應用不同尺度衛星影像於監測台灣內陸水體水質之研究

(1)

中華大學博士論文

應用不同尺度衛星影像於監測台灣內陸水體水質之研究

Application of Various-scale Satellite Images to Inland Water Quality Monitoring in Taiwan

系所別：土木與工程資訊學系博士班學號姓名：D09404008 王泰盛

指導教授：陳莉教授

中華民國九十九年八月

(2)

中文摘要

水庫是目前台灣內陸最主要儲存水資源之處，然而近年受暖化影響，極端氣候現象改變了水庫之運作型態與水體之營養狀態，但水庫水質亦攸關供水品質，故需發展能長時期連續監測水庫水體變化之有效方法。水質遙測技術（Water Quality Remote Sensing Technology）是利用衛星影像能大範圍地反映出水庫區域之時空變化，有無需到達現地勘查與節省成本之優點，可成為一個快速且大面積的監測水體方法。然而各衛星有不同之功能特性，且所提供之影像亦有不同之尺度（Scale），即空間解析度

（Spatial Resolution）與再訪率（Revisit Rate），即時間解析度（Temporal Resolution）

之差異。本論文第一部份為探討不同尺度衛星影像對觀測內陸水體之影響，選取北台灣較大型之翡翠水庫與石門水庫為研究區域，利用Formosat-2、SPOT-4、Landsat-7、

Terra 等衛星所分別提供 8 m、20 m、30 m 與 250 m 等之尺度影像，以葉綠素-a

（Chlorophyll-a, Chl-a）、總磷（Total Phosphorus, TP）、懸浮固體（Suspended Sediment, SS）、濁度（Turbidity, TB）與透明度（Secchi Disk Depth, SDD）等水質參數為研究對象，並使用多元線性迴歸（Multiple Linear Regression, MLR）、類神經網路（Artificial Neural Network, ANN）與遺傳運算樹（Genetic Algorithm of Operation Tree, GAOT）

等方法，分別建立各尺度影像之光譜波段（紅光波段與近紅外光短波段）與現地水質之預測模式，且分析其模式之精確度，最後再以外推全域水庫之水體變化，另亦探討模式加入由紅光波段與近紅外光波段所組成之常態化差異植生指標（Normalized Difference Vegetation Index, NDVI）之可行性。研究結果顯示遺傳運算樹有較佳建構水質預測模式之能力，且發現以小尺度（8 m）影像監測葉綠素-a、總磷與濁度有較佳之表現；以中尺度（20 m & 30 m）則為懸浮固體與濁度；而以大尺度（250 m）均表現最差，但各尺度影像監測透明度均有不錯之穩定性。此外加入常態化差異植生指標之變數可改善MLR 與 ANN 於建立 SS 與 TB 預測模式上之準確度，說明常態化差異植生指標能提供水體於衛星影像上之反映資訊。本論文第二部份為提高對內陸水體

(3)

之觀測頻率，使用遺傳運算樹建構不同水質參數於各尺度影像下，有高相關性之最佳組合波段型式，再以此型式亦利用遺傳運算樹建立不同兩尺度影像間之數據同化模式

（Data Assimilation Model）。經研究案例顯示，各水質參數於尺度250 m 與 20 m 之影像間進行數據同化作用，其濃度變化能成功地呈現於新尺度20 m 之影像上。因此本論文研究應用遺傳運算樹方法能將大尺度影像之高時間解析度結合小尺度影像之高空間解析度，此技術能增加觀測水庫水質變化之次數，以維護水質與達到永續經營，

亦可提供長時期連續監測內陸水體變化之資訊。

關鍵字：水質遙測、尺度、遺傳運算樹、常態化差異植生指標、數據同化

(4)

ABSTRACT

The reservoirs are the major storage of water resource in Taiwan. However, due to global warming, the phenomenon of extreme climate changes the operation of the reservoir and the water quality in the reservoir. A long-term and continuous monitoring of water quality in the reservoir is necessary since the water quality in reservoir directly affect the quality of water supply. Remote sensing technology in water quality is to use the satellite images that reflect a wide range of spatial and temporal changes in open water area and has the advantages of saving time and money in field survey, and therefore is a fast and large area monitoring method of water. Nevertheless, satellites with difference in scales, spatial resolution, and temporal resolution provide different functions. The first part of this thesis discussed impacts of observations with various-scale satellite images on inland water and selected two larger reservoirs, the Feitsui Reservoir and Shihmen Reservoir in northern Taiwan as the study area. The Formosat-2, SPOT-4, Landsat-7 and Terra satellites which provide 8 m, 20 m, 30 m and 250 m resolution images respectively, were used to study the chlorophyll-a (Chl-a), total phosphorus (TP), suspended sediment (SS), turbidity (TB) and secchi disk depth (SDD). The multiple linear regression (MLR), artificial neural network (ANN) and genetic algorithm of operation tree (GAOT) were used to establish the predictive models of various-scale images between the spectrum bands (Red and NIR) and the in situ water quality. In addition, the feasibility of adding normalized difference vegetation index (NDVI) to the red and NIR bands were discussed. The results showed that GAOT provides a better predictive method in water quality. Also found that the small-scale (8 m) images had better performance in monitoring the Chl-a, TP and TB, while middle-scale (20 m and 30 m) images performed better in SS and TB, and large-scale (250 m) images were the worst. Yet the SDD results were stable with various scale images.

(5)

Moreover, adding the NDVI to the predictive models that established by MLR and ANN improved the accuracy in SS and TB. It is because that NDVI offer additional reflective information of water. The second part of this thesis focused on improving the observational frequencies by taking advantage of all the over-passing satellites. Various water quality parameters were constructed using the GAOT to find the optimal combination and structure of various bands. Then, these combination and structure were used to establish the data assimilation model by GAOT among different scale images. The studied case showed implementing the data assimilation was successfully presented the concentration of various water quality parameters to the new 20 m’s image between the 250 m’s image and the 20 m’s image. In this thesis, the large-scale images of high temporal resolution and the middle-scale images of high spatial resolution can be combined using GAOT. This method increases the observational frequencies of water quality parameters and provides the information of long-term continuous monitoring of inland water.

Keywords: Water Quality Remote Sensing, Scale, GAOT, NDVI, Data Assimilation

(6)

誌謝

幸蒙恩師陳莉教授於研究所與博士班這七年來的提攜與指導，讓學生在這遙測研究領域上學習到許多知識，並培養學生獨立研究的精神，以從中找尋研究的方向，

故方能使本論文得以順利進行；由於恩師在學業及待人處事的傾囊相授，使得學生獲益匪淺，在此致上最衷心的敬意與感謝。

在研究資料上，感謝財團法人農業工程研究中心資訊組的譚智宏博士提供本論文相關衛星影像，並提供學生許多研究上之的方法與建議。另亦由衷感謝文化大學土地與資源學系的葉惠中老師的細心教導，在研究期間給予相關研究知識，方能使本論文得以順遂完成，謹致謝忱。

論文口試期間，承蒙口試委員葉克家教授、葉怡成教授、雷祖強教授、高樹基博士與譚智宏博士，提供諸多寶貴的意見與建議，使本論文更加嚴謹與完整，對於諸位委員的關照與指正，在此謹致衷心的謝意。

研究期間，感謝助理雪蘭與婷婷的大力幫忙，協助學生順利完成相關圖表的建置，亦感謝學弟祐竹與克穎在研究期間的相互扶持與幫忙，還有所有關心我的師長與同學們，在此一併致謝。

求學期間感謝父母、姊姊與妹妹在生活上與精神上的支持與關心，特別感謝父母辛勤的工作，方能讓我無後顧之憂，專心於學業上，最後獻上我的論文給予大家一起來分享這份榮耀與成就。

(7)

目錄

中文摘要

...i

ABSTRACT ...iii

誌謝 ...v

目錄 ...vi

表目錄 ...x

圖目錄 ...xiv

第一章前言 ...22

1.1 研究背景 ...22

1.1.1 台灣暖化效應 ...22

1.1.2 水庫暖化效應 ...24

1.1.3 水質遙感探測 ...26

1.2 研究方向 ...29

1.3 研究目的 ...31

1.4 研究架構 ...31

1.5 研究貢獻 ...33

第二章文獻回顧 ...35

2.1 遙測理論 ...35

2.1.1 光譜反應曲線 ...35

2.2 遙測技術 ...42

2.3 遙測衛星 ...43

2.3.1 遙測衛星歷史 ...43

2.3.2 遙測衛星分類 ...44

2.4 衛星影像校正 ...47

2.4.1 幾何校正 ...47

(8)

2.4.2 輻射校正 ...49

2.5 水質遙測原理 ...52

2.6 水質遙測之應用 ...54

2.6.1 內陸水質參數 ...54

2.6.2 水質遙測分析 ...57

2.7 水質遙測之成果 ...63

2.7.1 單波段因子 ...64

2.7.2 組合波段因子 ...73

第三章研究方法 ...80

3.1 統計迴歸 ...80

3.1.1 簡單線性迴歸 ...81

3.1.2 多元線性迴歸 ...81

3.2 類神經網路 ...82

3.2.1 倒傳遞類神經網路 ...84

3.2.2 變數尺度化與反尺度化 ...89

3.3 遺傳演算 ...91

3.3.1 遺傳演算之三大運算元 ...92

3.3.2 菁英策略 ...96

3.3.3 結束規則 ...97

3.3.4 遺傳運算樹 ...99

3.3.5 運算樹修剪技術 ...101

3.4 數據同化 ...102

3.5 預測結果分析 ...103

3.5.1 相關係數 ...103

3.5.2 判定係數 ...104

(9)

3.5.3 均方根誤差 ...104

3.6 模式結果分析 ...105

3.6.1 敏感度分析 ...105

3.6.2 技術得分 ...106

第四章研究區域 ...108

4.1 區域背景 ...108

4.1.1 翡翠水庫 ...109

4.1.2 石門水庫 ... 110

4.2 現地資料 ... 111

4.2.1 翡翠水庫 ... 111

4.2.2 石門水庫 ... 114

4.2.3 水質資料 ... 116

4.3 影像資料 ... 117

第五章研究案例 ...122

5.1 衛星影像監測尺度 ...123

5.1.1 研究動機 ...123

5.1.2 研究目的 ...125

5.1.3 研究方法 ...125

5.1.4 研究流程 ...132

5.1.5 案例分析 ...134

5.2 衛星影像觀測頻率 ...247

5.2.1 研究動機 ...247

5.2.2 研究目的 ...248

5.2.3 研究方法 ...249

5.2.4 研究流程 ...251

(10)

5.2.5 案例分析 ...253

第六章結果討論 ...266

6.1 衛星影像監測尺度 ...266

6.2 衛星影像觀測頻率 ...267

第七章結論建議 ...269

7.1 結論 ...269

7.2 建議 ...270

第八章參考文獻 ...272

附錄

A ...284

A.1 學經歷 ...284

A.2 著作目錄表 ...285

(11)

表目錄

表1-1 1996～2008 年間本島 21 座主要水庫優養程度之水庫數與百分比 ... 25

表1-2 衛星遙測與傳統方法之比較及成本效益評估... 27

表2-1 電磁波譜於不同波長單位之名稱... 38

表2-2 常見的波段之不同特性... 39

表2-3 不同光譜波長之用途特性... 41

表2-4 不同之遙測系統與地表之距離... 45

表2-5 不同之衛星系統與光譜影像之區分... 46

表2-6 光譜影像具備之解析度形式... 46

表2-7 衛星軌道繞行方式會依不同之用途而有所差異... 47

表2-8 國內外常見於內陸水體中現地採樣之水質參數... 54

表2-9 常見利用水質遙測於監測之水質參數... 55

表2-10 水質採樣與衛星影像通過時間之差異比較表 ... 61

表2-11 單一參數營養狀態指標（TSI）與卡爾森營養狀態指標 ... 62

表2-12 卡爾森營養狀態指標之判定標準 ... 62

表2-13 單一參數營養狀態指標之判定標準 ... 63

表2-14 經濟合作與發展組織水體營養狀態指標之判定標準 ... 63

表2-15 常見主要水質參數與光譜反射率之關係 ... 63

表2-16 MODIS 與 Landsat TM 在監測透明度度上之結果比較... 65

表2-17 預測葉綠素-a 與透明度之結果 ... 66

表2-18 線性迴歸與類神經網路預測葉綠素-a 與懸浮固體之結果 ... 66

表2-19 水質參數之判定係數 ... 67

表2-20 遺傳規劃與迴歸評估葉綠素-a 之比較表 ... 67

表2-21 SPOT 之三個波段光譜值於線性迴歸法分析結果 ... 69

(12)

表2-22 使用 LMR 和平行式 GEGA 評估葉綠素-a 之結果 ... 70

表2-23 監測曾文水庫之葉綠素-a 與懸浮固體之結果 ... 71

表2-24 分析結果表 ... 71

表2-25 水質與波段之相關性 ... 76

表2-26 前人研究於 SDD 之結果 ... 77

表2-27 前人研究於 Chl-a 之結果 ... 78

表2-28 前人研究於 SS 之結果... 78

表3-1 遺傳演算與原始問題之專有名詞對應表... 91

表4-1 翡翠水庫水質監測採樣點之位置表... 112

表4-2 石門水庫水質監測採樣點位置表... 115

表4-3 常見水庫之採樣水質參數... 117

表4-4 各衛星之比較表... 119

表4-5 衛星影像與現地採樣之日期差異SDD 比較表 ... 119

表4-6 衛星影像與現地採樣之日期... 120

表4-7 各尺度之像元DN 值對照表 ... 121

表5-1 AISA、TM、AVHRR 與 MODIS 之結果比較 ... 124

表5-2 倒傳遞類神經網路模式加入NDVI 前後之參數設定差異 ... 129

表5-3 運算元之基因編碼方法... 130

表5-4 運算子之基因編碼方法... 130

表5-5 遺傳演算於運算樹中之參數設定... 132

表5-6 空間解析度-8 m 之影像資料表... 134

表5-7 各水質參數於空間解析度-8 m 之統計表... 136

表5-8 各水質參數於空間解析度-8 m 之相關係數表... 136

表5-9 各水質參數之預測模式分析表... 143

(13)

表5-13 各水質參數之預測模式分析表 ... 157

表5-22 ANN 與 GAOT 模式相對於 MLR 模式之尺度 8 m 改善率... 233

表5-26 MLR 反演不同尺度影像上之各水質參數之優劣表 ... 247

表5-27 ANN 反演不同尺度影像上之各水質參數之優劣表 ... 247

表5-28 GAOT 反演不同尺度影像上之各水質參數之優劣表 ... 247

表5-29 運算元之基因編碼方法 ... 250

表5-30 運算子之基因編碼方法 ... 250

表5-31 各尺度影像資料之樣本數 ... 253

表5-32 Chl-a 之組合波段型式與各尺度之波段之相關性 ... 254

表5-33 TP 之組合波段型式與各尺度之波段之相關性 ... 255

表5-34 SS 之組合波段型式與各尺度之波段之相關性... 256

表5-35 TB 之組合波段型式與各尺度之波段之相關性 ... 257

(14)

表5-36 SDD 之組合波段型式與各尺度之波段之相關性 ... 258 表5-37 空間解析度-250 m 與空間解析度-20 m 之影像資料表 ... 259 表5-38 各水質參數於最適尺度之組合波段型式之相關性 ... 265

(15)

圖目錄

圖1-1 衛星執行於不同觀測任務所需之要求... 28

圖1-2 研究之架構圖... 34

圖2-1 光線之穿透、反射、散射與吸收作用之示意圖... 35

圖2-2 大氣窗示意圖... 36

圖2-3 光線經玻璃菱鏡折射之示意圖... 37

圖2-4 可見光之範圍... 38

圖2-5 光譜分佈圖... 39

圖2-6 樹葉之光譜反應曲線... 40

圖2-7 不同物體之光譜反應曲線... 41

圖2-8 感測器接收地表目標物反射能量圖... 42

圖2-9 遙測技術始於戰時偵察所用... 44

圖2-10 遙測早期所拍攝之田園影像 ... 44

圖2-11 利用 ERDAS Imagine 軟體進行之幾何校正圖... 48

圖2-12 影像前處理之流程圖 ... 50

圖2-13 DN 值於大氣校正前後之變化 ... 51

圖2-14 利用 EKO Sun-photometer 量測現地之波長反射率之變化 ... 52

圖2-15 清水、葉綠素與有色之溶解性有機物在不同波長處之吸收光譜 ... 58

圖2-16 歷年衛星監測內陸和近海水體水質之研究 ... 64

圖2-17 前人於不同感測器之波段對於透明度的研究結果 ... 65

圖2-18 遺傳規劃法評估永和山水庫葉綠素-a 濃度之分佈狀況 ... 68

圖2-19 透明度與 TM 3 波段之關係 ... 69

圖2-20 翡翠水庫之衛星影像與現地水質採樣點 ... 70

圖2-21 平行式 GEGA 評估翡翠水庫葉綠素-a 濃度之分佈狀況... 70

(16)

圖2-22 翡翠水庫之濁度推估圖 ... 72

圖2-23 分析統計圖 ... 74

圖2-24 分析統計圖 ... 74

圖2-25 波段與水質之關係矩陣表 ... 75

圖2-26 以 SPOT 衛星影像推估永和山水庫之 CTSI 程度... 76

圖3-1 人工神經元模型之示意圖... 83

圖3-2 倒傳遞類神經網路之架構圖... 86

圖3-3 倒傳遞類神經網路之轉換函數... 87

圖3-4 倒傳遞類神經網路之模型圖... 89

圖3-5 輸出變數之尺度化... 90

圖3-6 倒傳遞類神經網路之流程圖... 91

圖3-7 交換方式之示意圖... 94

圖3-8 突變方式之示意圖... 95

圖3-9 原始問題與遺傳演算之關係... 96

圖3-10 遺傳演算之流程圖 ... 98

圖3-11 邏輯規則型態之運算樹示意圖 ... 100

圖3-12 迴歸規則型態之運算樹示意圖 ... 100

圖3-13 遺傳運算樹之建構樹狀圖 ... 101

圖3-14 測試例之架構圖 ... 102

圖3-15 水體物質、表觀與固有光學特性間之關係示意圖 ... 107

圖4-1 研究區域之位置圖... 108

圖4-2 翡翠水庫供給大台北地區水源之分佈圖... 110

圖4-3 石門水庫供給大桃園地區水源之分佈圖... 111

圖4-4 翡翠水庫水質監測採樣點之位置圖... 112

圖4-5 翡翠水庫歷年水域各站表水之平均pH 值 ... 113

(17)

圖4-6 翡翠水庫歷年水域各站表水之平均CTSI 值 ... 113

圖4-7 翡翠水庫歷年水域表水平均之溫度與藻類數... 114

圖4-8 石門水庫水質監測採樣點位置圖... 114

圖4-9 石門水庫歷年水域各站表水之平均pH 值 ... 115

圖4-10 石門水庫歷年水域各站表水之平均 CTSI 值 ... 116

圖4-11 環境觀測衛星之空間解析度與時間解析度之分類圖 ... 118

圖5-1 各種不同感測器之空間解析度... 124

圖5-4 五層遺傳運算樹之示意圖... 130

圖5-5 研究之流程圖... 133

圖5-6 空間解析度-8 m 之訓練範例影像圖... 135

圖5-7 空間解析度-8 m 之測試範例影像圖... 136

圖5-8 GAOT 建構 Chl-a 之優化圖 ... 139

圖5-9 GAOT 建構 TP 之優化圖 ... 139

圖5-10 GAOT 建構 SS 之優化圖... 140

圖5-11 GAOT 建構 TB 之優化圖... 140

圖5-12 GAOT 建構 SDD 之優化圖 ... 141

圖5-15 Chl-a 於 MLR、ANN 與 GAOT 之散佈圖... 144

圖5-16 TP 於 MLR、ANN 與 GAOT 之散佈圖 ... 145

圖5-17 SS 於 MLR、ANN 與 GAOT 之散佈圖 ... 146

圖5-18 TB 於 MLR、ANN 與 GAOT 之散佈圖... 147

圖5-19 SDD 於 MLR、ANN 與 GAOT 之散佈圖... 148

(18)

(19)

圖5-61 Chl-a 內各因子與各方法間輕重關係之敏感度分析 ... 193

圖5-62 Chl-a 內各因子與各方法間優劣關係之敏感度分析 ... 194

圖5-69 TP 內各因子與各方法間輕重關係之敏感度分析 ... 201

(20)

圖5-70 TP 內各因子與各方法間優劣關係之敏感度分析 ... 202

圖5-77 SS 內各因子與各方法間輕重關係之敏感度分析... 209

圖5-78 SS 內各因子與各方法間優劣關係之敏感度分析... 210

圖5-85 TB 內各因子與各方法間輕重關係之敏感度分析 ... 217

圖5-86 TB 內各因子與各方法間優劣關係之敏感度分析 ... 218

圖5-93 SDD 內各因子與各方法間輕重關係之敏感度分析 ... 225

圖5-94 SDD 內各因子與各方法間優劣關係之敏感度分析 ... 226

(21)

圖5-101 各尺度下翡翠水庫與石門水庫之整體葉綠素-a 之變化圖 ... 235

圖5-102 各尺度下翡翠水庫與石門水庫之整體總磷之變化圖 ... 235

圖5-103 各尺度下翡翠水庫與石門水庫之整體懸浮固體之變化圖 ... 236

圖5-104 各尺度下翡翠水庫與石門水庫之整體濁度之變化圖 ... 236

圖5-105 各尺度下翡翠水庫與石門水庫之整體透明度之變化圖 ... 237

圖5-116 MLR 於各尺度下翡翠水庫之整體營養程度之變化圖 ... 244

圖5-117 ANN 於各尺度下翡翠水庫之整體營養程度之變化圖 ... 245

圖5-118 GAOT 於各尺度下翡翠水庫之整體營養程度之變化圖 ... 246

圖5-119 四層遺傳運算樹之示意圖 ... 250

(22)

圖5-120 研究流程圖 ... 252 圖5-121 Chl-a 之組合波段型式 ... 254 圖5-122 TP 之組合波段型式 ... 255 圖5-123 SS 之組合波段型式... 256 圖5-124 TB 之組合波段型式 ... 257 圖5-125 SDD 之組合波段型式 ... 258 圖5-126 數據同化運算之架構圖 ... 259 圖5-127 相對尺度 20 m 之 Chl-a 影像圖 ... 260 圖5-128 相對尺度 20 m 之 TP 影像圖 ... 261 圖5-129 相對尺度 20 m 之 SS 影像圖... 262 圖5-130 相對尺度 20 m 之 TB 影像圖... 263 圖5-131 相對尺度 20 m 之 SDD 影像圖 ... 264

(23)

第一章前言

1.1 研究背景

近幾年來受到暖化影響，極端氣候席捲全球，從乾旱（Drought）、淹水（Flooding）、沙塵暴（Sandstorm）到海平面上升等，各種氣候異常現象，讓世界各國不得不面對真相。在 2009 年聯合國氣候會議（UN Climate Change Conference 2009）於丹麥

（Denmark）首都哥本哈根（Kopenhagen）舉辦氣候變遷（Climate Change）第十五次締約國大會（the 15^th Conference of the Parties, COP 15），共商對抗暖化問題，達成減量溫室氣體（Greenhouse Gas, GHG）之共識。雖然沒有直接證據說明二氧化碳（CO2）的增量就是造成氣候變遷的主因，但溫室氣體的增加確會造成暖化的效應，且許多主流科學家相信，全球暖化效應跡象已經出現。

隨著全球各國商討減少溫室氣體之排放量以對抗暖化之速度，然而台灣溫室氣體之CO2排放量的確一直逐年在增加，有研究報導指出近20 年來，台灣的人均碳排放量增加2.5 倍，且由中央氣象局（Central Weather Bureau, CWB）1995 年在蘭嶼（Lanyu）

氣象站增設背景大氣監測，結果顯示14 年來台灣地區 CO2約增加6 %，這說明台灣亦參與其中。因此台灣近年之氣候與環境亦正遭受暖化侵襲而有所改變。

1.1.1 台灣暖化效應

國內學者研究指出，台灣近 30 年來四季之暖化強度出現百年以來的明顯差異，每10 年統計一次平均值，增溫幅度由小至大依序是夏季 0.11 ℃，秋季 0.24 ℃，

春季0.30 ℃，冬季 0.44 ℃，其中冬季增幅是夏季的 4 倍，顯示暖化最為嚴重。行政院環境保護署（Environmental Protection Administration, EPA）研究報告亦指出，

1979～2008 年間台灣暖化速度極快，平均每 10 年增加 0.23～0.4 ℃，且中央研究院（Academia Sinica）環境變遷中心研究（Environmental Change Research Center,

(24)

RCEC）指出，台灣過去 50 年間，白天平均溫度幾乎沒有增加，夜間平均溫度卻增加1 ℃，其因素是受到都市化（Urbanization）之熱島效應（Heat Island Effect），造成溫度上升，以及引發空氣污染之懸浮微粒（Suspended particulate），即為氣膠

（Aerosol），白天可適度反射部分日照，使白天增溫減緩，而夜間透過反射釋放一些熱能，導致增溫之效果（Liu et al., 2009）。

台灣是個海島國家，位於亞熱帶與熱帶交接處，水資源全依靠降雨，但台灣地區降雨的時空分布極為不均，加上氣候異常現象近年來規模愈大，頻率變多，根據 CWB 預報中心指出，西北太平洋平均每年約發生 23 個颱風，侵襲台灣約有 3.5 個，

占總數之1/6～1/7 間。但近 30 年來颱風個數每 10 年增加 0.3 個，說明除侵襲台灣機會增多外，RCEC 研究亦表示每年颱風帶給台灣 40 %之雨量，前 10 %強降雨量幾乎來自颱風。然而在暖化效應下，颱風引發之強降雨量會比過去45 年增強 1 倍，

其預估未來20 年內台灣颱風之暴雨可能增加 3 倍（Liu et al., 2009）。RCEC 亦統計台灣1961～2005 年間之降雨資料研究發現，全球溫度約增加 0.7 ℃，台灣前 10 % 之強降雨在此45 年增加 100 %，而弱降雨減少 1 倍。故預測全球溫度每增加 1 ℃，

台灣前10 %之強降雨會增加 140 %，而前 10 %之弱降雨則會減少 70 % （Liu et al., 2009），類似極端降雨之情況將會更嚴重，水災與土石流等災害將對台灣形成更大的威脅。

雖然台灣降雨量年平均雨量約為2,000 mm，為全球平均降雨量之 2.6 倍，但因河川短而水流湍急，且地狹人稠與人口密度高等，導致台灣水資源越趨匱乏（郭振泰等，2008）。依目前世界標準，台灣是全世界排名第 18 的缺水國，由於受到地區、季節分布不均的影響，每人每年所分配的雨量僅及世界平均值的1/7 左右，實際分配到的水量有限（杜承潔等，2009）。未來台灣將面臨夏秋需防颱防洪，春冬需抗旱，故應儘速做好完善之國土規劃以及須思索擬出因應環境變遷的水利政策與工程，且更須加強應對氣候風險之能力，努力適應氣候變遷之環境，以提高糧食產量，並保護耕地與水源，使水土資源能達到永續之利用。

(25)

1.1.2 水庫暖化效應

一般而言石油與煤燃燒會導致 CO2 的排放，但中山大學研究發現，河流亦會排放CO2到空氣中，且全世界約40 %的河流上有水庫，當河水蓄積在水庫中，深水內缺乏氧氣（Oxygen），有機質就會分解出 CO2、CH4與氧化亞氮（Nitrous Oxide）

等氣體釋放至空氣中，其中水庫釋放之 CO2 排放量甚至大於火力發電廠。若以台灣約主要的20 個水庫，溫室氣體之排放量亦超過想像，CO2含量的濃度，約在2,000

～4,000 ppm 之間，比起正常空氣、水表中的 375 ppm，高出 6～10 倍，以翡翠水庫為例，其CO2排放量更高達 8,000 ppm，是其 20 倍，故興建水庫會引起更嚴重的溫室效應（陳鎮東，2006）。然而中央大學研究指出，蒐集全球近三萬座水庫儲水量統計，發現過去50 多年來，約有 10,800 km³的水被截留在水庫裡，約等同大氣中所有的水含量，這些龐大水量若流入大海，足以讓全球海平面上升 3 cm，這說明人類多年來陸續建造的水庫，實際上減緩全球海平面的上升。另研究數據顯示，若不是水庫的關係，20 世紀後半全球海平面上升量，將是 13 cm，而非目前約 10 cm 的觀測數值，且海平面近 80 年來每年上升速度並非是 0.18 cm，而是 0.25 cm

（Chao, 2008），其研究結果不僅確認水庫的確影響海平面上升，且海平面上升趨勢比想像中還要快。因此水庫存在與否皆已成為參與全球暖化之角色之一。

上述說明在全球暖化效應下，台灣實際已置身其中，改變了水庫運作狀態，如北部石門水庫等，因上游崩塌沖刷劇烈與庫區泥沙淤積嚴重，每當強降雨發生，易造成濁度（Turbidity, TB）升高現象而影響供水。另 2009 年莫拉克（Morak）颱風所帶來之強降雨，亦造成南部如曾文水庫與南化水庫等嚴重泥沙淤積，使其蓄水量降低而影響蓄水與供水。此外亦改變水庫水質狀態，根據2010 年 EPA 統計於 1996

～2008 年間所監測之 21 座台灣主要水庫，進行水質狀況之分析與比較，其報告指出2007 年水庫水質較 2006 年為佳，優養（Eutrophic）等級水庫由 8 座減為 5 座，

且優養比例為歷年最低25 %（EPA, 2010），但自 2001～2006 年間，一年中約有半年時間達到優養程度之水庫比例皆超過40 %以上，若自 1997～2006 年間，有超過

(26)

35 %以上，如表 1-1 所示。其中北部之寶山水庫與南部之白河水庫、鏡面水庫、阿公店水庫、澄清湖水庫及鳳山水庫等仍常呈現優養狀態，顯示南部水庫水質可能受環境變遷影響較大，加上暖化使溫度上升，這些水庫易使藻類（Algae）長期處在合適繁殖之環境下，造成優養化（Eutrophication）現象，更嚴重會發生藻華（Bloom）

現象而影響水庫水質。

因此暖化造成溫度上升，引起極端降雨，導致旱澇兩極，使台灣將逐漸面臨缺水危機。然而水庫是台灣目前最主要儲存水資源之地方，其水質變化亦攸關供水品質，因此除了建構預防水庫淤積之水利工程，亦需建立長期連續監測水庫水質變化之有效方法，以維護水庫良好之水質，達到水庫永續經營目之的。

表1-1 1996～2008 年間本島 21 座主要水庫優養程度之水庫數與百分比

Trophic Index / year 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 Oligotrophic

（CTSI＜40） 2 1 0 0 1 3 0 0 2 3 1 2 2

Mesotrophic

（40≦CTSI≧50） 13 9 5 5 12 8 10 12 8 8 11 13 12 Eutrophic

（CTSI＞50） 5 10 15 14 7 9 10 8 10 9 8 5 7 Total Reservoirs 20 20 20 19 20 20 20 19 20 20 20 20 21 Ratio of Trophic 25% 50% 75% 74% 35% 45% 50% 42% 50% 45% 40% 25% 33%

(27)

1.1.3 水質遙感探測

以往常規之水質監測是透過現地採樣方法，即是對水域固定採樣點上進行人工水質取樣，如水溫（Water Temperature, WT）、葉綠素-a（Chlolophyll-a, Chl-a）、總磷（Total Phosphorus, TP）、懸浮物（Suspended Particulate Matter, SPM）等主要水質參數，這種經人工採樣、過濾、萃取及分光光度計等分析確定濃度之監測方法比較費時費力（Cai et al., 2005），導致監測頻率無法密集，以及採樣位置僅限人員可到之地區，故無法針對特定位置進行密集地單點監測，加上傳統水庫水質監測在時間域與空間域上所能獲取之資料屬離散（Discrete）之點狀分佈（譚子健，2007），

若採樣時間與位置選擇不當，則會失去其代表性。欲藉由該點之水質資料瞭解整個水庫水質分佈，會有以偏概全之疑慮，且僅能瞭解監測斷面上之水質狀況，對於水域整個水體而言，這些測點數據只有局部的代表意義，無法獲得水域整體水質之時空變化訊息。目前利用遙感探測（簡稱遙測）可有效解決由於觀測數據而造成之局部性，且具有速度快、成本低與便於長期觀測之特性，其可進行長時間、大範圍與接近即時監測之優點，應用於水體上可快速同步監測，不受時間、地點的限制，且透過不同季節、不同時間的連續監測，重複成像，可瞭解和掌握水體水質的變化趨勢，例如：先進國家已將遙測（Remote Sensing, RS）分析海洋水質列為例行性之地球觀測任務。故遙測技術（Remote Sensing Technology）在水質監測領域之應用，

具有大範圍監測與即時性之特性，利用此技術監測水質可獲得快速全面性之監測結果，以提高現代區域性水質監測的科學合理性，其成本與效益評估如表1-2 所示。

(28)

表1-2 衛星遙測與傳統方法之比較及成本效益評估（台大水工試驗所，2005）

評

估比較項目傳統方法

（現地水質採樣）

衛星遙測方法

（以Landsat 為基準）

價格 10 萬元以上一幅約1.5 萬

處理時間約一個月約1～2 日

成本

價人力數人每張影像可單人處理

監測型態點資料面資料

監測範圍水平面：受限於人員可到達處垂直面：可獲得不同水深之資料

水平面：任何衛星可拍攝之位置垂直面：僅可獲得水體表面反射之資料

監測頻率每月或每季一次 16 天

精度

較高

試體於實驗室內管控，精度則取決於進行試驗時的精度。

略低

取決於水質參數迴歸式之精度；但大體可表現趨勢及污染程度。

效益面

可監測之水質參數多樣化

（任何可受測之水質參數）

僅適用於光譜特徵明顯者

（如葉綠素-a、透明度與懸浮物等）

方法限制

天氣狀態現地採樣受天氣狀態影響較小。衛星遙測受限於天氣狀態影響較大，尤其發生雲遮蔽則無法獲得影像資訊。

自上世紀60 年代以來，航太技術、感測器技術、控制技術、電子技術、電腦技術與通訊技術的進展，大力地推動了遙測技術之發展。當邁入21 世紀之際，各種運行於空間之遙測平台（Platform）連續不斷地在多尺度上對地球進行觀測，各種先進的對地觀測系統亦不斷地向地面提供豐富的資訊。目前遙測資訊獲取技術正以「微觀」與「宏觀」兩個方向發展。目前運行於地球軌道上之衛星眾多，其搭載不同之感測器（Sensor）會依其用途與功能作適當之設定，但各衛星之光譜解析度

（Spectral Resolution）、時間解析度（Temporal Resolution）、空間解析度（Spatial Resolution）與輻射解析度（Radiometric Resolution）有所不同，即分別為波段數、

再訪率、像元素與存取數上皆有所差異。在執行各種地球觀測任務時，須配合其需求，例如，觀測地面水體像水庫、湖泊與河川等，因水域面積小且河道蜿蜒，為能

(29)

準確辨識目標之分佈與範圍，需選取空間解析度較小之影像，而水體會隨氣候的改變與污染物的排放等會有所明顯變化，亦需選取時間解析度較高之衛星，故為達成監測目的，選擇適合之遙測衛星是相當重要的，如圖1-1 所示。

圖1-1 衛星執行於不同觀測任務所需之要求（Gibson et al., 2000）

水色遙測（Water Color Remote Sensing）最初是用於海洋水體，稱之海洋水色遙測（Ocean Color Remote Sensing），隨著內陸湖泊生態環境問題之浮現，自 20 世紀70 年代初期開始，才將海洋水色遙測之理論與技術應用於內陸湖泊水體之研究上，稱之湖泊水色遙測（Lake Color Remote Sensing）。湖泊水色遙測不同於湖泊水質遙測，前者是後者之基礎，而後者不侷限於水色要素參數（Color Elements Parameters），如 Chl-a、SPM 與溶解性有機物（Colored Dissolved Organic Matter, CDOM）等，可監測其他水質參數，如總氮（Total Nitrogen, TN）、TP 與營養程度指標（Trophic Index）等，但由於其他水質參數較難以遙測技術直接監測與反演，

因此湖泊水質遙測之本質仍為湖泊水色遙測，亦有學者把湖泊水色遙測稱之湖泊水質遙測（Lake Water Quality Remote Sensing）（Ma et al., 2009）。湖泊水質遙測首要目標是從衛星影像取得感測器記錄水體之輻射值或光譜反射率，而最終目標是反演表面水體之水質參數之濃度，以滿足湖泊表面水體水質之監測與預警之需求，與陸

(30)

地定量遙測相比，其應用目標更為具體與明確。

然而水質遙測涉及水-氣和水-底等兩界面之轉換過程以及水體和大氣等兩界面之輻射傳輸過程，且內陸水體成份之複雜性、光學性與多變性等因素，給予內陸水質遙測之巨大挑戰，故水體成份之獨立性、水體成份之光學特性與時空多變性是三大顯著特點（Zhou et al., 2009）。在利用遙測技術進行水質監測時，反演精度會受到水深與底質之影響，主要是由於水體的反射特性比較複雜，包含水的鏡面反射

（無雲或少雲之天空）、水的表面反射、水體反射，以及水底地形反射等，而如何有效區分與辨別這些不同反射特性是目前之技術難點（Cai et al., 2005）。此外湖泊水體受人類活動影響甚大，物質來源較多，不同之湖泊，其水質與物質組成等差異較大，故在反演過程中，理論上衛星影像與現地採樣之資料獲取須時間一致，但這執行上有一定之難度，且水體成份會相互干擾，降低反演精度，雖然遙測內陸水體水質之研究內容多樣，因此諸多因素導致內陸水質參數之研究結果在遙測上一直不甚理想。

目前水質遙測隨著從單純之水域識別發展至對水質參數與水深等之定量反演，經遙測技術之提升與水質參數光譜特性之瞭解，以及演算法之改進，已正逐步由定性發展為定量研究，使監測內陸表面水體水質有長足之進展，能有效地觀測表面水質參數空間與時間上之變化狀況，所以水質遙測技術有效地提高了現代區域水質監測之科學合理性。

1.2 研究方向

由於在光譜-水質模式之水環境監測研究上多以海洋水色為主，內陸水體之研究相較之下較少，李紅清（2003）研究提到水環境監測之關鍵問題，哪些水質參數能採用衛星遙測技術來進行，其最適監測之光譜解析度、時間解析度與空間解析度還不是十分清楚，且沒有具體之實用模型數據庫，更無穩定充足可使用之數據源。目前並無同時擁有高空間解析度與高時間解析度之遙測衛星，且Ma et al.（2009）研究指出由

(31)

於模型參數之差異，很難建立一種通用的水色遙測反演模式，不同的湖泊水體，同一湖泊不同的湖區與同一湖區不同的季相，其水體物質成份的空間差異很大，引起固有光學特性大的空間變異，且目前在軌之衛星感測器在滿足湖泊水質遙測時間與空間解析度之同時，很難有足夠之光譜解析度來反演模式，建立以一個統一之模型來實現整個水體之水色參數反演。

目前衛星所搭載之感測器種類多樣，其主要差異為空間解析度與時間解析度，即是對應研究區域像元尺度（Pixel Scale）上與週期頻率上之不同。因此本論文研究方向分為二部分：

第一部份在探討水質遙測之空間解析度差異，即分析影像尺度之優劣。遙測常見像元尺度上可從2m 至 1,000 m 不等，提供衛星影像多元尺度上的選擇性，但湖泊或水庫等之外觀形狀大小與內部水質變化之空間差異很大，所以本論文研究將分析不同水體水質參數於不同衛星像元尺度上之差異研究，尋找出各水質參數所須搭配合適之尺度衛星，以建立最適尺度上之水質遙測反演模式，達到有效地監測內陸表面水體水質空間變化之能力。

第二部份在提高水質遙測之時間解析度能力，即增加觀測水體之頻率。衛星因功能性不同所放置高度與軌道亦有所差異，間接影響到衛星對同一地區再訪率之週期，

常見衛星至相同區域之頻率從每天至26 天不等，同一衛星通過時間往往會與現地採樣時間有所差異，若加上其他因素，如雲覆蓋等，造成匹配資料取得不易與數據不足，

使反演模式精度降低。因此本論文研究將結合大尺度衛星之高時間解析度與小尺度衛星之高空間解析度之特性，以各類水質參數之最適像元尺度，利用反演之數據同化模式（Data Assimilation Model）進行運算，於不同尺度影像間，能產生最適匹配之小尺度像元，使其影像同時保有高時間解析度與高空間解析度，達到有效地長期連續觀測內陸表面水體水質變化之頻率。

(32)

1.3 研究目的

本論文研究目的在分析探討監測各類內陸水體水質變化之最適尺度衛星影像，並建立其預測模式，且結合反演不同衛星影像尺度間之數據同化模式，解決現地採樣時間與衛星影像時間不匹配問題，提高監測水體變化之頻率，以提供一個準確性高、成本性低、效率性高且快速簡單之水質遙測方法，能全面性地長期連續觀測內陸表面水體水質之時空變化。

1.4 研究架構

本論文之研究架構大致分為八大項目：

第一章：前言

本章主要描述研究背景、研究方向、研究目的與研究架構。說明水資源對台灣之重要性，而水庫是台灣最大水資源存取地方，相對的水庫優養程度亦相當重要，所以研究方向在利用遙測技術評估衛星影像監測水質變化之效益，以提供快速有效之水質遙測方法為研究目的。

第二章：文獻回顧

本章主要描述水質遙測之理論與資料，以及國內外相關研究情況。說明遙測之發展緣由、興起與應用領域上之功能，以及水質遙測方法之優缺點，並整理衛星影像與水質變化上之機制，探討各衛星影像之差異性，亦說明水質遙測常見監測之水質參數種類，瞭解前人應用水質遙測方法之動機與目的，並分析前人之研究成果，探討其優劣且吸取前人之研究經驗，以截長補短，使本論文研究更為深入，提供後人能瞭解水質遙測之技術理論與評估應用於水質變化之可行性。

第三章：研究方法

本章主要描述遙測內陸水質參數之估測方法。說明以衛星影像資料利用傳統

(33)

統計方法，如線性迴歸（Linear Regression, LR）等，以及人工智慧方法，如類神經網路（Artificial Neural Network, ANN）與遺傳運算樹（Genetic Algorithm of Operation Tree, GAOT）等，可藉由遙測影像與現地資料之關係，反演出監測水體變化之模式，其中亦說明各方法之理論架構，可供後人研究參考。

第四章：研究區域

本章主要描述研究區域之水庫近況。說明以北台灣主要水庫，即翡翠水庫與石門水庫為研究對象，分別介紹其地理位置條件與現地採樣方式，並分析探討近年水庫水體變化狀態，瞭解這二座水庫對北台灣之重要性。

第五章：研究案例

本章主要描述研究案例之分析結果。說明以北台灣主要水庫為研究對象，進行本論文研究流程，因研究目的有二，故研究分析分為二部分，分別為探討不同尺度衛星影像之差異與提高觀測水體變化頻率之能力，其過程各含有研究動機、

研究目的、研究流程、案例分析與結果討論等，研究結果多以圖表呈現，並分析比較預測模式之優劣，其各類水質參數最適監測尺度之結果與反演不同尺度間數據同化模式之方法，可提供後人研究參考比較。

第六章：結果討論

本章主要描述研究結果之綜合討論。說明本論文經由研究結果之探討，提出合理性之成果與不合理性之問題，前者可提供後續研究參考，後者則需進行修正，使研究成果更為精確。

第七章：結論建議

本章主要描述研究成果之結論與建議。說明本論文研究成果之優劣分析，優者可提供後人做為研究參考，劣者則需進行改進，提出改進之方式與建議，可做為後續未來之研究。

第八章：參考文獻

(34)

本章主要描述研究之參考文獻。說明本論文研究所參考之文獻，文獻內容均標註於文章內，可供後人進行資料索引。

附錄

此章節包含本人之學經歷與著作目錄表。

上述為本論文研究之架構，各章節有較詳細之內容，其研究之架構圖如圖1-2 所示。

1.5 研究貢獻

本論文研究貢獻在於選擇合適之空間解析度衛星監測水質變化，即不同水質參數採用不同之尺度影像，非一昧用同一種衛星監測，能有所區別，以增加監測之準確度；

另利用能自組織方程式之遺傳運算樹方法，建構不同水質參數於現地採樣與衛星影像資料間之高相關性之組合波段型式；亦將其應用於建立不同尺度間之數據同化模式，

能提高監測水體變化之頻率，達到長時期連續觀測內陸水體變化之技術。

(35)

圖1-2 研究之架構圖

(36)

第二章文獻回顧

2.1 遙測理論

2.1.1 光譜反應曲線

光線具有穿透（Transmission）、反射（Reflection）、散射（Scattering）與吸收

（Absorption）等作用，如圖 2-1 所示。當光線照在陸地和海洋表面上時，大氣物質如：空氣、濕度和雲，會讓進來的光分成三種能量變化反應模式：

(1) 反射：物體對入射能量反射之能力以反射率（ρ）表示。其值為反射能量與入射能量之比值。

(2) 吸收：物體對入射能量吸收之能力以吸收率（α）表示。其值為吸收能量與入射能量之比值。

(3) 穿透：物體對入射能量穿透之能力以穿透率（τ）表示。其值為穿透能量與入射能量之比值。

因為彼此間存在比例關係，所以這三個參數是介在0 與 1 之間的數值，但通常用百分比表示之，根據能量不滅定律（Law of Conservation of Energy）τ + α + ρ = 1。

圖2-1 光線之穿透、反射、散射與吸收作用之示意圖（Short, 2007）

(37)

大氣中存有許多微小物質，其會使大氣與能量進行交互作用，最顯著為大氣吸收作用與大氣散射作用，說明如下：

大氣之吸收作用

照亮物體的主要能量來自太陽，到達地球的太陽光線波長主要介在 200 nm 和3,400 nm 之間，而輸入的最大能量接近於 480 nm，這是屬於可見光中綠光的範圍，當太陽光線到達地球時，大氣層會吸收部分光線，並傳遞剩餘的部分，如圖2-2 所示。大氣中的水蒸氣、二氧化碳和臭氧等分子，對於特定波長範圍的太陽輻射能具有吸收作用，亦會降低其穿透到地表的能量。

圖2-2 大氣窗示意圖（Short, 2007）

大氣之散射作用

大氣含有許多微粒分子（Particle），會散射部分太陽輻射能，減少其入射到地表的能量。大氣散射能力的強度，依照大氣中分子的直徑而異，可分為三種散射作用（Lillesand et al., 2004）：

A. Rayleigh：

(38)

當大氣粒子的直徑遠小於和它交互作用的輻射能之波長時，以短波長的散射能力較強。在晴朗的白天，由於藍光波長較短，經散射後天空會呈現藍色，到黃昏時，散射改由紅光波長，則天空呈現紅橙色，即是這原理。

B. Mie：

當大氣粒子的直徑相等於和它交互作用的輻射能之波長時，而空氣中的水蒸氣和塵埃是最主要因子。

C. Nonselective：

當大氣粒子的直徑遠大於和它交互作用的輻射能之波長時，會將接近可見光和近紅外光波長範圍的輻射能，散射到大氣中，所以大氣中的霧和雲層會呈現白色，即是因為大氣中的水滴(波長介於 5～100 µm) ，散射相等量的藍光、綠光和紅光。

在1666 年，牛頓是第一個完成可見光實驗的人，顯示出可見光是眼睛可以看見不同顏色的連續波長，實驗流程是將白光穿透玻璃菱鏡而得到這結果的，如圖 2-3 所示。這折射原理支持這結果，就是當光線從一介質到另一個介質會產生彎曲現象。這常跟波長有關，以致於彎曲角度的變化會循序的從紅（長波長、低頻率）

到藍（短波長、高頻率）。在白光中分離各組成的顏色的過程被稱之為散射。這現象也適用於可見光以外波長的光線。

圖2-3 光線經玻璃菱鏡折射之示意圖（Short, 2007）

(39)

一般可見光的範圍為400～700 nm 之間，如圖 2-4 所示，這間距是人類眼睛可觀看的範圍，所以被稱為可見光，人類的眼睛話說可以仔細區分數千種不同的顏色

（估計可以區分20,000 色調）。

圖2-4 可見光之範圍（Short，2007）

在這些具體區分的電磁波譜間距內，對於波長單位有不同名稱的，如表2-1 所示。波長單位名稱是採用公制單位。

表2-1 電磁波譜於不同波長單位之名稱

Type of Electromagnetic Wave Typical Unit of Measure

radio

meter (m) centimeter (cm)=0.01 m microwave (radar) millimeter (mm)=0.001 m

infrared micrometer (μm)=10^-6 m visible nanometer (nm)=10^-9 m;10^-3 μm

ultraviolet angstrom (Α^° )=10^-10 m

(40)

近紅外光譜是指物質在波長780～2,526 nm 之間的吸收光譜，近紅外光（NIR）

是介於可見光（VIS）和中紅外光（MIR）之間的電磁波，是人類最早發現的非可見光區域，各種光波分佈，如圖2-5 所示。

圖2-5 光譜分佈圖（Li et al., 2008）

在這些不同之電磁波譜中，常見的波段有不同之特性，各有其用途，如表2-2 所示。

表2-2 常見的波段之不同特性

波段波長特性

可見光 0.4～0.7 μm 肉眼可以感知；可以使用攝影方法，也可以用掃描方式取像，是遙測最常用的波段。

紅外光 0.7～1,000 μm 有很多部份被大氣層中的水分子、二氧化碳、臭氧等吸收，只留下幾個窗口可供遙測使用。

近紅外光 0.7～1.1 μm

是植生反射最強的部分，可使紅外光底片感光，故可用攝影方式取像，因此又稱為攝影紅外光；亦可使用掃描方式取像，常與可見光波段一起使用。

短紅外光 1.1～3 μm 遙測使用的波段有1.1～1.3 μm、1.5～1.7 μm、2.0～2.5 μm 等。

中紅外光 3～5 μm 不能用攝影方式取像，只能用掃描方式，應用於計測較高溫的物體溫度。

遠紅外光 5～15 μm

遙測使用8～14 μm，是地物在常溫下自行輻射，其能量最大的波段；

與中紅外光一樣，只能用掃描方式取像，應用於計測常溫物體的溫度，與中紅外光合稱為熱紅外光。

微波 0.1～30 cm 對大氣層有很強的穿透力，可穿過雲霧雨等大顆粒的物體；地表物體只輻射極為微弱的微波能量。

雷達 ≧ 30 cm 為單頻的人造電磁波，是經由天線向地面發射電磁波，而後接收回射波的能量，故稱為主動遙測系統。

(41)

當太陽光線照射到物質時，物質會有反射、吸收、傳送或是隨波長變化散發輻射線的現象。從來自物質的輻射線可以繪製出波長的變化範圍，這些相關的點產生一條曲線被稱為光譜反應曲線，如圖2-6 所示。

圖2-6 樹葉之光譜反應曲線（Short, 2007）

由圖2-6 之為樹葉光譜反應曲線中，發現在可見光部分樹葉對於綠光有顯著之反射率，所以樹葉相對於人眼是呈現綠色，但在人眼看不見的近紅外光範圍內，其反射率更大，這是一個很重要的特性關係，藉由個別光譜信號的特性，可以判釋不同物質或是類別加以區分。

由圖2-7 中發現在一些波長中，沙的反射能量比綠色植物多，但在其他波長中，

吸收能量卻比較多。原則上，藉由這些不同的反射比，可以識別各種表面物質和區分彼此的形式，能以適當的方法來量測，像是用波長的函數或是強度的函數等。利用反射比的不同，在信號上面，可以區別四個常見的表面物質（GL = grasslands 綠地；PW = pinewoods 松林；RS = red sand 紅沙；SW = silty water 淤泥水）。

(42)

圖2-7 不同物體之光譜反應曲線（Short, 2007）

衛星之感測器就如同人眼一樣，藉由太陽光照射物體，可接收物體反射與散射大氣中之電磁輻射能量（Electromagnetic Radiation Energy），並記錄電磁輻射能量之強度變化來展現地表不同的資源訊息，進而分析其光譜資料格式、不同光譜資料類別之地面解析度、光譜組合波段與衛星光譜影像等（楊龍士等，2000）。一般而言，光線在可見光區與近紅外短波區大多會進行反射過程，如此可用來判釋物質之特性，如表2-3 所示：

表2-3 不同光譜波長之用途特性

波段用途

可見光之藍光區（400～500 nm）可穿透純淨水面約達40 m，並可運用於區分土壤和植生。

可見光之綠光區（500～600 nm）可運用於區分純淨水體和混濁水體，輔助描繪油污染的擴散範圍，以及健康植物的辨識。

可見光之紅光區（600～700 nm）可運用於辨識植物種類及植物的健康狀況之差異。

近紅外短波光區（780～1,100 nm）可適用於植生的分析、海岸線的繪製、礦物和岩石的檢測等。

(43)

2.2 遙測技術

遙測是指採用不接觸的方式利用儀器或感測器以獲得有關待測物區域或現象的資訊，如圖2-8 所示，並加以分析的科學與藝術。廣義是指遠離目標，通過非直接接觸來判定、測量與分析目標性質的技術（Avery and Berlin, 1992）；狹義是指在高空和外層空間的各種載台上，運用各種感測器來獲取地表的資訊，通過數據的傳輸和處理，從而實現研究地物的形狀、大小、位置、性質及其關係的一門現代化應用技術科學（劉良明，2005）。

圖2-8 感測器接收地表目標物反射能量圖（簡文煥，2004）

衛星遙測因偵測範圍較廣，接收運轉週期較固定，系統參數設定易掌握等因素而運用廣泛，因此利用衛星感測器所收集的資料中，可以抽取有關不同資源的型式、內容、位置及情況等資訊，然後將此項資訊以地圖、表格及書面報告的型式展示

（Lillesand et al., 2004）。通常把一接收、傳輸、處理、分析判讀與應用遙測資訊的全部過程稱之為遙測技術。其中遙測資料的要素主要有三，即空間解析度、時間解析度與光譜解析度等，另其他相關要素，有角解析度與方位解析度等。

衛星遙測技術具有五項優點：1）廣域性，大尺度衛星一次取像可以涵蓋數千 km² 之範圍；2）多波譜性，擁有多個波段之衛星，能使影像能更準確地把地面上各種物

(44)

質分類；3）視覺性，以影像的方法呈現，而非以許多符號或電腦代碼呈現，增加研究的方便性；4）先驅性，可拍攝到許多人類無法到達的地方；5）快速性，衛星不是只有定期規律性的執行地表觀測，目前可經由預約的方式，配合使用需求於特定時間拍攝指定區域，使研究者能有系統的配合實驗設計蒐集資料，同時在發生特殊環境變化或災害的時候可迅速了解現地的狀況，以方便調查及救援工作（吳教安，2006）。

遙測技術是上世紀60 年代開始發展的。隨著現代物理學、空間技術、電子技術、

電腦技術、資訊科學與環境科學等的發展，遙測已成為一種先進與實用之綜合性探測方法，目前已被廣泛應用於農林業、地質、地理、海洋、水文、氣象等環境監測以及地球資源探勘與軍事偵察等各個領域上。

2.3 遙測衛星

2.3.1 遙測衛星歷史

在第一次世界大戰期間，飛行員開始駕駛攜帶照相設備之軍機，前往戰區紀錄戰爭事件與敵軍陣線之活動（Belokon, 1997），如圖 2-9 與圖 2-10 所示；第二次世界大戰期間，遙測則被美軍廣泛地使用於戰術、決策、偵察和監視等方面，如有名之黑蝙蝠中隊即是扮演此角色。

遙測開始於衛星的運載工具。影像樣本是從探測火箭、搭載遙控感應器的衛星與太空人拍照而產生的。雖然本身與遙測沒有直接關連，但運載火箭必須要運送感應器到適當的點。遙測技術開始於十九世紀早期。1972 年 7 月 23 日美國發射大地資源衛星1 號（Landsat-1），提供環境資源偵測的資訊，開啟現今衛星遙測的新紀元（楊龍士等，2000）。

在第一個Landsat 之前，超過 150 年是使用攝影照相機擔任遙測感應器。後續亦有其他衛星發射，常見如Landsat、SPOT、QuickBird、EROS、IKONOS 與 Formosat 等系列衛星送上太空供遙測使用。

(45)

圖2-9 遙測技術始於戰時偵察所用（Short, 2007）

圖2-10 遙測早期所拍攝之田園影像（Short, 2007）

2.3.2 遙測衛星分類

目前衛星種類眾多，其類型會依功能性而有所不同，一般可依下列四種方式來

(46)

區分，1）離地距離（Distance to Earth）；2）光譜波段（Spectral Band）；3）影像解析（Image Resolution）；4）軌道形式（Track Form）。

離地距離

遙測技術具有一共通性，即距離地表越近者，所拍攝之地面影像越清晰，解析度越高，即每一幅影像所涵蓋之範圍則越小（楊龍士等，2000），如表 2-4 所示。

表2-4 不同之遙測系統與地表之距離

類型（Type）距離（Distance）

航照（Airborne Imaging） 0.3～20 Km 間諜（Spy） 150～300 Km 商業（Commerce） 450～680 Km

資源（Resource） 700～900 Km 氣象（Meteosat） 25,000～36,000 Km

光譜波段

光譜波段是指電磁光譜區域中特定之部分區域（Belokon, 1997），即特定的光譜波長範圍，在此間分割光譜分佈區域，光譜波段數較高，則光譜區域分佈變窄，如表2-5 所示。

(47)

表2-5 不同之衛星系統與光譜影像之區分

類型（Type）數量（Nnmber）

單一光譜（Panchromatic, PAN） 1 個（one）

多光譜（Mulitspectral） 2～100 個（two - hundred）

高光譜（Hyperspectral）數百個以上（hundreds）

超高光譜（Ultrasprctral）數千個以上（thousands）

影像解析

一般光譜影像具有四種形式之解析度（Resolution），如表 2-6 所示。

表2-6 光譜影像具備之解析度形式

類型（Type）定義（Definition）

空間解析度

（Spatial Resolution）影像像元對應地面像元的大小光譜解析度

（Spectral Resolution）影像光譜值橫跨於光譜區域的範圍

輻射解析度

（Radiometric Resolution）

遙測系統記錄影像每一個像元（Pixel）值的 Digital Number（DN）值範圍

時間解析度

（Temporal Resolution）衛星重複經過同一地區的時間週期

軌道形式

遙測技術最重要資訊來自衛星，由於衛星科技之進步，可利用衛星軌道上之特殊性，採俯視方式進行宏觀之地面觀測，一般衛星隨著用途不同而有所差異，

如表2-7 所示。

(48)

表2-7 衛星軌道繞行方式會依不同之用途而有所差異

類型（Type）軌道（Track）

科學（Science）不定

通訊（Report）地球同步

（Geosynchronous Orbit）

氣象（Meteosat）地球同步，近地

資源（Resource）近地

[特例：太陽同步軌道（Sun-synchronous Orbit）]

定位與導航

（Positioning and Guidance）

中地

（離地表約20,000 Km）

偵察（Reconnaissance）近地

（Low Earth Orbit, LEO）

2.4 衛星影像校正

衛星影像會受大氣散射、太陽角差異、載具形式、飛行軌道參數或地表曲率等因素，造成影像在輻射上與幾何上的誤差，產生扭曲或變形，即感測器接收資料不能正確地與地物反射能量對應，或是地面影像位置無法符合正確地圖位置影像座標，此為影像畸變，所以影像在應用前需先校正，稱影像前處理。影像校正（Imagery Correction）又可分為幾何校正（Geometric Correction）及輻射校正（Radiometric Correction）。

2.4.1 幾何校正

受到衛星的高度、速度、感測器系統的誤差等因素，都會造成幾何變形。幾何校正的處理方式主要是將影像套疊在處理過之影像，再利用地面控制點求得兩者間的幾何關係，並將已知平面影像上的點轉換到需校正影像的點。幾何校正是指物體的影像位置與其真正的地理位置之偏移所做的校正，在遙測接收站已初步對由感測器本身與地球自轉所引起的系統幾何偏差做了例行的修正。幾何校正實質上是逐元

(49)

的將其影像座標按一定的精度需求而轉換到地形圖的地理座標系統中；然後再依照適當的抽樣方式對像元重新賦予新的Digital Number（DN）值（彭暐鈞，2008）。

大多可利用影像軟體，如ERDAS Imagine、ENVI、PCI Geomatics 與 TNT Maps 等商業套裝軟體進行幾何校正，一般當影像與地圖的座標轉換時，首先要選定一些在兩者中都容易識別的同一地物作為控制點，如圖2-11 所示。

圖2-11 利用 ERDAS Imagine 軟體進行之幾何校正圖（彭暐鈞，2008）

幾何校正通常包括座標轉換（Coordinate Conversion）與影像重組（Image Resampling）之程序，校正技術可區分為二類，採用方式如下：

1. 定率方法模擬幾何畸變來源的狀態與模式建立影像校正之公式。

2. 利用統計方法建立影像像元位置與相對應之地球投影座標的數學關係，即選取地面控制點（Ground Control Point, GCP）。

在幾何校正過後之影像，期間所產生之像元值之差異，會使影像破碎與不連續，故針對影像轉換重建有三種方式可加以修正其誤差（楊龍士等，2000），方法如下：

1. 最鄰近法（Nearest Neighbor Resampling）：使用最鄰近的像元值影像重組法

應用不同尺度衛星影像於監測台灣內陸水體 水質之研究

中 華 大 學 博 士 論 文