地形計測方法應用於潛在大規模崩塌之判釋

Volume 20, No.4, 2016, pp. 263-277 DOI：10.6574/JPRS.2016.20(4).3

1國立台灣大學地質科學系 博士生、經濟部中央地質調查所 技士 收到日期：民國 103 年 08 月 11 日

2經濟部中央地質調查所 主任 修改日期：民國 105 年 05 月 04 日

3國立台灣大學地質科學系 教授 接受日期：民國 105 年 05 月 16 日

4經濟部中央地質調查所 組長

5經濟部中央地質調查所 技士

6經濟部中央地質調查所 技正

7中央研究院地球科學所 副研究員

* 通訊作者, 電話：02-29462793 ext.261, E-mail: hcs@moeacgs.gov.tw

地形計測方法應用於潛在大規模崩塌之判釋

謝有忠

侯進雄

胡植慶

費立沅

陳宏仁

邱禎龍

詹瑜璋

摘 要

莫拉克風災後，針對大規模崩塌的研究顯得刻不容緩。本研究利用中央地質調查所現有之 1 米數值 地形資料，有別於傳統判釋方法，空載光達資料更能應用於坡地災害的分析。本研究以不同之地形計測 方法來進行資料分析，其中透過融合坡度、地形陰影、地形開闊度等方法之結果，可以突顯細微地形特 徵或變化處，此法不僅可提升崩塌地特徵之判釋速度，也能減少人為誤判而有效找出潛在大規模崩塌的 位置，確實對潛在大規模崩塌的判釋和調查有很大的助益。未來搭配後續調查研究，進一步探討坡面地 質災害的可能成因和規模或影響範圍，可為現今防救災策略上必需的重要資訊。

關鍵字：數值地形模型、空載光達、地形測計學、大規模崩塌、自然災害

1. 前言

臺灣地區夏季常受颱風暴雨侵襲，加上位居活 躍板塊運動地區，造山運動快速，地震頻仍且偶有 大規模地震發生，在地理位置和地質條件等因素，

各類型地質災害經常會造成生命財產巨大損失，近 年來更由於極端氣候所帶來的影響，在 2009 年 8 月侵台的莫拉克颱風(Morakot)在台灣中南部地區 造成嚴重傷亡及財物損失，其中因小林村崩塌之埋 村災變而引起國際觀注，小林村遭受之災害包含大 規模崩塌、土石流、堰塞湖及洪水等四種不同災害 類型影響，此一複合型坡地災害議題，進而開啟大 規模崩塌災害相關防治工作之研究。

以崩塌研究而言，主要多利用衛星影像、航空 照片、現地調查及數值高程模型等基本資料來進行 分析研究，這些傳統判釋方法應用在台灣地區則易 受植生遮蔽之影響，而影響判釋結果。以地形資料 方面，則受限於過去較低解析度和精度的資料，間

接影響判釋的結果。綜合來說，這些技術方法對於 淺層崩塌或是新生崩塌的判釋，大多可以在影像上 判釋出，但對於前述大規模崩塌地調查，則因缺乏 現地狀況較高精度與高解析度之地形資料，研究上 仍有所瓶頸。

近年來由於獲取數值地形模型的技術快速發 展，尤以空載光達技術所製成的數值地形，具有足 夠可靠的解析度、精度，在地表地質作用領域可以 提供極佳的應用，更重要的是此項技術可以濾除建 物與樹木遮蔽，還原原始地面形貌，能確實符合地 質與地形之分析研究，目前空載光達在臺灣已經成 功應用在地質、測量、水土保持、森林等各領域，

尤其近年來中央地質調查所利用此技術，在火山地 質、構造地形、活動斷層、山崩及土石流，都有極 佳的應用成果，空載光達技術將是未來環境科學中 很重要的工具技術。

地形計測方法(Geomorphometric analysis)是將 地表地形量化分析的科學方法，應用在地形、地質、

水文、生態等環境科學。早期以判讀地形圖、等高

線方式來進行量度，進行坡度、坡向等較簡略之分 析應用(石慶德，1984；賴進貴，1996)。隨著現代 測量技術演進，在臺灣數值高程模型(DEM, Digital Elevation Model)從 40 米、5 米提升至近期空載光 達產製之 1 米解析度資料，使得地形計測方法也有 不少的發展與應用(陳柔妃，1999；孫稜翔及蔡衡，

2008；陳彥傑，2008)，也更能有效地降低這些複 雜地形的研究的困難度，並解決過去無法判釋或解 讀的資訊，對於地質科學研究上具有很大的助益。

過去崩塌研究中，利用空載光達可以過濾植被 的特性，將 DSM(Digital Surface Model)與 DEM 差 值所得結果，快速找出無植被或矮植被區域，結合 航空照片即可快速判釋崩塌地(劉治中、等， 2010)。

利用數值地形資料計算之地形張量，得到地形面的 法線向量，以這些法線向量所求取特徵值 S1、S2 之比值並取自然對數(Ln (S1/S2))之結果，也可表示 地 形 面 的 崎 嶇 度 (McKean and Roering ,2004;

Kasai et al., 2009)，應用數學和統計的方法來量化 地表形貌特徵進行崩塌的研究。本研究利用中央地 質調查所現有以空載光達技術所測製之高解析度 數值地形資料，藉由地形計測學之方法，來突顯崩 塌範圍內之細微地形特徵，以有利於潛在大規模崩 塌視覺化判釋作業的進行，提升判釋效率及準確性，

配合野外調查，未來亦可進一步探討潛在大規模崩 塌的可能成因與影響。

1.1 大規模崩塌的定義

國際間針對坡地土砂災害等現象之分類方法 眾多，多以移動材料、移動方式、移動速度、發生 規模等因子進行分類，常見的方法為 Varnes 之分 類方法(Varnes, 1978)，以移動物質的材料及移動方 式來分類。經濟部中央地質調查所參考此山崩分類 方法並加入順向坡地形、風化侵蝕、礦坑、棄填土 等環境地質基本因子來做為分類之方式，此方式可 以利用目前常見的地形或影像資料，進行有效且方 便的山崩判釋(經濟部中央地質調查所, 2008)。近 年來氣候變遷或極端氣候影響，短時間強降雨事件

或長延時降雨事件的頻率和規模都比過去增加，大 規模崩塌事件發生頻率也隨著增加，為防減災策略 考量，以發生之規模的調查研究，成為首要目的，

本文即以崩塌土方量達 10 萬立方米以上，亦即長、

寬、深分別為 100 米 × 100 米 × 10 米以上者視為

「大規模崩塌」之定義，除在圖面上可清楚劃分崩 塌的規模，亦對室內判釋或野外調查作業皆提供方 便、容易及有效的操作與定義。

1.2 大規模崩塌可能出現之地 表特徵

本文中大規模崩塌主要以移動塊體之規模來 定義，具一定規模之重力變形現象即可找出可能存 在大規模崩塌的位置，這些重力變形現象包括山頂 緩斜面、崩崖、反斜崖、裂縫、二重或多重山稜線、

線狀凹地、圓弧型滑動體、坡趾隆起、坡面及側邊 蝕溝、岩盤潛變現象、其它老崩塌地地形，部分特 徵位置分布如圖 1，這些山崩地形特徵名詞的定義 也 有 專 文 明 確 說 明 (IAEG Commission on Landslides, 1990)，並列入聯合國文教組織做為全 球防災策略之參考。

圖 1 大規模崩塌各地形特徵示意圖(修改自鈴木 隆介, 2000)

2. 研究區域及數值地形模

型資料背景

2.1 研究區域背景

本研究將藉由地形計測學之方法，來突顯崩 塌範圍內之細微地形特徵，以有利於潛在大規模崩 塌判釋作業的進行，故選擇具有此類地形特徵的古 坑車心崙地區來做為研究區域，並以此範圍的數值 地形資料來進行分析。

車心崙位於雲林縣古坑鄉樟湖地區，鄰近知名 景點草嶺地區，屬濁水溪流域之清水溪中游(圖 2)。

海拔高程自 250 米至 860 米，崩塌地範圍約 81 餘

公頃，範圍內仍有零星住戶，坡面植生主要以茶葉、

檳榔及雜林等，本研究區域屬台灣西部麓山帶地質 區，出露之地層由老而新依序為中新世晚期桂竹林 層之關刀山砂岩、十六份頁岩、大窩砂岩。由研究 區域南側山脊鳥瞰研究區域(圖 3)，約略可觀察到 此坡面分布的崩塌地形特徵，如冠部崩崖、次崩崖、

坡頂緩斜面、反斜崖、線狀凹地、圓弧型滑動體、

坡趾隆起等，經由剖面圖(圖 3)也可觀察到這些細 微之地形特徵。

圖 2 研究區域地理位置圖

圖 3 鳥瞰研究區域全景以及研究區域剖面圖

2.2 空載光達數值地形資料背景

本研究主要利用經濟部中央地質調查所執行

「國土保育之地質敏感區調查分析計畫」施政計畫 時，利用空載光達技術(LiDAR)所獲取高解析度之 數值地形模型(DEM & DSM)。整個空載光達數值 地形測製作業包含飛航測製作業規劃、飛航率定作 業、空載光達資料獲取、高精度 DEM 及 DSM 製 作(中興測量公司，2011；財團法人成大研究發展 基金會，2011)。前述計畫自 2010 至 2012 年執行，

其所獲取的數值地形資料為 1 米解析度，並以每條 航線重疊率達 40%以上，各航帶原始數據之第一或 最後回波之平均密度，800 米以下區域點密度需達 到 2 點/每平方米，800 米以上區域點密度需達到 1.5 點/每平方米等原則為資料獲取之目標，成果資 料之平面座標系統採用 TWD97_CGS 座標系統，

與內政部公告 TWD97(2010)相同。本研究區域之 飛航規畫參數如表 1(中興測量公司，2011)。

表 1 古坑車心崙地區之飛航測製参數列表 儀器 ALTM Pegasus ALTM3070

載具 直升機 直升機

測製日期 1000727、0818 1000815 掃瞄帶寬(m) 1601.47 1601.47 航高(m) 2500 2200 航速(KTS) 100 70 掃瞄角度(deg.) ±20 ±20 雷射脈衝率(KHz) 100 50 重疊帶寬(%) 60 40 點雲密度（pt/m²） 2.6 1.09

由精度評估結果來看(中興測量公司，2011)，

資料之高程誤差多介於 10 公分以內，對於點雲穿 透率較差的區域如茂密植生區，誤差最高約為 50 公分，與一般所知空載光達之誤差等級為公寸級相 當，精度主要仍受地形坡度及植生茂密程度而影 響。

3. 研究方法

地形計測方法(Geomorphometric analysis)是將 地表地形量化分析的科學方法，利用計量、統計或 影像分析等技術將地表地形特徵以各類量化指標 來描述，可以應用在地形、地質、水文、生態等環 境科學的分析研究。本研究以中央地質調查所現有 之 1 米空載光達數值地形資料，利用 Esri Arcgis 軟體進行空間資料之運算和分析，主要有坡度分析 (Slope angle)、日照陰影計算(Hillshade)、坡向分析 (Aspect) 、 曲 率 (Curvature) 、 地 表 粗 糙 度 (Surface roughness)、特徵比值(Eigenvalue ratio, ER)、透空 度分析(Openness)等地形計測方法。各地形計測方 法原理及運算方式說明如下。

坡度主要用以表示地形斜坡的斜度，亦即坡度 為表示水平距離內，高程值的平均變化量，表示的 方式有度和百分比，以高程變化除以水平距離結果 的正切函數值即為坡度(度)，以高程變化除以水平 距離結果再乘以 100 即為坡度百分比。在地理資訊 系統(GIS)中，坡度計算多利用規則式網格資料，

以移動網格的方法，基本運算為 3*3 網格大小，將 每個網格與鄰近 8 個網格的最大高程變化值統計 而得，其演算法可參考 ARCGIS 操作說明(ESRI, 2012；Burrough and McDonell, 1998)。藉由地理資 訊系統的計算，可將數值地形資料處理後，以數值 方式表示坡面的傾斜程度，並且將數值資料圖像化

，而有助於在地形的研究與應用。

坡向主要用以表示空間上某個平面所面向的 方位，如同坡度計算一般，坡向計算也是以移動網 格的方法，基本運算為 3*3 網格大小，將每個網格 與鄰近 8 個網格的最大高程變化差值而得。坡向計 算方程式可參考 ESRI 操作說明(ESRI, 2012；

Burrough and McDonell, 1998)，其主要以 X 方向和 Y 方向高程統計變化差值計算之變種正切函數值，

計算結果再經邏輯運算表示，即可表示坡向。經由 GIS 圖像化處理後，坡向的資訊對於坡地災害的研 究上，為重要參考因素之一。

地形陰影為地形分析判釋上常用的方法之一，

其表示方式為透過假定的光源方向和角度，來演算 每個網格的陰影值(灰階值)。此方法的優點為利用 模擬陽光方向角度，讓地表覆蓋能生成視覺化的效 果，讓地貌呈現較美觀及立體化。此法藉由光源的 控制，可以呈現不同角度的陰影效果，卻也是此方 法的缺點之一，不易顯示出地形特徵平行於光源之 地表特徵，且部分區域也受陰影覆蓋影響而無法呈 現其地形特徵，易造成錯誤判讀，因此透過重覆地 使用不同角度光源分析來克服此項缺點(Challis et al., 2011)。在地形陰影運算過程，主要為光源角度 和光源方向的計算，再加上前述的坡度與坡向計算 等，綜合後再計算而得，其計算之關係方程式可參 考 ESRI 操 作 說 明 (ESRI, 2012 ； Burrough and McDonell, 1998)。

曲率為地形計測中用來表示地形曲面幾何型 態的參數之一，又可依方向性區分 profile curvature 及 plan curvature，profile curvature 為坡面方向上 的曲率值，plan curvature 為垂直坡面的曲率值。一 般曲率運算的方式也有多種，本文以常見的 GIS 軟體中的運算式來說明，以規則式網格地形資料，

利用 3*3 移動網格來計算，將地形面二次微分的值 來表示地形曲率(Zeverbergen et al., 1987 ; Moore et al., 1991 ; ESRI, 2012)，計算式可參考 ESRI 操作說 明(ESRI, 2012)。

openness 透空度由 Yokoyama et al. (2002)所提 出的地形參數，用以表示不規則地表面在不同位置 俯視或向上開闊的程度，經由地表起伏和水平距離 之關係來量測此角度，此角度量測綜合地形的視線 原則，沿八方位計算天頂角和天底角之角度和平均 值。透空度包含了正向和負向兩種計算值，正向值 表示量測位置水平面之上，較高的凸形地形面，而 負向值表示量測位置水平面之下以及較高的凹形 地形面。sky-view factor 也是以類似天頂視角計算 來表示地形特徵(Štular et al., 2012; Zakšek et al., 2011)，這些方法可以避免地形陰影法中，陰影覆 蓋以及與光源平行的特徵容易被忽略的缺點，目前 已在火山地形(Chiba et al., 2008; Prima and Yoshida, 2010; Prima et al., 2006)、構造地形分析(Lin et al., 2013)和人類遺跡判釋(Štular et al., 2012)等研究上

應用。

地表粗糙度為地形的變異程度，主要利用數值 統計的方法來表示地表平坦、地形高差變化的參數，

包含有地形高程標準差、坡度標準差、坡度和坡向 的變異數等(McKean and Roering, 2004; Glenn et al., 2006; Frankel and Dolan, 2007)，而 Pelletier et al.

(2009)。這些以數值地形資料來計算相鄰網格最大 高程與最小高程差值來表示地表粗糙度，主要多以 移動網格的方式來計算，用以表示地形資料中相對 變化或差異較大的區域，而應用至各種地形變化的 研究。

特徵比值方法(Eigenvalue ratio, ER)也是一種 地表粗糙度的表示方法之一，為利用空間資料的分 布狀況，以方向張量(orientation tensor)為基礎所衍 生 的 空 間 資 料 分 析 表 示 方 法 ， 最 早 分 別 由 Scheidegger 和 Fara 提出(Fara and Scheidegger, 1963;

Scheidegger, 1964)，此方法過去多在構造地質學上 應用，分析空間中特徵面、構造組構的分布狀況。

當空間中特徵向量越集中，可表示地形較平坦，相 反地則表示地形越崎嶇。每個地形特徵面都可利用 坡度和坡向的計算來得到方向餘弦，進一步即可計 算特徵向量的數值，式(1)為表示特徵面的空間矩 陣，當 T 正歸化後，即可表示為方向張量，T = t / N。

計算後特徵向量(Eigenvector)即為λ1、λ2、λ3(式 2)，特徵值(Eigenvalue)相對為 S₁、S2、S3(式 3)，

可用來描述資料叢集向量方向的量值和性質(Guth, 2003; McKean and Roering ,2004)。

) 1 . ( ...

...

2 2

2



 







 











  

   

i i

i i i

i i i

i i

i i i i i

z y

z y z

z y y

x y

z x y x x

T

Eigenvetors





利用所獲得的三個特徵值的相互比值關係，可

以 得 到 對 應 地 形 面 法 線 向 量 的 兩 参 數 (Guth, 2003) 。平坦参數(flatness parameter)為選擇 S₁、S₂ 之比值並取自然對數之結果，來表示每個空間面的 法線向量，亦即表示此空間面的平均坡度，向量分 布也表示空間面許多不同的方向，或可表示地形面 的崎嶇度(McKean and Roering ,2004)。叢集参數 (organization parameter) 為選擇 S₂、S₃之比值並取 自然對數之結果，來表示空間面的順排方向及量 值 ，在構造地質上可以分析出組構面的優勢順排 方 向 ， 進 而 分 析 可 能 的 應 力 應 變 關 係 (Guth, 2003)。

4. 結果與討論

4.1 傳統判釋方法與高解析數 值地形的應用

傳統崩塌研究方法，大多利用衛星影像、航空 照片等圖像資料，在室內進行崩塌特徵判釋和圈繪

，搭配較低解析度和精度的數值地形資料來進行分 析研究，以車心崙地區航空照片(圖 4(A))來看 ， 僅部分坡腳區域出現淺層崩塌而植生裸露的現象，

其餘則多植生覆蓋。再配合以往臺灣地區較常使用 的數值地形模型資料，包括行政院農委會製作之 40 米數值地形模型資料(圖 4(B))、2005 年由內政 部所測製之 5 米航測數值地形模型資料(圖 4(C)、

4(D))。40 米的資料約略可判釋出研究區域內山脊、

河道及坡面空間狀況，5 米的資料則大致上地形的 趨勢變化，山脊、河谷蝕溝、平緩坡地都可觀察到，

各類不同地形地貌分布也可大致分辨出 ，但對於 崩塌所造成細微地形變化，上述兩者資料狀況則多 無法呈現。這些結果顯示傳統判釋方法應用在台灣 地區，對於淺層崩塌或是新生崩塌的判釋，大多可 以在影像上判釋出，但對於大規模崩塌地調查，則 易受植生遮蔽或資料解析度限制之影響，會間接影 響判釋的結果。

隨著數位航測、光達等技術的發展，數值地形 模型資料解析度也越提升，國內較常使用的數值地 形模型資料，也由行政院農委會製作之 40 米網格

解析度到 2005 年由內政部測製完成全島 5 米網格 資料；本研究則應用地調所產製之 1 米之數值地形 模型資料，以車心崙地區為例(圖 4)，展現各種不 同解析度的資料結果，也顯示出各種資料結果有很 大的差異。40 米和 5 米的 DEM 結果(圖 4(B)、4(C)、

4(D))大致上可觀察出各類不同的地形地貌，且隨 地形趨勢變化亦可判斷出山脊、河谷蝕溝、平緩坡 地等，相較於 1 米 DEM 結果(圖 4(E)、圖 4(F))，

除了地形分布之位置更明確外，坡面上有更多的細 微地貌特徵被顯示出來，從圖 4 中不同解析度資料 成果比較後，可呈現地形變化約 1 至 2 米的地表特 徵正適合應用於坡地災害的分析研究。圖 4 中，紫 紅色研究區域範圍正是利用 1 米解析度資料，依據 觀察到的地形特徵來研判，就一般崩塌判釋之經驗 法則，將已經發育或潛在發育的崩塌範圍圈繪出。

也就是說在使用數值地形資料上，因資料取得和資 料產製成本等因素下，數值地形資料解析度須考量 這些因素，而選擇適合使用目的之資料等級，並非 所有用途都需使用最高階解析度之資料，或較低階 解析度都無其應用之價值。在數值地形資料的使用 上，隨著不同的任務導向與使用者需求之應用目的

、比例尺大小，而選擇適宜之解析度數值地形資 料。

4.2 不同計測方法之應用討論

本研究利用坡度分析(Slope angle)、日照陰影 計 算 (Hillshade) 、 坡 向 分 析 (Aspect) 、 曲 率 (Curvature) 、地表粗糙度(Surface roughness)、特 徵 比 值 (Eigenvalue ratio, ER) 、 透 空 度 分 析 (Openness)等地形計測方法，利用車心崙地區之數 值地形資料進行分析，每種地形計測方法以不同計 算方式或原理運算，藉由這些不同運算方式的結果 所代表的意義，都有助於後續各方面應用判讀。如 坡度分析的結果 ，就直接顯示地形坡度資訊，對 於地形起伏、坡面傾斜等趨勢變化都可以直接觀察 出，而在 GIS 系統中，用不同色階方式呈現，也

會造成不同視覺化判讀效果，如圖 5 以紅黃綠色階 和灰階等兩種方式來呈現坡度分析的結果，就有不 同的效果，紅黃綠色階方式可以觀察出坡度變化的 趨勢，而灰階方式則有類似地形陰影的效果，可以 視覺化來觀察地形起伏，讓雙眼能有三維地形的視 覺感受。

坡向分析結果，可直接提供地形面方向的資

訊 ；日照陰影計算 Hillshade 則以模擬日光來源的 方式，所得影像因明暗變化而讓地形資訊具有三維 立體的視覺化效果，肉眼可以容易感覺出地形起伏 或變化，包括山谷、山峰、河道等各類地形特徵，

但日光光源方向和高低角度不同所造成陰影、平行 光源方向等，也會造成地形特徵遮蔽或不容易判 釋。

圖 4 研究區域航照圖(A)及以不同解析度、不同日光光源下之數值地形資料所呈現之地形陰影圖結果。B 為 40 米網格解析度資料之地形陰影搭配高程暈渲圖，C、D 為 5 米網格解析度資料，分別以日光 光源角度為方位角 315°，高度角 45°以及方位角 0°，高度角 90°之結果；E、F 為 1 米網格解析度資 料，分別以日光光源角度為方位角 315°，高度角 45°以及方位角 0°，高度角 90°之結果

圖 5 利用 1 米網格解析度資料以不同色階方式所呈現之研究區域坡度圖結果，並分別以紅黃綠色階(A)

A B

C D

E F

A B

和灰階(B)等兩種方式來呈現坡度分析的結果

圖 6 A 圖為研究區域數值地形資料經處理後所得之坡向圖，B 圖為坡向圖疊加地形陰影圖

圖 7 車心崙地區數值地形資料經不同計測方法處理後所得之結果，A 為曲率圖，其中 B-D 代表不同地 表粗糙度計算方法之結果(B 為曲率標準差結果圖，C 為坡度標準差結果圖，D 為高程標準差結果

A B

A B

D C

E

圖)、E 為特徵比值圖

曲 率 (Curvature) 、 地 表 粗 糙 度 (Surface roughness)、特徵比值(ER)等資料(圖 7)，多為計算 式或統計方式的結果，可表示為地形變化特徵處，

其數值表示的物理意義不見得適用於視覺化判釋 分析，需要再利用數值分析、統計方法或疊加上具 視覺化效果的圖像，才有利於視覺化判釋或萃取所 需地形資訊。

綜合上述，地形計測方法將數值地形資料分析 處理後，其結果大致上可分為兩類，1.分析坡度 (Slope angle) 、 日 照 陰 影 計 算 (Hillshade) 、 坡 向 (Aspect)、透空度(Openness)等結果可以得到具視覺 化效果的影像，讓雙眼可以直接判讀地形起伏與變 化 ， 2. 曲 率 (Curvature) 、 地 表 粗 糙 度 (Surface roughness)、特徵比值(ER)等(圖 7)可以得到數值化 的成果，但需要利用後續資料統計分析配合或再萃 取，始可獲得所需資訊成果。因此在數值地形資料 的分析處理上，可以依據欲分析之目的，選擇適用 的方法來進行。

4.3 透空度及紅色立體投影圖 的應用

透空度分析 Openness 為由 Yokoyama et al.

(2002)所提出的地形參數，主要以一區域地表水平 距離與高程間的角度關係(tanθ)該地不規則地表的 主要形貌。透空度計算又分為正值與負值(圖 8)透 空度分析的結果，在正值結果方面可以很明顯將稜 線、緩階地或高程差變化處表現出來，而負值之結 果則可以很明顯將水系分布表現出來。此法所表現 的陰暗變化，除可將立體地形視覺化的表現，而類 似日照陰影圖或坡度圖，又更加強調了地表的主要 凹凸特徵，這不僅可以去除日照陰影圖因光源方向 不同而有的差異與降低數值高程模型雜訊的影響，

還能突顯角度變化強烈處，如階地、崩崖等，使得 透空度分析的結果對於地貌或地形分析等判釋，可 以提供極方便的訊息。然而以類似天頂視角計算的 方式來表示地形特徵(Štular et al., 2012; Zakšek et al., 2011)，這方法可以避免地形陰影法中，受陰影

覆蓋的範圍及與光源平行的特徵容易被忽略等缺 點，此法目前已在火山地形(Chiba et al., 2008;

Prima and Yoshida, 2010; Prima et al., 2006)、構造地 形分析(Lin et al., 2013)和人類遺跡判釋(Štular et al., 2012)等應用。

圖 8 車心崙地區數值地形資料經透空度處理後 所得之結果，A 圖為透空度正值、B 圖為 透空度負值

Chiba et al.,(2008)提出紅色立體投影圖“Red Relief Image Map (RRIM)”，如圖 9(A)所示，紅色 色階越紅表示坡度越陡，灰階越淡表示透空度越 高 ，較深表示透空度較低，此方法除了避免地形 受陰影覆蓋影響及與光源平行的特徵容易被忽略 等缺點，也保有原地形資料解析度，且對於細微特 徵變化，可成功以此法將之視覺化，如在新期構造 所造成地形高差變化，利用高解析度數值地形，配 合此法也可成功判釋出(Lin et al., 2013)。應用在崩 塌判釋方面，經由大規模崩塌造成的地形特徵，也 多屬於很細微的特徵變化，利用此方法也可將崩 崖 、山頂緩斜面、反斜崖或反向坡地形、裂縫、

線狀凹地、圓弧形滑動體、坡趾隆起、坡面及側邊 A

B

蝕溝等地形特徵凸顯，並能利用地形立體視覺化的 效果進行分析判釋(圖 9(B))。

圖 9 A 圖為車心崙地區數值地形資料經透空度處理後所呈現之紅色立體模型圖，B 圖為紅色立體模型疊 加地形陰影圖

圖 10 車心崙地區經判釋後所得之地形特徵結果，底圖為紅色立體模型疊加地形陰影圖

4.4 潛在大規模崩塌的判釋

崩塌判釋分析中，傳統研究的各類方法多數不 具立體地形視覺化效果，也多數未直接顯示山崩位

置，皆僅找出地形變化較大的特徵處，故仍需要再 利用數值分析、統計方法或疊加上具視覺化效果的 圖像，才有利於視覺化判釋或萃取所需地形資訊。

比較各種地形計測方法的結果，本研究發現利 用坡度、地形陰影及透空度分析之結果(圖 9)，較

A B

能顯示出地形特徵紋理和地形坡度的高低起伏，並 直接將其視覺化，有助於人為判釋。判釋結果(圖 10)可以清楚呈現車心崙地區所出現的大規模崩塌 之地形特徵，包括崩崖、山頂緩斜面、反斜崖或反 向坡地形、裂縫、線狀凹地、圓弧形滑動體、坡趾 隆起、坡面及側邊蝕溝等。以此方法應用在臺灣中 部地區的大規模崩塌判釋，以雲林、嘉義地區為例，

在莫拉克颱風事件後本區域內也有多處坡地發生 大規模崩塌，藉由高解析度光達數值地形，加上坡 度、地形陰影及透空度分析之結果，反映大規模崩 塌可能存在之細微地形特徵，可辨識出傳統上航空 照片加上等高線或 5 米解析度數值地形資料等所 無法分辨之地形特徵，有助於崩塌地的判釋作業。

利用此類地形計測方法，已可在臺灣中部地區判釋 出 473 處大規模崩塌潛勢區位(謝有忠、等人，2012)，

已判釋出的點位範圍如阿里山、瑞里、草嶺、石桌、

神木等地區，其中部分點位經野外調查發現確實有 發生過或具有潛在大規模崩塌的現象；相較於過去 傳統判釋方法，利用光達數值地形資料配合此地形 計測方法，不僅可提升判釋速率，也能減少誤判而 有效找出潛在大規模崩塌的位置，確實對潛在大規 模崩塌的判釋和調查有很大的助益。

4.5 數值地形資料品質、精度與 點雲之關係

數值地形模型的精度，一般指的是模型表示的 地形高程與真實高程之間差值的標準偏差。一般高 程由離散點雲值經內插方法而得，離散點雲越密集 的範圍，所內插的高程就能越接近真實高程值，而 當點雲分布稀疏時，選擇的內插函數就會影響高程 值或精度。

空載光達掃瞄時所獲取的地面點多寡，主要受 植被疏密程度與雷射光入射角度之影響，部分植被 茂密區域甚至可能完全沒有雷射光能穿透，尤其在 臺灣地形陡峭且植生茂密，如何提高有效地面點獲 取比率確實為目前所遭遇的難題之一。而有效地面 點密度之品質指標也可進而表示數值地型模型的 品質指標。此項指標主要受地形限制、飛航規劃和

光 達 點 雲 分 類 作 業 等 影 響 。 本 研 究 利 用 ESRI ARCGIS 空間分析模組，讀入分類後點雲資料，以 每平方米為計算單位來求取有效地面點雲密度，以 車心崙地區來看，此範圍平均地面點點雲密度約為 0.98Pt/m²，結果如圖 11 中所示，有效地面點主要 仍受地形限制和植生覆蓋等影響，較平緩地形密度 明顯高於較陡之地形範圍，低矮植生(茶園)明顯高 於茂密植生(雜林)地形範圍，緩地形、低矮多有 2 Pt/m²以上，但部分茂密植生之陡坡則低於 1，甚 至無地面點點雲。

以車心崙地區來看，綜合地調所計畫中各類植 生覆蓋的精度評估成果為 0.146-0.237 米(中興測量 公司，2011)，整體結果符合數值地形資料製作規 範要求，也與一般空載光達技術所知的精度相當；

惟一般精度評估多為整批資料以抽樣方式進行評 估，較無法了解局部研究區域其資料的品質；對局 部研究地區的資料品質或精度來看，有效地面點雲 密度分布也就提供一項可靠的參考指標。由車心崙 區域來看，雖範圍內多數細微之地形特徵都能清楚 呈現，疊上點雲密度分布後(圖 11(A))，在這些地 形特徵不明顯區域中，其有效地面點雲分布密度都 出現密度較低或缺少點雲分布的狀況。也就是說當 點雲密度高時，內插高程值與真實高程的差異會很 小 ，接近真實地表狀況，點雲密度低或缺乏點雲 時，內插值會與真實高程有較大差異，此點即可讓 使用者在利用數值地形進行分析時，可分辨出此研 究區域數值地形資料的品質和精度。另外經由正射 航照的比較(圖 11(B))，點雲密度稀疏多分布於較 陡坡面和竹林、雜林區，在緩坡以及低矮茶園則有 較高的點雲密度分布，此點就與理論上有效地面點 多寡主要受植被疏密程度與雷射光入射角度之影 響相符。以車心崙崩塌地來看，可判釋出多數僅有 1-2 米變化的崩崖和裂隙等之細微地形特徵，顯示 目前空載光達技術所產製的數值地形已足可供崩 塌調查分析使用。此外在使用數值地形資料時，仍 須注意點雲穿透力較差的範圍，在地形陡坡或茂密 雜林內因點雲密度較低而無法較真實呈現地表狀 況。

圖 11 研究區域光達掃瞄所獲取有效地面點雲密度之結果與地形陰影圖、正射航空影像之比較

5. 結論

傳統崩塌判釋研究方法應用在台灣地區，對於 淺層崩塌或是新生崩塌的判釋，大多可以在影像上 判釋出，但對於大規模崩塌地調查，則易受植生遮 蔽或資料解析度限制之影響，會間接影響判釋的結 果。隨著數位航測、光達等技術的發展，數值地形 模型資料解析度也越提升，以車心崙地區為例，藉 由各種不同解析度資料展現的結果，也顯示出各種 資料結果有很大的差異。隨著解析度的提升，細微 的地形變化也才能被觀察出，從不同解析度資料成 果比較後，其中可呈現地形變化約 1 至 2 米的地表 特徵的解析度正適合應用於坡地災害的分析研 究。

本研究利用坡度分析(Slope angle)、日照陰影 計 算 (Hillshade) 、 坡 向 分 析 (Aspect) 、 曲 率 (Curvature) 、地表粗糙度(Surface roughness)、特 徵 比 值 (Eigenvalue ratio ， ER) 、 透 空 度 分 析 (Openness)等地形計測方法，將雲林古坑車心崙地 區之數值地形資料進行分析，其結果大致上可分為 兩類，1.坡度分析(Slope angle)、日照陰影計算 (Hillshade)、坡向(Aspect)、透空度 (Openness)等結 果可以得到具視覺化效果的影像，讓雙眼可以直接 判讀地形起伏與變化，2. 曲率(Curvature)、地表粗 糙度(Surface roughness)、特徵比值(ER)等可以得到 數值化的成果，但需要利用後續資料統計分析配合 或再萃取，始可獲得所需資訊成果。因此在數值地

形資料的分析處理上，可以依據欲分析之目的，選 擇適用的方法來進行。並了解每種地形計測方法的 原理和計算過程，可以選擇最適用或最佳效率的方 法，則有助於後續應用分析，也不會有誤用或錯用 之情形。

比較各種地形計測方法的結果，本研究發現以 坡度、地形陰影及透空度分析後所得之結果，較能 顯示出地形特徵紋理和地形坡度的高低起伏，並直 接將其視覺化，有助於人為判釋。此方法除了避免 地形陰影覆蓋以及與光源平行的特徵容易被忽略 的缺點，也保有原地形資料解析度，對於細微特徵 變化，亦可成功將之視覺化。應用在崩塌判釋方面，

在大規模崩塌可能存在的地形特徵，亦都屬於很細 微的特徵變化，利用此方法也可將崩崖、山頂緩斜 面、反斜崖或反向坡地形、裂縫、線狀凹地、圓弧 形滑動體、坡趾隆起、坡面及側邊蝕溝等地形特徵 凸顯，並能利用地形立體視覺化的效果進行分析判 釋；相較於過去傳統判釋方法，不僅可提升判釋速 率，也能減少誤判而有效找出潛在大規模崩塌的位 置，確實對潛在大規模崩塌的判釋和調查有很大的 助益。未來搭配後續的地質調查或細部研究，更能 進一步探討坡面地質災害的可能成因和規模或影 響範圍，可為現今防救災策略上必需的重要資訊。

在數值地形資料的選擇考量方面，因資料取得 和資料產製成本等因素下，可選擇適合使用目的之 資料解析度等級，並非所有用途都需使用最高階解 析度之資料，或較低階解析度都無其應用之價值。

A B

亦即在數值地形資料的使用上，隨著應用目的、比 例尺大小的不同，而選擇適宜之解析度數值地形資 料。

數值地形模型資料的精度主要受植被疏密程 度與地形坡度之影響所致，點雲密度分布也提供一 項可靠的參考指標，以車心崙崩塌地來看，除部分 陡坡和雜林區點雲較稀疏，使得陡坡和雜林區部分 地形特徵較不明顯外，多數崩崖和裂隙等細微地形 特徵可經由數值地形資料判釋出，而這些地形特徵 顯示目前所產製的數值地形已足可供調查分析使 用。此一訊息也提醒在使用數值地形資料時，仍須 注意點雲密度較低穿透力較差，而無法較真實呈現 地表狀況的範圍。

致謝

本研究感謝經濟部中央地質調查所支持及環 境與工程地質組光達科同事的協助，並感謝中興測 量公司、詮華國土測繪有限公司、群立科技股份有 限公司、自強工程顧問有限公司等參與光達數值地 形資料測製之團隊，以及國立成功大學團隊對測製 成果資料嚴格之監審作業。

參考文獻

中興測量公司， 2011。國土保育之地質敏感區調 查分析計畫-莫拉克災區 LiDAR 高解析度數 值地形製作(2/3)-100 年度 2-1 分區，經濟部中 央地質調查所，臺北。

石慶得，1984。地形計測法及其作業模式之研究，

文化大學地學研究所，臺北市。

孫稜翔，蔡衡，2008。八卦山背斜集水區地形計測 指標於活動構造意義之探討，師大「地理研 究」，49: 23-141。

財團法人成大研究發展基金會，2011。國土保育之 地質敏感區調查分析計畫-莫拉克災區 LiDAR 高 解 析 度 數 值 地 形 製 作 之 檢 核 與 監 審 (2/3)-100 年度，經濟部中央地質調查所，臺

北。

陳彥傑，2008。臺灣山脈地形演育的測高曲線與高 程頻率分佈形態，國立臺灣大學理學院地理 地理學報，54:79-85。

陳柔妃，1999。嘉南地區活動構造之地形計測指標 研究，國立成功大學地球科學研究所，臺北 市。

鈴木隆介，2000。建設技術者のための地形図読図 入門第３巻 段丘・丘陵・山地，古今書院，

東京。

經濟部中央地質調查所，2008。都會區及周緣坡地 環境地質資料庫圖集說明書，65 頁。

劉治中，蕭國鑫，饒見有，劉進金，吳哲榮，黃群 修，2010。結合空載 LiDAR 與彩色航照應用 於崩塌地 研判 ， 航測及 遙 測學刊 ，15(1) : 111-122。

賴進貴，1996。數值高度模型與地形計測研究：資 料解析度問題，國立臺灣大學理學院地理地 理學報，20:61-73。

謝有忠，陳宏仁，邱禎龍，侯進雄，2012。高解析 度數值地形在坡地地質災害之研究，經濟部 中央地質調查所 100 年度研究發展專題，1-60 頁。

Burrough, P.A., and McDonell, R.A., 1998.

Principles of Geographical Information Systems. Oxford University Press, New York, 190 p.

Challis, K., Forlin, P., and Kincey, M., 2011. A Generic Toolkit for the Visualization of Archaeological Features on Airborne LiDAR Elevation Data. Archaeological Prospection, 18:

279-289

Chiba, T., Kaneta, S.I., and Suzuki, Y., 2008. Red Relief Image Map: New Visualization Method for Three Dimensional Data. Remote Sensing and Spatial Information Sciences vol. XXXVII, Part B2. Beijing, 1071-1076.

ESRI, 2012. ArcGIS Desktop: Release 10. Redlands, CA: Environmental Systems Research Institute, http://resources.arcgis.com/

Fara, H.D., and Scheiddegger, A.E., 1963. An eigenvalue method for the statistical evaluation of fault plane solution of earthquakes. Bulletin of the Seismological Society of America,

53:811-816.

Frankel, K.L., and Dolan, J.F., 2007b. Characterizing arid region alluvial fan surface roughness with airborne laser swath mapping digital topographic data. Journal of Geophysical Research, 112.

Glenn, N.F., Streutker, D.R., Chadwick, D.J., Thackray, G.D., and Dorsch, S.J., 2006.

Analysis of LiDAR-derived topographic information for characterizing and differentiating landslide morphology and activity. Geomorphology, 73:131-148.

Guth, P.L., 2003. Eigenvector Analysis of Digital Elevation Models in a GIS Geomorphometry and Quality Control. Concepts and Modelling in Geomorphology, 199-220.

IAEG Commission on Landslides, 1990. Suggested nomenclature for landslides. Bulletin of Engineering Geology and the Environment, 41:13-16.

Kasai, M., Ikeda, M., Asahina, T., and Fujisawa, K., 2009. LiDAR-derived DEM evaluation of deep-seated landslides in a steep and rocky region of Japan. Geomorphology, 113:57-69.

Lin, Z., Kaneda, H., Mukoyama, S., Asada, N., and Chiba, T., 2013. Detection of subtle tectonic–

geomorphic features in densely forested mountains by very high-resolution airborne LiDAR survey. Geomorphology, 182:104-115.

McKean, J., and Roering, J., 2004. Objective landslide detection and surface morphology mapping using high-resolution airborne laser altimetry. Geomorphology, 57:331-351.

Moore, I.D., Grayson, R.B., and Ladson, A.R., 1991.

Digital terrain modelling: A review of hydrological, geomorphological, and biological applications. Hydrological Processes, 5:3-30.

Pelletier, J.D., Mitasova, H., Harmon, R.S., and Overton, M., 2009. The effects of interdune vegetation changes on eolian dune field evolution: a numerical-modeling case study at Jockey's Ridge, North Carolina, USA. Earth Surface Processes and Landforms, 34:1245-1254.

Prima, O.D.A., Echigo, A., Yokoyama, R., and Yoshida, T., 2006. Supervised landform classification of Northeast Honshu from DEM-derived thematic maps. Geomorphology, 78:373-386.

Prima, O.D.A. and Yoshida, T., 2010.

Characterization of volcanic geomorphology and geology by slope and topographic openness.

Geomorphology, 118:22-32.

Scheidegger, A.E., 1964. The tectonic stress and tectonic motion direction in Europe and Western Asia as calculated from earthquake fault plane solutions. Bulletin of the Seismological Society of America, 54(5A):1519-1528.

Štular, B., Kokalj, T., Oštir, K., and Nuninger, L., 2012. Visualization of lidar-derived relief models for detection of archaeological features.

Journal of Archaeological Science, 39:3354-3360.

Varnes, D.J., 1978. Slope movement types and processes. Transportation Research Board Special Report, 176:11-33.

Woodcock, N.H., 1977. Specification of fabric shapes using an eigenvalue method. Geological Society of America Bulletin, 88:1231.

Woodcock, N.H., and Naylor, M.A., 1983.

Randomness testing in three-dimensional orientation data. Journal of Structural Geology, 5(5):539-548.

Yokoyama, R., Shirasawa, M., Pike, R.J., 2002.

Visualizing topography by Openness: A new application of image processing to digital elevation models. Photogrammetric Engineering and Remote Sensing, 68:257-265.

Zakšek, K., Oštir, K., and Kokalj, Z., 2011. Sky-view factor as a relief visualization technique.

Remote Sensing, 3:398-415.

Zevenbergen, L.W., and Thorne, C.R., 1987.

Quantitative analysis of land surface topography. Earth Surface Processes and Landforms, 12:47-56.

1 Associate Technical Specialist, Central Geological Survey, MOEA ; Received Date: Aug. 11, 2013 Ph.D. Student, Department Geosciences, National Taiwan University, Taipei, Taiwan Revised Date: May 04, 2016

2 Chief of Planning Office, Central Geological Survey, MOEA Accepted Date: May 16, 2016

3 Professor, Department of Geosciences, National Taiwan University, Taipei, Taiwan

4 Chief of Environmental & Engineering Geology Division, Central Geological Survey, MOEA

5 Associate Technical Specialist, Central Geological Survey, MOEA

6 Technical Specialist, Central Geological Survey, MOEA

7 Associate Research Fellow, Institute of Earth Sciences, Academia Sinica, Taipei, Taiwan

* Corresponding Author, Phone : 02-29462793 ext.261, E-mail: hcs@moeacgs.gov.tw

Potential Catastrophic Landslides Mapping by Using Geomorphometric analysis

Yu-Chung Hsieh¹ Chin-Shyong Hou^2* Jyr-Ching Hu³ Li-Yuan Fei⁴ Hung-Jen Chen⁵ Cheng-Lung Chiu⁶ Yu-Chang Chan⁷

ABSTRACT

Extreme weather events have induced more frequent geological hazards in Taiwan. The heavy rainfall brought by the Typhoon Morakot has triggered a large amount of landslides including the Xiaolin village which was demolished by a catastrophic Landslides. The study of such catastrophic landslides is urgently needed. It is considered that the creep phase of a landslides is a preparatory stage of progressive failure and gives enough signals before turning into a catastrophic landslides. This study used high-resolution airborne LiDAR-derived DEM data from the Central Geological Survey, MOEA. We used different geomorphometric analyses to process the high resolution and high accuracy DEM data including the hillshade, aspect, slope, eigenvalue ratio &

openness. Among these geomorphometric analyses, which to converged openness, slope and hillshade method of the results, the capacity to discuss the possible cause and the influence analysis of the catastrophic Landslides in view of the slight terrain features has increased drastically through DEM processing. Our results indicate that over hundreds potential catastrophic landslides may present in southern Taiwan after the Typhoon Morakot event.

The quantitative methods used in this study highlight the terrain features of the creep phase of catastrophic landslides and is helpful for landslide feature interpretation and hazard assessment.

Keywords:：airborne LiDAR, DEM, catastrophic landslides, Geomorphometry, natural hazard