Volume 24, No.2, 2019, pp. 135- 146 DOI：10.6574/JPRS.201906_24(2).0005
1 國立中央大學土木工程學系 碩士生 收到日期：民國 108 年 02 月 23 日
2 國立中央大學遙測科技碩士學位學程 碩士生 修改日期：民國 108 年 04 月 15 日
3 國立中央大學太空及遙測研究中心 專任助理 接受日期：民國 108 年 06 月 19 日
4 國立中央大學太空及遙測研究中心 副教授
* 通訊作者, E-mail: school60108@hotmail.com.tw
運用無人飛行載具吊掛簡易聲納測量水體參數
洪一展
1*萬泓顯
1蔡沛芸
2廖婉婷
3曾國欣
4摘要
傳統上對於內陸水體多利用單音束與多音束測深儀量測水深，可得剖面深度測線進而產出水底地形，
但若應用於小型水域，船隻不便行駛且成本將顯著提升，因此載具的機動性逐漸成為研究目標。近年因消 費級無人機興起，運用其高機動性可取代人們進入不易到達之區域進行觀測，對於空間中的點狀測量提 供了一種新型作業平臺。為了解小型水體(如埤塘)的水深並計算水量變化，本研究結合無人機、智慧型手 機與小型簡易聲納，於水面進行點狀水深測量，後續使用空間內插擬合埤塘水底地形。於桃園四口埤塘測 量成果顯示，水深量測內部精度(連續觀測之標準差)於每口平均值可小於 0.13 m，若與水務局早期實測資 料比較，經水位調整後深度差的標準差為 0.15 m，另面積誤差為 3.2%–8.9%。本研究歸納出在缺乏船載實 測資料時，本系統可於低時間與人力成本考量下，在水域深度介於六十公分至數公尺的水體進行深度與 量體估計。
關鍵詞：無人機、簡易聲納、埤塘、水底地形
1. 前言
1.1 研究背景與動機
桃園市(含舊桃園縣)為傳統農田水利發展的重 要地區，但因台地地形與氣候因素、河川襲奪等現 象，雨水貯留時間甚短(桃園市政府，2011)。除了雨 季或間歇性大雨提供足夠灌溉量之外，河川經常流 量貧乏，雨水利用率較低。為了解決上述問題，先 民開鑿出數千口埤塘作為灌溉設施，形成桃園台地 上極具特色之人文景觀，其數量、面積和密度之高，
使得舊桃園縣有「千塘之縣」的稱呼(黃浩珽，2007)，
構成了世界少有的獨特地景。埤塘可反映人地關係 的歷史演變，以及文化、景觀、休閒遊憩、生態保 育等等面向。在 1964 年石門水庫竣工而成為主要 供給水源後，埤塘於農業上的角色逐漸淡化，加上 工業開發與公共工程建設需求等因素，農業型社會 漸漸都市化與工業化，導致埤塘數量與面積急遽減
少(閻克勤等，2014)，時至今日也有將埤塘轉化為滯 洪池與防災利用等面向，亦有農委會推動農業水域 用地設置太陽光電系統，例如「桃園埤塘設置太陽 能光電設施專案」(行政院農業委員會，2017)。
據現今桃園市政府水務局統計資料全市共有 2851 座埤塘，然而絕大多數僅有單一水深值和水體 面積，由於建造年代久遠且池內淤積與疏濬的記錄 不全，導致多數埤塘的深度與面積等空間資訊參數 缺乏，對於儲水量估計充滿不確定性，進而造成後 續開發、整治與使用變更上的困難。因此，透過遙 測科技的輔助，在低成本與高時空解析度的優勢下，
逐漸能夠克服過往資料收集的困難性與時效性，對 於此一獨特地景再利用提供重要的基礎資訊。
1.2 傳統水深量測
為了充分了解內陸水域的面積與深度等參數 以利資源利用，運用測量工具進行深度估計與水 線測繪是探測水域的基本工作，早期以測深桿或
測深錘量測單點水深，而後人們利用聲波與光束 傳播之走時等物理特性發展出音響測深與光學測 深等(薛憲文等，2012)。現今單音束及多音束測深 系統運用較為廣泛(薛憲文等，2012)，除了了解底 床地形更能透過反射的時間差了解表面的層狀結 構。如 Komatsu et al. (2003)利用多音束配合初始海 床計算海草體積，表明多音束可有效辨別海草層 之空間分布與可視化。音響測深儀之解析度影響 聲納測得水深之精度，解析度由聲波波長、音束 束寬、物體特性、入射角度等所決定。單音束聲 納常以聲波返回最短距離作為該點水深，原理較 為簡單，外業程序及內業資料處理程序皆較多音 束測深單純(薛憲文等，2014)。
此外，測深光達較適用於水深較淺且水質清 澈之區域，若水質混濁能見度不高，將增加測深 雜訊，造成實驗與資料處理上相當大的不確定性。
Hilldale & Raff (2008)於美國華盛頓州的 Yakima 與 Trinity 河道，收集了 220 km 長的空載測深光達資 料，對兩個河床進行地表調查，其研究結果顯示 在緩降的河道中垂直精度約在 0.31–0.42 m，在坡 度大於 20%時最大標準差為 0.63 m，此一完整的河 床地形將有助於後續淹水模擬、侵淤分析以及水 動力學等研究。
對於能見度較高的淺水區亦有運用遙測衛星 影像進行建模之方法。例如洪欣宇(2017)利用高解 析衛星立體對像影像匹配建置海岸帶水下地形模 型，利用標準化互關係法(NCC)進行影像匹配，並 計算基線方向視差與配合衛星立體對拍攝之交會 幾何角度，推算高程修正量與匹配點雲，產生準 正射影像供迭代處理與進行折射校正，最後以克 利金內插(Kriging)產生平滑之地形模型。在淺區域 匹配點在垂直方向的精度使用融合影像可達 0.52 m。
此外，Stumpf et al. (2003)提出一種利用光譜衰減的 計算方式，使用被動式感測器所得到的光譜資訊，
透過比爾定律的衰減模式，達到測深的目的。該 研究透過比較 IKONOS 衛星影像與測深光達，比 較線性變化算法與依經驗所設之比例變化算法，
後者在不同的水底地貌顯示更大的穩定性。然而 上述方法僅限使用於水質乾淨、底質特徵明顯區
域，且衛星影像需無雲、無浪及鏡面反射(或經由 良好的影像校正)，否則將降低計算精度甚至無法 進行測量。
綜合上述之方法，多數傳統測量對於淺水(深 度小於 5 m)、內含障礙物(如水車)、水質混濁、水 底特徵不明顯等水體環境較難施測，再加上經濟 效益等考量，造成桃園埤塘的空間資訊缺乏。因 此本研究主要規劃利用無人機及簡易聲納進行現 地實驗，探討該測量系統作為水深資料之可行性。
1.3 新型水體建模方式
無人機的開發在過去主要出於軍事目標與應 用，例如無人偵察、監視甚至測繪敵隊目標，隨 著時代迭進，無人機在攝影測量領域逐漸興起，
並開啟近程航測應用(Remondino et al., 2011)。近年 來由於加速度計與陀螺儀等微控制器發展迅速，
消費級無人機操作經驗需求與機體成本皆大幅降 低，尤其無人機可到達人所不易進入的地域，取 代人員到達現場施作的要求。Alvarez et al. (2018) 於美國奧克拉荷馬州的小型水庫施測，該處水表 面積約 28,000 m2，實驗中利用無人機拖行小型船 具並搭載簡易聲納測量深度，得到散亂的點位測 深值後，經由聚群分析(cluster analysis)辨別標準差 較大之區域，對於底床變動較大的區域進行第二 次聲納測深，最後經自適應法剔除超過閥值之數 據，將水深進行空間擬合而得到水底地形圖，擬 合地形與實測深度比較後標準差達 0.37 m。從該研 究可證明，運用無人機的高機動性量測，在 15 小 時內可獲得近三萬平方公尺的面狀水底地形資訊，
足證其相較於傳統的方法能有效率且低成本的達 到目的。
基於類似的水體環境，桃園地區埤塘廣佈，
有些經過妥善規劃，成了休閒池或埤塘公園等用 途，但仍有埤塘屬於乏人管理，雜草蔓生的情形 讓人們難以進入。因此本研究運用類似的測量工 具，使用無人機取代船隻等水上載具，懸掛聲納 並在漂浮的過程中得到現地水深，減少外業人力 與金錢上的成本。
2. 施測器材與流程
2.1 整合無人機與聲納及行動 裝置
本研究使用大疆 DJI Phantom 3 Professional 無 人機作為主要載具(圖 1A)，在良好 GPS 定位、低 風速環境與超聲波工作範圍內可懸停於水平方向 1.5 m 與垂直方向 0.1 m 內(大疆，2018)，其重量僅 有 1,280 g，在外業測量時非常方便攜帶。吾人嘗 試於無人機下懸掛負荷，在五百克內尚可穩定懸 停且不影響操作。懸吊模組中以凌滙所產製的微 型聲納為主(圖 1B)，聲納規格於圖 1C 可見。該聲 納重量僅有 89 g，探測深度可於 0.6 m 至 30 m 區 間，且工作溫度允許聲納在 40 度以下運作。雖然 其主要應用為釣魚與休閒遊憩使用，但因測深精 度良好，亦可在手機端開啟配合之行動應用程式 (mobile app)獲得深度估值，故作為本研究測深之 實驗設備，聲納資料傳輸方式為透過 Wi-Fi 回傳至 智慧型手機端，最大傳輸距離為 50 m，當手機端 開啟行動應用程式可得到即時回傳的水深值。由 於聲納並無定位模組，且需與智慧型手機保持連 接，故在懸吊模組另外搭載 HTC Butterfly 2 搭配 4G 行動通訊，該手機支援臺灣 4G 全頻段並可利用 其 產 製 NMEA(National Marine Electronics Association)定位文件輸出聲納即時位置，由此提 供聲納在各時間點所在的水平位置。經前人研究 (Kong, 2014)，使用地面蜂巢式網路輔助全球衛星 定位系統(Assisted GPS, A-GPS)之定位方法可獲得 較單純利用 GPS 提供之電碼單點即時定位精度高，
尤其避免中午至下午施作可降低 GPS 定位偏差，
提供良好的施測點位地理座標。
2.2 施測作業程序
於外業施作的標準作業流程如圖 2，首先依據 埤塘大小與道路規劃所需點位，如圖 3B 中編號 BD011 埤塘排程 11 個點位，BD012 排程 6 個點位。
在無人機下方以釣魚線懸掛手機與聲納(圖 3C，為 系統於埤塘觀測示意圖)，值得一提的是，本系統
亦可操作與海岸地區進行水深測量，於海岸因風 浪較大，懸掛線長約為 1.5 m，而在內陸埤塘因風 速、水面較平穩，故調整線長至 1 m，降低無人機 操作時之晃動。操控者操作無人機飛至規劃點位 使聲納入水浮於水面，其金屬端觸水後會開啟傳 輸功能供手機連結，水深資料每 2 秒以螢幕擷圖儲 存(圖 3A)。設計作業流程為單點測量 1 分鐘，可獲 得 25–30 筆重複測深值，扣除前後各 15 秒聲納可 能不穩定的讀數，保留中段約 10-12 筆資料計算。
協助者負責記錄聲納入水與出水時間，並注意飛 機動態。該點位完成後需將無人機垂直升起，移 至下點位方可下降，避免拖移聲納造成零散測深 值，整體施測人員僅需三至五人。外業工作結束 後，妥善儲存螢幕擷圖、NMEA 與時間區間文件，
供內業後續處理。
圖 1 本次實驗儀器(A)DJI P3 與微型聲納、手機 (B)凌滙微型聲納 (C)凌滙微型聲納規格表
圖 2 實驗流程
內業處理中，為求自動化與減少人力操作，
以影像辨識技術過濾留下具有水深值的影像。圖 3A 為由手機應用程式 app 截圖所得螢幕畫面，先 從截圖左下角紅框內建連結警示判斷是否正常連 結聲納，若無則濾除該截圖資料，若有則擷取具 有水深數值的上方紅框區塊，並辨識出水深數值，
由於螢幕擷圖以 UNIX 格式儲存並帶有時間戳記，
可與 NMEA 文件即時定位比對，得到各點位經緯 度與水深。
本研究之埤塘由於經過整治，埤塘邊緣為水 泥材質均勻斜面，為了貼近現地狀況，空間擬合 之內插方法選擇自然鄰域法。自然鄰域法會先為 所有已知點位建立泰森圖(Thiessen method)，而後 在未知點建立泰森多邊形，根據含括之範圍分配 影響該未知點的權重。該方法可確保內插值介於 已 知 點 之 值 域 ， 不 會 特 別 產 生 峰 值 或 谷 值 (Boissonnat & Cazals, 2001、Hemsley, 2009)。計算 工具採用 MATLAB 軟體之 griddata 副程式進行內 插計算，導入實驗點位的經緯度、水深與網格大 小，本研究中自訂空間解析度為 0.5 m，並依此計 算水深模型。
圖 3 (A)手機應用程式介面即時擷圖 (B)外業規劃 施測點位 (C)外業中無人機懸掛手機與聲納
2.3 水深與精度計算
收集水深資料過程因為定位誤差與聲納飄移，
各點的重複觀測在水平座標上有 1–2 m 半徑的分佈，
利用 K-means 集群分析(Hartigan et al., 1979、Jain 2010)可計算各點位中心座標，公式如式(1)。其中
p 為所有測深資料之空間位置， = { , , … } 為各群聚中心，最大值 k 為該口埤塘規劃點位數 (如 BD011 之 k=11)， 為測深值屬於第 i 群時之平 均座標(約為 10 筆之平均)。
arg ∑ ∑ ∈ ‖ − ‖ ... (1)
獲得群中心後計算各群之深度平均值與標準 差，公式如下式(2)、式(3)：
d = ∑ ... (2)
σ = ∑ ( − ̅) ... (3)
其中d為該群之平均水深，n 為該群之觀測資 料量， 為該群各筆水深，σ為該群之標準差。各 群中若有資料水深大於該群三倍標準差，將予以 剔除以得到較好的標準差與水深值。
2.4 陸域建模與參數
為產製三維成果展示圖，本研究皆於各外業 埤塘使用大疆 DJI Phantom 4 Professional 設定圖像 重疊率為 70%進行航拍。各埤塘皆有三個以上地 面控制點在航拍範圍中，控制點使用 u-blox Neo- M8P 單頻 GNSS 相位晶片模組進行測量，可接收 美國 GPS、俄羅斯 GLONASS、日本 QZSS 與中 國大陸 Beidou 等星系之定位訊號進行解算，測量 時間為三十分鐘，經解算後單點定位之標準差皆 小 於 2.5 m 。 後 續 匯 入 影 像 與 控 制 點 至 Pix4D Mapper 航測影像處理軟體，產製正射影像與三維 地表模型。
3. 實驗成果
3.1 BD011、BD012 埤塘施測成果
BD011 與 BD012 位於八德區之茄苳里埤塘公 園。編號 BD011 埤塘共計施測 15 個點位，透過集 群分析合併 4 個相近點位後所得之深度平均值擬合 水深模型如圖 4A、點位標準差與擬合水深標準差
模型如圖 4B，兩圖中實測點位以圓圈表示，圈內 著色為式(2)計算之實測值，其餘網格狀為擬合後 之模型。施測當天最大水深 1.9 m，若再加上與堤 防高程差則滿水位時最大水深 3.32 m。圖 4B 中單 一點位測深之標準差多在 0.05 m 以下，平均為 0.02 m。左側有較大的標準差，主要原因為施測點位貼 近埤塘邊緣，導致聲納回波紊亂深度解算較差，
使得單點深度量測在 30 秒區間內之一倍標準差約 為 0.1 m。需要強調的是，圖 3B 與後續呈現之其他 埤塘的標準差空間擬合僅提供視覺化的誤差分佈 並作為初步施測品質參考，應視為埤塘內各區誤 差的最小值，因透過內差而得的其他區域深度值 應帶有更大的誤差量。另外現場照片如圖 4C，包 括進出水口與水閘門現況。
另外於編號 BD012 埤塘共計施測 6 個點位，
所得之深度平均值擬合水深模型如圖 5A、點位標 準差與擬合水深標準差模型如圖 5B，施測當天最 高水深 1.5 m，滿水位時最高水深 2.93 m，單一測 深點位之標準差極小(最大不超過3 × 10 )。現
場照片如圖 5C 所示。針對 BD011 與 BD012 兩口 埤塘，地上物建模由無人飛行載具於航高 60 m 拍 攝航照共 602 張並利用無人機航測影像處理軟體 (Pix4D Mapper)製作，可得正射影像與三維模型(如 圖 6A、6B)。將前述地上物建模、水深建模之成果 進行整合套疊，其成果如圖 6C。
3.2 TY004 埤塘施測成果
編號 TY004 埤塘位於桃園區白鷺鷥埤塘公園，
共計施測 27 個點位，所得之深度平均值擬合深度 模型如圖 7A、點位標準差與擬合水深標準差模型 如圖 7B，施測當天最高水深 2.9 m，滿水位時最高 水深 3.66 m，各點位測深之標準差平均為 0.02 m，
現場照片如圖 7C 所示。地上物建模由無人飛行載 具於航高 70 m 拍攝共 891 張航照並利用 Pix4D Mapper 製作之正射影像與三維模型(如圖 8A、8B)，
地面解析度優於 5 cm。將前述地上物建模、水深 建模之成果進行整合套疊，其成果如圖 8C。
圖 4 (A)BD011 擬合水深模型，座標為經緯度，水深單位為公尺 (B)BD011 擬合水深標準差模型，座標 為經緯度，標準差單位為公尺(C)由左至右為：BD011 埤塘現場照片、進水閘門、埤塘出水口
圖 5 (A)BD012 擬合水深模型，座標為經緯度，水深單位為公尺 (B)BD012 擬合水深標準差模型，座標 為經緯度，標準差單位為公尺 (C)由左至右為：BD012 埤塘現場照片、出水閘門、埤塘進水口
圖 6 (A)編號 BD011、BD012 埤塘正射影像和 (B)三維模型 (C)埤塘整合模型
3.3 PZ009 埤塘施測成果
編號 PZ009 埤塘位於平鎮區，共計施測 8 個點 位，所得之深度平均值擬合深度模型如圖 9A、點 位標準差與擬合水深標準差模型如圖 9B，施測當 天最高水深 1.5 m，滿水位時最高水深 2.05 m，單
一測深點位之標準差平均約為 0.02 m，現場照片如 圖 9C 所示。地上物建模由無人飛行載具於航高 70 m 拍攝共 891 張航照並利用 Pix4D Mapper 製作之 正射影像與三維模型(如圖 10A、10B)，地面解析 度優於 5 cm。將前述地上物建模、水深建模之成 果進行整合套疊，其成果如圖 10C。
圖 7 (A)TY004 擬合水深模型，座標為經緯度，水深單位為公尺 (B)TY004 擬合水深標準差模型，座標 為經緯度，標準差單位為公尺 (C)編號 TY004 埤塘現場照片
圖 8 (A)編號 TY004 埤塘正射影像和 (B)三維模型 (C)埤塘整合模型
圖 9 (A)PZ009 擬合水深模型，座標為經緯度，水深單位為公尺 (B)PZ009 擬合水深標準差模型，座標為 經緯度，標準差單位為公尺 (C)編號 PZ009 埤塘現場照片
圖 10 (A)編號 PZ009 埤塘正射影像和 (B)三維模型 (C)埤塘整合模型
3.4 成果彙整與驗證
本研究於 107 年在桃園市隨機選定四口埤塘進 行現地實驗，下表 1 中總結測得各項數據。其中測 深筆數為單口埤塘所有施測點位的有效測深筆數，
平均水深為計算該口埤塘單點深度平均值(式 3)後 再將各點取平均值，可視為整口埤塘平均水深。
水面至堤防高差為施測當時距滿水位的高程差。
最大水深標準差為各點深度標準差(式 4)的最大值，
可視為測量該水體因地形、底質、水質等綜合影 響下較差的內部精度。值得一提的是，因本聲納 所提供的深度解析度僅達 0.1 m，如圖 3A 中上方 方框展示，因此表 1 中以統計模式計算之最大水深 標準差僅供參考，若考量實際有效位數，僅能歸 納出本聲納約達 0.1 m 的精度。表中接續之最大蓄 水面積為人工萃取正射影像滿水位時最大水面覆 蓋範圍。最大蓄水體積為利用本研究擬合水底地 形高程積分至滿水位時的總體積。由於現地資料 不足，表 1 中數值將與水務局 2011 年參考資料進 行粗略驗證(如表 2)。最大蓄水水深為表 1 中平均 水深加上水面到堤防之高差，與水務局單一水深 資料相比，可獲得兩者深度差值。必須強調的是，
因為水務局現地資料的水位不明，故明顯比本研 究最大深度略淺，若探討兩者差值的標準差，換 言之假設四口埤塘水面因季節性調節共同下降 0.75 m(深度差值平均)，則剩餘四口深度差值的標準差 為 0.15 m，可用以約略代表無人機測深系統的精度，
其量級與每個點位重複量測的標準差(表 1 中最大 水深標準差)雷同，略大於儀器 0.1 m 的測深限制。
在平面方向本研究利用無人機所萃取之最大蓄水 面 積 與 現 地 資 料 大 致 相 符 ， 相 對 誤 差 範 圍 為 3.21%–8.91%。
4. 無人飛行系統可行性評估
相對於現階段各測深方法，傳統方法如全測 站較耗時又費力，或需要利用船隻移動至不同點 施作；空載光達雖精度與解析度較高，但儀器昂 貴且保養的人力與成本花費多；衛星影像雖可依 經驗計算式間接推估水深，但空間解析度相對較 低且易受水質影響使不確定性增加。本研究利用 無人機結合聲納，縮短過去傳統方法的時耗與人 力成本，相對於現有光學與聲學方式的儀器，展 現成本低、機動性高的特點，無疑提供了一種新 型水體建模的方法。
表 1 施測成果 埤塘
編號 地區 測深筆數 平均水深
[m]
水面至堤防 高差[m]
最大水深 標準差
[m]
最大蓄水面積 [m2]
最大蓄水體積 [m3]
BD011 八德 156 1.41 1.42 0.12 23719.70 36523.28 BD012 八德 84 1.34 1.43 <0.01 5908.16 8368.64 TY004 桃園 351 1.95 0.76 0.13 35299.38 77192.18
PZ009 平鎮 77 1.30 0.55 0.08 8099.13 9584.73
表 2 本研究與水務局資料之比較 埤塘
編號
最大蓄水 深度[m]
水務局單一 水深資料[m]
深度差值 [m]
最大蓄水面積 [m2]
水務局埤塘
面積[m2] 面積誤差[%]
BD011 2.83 2.07 0.76 23719.70 22898.17 3.46 BD012 2.77 2.07 0.70 5908.16 5381.83 8.91 TY004 2.71 2.12 0.59 35299.38 37080.56 5.04 PZ009 1.85 0.91 0.94 8099.13 8359.15 3.21
然而本低成本系統仍有許多施測限制，如在 水深小於 60 cm(參照圖 1C 凌滙聲納規格)或靠近堤 邊時，因聲納為收發一體之感應器，反應時間無 法處理過快的回波導致接受多次回波或雜訊來處 理水深數值，因而產生深度估值顯著異常(如大於 10 m)，此一問題在原始資料中不易明顯察覺，需 在後續水底地形建模時考慮統計與幾何等特性，
才能將明顯離異值濾除。由於實驗水域皆為埤塘，
埤塘建設時並不會有太大的深度，目前聲納測深 最大尚未超過 3.5 m，未來將針對聲納進行不同深 度精度評估，並得到更準確的聲納測深範圍。此 外聲納定位使用手機利用 4G 通訊網路來產製 NMEA 文件，定位受限於鄰近電信基地台數量與 通訊品質。雖然臺灣地區大部分區域 4G 基地台覆 蓋率高，但若實驗位於深山偏遠地區之水體，將 無法良好使用 4G 定位獲悉聲納取樣座標，則須回 歸利用無人機或手機內建 GPS 定位。另外，本研 究目標區之埤塘多數曾經由人工整治，故在建模 計算中假設水底地形變化和緩，因數公尺等級水 平定位誤差造成的深度偏差得以忽略。但若將此 系統應用於底部地形崎嶇之水體，則須考慮使用 高精度定位技術，如精密單點定位(precise point positioning, PPP)或即時動態定位(real time kinematic, RTK)等定位模組，輔助提供座標訊息。
5. 結論
桃園市水務局基本資料為 2011 年開始建立，
資料庫包含埤塘編號、敘述、單一水深值與面積 等參數，但歷經時代更迭，水體內部清淤程度不 明，量體估計亟待補充與更新，以作為後續儲水、
防洪、遊憩等規劃依據。然而過去測深方法受到 諸多限制且花費較多人力與物力成本，單音束測 深儀(包括微型聲納)於小範圍水體施測的經濟效益 相對較佳。近年來隨著消費級無人機興起，透過 其容易取得、運用廣泛且操作性高的特性，本研 究嘗試結合無人機與微型聲納用以改善傳統測深 方法的諸多限制，如需船載、航行困難、設備繁 重等，以提升基礎資料的時空解析度。
經本系統於四口埤塘進行測試，採用簡易微 型聲納之測深標準差均可低於 0.13 m，與其宣稱之 0.1 m 解析度雷同，而面積誤差與水務局資料相比 最大為 8.91%。本系統最大特點為施測人員僅需三 至五人，在水域水深大於六十公分，環境允許無 人機起降，與 4G 無線通訊可行之情況下即可進行，
對於單一目標埤塘之作業時間僅需時三小時。將 外業資料經由影像辨識與空間擬合，自動化產製 出小型水體深度分佈圖，並利用聲納擬合模型與 空拍建置之三維模型估計水量與水域面積，供視 覺化分析使用。有別於以往繁複的現地調查程序，
本研究利用簡化方式提供地上模型與網格狀水深，
可估算各埤塘最大蓄水面積、體積，彌補基礎資 訊所不足之地方，為未來洩洪、蓄水、分流等規 劃提供可靠的資料。
參考文獻
大 疆 ， 2018 。 PHANTOM 3 PROFESSIONAL ， https://www.dji.com/tw/phantom-3-pro/info ， 引 用 2018/11/14 。 [DJI, 2018. PHANTOM 3 PROFESSIONAL, Available at:
https://www.dji.com/tw/phantom-3-pro/info, Accessed November 14, 2018. (in Chinese)]
行政院農業委員會，2017。農業水域光電埤塘，
https://age.coa.gov.tw/index.php?theme=ws&id=
2506774 ， 引 用 2018/11/14 。 [Council of Agriculture, Executive Yuan, 2017. Transform the agricultural waters into photoelectric pond,
Available at:
https://age.coa.gov.tw/index.php?theme=ws&id=
2506774, Accessed November 14, 2018. (in Chinese)]
洪欣宇，2017。利用高解析衛星立體像對產製近 岸水底地形，國立中央大學土木工程學系碩 士 論 文 。 [Hung, H.Y., 2017. Bathymetry mapping using high resolution satellite stereo-pair imagery, Master Thesis, National Central University, Taiwan, ROC. (in Chinese)]
桃園市政府，2011。發現「埤塘之美」再生「千塘 之 鄉 」 ， http://wetland- tw.tcd.gov.tw/wetlandweb/_download.php?id=16 3&flag=2 ， 引 用 2018/11/14 。 [Taoyuan City Government, 2011. Discover "beauty of the pond"
and rebuild "hometown of thousands of ponds", Available at: http://wetland- tw.tcd.gov.tw/wetlandweb/_download.php?id=16 3&flag=2, Accessed November 14, 2018. (in Chinese)]
黃浩珽，2007。以土地使用限制補償觀點探討桃 園埤塘資源保存維護策略之研究，國立臺北 科技大學建築與都市設計研究所學位論文。
[Huang, H.T., 2007. A study on conservation strategies of Taoyuan Ponds resources from the aspect of land use restriction and compensation theory, Master Thesis, National Taipei University of Technology, Taiwan, ROC. (in Chinese)]
閻克勤、蔡宜穎、紀思寧，2014。影響桃園市陂塘 土地利用變遷因素之研究，建築與規劃學報，
15(2-3)：193-214。[Yen, K.C., Tsai, Y.Y., and Chi, S.N., 2014. Study on the factors affecting changes of land-use ponds in Taoyuan City, Journal of Architecture and Planning, 15(2-3): 193-214. (in Chinese)]
薛憲文、史天元、吳泓毅、王韋樺、王聖瀚、劉黃 宗隆，2014。單音束水深測量誤差之探討，
海洋工程學刊，14(2)：121-131。[Shyue, S.W., Shih, T.Y., Wu, H.Y., Wang, W.H., Wang, S.H., and Liu-Huang, T.L. 2014. Research on the errors of single beam echo sounding, Journal of Coastal and Ocean Engineering, 14(2): 121-131. (in Chinese)]
薛憲文、史天元、徐佳筠，2012。水域測深方法暨 原理探討，航測及遙測學刊，16(3)：203-217。
[Shyue, S.W., Shih, T.Y., and Hsu, C.Y., 2012. An investigation toward sounding method and theory, Journal of Photogrammetry and Remote Sensing, 16(3): 203-217. (in Chinese)]
Alvarez, L.V., Moreno, H.A., Segales, A.R., Pham, T.G., Pillar-Little, E.A., and Chilson, P.B., 2018.
Merging unmanned aerial systems (UAS) imagery and echo soundings with an adaptive sampling technique for bathymetric surveys, Remote Sensing, 10(9): 1362.
Boissonnat, J.D., and Cazals, F., 2001. Natural neighbor coordinates of points on a surface, Computational Geometry, 19(2-3): 155-173.
Hartigan, J.A., and Wong, M.A., 1979. Algorithm AS 136: A k-means clustering algorithm, Journal of the Royal Statistical Society, Series C (Applied Statistics), 28(1): 100-108.
Hemsley, R., 2009. Interpolation on a magnetic field, Tech. Rep, Bristol University.
Hilldale, R.C., and Raff, D., 2008. Assessing the ability of airborne LiDAR to map river bathymetry, Earth Surface Processes and Landforms, 33(5): 773-783.
Jain, A.K., 2010. Data clustering: 50 years beyond K- means, Pattern Recognition Letters, 31(8): 651- 666.
Komatsu, T., Igarashi, C., Tatsukawa, K., Sultana, S., Matsuoka, Y., and Harada, S., 2003. Use of multi- beam sonar to map seagrass beds in Otsuchi Bay on the Sanriku Coast of Japan, Aquatic Living Resources, 16(3): 223-230.
Kong, S.H., 2014. Fast multi-satellite ML acquisition for A-GPS, IEEE Transactions on Wireless Communications, 13(9): 4935-4946.
Remondino, F., Barazzetti, L., Nex, F., Scaioni, M., and Sarazzi, D., 2011. UAV photogrammetry for mapping and 3D modeling: current status and future perspectives, International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, 38(1): C22.
Stumpf, R.P., Holderied, K., and Sinclair, M., 2003.
Determination of water depth with high‐resolution satellite imagery over variable bottom types, Limnology and Oceanography, 48(1): 547-556.
1 Master Student, Department of Civil Engineering, National Central University Received Date: Feb. 23, 2019
2 Master Student, Master of Science Program in Remote Sensing Science and Technology, Revised Date: Apr. 15, 2019 National Central University Accepted Date: Jun. 19, 2019
3 Research Assistant, Center for Space and Remote Sensing Research, National Central University
4 Associate Professor, Center for Space and Remote Sensing Research, National Central University
* Corresponding Author, E-mail: school60108@hotmail.com.tw
Using UAV with Low-cost Sonar to Measure Parameters of Ponds
Yi-Chan Hung
1*Hung-Hsien Wan
1Pei-Yun Tsai
2Wan-Ting Liao
3Kuo-Hsin Tseng
4Abstract
Conventional methods used to retrieve water depth for inland waterbodies rely on single-beam or multi-beam echo sounders, which sample depths along multiple survey lines and produce bathymetry through grid interpolation. However, for small or shallow waters where ships are not easy to navigate it would require other costly surveying strategies. Therefore, the maneuverability of sensor platform has been growing interest in related research fields. Reducing cost of commercial unmanned aerial vehicle (UAV) in recent years has facilitated its wide applications in geoinformatics. Owing to its high mobility, an innovative platform for point measurement is easily accessible. In order to understand water depths of small inland waterbodies and to calculate temporal changes of water volume, this study aims to combine an UAV, a smartphone, and a low-cost sonar to measure several ponds in Taoyuan. This integrated measuring system is operated over water surface to measure pointwise water depths for bathymetry mapping. The results show that an internal accuracy of water depth measurements (standard deviation of repeat observations) in four randomly chosen ponds of Taoyuan has achieved <0.13 meters.
On the other hand, the root-mean-square of difference (RMSD) between depth measurements and historical data from Department of Water Resources in Taoyuan city (after appropriate water level adjustment) is 0.15 meters.
Meanwhile, errors of area estimates are in a range of 3.2–8.9%. We conclude that in the absence of shipborne measurements, this method can sufficiently provide depth and volume estimation at low time/labor costs for small ponds whose depth is greater than 60 k.
