𝑇ℎ𝑒 𝑛𝑢𝑚𝑏𝑒𝑟 𝑜𝑓 𝑙𝑎𝑛𝑑𝑠𝑙𝑖𝑑𝑒 𝑝𝑖𝑥𝑒𝑙𝑠 𝑤𝑖𝑡ℎ𝑖𝑛 𝑡ℎ𝑒 𝑝𝑟𝑒𝑑𝑖𝑐𝑡𝑒𝑑 𝑎𝑟𝑒𝑎
𝑇ℎ𝑒 𝑡𝑜𝑡𝑎𝑙 𝑛𝑢𝑚𝑏𝑒𝑟 𝑜𝑓 𝑙𝑎𝑛𝑑𝑠𝑙𝑖𝑑𝑒 𝑝𝑖𝑥𝑒𝑙𝑠 (4)
y = -7.5779x + 148.38 R2 = 0.6045
125 130 135 140 145 150 155
0.5 1 1.5 2 2.5 3
LSI值
最大3小時雨量(mm)
32
表 7 崩塌預警區分級
崩塌預警區分級 大於雨量門檻值 (mm) 危險區 > 30
高潛勢區 20 ~ 30 中潛勢區 10 ~ 20 低潛勢區 0 ~ 10
安全區 < -10
圖 32 (a) ~ (d) 四場颱風事件崩塌潛預警圖
33
表 8 颱風事件各預警區域崩塌地表
颱風事件 海棠 聖帕 柯羅莎 卡玫基 凡那比 Total 預測崩塌地數目(危險區) 155605 11041 0 669048 448024 1283718 實際崩塌地數目(危險區) 2785 128 0 3109 3376 9398
崩塌機率(%) 1.79 1.16 0.00 0.46 0.75 0.73 預測崩塌地數目(高潛勢區) 125120 54074 7246 17015 100618 304073 實際崩塌地數目(%) 959 330 41 0 661 1991
崩塌機率(%) 0.77 0.61 0.57 0.00 0.66 0.65 預測崩塌地數目(中潛勢區) 132522 47660 44549 22378 2136 249245 實際崩塌地數目(中潛勢區) 513 451 266 0 113 1343
崩塌機率(%) 0.39 0.95 0.60 0.00 5.29 0.54 預測崩塌地數目(低潛勢區) 76323 52700 85485 13210 1 227719 實際崩塌地數目(低潛勢區) 144 523 547 0 0 1214
崩塌機率(%) 0.19 0.99 0.64 0.00 0.00 0.53 預測崩塌地數目(安全區) 77092 557025 584220 849 0 1219186 實際崩塌地數目(安全區) 38 1343 920 0 0 2301
崩塌機率(%) 0.05 0.24 0.16 0.00 0.00 0.19
圖 33 各崩塌預警區崩塌機率長條圖
崩塌機率(%)
危險區 高潛勢區 中潛勢
34
表 9 崩塌預警模式之驗證(生產者精度)
颱風事件 總新增之崩塌地數目 預測到新增崩塌數目 預測率(％) 海棠(Haitang) 4,439 4,401 99.14
聖帕(Sepat) 2,775 1,641 59.13 柯羅莎(Krosa) 1,774 1,180 66.51 卡玫基(Kalmaegi) 3,109 3,091 99.42 凡那比(Fanapi) 4,040 4,030 99.75
4.5 結論
1. 台灣河道彎曲度高，加上每次颱風事件帶來大量雨量及逕流量，使坡度較陡邊坡 不穩定處、較接近河道沖蝕處及地質脆弱處易發生崩塌或土石流，故本文以專家 法，由多種崩塌影響因子中擇選出坡度、岩性及水系距離建立崩塌潛勢指標。此 專家指標可驗證於本研究五個極端降雨事件(cross-event validation)及橫跨三處研 究區域(cross-region validation)，顯示其為一穩定度高的潛勢評估方法
2. 三場事件所造成之新增崩塌有九成以上發生於 LSI 值大於 2.10 分以上之區域，表 示 LSI 確能顯現地質及地形構造的脆弱程度，LSI 越高者發生崩塌的潛勢越高。
3. 分析新增崩塌地的各種雨量記錄與其 LSI 的關係，結果顯示事件最大 3 小時累積 降雨量相關性最高，最能表示對崩塌的誘發強度。
4. 本研究三場事件新增崩塌地的 LSI 與事件最大 3 小時累積降雨量呈反比關係，LSI 較低者需較大的降雨強度加以誘發、LSI 較高者所需誘發降雨強度較低。
5. 根據實際降雨與降雨誘發門檻，可依照雨量超過門檻值的大小，依序定義出崩塌 危險區、高潛勢區、中潛勢區、低潛勢區及安全區。驗證結果顯示危險區發生崩 塌機率為最高，其他崩塌機率則隨高潛勢區、中潛勢區、低潛勢區及安全區依次 遞減，即使屬危險區者發生機率還不到 1%(以實際崩塌中心點像元數除以預測可 能發生崩塌區域之像元數)，不過大於降雨門檻值區域之崩塌機率確實較高且為安 全區的 3 倍以上。因此，進行災害預警時，若純以模式預測的發生機率為避難之 說帖可能不足，應強調危險區與安全區的差異，才能真正達到減災目的。
6. 另由生產者精度來考量，本研究以 LSI 與事件最大 3 小時累積降雨量之反比關係 建立崩塌預警門檻估計模式，驗證結果顯示各事件除聖帕颱風精度較低外，其餘 事件之新增崩塌幾乎都會落在大於降雨誘發門檻值之區位。
7. 本研究完成之五事件崩塌圖層，除了利用本文提出之專家法及 3 小時降雨誘發門
35
檻值進行崩塌災害分析外，未來還可利用其他方法進行分析及驗證。
五、參考文獻
Apip, Takara, K., Yamashiki, Y., Sassa, K., Ibrahim, A.B. and Fukuoka, H. (2010) A distributed hydrological-geotechnical model using satellite-derived rainfall
estimates for shallow landslide prediction system at a catchment scale. Landslides 7(3), 237-258.
Ayalew, L. and Yamagishi, H. (2005) The application of GIS-based logistic regression for landslide susceptibility mapping in the Kakuda-Yahiko Mountains, Central Japan.
Geomorphology 65(1-2), 15-31.
Chang, C.-H., Liu, C.-C., Wen, C.-G., Cheng, I.-F., Tam, C.-K. and Huang, C.-S. (2009) Monitoring reservoir water quality with Formosat-2 high spatiotemporal imagery.
Journal of Environmental Monitoring 11(11), 1982-1992.
Chen, H., F. Wu and Liu, C. (2004) Introduction of ROCSAT-2 Terminal, paper Presented at The 23rd Conference on Surveying Theories and Applications, Taichung, Taiwan.
Fourniadis, I.G., Liu, J.G. and Mason, P.J. (2006) Landslide hazard assessment in the Three Gorges area, China, using ASTER imagery :Wushan-Badong. Geomorphology 84, 126-144.
Fourniadis, I.G., Liu, J.G. and Mason, P.J. (2007) Regional assessment of landslide impact in the Three Gorges area, China, using ASTER data：Wushan-Zigui”, Landslides.
Landslides 4, 267-278.
Hong, Y. and Adler, R.F. (2007) Towards an early-warning system for global landslides triggered by rainfall and earthquake. International Journal of Remote Sensing 28(16), 3713-3719.
Iverson, R.M. (2000) Landslide triggering by rain infiltration. Water Resource. Research 36, 1897-1910.
Lee, K.T. and Ho, J.Y. (2009) Prediction of landslide occurrence based on slope-instability analysis and hydrological model simulation. Journal of Hydrology 375(3-4), 489-497.
Lee, S. (2005) Application of logistic regression model and its validation for landslide susceptibility mapping using GIS and remote sensing data journals. International Journal of Remote Sensing 26(7), 1477-1491.
Liu, C.C. (2006a) Processing of FORMOSAT-2 daily revisit imagery for site surveillance.
IEEE Transactions on Geoscience and Remote Sensing 44, 3206-3214.
Liu, C.C. (2006b) Processing of FORMOSAT-2 daily revisit imagery for site surveillance.
IEEE Trans. Geosci. Remote Sensing 44, 3206-3214
36
Liu, C.C. and Chang, C.H. (2009) Searching the strategy of responding to the extreme weather events from the archive of Formosat-2 remote sensing imagery. Geology, 28(4), 50-54.
Liu, C.C. and Chen., P.L. (2009) Automatic extraction of ground control regions and orthorectification of Formosat-2 imagery, Optics Express. Optics Express 17, 7970-7984
Liu, C.C., J. G. Liu, C.W.L., Wu, A.M., Liu, S.H. and Shieh., C.L. (2007) Image Processing of FORMOSAT-2 data for monitoring South Asia tsunami, International Journal of Remote Sensing 28, 3093-3111.
Liu, C.-C., Shieh, C.-L., Lin, J.-C. and Wu, A.-M. (2011) Classification of non-vegetated areas using Formosat-2 high spatiotemporal imagery: the case of Tseng-Wen Reservoir catchment area (Taiwan). International Journal of Remote Sensing.
Liu, C.C., Shieh, C.L., Lin, J.C. and Wu., A.M. (2009a) Monitoring landslides from Formosat-2 high spatiotemporal imagery: the case of Tseng-Wen Reservoir catchment area.
Liu, J.G., Mason, P.J., Clerici, N., Chen, S., Davis, A., Miao, F., Deng, H. and Liang., L.
(2003) Landslide hazard assessment in the Three Gorges area of the Yangtze river using ASTER imagery：Zigui–Badong Geomorphology 61, 171-187.
Pradhan, B. (2010) Application of an advanced fuzzy logic model for landslide susceptibility analysis. International Journal of Computational Intelligence Systems 3(3),
370-381.
Pradhan, B. and Lee, S. (2010) Landslide susceptibility assessment and factor effect analysis:
backpropagation artificial neural networks and their comparison with frequency ratio and bivariate logistic regression modelling. Environmental Modelling &
Software 25(6), 747-759.
Pradhan, B. and Pirasteh, S. (2010) Comparison between Prediction Capabilities of Neural Network and Fuzzy Logic Techniques for L and Slide Susceptibility Mapping.
Disaster Advances 3(3), 26-34.
Sarkar, S., Kanungo, D.P., Patra, A.K. and Kumar, P. (2008) GiS based spatial data analysis for landslide susceptibility mapping. Journal of Mountain Science 5(1), 52-62.
Wu, A.M., Lee, Y.Y., Kuo, P. and Kao., R. (2003) ROCSAT-2 imaging planning and
scheduling, paper presented at The first Taipei international conference on digital earth, Taipei, Taiwan.
林文雄 (2008) 遙測影像技術應用於崩塌地潛勢之評估, 碩士論文，國立聯合大學土木 與防災工程學系碩士班，苗栗市.
單信瑜, 王价巨, 馬士元, 林立潔 and 陳俐樺 (2011) 防災地圖之製作與應用. 公共工 程委員會電子報第 35 期，行政院公共工程委員會.
黃春銘 (2005) 運用模糊類神經網路進行山崩潛感分析－以臺灣中部國姓地區為例, 碩
37
士論文，國立中央大學應用地質調查所，中壢市.
黃聖慈 (2008) 以 GIS 探討台灣濁水溪與烏溪上游崩塌地之影響因子, 碩士論文，國立 中興大學土木工程學系，台中市.
歐陽希 (2008) 小集水區崩塌指標研究, 碩士論文，國立屏東科技大學水土保持系，內 埔鄉.
鐘意晴 (2009) 區域性山崩潛感分析方法探討-以石門水庫集水區為例, 碩士論文，國立 中央大學地球物理研究所，中壢市.
心得報告
1
Abstract
American Geophysical Union (AGU) is a scientific society with a membership exceeds than 50,000 researchers, including scientists, teachers and students. AGU conducts important journals, conferences, books and sponsors a lot of educational and public information programs. The conference I attended is the 2010 AGU Fall Meeting, which is the largest annual meeting of AGU in terms of the included sessions and conferee. One of the most valuable benefit of attending international conferences is the prepared presentation can be discussed and commented by researchers from different fields. Form this point of view, AGU Fall meeting is no doubt one of the most important conferences to present our research results with the global earth science community. The topic of my presentation is “Using SWAT model to evaluate the sediment load in Feitsui Reservoir watershed under severe rainfall and land-cover change conditions”, which had been accepted by the AGU program committee and arranged to the Natural Hazards section. As my expectation, very useful suggestions to my topic were obtained. Further, potential topics related to my research is discovered when I discussed my idea and data with other conferee.
2
摘 要
美國地球物理協會(American Geophysical Union, AGU)有五萬名以上
的會員，為全球最有規模的科學組織之一。AGU 與其他組織如 IEEE
比較起來會員以科學家、教師及學生佔大多數，因此在工業技術之
外，AGU 更著重於科學教育、研究及資訊傳播，所發行之期刊、舉辦
之演講、專書及報章等，都在學術界享有很高的聲望。筆者所參加的
研討會是 2010 年 AGU 年會，同時也是 AGU 每年舉辦的研討會中參
加人數最多，討論議題最廣、集最多 AGU 資源的年末盛會，參加人
數有三萬人以上，若參加研討會最重要的目的是得到最新的科研資訊
及希望自己的發表能得到越多人的討論及評議，AGU 年會無疑是全
世界年度地球科學界最重要的資訊交流平台。筆者在年會中參與發表
之主題為 Natural Disaster，與今年國科會計畫「應用福衛二號影像於
極端降雨後集水區自然環境之變遷分析」密切相關，這次會議我所報
告的題目是「Using SWAT model to evaluate the sediment load in Feitsui
Reservoir watershed under severe rainfall and land-cover change
conditions」 ，得到許多有用的建議。AGU 大會提供了充裕的時間及舒
適的空間讓與會者討論，我由討論中也衍生了許多未來可再精進的研
究課題，可說是出乎預期的無價收穫。
3
心得報告目錄
1. 背景及目的： ... 4 2. 過程：... 6 2010/12/11~12/12 啟程及破冰 ... 6 2010/12/13 研討會第一天 ... 7 2010/12/14 研討會第二天 ... 8 2010/12/15 研討會第三天 ... 10 2010/12/16 研討會第四天 ... 11 2010/12/17 研討會第五天 ... 11 3. 心得... 11 4. 建議事項... 12
4
1. 背景及目的：
美國地球物理協會(American Geophysical Union, AGU)是許多地球與環境科 學領域重要期刊的發行者，如 Journal of Geophysical Research 及 Water Resource Research；AGU 每年也舉辦許多研討會，主要包括海洋科學會議(兩年一次)及西 太平洋地質科學年會(兩年一次)，這些期刊跟研討會使 AGU 擁有 5 萬名以上的 會員，也成為全世界地球科學領域最主要的資訊交流平台。AGU 每年秋季都會 在美國舊金山舉辦年會，簡稱為 AGU Fall Meeting(AGU FM)，雖然稱為秋季但 事實上每年固定舉行者也只有秋季，其他季節並不固定，因此 AGU FM 是 AGU 所有研討會中參加人數最多，討論議題也最廣的年度盛會。
筆者曾於 2008 年參與 FGU FM，當時估計有 1 萬名以上的與會者。今年參 加時盛況更為空前，估計約有 1.5 萬人與會。我認為主要原因是本屆 AGU FM 所 涵蓋之領域除了往年都有的地球科學、全球變遷、能源(海洋科學、礦物、地質 化學、石油)及水文學之外，還新增了與天然災害、資訊技術(發表者多為 GIS 資 訊系統、資料供應平台及雲端技術運用)及公共參與領域(比較如表 1)，這些新增 的課題恰能符合目前地球物理發展之時勢，使得參與人數大幅增加。筆者 2008 參加 AGU FM 是以衛星分析高屏河口總懸浮物質濃度為題投稿海洋科學領域；
2009 年台灣發生莫拉克颱風造成重大災害，我申請該年度永續會研究補助(計畫 名稱：應用福衛二號影像於極端降雨後集水區自然環境之變遷分析)參與 2010 AGU FM，因研究內容正好是天然災害與資訊技術，所以對於本屆年會所新增的 這些領域感觸特別深刻，也準備務必要在這次年會報告永續會防災科技計畫相關 成果，如圖 1。台灣是複合式天然災害發生的熱點，也是全球研究天然災害的學 者特別重視的研究區塊，雖然 AGU FM 可能不是針對單一災害討論最深入的研 討會，但肯定是全球單一集結最多各類型基礎科學與天然災害學者的研討會，再 加上莫拉克颱風相關之議題可能早就為這些學者所矚目，因此，本屆 AGU 年會 無疑是相關議題最重要的資訊交流平台，若能在 AGU FM 上發表相關課題，再 經過許多領域學者的檢視及討論，將能獲益良多。
5
表 1. 2008 與 2010 AGU FM 所涵蓋科研領域之比較 2008 2010 Atmospheric and Space Electricity (AE) Atmospheric Sciences (A)
Biogeosciences (B)
Cryosphere (C)
Earth and Planetary Surface Processes (EP)
Education (ED)
Geodesy (G)
Geomagnetism and Paleomagnetism (GP) Global Environmental Change (GEC)
Hydrology (H)
Informatics (IN)
Mineral and Rock Physics (MRP)
Natural Hazards (NH)
Near Surface Geophysics (NS) Nonlinear Geophysics (NG)
Ocean Sciences (OS)
Paleoceanography and Paleoclimatology (PP) Planetary Sciences (P)
Public Affairs (PA)
Seismology (S)
Space Physics and Aeronomy (SA) SPA-Magnetospheric Physics (SM) SPA-Solar and Heliospheric Physics (SH) Study of Earth’s Deep Interior (DI)
Tectonophysics (T)
Volcanology, Geochemistry and Petrology (V)
6
照片 1 2010 年 AGU FM 新增之 Natural Hazards 主題與筆者發表之海報
2. 過程：
2010/12/11~12/12 啟程及破冰
本次台灣前往 AGU 年會的學校及單位很多，我出發的時間也遇到多位國內 學者搭同一班飛機，在 12 月 11 日由桃園國際機場直飛舊金山，在美國時間 12 月 11 日 1430 到達舊金山國際機場。一入住飯店後就搭乘巴士前往會場參觀，
AGU 年會有一個特色是每年 12 月都在舊金山的 Moscone 中心舉辦，已歷經 20 年以上，因每年參與的人數都達萬人以上，當地商家及飯店業者早就摩拳擦掌期 待此聖誕節前夕的商機，算是以國際研討會帶動當地經濟的成功案例。
7
照片 2 大會主場地之一：Moscone Center
2010/12/13 研討會第一天
雖然筆者本屆參與重點在 Natural Hazards，不過與極端降雨、崩塌、衛星遙 測等關鍵字有關的課題卻散佈在各種領域，且每一個時段同時會有 30 場口頭報 告，上午及下午又各有 4 個小時的海報發表。因此，根據上次參加 AGU 年會的 經驗，如果不在前一天早上做好行程規劃，就會錯過許多重要的報告。第一天我 主要聆聽 Natural Hazards 之口頭報告、並參與該 section 主辦之討論會、workshop 及 skill training。在 skill training 部分學習了許多關於 Google Earth 在防災上使用 之技術及經驗分享。筆者與成大地科系劉正千教授今年接受水保局委託以 Google Earth API 技術製作了多尺度遙測空間資訊系統(如圖 1)，其實這個系統已經有很 多領先的技術，若明年能獲經費補助，可將此系統與國際學者分享。
8
圖 1 以 Google Earth API 技術製作之遙測空間資訊系統
2010/12/14 研討會第二天
第二天下午 1300 是我海報發表的時間，我一早就去張貼，因 AGU 的海報 展場相當大，同時有 500 幅以上海報發表，並且有 3000 人以上的人同時在會場 中穿梭，即使是海報發表也有相當高的討論機會。果不其然，剛貼不久就有 University of Colorado 的教授來交流(照片 2)，他表示莫拉克颱風影響很大，但他 還沒有時間親自到台灣來看，在 AGU FM 看到相關的題目就先來瞭解。我的主 題是「Using SWAT model to evaluate the sediment load in Feitsui Reservoir watershed under severe rainfall and land-cover change conditions」，探討的是極端降 雨後下游輸砂量的暴增(濁度的上升)與集水區新增崩塌面積與流路長度的關 係，他的專長是地質，我們的討論彼此在一些專業部分互不瞭解，但卻起了很好 的互補效果與創意，其後他邀請我帶他去看一些國內其他學者發表與莫拉克相關 的海報，問了很多問題，我也趁這個機會瞭解國內其他學者的研究成果。下午與 我討論最久的是來自義大利 CNR (相當於國科會)的研究員(照片 3)，他曾來台灣 考察崩塌災害多次，所以我跟他有很長的討論，他的專長是崩塌災害預警，我認
9
為以多期福衛影像可以協助建構更穩定可靠的崩塌災害預警模式，他認為國內能 有福衛二號影像這樣的工具實在很好，他下次來台灣一定會來成大拜訪我。
照片 2. University of Colorado 教授在筆者海報前
照片 3. 筆者與義大利 NRC 研究員在海報前合影
10
2010/12/15 研討會第三天
早上去參加 NASA 的科學成果示範，會場上見到許多我常用的海洋水色產 品 幕 後團 隊，例 如 美國 NASA Goddard GES DISC 的 Geovanni 系統團隊 (GES-DISC Interactive Online Visualization ANd aNalysis Infrastructure)，一一仔細 向我介紹最新的管理工具，讓使用者能最快下載並有效管理這些衛星資源，以能 快速進行後續分析。我感到最好奇的是，NASA 為何肯花大筆經費發射衛星，發 射衛星後又長期聘雇了許多團隊維護資料供應系統，但又不跟資料使用者收取分 文，還舉辦這麼多說明會推廣這些資料？我找了一位中國來的系統人員詢問，他 說發射衛星取得資料，若不拿來應用，則一切的開銷都是白費。為了讓衛星資料 發揮最大的價值，必須使世界各國及各種領域都能應用及探討這些資料，如果資 料全都留在 NASA 裡面，那 NASA 得花多少錢找研究員或科學家來消化這些資 料？所以，NASA 投資在資料供應與應用部分的成本，幾乎與製作及發射一枚衛 星的成本相同，還找來不同學術或顧問團隊建置各種系統傳佈各種衛星產品，並 且利用類似 AGU FM 這麼多人參加的研討會，舉辦資料說明會(如照片 4)及分送 各種資料使用手冊。該系統人員還打趣的跟我說，如果他們團隊在這次年會無法 達到設定之業績(資料使用數與登記使用者數量)，他們可能就要解散，所以我馬 上在線上登記要使用的產品及預約服務(全部都是免費)，幫他做業績。
照片 4. NASA 的衛星資料使用說明會
11
2010/12/16 研討會第四天
今天在水文部分有許多集水區模式、降雨逕流及環境變遷與水質變化的題 目，與我未來想要做的題目相關，因此本日重點就在 Hydrology。大會安排的海 洋科學講座，提到如何運用海洋中一些細微的小尺度變化，去預測或分析大尺度 變化的科學方法，這對我未來的研究有很大的幫助。
2010/12/17 研討會第五天
即使進入了研討會最後一天，但與會人數不見明顯消減，大家都還在把握 機會吸取新知、討論問題及逛攤位拿資料。因下午就要搭機離開，因此我在會場 找了一個舒適的角落，把這幾天看到、聽到的一些新工具、新點子及新的研究構 想好好整理，若有無法在我腦中連結起來的部分，再把握最後機會去看看報告者 還在不在，能一起討論。在整理的過程中，我忽然發覺到參加一次像 AGU FM 這樣綜合性質的國際研討會，其實重點並不在技術層面的深入探討與交流，最重 要的是去多看看其他領域在做什麼？用了什麼新的方法？可不可以用在自己的 研究上面？因為這些東西在回國之後可能就沒有機會接觸到。換個角度來看，國 內是否也有能力舉辦像 AGU FM 這樣內容豐富的綜合性質國際研討會？國內的 年會都偏重於專一學術或領域研討會，很少有可以將 multi-discipline 整合的如此 有組織、受到各領域響應參與、內容豐富卻又互不衝突的形式，我認為國科會的 年會應該朝此方向去學習，舉辦一個可以媲美 AGU FM 的大型研討會，對國內 學者將有很大助益
3. 心得與參會結論
這次是筆者第二次參與 AGU 年會，感受比第一次更深刻，也更能抓住參與 各種類型研討會的重點以及舉辦一個成功的研討會該注意的細節。國內學者在繁 忙的教學與研究壓力下，很少能有時間參與一週的全程研討會，在國內最多只參 加兩到三天的議程，探討的主題都是單一領域、扣除掉準備自己報告的時間外，
