中華大學 碩士論文
逐步迴歸應用於翡翠水庫葉綠素-a 之遙測影像研究
系 所 別：土木與工程資訊學系研究所 學號姓名：E09304030 陳慶龍
指導教授：陳莉教授
摘要
由於衛星技術日新月異，解析度越高，利於從事研究，近年來國 內也開始積極發展衛星影像的研究工作，像地表分類、崩塌地調查、
水質監測、環境變遷等方面。本論文將衛星影像應用於翡翠水庫水質 監測上，已知葉綠素-a 為翡翠水庫優養程度的重要控制因子，於是此 論文以監測葉綠素-a 為主。
取得 2005 年 4 月 18 日之 Landsat 7 衛星影像，其有七個波段為 B1 到 B7，本論文使用 B3、B4 與 B7 作為基本波段因子，經組合波 段因子產生共 24 組變化，並與葉綠素-a 進行逐步迴歸，建立迴歸式
（ fx=-406.664-0.0004668*X1-2.272*X3+0.01807*X5-0.01391*X6+8.7 56*X15+120.632*X17-13.076*X20+209.275*X23+0.174*X24），發現 此模式（即選入 X24, X17, X1, X20, X15, X5, X23, X6, X3 變數）與葉 綠素-a 之相關係數（R）高達 0.887，與現地之峰值大致相符合，產 生之預測值可推算出單一 TSI（Chl-a），水庫介於貧養-普養之間，
顯示水庫水質處於良好狀態。如此一來可即時得知大範圍水庫之優養 狀況，有效節省人力與物力。
由於翡翠水庫是具有季節性變化之水庫，若以遙感探測方式將可 提供即時且大範圍的水庫葉綠素-a 濃度狀況，以及配合衛星影像計算 單一 TSI（Chl-a）達到有效監測水庫優養情形，對於水庫水質的維護 管理，將有極大的助益，以及較能符合翡翠水庫之水質情況。
目錄
摘要---Ⅱ 目錄---Ⅲ 圖目錄---Ⅴ 表目錄---Ⅶ
第一章 前言---1
1-1 翡翠水庫水質之變化---1
1-2 遙感探測之介紹---2
1-3 水庫水質之監測---6
1-4 衛星影像之介紹---9
1-5 動機與目的---14
1-6 研究流程---16
1-7 論文架構---17
第二章 材料與方法---18
2-1 翡翠水庫之位置---18
第三章 結果與討論---24
3-1 影像資料與現地水質之關係---24
3-2 組合影像波段因子---25
第四章 結論與建議---32
4-1 結論---32
4-2 建議---33
第五章 參考文獻---34
圖目錄
圖 1-1 感測器接收地表目標物反射能量圖---4
圖 1-2 能量之入射、反射及吸收圖---4
圖 1-3 2005 年 4 月 18 日翡翠水庫衛星影像圖與 24 個採樣點---15
圖 1-4 研究流程圖---16
圖 2-1 翡翠水庫與大台北地區關係位置影像圖---18
圖 2-2 翡翠水庫水質採樣位置圖---19
圖 2-3 四變數問題的可能全部模型(合計 15 個)---22
圖 2-4 採用四變數問題建設法建模(合計 10 個，比全部組合個數減 少 5 個)---22
圖 2-5 採用四變數問題破壞法建模(合計 10 個)---22
圖 3-1 迴歸標準化殘差的常態 P-P 圖---29
圖 3-2 影像葉綠素-a 推估值與現地葉綠素-a 值之比較圖---30
圖 3-3 遙測影像之葉綠素-a 分佈圖---31
圖 3-4 現地之葉綠素-a 分佈圖---31
表目錄
表 1-1 LANDSAT 7 各波段特性---12
表 1-2 常見衛星之基本規格表---18
表 2-1 翡翠水庫 TN 與 TP 之關係---16
表 3-1 各波段值與葉綠素-a 之相關係數表---24
表 3-2 取對數後各波段值與葉綠素-a 之相關係數表---24
表 3-3 波段與葉綠素-a 之較佳相關係數表---27
表 3-4 組合波段因子與葉綠素-a 之較佳相關係數值---27
表 3-5 組合波段因子之變數---27
表 3-6 自變數與應變數之統計敘述---28
表 3-7 逐步迴歸運算過程---28
表 3-8 逐步迴歸之結果---28
表 3-9 變異數分析之結果---28
表 3-10 自變數與應變數間之迴歸方程式---29
表 3-11 殘差統計量圖---29
表 3-12 湖泊營養狀態表---30
第一章前言
1-1 水庫水質之變化
台灣地區之水庫集水區地形陡峭，地震頻繁，且颱風季節常常發 生豪大雨，容易造成表土嚴重沖蝕，近年來上游集水區經常發生濫 墾、濫建等活動（山坡地建築、盜採砂石、遊憩區開闢、種植高冷蔬 菜、茶葉等），這些人爲活動導致土壤流失並造成水庫淤積日趨嚴重。
流失的土壤，夾帶大量的農藥與肥料（營養源）進入水庫水體，致使 水體中之養分如氮、磷等濃度過高，加速了湖泊優養化現象，因而影 響了水體之正常用途。再加上台灣地處亞熱帶，因此容易造成水庫水 質優養化，形成嚴重之藻華現象，破壞水生態體系，使水質惡化問題 日趨嚴重。
尤其在低海拔位置較低水庫，更受畜牧、工業、農業等污染，以 使民眾產生飲水恐憂。位於海拔較高的水庫，雖然受污染較輕，但由 於都市發展逐漸往山坡地開發，使得這些水庫仍有優養化潛勢的隱 憂。為獲取乾淨與安全水資源，必須事先採取預防與防治措施，才能 使水資源能獲得永續發展利用。
翡翠水庫位於北台灣，季節性氣候較為顯著，在前人研究中發 現，預測水庫水質是極為困難，是受到季節性水庫的影響。由此說明 翡翠水庫四季處於不同狀態下，為維持大台北地區用水品質，長期監 測水質變化是重要的。
1-2 遙感探測之介紹
遙感探測(Remote Sensing)，是指採用不接觸的方式利用儀器或 感測器(sensors)以獲得有關待測物區域或現象的資訊，如圖 1-1 所 示，並加以分析的科學與藝術。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
（Thomas M. Lillesand ＆ Ralph W. Kieter，1994）。
遙測處理包括了目標物體、感測資料、擷取資訊和研究應用四個 程序。就電磁波的系統而言，記錄著地球表面物體不同反射、輻射強 度的波譜特性，電磁波在感測器接收之前，會穿過大氣層產生吸收、
散射或折射等現象，如水蒸氣、二氧化碳及臭氧皆為太陽輻射有效吸 收體，相對於特殊波段的電磁輻射容易被吸收，某些穿透率較高的區 段便稱為大氣窗(atmospheric windows)，感測器的設計便必須考慮大 氣窗是否存在於該波段。波譜的反射特性常定義波譜反射率為反射與 入射能量的比值，掌握了解不同地表覆蓋物的波譜反射率特性曲線，
有助於遙測資料的判讀。
太陽光輻射經大氣層射抵地面，自大氣層到地面之輻射路徑中，
除了因空氣中水分、二氧化碳及塵粒等物質之吸收或反射部分能量 外，其餘皆抵地面。入射能量與地面物體間之作用有三種方式，如圖 1-2 所示（簡文煥，2004）：
(1)反射(Reflection)：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(Absorption)：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(Transmission)：物體對入射能量穿透之能力以穿透率(π)表 示。其值為穿透能量與入射能量之比值。
衛星遙測影像會因太陽角差異、載具形式或是地表曲率等因素，
造成遙測影像在輻射上與幾何上的誤差，使得影像產生扭曲或變形，
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，此即為影像畸變，所以遙測影像 在應用前，必需先經由影像校正。遙測影像之校正處理概分為輻射校 正(Radiometric correction)和幾何校正(Geometric correction)兩部分。
在輻射校正方面，衛星影像因其載台高程、大氣散射、太陽日照 角度與飛行軌道參數等因素產生畸變，必須取得大氣輻射資料，針對 同一地表物的遙測影像灰階值或地表反射率隨著幾何角度、大氣散射 和地形高程之差異而校正不同之誤差。經輻射校正之影像灰階值可得 到一適當且與上述因素無關之物理量，才能真實表示相對之地表物的 電磁波譜訊號。
在幾何校正方面，包括座標轉換和重新取樣兩個程序。基本上，
影像幾何校正技術可區分成兩大類，定率方法模擬幾何畸變來源的狀 態與利用模式建立影像校正之公式；或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（簡文煥，2004）。
圖 1-1 感測器接收地表目標物反射能量圖（簡文煥，2004）
圖 1-2 能量之入射、反射及吸收圖（簡文煥，2004）
遙測是早期美國因軍事上的需要所發展技術，原屬軍事機密。在 二次大戰期間，主要用途於偵測掩蔽物（camouflage detection），直到 1965 年美國軍方才開放部份技術，用於支援資源調查方面。1972 年 7 月 23 日美國第一顆大地衛星（Landsat）升空後，遙測技術之重要
目標物 地面
感測器(sensor)
吸收 穿透 散射 反射 太陽輻射
吸收 散射 反射
大氣層 記錄電磁能量
處理後可供使用
入射能 反射能
穿透能 吸收能
性開始受到重視，且由於遙測衛星影像的各種優點、特性，國內對於 衛星影像的利用已日漸普及，衛星影像常見用於各種資源的監測、土 地開發、農作物判釋、生態調查等，近年來已有許多專家學者對於遙 測影像進行各方面的研究。
目前有許多國家大量應用遙測之方法，做為其分析及決策規劃的 重要資料來源，應用遙測技術在水文、地文、水資源管理及環境監測 上 ， 已 有數 十年之 歷 史 。經 由遙測 方 式 而得 之資料 ， 具 有即 期
（up-to-date）與具空間分佈之特性與優點，可做為建立環境資源資料 庫之一種有效且使用方便的量測工具，所以將遙測技術運用在具有空 間性或時間性的資料分析上，是一種有效且可靠的資源調查及環境監 測的利器（郭育全，1997；鄭克聲，1997）。
遙測最大的優點是無需到達現地勘查，可節省可觀的人力及經 費，例如某水庫集水區之土地利用現況調查，傳統方法係經由實地調 查、收集資料及航照圖的判釋，然而實地調查所費人力、經費至鉅，
且對大面積調查，費時甚久且僅能選某些特定位置進行，故所收集之 資料無法反應集水區之〝現況〞（對時間而言）與〝實況〞（對空間而 言）。遙測另一優點即具有快速掌握全區域資料的能力，例如其資料 能經常予以更新，可瞭解環境之變遷（陳炫東，1993）。
1-3 水庫水質之監測
遙測主要的手段是透過偵測目的物反射或輻射的電磁波的強度 而達成，電磁波的涵蓋範圍很廣，依波長順序而分，由最短的γ光、
χ光、紫外線光、可見光、近紅外光、熱紅外線到微波都可利用，可 構成一個完整的波譜（陳繼潘，1998）。但由於大氣層的吸收及反射 因素，遙測應用上使用最廣的仍是可見光及紅外光。為取得所欲調查 的目標、區域或現象等資訊，可由不同的感測器從遠處收集資料並加 以分析，利用太空載台中的之遙測器以電磁能方式的操作，可以從事 地球資源之清點、製圖和監視，不動的地表物體均會放射或反射電磁 能，感測器因而可以取得資料，再經分析後可做為研究的資訊。
水體對各種電磁波的反應特性主要是吸收及穿透，可見光射到水 體；小部份被吸收，小部份（約 5﹪）被反射，大部份都是穿過水體，
而紅外光部分，不論近紅外光或中紅外光，大部份都被吸收，這種特 性與陸地地表物反射大部分紅外光相差很大。所以紅外光在辨識水陸 邊界時非常有用，這種特性除了可辨識水庫、湖泊的面積外，亦可用 在水災後判別淹水災害區的範圍，除此利用衛星遙測可測量水深，水 中懸浮物質及波浪。水中常見的懸浮物如泥沙、單寧酸、葉綠素這三 種物質對不同的波段有不同的反應，泥沙多則濁度增加，對可見光及 紅外光的反射強度都增加，單寧酸的來源多來自分解的腐植土，呈黃 至棕色，所以單寧酸增加，引致藍光反射減低而紅光增加，葉綠素的 成因多來自水中藻類，結果引致綠光增加而紅、藍光減低（劉治中，
1996）。
水體遙感監測是通過研究水體反射光譜特徵與水質參數濃度之 間的關係，建立水質參數反演算進行的，具有實時、高效、監測範圍 廣和便於長期動態監測等優點。隨著對物質光譜特徵研究的深入、算
法的改進以及高光譜遙感的發展，遙感監測水質從定性發展到定量，
通過遙感預測的水質參數種類不斷增加，包括懸浮含量、葉綠素-a 濃度、水體透明度以及一些綜合污染指標如：營養狀態指標等（劉英，
2003）。
傳統水庫水質監測上以現地採樣為主，而近年來國內外有些監測 水庫水質之研究，應用衛星影像大範圍且即時的功能，快速提供水庫 水質上的資訊，像 Lillesand 等人（1983）利用 Landsat MSS 遙測資料 進行美國 Minnesota 州許多水庫的優養狀態分類，發現 Landsat 資料 對葉綠素-a 濃度的預測具有適度的可靠度；Almanza 與 Melack
（1985）用 Landsat 影像來監測美國 California 州的 Mono Lake 中葉 綠素濃度的空間不規則性與季節的變化性；Lathrop（1992）調查懷 俄明州 4 個湖泊區中的沙奇盤深度和懸浮固體物與大地衛星相互對 應之關係；Lavery 等人（1993）也使用迴歸方式建立生物色度之濃度
（Pigment Concentration）、鹽度、沙奇盤深度與影像之數學關係；
Braude（1995）使用法國 SPOT 衛星調查近 100 個水庫水質，使用主 成分分析法進行水庫水質污染分類；Baban（1996）則對諾福克湖沼 區 14 個湖泊所收集的資料計算 CTSI 值，並討論此區域不同污染源 特性；Allee 與 Johnson（1999）使用 Landsat TM 所擷取葉綠素-a 與 沙奇盤深度的資料，發現與相同時間的現地資料相符，於是利用 1994 年 7 月的葉綠素-a 資料與 1994 年 12 月的葉綠素-a 資料，再加上 1995 年 2 月的沙奇盤深度資料，建立預測模式；Bilge 等人（2003）研究
例法來推測葉綠素相對含量其可用性；許俊森等人（1994）使用美國 航空暨太空總署（National Aeronautics and Space Administration，
NASA）光環 7 號（Nimbus-7）的近岸水色掃瞄儀（Coastal Zone Color Scanner，CZCS）影像，探討台灣附近海域的葉綠素濃度分布情形；
雷祖強（1994）提出『利用 SPOT 衛星影像計算地表覆蓋碎形維度之 研究』，可由不同的地表覆蓋物得到碎形維度值，描述不同地表的物 理特性，將其應用在土地利用變遷分析，及山坡地濫墾開發等環境資 源監控作業分析上；李旭文等人（1995）利用大地衛星遙感資料，調 查太湖梅梁湖區藻類空間分布和影響範圍；余豐寧等人（1996）使用 大地衛星調查太湖北部水體中葉綠素濃度對衛星光譜反射值之關 係，得到 TM3、TM4 與 TM7 對葉綠素有較為敏感關係之結論，並對 太陽入射角變化提出訂正方法；陳楚群等人（1996）利用 TM 影像建 構海洋水體葉綠素濃度，以灰色數學理論為基礎，嘗試組合各種波段
（TM1-TM4）之 75 種波段組合因子；楊龍士等人（1997）針對遙測 影像與水質特徵參數間相關性進行研究，建立水質的相關性研究，以 為遙測影像應用於水質污染之監測及判釋的依據；陳莉（2003）利用 SPOT 衛星影像，並使用迴歸分析法與類神經網路模式建構模型以推 估永和山水庫水質，發現在 Chl-a、SDD、TB 均是神經網路較佳，而 於 TP 時則是迴歸分析較佳，並得知水庫中的葉綠素在影像中所呈現 的結果較佳，今後可利用遙測影像來推估水庫優養化；劉英（2003）
以千島湖為研究對象，利用高光譜地物光譜儀在庫區進行了反射光譜 測量和同步水質採樣分析，通過研究水體藻類葉綠素濃度與其高光譜 反射特徵之間的關係，建立了葉綠素-a 的遙感定量模型，結果顯示，
IKONOS 的紅光與藍光波段反射率之比與葉綠素-a 線性相關程度都 比較高，相關係數分別為 0.87 和 0.83 可以用來估計葉綠素-a 濃度。
1-4 衛星影像之介紹
目前圍繞地球的衛星很多，本論文採用 Landsat 7 為主要研究衛 星，因為每月約有二次經過台灣上空，頻率較其他衛星高，但常見的 如下：
1-4-1 美國大地衛星（Landsat 7）
NASA 於 1999 年 4 月 15 日發射的大地衛星七號（Landsat 7）， 為在過去 26 年內一系列大地監測衛星中的第三枚衛星，可提供更高 解析度的影像監測地球環境。Landsat 7 主要目標為監測地球表面的 變化情形，可廣泛應用於各方面研究，如冰河變化、火山活動、農地 使用趨勢、森林砍伐狀況等，Landsat 7 上主要儀器為加強型熱感測 繪儀（Enhanced Thematic Mapper Plus，ETM+），以地表反射的太陽 熱輻射進行測量，具有可見光與紅外光的八個波段，解析度與精確度 均遠比大地衛星四號及五號為高，每天可拍攝 250 張高解析度地球影 像，提供科學家進行研究，並建立日照、雲量等資料庫，Landsat 7 各波段特性及衛星影像參數如表 1-1 所示（國家太空計畫室網站）。
表 1-1 Landsat 7 各波段特性
波段 波譜範圍(μm) 空間解析度(m) 屬性
1 0.45~0.515 30 藍光
2 0.525~0.605 30 綠光
1-4-2 法國史波特衛星（SPOT）
法國史波特衛星（SPOT）是一個太陽同步衛星，平均航 832 公 里，通過赤道的時間為當地時間上午 10 點 30 分，通過台灣上空約為 10 點 45 分。軌道與赤道傾斜角 98.77 度，繞地球一圈週期約 101.4 分，一天可轉 14.2 圈，每 26 天通過同一地區，SPOT 衛星一天內所 繞行的軌道，在赤道相鄰兩軌道最大距離 108.6 公里，全球共有 369 個軌道（Track）。SPOT 上有兩套 HRV（High Resolution Visible）感 測器，每一套具地面解析度 20 公尺×20 公尺的多光譜態（XS）及 10 公尺×10 公尺的全色態（Pan）兩種能力。多光譜之三個波段分別為：
綠光段（XS1：0.5μm~ 0.59μm），紅光段（XS2：0.61μm~ 0.68μm）
與近紅外光段（XS3：0.79μm~ 0.89μm）。全色態的波長範圍在 0.51μm
~ 0.73μm（國家太空計畫室網站）。
1-4-3 捷鳥衛星（Quick Bird）
捷鳥衛星（Quick Bird）為美國 Digital Globe 公司所擁有之商用 高解析度光學衛星。Quick Bird 係從 450 公里外的太空拍攝地球表面 上之地物、地貌等空間資訊，其影像解析度高達 61 公分，為全球首 顆提供 1 公尺以下解析度之商用光學衛星。Quick Bird 為太陽同步衛 星，平均 4 至 6 天即可拍攝同一地點的影像。Quick Bird 所提供之衛 星影像，可分為三大類：一為全色態影像（Panchromatic；即黑白影 像），其影像解析度為 61 ~ 72 公分；一為多光譜影像（Multi-Spectral；
即彩色影像），其收集了藍色可見光、綠色可見光、紅色可見光及近 紅外光等四個波段之影像，影像解析度為 2.44 ~ 2.88 公尺；另一為彩 色合成影像（Pan-sharpened），其影像解析度為 70 公分（國家太空計 畫室網站）。
1-4-4 依科諾斯（IKONOS）
IKONOS 衛星重 1,600 磅（約 725 公斤），離地約 681 公里，以 98.1 度傾角繞著地球飛行；每繞一圈需時 98 分鐘，所以一天可以繞 行約 14.7 圈。每圈繞過赤道上空的時間都是當地早上的 10 點半（通 過台灣的時間大約將近早上 10 點），所以是與太陽同步。每 140 天 才回到原來的同一軌跡。衛星的設計壽命為 5 至 7 年。
IKONOS 的 取 像 器 分 成 兩 種 ： 第 一 種 為 泛 色 攝 影
（Panchromatic），第二種是多波段攝影（Multispectral）。泛色攝影 的感應波段為 0.45 至 0.90μm；多波段攝影則分成四波段，分別是 0.45 至0.52μm（藍色）、0.52 至 0.60μm（綠色）、0.63 至 0.69μm（紅色）
及 0.76 至 0.90μm（近紅外線）。在鏡頭偏角不超過 26°的情況下，
泛色攝影的地面解像力為 1 公尺，而多波段攝影則為 4 公尺。每一張 正攝影像的寬度為 11 公里（傳統航照為 4.5 公里）；在鏡頭有偏斜 時，則為 13 公里 x13 公里。如果要取得鑲嵌圖（即拼合圖）時，其 最大者可到 12,000 平方公里，或者是兩張各 10,000 平方公里組合而 成的接壤圖（單一航道）。
由於 IKONOS 的鏡頭可作縱向（平行於飛航方向）及橫向（垂 直於飛航方向）偏轉，所以如果要取得同一地區 1 公尺解像力的影像 時，約每 3 天即可取得一張；如果只要 2 公尺解像力時，則每天都可 取得同一地區的影像。IKONOS 的鏡頭之最大偏轉角度可達 75°（從 鉛垂線量起），其解像力在 26°時為 1m，45°時為 1.5m，51°時則為 2m。
1-4-5 福爾摩沙衛星一號
福爾摩沙衛星一號為一枚低軌道的科學實驗衛星，於發射升空 後，將進入與赤道傾斜 35 度、距地球表面 600 公里的低軌道飛行，
約 97 分鐘繞行地球一周，每日約六次對國內接收站傳輸所收集到的 資料。福爾摩沙衛星一號主要任務為科技研究，將進行海洋水色照 相、電離層電漿電動效應及通訊實驗等三項科學及實驗（國家太空計 畫室網站）。
1-4-6 福爾摩沙衛星二號
福爾摩沙衛星二號計畫之首要任務為發展一枚兼具地表遙測實 用任務及高空大氣閃電觀測科學用途之衛星。其中遙測任務為拍攝衛 星影像資料，以滿足台灣民生之需求，其影像資料可用來監控台灣本 島、離島、台灣海峽及附近海域之環境及資源。此外，在國際合作的 協議下，福爾摩沙衛星二號也將在其它區域拍攝地表影像。福爾摩沙 衛星二號的科學酬載係用來探測高空大氣閃電現象，此酬載之影像儀 將是全世界由衛星觀測這個自然現象的第一套科學儀器。
福爾摩沙衛星二號計畫之地表遙測任務是拍攝衛星影像資料，以 滿足台灣民生之需求，其影像資料可用來監控台灣本島、離島、台灣 海峽及附近海域之環境及資源。此外，在國際合作的協議下，福爾摩 沙衛星二號也將在其它區域拍攝地表影像。它每日繞地球飛行 14 圈，地面軌跡每天兩次通過澎湖與臺灣本島中間。第一次約為上午十 點，第二次約為晚上十點，可以下載資料。在天候許可的情況下，一 次經過可拍攝四個緊鄰的影像條，以涵蓋臺灣全島，得到相當完整的 臺灣本島影像，並可改變衛星的前後仰角，以進行立體攝影，可以提 供研究者一個非常好的即時操作特性（國家太空計畫室網站）。
1-4-7 福爾摩沙衛星三號
『福爾摩沙衛星三號計畫』是一大型台美雙邊國際合作計畫，由 雙方政府授權執行，以建立全球大氣即時觀測網之先進技術發展計 畫 ， 又 稱 之 為 『 氣 象 、 電 離 層 及 氣 候 之 衛 星 星 系 觀 測 系 統 』
（Constellation Observing System for Meteorology、Ionosphere and Climate），簡稱為 ROCSAT-3/COSMIC 計畫。預定民國九十四年底一 次發射六顆微衛星分佈於地球表面 700~800 公里高之不同軌道之太 空中，組成低軌道微衛星星系系統來接收美國 24 顆全球定位衛星所 發出的訊號，觀測範圍涵蓋全球大氣層及電離層，每天提供全球平均 2500 點的輸入資料值，約每三小時可完成全球氣象資料蒐集及計算 分析，約每九十分鐘更新一次，本系統可用於長時間之氣候變遷現象 之研究、對電離層進行動態監測、進行全球太空天氣之預報、和提供 地球重力研究等相關科學研究（國家太空計畫室網站）。
不同衛星所產生的影像波段也不同，如表 1-2 所示，在前人研究 上為了建立合適的模式以監測水質，會組合波段因子，像 Yuanzhi 等 人（2003）曾以芬蘭海灣為例，將 Landsat TM 原有 7 個波段加以組 合成 35 種不同型態因子，推估出水質模式；陳楚群等人（1996）利 用 Landsat TM 影像，選取波段 1-4 並組合出 75 種波段因子，利用灰 色系統理論進行因子分析，估算廣東省沿岸海水表層葉綠素濃度；雷 祖強等人（1998）利用 Landsat TM 之衛星影像，選取波段 1-4 並組 合 100 種波段因子，建立德基水庫水質污染狀況空間分佈之關係；吳
表1-2 常見衛星之基本規格表
Landsat SPOT IKONOS Quick Bird 福衛二號
空 間 解 析度
黑白解析度 15m 彩色解析度 30m and 60m
黑白解析度 10m 彩色解析度
20m
黑白解析度 0.82m 彩色解析度
3.28m
黑白解析度 0.61~0.72 m 彩色解析度 2.44~2.88m
黑白解析度 2m 彩色解析度
8m
光 譜 解 析度
黑白:
0.52-0.90μm 藍光:
0.45~0.52μm 綠光:
0.53~0.61μm 紅光:
0.63~0.69μm 近紅外光:
0.75~0.90μm 中紅外光:
1. 55~1.75μm 中紅外光:
2.09~2.35μm 熱紅外光:
10.4~12.5μm
黑白:
0.61~0.68μm
綠光:
0.5~0.59μm 紅光:
0.61~0.68μm 近紅外光:
0. 78~0.89m 中紅外光:
1.58~1.75μm
黑白:
0.45~0.90μm 藍光:
0.45~0.52μm 綠光:
0.51~0.60μm 紅光:
0.63~0.70μm 近紅外光:
0.76~0.85μm
黑白:
0.45~0.90μm 藍光:
0.45~0.52μm 綠光:
0.52~0.60μm 紅光:
0.63~0.69μm 近紅外光:
0.76~0.90μm
黑白:
0.52~0.82μm 藍光:
0.45~0.52μm 綠光:
0.52~0.60μm 紅光:
0.63~0.69μm 近紅外光:
0.76~0.90μm
1-5 動機與目的
傳統水庫水質監測多以現地採樣方式進行，再經由實驗室分析其 結果，過程中會受到許多限制，如氣候因素、經費因素、人力因素等，
其所花費的人力及物力是相當可觀的，且許多水庫由於人力不足，無 法進行有效現地採樣，監測頻率也因此打折扣。衛星影像可大範圍的 反應出水庫的現況，無需到達現地勘查，可節省可觀的人力及資源，
也可突破現地採樣的一些限制，成為一個快速且大範圍的水質監測方 法，以便維持水庫水質。因此對於水庫系統做長期研究與監測是重要 的，才能使水資源能獲得永續發展利用，故為本論文研究之動機。
根據中國大陸學者屠清瑛等人之研究指出水庫優養化判定因子 中，以葉綠素-a 最具影響力，此理論亦被其他學者所認同，本研究將
以探討翡翠水庫之葉綠素-a 為主，藉由取得 2005 年 4 月 18 日 Landsat 7 之翡翠水庫衛星影像，如圖 1-3 所示，可看到 24 個採樣點的分佈位 置，影像中存有波段數目，可分析影像組合波段因子，運用前人組合 波段因子的經驗公式，再經由線性迴歸建立現地採樣資料與六個波段
（1~5 及 7 的波段）間的關係，並探討其精確性，提供即時且大範圍 的水庫葉綠素-a 濃度狀況，以及配合衛星影像計算單一 TSI（Chl-a）
達到有效監測水庫優養情形，對於水庫水質的維護管理，將有極大的 助益，為本論文之主要目的。
#
# #
#
#
#
#
#
#
#
#
#
#
# #
#
# #
#
#
#
#
#
#
S1 S3 S5
B2 S8
C2
D2 S12
S15
S17 S18
S20 S22
S26 S28
S32 S34 S36 S39
S42S45
S48 S52 S58
圖1-3 2005年4月18日翡翠水庫衛星影像圖與24個採樣點
（農業工程研究中心與中央研究院-環境變遷研究中心，2005）
1-6 研究流程
本論文之研究流程圖，如圖 1-4 所示。
圖 1-4 研究流程圖 資料蒐集與預處理
分 析 影 像 組 合 波 段 因 子，利用逐步迴歸方式 建立現地採樣資料與六 個波段（1~5 及 7 的波段）
間之關係，並探討其精 確性，提供即時且大範 圍的水庫葉綠素-a 濃度 狀況，以及配合衛星影 像計算單一 TSI（Chl-a）
達到有效監測水庫優養 情形。
結果與討論
結論與建議 衛星影像處理
1-7 論文架構
論文共分為六章，第一章敘述衛星理論及國內外前人研究狀況，
並說明本論文之研究動機與目的；第二章敘述研究地點的情況；第三 章敘述研究方法將以逐步迴歸方式進行資料的分析，建立波段因子與 葉綠素-a 之間關係；第四章為研究成果的討論並探討結果的優劣；第 五章為本研究結論與研究後相關建議。
第二章材料與方法
2-1 翡翠水庫之位置
翡翠水庫集水區位處台灣東北部，即台北盆地東南方，其四面東 鄰台北縣貢寮鄉及宜蘭縣頭城、礁溪、員山等鄉，南鄰宜蘭縣大同鄉，
西鄰台北縣三峽鎮界及桃園縣復興鄉，北鄰台北縣平溪鄉，其集水區 涵蓋台北縣坪林鄉、石碇鄉、新店市、雙溪鄉等地區，集水區面積達 303 平方公里，主流為北勢溪，主要支流包括鰱魚掘溪、金瓜寮溪、
後坑子溪與火燒樟溪等，如圖 2-1 所示，為大台北地區最重要的水資 源（王泰盛，2005）。
圖 2-1 翡翠水庫與大台北地區關係位置影像圖（農業工程研究中心，
2004）
2-2 翡翠水庫之狀況
本論文以翡翠水庫為主要研究對象，其水庫水質現地採樣資料由 中央研究院-環境變遷研究中心提供。水庫水域內採樣點多達八個 站，其水域水質採樣測站，包括大壩、火燒樟、後坑子、鷺鷥潭、媽 祖林、永安、灣潭、匯流口等，如圖 2-2 所示，採樣時間每個月一次，
但為配合此次衛星飛過時間，特別將採樣點擴至 24 站，以增加影像 上的採樣密集度，並進行相關探討研究工作。
圖 2-2 翡翠水庫水質採樣位置圖（翡翠水庫管理局網站，2006）
大壩站
2-3 統計方法
對於比較簡單的變數之間的關係，有時可憑著過去的經驗與直覺 來判斷，但是對於比較複雜或需要精確結果的，就需要依賴客觀的統 計方法來了解它們之間的關係。統計學上用來研究這些關係的統計方 法除了變異數分析尚有迴歸分析、相關分析等（陳哲儀，2005）。
水體的光譜特徵是由其中的各種物質對光輻射的吸收和散射性 質決定的，是遙感監測的基礎。研究光譜特徵的目的是為了選擇適宜 於水質監測的敏感波段和優化波段組合，獲得最佳的光譜信息，試圖 通過監測水體表面反射光譜特徵的變化情況，來估測水質參數狀況，
利用遙感數據估測水質參數的方法一般有三種，即理論方法、經驗公 式和半經驗公式，在光譜分析中要獲得比較好的結果，數據處理的方 法很重要。一般都採用逐步迴歸的方法，在進行逐步迴歸之前要對原 始數據進行一些預處理，預處理的目的是尋找能反映物體待測指標明 顯特徵的某些波長（特徵波長）處的數據（劉英，2003）。
2-4 迴歸分析簡介
許多變數之間常存在著一定因果關係，例如用電量與溫度，河川 流量與雨量、銷售量與廣告等，均有一定的因果關係。
迴 歸 分 析 就 是 一 種 統 計 分 析 的 方 法 ， 主 要 在 了 解 自 變 數
（independent variable）與應變數（dependent variable）間之數量關係。
主要用處是尋找兩個或兩個以上的變數之間的相互變化的關係。當找 到（或以為找到）這些關係之後，就可以利用它來做下面的事情（陳 哲儀，2005）：
目的
1. 敘述（description）：例如節目製作費用與收視率之關係（了解變
數之關係）。
2. 控制（control）：例如商品價格與需要量之關係，故控制價格，也 許就可以控制需要量（以價制量）。
3. 預測（prediction）：例如製作費與收視率之關係，也許可以用來粗 估某節目的收視率。
變數之選擇原則 1. 依相關理論或邏輯
2. 依研究人員探討之變數關係來決定
2-5 迴歸分析模式之架構
迴歸（Regression）是研究自變數與應變數關係的方法。迴歸公 式如下：
0 1 1
Yˆb b X
其中Y=迴歸預測值 b0=截距
b1=自變數係數 X1=自變數 ε=誤差值
在迴歸分析中，有線性、多項式與逐步等迴歸方式，本研究將採
組合，如圖 2-3、2-4、2-5 所示，茲將方法略述如下：（葉怡成，2006）
1. 建設法（前向選擇法）：變數少至多。
2. 破壞法（後向刪除法）：變數多至少。
3. 混合法（雙向增刪法）：變數少至多，再由多至少。
圖 2-3 四變數問題的可能全部模型(合計 15 個)
圖 2-4 採用四變數問題建設法建模(合計 10 個，比全部組合個數減少 5 個)
圖 2-5 採用四變數問題破壞法建模(合計 10 個) A
B C D
選擇加A AB AC AD
ABCD ABC
ABD
選擇加B 選擇加C
A AB ABC ABCD B AC ABD
C AD BCD D BC ACD
BD CD
上述之建設法及破壞法，雖然減少之組合數量有限，但如在大量 變數環境下，其減少組合數量則是十分驚人。因此逐步迴歸之優點是 可找出重要的變數，建立精確性相似的模式（葉怡成，2006）。
第三章結果與討論
3-1 影像資料與現地水質之關係
將 2005 年 4 月 18 日所採集之水質資料對照於當日 Landsat 7 衛 星影像之波段值，判斷各波段與葉綠素-a 之間是否呈線性相關，如表 3-1 所示，若呈非線性關係可取對數加以修改，再進行相關分析，如 表 3-2 所示。
表 3-1 各波段值與葉綠素-a 之相關係數表
原始 B1 B2 B3 B4 B5 B7 Chl-a
B1 1.000
B2 0.721 1.000
B3 0.795 0.852 1.000
B4 0.545 0.531 0.633 1.000
B5 0.200 0.319 0.320 0.837 1.000
B7 0.381 0.477 0.424 0.753 0.827 1.000
Chl-a -0.487 -0.499 -0.543 -0.664 -0.523 -0.740 1.000
B1：藍光段 B2：綠光段 B3：紅光段 B4：近紅外光段 B5：中紅外光段 B7：中紅外光段
表 3-2 取對數後各波段值與葉綠素-a 之相關係數表
取對數 ln B1 ln B2 ln B3 ln B4 ln B5 ln B7 ln Chl-a ln B1 1.000
ln B2 0.716 1.000
ln B3 0.791 0.851 1.000
ln B4 0.554 0.520 0.625 1.000
ln B5 0.246 0.346 0.363 0.871 1.000
ln B7 0.385 0.481 0.436 0.707 0.771 1.000
ln Chl-a -0.553 -0.516 -0.529 -0.679 -0.600 -0.766 1.000
B1：藍光段 B2：綠光段 B3：紅光段 B4：近紅外光段 B5：中紅外光段 B7：中紅外光段
由表 3-1 發現波段與葉綠素-a 存有負相關性，尤以波段 7 對葉綠 素-a 之相關度最高（為最顯著之因子），由表 3-2 發現取對數後，其 相關係數值並無顯著的提升，得知資料存在線性關係。
3-2 組合影像波段因子
所謂組合是將關係佳之波段因子進行轉換，如取對數、取倒數或 開根號等數學運算，產生新的因子。本研究將參考 Yuanzhi 等人（2003）
以芬蘭海灣為例，利用 Landsat TM 之 7 個波段作為基礎因子，加以 組合產生 35 種不同型態之因子，並以此型態因子建構模型，推估出 水質模式；以及吳俊穎（2001）使用法國 SPOT 衛星影像之 3 個波段 作為基礎因子，將其組合成 89 種因子，並利用線性迴歸方式建立影 像波段因子與地面水質參數之關係式，可建立永和山水庫水質污染狀 況之空間分佈關係，作為監測水庫水質之來源和水庫管理參考之依 據。
由表 3-1 得知波段 3、4、5 及 7 與葉綠素-a 有較佳相關性，如表 3-3 所示，若選取波段 3、4、5 及 7 作為基本因子，會有組合爆炸問 題，所以選取波段 3、4 及 7 作為基本波段因子，經組合運算波段因 子發現與葉綠素-a 存有更顯著的相關性，共有 24 組變化，如表 3-4 所示，因此以這 24 組為自變數，葉綠素-a 為應變數，如表 3-5 所示，
並運用 SPSS 統計軟體之逐步迴歸進行分析，分析方法採用破壞法，
使變數由多變少，選出最佳組合方式，建立迴歸方程式，得到預測葉
效標變項間的相關達到顯著；由表 3-10 之此模式得知迴歸方程式
（ fx=-406.664-0.0004668*X1-2.272*X3+0.01807*X5-0.01391*X6+8.7 56*X15+120.632*X17-13.076*X20+209.275*X23+0.174*X24）；由表 3-11 殘差統計量發現殘差值（觀察值與預測值的差）較小，表示預測 誤差小；由圖 3-1 之標準化殘差的常態機率分佈圖，得知其大約呈現 由左下到右上的 45 度線，散佈的點大多落在接近直線的點，表示十 分接近常態分佈的假定，經逐步迴歸所產生之葉綠素-a 預測值可推算 單一 TSI（Chl-a），其值介於 30-45，由表 3-12 可得知，水庫介於貧 養-普養之間，顯示水庫水質處於良好狀態，由圖 3-2 得知影像葉綠 素-a 推估值與現地葉綠素-a 值雖有差異，但大多趨勢都能相符合，顯 示經影像波段組合，再進行逐步迴歸方法可有效地推估影像之葉綠素 -a 值。
將 2005 年 4 月 18 日影像之 6000 多筆波段值帶入前述所得到之 迴歸方程式中，可獲得影像上之葉綠素-a 值，並利用 Surfer 軟體中之 克利金法推估影像中整體水庫葉綠素-a 分佈狀況，如圖 3-3 所示；同 時也以現地資料之 24 點，利用克利金方法推估現地中整體水庫葉綠 素-a 分佈圖，如圖 3-4 所示，由圖 3-3 與圖 3-4 發現影像推估之高值 分佈在水庫中間，不同於現地推估在水庫岸邊，由於現地推估方式採 用 24 點進行內插，不同於影像推估方式採用 6000 多點進行內插，誤 差較大，或許顯示水庫中葉綠素-a 分佈情形有此現象，若未來能採集 多點資料進行比對，假設如此將有效減少現地採樣之人力資源，即時 地作為水庫管理者之參考依據。
表 3-3 波段與葉綠素-a 之較佳相關係數表
B3 B4 B5 B7
Chl-a -0.543 -0.664 -0.523 -0.740
B3：紅光段 B4：近紅外光段 B5：中紅外光段 B7：中紅外光段
表 3-4 組合波段因子與葉綠素-a 之較佳相關係數值
B4(B3+B7) B7(B4+B3) B3+B7 B4+B7 B3*B7 B4*B7
Chl-a -0.737 -0.740 -0.742 -0.748 -0.786 -0.747
B4+B3+B7 B4*B3*B7 lnB7 B7/lnB7 B7/ln(B4+B3)B7/ln(B3*B4)
Chl-a -0.748 -0.771 -0.756 -0.743 -0.718 -0.712
B7/ln(B7+B4) B7/ln(B3+B7) ln(B4+B7) ln(B3+B7) ln(B4*B7) ln(B3*B7)
Chl-a -0.726 -0.722 -0.750 -0.730 -0.766 -0.788
ln(B4+B3)/B7ln(B3+B7)/lnB7(B4+B7)/lnB3B7/ln(B4+B3) 1/B7 B7
Chl-a 0.738 0.734 -0.724 -0.718 0.762 -0.740
B3：紅光段 B4：近紅外光段 B7：中紅外光段
表 3-5 組合波段因子之變數
X1=B4(B3+B7) X2=B7(B4+B3) X3=B3+B7 X4=B4+B7 X5=B3*B7 X6=B4*B7 X7=B4+B3+B7 X8=B4*B3*B7
X9=lnB7 X10=B7/lnB7 X11=B7/ln(B4+B3) X12=B7/ln(B3*B4) X13=B7/ln(B7+B4) X14=B7/ln(B3+B7) X15=ln(B4+B7) X16=ln(B4*B7)
X17=ln(B3+B7) X18=ln(B3*B7) X19=ln(B4+B3)/B7 X20=ln(B3+B7)/lnB7 X21=(B4+B7)/lnB3 X22=B7/ln(B4+B3) X23=1/B7 X24=B7
2.34963 .668043 24
1367.04167 282.198431 24
949.37500 247.910891 24
59.83333 5.027461 24
36.33333 5.001449 24
634.45833 148.958407 24
314.91667 101.155892 24
82.50000 7.454208 24
14708.792 5540.5841 24
2.60063 .167397 24
5.21887 .593005 24
3.22633 .560360 24
1.96354 .329462 24
3.79575 .564756 24
3.33492 .563178 24
3.58479 .125692 24
5.71479 .262932 24
4.08813 .081872 24
6.43029 .209230 24
.31721 .045842 24
1.08142 .014440 24
9.47738 1.201412 24
3.22633 .560360 24
.07504 .011388 24
13.66667 2.565095 24
Y X1 X2 X3 X4 X5 X6 X7 X8 X9 X10 X11 X12 X13 X14 X15 X16 X17 X18 X19 X20 X21 X22 X23 X24
平均數 標準差 個數
表3-6 自變數與應變數之統計敘述
X24, X17, X1, X20, X15, X5,
X23, X6, X3 a
. 選入
模式 1
選入的變 數 刪除的變 數 方法
已達允差 = .000 界限。
a.
依變數\：Y b.
表 3-7 逐步迴歸運算過程
.887a .786 .395672
模式 1
R R 平方 估計的標準誤
預測變數：(常數), X24 , X17 , X1, X20 , X15 , X5, X23 , X6, X3 a.
依變數\：Y b.
表 3-8 逐步迴歸之結果
8.073 9 .897 5.729 .002a
2.192 14 .157
10.264 23 迴歸
殘差 總和 模式
1
平方和 自由度 平均平方和 F 檢定 顯著性
預測變數：(常數), X24, X17, X1, X20, X15, X5, X23, X6, X3 a.
依變數\：Y b.
表 3-9 變異數分析之結果
-476.258 200.827 -2.371 .033 -906.988 -45.528 8.116E-03 .014 3.429 .583 .569 -.022 .038 -2.059 1.491 -15.496 -1.381 .189 -5.256 1.138 5.605E-03 .029 1.250 .196 .847 -.056 .067 -2.936E-02 .035 -4.445 -.848 .411 -.104 .045 -8.756 20.904 -1.648 -.419 .682 -53.591 36.078 104.672 66.612 12.828 1.571 .138 -38.198 247.541 176.719 169.800 3.820 1.041 .316 -187.466 540.905 -118.424 274.382 -2.019 -.432 .673 -706.916 470.067 1.292 1.736 4.963 .744 .469 -2.432 5.016 (常數)
X1 X3 X5 X6 X15 X17 X20 X23 X24 模式 1
B 之估計值 標準誤 未標準化係數
Beta 分配 標準化係
數
t 顯著性 下限 上限
迴歸係數 B 的 95% 信賴 區間
依變數\：Y a.
表 3-10 自變數與應變數間之迴歸方程式
.47329 3.69840 2.34962 .592441 24 -.69672 .54407 .00000 .308699 24
-3.167 2.277 .000 1.000 24
-1.761 1.375 .000 .780 24
預測值 殘差
標準化預測值 標準化殘差
最小值 最大值 平均數 標準差 個數
依變數\：Y a.
表 3-11 殘差統計量圖
預期
1.00
.75
.50
.25
表 3-12 湖泊營養狀態表（Carlson，1977、Kratzer & Brezonik，1981）
TSI SD(m) Chl-a(μg/l) TP(μg/l) Trophic State
0 64 0.04 0.75 極貧養
10 32 0.12 1.5 極貧養
20 16 0.34 3 極貧養
30 8 0.94 6 貧養
40 4 2.6 12 貧養
45 2.8 5 17 普養
50 2 7.3 24 普養
53 1.6 10 30 優養
60 1 20 48 優養
70 0.5 56 96 超優養
80 0.25 154 192 超優養
90 0.12 427 384 超優養
100 0.06 1183 768 超優養
0.00 0.50 1.00 1.50 2.00 2.50 3.00 3.50 4.00 4.50
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 現地採樣點
葉綠素-a
現地Chl-a 推估Chl-a
圖 3-2 影像葉綠素-a 推估值與現地葉綠素-a 值之比較圖
圖 3-3 遙測影像之葉綠素-a 分佈圖
第四章結論與建議
4-1 結論
由於衛星技術日新月異，解析度越高，利於從事研究，近年來國 內也開始積極發展衛星影像的研究工作，像地表分類、崩塌地調查、
水質監測、環境變遷等方面。本論文將衛星影像應用於翡翠水庫水質 監測上，根據中國大陸學者屠清瑛等人之研究指出水庫優養化判定因 子中，以葉綠素-a 最具影響力，此理論亦被其他學者所認同，於是此 論文以監測葉綠素-a 為主。
取得 2005 年 4 月 18 日之 Landsat 7 衛星影像，其有七個波段為 B1 到 B7，本論文使用 B3、B4 與 B7 作為基本波段因子，經組合波 段因子產生共 24 組變化，並與葉綠素-a 進行逐步迴歸，建立迴歸式
（ fx=-406.664-0.0004668*X1-2.272*X3+0.01807*X5-0.01391*X6+8.7 56*X15+120.632*X17-13.076*X20+209.275*X23+0.174*X24），發現 此模式（即選入 X24, X17, X1, X20, X15, X5, X23, X6, X3 變數）與葉 綠素-a 之相關係數（R）高達 0.887，與現地之峰值大致相符合，產 生之預測值可推算出單一 TSI（Chl-a），水庫介於貧養-普養之間，
顯示水庫水質處於良好狀態。
將 2005 年 4 月 18 日影像利用 Surfer 軟體中之克利金法所推估之 整體水庫葉綠素-a 分佈狀況，說明逐步迴歸可由遙測影像之波段推估 良好之水庫大範圍之葉綠素-a 分佈狀況，如此一來可即時得知大範圍 水庫之優養狀況，有效節省人力與物力。
4-2 建議
近來氣候的巨變，造成環境的變遷，在未來水庫將會面對如水庫 淤積、水庫優養化、水庫缺水等許多問題，若能事先預警，有益於管 理單位作預防措施，將可延長水庫之壽命，達到永續經營之目的。
因此本人針對此研究建議有二，如下：
一、翡翠水庫水質之監測
目前翡翠水庫無連續長時間的觀測資料，使用月資料會造成資訊 上的延誤或錯誤，若能有長時間的觀測，並配合衛星影像資料，可建 構多時期監測系統，將可即時得知水庫大範圍資訊，有效監控水質情 形。
二、翡翠水庫水質之預測
由於僅以 2005 年 4 月 18 日作為單一案例，易產生資料不足現 象，若能建構多時期案例，並搭配其他演算方法，如進化式遺傳演算 法（GE）、類神經網路（ANN）等方法，經相互比較後，使得在預測 這方面更加準確有意義。
第五章 參考文獻
【1】王泰盛，2005，『季節性翻轉與春秋藻華水體之卡爾森優養指標 應用與水質預測之研究-以翡翠水庫為例』，中華大學土木工程 學系研究所碩士論文。
【2】余豐寧、李旭文，1996，『水體葉綠素含量的遙感定量模型』，
湖泊科學，第 3 期第 201~207 頁。.
【3】吳俊穎，2001，『衛星影像監測永和山水庫水質之研究』，中華 大學土木工程學系碩士論文。
【4】國家太空室 http://www.nspo.org.tw/c60/rocsat1/rs1_main.html
【5】國家太空室 http://www.nspo.org.tw/c60/rocsat1/rs2_main.html
【6】國家太空室 http://www.nspo.org.tw/c60/rocsat1/rs3_main.html
【7】許俊森，1994，『衛星遙測臺灣附近海域的葉綠素甲濃度分布』， 國立台灣大學海洋工程學系研究所碩士論文。
【8】郭育全，1997，『分散度指標應用於遙測影像分類特徵選取之研 究』，國立台灣大學農業工程學系研究所碩士論文。
【9】陳炫東，1993，『水庫集水區之土地覆蓋判釋-運用衛星影像及 地理資訊系統』，國立台灣大學農業工程學系研究所碩士論文。
【10】 陳哲儀，2005，『資料採礦（Data Mining）連載之七--【迴歸 分析】』，陳哲儀網頁（http://www.chu.edu.tw/~jerry/）。
【11】 陳莉、吳俊穎、梁訓源，2002，「以類神經網路評估永和山水 庫水質優養化之研究－以 SPOT 衛星影像」，中國農業工程學 報，第四十八卷，第二期，第 59-70 頁。
【12】 陳楚群、施平，1996，『應用 TM 數據估算沿岸海水表層葉 綠素濃度模型研究』，環境遥感，第 11 期第 3 卷。
【13】 陳繼潘，1999，『太空看台灣』。
【14】 楊曄芬，1998，『遙測技術結合模糊理論在水質優養程度判定 之應用』，朝陽大學營建工程學系研究所碩士論文
【15】 楊龍士、雷祖強、周天穎，2006，『遙感探測理論與分析實務』。
【16】 葉怡成，2006，『資料探勘-程序模式與實作』，第三版，中華 大學資訊管理學系。
【17】 雷祖強，1994，『利用 SPOT 衛星影像計算地表覆蓋碎形維度 之研究』，國立台灣大學農業工程學系研究所碩士論文。
【18】 雷祖強，2001，『衛星遙測及隨機變域模擬於水庫優養之機率 評估』，國立台灣大學農業工程學系研究所博士論文。
【19】 劉治中，1996，『遙測影像之基本分析』，遙測技術講習會。.
【20】 劉英，2003，『千島湖水體葉綠素濃度高光譜遙感監測研究初 報』，浙江大學學報（商業與生命科學版），第 29 期第 6 卷第 621~626 頁。
【21】 鄭克聲、郭育全、葉惠中，1997，『分離度指標應用於遙測影 像分類特徵選取之研究』，第十六屆測量學術及應用研討會論文 集，第 587~596 頁。
【22】 蕭國鑫、吳啟男，1991，『遙測應用於水庫水質調查』礦業技 術。
【23】 Almanza, E., and Melak, J., 1985, “Chlorophyll differences in Mono Lake (California) observable on Landsat imagery”
Hydrobiologia, Vol. 122, pp. 13-17.
International J. Remote Sensing, Vol. 24, No. 24, pp. 5317-5326.
【26】 Lathrop, R.G., 1992, “Landsat Thematic Mapper monitoring of turbid inland water quality”Photogrammetric Engineering and Remote Sensing, Vol. 58, pp. 465-470.
【27】 Lavery, P., C. Pattiaratchi, A. Wyllie & P. Hick, 1993, “Water quality monitoring in estuarine waters using the Landsat Thematic Mapper”Remote Sensing of Environment, Vol. 46, pp. 268-280.
【28】 Lillesand, T. M., Johnson, W. L., Deveil, R. L., O. M. Lixdstrom and D. E. Meisner, 1983, “Use of Landsat data to predict the trophic state of Minnesota lakes”Photogrammetric Engineering &
Remote Sensing, Vol. 49, No. 2, pp. 219-229.
【29】 R.J.Alleeand J.E.Johnson,1999.“UseofSatelliteImagery to Estimate Surface Chlorophyll a and Secchi Dise Depth of Bull ShoalsReservoir,Arkansas,USA”International J. Remote Sensing, Vol.20, No.6, pp. 1057-1072.
【30】 Thomann, R. V. and J. A. Mueller, 1987, “Principles of Surface Water Quality Modeling and Control”Harper＆Row. Publishers, Inc.
【31】 Thomas M. Lillesand ＆ Ralph W. Kieter，1994，『遙感探測 學』。
【32】 Yuanzhi Zhang, Associate Member, Sampsa S. Koponen, Jouni T. Pulliainen, Senior Member and Martti T. Hallikainen, 2003,
“Application of Empirical Neural Networks to Chlorophyll-a Estimation in CoastalWatersUsing RemoteOptosensors”IEEE Sensors Journal, Vol. 3, No. 4, pp. 376-382.
