科技部補助專題研究計畫成果報告
期末報告
土地正義視野下國土規劃的挑戰與變革: 土地利用與城鄉發展
的策略研究-以農業永續發展為目標之水資源指標建立與評估
(第3年)
計 畫 類 別 ： 整合型計畫 計 畫 編 號 ： MOST 102-2621-M-004-005-MY3 執 行 期 間 ： 104年08月01日至105年09月30日 執 行 單 位 ： 國立政治大學地政學系 計 畫 主 持 人 ： 林士淵 共 同 主 持 人 ： 林俊德、吳治達 計畫參與人員： 碩士班研究生-兼任助理人員：黃姿瑜 碩士班研究生-兼任助理人員：蔡亞倫 大專生-兼任助理人員：郭奕伶 大專生-兼任助理人員：徐珦朕 大專生-兼任助理人員：林政緯 大專生-兼任助理人員：王映媗 大專生-兼任助理人員：蔡立筠 大專生-兼任助理人員：藍振維 報 告 附 件 ： 出席國際學術會議心得報告中 華 民 國 105 年 12 月 30 日
中 文 摘 要 ： 水足跡為一新興發展之水資源消耗衡量指標，可用以估計水資源之 分佈與途徑。其中「綠水足跡」係指生產過程中消耗的雨水量，包 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。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。前述潛藏於產品中水分僅佔綠水蒸 發散量之0.1~1％，一般透過綠水蒸發散量之估算即可代表該產品之 單位綠水足跡，而MODIS全球地表蒸發散監測資料（MOD16）具有高 精度、涵蓋面積廣闊且長期監測之優勢，然該產品在取得時間上不 具立即性，在空間方面，亦有部分地區缺漏、解析度較低之限制。 為克服前述問題，本研究以臺灣農業用水使用比例最高之稻作進行 綠水足跡估算，繼期中計畫選擇大範圍純稻作之「臺東地區」獲取 得已改進時間限制之成果後，後續將以稻作生產大範圍、且MOD16資 料破碎之地區的「臺中市」作為另一試驗區，嘗試同時解決時間及 空間之限制。分析成果顯示，最具影響力的因子為溫度、NDVI和降 水量（p < 0.05），兩期模型之決定係數（R2值）為0.76及 0.71；透過十年固定樣本進行模型驗證之結果指出，模型推估之整 體準確率可達80％以上。 中 文 關 鍵 詞 ： 綠水足跡、遙感探測、蒸發散量、水資源管理
英 文 摘 要 ： Water Footprint (WFP) is a recently developed indicator to identify the usage and distribution of the fresh water resource. Among Green, Blue and Gray WFPs, Green WFP is referred to total rainwater evapotranspiration plus the amount of water incorporating in a product, and is the main indicator of contribution of water usage introduced in agricultural and forestry product. Rice is the main crop in Taiwan, and the irrigation water withdrawn from ground or surface water (i.e. Blue water) to the rice paddle is the most significant consumption part of fresh water. In order to comprehensively understand the total amount of water used during rice growing stage, in addition to Blue water, it is critical to further identify the amount of Green water. However, to measure the crop evapotranspiration (i.e. Green water) is critical due to redundant and costive field measurement. To achieve this, firstly, it is proposed to develop a integrated hardware system to collect rainfall and also to acquire evapotranspiration on the test paddy site. Therefore the blue and green WFPs can be determined and treated as ground truth. Secondly, this study would like to apply remote sensing technique incorporating moderate-resolution imaging Spectroradiometer (MODIS) and LANDSAT image data to facilitate the measurement of crop evapotranspiration, and eventually to estimate the green WFP of rice. The green WFP derived from two methods are evaluated to obtain a robust estimated evapotranspiration. The results are expected to quantity the visual water of
the rice and for reference in water resource, agricultural management and land use planning.
英 文 關 鍵 詞 ： Green water footprint, remote sensing, evapotranspiration, water resource
I
土地正義視野下國土規劃的挑戰與變革：
土地利用與城鄉發展的策略研究
子計畫七：以農業永續發展為目標之水資源指標建立與評估
摘要
水足跡為一新興發展之水資源消耗衡量指標，可用以估計水資源之分佈與途 徑。其中「綠水足跡」係指生產過程中消耗的雨水量，包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。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。前述潛藏於產品中水分僅佔綠水蒸 發散量之 0.1~1％，一般透過綠水蒸發散量之估算即可代表該產品之單位綠水足 跡，而 MODIS 全球地表蒸發散監測資料（MOD16）具有高精度、涵蓋面積廣闊 且長期監測之優勢，然該產品在取得時間上不具立即性，在空間方面，亦有部分 地區缺漏、解析度較低之限制。為克服前述問題，本研究以臺灣農業用水使用比 例最高之稻作進行綠水足跡估算，繼期中計畫選擇大範圍純稻作之「臺東地區」 獲取得已改進時間限制之成果後，後續將以稻作生產大範圍、且 MOD16 資料破 碎之地區的「臺中市」作為另一試驗區，嘗試同時解決時間及空間之限制。分析 成果顯示，最具影響力的因子為溫度、NDVI 和降水量（p < 0.05），兩期模型之 決定係數（R2值）為 0.76 及 0.71；透過十年固定樣本進行模型驗證之結果指出， 模型推估之整體準確率可達 80％以上。 關鍵字：稻作、綠水足跡、蒸發散量、MOD16、逐步迴歸II
目錄
摘要... I 目錄... II 表目錄 ... III 圖目錄 ... IV 第一章 前言 ... 1 第二章 研究方法 ... 2 第三章 研究成果 ... 5 第四章 結論與建議 ... 18 參考文獻 ... 19III
表目錄
表 3- 1 臺中市一期及二期稻作蒸發散量推估模型之模型摘要 ... 5 表 3- 2 臺中市一期及二期稻作蒸發散量推估模型之係數表 ... 5 表 3- 3 臺中市樣本外預測準確率（2003 - 2014 年） ... 6 表 3- 4 臺中市兩期稻作綠水足跡（單位：m3/ton） ... 6 表 3- 5 準確率＜0.7 和準確率＜0.6 之空間統計結果 ... 9 表 3- 6 兩試驗區兩期平均稻作綠水足跡（2003 - 2012 年） ... 10 表 3- 7 七月份蒸發散量測實驗成果 ... 13 表 3- 8 九月份蒸發散量測實驗成果 ... 13 表 3- 9 蒸發散量估算 ... 14IV
圖目錄
圖 2- 1 臺中市及全臺 MOD16 地表蒸發散監測資料空間分佈圖 ... 2 圖 3- 1 臺中市樣本外資料 ... 6 圖 3- 2 臺中市兩期稻作綠水足跡變化趨勢（2007-2012 年） ... 7 圖 3- 3 臺中市一期（左圖）及二期（右圖）平均稻作綠水足跡地圖（2007 - 2012 年）... 7 圖 3- 4 臺中市兩期逐年準確率 ... 8 圖 3- 5 臺中市各月份準確率 ... 8 圖 3- 6 兩試驗區兩期平均綠水足跡地圖之比較（2003 – 2012 年） ... 10 圖 3- 7 二試驗區逐月雨量（左圖）及溫度（右圖）平均值趨勢圖（2003 – 2012 年）... 11 圖 3- 9 溫度、濕度與蒸發散量關係圖 ... 14 圖 3- 11 風速、日照與蒸發散量關係圖 ... 15 圖 3- 13 蒸發皿蒸發量與蒸發散量關係圖 ... 15 圖 3- 14 七月、九月份溫度變化圖 ... 16 圖 3- 15 七月、九月份濕度變化圖 ... 16 圖 3- 16 七月、九月份日照百分比變化圖 ... 16 圖 3- 17 七月、九月份蒸發皿蒸發量變化圖 ... 17 圖 3- 19 七月、九月份蒸發散量變化圖 ... 171
第一章
前言
研究動機
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（經濟部水利署，2011）。 綠水足跡根據定義包含「與生產相關的降水之總蒸發散量」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。以往估算蒸發散量的方法是直接利用儀器單點量測、或以氣象 資料配合經驗公式推估區域情況；然前述方法隨極端氣候出現將無法準確且即時 的反應區域性實際狀況。而遙感探測技術的發展使得蒸發散量的計算更加精確， 並能在時空尺度上獲得擴展，尤以 2011 年 NASA 和 USGS 所發布的 MODIS 全 球地表蒸發散監測資料（MOD16），擁有高精度、涵蓋面積廣闊、長期監測和免 費獲取等優點，因此應用 MOD16 蒸發散資料估算綠水足跡將更具優勢。 然而，MOD16 蒸發散資料若欲實際運用在臺灣將有所限制：包括取得該產 品的時間上須被動等待產製單位非立即性的釋出，空間解析度（1 km × 1 km）則 有較粗略的限制、恐覆蓋範圍包含其他土地使用之部分，另亦有部分平原或近都 市地區之資料缺漏等問題，恐無法於實際上立即揭露稻作綠水資源消耗之情況。 為克服前述多樣限制，本研究欲推估出臺灣農業用水使用比例最高之稻作地區之 蒸發散量，利用遙測技術與實地資料蒐集，估算並檢核該作物於實驗區之水足跡， 作為農業永續利用前提下之水資源管理策略之參考。研究目的
為了解並估算稻作精確的綠水足跡，本研究利用遙感探測 MOD16 產品之蒸 發散監測資料作為綠水足跡估算過程中所需的蒸發散量資料來源，以其更精確、 大範圍且長期監測等優勢取代過往傳統量測蒸發散量方式；並以相關影響因子建 立蒸發散量的解釋及推估模型，作為填補 MOD16 缺漏地區之估算工具，最後得 精確計算出稻作的綠水足跡。具體研究目的如下： 針對蒸發散量和土地使用型態進行複迴歸分析，藉以了解蒸發散量與土地 使用型態之關係。 搭配與蒸發散量相關之氣象、NDVI 等因子，以逐步迴歸法建立蒸發散量 之解釋與推估模型，並驗證模型。 將前述蒸發散量迴歸模型推估結果進行時間及空間上之分析。 以 MOD16 蒸發散資料和逐步迴歸模型推估出蒸發散量估算稻作之綠水足 跡，比較並分析估算結果。2
第二章
研究方法
研究區域
承期中計畫以大範圍、純稻作且 MOD16 蒸發散資料完整之台東縱谷平原地 區─「台東縣之池上鄉、關山鎮及鹿野鄉」為例之成果得有效解決 MOD16 資料 在時間方面之限制，故進一步嘗試同時解決時間及空間之限制：擬尋找稻作生產 大範圍、且 MOD16 資料破碎之地區。根據前述條件選擇「臺中市」為研究區域 （如圖 2-1），臺中市因地理位置有大甲溪、烏溪（大肚溪）、大安溪等大河流域 經過，僅都會區及山區較無稻米栽種，灌溉便利，加上氣候適宜、土壤肥沃，適 合農業經營，年產量長年居臺灣 18 個生產稻米縣市中的前五名（臺中市政府主 計處，2015）。然因臺中市之農地生產，不全然以稻作生產為主，故將加入行政 院農業委員會農糧署之稻作分佈圖，使得稻作蒸發散量的迴歸模型將能以更精確 的樣本建立、並得知更精細的應推估範圍。研究材料
遙測影像估算所需資料 (一)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 公里，時間解析度則有 8 天、月和年。 MOD16 運用 Mu et al.（2011）基於 Penman-Monteith Algorithm 所改良的演算理 論，加入日夜差異考量、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；其計算成果經實測結果驗證為更加有效、準確，逐漸於全球 得到廣泛應用（Mu et al., 2013）。本研究採用 MOD16 月蒸發散資料，進行影像 預處理後才得以後續統計分析；以 2012 年 7 月為例、將全台及研究區域（裁切 河流部分）之 MOD16 處理成果顯示如圖 2-1。
3 (二)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 公尺， 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，然因本研究首要須判釋出農地部分，因 此將原定義 17 種土地覆蓋型態再重新定義為水體、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。 (三)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。 資料來源為台灣颱風洪水研究中心─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 公里解析度的網格資料。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, Braun and McQueen, 1995），亦已廣泛用於氣象資料內插的相關研究中（Avila, Dong, Menang, Rajczak, Renom, Donat, and Alexander, 2015；張偉、羅向欣、邵德民、王遠飛， 2013）。
(四)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 公尺，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。 (五)稻作分佈圖： 由行政院農業委員會提供之 2007 - 2012 年、一年 2 期的稻作種植分佈面積 調查，調查方式透過航照圖及人工現場調查，有助於將 MCD12Q1 土地覆蓋資料 分類為農地之成果更進一步判釋出稻作真實範圍。
研究方法
遙測影像估算蒸發散量(一)複迴歸分析（Multiple regression analysis）─逐步迴歸法
複迴歸分析用以探討一個依變數和多個自變數的函數關係，其表示式為： Y = 𝛽0+ 𝛽1𝑋1+ 𝛽2𝑋2+ ⋯ + 𝛽𝑛𝑋𝑛 (2. 1) 式中，Y為依變數，𝑋1,…, 𝑋𝑛為自變數，𝛽0為常數，𝛽1,…, 𝛽𝑛為迴歸係數。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）。故本研究將以蒸發散量為依
4 變數、氣象因子和 NDVI 為自變數，以逐步迴歸法篩選因子並建立稻作兩期蒸發 散量推估模型。 (二)模型驗證及分析 迴歸方程式之配合度 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。 樣本外預測 除前述迴歸模型之檢定，本研究亦參考經濟學中、時間序列分析常用之「擬 真樣本外預測（pseudo out-of-sample forecasting）」概念，簡稱「樣本外預測（out-of-sample forecasting）」。其概念將所擁有之 T 筆資料拆分為已知部分的 R 筆樣本 內資料（in-sample observations）─用以估計模型，另一為假設未知部分的 P 筆樣 本外資料（out-of-sample observations）─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，R+P=T，一般而言，樣本外資料佔全部資料之比例（P/T） 為 10%或 15%。樣本外預測受到重視之原因為其可以避免計量模型的過度配適 （over-fit）或是資料開發之濫用（data-mining）（陳旭昇，2013）。 估算綠水足跡 綠水足跡為「與生產相關之蒸發散量（ 𝑄𝑔1）」及「產品中所含水份（ 𝑄𝑔2） 」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（𝐸𝑇𝑐）」及「有效雨量（𝑃𝑒𝑓𝑓）」兩者中較小值計算之，稻作 綠水足跡𝑊𝐹𝑟𝑖𝑐𝑒,𝑔𝑟𝑒𝑒𝑛 [m3/ton]定義如下式：
𝑊𝐹
𝑟𝑖𝑐𝑒,𝑔𝑟𝑒𝑒𝑛=
10 × 𝑄𝑔1 × 𝐴 𝑌=
10 × 𝑀𝑖𝑛{𝐸𝑇𝑐,𝑃𝑒𝑓𝑓} × 𝐴 𝑌 (2. 2) 式中係數 10 是將水深[mm]轉換為每單位面積之水量[m3/ha]，ET c單位時間作物總蒸發散量[mm/period]，Peff為單位時間總有效雨量[mm/period]，Y 為作物產量
[ton]，A 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（𝐸𝑇𝑐）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）： 𝑃𝑒𝑓𝑓 = {𝑃𝑡𝑜𝑡𝑎𝑙× (125 − 0.2 × 𝑃𝑡𝑜𝑡𝑎𝑙)}/125 , 𝑃𝑡𝑜𝑡𝑎𝑙 ≤ 250𝑚𝑚 𝑃𝑒𝑓𝑓 = 125 + 0.1 × 𝑃𝑡𝑜𝑡𝑎𝑙 , 𝑃𝑡𝑜𝑡𝑎𝑙 > 250𝑚𝑚 (2. 3) 「產品中所含水份」因所佔比例甚低可忽略不計外，因此式(2.2)計算之成果即為 稻作生產所需之綠水足跡。
5
第三章
研究成果
遙測影像估算綠水足跡─以臺中市為例
複迴歸分析成果 (一)以逐步迴歸法建立臺中市稻作蒸發散量推估模型 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。在顯著水準 5%時，逐步迴歸分析成果如表 1、表 2， 兩期迴歸方程式如下式： 𝐸𝑇𝐶1 = −73.365 + 4.768 × 𝑋1+ 55.318 × 𝑋2+ 0.050 × 𝑋3 (3. 1) 𝐸𝑇𝐶2 = −75.556 + 4.857 × 𝑋1+ 47.372 × 𝑋2+ 0.028 × 𝑋3 (3. 2) 式中，𝐸𝑇𝐶1：一期稻作蒸發散量、𝐸𝑇𝐶2：二期稻作蒸發散量、𝑋1：溫度、𝑋2：NDVI、 𝑋3：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。 表 3- 1 臺中市一期及二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 .871 .759 .759 18.12894537 4032.084 .000 二期 .845 .714 .714 16.69068969 3159.227 .000 表 3- 2 臺中市一期及二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 .000 (常數) -75.556 1.690 .000 溫度 4.768 .094 .569 .000 溫度 4.857 .077 .636 .000 NDVI 55.318 1.941 .277 .000 NDVI 47.372 1.660 .267 .000 降水量 .050 .003 .181 .000 降水量 .028 .002 .164 .000 (二)逐步迴歸模型檢驗及分析 1.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。 2.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，亦同第一階段將資料拆分為 樣本內資料和樣本外資料。十年農地平均數量為 64 個網格，故依研究區域空間 樣態、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 3-1），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，準確率結果如表 3-3；兩期模型推估之整體準確6 率皆可達 70％以上，顯示以臺中市 MOD16 資料進行逐步迴歸之模型能相當地 推估 MOD16 高精度之蒸發散值。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，而 結果如表 3 顯示，兩期模型推估之整體準確率分別達到 84％及 81％，可證實以 2003 - 2012 年之樣本資料進行逐步迴歸分析建立之模型得利用在建立迴歸模型 所用樣本之外的年份。 表 3- 3 臺中市樣本外預測準確率（2003 - 2014 年） 準確率 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 一期 0.772 0.763 0.691 0.833 0.812 0.723 0.674 0.675 0.534 0.765 0.839 0.848 二期 0.806 0.818 0.760 0.817 0.841 0.823 0.709 0.705 0.646 0.817 0.840 0.785 圖 3- 1 臺中市樣本外資料 估算綠水足跡成果及繪製綠水足跡地圖 據綠水足跡定義式(2.2)，本研究比較各月份之作物蒸發散量（𝐸𝑇C1或𝐸𝑇C2） 與有效降水（𝑃𝑒𝑓𝑓），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（𝐶𝑊𝑈𝑔𝑟𝑒𝑒𝑛），輔以耕種面積及行政院農業委員會（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（𝑊𝐹𝑟𝑖𝑐𝑒,𝑔𝑟𝑒𝑒𝑛），成果如表 3-4 及圖 3-2 所示。 表 3- 4 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
7 圖 3- 2 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。將估算期間之一期及二期平均稻作綠水足跡 地圖繪製如下圖 3-3。 圖 3- 3 臺中市一期（左圖）及二期（右圖）平均稻作綠水足跡地圖（2007 - 2012 年） 推估結果之時間、空間分析 (一)時間分析 於研究期間之推估準確率趨勢如圖 3-4、圖 3-5，推估成果最差為 2011 年的
8 一期，六個月份推估準確率僅約為 0.53；其次為同年的二期，推估準確率約為 0.65。各月份準確率則是明顯在一月較為偏低，但仍不如以年期來看的 2011 年 差，每月份均落在 0.65 – 0.85 上下。 圖 3- 4 臺中市兩期逐年準確率 圖 3- 5 臺中市各月份準確率 分析前述 2011 年兩期推估準確率較差之原因為：2011 年全年的溫度及 NDVI 並無較明顯之歧異，但在整體的蒸發散值、降水量卻有較突出之差別。首先是平 均的蒸發散量，與往年相較、幾乎各月份都為十年內最低值、較平均值低約 10 – 30 mm；而另外在降水量方面，全年呈現低於 200 mm 的狀況，不若其他年在 春末、夏季或秋初會有較多的降水（梅雨或颱風等），即該年於西部、中部地區 為全年較缺水之狀態；故該年的蒸發散量整體偏低與降水量之劇減皆為使該年模 型推估準確度下降。 (二)空間分析 根據準確率將十年資料依研究區域之空間分佈進行統計，將推估準確率低於 0.7 和推估準確率低於 0.6 統計於表 3-5 中。樣本外資料之準確率實則分佈的相 當平均（網格編號見圖 3-1），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。臺中市 成果與期中之臺東地區成果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。
9 表 3- 5 準確率＜0.7 和準確率＜0.6 之空間統計結果 一期 二期 準 確 率 ＜ 0.7 低於 0.7 之格數/總格數：145/360 低於 0.7 之格數/總格數：103/360 準 確 率 ＜ 0.6 低於 0.6 之格數/總格數：90/360 低於 0.6 之格數/總格數：49/360 「臺東地區」與「臺中市」─兩試驗區稻作綠水足跡之比較 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下表 3-6 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 3-6 進行比較。 2 17% 6 17% 9 10% 15 19% 46 26% 57 11% 2 6 9 15 46 57 2 21% 6 12% 9 11% 15 14% 46 27% 57 15% 2 6 9 15 46 57 2 19% 6 18% 9 12% 15 13% 46 22% 57 16% 2 6 9 15 46 57 2 33% 6 8% 9 16% 15 6% 46 19% 57 18% 2 6 9 15 46 57
10 表 3- 6 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（m 3/ton） 799.1 574.3 平均稻作產量（ton/ha） 5.5 5.6 圖 3- 6 兩試驗區兩期平均綠水足跡地圖之比較（2003 – 2012 年） 首先可從表 3-6 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 3-6 亦可直觀的判斷出，在空間解 析度為 1 公里的網格分佈下，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： (一)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（𝐸𝑇𝐶）與有效降水（𝑃𝑒𝑓𝑓）之較小值；於表 3-6 中可見，臺東地區於一期平
11 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 3-7 之左圖，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）、姚佩萱等人（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 3-6 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 3-7 之右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。 圖 3- 7 二試驗區逐月雨量（左圖）及溫度（右圖）平均值趨勢圖（2003 – 2012 年） (二)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（花東製米有限公司，2013）； 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 3-6 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。
12
地面蒸發散量測與雨水收集實驗
本計畫除了利用遙測分法估算蒸發散之外，也設計一套系統可於地面監測蒸 發散量和雨量，藉此瞭解生活周遭的水資源狀態。本計畫利用逢甲大學理學院後 方草地為實驗區，透過雨水的收集以及草地上的蒸發散量測實驗，以測試系統之 穩定性，並實際估算水足跡。 實驗材料 實驗所需的器材如下： 1. A 型蒸發皿 2. 雨水收集裝置 1 組（用以量測降水量(mm)） 3. 日照計（型號 apogeeinstruments, JMP-200） 4. 風速計（型號 JWSD-L401） 5. 溫度計（型號 J-GUAN, JG-TH01，用以量測平均、最高、最低氣溫 (℃)） 6. 濕度計（型號 J-GUAN, JG-TH01，用以量測平均相對濕度(%)） 7. 水溫計（電子式溫度計） 實驗方法 (一)實驗設備裝置設計 設備設置方式與注意事項如下： 1. 設置雨水收集裝置，並放置量筒量測雨量 2. 水平設置蒸發皿並加入 190mm 的水 3. 在棚內設置無線溫濕度計、日照計，並利用膠帶封密交接部分，使用 空心磚加以固定地基部分，最後檢查是否有啟用 4. 在棚外設置風速計、風向計，並檢查接收端是否有接收到儀器訊號 5. 選擇設備擺設地點時需遠離樹木等不必要之干擾，並避免草地灑水系 統影響實驗進行 6. 風速計和風向計需擺設於空曠的地方，且勿與棚子距離太近，避免影 響數據。 (二)紀錄方法 1. 水溫水位晴天每 3 個小時記錄一次，雨天每 1 小時記錄一次 2. 日照計每二天 12 點鐘記錄一次兩天內的所有數據，共有 95 次數據 3. 無線溫濕度計、日照計每半小時紀錄一次 4. 棚外設置風速計、風向計每 10 分鐘紀錄一次 5. 溫溼度、風速風向為自動記錄，隨時檢查接收端之數據紀錄 6. 下雨時使用量筒量測雨水收集裝置中的雨水，量測完畢後之雨水需倒 至棚架外，避免影響實驗精準度 7. 風速過大時需注意避免棚架脫落的現象13
(三)蒸發散量計算
蒸發皿蒸發量(pan evaporation)由蒸發皿所測得之蒸發量稱之。可利用蒸發皿 蒸發量值的變化動向，來估算蒸發散量。蒸發皿勢能經驗（Pan factor equation, PF） 公式為探討夏季蒸發散特性所發展之經驗式，蒸發皿勢能經驗公式如下： ET=KP (蒸發皿係數)x Epan (蒸發皿蒸發散量(𝑚𝑚/𝑑)) (3. 1) 將上式中的 KP(蒸發皿係數)使用溫度係數 CT、日照係數 CW、溼度係數 CH、 風速係數 CS 替代，得到下式另一種
蒸發皿勢能經驗公式
： ET0= 0.755 × 𝐸𝑝𝑎𝑛 × 𝐶T × CW × CH × CS (3. 2) 其中，溫度係數 CT、日照係數 CW、溼度係數 CH、風速係數 CS 估算式如 下式 3.3 至式 3.6，將實驗所得數據 T(日平均溫度(℃))、U(平均風速)、RH(平均 相對濕度)、S(日照百分比(%))分別代入各估算式，再代入上述蒸發皿勢能經驗公 式求得蒸發散量。 CT = 0.862+0.179(T÷20)−0.041(T÷20)2 (3. 3) CW = 1.189−0.24(U÷1.86) +0.051(U÷1.86)2 (3. 4) CH = 0.449+0.62(RH÷60) +0.119(RH÷60)2 (3. 5) CS =0.904+0.008(S÷80) +0.088(S÷80)2 (3. 6) 實驗成果 根據研究方法，分別在 2016 年 7 月 23 至 29 日、2016 年 9 月 1 至 7 日，各七天的 時間於逢甲大學理學院後草皮，以蒸發散量測裝置進行實地量測實驗。兩次之 24 小時 監測結果如下表 1、2，表 3- 7 為 7 月份實驗成果，其日照時數及總日照時數皆採用中 央氣象局資料，且未做修正水面高之步驟；表 3- 8 為 9 月份實驗成果。 表 3- 9 七月份蒸發散量測實驗成果 紀錄 時間 溫度 (℃) 濕度 (%) 風速 (m/s) 日照時數 (hr) 可日照 時數(hr) 日照 百分比(%) 水面差 (cm) 蒸發皿 蒸發量 (mm/day) 7/23 37.3 51.00 49.82 8.6 13.45 0.6394 0.7 7 7/24 38.42 48.14 46.85 10.1 13.43 0.7520 0.5 5 7/25 36.6 53.96 57.82 10 13.40 0.7463 0.4 4 7/26 37.88 48.63 60.60 9 13.38 0.6726 0.6 6 7/27 38.83 50.01 74.04 10.6 13.38 0.7922 0.4 4 7/28 33.9 65.41 75.30 9.6 13.35 0.7191 0.2 2 7/29 38.54 48.20 40.97 8.4 13.35 0.6292 0.3 3 表 3- 10 九月份蒸發散量測實驗成果 紀錄 時間 溫度 (℃) 濕度 (%) 風速 (m/s) 日照 時數 (hr) 可日照 時數(hr) 日照 百分比(%) 水面差 (cm) 蒸發皿 蒸發量 (mm/day) 雨量 09/01 31.99 56.86 4.25 7 12.6 0.555556 0.3 3 0 09/02 29.7 68.65 4.14 10 12.58 0.793651 0.5 5 645 09/03 28.65 78.68 2.2 6 12.56 0.476948 0.1 1 41250 09/04 32.99 66.67 3.23 3 12.5 0.238854 0.3 3 2850 09/05 32.23 67.6 3.32 9 12.5 0.72 0.1 1 93200 09/06 28.5 77.82 3.32 5 12.5 0.4 0.2 2 4400 09/07 27.22 75.94 4.46 4 12.47 0.32 0.1 1 340014 將監測成果利用上一節蒸發散量計算之方式，先代入各運算式中求出溫度係 數、日照係數、溼度係數、風速係數，再進一步利用蒸發皿勢能經驗公式估算出 每日蒸發散量 ET0，如下表 3- 11。 表 3- 12 蒸發散量估算 第一次實驗成果 第二次實驗成果 日期 蒸發散量 ET0 日期 蒸發散量 ET0 7 月 23 日 71.668 9 月 1 日 0.881 7 月 24 日 56.173 9 月 2 日 1.465 7 月 25 日 48.922 9 月 3 日 0.315 7 月 26 日 44.933 9 月 4 日 0.904 7 月 27 日 93.212 9 月 5 日 0.300 7 月 28 日 20.233 9 月 6 日 0.595 7 月 29 日 20.240 9 月 7 日 0.291 成果分析 (一)氣象因子與蒸發散量之間的關係 下圖 3- 8 為 9 月 1 至 7 日之溫度、濕度與蒸發散量關係圖，從圖中可看出溫 度和濕度呈現負相關;溫度和蒸發散量則大致呈現正相關。表示當溫度低而濕度 大時，蒸發散量小，如圖中 9 月 3、6、7 日此三天最為明顯。 日 期 1/9/2016 2/9/2016 3/9/2016 4/9/2016 5/9/2016 6/9/2016 7/9/2016 溫度 ( o C) 26 27 28 29 30 31 32 33 34 濕度 (% ) 0.55 0.60 0.65 0.70 0.75 0.80 E T o (m m /d a y ) 0.2 0.4 0.6 0.8 1.0 1.2 1.4 1.6 Temperature Humidity ETo 圖 3- 9 溫度、濕度與蒸發散量關係圖
15 下圖 3- 10 為 9 月 1 至 7 日之風速、日照與蒸發散量的關係圖，由此圖可看 出日照百分比越高，蒸發散量越大，而此與風速也有些許正相關。 日 期(day) 1/9/2016 2/9/2016 3/9/2016 4/9/2016 5/9/2016 6/9/2016 7/9/2016 風 速 ( m /s ) 2.0 2.5 3.0 3.5 4.0 4.5 5.0 日照 (% ) 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 E T o (m m /d a y ) 0.2 0.4 0.6 0.8 1.0 1.2 1.4 1.6 風 速 日 照 ETo 圖 3- 11 風速、日照與蒸發散量關係圖 9 月 5 日為上述分析成果之例外，無論是日照、風速、濕度還是溫度，皆沒 有任何關連。在探討原因後了解可能是因人為誤差，如讀錯蒸發皿中之水量，或 是因雨量過大、棚子沒有架好等原因，造成實驗出現誤差。 下圖 3- 12 為 9 月 1 至 7 日之蒸發皿蒸發量與蒸發散量關係圖，可看出蒸發 散量與蒸發皿蒸發量呈現正相關的關係，當蒸發散量越大，蒸發皿蒸發量越大； 蒸發散量越小，蒸發皿蒸發量就越小。 日 期(day) 1/9/2016 2/9/2016 3/9/2016 4/9/2016 5/9/2016 6/9/2016 7/9/2016 蒸 發 量 (m m /d ) 0 1 2 3 4 5 6 E T o (m m /d a y) 0.2 0.4 0.6 0.8 1.0 1.2 1.4 1.6 蒸發 量 ETo 圖 3- 13 蒸發皿蒸發量與蒸發散量關係圖
16 (二)時間分析 下圖為七月和九月監測成果之溫度變化圖，由七天的實驗成果可知，七月份 溫度較九月份溫度高，七月平均溫度為 37.4 度，九月份平均溫度為 30.2 度。 圖 3- 14 七月、九月份溫度變化圖 下圖為七月和九月監測成果之濕度變化圖，由圖可知，九月份濕度皆較七月 份高，七月平均濕度為 52.2%，九月份平均濕度為 70.3%。 圖 3- 15 七月、九月份濕度變化圖 下圖為七月和九月監測成果之日照百分比變化圖，由圖可知，除第二天實驗 結果外，其餘六天之日照百分比皆以七月份較高。整體而言，七月平均日照百分 比為 70.7%，九月份平均日照百分比為 50%。 圖 3- 16 七月、九月份日照百分比變化圖 下圖為七月和九月監測成果之蒸發皿蒸發量變化圖，由圖可知，兩月份之第 二天與第六天實驗結果相同，整體而言，七月份蒸發皿蒸發量高於九月份，七月 平均蒸發皿蒸發量為 4.4 mm/day，而九月份平均蒸發皿蒸發量為 2.3 mm/day。 0 20 40 60 1 2 3 4 5 6 7 溫度 ℃ Day
溫度
7月溫度℃ 9月溫度(℃) 0 50 100 1 2 3 4 5 6 7 適度 (%) Day濕度
7月濕度(%) 9月濕度(%) 0 0.5 1 1 2 3 4 5 6 7 日照百分比 (%) Day日照百分比
7月日照百分比(%) 9月日照百分比(%)17 圖 3- 17 七月、九月份蒸發皿蒸發量變化圖 將七月和九月監測成果進行蒸發散量估算，並進一步做成蒸發散量 ET0 變化 圖，如下圖 3- 18。從圖可清楚看出，九月份蒸發散量曲線平緩且趨近於零，相 較之下，七月份蒸發散量變動幅度較大且皆大於九月份。整體而言，七月平均蒸 發散量為 50.8 mm/day，而九月份平均蒸發散量為 0.7 mm/day。 圖 3- 19 七月、九月份蒸發散量變化圖 綜合上述氣象因子分析與時間分析，可看出七月份因為並未降雨、日照時數 較長且濕度較低，導致七月份蒸發散量較高；而九月份雖然降雨較多，但是日照 時數較少且濕度較高，導致九月份蒸發散量較低。故可推知蒸發散量會因降雨、 日照時數、濕度等氣象因子影響其大小。 0 5 10 1 2 3 4 5 6 7
蒸發皿蒸發量
7月蒸發皿蒸發量(mm/day) 9月蒸發皿蒸發量(mm/day) 0 50 100 1 2 3 4 5 6 7 ET0(mm/day ) DayET0
7月ET0(mm/day) 9月ET0(mm/day)18
第四章
結論與建議
本研究有別過往計算綠水足跡的傳統方式，設計出以遙測產品─MOD16 蒸發 散監測資料結合複迴歸分析、估算稻作綠水足跡之方法，經臺中市之研究成果可 證實此套方法流程確實具可行性，在改善 MOD16 資料於時間及空間上之限制之 餘，亦能精確估算稻作的綠水足跡、繪製空間解析度達 1 平方公里的綠水足跡地 圖。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。 本研究以臺中市為研究範圍，是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。19
參考文獻
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.
Hoekstra, A. Y., Chapagain, A. K., Aldaya, M. M., & Mekonnen, M. M. (2011). The
Water Footprint Assessment Manual - Setting the Global Standard. UK:
Earthscan.
Mu, Q., Zhao, M., & Running, S. W. (2013). MODIS Global Terrestrial
Evapotranspiration (ET) Product (NASA MOD16A2/A3) - Algorithm Theoretical Basis Document Collection 5 Washington, DC: National
Aeronautics and Space Administretion.
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. 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?， 取用日期: 2015 年 12 月 10 日. 行政院農業委員會. (2008-2013). 農業統計年報. 李培芬. (2006). 台灣的自然資源與生態資料庫 III：農林漁牧. 臺北: 行政院農 委會林務局. 花東製米股份有限公司. (2013). 天生好農產 - 米的種類. http://www.naturalrice.com.tw/type.php. 取用日期: 2015 年 12 月 10 日. 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). 張元馨. (2011). 臺灣農業水足跡之估算－以稻作生產為例 臺北. 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。 陳旭昇. (2013). 時間序列分析--總體經濟與財務金融之應用. 臺北: 東華書局. 經濟部水利署. (2011). 水足跡概念推廣與先期研究. 臺北: 經濟部水利署. 臺中市政府主計處. (2015). 主計處市政統計簡析. 蕭文龍. (2007). 多變量分析最佳入門實用書-SPSS+LISREAL(SEM). 臺北: 基峰 資訊股份有限公司.
科技部補助專題研究計畫項下出席國際學術會議心得報告
日期： 105 年 7 月 19-22 日一、參加會議經過
本會議為全球華人化工學者探討化學工程最新科學研究及工程教育展望論壇，
一年在大陸、一年在海外輪流舉辦，筆者已第三次參加此研討會(前兩次為
2012 年在英國伯明罕大學及 2014 年在香科科技大學)。此一研討會所邀請海
內外化工學者所做大會演講(plenary lecture)或邀請演講者(invited speakers)均
為一時之選，代表目前化工領域內最傑出的研究，例如: 希臘做分子模擬很有
名之 Doros Nicolas Theodorou 教授、中國清華大學之 Zheng Liu 教授、德國漢
堡科技大學之 An-Ping Zeng 教授、美國伊利諾大學香檳分校化學及生物分子
工程之 Hong Yang 教授、美國德州 A&M 大學化學系之 Hongcai Joe Zhou 教
授、美國德拉瓦大學化學及生物分子工程之 Yushan Yan 教授、台灣大學化工
系李篤中及王大銘教授等人。在第一天(7/19)抵達加坡後在 NUS 報到，第二
天(7/20)即開始正式會議，早上新加坡國家水利署首席工程科技 Harry Seah 介
計畫編號
102-2621-M-004-005-MY3
計畫名稱
以農業永續發展為目標之水資源指標建立與評估
出國人員
姓名
林俊德
服務機構
及職稱
逢甲大學環境工程與科學系
助理教授
會議時間
105 年 7 月 19 日至
105 年 7 月 22 日
會議地點
新加坡國立大學 National
University of Singapore (NUS)
會議名稱
(中文)國際化學工程前沿展望論壇―第八屆全球華人化工學者研
討會
(英文) Frontiers in Chemical Engineering― 8
thGlobal
Chinese Chemical Engineering Symposium (GCCES 2016)
發表論文
題目
(中文)有機溶劑奈米薄膜支撐層之探討
(英文) Ingredients in Sandwich - Support Layer of Organic Solvent
Nanofiltration Membranes
紹薄膜科技及水處理在新加坡之成就與挑戰，接著由王大銘教授質傳與相分
離在控制薄膜形貌的重要性與角色。接著在五個會場平行進入分項議題包含：
(1) Chemical Engineering Science; (2) Biomolecular and Biomedical Science; (3)
Functional Materials; (4) Polymer Science and Engineering; (5) Molecular
Computations in Chemical Engineering. 下午則由希臘 Doros Nicolas Theodorou
教授說明多尺度分子模擬在高分子奈米覆材之研究後，繼續進入分項議題演
講。筆者之報告在第二天(7/20)下午，經過上午美國伊利諾大學 Hong Yang 教
授與德州 A&M 大學 Hongcai Joe Zhou 教授之精彩演講及上午場的分項議題後，
由中原大學薄膜中心李魁然教授所主持的(6) Membrane Technology 分項議題
之，筆者口頭報告目前研究室所合成之有機奈米薄膜(OSN)，與會學者共同討
論並給筆者一些寶貴的建議。第二天下午另外有三場大會演講，討論工業生
物觸媒、電化學與水溶液中吸附之熱力學參數，均十分精彩! 而在結尾 (7)
Chemical Engineering Education，諸多重量級化工學者及教授亦討論各國對現
今化學工程教育之問題與展望，這是筆者每次參加此一論壇，除了學術研究
之交流外，覺得最獲益匪淺的地方。第三天(7/21)的分項議題除了先前有的部
分，亦包括: (8) Chemical Engineering Processes and Systems; (9) Catalysis and
Reaction Engineering; 與(10) Environmental Benign Processes and Sustainability。
最後在 17:30 結束本屆會議，筆者也於隔日(7/23)回國。
二、與會心得
此一會議十分難能寶貴的是可以了解當今化工各領域重量級學者之尖端研究，
許多優秀的華人學術前輩對我有很多研究及教學方向的啟發，另外也連結海
內外相同領域的研究學者，昨為未來學術合作的契機。
三、考察參觀活動(無是項活動者略)
本次會議安排參觀新加坡一有名的生態花園叫 Garden by the Bay，是一個
很有生態共生概念的植物園，富含許多特有熱帶植物，未來台灣也可多建設
此一綠色建築工藝(使用回收水與智慧大氣循環系統)。
四、建議
無。
五、攜回資料名稱及內容
大會手冊一本。
六、其他
無。
科技部補助計畫衍生研發成果推廣資料表
日期:2016/12/29科技部補助計畫
計畫名稱: 以農業永續發展為目標之水資源指標建立與評估 計畫主持人: 林士淵 計畫編號: 102-2621-M-004-005-MY3 學門領域: 永續發展研究-人文及社會科學無研發成果推廣資料
102年度專題研究計畫成果彙整表
計畫主持人：林士淵 計畫編號：102-2621-M-004-005-MY3 計畫名稱：以農業永續發展為目標之水資源指標建立與評估 成果項目 量化 單位 質化 （說明：各成果項目請附佐證資料或細 項說明，如期刊名稱、年份、卷期、起 訖頁數、證號...等） 國 內 學術性論文 期刊論文 1 篇 鍾綉雯、吳治達、林士淵、林俊德、莊 永忠，2015，應用遙測技術與大氣環流 模式探討氣候變遷對台東集水區蒸發散 之影響，中華林學季刊，第49卷，第2期 ：101-116頁。 研討會論文 2 1.黃姿瑜、林士淵、林俊德、吳治達 ，2015，改進應用MOD16資料於估算稻作 蒸發散量之時空限制，第34屆測量及空 間資訊研討會，國立宜蘭大學：宜蘭縣 ，民國105年8月27日至28日。 2.黃姿瑜、林士淵、林俊德、吳治達 ，2015，應用遙測資料估算台東地區水 稻之綠水足跡，台灣地理資訊學會年會 暨學術研討會，逢甲大學：台中市，民 國105年6月29日至30日。 專書 0 本 專書論文 0 章 技術報告 0 篇 其他 0 篇 智慧財產權 及成果 專利權 發明專利 申請中 0 件 已獲得 0 新型/設計專利 0 商標權 0 營業秘密 0 積體電路電路布局權 0 著作權 0 品種權 0 其他 0 技術移轉 件數 0 件 收入 0 千元 國 外 學術性論文 期刊論文 1 篇已完成文章""An improved temporal adaptive estimation of green water footprint of rice based on MODIS data""並送至""Remote Sensing""期刊 ，不過因需要調整文章架構被退回，目 前正在修改中。
and Lin, C.-T., 2015. Estimation of green water footprint of rice
paddies in Tatung area using MODIS data. Proceedings, the 36th Asian Conference on Remote Sensing. Manila, Philippines. On CD Rom: 9 pages. 專書 0 本 專書論文 0 章 技術報告 0 篇 其他 0 篇 智慧財產權 及成果 專利權 發明專利 申請中 0 件 已獲得 0 新型/設計專利 0 商標權 0 營業秘密 0 積體電路電路布局權 0 著作權 0 品種權 0 其他 0 技術移轉 件數 0 件 收入 0 千元 參 與 計 畫 人 力 本國籍 大專生 6 人次 碩士生 2 博士生 0 博士後研究員 0 專任助理 0 非本國籍 大專生 0 碩士生 0 博士生 0 博士後研究員 0 專任助理 0 其他成果 （無法以量化表達之成果如辦理學術活動 、獲得獎項、重要國際合作、研究成果國 際影響力及其他協助產業技術發展之具體 效益事項等，請以文字敘述填列。） 一般透過綠水蒸發散量之估算即可代表該產品之單位綠水 足跡，而MODIS 提供之全球地表蒸發散監測資料 （MOD16）即具有高精度、涵蓋面積廣闊且長期監測之優 勢，然該產品在取得時間上不具立即性，在空間方面，亦 有部分地區缺漏、解析度較低之限制。透過本計畫的持續 實驗，經過臺東市與臺中市的實際驗證，已證明可以克服 前述問題，此成果對於欲了解臺灣稻作之農業用水中長期 被忽略的綠水足跡，提供了有效且即時的解決策略，個人 認為這是本計畫至目前為止非常有價值的成果。
