應用 MODIS 資料估算稻作之綠水足跡

Volume 25, No.3, 2020, pp. 159-179 DOI：10.6574/JPRS.202009_25(3).0003

1 國立政治大學地政學系 碩士 收到日期：民國 106 年 02 月 22 日

2 國立政治大學地政學系土地測量與資訊組 副教授 修改日期：民國 106 年 05 月 26 日

3 國立成功大學測量與空間資訊學系 副教授 接受日期：民國 109 年 09 月 02 日

4 逢甲大學環境工程與科學學系 副教授

* 通訊作者, E-mail: [email protected]

應用 MODIS 資料估算稻作之綠水足跡

黃姿瑜

^1*

林士淵

²

吳治達

³

林俊德

⁴

摘要

綠水足跡 (Green Water Footprint) 指作物生產過程中消耗的雨水量，含降水的總蒸發散量及產品中所 含水分；綠水能使作物成長而具生產性，然因其潛藏於產品中且含量甚低、或為蒸發散形式而使推估不 易。為使作物生產用水量能被精確統計，有效估算綠水足跡至為重要。MODIS 全球地表蒸發散監測資料 (MOD16) 具有高精度、涵蓋面積廣闊等優勢，然欲實際運用則有時間及空間上的限制。故本研究以 MOD16 為基礎，搭配稻作蒸發散相關因子，透過統計方法中的逐步迴歸法，建立蒸發散推估模型，以改 進 MOD16 資料之時空限制、並供後續精確估算依使用者特定時間需求且完整的稻作綠水足跡。

關鍵詞：稻作、綠水足跡、蒸發散量、MOD16、逐步迴歸

1. 前言

考慮到虛擬水進出口觀念與水資源永續性 利用，Hoekstra et al. (2011) 將淡水資源分為「地 面水和地下水」之「藍水資源」及「降到地上但 未成為逕流、也未補注地下水的雨水」之「綠水 資源」，並進一步發展出水足跡 (Water Footprint) 概念作為水資源評估指標，用以估計淡水資源之 分佈與途徑。其中，綠水能使作物成長而具生產 性，此部分雨水或蘊藏於土壤中、或暫時停留於 土壤表面或植被，最終會自行蒸發或透過植物蒸 散，即農作物和森林成長過程中被吸收的雨量。

然因其一部潛藏於產品中且含量甚低、另一部為 蒸發散形式推估較不易，而常遭致忽略。綠水是 作物生產的重要投入且具強烈區域性，若不估計 將使得水資源估算成本有失偏頗(周嫦娥等，

2011) 。綠水足跡根據定義包含「降水的總蒸發 散量」及「產品中所含水份」，然稻米的產品中 所含水份僅占綠水蒸發散量之 0.1~1％，因此一 般可忽略不計 (Hoekstra et al., 2011)。故，經由計 算稻米之綠水蒸發散量即可得稻米生產所需之

綠水足跡。

水足跡為近代所發展的新興指標，從過去關 於水足跡的相關研究中，不難發現仍在水足跡概 念推動過程的臺灣，國內研究數量相當有限，聚 焦在農業、稻作或綠水足跡者甚少；此外，估計 水足跡最大的限制是資料的可取得性，在估算方 式和公用資料庫尚未完備的狀態下，均對於水足 跡之估算造成困難，尤其在時間及空間解析度上 難有精細要求。隨著遙感探測技術的發展，針對 大範圍農作地區量測蒸發散量已有成熟精確的 監測資料，對於稻作綠水足跡的估算為一大突破。

然而該遙測資料除有一定範圍的缺漏外，並有空 間解析度 (1 km) 較粗略的限制、且於時間解析 度方面，由於該資料尚須倚賴研究單位處理後才 得釋出，取得該資料並非立即性、於實際運用上 將致無法即刻揭露稻作綠水資源消耗之情況。

綜上所述，本研究欲透過擬定之研究方法，

利用高精度的遙測資料的同時、嘗試克服遙測資 料之時空限制，推估出稻作地區高精度之蒸發散 量，進而估算出完整的稻作綠水足跡，以獲取過 往被忽略不計之綠水資源成本，提供永續利用前

提下水資源管理策略之參考。

2. 水足跡之概念及評估內容

荷蘭水資源科學家 Hoekstra 於 2002 年提出

「水足跡」的概念，水足跡作為一種衡量用水的 新興指標，評估內容不僅包括消費者或生產者的 直接用水，亦包括服務或產品生產過程的間接用 水。有別於過往傳統且作用有限的取水指標，水 足跡將能為水資源的使用提供綜合性的評價指 標，涵蓋了消耗水量、水源類型、汙染量及汙染 類型等多層面，其探討角度可以個體、企業體、

甚至是行政區界 (如鄉鎮或國家) 為單元，透過 水足跡的評估、計算，可用以估計水資源之分佈 與途徑，即可對人類各種活動階段所使用水資源 之狀況提供明確的空間及時間的資訊，並進一步 作為水資源永續利用或區域公平 用水的參考 (Chapagain & Hoeksta, 2004、Hoeksta et al., 2011、

張尊國，2009)。

水足跡作為一項水資源分析工具，完整評估 的四個階段簡要說明如下表 1。

2.1 水足跡之類別

製程水足跡 (Process water footprints) 是所 有水足跡估算的基礎，如對最終產品 (商品或服 務) 而言，其製程水足跡為該產品所有生產過程 中之水足跡的總和。製程水足跡可再依據「用水 來源」進一步拆分成三色水足跡，詳述如下：

(1) 藍水足跡：

藍水足跡是地表水和地下水的消耗性使用 (Consumptive use) 之指標。消耗性用水包括四個 部分，分別為水之蒸發散、產品中所含水分、未 返回原流域的水 (如流至海域或其他流域的水)、

未在同一時期返回的水 (如乾旱期流失、雨季返 回的水) 。藍水足跡所著重衡量的是一段時間內 消耗、不能直接返回原流域的地下水或地表水之 可用水量；而於實際評估的過程上，尚須依研究 範圍區分不同來源的藍水資源，常見之分類為地 表水、地下水等，若有完整充分的數據，將能使 得估算藍水足跡更加明確，無論是以估算區域的 藍水耗用 (Aldaya & Llamas, 2008、Mekonnen et al., 2012) 、或以產品為主的藍水耗用 (Aldaya et al., 2010)，皆能更可靠的呈現出按照各項水資源 來源所區分出的藍水足跡。

(2) 綠水足跡：

綠水足跡是人類使用綠水的耗用指標，綠水 指的是源於降水、未形成逕流也未補注地下水的 部分，此部分雨水儲存於土壤或暫留於土壤表面 或植被，最後終將自行蒸發或透過植物蒸散。綠 水為作物生長過程所吸收的雨量，有益於作物生 長而具生產性，綠水足跡即是衡量產品生產過程 中消耗的雨水量；而實際操作水足跡相關研究時，

藍、綠水足跡之區分非常重要，因其對於水文、

環境和社會的影響有別，使用藍水和綠水之經濟 機 會 成 本 亦 不 同 ， 甚 至 有 非 常 明 顯 的 差 異 (Falkenmark & Rockström, 2004、Hoekstra et al., 2011、周嫦娥、李繼宇，2009)。

表 1 水足跡各階段工作及評估內容

評估階段 各階段工作 內容說明

一 設定目標和範圍 進行水足跡評估之原因眾多，為保證評估過程之透明性，應於

初始階段設定明確的研究目標和範圍。

二 水足跡估算 進行資料蒐集與計算，而計算範圍和尺度則依前階段決定之目

標、範圍和涉及資料的精細程度。

三 水足跡永續性評估 依環境、社會和經濟的角度進行水足跡永續性評估。

四 制定水足跡因應方案 根據水足跡評估結果來制定回因應方案或政策。

資料來源：整理自 Hoekstra et al., 2011、周嫦娥等，2009

(3) 灰水足跡：

灰水足跡是指與生產過程關連之水資源受 汙染程度的指標，為吸收汙染物質使其符合水質 標準所需的耗用水量，其為三色水足跡中最晚被 提出的概念，於 2008 年由 Hoekstra 和 Chapagain 提出、擴展了水足跡的研究層面，灰水足跡不僅 考慮了點源汙染、也將面源汙染納入估算範圍，

包括直接通過管道或間接通過逕流或土壤淋溶 等方式排放到淡水資源；評估灰水足跡之過程首 要需仔細研究環境水質標準，因對於不同的汙染 物質、不同的水體環境或環境水質標準可能相異。

灰水足跡為水資源指標的同時，亦為汙染的指標，

在排放之前進行汙水處理將可以明顯減少灰水 足跡，甚至降至為零 (Hoekstra et al., 2009、

Hoekstra et al., 2011)。

3. 作物綠水足跡之估算

水足跡發展目標為透過區域供水總量資訊 以促進水資源的永續經營與利用、同時重視水環 境的保護工作，於聯合國及水足跡網絡大力推廣 之下，逐漸為世人所認識、並有愈多學者專家投 入相關研究。然目前相關研究著重在大範圍的全 球性研究，且少有專注於綠水足跡的案例；然綠 水自從被定義後，可發現此水資源遍佈全球各地，

除了極乾燥的沙漠地帶之外，各地即使僅是一小 片綠葉的存在，都代表著綠水的存在。藍水與綠 水最大的差異在於可取得與可使用的程度不同，

對於綠水，人們能做得相當有限，多僅能倚靠大 自然的運作，突顯出人類仰賴綠水的程度難以衡 量，綠水對於作物、甚至人類皆至關重要、不可 或缺 (Allan, 2011) 。

3.1 綠水之概念發展及估算方法

瑞典水文學家 Falkenmark 於 1990 年代率先 提出綠水的概念，但最初的綠水定義仍屬混亂，

雖已有概念雛形，但在多重定義之下仍難以跟藍 水做出明確區別 (Rockström, 1997、Ringersma et al., 2003) 。直至 21 世紀初期，對於綠水，學者 們嘗試共同合作、逐漸釐清爭點，終給了綠水明

確且獨立的定義：即雨水儲存於土壤或暫留於土 壤表面或植被，最後終將自行蒸發或透過植物蒸 散 的 水 資 源 量 (Ringersma et al., 2003 、 Falkenmark et al., 2004 、 Falkenmark, 2005 、 Falkenmark & Rockström, 2006)；全球性的大略估 算得藍水資源僅占總降水量的三分之一，多數的 水資源以綠水形式經森林、草地、濕地及作物等 植被所吸收、利用，最後以蒸發散方式返回空氣 中。藍水及綠水概念的產生，不僅突顯出綠水的 量及在作物生產上的重要性，更改變人們對水與 水資源安全的觀念；綠水在未來甚至將扮演糧食 生產增加與否的關鍵角色，因此對於綠水的估算 和量化是相當迫切，尤其包括綠水的空間及時間 分佈狀況 (Gerten et al., 2005) 。

3.2 蒸發散量之量測技術

估算作物綠水之首要步驟須取得作物蒸發 散量。蒸發散為水文循環中地面水受熱返回大氣 中之部分的兩種形式，其一為因熱能改變使水或 冰變成水汽的過程，稱為蒸發 (Evaporation)；其 二為水汽自植物散發於大氣的過程，稱為蒸散 (Transpiration)；前述兩者水分由濕表面蒸發與由 植物蒸散的總和即稱之。蒸發散是水文循環的動 力，且於灌溉作物的用水中，蒸發散量為其最大 宗 (林永禎、徐貴新，2010) ，而蒸發散量的量測 方式隨相關技術之進展，可分為傳統的直接水文 量測和經驗公式推估、及遙測影像處理技術，以 下分就兩大部分進行回顧：

(1) 傳統量測技術：

以往估算蒸發散量之方法多是直接利用儀 器單點量測、或間接利用氣象資料藉經驗公式推 估單點的潛勢蒸發散量，再做整個地面區域的模 擬推估。然直接量測之方法需透過現地田間試驗 取得實際之作物蒸發散量，但容易受現地條件之 干擾而產生誤差，又需花上長時間進行直接的現 地量測，耗費人力且設備成本高，並不適用於各 地區的作物蒸發散量取得，亦為目前較罕見使用 之量測方式 (Hoekstra et al., 2011、張元馨，2011)；

而屬間接方法取得蒸發散的傳統經驗公式，隨全

球氣候變遷逐漸頻繁劇烈，亦將面臨無法因應極 大變動之挑戰、是否能持續反映區域性實際狀況 尚須觀察。

(2) 應用遙測影像之量測技術：

目前已有許多專家學者利用遙測影像處理 技術推估地表蒸發散量，其包括可涵蓋大範圍面 積、涵蓋密集度高、解析度高、長時間監測、重 複時間頻繁、相較直接點測量之成本較低等時間、

空間及經濟面等優勢 (Allen, 2011)。然遙測技術 多是利用衛星裝載之各式感測器蒐集熱紅外等 多波段影像資料，透過反演地表參數及能量通量 (如土壤熱通量、潛熱通量、可感熱通量等) 以進 行地表狀態的長期連續監測；而蒸發散量則是進 一步搭配不同推估模式間接取得，常用的推估模 式 有 Penman-Montieth 模 式 、 SEBAL 模 式 (Surface Energy Balance Algorithm for Land) 及 S- SEBI 模 式 (Simplified Surface Energy Balance Index) (杜榮鴻，2005) 。以下依衛星種類、整理 相關研究於表 2。

然在眾多應用遙測影像量測蒸發散量之技 術中，Mu et al. (2007) 結合地面氣象觀測資料與 MODIS 衛星資訊，以 Penman-Monteith 模式為基

礎 、 改 良 並 發 展 Revised Penman-Monteith Algorithm 以推估各項地表能量參數，並進一步估 算地面蒸發散量，後與地面觀測結果進行驗證、

確立其方法之可行性。而後 Mu et al. (2011) 更進 一步改良其原先之方法，於其蒸發散演算理論中 加入日夜差異之考量、簡化植被覆蓋率之計算過 程、加入土壤熱通量因子、改良氣孔傳導、空氣 動力及邊界層之阻抗等參數之推估，並於計算過 程中考慮樹冠及土壤之含水狀態；與全球 46 個 地表通量觀測站之實測結果比對後，證實此方法 更能有效且精確地推估地表之能量平衡與蒸發 散特性。其改良之方法為蒸發散演算理論發展中 一重要突破，2011 年美國太空總署地球觀測系統 (NASA Earth Observing System) 採用 Mu et al.

(2011) 之方法，發佈全球地表蒸發散監測資料 (MOD16 Global Terrestrial Evapotranspiration Data Set) ，提供全球高精度的蒸發散量推估成果，且 具備高時空解析度及免費取得等優點，故逐漸獲 得全球廣泛的應用 (Velpuri et al., 2013、Hu et al., 2015、Westerhoff, 2015、吳桂平等，2013、王海 波、馬明國，2014、賀添、邵全琴，2014)。

表 2 應用衛星影像於蒸發散之相關研究

衛星 研究內容 推估模式 時間 地區 資料來源

Terra 和 Aqua (MODIS)

區域蒸發散量

Penman- Monteith、

SEBAL

2010-

2011 臺灣南投北東眼山 鄭吉宏，2011 水稻田蒸發散量 SEBAL 2006 臺灣嘉義 何漢傑，2008

潛勢蒸發散量

Penman- Monteith、

SEBAL 、 S-SEBI

2003-

2004 臺灣西半部地區 杜榮鴻，2005 河岸蒸發散量 Penman-

Monteith

2000-

2003 美國 Grande 河流域 Nagler et al., 2005

Landsat TM

檜木老林蒸發散量 SEBAL 2002 臺灣棲蘭山 Wu et al., 2012 濕地實際蒸發散量 SEBAL 2000 中國微山湖濕地 Sun et al., 2011 各土地利用型之蒸

發散量變化 SEBAL 1995 臺灣北部 吳治達等，2008

地表旱田蒸發散量 S-SEBI 1997 義大利 Tuscany 山區 Roerink et al., 2000 不同灌溉時期蒸發

散量之變化 SEBAL 1998 土耳其 Gediz 流域 Bastiaanssen, 2000

NOAA-

AVHRR

流域蒸發散量 SEBAL 2000 非洲尼羅河流域 Mohamed et al., 2004 區域潛勢蒸發散量 Penman-

Monteith 1999 臺灣高屏溪流域 陳姜琦，2002

4. 研究方法與材料

4.1 研究方法

4.1.1複迴歸分析─逐步迴歸法

複迴歸分析 (Multiple regression analysis) 用以探 討一個依變數和多個自變數的函數關係，透過迴 歸分析可達到之目的除了解自變數與依變數的 關係、影響方向與程度外，並可利用自變數與推 估的方程式對依變數進行預測。然最佳的迴歸模 式期望能夠以較少的自變數即足以解釋整個迴 歸模式的最大量，因此如何選擇自變數進入迴歸 模式為重要的步驟。「逐步迴歸法」是普遍被選 用的變數篩選方式，其結合向前增加法 (Forward addition) 和向後刪除法 (Backward elimination) 之方式，首先選取自變數中與依變數相關最大者，

後依據所剩自變數對依變數的影響程度，逐一放 入迴歸模式中，直到所有選取變數達顯著水準後 即得迴歸之最佳模式；逐步迴歸分析過程可將共 線性的問題排除 (蕭文龍，2007)。

逐步迴歸法之方式有助於釐清與依變數顯 著相關之自變數為何及其影響程度，也因此其應 用層面相當廣闊，如 Ramoelo et al. (2012) 利用 遙感探測數據評估草原生態系統中營養物質、生 物量作為牧場 (牧草) 質量、數量的指標，其中 運用了逐步線性迴歸的方法建立生物量地圖；沈 紅、劉文兆 (2011) 將地理因子與降水要素結合，

以逐步迴歸法建立黃土高原地區降水空間分布 模型；此方法優勢在於得為區域內無測站分佈地 區的降水量估算提供參考。

隨逐步迴歸法應用領域多元豐富，本研究亦 嘗試運用此成熟的統計方法進行蒸發散量推估 模型的建立，蒸發散量的影響因素除氣象因子外，

亦和土地覆蓋、植被種類等條件相關，因此根據 文獻，本研究將會將研究範圍依據土地覆蓋資料 限制在農地且為稻作地區，以進行精確的模型推 估。

4.1.2模型驗證及分析

複迴歸分析可由複決定係數 (R²) 或調整複 決定係數 (Adjusted R²) 評估複迴歸方程式的配 適度 (Goodness of fit) 或解釋能力，並利用 F 檢 定迴歸方程式所有自變數對依變數是否有聯合 解釋的能力，即檢定複迴歸方程式是否可被接受。

此外，本研究參考時間序列分析常用之樣本外預 測 (Out-of-sample forecasting) 概念，將資料拆分 為已知部分的樣本內資料─用以估計模型，另一 為假設未知部分的樣本外資料─用此部分資料 與模型估算資料作比較，藉以評估模型的推估能 力；一般而言，樣本外資料佔全部資料之比例為 10%或 15% (陳旭昇，2013) 。

4.1.3估算綠水足跡

綠 水 足 跡 為 「 與 生 產 相 關 之 蒸 發 散 量 ( ) 」及「產品中所含水份 ( ) 」之總和。

根據水足跡評價手冊 (Hoekstra, 2011) ，「與生 產相關之蒸發散量」係使用「作物蒸發散量 ( ) 」及「有效雨量 ( ) 」兩者中較小值計 算之，稻作綠水足跡 _, (m³/ton) 定義 如下式：

, = ^{× ×} = ^{× , ×} (1) 式中係數 10 是將水深 (mm) 轉換為每單位面積 之水量 (m³/ha) ， 單位時間作物總蒸發散量 (mm/period) ， 為 單 位 時 間 總 有 效 雨 量 (mm/period)， 為作物產量 (ton) ， 則為作物種 植面積 (ha) 。本研究以 MOD16 資料和前述逐 步迴歸模型推估值作為作物總蒸發散量 ( ) 進行計算，取代過去使用的氣象因子估算之參考 作物蒸發散量與作物係數之積；有效雨量則以美 國農業部土壤保持法 (USDA SCS method) 來估 算 (Hoekstra, 2011)：

= { × (125 − 0.2 × )}/125 ,

≤ 250

= 125 + 0.1 × , > 250 (2)

「產品中所含水份」因所佔比例甚低可忽略 不計外，因此式(1)計算之成果即為稻作生產所需 之綠水足跡。

4.2 研究材料

(1) MOD16─MODIS 全球地表蒸發散監測資料：

MOD16 包含蒸發散 (ET)、潛熱通量 (LE)、

潛在蒸發散 (PET) 和潛在潛熱通量 (PLE) 四 項數據，空間解析度為 1 km，時間解析度則有 8 天、月和年。本研究採用 MOD16 月蒸發散資料

，進行投影轉換、影像接合、裁切、去除無效值 等預處理才得用以統計分析。以 2012 年 7 月為 例、全臺 MOD16 處理成果如圖 1 (A)。

(2) MCD12Q1─MODIS 土地覆蓋分類資料：

MCD12Q1 提供五個土地覆蓋分類方案之分 類成果，空間解析度為 500 m，時間解析度則為 2001 - 2012 年每年皆有一組資料。本研究採用第 一類分類系統─IGBP 全球植被分類方案之分類 成果，然因首要需求為判釋出農地，因此將原分 類再重新定義為水體、林地、農地、建地及裸地 五類。試區十年間的土地使用以林地和農地為主

，在面積上則略有變化，此亦顯示採用高時間精 度資料對於土地使用隨時間變化而變動之地區 有 更 佳的 判 釋效 益。 以 2012 年 為 例、 全臺 MCD12Q1 處理成果如圖 1 (B)。

(3) MOD13Q1─MODIS 植生指標：

MOD13Q1 提供 NDVI (常態化差異植生指標

) 和 EVI (增揚植生指標) 等資料，空間解析度為 250 m，自 2000 年後每半個月釋出計算資料。由 於稻作生長有特有 NDVI 變化趨勢，使用除有助 稻作區域初步判釋外，亦可作為稻作生長階段之 界定。以 2012 年 7 月為例、全臺 MOD13Q1 處 理成果如圖 1 (C)。

(4) 氣象資料─月均溫度、月降水量、月均風速、

月均日照時數、月均溼度：

根據文獻蒐集可取得之氣象因子：溫度、降 水量、風速、日照時數、溼度。於大氣水文研究 資 料 庫 網 站 ( 下 載 網 址 ： https://dbahr.narlabs.org.tw/Default.aspx) 下 載 各 項因子之點資料後，首先排除錯誤或遺漏部分，

經整理得月平均或月累積資料，再經由 Natural Neighbor (自然鄰域插值法) 內插為對應 MOD16 之 1 km 解析度的網格資料。由於自然鄰域插值 法對於某一點的插值主要取決於其附近區域的 自然鄰點，屬局部性的內插方法，適合用於分佈 高 度 不 規 則 的 數 據 ( 如 溫 度 、 地 震 速 度 等 ) (Sambridge et al., 1995) ，亦已廣泛用於氣象資料 內插的相關研究中 (Avila et al., 2015、張偉等，

2008)；以 2012 年 7 月為例、將全臺氣象資料處 理成果整理於表 3。

(A) (B) (C)

圖 1 全臺 MOD16 蒸發散量(A)、本研究重分類 MCD12Q1 土地覆蓋(B)、MOD13Q1 NDVI (C)空間分佈圖

表 3 全臺氣象資料內插成果空間分佈圖

月均溫度 (℃) 月降水量 (mm) 月均風速 (m/s) 月均日照時數(hr) 月均相對濕度 (%)

5. 研究成果

因應 MOD16 資料之限制情況，本研究擬先 解決「時間」之限制，在確定提出之研究流程及 估算方法可行後，再嘗試同時解決「時間」及「空 間」之限制；如此將有助證實此研究流程及估算 方法得彈性應用於 MOD16 資料不同限制區。

5.1 以 臺 東 地 區 為 例 ─ 改 進 MOD16 資料時間之限制

5.1.1 複迴歸分析成果

(1) 以逐步迴歸法建立臺東地區稻作蒸發散量推 估模型：

本研究首先以臺東地區 2003 - 2012 年之十 年 MOD16 資料為依變數、搭配可能影響蒸發散 量之氣象因子 (月均溫度、月降水量、月均風速、

月均日照時數、月均溼度) 和 NDVI 為自變數，

透過逐步迴歸法篩選重要因子並建立一期及二 期稻作之蒸發散量推估模型。研究區域十年平均 農地數量約有 78 個網格，故各期投入模型建立 之樣本數量各為 4680 個網格。在顯著水準 5%時，

逐步迴歸分析成果如表 4、表 5，兩期迴歸方程 式如下二式：

= −24.731 + 4.887 × + 22.821 × .. (3)

= −56.149 + 5.704 × + 29.813 × .. (4)

式中， ：一期稻作蒸發散量、 ：二期稻

作蒸發散量、 ：溫度、 ：NDVI。根據兩期模 型之調整複決定係數可見兩模型解釋能力為

0.65、0.64，並且皆達顯著水準 (p = .000 < .05) 。 6 項自變數經逐步迴歸法進入兩期迴歸方程 式的顯著變數共有 2 個：皆為溫度及 NDVI，且 兩者對於蒸發散皆為正面影響；透過標準化係數 可得知，無論在一期或二期迴歸方程式中，溫度 影響程度大於 NDVI。而其他因子如降水量、風 速、日照時數及相對溼度，在兩期的時間尺度下，

逐步迴歸分析過程中，均未被選入迴歸方程式中，

顯示此四項因子之變化對於蒸發散量之變化並 無顯著影響。

(2) 逐步迴歸模型檢驗及分析：

A.迴歸方程式之配合度

從前述分析成果之模型摘要可看出，一期和 二期逐步迴歸方程式的調整複決定係數分別為 0.645 和 0.637，皆可判斷稻作一期和二期逐步迴 歸模型之配適度或解釋能力尚屬不錯。此外，F 檢 定結果足以拒絕虛無假設，即在α = 0.05顯著水 準之下，自變數 (溫度、NDVI) 對稻作蒸發散量 具顯著的聯合解釋能力。

B.樣本外預測

欲驗證前述兩期蒸發散量迴歸模型是否具 代表性，將資料拆分為已知部分的樣本內資料、

另一為假設未知部分的樣本外資料。由於研究區 域十年農地數量、位置有所變化，平均數量為 78 個網格。故依研究區域空間樣態、由南至北平均 分布挑選出 8 格、十年皆為農地使用之網格作為 樣本外資料 (如圖 2) ，以樣本內資料建立之模型 估算樣本外網格推估值，並與 MOD16 蒸發散量 值作比較，評估模型推估準確率，其計算式為：

準確率 = 1 − (| − |/ )。

表 4 臺東地區兩期稻作蒸發散量推估模型之模型摘要

模型 R R² adjusted R² 標準偏斜度錯誤 F

Sig.

一期 0.803 0.645 0.645 14.49852022 4216.524

0.000

二期 0.798 0.637 0.637 16.07320211 4076.948

0.000

表 5 臺東地區兩期稻作蒸發散量推估模型之係數表

一期模型 二期模型

選入 變項

非標準化係數 標準化係數

Sig.

選入 變項

非標準化係數 標準化係數

Sig.

B Std. Error β B Std. Error β

(常數) -24.731 1.231 0.000 (常數) -56.149 1.655 0.000 溫度 4.887 0.069 0.716 0.000 溫度 5.704 0.070 0.737 0.000 NDVI 22.821 1.483 0.155 0.000 NDVI 29.813 1.465 0.184 0.000

表 6 臺東地區樣本外預測準確率 (2003 - 2012 年)

準確率 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012

平均

一期 0.886 0.879 0.875 0.872 0.879 0.874 0.877 0.751 0.795 0.889 0.857 二期 0.850 0.860 0.850 0.846 0.862 0.885 0.870 0.832 0.792 0.882 0.854

圖 2 臺東地區樣本外資料

透過十年固定樣本 (兩期各有 480 個) 進行 模型驗證，各年份兩期模型推估之準確率結果如 表 6；兩期模型推估之整體準確率皆達 85%以上，

顯示逐步迴歸之模型能有效推估如 MOD16 高精 度之蒸發散值。

C.驗證逐步迴歸模型依使用者特定時間需 求推估蒸發散量

前述樣本外預測仍是以 2003 - 2012 年之樣 本內資料去驗證相同期間之樣本外資料，然現今 已可取得 2013 及 2014 年的 MOD16 蒸發散監測 資料，故嘗試將前述模型用以估算 2013 和 2014

年的樣本外資料，以測試本研究所建立之迴歸模 型能否適用於建立迴歸模型所用之樣本資料外 的時間尺度。2013 - 2014 年兩期模型推推估準確 率結果如表 7；結果顯示，兩期模型推估之整體 準確率分別達到 87％及 86％，可證實利用 2003 - 2012 年之樣本資料進行逐步迴歸分析建立之模 型的確能有效推估蒸發散量值，並得利用在建立 迴歸模型所用樣本之外的年份。

表 7 臺東地區樣本外預測準確率 (2013 - 2014 年) 準確率 2013 2014 平均

一期 0.854 0.889

0.872

二期 0.848 0.864

0.856

5.1.2 估算綠水足跡成果

試驗區一於 2003 - 2012 年具完整 MOD16 蒸 發散量資料，才用以作為逐步迴歸模型建立之樣 本區。故當前述模型建立、驗證後，即可以實際 MOD16 資料和模型推估兩種方式進一步計算綠 水足跡並進行比較。首先據綠水足跡定義式 (1)，

本 研 究 比 較 各 月 份 之 作 物 推 估 之 蒸 發 散 量 ( 、 或 ) 與有效降水 ( )，取 其中較小者後、加總 1 - 6 月和 7 - 12 月為一期和 二期綠水耗用量 ( )，輔以耕種面積及 行政院農業委員會 (2004 - 2013 年) 取得之各期 稻穀產量計算出綠水足跡 ( _, )。將實際 MOD16 資料和迴歸模型推估兩種方式進一步計

算綠水足跡相較之準確率如表 8；兩期稻作十年 綠水足跡變化趨勢繪如圖 3 所示。

圖 3 臺東地區兩期稻作十年綠水足跡變化趨勢 計算結果及趨勢顯示，二期綠水足跡普遍明 顯大於一期，僅在 2006 年呈現兩期較為接近的 綠水耗用量。歷年二期稻作綠水足跡總量約為 750 - 1300 m³/ton、平均為 977.0 m³/ton；歷年一 期稻作綠水足跡總量約為 400 - 900 m³/ton、平均 為 621.3 m³/ton。此外，比較 MOD16 實際資料及 模型推估計算綠水足跡之成果，兩者於十年兩期 之變動趨勢均呈現一致，平均推估準確率亦相當

高。估算期間之一期及二期平均稻作綠水足跡地 圖繪製如表 9。

5.2 以 臺 中 市 為 例 ─ 改 進 MOD16 資料時間及空間 之限制

5.2.1 複迴歸分析成果

(1) 以逐步迴歸法建立臺中市稻作蒸發散量推估 模型：

同第一階段研究流程，本研究以 2003 - 2012 年之十年臺中市稻作地區 MOD16 資料為依變數、

搭配可能影響蒸發散量之氣象因子 (月均溫度、

月降水量、月均風速、月均日照時數、月均溼度) 和 NDVI 為自變數，透過逐步迴歸法篩選重要因 子並建立一期及二期稻作之蒸發散量推估模型。

研究區域十年平均農地數量約有 64 個網格，故 各期投入模型建立之樣本數量各為 3840 格。在 顯著水準 5%時，逐步迴歸分析成果如表 10、表 11，兩期迴歸方程式如下二式：

表 8 臺東地區一期及二期稻作綠水足跡 (單位：m³/ton)

期作別 計算方式 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 平均 準確率 一期 實際

445.0 555.0 796.5 910.7 493.9 782.7 576.4 501.8 564.9 585.9 621.3

0.995 推估

445.0 555.0 772.9 885.5 498.4 777.9 594.1 516.3 603.1 595.2 624.3

二期 實際

832.6 851.7 1134.6 909.0 1126.6 985.4 1044.7 959.3 1153.2 773.0 977.0

0.999 推估

867.0 826.3 1047.4 862.5 1166.8 980.3 1008.2 989.7 1248.4 761.9 975.9

平均 實際

638.8 703.3 965.6 909.8 810.2 884.0 810.6 730.5 859.1 679.4 799.1

0.999 推估

656.0 690.6 910.2 874.0 832.6 879.1 801.1 753.0 925.8 678.6 800.1

表 9 臺東地區兩期平均稻作綠水足跡地圖 (MOD16 資料) (2003 - 2012 年)

一期 二期

= −73.365 + 4.768 × + 55.318 × + 0.050 × ... (5)

= −75.556 + 4.857 × + 47.372 × + 0.028 × ... (6)

式中， ：一期稻作蒸發散量、 ：二

期稻作蒸發散量、 ：溫度、 ：NDVI、 ：降 水量。根據兩期模型之調整複決定係數可見兩模 型解釋能力為 0.76、0.71，並且皆達顯著水準 (p = .000 < .05)。6 項自變數推估蒸發散量時，

進入兩期逐步迴歸方程式的顯著變數共有 3 個：

皆為溫度、NDVI 及降水量，對於蒸發散皆為正 面影響，透過標準化係數得溫度影響程度最大、

NDVI 次之、降水量則相對影響程度較低。

(2) 逐步迴歸模型檢驗及分析：

A.迴歸方程式之配合度

從前述分析成果之模型摘要可看出，一期和 二期逐步迴歸方程式的調整複決定係數分別為 0.759 和 0.714，皆可判斷稻作一期和二期逐步迴 歸模型之配適度或解釋能力尚佳。此外，F 檢定 結果足以拒絕虛無假設，即在α = 0.05顯著水準 之下，自變數 (溫度、NDVI、降水量) 對稻作蒸 發散量具顯著的聯合解釋能力。

B.樣本外預測

驗證前述兩期蒸發散量迴歸模型是否具代 表性，亦同前階段將資料拆分為樣本內資料和樣 本外資料。農地平均數量為 64 個網格，故依平 均分布挑選出 6 格、十年皆為農地使用之網格作

為樣本外資料 (如圖 4) ，以樣本內資料建立之模 型估算樣本外網格推估值，並與 MOD16 蒸發散 量值作比較，評估模型推估準確率。

圖 4 臺中市樣本外資料

透過十年固定樣本 (兩期各有 360 個) 進行 模型驗證，各年份兩期模型推估之準確率結果如 表 12；兩期模型推估之整體準確率皆達 80％以 上，顯示逐步迴歸之模型能相當地推估 MOD16 高精度之蒸發散值。

(3) 推估 MOD16 資料缺漏地區之蒸發散量 本研究將 MOD16 資料與農糧署稻作分佈圖 進行疊圖、如圖 5 (左) ，顯見臺中市稻作區域確 有大範圍的 MOD16 資料缺漏，是故本研究將以 同 MOD16 資料的 1 平方公里之空間單元為基礎，

應用前述分析之臺中地區蒸發散量逐步迴歸模 型、配合篩選出的影響因子：溫度、NDVI 及降 水量，推估缺漏地區的蒸發散量並進一步獲取臺 中地區的稻作綠水足跡。

表 10 臺中市兩期稻作蒸發散量推估模型之模型摘要

模型 R R² adjusted R² 標準偏斜度錯誤 F

Sig.

一期 0.871 0.759 0.759 18.12894537 4032.084

0.000

二期 0.845 0.714 0.714 16.69068969 3159.227

0.000

表 11 臺中市兩期稻作蒸發散量推估模型之係數表

一期模型 二期模型

選入 變項

非標準化係數 標準化係數

Sig.

選入 變項

非標準化係數 標準化係數

Sig.

B Std. Error β B Std. Error β

(常數) -73.365 1.523

0.000 (常數)

-75.556 1.690 0.000 溫度 4.768 0.094 0.569

0.000

溫度 4.857 0.077 0.636 0.000 NDVI 55.318 1.941 0.277

0.000 NDVI

47.372 1.660 0.267 0.000 降水量 0.050 0.003 0.181

0.000 降水量

0.028 0.002 0.164 0.000

表 12 臺中市樣本外預測準確率 (2003 - 2012 年)

準確率 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012

平均

一期 0.784 0.857 0.788 0.920 0.842 0.861 0.777 0.746 0.654 0.857 0.809 二期 0.875 0.876 0.921 0.887 0.890 0.840 0.813 0.782 0.690 0.858 0.843

圖 5 臺中市 MOD16 資料缺漏範圍比較： (左) 臺中地區 MOD16 與稻作分佈圖； (右) 欲推估 MOD16 缺漏之空間單元分佈 根據前述之逐步迴歸分析成果，模型將應用 迴歸方程式：式(5)及式(6)，影響因子將採用平均 溫度、NDVI 及累積降水量，於欲推估範圍內的 各項因子經模型之推估方程式運算後，可得每網 格內的推估蒸發散量，比較原 MOD16 資料之分 佈狀態及模型推估後的空間分佈狀態 (見圖 6) ， 確實能有效擴展原 MOD16 資料缺漏地區的蒸發 散量，並反應出蒸發散量的分佈差異，得到如同 遙測技術於該區域「連續性」且「面狀分布」的 資料成果。然而，迴歸模型推估蒸發散量之方法 尚存限制，如欲推估範圍之西北方、沿海的稻作 地區，由於在 NDVI 的資料上亦有部分的缺漏，

因此推估成果仍受限在影響因子的資料取得品 質和範圍。

(4) 驗證逐步迴歸模型依使用者特定時間需求推 估蒸發散量

前述樣本外預測仍是以 2003 - 2012 年之樣 本內資料去驗證相同期間之樣本外資料，然現今 已可取得 2013 及 2014 年的 MOD16 蒸發散監測 資料，故嘗試將前述模型用以估算 2013 和 2014 年的樣本外資料，以測試本研究所建立之迴歸模 型能否適用於建立迴歸模型所用之樣本資料外

的時間尺度。2013 - 2014 年兩期模型推推估準確 率結果如表 13；結果顯示，兩期模型推估之整體 準確率分別達到 84％及 81％，可證實利用 2003 - 2012 年之樣本資料進行逐步迴歸分析建立之模 型的確能有效推估蒸發散量值，並得利用在建立 迴歸模型所用樣本之外的年份。

圖 6 臺中市 MOD16 資料模型推估後之成果分 佈比較 (以 2012 年 7 月為例)

表 13 臺中市樣本外預測準確率 (2013 - 2014 年) 準確率 2013 2014 平均

一期 0.839 0.848

0.843

二期 0.840 0.785

0.812

5.2.2 估算綠水足跡成果

據綠水足跡定義式 (式 1) ，本研究比較各月 份之作物蒸發散量 ( 或 ) 與有效降水 ( ) ，取其中較小者後、加總 1 - 6 月和 7 - 12 月為一期和二期綠水耗用量 ( ) ，輔以 耕種面積及行政院農糧署 (2008 - 2013) 取得之 各期稻穀產量，計算出逐年的兩期稻作綠水足跡 ( _, ) 。兩期稻作六年期間的變化趨勢見 表 14 及圖 7。

表 14 臺中市兩期稻作綠水足跡 (單位：m³/ton)

期作別 2007 2008 2009 2010 2011 2012 平均

一期

594.6 433.5 316.1 491.3 399.5 443.5 446.4

二期 102 0.4 881.2 478.4 706.0 564.4 562.2 702.1

平均

807.5 657.4 397.3 598.7 482.0 502.9 574.3

圖 7 臺中市兩期稻作綠水足跡變化趨勢 (2007 - 2012 年)

成果顯示，二期綠水足跡明顯大於一期，歷 年二期稻作綠水足跡總量約為 500 - 1100 m³/ton、

平均為 702.1 m³/ton；一期稻作綠水足跡總量則 約為 300 - 600 m³/ton、平均為 446.4 m³/ton。自變 化趨勢圖中亦可明顯觀察出，兩期綠水足跡逐年 變化大致呈現減少的趨勢，尤其二期的變動更較 一期劇烈；另外在此六年間，兩期綠水足跡最低 值均出現在 2009 年、最大值均出現在 2007 年，

亦可見綠水足跡於逐年兩期之變化趨勢呈現一 致。估算期間之一期及二期平均稻作綠水足跡地 圖繪製如表 15。

表 15 臺中市一期及二期平均稻作綠水足跡地 圖 (2007 - 2012 年)

一期 二期

6. 結論

6.1 稻作蒸發散量推估成果之 時空分析

本研究利用 MOD16 資料建立之稻作蒸發散 量推估模型於臺東及臺中、兩個各分佈在臺灣東 部及西部的試驗區，其推估成果在時空上有何種 分佈特性為值得探討之處，以下分為時間及空間 兩部分進行討論及分析。

6.1.1 時間分析

將兩試驗區於研究期間之推估準確率繪製 趨勢圖 (如圖 8、9) 。

(A) 逐年

(B) 逐月

圖 8 臺東地區兩期準確率

(A) 逐年

(B) 逐月 圖 9 臺中市兩期準確率

⼀期 二期

⼀期 二期

6.1.2 空間分析

根據模型推估準確率，將兩試驗區的十年樣 本外資料進行兩期的統計，試驗區一兩期各自有 480 個網格資料、試驗區二兩期各自有 360 個網 格資料，將推估準確率低於 0.6 統計於表 16 中。

表 16 中顯示，試驗區一準確率最差的為研 究區域裡編號 45 的網格 (網格編號見圖 2) ，其 無論在一期或二期推估準確率明顯較差，綜看其 推估程度皆為低估、即推測之蒸發散量低於真值，

原因可能為其非農地、而為蒸發散量較高之林地；

就本研究採用的 MCD12Q1 土地覆蓋分類產品 (解析度 500 m) 來看，編號 45 的網格位置皆位 在歷年分類成果之農林地交接處，此說明若欲準 確推估蒸發散量，釐清真實的土地使用或覆蓋極 為重要，否則將產生錯誤之估算。

而試驗區二的樣本外資料之準確率實則分 佈的相當平均 (網格編號見圖 4) ，並無明顯的空 間位置特別容易造成錯誤推估。回頭檢視臺中市 的樣本外資料之分佈位置及農糧署的稻作分佈 圖，可明確發現樣本外資料均落在稻作實際範圍 內，亦無特別接近與其他土地使用的交界地區。

試驗區二和試驗區一較為不同的差異是在農地 判釋上再加入了農糧署稻作分布圖，故亦可從此 判斷若有事先在樣本資料的選擇上更精準地選 擇為農地位置，則有助於稻作蒸發散量迴歸模型 的建立與推估。

6.2 二試驗區稻作綠水足跡估 算成果之比較

臺東地區及臺中市各分佈在臺灣的東部和 西部，為地理位置差異甚大的兩個地方，不僅為 MOD16 資料限制情況不同─臺東地區 MOD16 資料完整、臺中市 MOD16 資料缺漏嚴重；在亞 熱帶、海島型並有中央山脈阻隔東、西兩岸的臺 灣更是擁有各自獨特的氣候及環境，即使同是生 產稻作，也為情況有別的生產環境與條件，而生 產稻作背後所將付出的各項成本 (如水資源成本 等) 亦將有所不同。故將研究成果所計算出的兩 期平均稻作綠水足跡整理於表 17 中，其中，臺 東地區以 MOD16 資料估算出之實際綠水足跡進 行討論；另外並根據兩試驗區總計全年耗用的平 均綠水足跡繪製成圖 10 進行比較。

圖 10 兩試驗區兩期平均綠水足跡地圖之比較 (2003 – 2012 年)

表 16 兩試驗區準確率＜0.6 之空間統計結果

一期 二期

臺 東 地 區

低於 0.6 之格數/總格數：18/480 低於 0.6 之格數/總格數：17/480

臺中 市

低於 0.6 之格數/總格數：90/360 低於 0.6 之格數/總格數：49/360 表 17 兩試驗區兩期平均稻作綠水足跡 (2003 - 2012 年)

期作別 臺東地區 臺中市

一期

作物蒸發散量 (mm) 518.1 342.4 有效降水 (mm) 393.1 469.1 稻作綠水足跡 (m³/ton)

621.3 446.4

平均稻作產量 (ton/ha)

5.9 6.5

二期

作物蒸發散量 (mm) 546.6 406.3 有效降水 (mm) 634.7 466.1 稻作綠水足跡 (m³/ton)

977.0 702.1

平均稻作產量 (ton/ha)

5.1 4.7 平均

稻作綠水足跡 (m³/ton)

799.1 574.3

平均稻作產量 (ton/ha)

5.5 5.6

首先可從表 17 中看出，兩試驗區的綠水足跡

均為二期大於一期；其次則是兩試驗區生產稻作耗 用的綠水足跡則於兩期均有明顯差異：臺東地區無 論是一期或二期的稻作綠水足跡皆較臺中市大，一 期平均生產一公噸稻作將多 174.9 m³、二期則將多 274.9 m³；試驗區一、二的兩期平均綠水足跡各為 799.1 m3/ton 及 574.3 m³/ton，平均差距為 224.8 m³/ton。而圖 10 亦可直觀的判斷出，在空間解析度 為 1 km 的網格分佈下，臺東地區普遍的綠水足跡

高於臺中市，雖然臺中市稻作覆蓋範圍南北方向狹 長、較有綠水足跡之南北分佈差異，但相較臺東地 區則大部分仍明顯偏低。

則以下針對兩項稻作綠水足跡主要趨勢進行 分析：

(1) 二期稻作綠水足跡大於一期

本研究根據 CROPWAT 模式的作物需水量法，

估算綠水之來源為作物蒸發散量 ( ) 與有效降 水 ( ) 之較小值；於表 17 中可見，臺東地區於 5

17%

19 5%

45 65 22%

6%

123 22%

168 6%

193 11%

215 11%

5 19 45 65

123 168 193 215

5 0%

19 0%

45 70%

65 0%

123 18%

168 0%

193

12% 215

0%

5 19 45 65

123 168 193 215

2 19%

6 18%

9 12%

15 13%

46 22%

57 16%

2 6 9 15 46 57

2 33%

6 9 8%

16%

15 6%

46 19%

57 18%

2 6 9 15 46 57

一期平均的有效降水小於作物蒸發散量、二期則相 反；另臺中市呈現一、二期皆為有效降水大於作物 蒸發散量之情況。綜看臺灣整體氣候條件，臺灣的 雨季並不容易按四季劃分，雨水之主要來源為五、

六月的梅雨季及七至九月的颱風季；另外是二到四 月的春雨，尤其對於北部的降水貢獻明顯；冬季則 為枯水期，尤其中南部幾乎難有降水 (交通部中央 氣象局，2015) 。則將本研究二試驗區於研究期間 的逐月雨量趨勢圖繪製如圖 11(A)，確實能呼應前 述提及的雨季期間，二試驗區皆明顯集中在五至九 月，故同張元馨 (2011) 、姚佩萱等 (2013) 分析之 因，二期的作物蒸發散量及有效降水將因二期稻作 生長期介於夏、秋兩季的雨季，此期氣溫較高、雨 量亦較多，將致使蒸發散量及有效降水普遍大於一 期；另則從表 17 的平均稻作產量亦可發現，二期 平均產量於兩試驗區均較一期少，造成差異主要之 因為溫度變化，一般水稻品種的適應溫度是攝氏 27 度，溫度愈高、水稻產量愈低 (李培芬，2006) ， 從圖 11(B)圖中可清楚見兩地二期生長期普遍處於 高溫；且稻作於二期較容易遭遇颱風、豪雨等天災，

都將致使產量偏低；故二期綠水量普遍較一期多、

產量卻較一期低，都將造成二期綠水足跡高於一期。

(A) 雨量

(B) 溫度

圖 11 二試驗區逐月平均值趨勢圖 (2003 - 2012 年) (2) 臺東地區稻作綠水足跡大於臺中市

臺東地區與臺中市皆為合適稻作生長的環境，

但即使同處於亞熱帶，在中央山脈阻隔並有各自獨 特地形情況下，仍然存在部份差異：如地形上，臺 中種植稻作之區域多為廣大平原、臺東則集中在花 東縱谷內，因此在臺東耕種區域之氣溫較低、日照 時數亦較少，稻米生長需更長的時間 (農糧署糧食 產業組，2010) ；地形與氣候之差異，也將使農民 選擇種植的稻作品種不同，上述原因都會使得稻作 品質、產量有別。表 17 中顯示，在兩期的作物蒸 發散量和有效降水上，無論較小值為何，臺東種植 稻作所需付出的綠水成本大多高於臺中市不少；而 在平均稻作產量上並無相對綠水增幅差異之多、甚 至較臺中少的情況下，即須承擔較高的綠水足跡。

7. 結論與建議

7.1 結論

本研究首度以 MOD16 蒸發散監測資料應用於 稻作綠水足跡之估算，無論在水足跡相關領域、抑 或是在臺灣地區，皆為新穎且極具發展潛力的資料 來源；應用 MOD16 資料可突破過往離散點式的蒸 發散資料蒐集，減少大量的人力或儀器的量測成本、

有效提升量測蒸發散量之效率及精準度；此外，篩 選取用農地、或為稻作耕種區域的 MOD16 資料以 投入估算稻作綠水足跡，突破過去以少數氣象站點 的蒸發散資料、輔以經驗公式等換算為作物蒸發散 量，避免量測資料受限氣象站所在的土地利用或周 遭環境、及經驗公式和稻作係數隨氣候變遷、環境 變化或區域不同而有不敷使用之疑慮，而能更實際 的估算綠水資源。

本 研 究 設 計 結 合 複 迴 歸 分 析 之 方 式 解 決 MOD16 資料缺乏立即性和部分缺漏的情況，分別 在臺東地區及臺中市、兩個具備不同 MOD16 資料 條件的試驗區進行，雖逐步迴歸篩選出影響蒸發散 量的顯著因子有別，但也顯現氣候環境對蒸發散量 的影響具區域性差異；二試驗區的兩期模型配適度 佳，模型推估準確率經驗證後亦獲得不錯且穩定的 成果，有效克服限制情況，估算出依使用者特定時 間需求、高精度且高空間解析度的蒸發散量。

基於 MOD16 資料結合複迴歸分析所推估出的 高精度蒸發散量資料，再取得欲推估地區的稻作耕 種面積、稻作產量等資料，有助於快速地估算完整 稻作範圍的綠水足跡；且因投入的綠水資料來源具 高空間解析度，故於繪製稻作綠水足跡地圖時亦能 細緻到每一平方公里的估算成果。透過本研究所擬 的估算流程，將可有更彈性的調整空間、依需求而 自訂估算範圍。此外，透過視覺化工具─綠水足跡 地圖的繪製呈現，將可對綠水足跡的時序變化、分 佈途徑快速掌握並釐清。

過往對於綠水資源的忽視，造成生產稻作的水 資源成本僅估計到灌溉水 (藍水) 的投入，但在綠 水的概念逐漸釐清後，對於耗用綠水的情況勢必需 要進行估算；而透過本研究應用 MODIS 資料於稻 作綠水足跡的估算方法，生產稻作的綠水成本將能 獲得更精確的計算，亦將有助於作物三色總水足跡 的整體評估，尤其在氣候變遷、水資源及糧食安全 備受重視的背景之下，期能進一步供農業水資源成 本永續利用的管理策略之參考。

7.2 建議

本研究採用 MCD12Q1 土地覆蓋分類資料為 篩選 MOD16 稻作地區資料之基礎，其具有分類精 細、免費取得、多時期資料等優勢，試驗區一根據 文獻及現況判斷農地為大範圍稻作，而試驗區二則 因作物種類複雜才再加入農糧署的稻作分佈圖以 區分確切的稻作範圍；然土地覆蓋資料來源其實仍 有不少選擇，農糧署稻作分佈圖取得須經過單位申 請、亦實屬不易，故未來視情況及需求不同，尚可 嘗試其他的土地使用或覆蓋的分類資料，若採用資 料具更佳的空間解析度及分類細緻度，則有助於蒸 發散量推估模型的建立。

本研究兩試驗區皆以行政區界作為界線，成果 亦屬於區域性的綠水耗用指標，為大尺度的應用；

然而未來可因應使用者的需求而彈性調整估算的 單位，如可以小尺度的農戶、農會、產銷班等個體、

組織或企業體來計算其作物產量的綠水耗用量，唯 須獲得各單位農地耕種面積和產量資訊即可估算。

個體或企業體的估算成果將可提供各單位產品之

水足跡標籤或公告的標示建議，如芬蘭的 Elovena 燕麥片、波蘭及挪威的 COCA-COLA (可口可樂) 、 丹麥的 CARLSBERG 啤酒等 (Selander, 2014) ，皆 能使產品消耗的水資源量獲得世人的重視、喚起環 保意識，進而使得選擇倚賴水資源較少的產品成為 日常價值觀；而對企業體而言，亦可藉了解產品生 命週期的用水量，尋求減量的可能、有效進行水資 源風險管理，並且於行銷上提升企業形象、善盡企 業社會責任 (國立成大產業永續發展中心，2013) 。

若水足跡發展能持續往前述的多元目標前進，

將不僅侷限在作為政府單位之政策參考依據，如擬 定促使水資源有效且可持續性利用、宣導水足跡概 念或鼓勵進行水資源風險評估等相關政策 (Ercin and Hoekstra, 2012; Witmer and Cleij, 2012; ADB, 2013) ，亦可使水足跡概念實際擴展至世人的日常 生活中，供大家檢視各項作物產品對於水資源的耗 用程度、檢討並反思水資源於真實世界的實際耗用 狀況。

致謝

本 研 究 承 蒙 科 技 部 專 題 研 究 計 畫 (MOST 105-2621-M-004-008) 經費支持，得以順利完成，

深致謝忱。

參考文獻

王海波、馬明國，2014。基於遙感和 Penman- Monteith 模型的內陸河流域不同生態系統蒸 發散估算，生態學報，34(19)：5617-5626。

[Wang, Ha., and Ma, M., 2014. Estimation of transpiration and evaporation of different ecosystems in an inland river basin using remote sensing data and the Penman-Monteith equation, Acta Ecologica Sinica, 34(19): 5617-5626. (in Chinese)]

交通部中央氣象局，2015。臺灣氣候特徵簡介 - 臺

灣 的 雨 量 ,

http://www.cwb.gov.tw/V7/climate/climate_info /statistics/statistics_1_2.html，引用 2015/12/10。

[Central Weather Bureau, 2015. Tai wan chi hou te jeng jian jie - Tai wan de yu liang, Available at:

http://www.cwb.gov.tw/V7/climate/climate_info /statistics/statistics_1_2.html, Accessed December 10, 2015. (in Chinese)]

何漢傑，2008。利用 MODIS 影像於水稻田蒸發散 量之研究，國立中央大學太空科學研究所碩士 論文。[He, H.J., 2008. Li yung MODIS ying shiang yu shuei dau tian jeng fa san liang jr yan jiou, Master Thesis, National Central University, Taiwan, ROC. (in Chinese)]

吳治達、鄭祈全、羅漢強，2008。土地利用型與空 間尺度對蒸發散量影響之研究，中華林學季刊，

41(2)：211-219。[Wu, C.D., Cheng, C.C., and Lo, H.C., 2008. Effects of land-use types and spatial scales on evapotranspiration, Quarterly Journal of Chinese Forestry, 41(2): 211-219. (in Chinese)]

吳桂平、劉元波、趙曉松、葉春，2013。基於 MOD16 產品的鄱陽湖流域地表蒸發散時空分布特徵，

地理研究，32(4)：617-627。[Wu, G., Liu, Y., Zhao, X., and Ye, C., 2013. Spatio-temporal variations of evapotranspiration in Poyang Lake Basin using MOD16 products, Geographical Research, 32(4): 617-627. (in Chinese)]

李培芬，2006。台灣的自然資源與生態資料庫 III：

農林漁牧，行政院農業委員會林務局，臺北。

[Lee, P.F., 2006. Tai wan de tz ran tz yuan yu sheng tai tz liau ku III: Nung lin yu mu, Forestry Bureau, Council of Agriculture, Execute Yuan, Taipei. (in Chinese)]

杜榮鴻，2005。應用 MODIS 影像估算潛勢蒸發散 量之研究，國立成功大學水利及海洋工程學系 碩士論文。[Du, R.H., 2005. Applying MODIS satellite images to estimate potential evapotranspiration, Master Thesis, National Cheng Kung University, Taiwan, ROC. (in Chinese)]

沈紅、劉文兆，2011。基於宏觀地理因子估算黃土 高原區降水資源空間分布，乾旱地區農業研究，

29(1)：237-241。[Shen, H., and Liu, W.Z., 2011.

Simulating spatial distribution of precipitation over the loess plateau based on macro- geographical factors, Agricultural Research in the Arid Areas, 29(1): 237-241. (in Chinese)]

周嫦娥、左峻德、李繼宇、朱美琴、楊浩彥、陳詩 婷、張鈺照，2011。水足跡概念推廣與先期研 究，經濟部水利署，臺北。[Chou, C.E., Tso, C.T., Lee, G.E., Chu, M.C., Yang, H.Y., Chen, S.T., and Chang, Y.C., 2011. Promoting water footprint concepts and a pilot study, Water Resources Agency, Taipei. (in Chinese)]

周嫦娥、李繼宇，2009，台灣之虛擬水資源流量與 糧食安全，台灣經濟學會 2009 年會，臺北。

[Chou, C.E., and Lee, G.E., 2009. Tai wan jr shiu ni shuei tz yuan liou liang yu liang shr an chiuan, 2009 Taiwan Economic Association Annual Conference, Taipei. (in Chinese)]

林永禎、徐貴新，2010。實用水文學，高立圖書有 限公司，臺北。[Lin, Y.J., and Shyu, G.S., 2010.

Hydrology, Gau Lih Book Co., Ltd., Taipei. (in Chinese)]

姚佩萱、徐貴新、鄭百佑、張元馨、張尊國，2013。

臺灣稻作水足跡分析，農業工程學報，59(3)：

1-12。[Yao, P.H., Shyu, G.S., Cheng, B.Y., Chang, Y.H., and Chang, T.K., 2013. The water footprints of rice in Taiwan, Journal of Taiwan Agricultural Engineering, 59(3): 1-12. (in Chinese)]

國立成大產業永續發展中心，2013。環境友善 – 水

足 跡 (WFN) 。

http://b10c10.web.ncku.edu.tw/files/15-1155- 91027,c1455-1.php?Lang=zh-tw ， 引 用 2015/12/15。[Industrial Sustainable Development Center, National Cheng Kung University, 2013.

Environment-friendly - water footprint network

(WFN), Available at:

http://isdc.rsh.ncku.edu.tw/p/405-1076-

91027,c1455.php?Lang=zh-tw, Accessed December 15, 2015. (in Chinese)]

張元馨，2011。臺灣農業水足跡之估算－以稻作生 產為例，國立臺灣大學生物資源暨農學院生物 環境系統工程學研究所碩士論文 。[Chang, Y.H., 2011. Assessment of agricultural water footprint in Taiwan – A case study of rice production, Master Thesis, National Taiwan University, Taiwan, ROC. (in Chinese)]

張偉、羅向欣、邵德民、王遠飛，2008。基於 GIS 的西北太平洋熱帶氣旋影響研究，測繪科學，

9：49-50。[Zhang, W., Luo, X.X., Shao, D.M., and Wang, Y.F., 2008. Ji yu GIS de shi bei tai ping yang re dai chi shiuan ying shiang yan jiou, Science of Surveying and Mapping, 9: 49-50. (in Chinese)]

張尊國，2009。水足跡概念介紹暨臺灣水稻水足跡 分析，98 年度農業工程研討會，臺中。[Chang, T.K., 2009. The water footprints of rice in Taiwan, Conference on Agricultural Engineering 2009, Taichung. (in Chinese)]

陳旭昇，2013。時間序列分析--總體經濟與財務金 融之應用，東華書局，臺北。[Chen, S.S., 2013.

Applied Time-Series Econometrics for Macroeconomics and Finance, 2th ed., Tung Hua Book Co., Ltd., Taipei. (in Chinese)]

陳姜琦，2002。應用衛星遙測於區域蒸發散量之估 算，國立成功大學水利及海洋工程學系碩士論 文。[Chen, C.C., 2002. Applying satellite remote sensing on regional evapotranspiration estimation, Master Thesis, National Cheng Kung University, Taiwan, ROC. (in Chinese)]

賀添、邵全琴，2014。基於 MOD16 產品的我國 2001- 2010 年蒸發散時空格局變化分析，地球信息 科學，16(6)：979-988。[He, T., and Shao, Q.,

2014. Spatial-temporal variation of terrestrial evapotranspiration in China from 2001 to 2010 using MOD16 products, Journal of Geo- information Science, 16(6): 979-988. (in Chinese)]

農糧署糧食產業組，2010。台灣稻米簡介(中文版)。

http://www.afa.gov.tw/public_index.aspx?CatID

=776，引用 2015/12/10。[Food Industry Division, Agriculture and Food Agency, 2010. Tai wan dau mi jian jie (jung wen ban), Available at:

http://www.afa.gov.tw/public_index.aspx?CatID

=776, Accessed December 10, 2015. (in Chinese)]

鄭吉宏，2011。區域蒸發散推估方法，國立成功大 學水利及海洋工程學系碩士論文 。[Cheng, C.H., 2011. Methods for estimating regional evapotranspiration, Master Thesis, National Cheng Kung University, Taiwan, ROC. (in Chinese)]

蕭 文 龍 ， 2007 。 多 變 量 分 析 最 佳 入 門 實用 書 - SPSS+LISREAL(SEM)，碁峰資訊股份有限公 司，臺北。[Shiau, W.L., 2007. Duo Bian Liang Fen Shi Tzuei Jia Ru Men Shr Yung Shu - SPSS+LISREAL(SEM), GOTOP Information Inc., Taipei. (in Chinese)]

ADB, 2013. Thinking about water differently:

Managing the water-food-energy nexus, Asian Development Bank, Manila, Philippines.

Aldaya, M.M., and Llamas, M.R., 2008. Water footprint analysis for the Guadiana river basin, Value of Water Research Report Series No. 35, UNESCO-IHE, Delft, the Netherlands.

Aldaya, M.M., Muñoz, G., and Hoekstra, A.Y., 2010.

Water footprint of cotton, wheat and rice production in Central Asia, Value of Water Research Report Series 41, UNESCO-IHE, Delft, the Netherlands.

Allan, J.A., 2011. Virtual Water: Tackling the Threat to Our Planet's Most Precious Resource, I. B. Tauris

& Co.Ltd, New York.

Avila, F.B., Dong, S., Menang, K.P., Rajczak, J., Renom, M., Donat, M.G., and Alexander, L.V., 2015. Systematic investigation of gridding- related scaling effects on annual statistics of daily temperature and precipitation maxima: A case study for south-east Australia, Weather and Climate Extremes, 9: 6-16.

Bastiaanssen, W.G.M., 2000. SEBAL-based sensible and latent heat fluxes in the irrigated Gediz Basin, Turkey, Journal of Hydrology, 229(1-2): 87-100.

Chapagain, A.K., and Hoekstra, A.Y., 2004. Water footprint of nations, Volume 1: Main report, Value of Water Research Report Series No. 16, UNESCO-IHE, Delft, the Netherlands.

Ercin, A.E., and Hoekstra, A.Y., 2012. Carbon and Water Footprints: Concepts, Methodologies and Policy Responses, United Nations World Water Assessment Programme, Paris, France.

Falkenmark, M., 2005. Green water - Conceptualizing water consumed by terrestrial ecosystems, Global Water News No. 2: 1-3.

Falkenmark, M., and Rockström, J., 2004. Balancing Water for Humans and Nature: The New Approach in Ecohydrology, London, Sterling, VA, Earthscan.

Falkenmark, M., and Rockström, J., 2006. The new blue and green water paradigm: Breaking new ground for water resources planning and management, Journal of Water Resources Planning and Management-ASCE, 132(3): 129- 132.

Gerten, D., Hoff, H., Bondeau, A., Lucht, W., Smith, P., and Zaehle, S., 2005. Contemporary “green”

water flows: Simulations with a dynamic global vegetation and water balance model, Physics and Chemistry of the Earth, 30(6-7): 334-338.

Hoekstra, A.Y., Chapagain, A.K., Aldaya, M.M., and Mekonnen, M.M., 2011. The Water Footprint Assessment Manual - Setting the Global Standard, Earthscan, London, UK.

Hoekstra, A.Y., Chapagain, A.K., Aldaya, M.M., and Mekonnen, M.M., 2009. Water footprint manual:

State of the art 2009, Enschede, Water Footprint Network, the Netherlands.

Hu, G.C., Jia, L., and Menenti, M., 2015. Comparison of MOD16 and LSA-SAF MSG evapotranspiration products over Europe for 2011, Remote Sensing of Environment, 156: 510- 526.

Mekonnen, M.M., Hoekstra, A.Y., and Becht, R., 2012. Mitigating the water footprint of export cut flowers from the Lake Naivasha Basin, Kenya, Water Resources Management, 26(13): 3725- 3742.

Mohamed, Y.A., Bastiaanssen, W.G.M., and Savenije, H.H.G., 2004. Spatial variability of evaporation and moisture storage in the swamps of the upper Nile studied by remote sensing techniques, Journal of Hydrology, 289(1-4): 145-164.

Mu, Q., Heinsch, F.A., Zhao, M., and Running, S.W., 2007. Development of a global evapotranspiration algorithm based on MODIS and global meteorology data, Remote Sensing of Environment, 111(4): 519-536.

Mu, Q.Z., Zhao, M.S., and Running, S.W., 2011.

Improvements to a MODIS global terrestrial evapotranspiration algorithm, Remote Sensing of Environment, 115(8): 1781-1800.

Nagler, P.L., Cleverly, J., Glenn, E., Lampkin, D.,

Huete, A., and Wan, Z.M., 2005. Predicting riparian evapotranspiration from MODIS vegetation indices and meteorological data, Remote Sensing of Environment, 94(1): 17-30.

Ramoelo, A., Cho, M., Mathieu, R., Skidmore, A., Schlerf, M., and Heitkönig, I., 2012. Estimating grass nutrients and biomass as an indicator of rangeland (forage) quality and quantity using remote sensing in Savanna ecosystems, The 9th International Conference of the African Association of Remote Sensing and the Environment (AARSE), El Jadida, Morroco.

Ringersma, J., Batjes, N., and Dent, D., 2003.Green Water: Definitions and data for assessment, ISRIC- World Soil Information, Wageningen, the Netherlands.

Rockström, J., 1997. On-farm agrohydrological analysis of the Sahelian yield crisis: Rainfall partitioning, soil nutrients and water use efficiency of pearl millet, PhD Thesis, Department of Systems Ecology, Stockholm University, Stockholm.

Roerink, G.J., Su, Z., and Menenti, M., 2000. S-SEBI:

A simple remote sensing algorithm to estimate the surface energy balance, Physics and Chemistry of the Earth, Part B: Hydrology, Oceans and Atmosphere, 25(2): 147-157.

Sambridge, M., Braun, J., and McQueen, H., 1995.

Geophysical parametrization and interpolation of irregular data using natural neighbours, Geophysical Journal International, 122(3): 837- 857.

Selander, L., 2014. Making water your business - Company perspectives from the Baltic Sea region, Baltic Development Forum, Copenhagen, Denmark.

Sun, Z.P., Wei, B., Su, W., Shen, W.M., Wang, C.Z., You, D.A., and Liu, Z., 2011. Evapotranspiration estimation based on the SEBAL model in the Nansi Lake Wetland of China, Mathematical and Computer Modelling, 54(3-4): 1086-1092.

Velpuri, N.M., Senay, G.B., Singh, R.K., Bohms, S., and Verdin, J.P., 2013. A comprehensive evaluation of two MODIS evapotranspiration products over the conterminous United States:

Using point and gridded FLUXNET and water balance ET, Remote Sensing of Environment, 139: 35-49.

Westerhoff, R.S., 2015. Using uncertainty of Penman and Penman-Monteith methods in combined satellite and ground-based evapotranspiration estimates, Remote Sensing of Environment, 169:

102-112.

Witmer, M.C.H., and Cleij, P., 2012. Water Footprint:

Useful for sustainability policies?, Hague, Netherlands: PBL Netherlands Environmental Assessment Agency.

Wu, C.D., Cheng, C.C., and Chuang, Y.C., 2012.

Spatial variability of evapotranspiration of old- growth cypress forest using remote sensing- A case study of Chilan Mountain cypress forest in Taiwan, Canadian Journal of Forest Research, 42(6): 1060-1071.

1 Master, Department of Land Economics, National Chengchi University Received Date: Feb. 22, 2017

2 Associate Professor, Department of Land Economics, National Chengchi University Revised Date: May. 26, 2017

3 Associate Professor, Department of Geomatics, National Cheng Kung University Accepted Date: Sep. 02, 2020

4 Associate Professor, Department of Environmental Engineering and Science, Feng Chia University

* Corresponding Author, E-mail: [email protected]

Estimation of Green Water Footprint of Rice Paddies Using MODIS Data

Tzu-Yu Huang

^1*

Shih-Yuan Lin

²

Chih-Da Wu

³

Justin Chun-Te Lin

⁴

Abstract

Green Water Footprint (GWF) is referred to total rainwater evapotranspiration (ET) plus the amount of water incorporating in a product. As the water incorporated into the crop is about 0.1~1% of the evapotranspiration volume, GWF is normally referred to as ET volume. Together with irrigation water withdrawn from ground or surface water, they are the main indicators of contribution of water usage introduced in agricultural products.

Therefore in order to comprehensively understand the total amount of water used during crop growing stage, it is essential to identify the amount of and Green water. Based on the high accuracy, wide coverage and long-term extraction of rainwater evapotranspiration, a MODIS Global Terrestrial Evapotranspiration Data Set (MOD16) is applied to estimate GWF. Although the MOD16 product offers aforementioned advantages, we still encountered spatial and temporal inaccessibility. Therefore, this research aimed to overcome the drawbacks and develop a regression method considering multiple variables to improve the performance of GWF estimation. Through the experiments implemented in Taichung and Taitung, it was successfully demonstrated that the spatial and temporal accessibility of GWF of rice paddies calculated based on MOD16 data was improved significantly.

Keywords: Rice, Green Water Footprint (GWF), Evapotranspiration (ET), MOD16, Stepwise

regression