103 年度發展高光譜與光達技術結合之應用工作案

(1)

103 年度發展高光譜與光達技術結合之應用工作案

工作總報告書

計畫主持人：王驥魁副教授共同主持人：張智安副教授

林志交測量技師委託單位：內政部

執行單位：財團法人成大研究發展基金會國立交通大學

中興測量有限公司

中華民國 103 年 11 月 27 日

(2)

摘要

高光譜與空載光達技術結合，為偵測及測繪地物之更有利技術。

本案延續使用內政部於 101 年及 102 年辦理發展高光譜與光達技術結合之應用工作案所獲取之高光譜影像及空載光達資料，精進研發對於測繪業務更廣泛之應用。本案探討議題包含，以地面光達探討森林地區之光達點雲穿透率，並藉由空載光達點雲穿透率探討與衛星影像及植生指數之相關性，高精度數值地形模型應用於繪製林下產業道路、

集水區地形變異分析、山區道路坡面水系及其變異分析之探討，並結合高光譜與空載光達資料分析土地覆類別可行性之探討。本案使用資料為 ATLM Pegasus 光達系統搭配 Itres CASI-1500 高光譜系統所獲取，

包含火山測試區與水庫測試區二測試區。本案成果顯示，地面光達於 4 到 10 月之現地資料所推估之森林穿透率並無顯著差異，本案執行時期雖包含四季之四次現地資料，但並未包含測試區之落葉時節，故可推測此期間內植群之物候無顯著改變。由遙測衛星影像、植生指數與空載光達點雲穿透率之相關性測試成果顯示，兩測試區之森林穿透率與葉面積指數的線性迴歸 R²達 0.596，當穿透率越高時葉面積指數愈低。

由光達資料疏化測試結果顯示，當資料疏化至點雲密度 1.3 點/平方公尺，其 DEM 成果僅判釋 65%之林下產業道路，且道路邊界產生較多大於 1 公尺以上的誤差量。集水區地形變異及山區道路坡面水系變異分

(3)

Abstract

As a succeeding project, following the 2012 and 2013 MOI projects, with an emphasis on exploiting data fusion of airborne hyperspectral and LiDAR technologies for Geomatics purposes, the goals of this project are stated as follows. Using four field collections of terrestrial laser scanner data to investigate the change of laser penetration rate of forests. To identify the relationship between laser penetration rate of forest and vegetation indices derived from satellite images. Exploring the use of high accuracy DEM for delineating understory estate road, change of landform in watershed, and delineating and analyzing the change of drainage system of small watersheds on the roadside in the mountain area. To investigate the feasibility of using integrated hyperspectral and LiDAR data for land cover classification. The remotely sensed data were collected for a volcano and reservoir area by an Itres CASI-1500 hyperspectral system and ALTM Pegasus LiDAR system, both of which were installed in the same vehicle.

Our results show that no obvious change of laser penetration rate was observed in the terrestrial laser scanner data, which is due to the allowable time span for terrestrial laser field data collection does not include leaf fall events. The results also found that the laser penetration rate of the forest is negatively linear correlated with leaf area index with a R² value of 0.596.

When downsampling the original airborne LiDAR data to a point density of 1.3 point/m², it is shown that only 65% of the estate road was correctly identified and a large portion of the edge of the estate road were identified with errors larger than 1 m. The high accuracy DEM is an effective tool for calculating sand erosion and accretion and for estimating the trend of these changes. Finally, both pixel- and object-based classification algorithms

(4)

were able to achieve at least 78% total accuracy of and 0.75 Kappa value for land cover classification when using integrated airborne hyperspectral and LiDAR data. Furthermore, the object-based classification results was more suitable for identifying polygonal and areal attributes.

(5)

圖目錄

圖 3.1 火山區測試區位置圖 ... 5

圖 3.2 水庫測試區位置圖 ... 6

圖 3.3 多光譜光達資料示意圖 ... 9

圖 3.5 本案地面光達樣區位置圖 ... 16

圖 3.6 相位式測距訊號相位差示意圖 ... 17

圖 3.7 時間差量測法示意圖 ... 18

圖 3.8 地面光達掃瞄與資料處理流程圖 ... 20

圖 3.9 模擬空載光達雷射光之方法 ... 21

圖 3.10 模擬空載光達雷射與穿透率之研究流程圖 ... 21

圖 3.11 Original 半變異元模型圖 ... 24

圖 3.12 測繪林下產業道路流程圖 ... 24

圖 3.13 林下導線位置示意圖 ... 25

圖 3.14 LAI-2000 植物冠層分析儀(Anon, 1992) ... 28

圖 3.15LAI 野外調查示意圖(引用自林子方，2012) ... 28

圖 3.16 以 2m 厚度搜尋完整地面點之示意圖... 29

圖 3.17 集水區之地形變異分析作業流程 ... 31

圖 3.18 裸露地判釋圈繪示意圖 ... 32

圖 3.19 密林區之光達穿透率低導致土砂變化分析異常示意圖 ... 33

(10)

圖 3.20 分析遮罩產製示意圖 ... 33

圖 3.21 前、後期地形變異分析遮罩示意圖 ... 34

圖 3.22 地形變異分析遮罩圖(99 年至 101 年間部分區域) ... 34

圖 3.23 前、後期地形變異分析示意圖 ... 35

圖 3.24 集水區系統化圖 ... 36

圖 3.25 土砂輸送概念圖 ... 37

圖 3.26 利用 1 公尺解析度之光達 DEM 資料產製水系圖 ... 38

圖 3.27 不同時期之坡面水系變異比較圖 ... 39

圖 3.28 土地覆蓋類別分類工作流程圖 ... 41

圖 3.29 人工圈選訓練區及分佈圖火山區(左)、水庫區(右) ... 44

圖 3.30 光達特徵示意圖 ... 48

圖 3.31 光譜特徵示意圖 ... 50

圖 3.32 影像分類主要步驟流程圖(Qihao,2011) ... 52

圖 3.33 本案像元式分類主要步驟流程 ... 53

圖 3.34 物件式分類成果示意圖 ... 54

(11)

圖 4.3 外業掃瞄情形控制點觀測 ... 57

圖 4.4 雜訊資料處理 ... 62

圖 4.5 自動濾除後點雲資料 ... 62

圖 4.6 邊緣雜訊 ... 63

圖 4.7 懸浮粒子之影響 ... 63

圖 4.8 混合像元分類(Tuley& Vandapel,2005) ... 64

圖 4.9 點雲上彩圖 ... 65

圖 4.10 站與站之共軛球標選取 ... 66

圖 4.11 掃瞄光束法平差成果 ... 66

圖 4.12 點雲資料檢查 ... 67

圖 4.13 地面光達點雲轉換為三維立方體示意圖 ... 69

圖 4.14 模擬雷射光產製之點雲分布資料。(a)點雲俯視圖。(b)地面點與非地面點。(c) 回波代號分布圖。 ... 70

圖 4.15 樣區光達模擬魚眼展示圖 ... 71

圖 4.16 四期地面光達資料模擬點雲之穿透率 ... 72

圖 4.17 地面光達樣區現地概況 ... 74

圖 4.18 林下產業道路測試區位置圖 ... 75

圖 4.19 原始點雲產製之 DEM 及其日照陰影圖及坡度圖 ... 75

圖 4.20 光達點雲疏化各密度等級之 DEM 日照陰影圖 ... 77

(12)

圖 4.21 光達點雲疏化各密度等級之 DEM 坡度圖 ... 77

圖 4.22 林下產業道路判釋數化成果 ... 79

圖 4.23 現地測量作業圖 ... 81

圖 4.24 導線測量成果圖 ... 85

圖 4.25 網格式圖層向量化 ... 87

圖 4.26 林下產業道路中心線長度統計結果 ... 88

圖 4.27 林下產業道路邊界評估示意圖 ... 88

圖 4.28 光達點雲展示林下產業道路上下坡邊界 ... 89

圖 4.29 各密度等級之林下產業道路邊界距離誤差值分布圖 ... 90

圖 4.30 火山測區與水庫測區之福衛二號影像(a)火山測區 FS2。(b)水庫測區 FS2_1 衛星影像。(c)水庫測區 FS2_1 衛星影像。 ... 92

圖 4.31 研究樣區範圍之 SPOT5、GeoEye 與 Worldview2 衛星影像 ... 93

圖 4.32 利用 ACTOR3 大氣糾正前後 SPOT5 衛星影像與 NDVI 之差異 ... 94

圖 4.33 水庫測試區 8 m 穿透率分布圖與航空照片 ... 95

(13)

圖 4.39 大氣糾正對於衛星影像植生指標與穿透率分布盒形圖 ... 101

圖 4.40 大氣糾正前(左圖)後(右圖)各衛星影像穿透率與平均 NDVI 分布圖 ... 102

圖 4.41 穿透率與 4 種植生指標之相關性 ... 106

圖 4.42 本計畫蒐集 3 期空載光達數值地形範圍圖 ... 108

圖 4.43 各期地形未改變點位置圖 ... 109

圖 4.44 前、後期地形變異分析遮罩產製成果圖 ... 111

圖 4.45 集水區分區成果圖 ... 112

圖 4.46 集水區編號 7 範圍內 99 年至 102 年土砂量變異區分析圖 ... 114

圖 4.47 集水區編號 10 範圍內 99 年至 102 年土砂量變異區分析圖 . 115 圖 4.48 集水區編號 42 上游 99 年至 102 年土砂量變異區分析圖 ... 116

圖 4.49 計畫範圍 99 年~101 年集水區土砂沖淤分布圖 ... 121

圖 4.50 計畫範圍 101 年~102 年集水區土砂沖淤分布圖 ... 121

圖 4.51 計畫範圍 99 年~102 年，各集水區土砂沖淤變化圖 ... 122

圖 4.52 利用 1 公尺解析度之光達 DEM 資料產製水系圖 ... 125

圖 4.53 光達 DEM 資料產製水系分析異常位置 ... 125

圖 4.54 光達數值地形建議編修位置圖 ... 126

圖 4.55 光達數值地形建議編修位置現地摘要照片 ... 127 圖 4.56 光達數值地形編修前、後水系比較圖(以 101 年 DEM 為例) 128

(14)

圖 4.57 水系改變導致道路災害位置發生變化實況照片... 129

圖 4.58 坡面人工構造物改變導致水系變化實況照片 ... 129

圖 4.59 火山測區光譜特徵整體精度長條圖 ... 131

圖 4.60 紋理特徵視窗大小精度分析圖 ... 132

圖 4.61 火山測區高光譜加入紋理特徵(19×19)與 NDVI 特徵分類成果 ... 133

圖 4.62 火山測區高光譜(左)與加入光譜特徵(右)影像分類成果 ... 134

圖 4.63 火山測區高光譜加入光譜特徵影像與光達特徵分類成果 ... 136

圖 4.64 火山測區分類成果局部放大圖 ... 137

圖 4.65 水庫測區光譜特徵整體精度長條圖 ... 138

圖 4.66 水庫測區像元式影像分類成果 ... 142

圖 4.67 水庫測區分類成果局部放大圖 ... 143

圖 4.68 國土利用調查成果(左)與像元式分類成果(右)比對圖 ... 144

圖 4.69 國土利用調查成果(左)與成像元式分類成果向量(右)比對放大圖 ... 145

圖 4.70 影像分割成果(左為水庫測區，右為火山測區) ... 147

(15)

圖 4.75 數化區位置分布圖(左:火山區、右:水庫區) ... 151

圖 4.76 物件式分類成果邊界評估 ... 151

圖 4.77 火山測區光譜特徵整體精度折線圖 ... 153

圖 4.78 火山測區高光譜加光譜特徵(左)與整合光達資料(右)分類成果 ... 155

圖 4.79 火山測區地物光譜圖 ... 155

圖 4.80 火山測區局部比較 ... 156

圖 4.81 火山測區物件式各類精度長條圖 ... 158

圖 4.82 水庫測區光譜特徵整體精度長條圖 ... 161

圖 4.83 水庫測區高光譜加光譜特徵(左)與整合光達資料(右)分類成果 ... 162

圖 4.84 水庫測區局部比較 ... 163

圖 4.85 水庫測區物件式分類各類精度長條圖 ... 165

圖 4.86 高光譜影像及 Worldview-2 影像 8 波段分類精度長條圖 ... 168

圖 4.87 Worldview-2 多光譜影像與高光譜影像訓練區光譜平均圖 ... 168

圖 4.88 Worldview-2 影像 4 波段與 8 波段分類精度長條圖 ... 169

圖 4.89 Worldview-2 影像 8 波段影像與 4 波段影像訓練區光譜平均圖 ... 169

圖 4.90 分類成果與國土利用圖層套疊 ... 171

圖 4.91 分類成果與國土利用調查圖層比較 ... 172

(16)

圖 4.93 高光譜影像分類外業屬性調查示意圖 ... 174

圖 4.94 高光譜影像分類外業屬性調查與高光譜檢核樣區示意圖 ... 177

圖 4.95 水庫測區平面距離測量示意圖 ... 178

圖 4.96 火山測區平面距離測量示意圖 ... 178

(17)

表目錄

表 2.1 成果繳交項目及日期 ... 3

表 2.2 工作進度甘特圖 ... 4

表 3.1 各測區之坐標一覽表 ... 6

表 3.2 本案相關研究文獻一覽 ... 12

表 3.3 地面光達掃瞄作業時程規劃 ... 17

表 3.4 地面雷射掃瞄儀規格表 ... 19

表 3.5 常見之植生指標推估方式 ... 27

表 3.6 水庫測區集水區內特定範圍光達數值地形資料一覽表 ... 31

表 3.7 土地覆蓋分類目標設定表 ... 45

表 3.8 光達分類特徵 ... 46

表 3.9 光譜分類特徵 ... 49

表 3.10 形狀分類特徵 ... 51

表 4.1 各測區地面光達掃瞄站數統計 ... 56

表 4.2 測區內三等點 TWD97【2010】坐標 ... 58

表 4.3 控制點位坐標 ... 59

表 4.4 導線精度 ... 61

表 4.5 各測站相對坐標拼接精度(第一期) ... 67

表 4.6 四期地面光達資料模擬點雲之穿透率 ... 72

(18)

表 4.7 地面光達樣區主要樹種 ... 73

表 4.8 各等級之平均點雲密度 ... 76

表 4.9 導線控制點坐標成果表 ... 80

表 4.10 附合導線測量坐標成果表 ... 82

表 4.11 開放導線測量坐標成果表 ... 82

表 4.12 導線精度分析統計表 ... 83

表 4.13 導線觀測計算表 ... 83

表 4.14 開放導線成果表 ... 86

表 4.15 各密度等級數化成果對應道路邊界之檢核點數量(個數) ... 89

表 4.16 火山測區與水庫測區衛星影像拍攝日期表 ... 93

表 4.17 水庫測區與火山測區 LAI 蒐集位置與數據 ... 98

表 4.18 穿透率與各衛星影像植生指標之敘述與相關性統計 ... 104

表 4.19 穿透率與衛星影像線性迴歸方程式 ... 107

表 4.20 各期地形未改變點高程值及高程差異統計一覽表... 110

表 4.21 計畫區內各集水區 99 年~101 年數值地形變異統計一覽表 .. 117

(19)

表 4.26 火山測區紋理特徵組合影像分類測試表 ... 132

表 4.27 火山測區分類成果表 ... 134

表 4.28 火山測區 MNF 後之高光譜影像分類誤差矩陣表 ... 135

表 4.29 火山測區高光譜影像加入光譜特徵分類誤差矩陣表 ... 135

表 4.30 火山測區高光譜影像加入光譜與光達特徵分類誤差矩陣表 . 136 表 4.31 水庫測區光譜特徵組合影像分類測試表 ... 138

表 4.32 水庫測區分類成果表 ... 139

表 4.33 水庫測區 MNF 後之高光譜影像分類誤差矩陣表 ... 140

表 4.34 水庫測區高光譜影像加入光譜特徵分類誤差矩陣表 ... 140

表 4.35 水庫測區高光譜影像加入光譜與光達特徵分類誤差矩陣表 . 141 表 4.36 火山測區光譜特徵組合影像分類測試表 ... 152

表 4.37 火山測區物件式分類成果表 ... 154

表 4.38 火山測區高光譜影像加入光譜特徵分類誤差矩陣表 ... 157

表 4.39 火山測區高光譜影像加入光譜與光達特徵分類誤差矩陣表 . 157 表 4.40 火山區各類精度改善量 ... 158

表 4.41 火山區邊界差異量 ... 159

表 4.42 水庫測區光譜特徵組合影像分類測試表 ... 160

表 4.43 水庫測區物件式分類成果表 ... 162

表 4.44 水庫測區高光譜影像加入光譜特徵分類誤差矩陣表 ... 164

(20)

表 4.45 水庫測區高光譜影像加入光譜與光達特徵分類誤差矩陣表 . 164

表 4.46 水庫區各類精度改善量 ... 165

表 4.47 比較高光譜影像及 Worldview-2 8 波段分類(水庫區) ... 167

表 4.48 比較 Worldview-2 4 波段及 8 波段分類(水庫區)... 167

表 4.49 水庫區邊界差異量 ... 170

表 4.50 融合影像像元式與物件式分類成果精度總表 ... 173

表 4.51 地物屬性調查成果表 ... 176

表 4.52 地物平面距離調查成果表 ... 179

(21)

第1章前言

隨科技日益進步，遙測影像空間解析度或光譜解析力的提升，提高了地物瞄繪與判釋分類的能力，為資源調查與環境監測等相關領域一個良好的應用分析材料。空載光達(Airborn LiDAR)為近年遙測領域的一項新技術，可用於大面積之地形測繪作業。高精度與高空間解析力的優勢，更能將其產製成品廣泛用於森林經營、坡地監測、災害模擬，數值地形建模等後端應用研究。

延續內政部於 101 年及 102 年辦理發展高光譜與光達技術結合之應用工作案所獲取高光譜影像及空載光達資料，提供後續更廣泛之應用，爰此，本計畫研究著重於「森林地區之光達點雲穿透率」、「評估空載光達技術測繪林下產業道路」、「探討遙測衛星影像、植生指數與空載光達點雲穿透率之相關性」、「集水區地形變異分析」、「山區道路坡面水系及其變異分析」及「評估融合高光譜與空載光達資料分析土地覆蓋類別之可行性」等研究項目之探討，

有助於將高光譜與光達技術應用於各領域之中。

在許多空載光達之應用上，為取得高精度之 DEM，需要有良好的森林穿透率以獲得林下地面點。國內一般光達飛航規劃多以高度、地形及山勢走向為主要考量因子，然而要產製良好的 DEM，光達穿透率則為重要的影響因素，

故必須有穿透率規劃。陳朝圳、余蘭君(2003)對於四個季節的葉面積指數，進行長期調查，其結果顯示森林的冬季與夏季葉面積指數差異大，表示森林冠層的葉量會受到季節的影響。由於森林有落葉與展葉期，森林樹冠層之密度均不同，對於空載光達穿透率具相當程度上之影響，因此可就季節的變化對森林穿透率之影響進行探討。便利獲得的衛星影像之植生指標(Lillesand et al., 1987; Eabta, 2001)，可利用該特性推估植物生長情形，故可藉由衛星影像計算植生指標，並利用回歸方程式推估植生指標與空載光達穿透率之關係，當兩者有明顯相關時，可提供未來空載光達飛航規劃時之參考依據。

(22)

光達數值地形為土砂災害、國土監測等重要的應用，且空載光達系統主要有多重回波的特性，可以穿透森林冠層到達森林地表，對於林下產業道路之測繪，為一個重要的偵測工具。不同時期之 DEM 可進行土砂量的變異分析，

並可推估其變異趨勢，故本計畫利用該特性來探討不同時期水庫土砂量變異分析、地形變異趨勢分析及山區道路坡面水系及其變異分析，了解坡面因降雨導致道路崩壞之潛在路段，並建立分析作業流程，以供防災單位參考。

國土利用調查常需要投入大量的人力與物力，國內空載光達測繪技術已達成熟的階段，高光譜測繪技術亦逐漸發展中，由過去研究之成果可以發現，

結合三維之高程特性對於光譜接近之地物分辨，在判釋上得以發揮明確的輔助功效(Gou et al., 2011)，提升判釋能力，因此為了能夠提升影像判釋成果，

本計畫將整合高光譜影像之影像光譜特徵及空載光達之點雲特徵，以提升影像判釋的可靠度，供未來應用於國土利用調查之可行性評估。

(23)

第2章工作項目及進度控管

本案於 103 年 4 月 8 日完成簽約，作業時間為 103 年 4 月 9 日起至 103 年 11 月 30 日止，分三期繳交成果(表 2.1)。依規劃進度，本團隊實際工作進度約完成本案總工作進度之 100%。各項工作及其他工作項目進度如表 2.2，

工作完成百分比為：

1. 工作計劃書撰寫(完成 100%) 2. 地面光達掃瞄作業(完成 100%) 3. 地面光達應用分析(完成 100%) 4. 相關文獻蒐集彙整(完成 100%) 5. 期中報告書撰寫(完成 100%)

6. 多光譜衛星影像資料處理與光達資料分析(完成 100%) 7. 數值地形模型應用分析(完成 100%)

8. 高光譜與全波形光達融合之精度評估分析(完成 100%) 9. 研提與本案相關之中程個案計畫方案(完成 100%)

表 2.1 成果繳交項目及日期期

別成果繳交項目及份數成果繳交

日期第

一期

工作計畫細部規劃書 2 份。於簽約次日起 2 個月內繳交。

第二期

期中報告 10 份及電子檔 1 份，內容至少應含：

（一）地面光達掃瞄規劃與執行概況。

（二）各項外業檢核作業規劃與執行概況。

（三）工作進度與執行進度控管。

於 103 年 7 月 31 日前繳交。

第三期

一、工作總報告書初稿 10 份及電子檔 1 份。

內容需包含：

（一）中英文摘要及前言。

於 103 年 11 月 30 日前繳交。經甲方審查工作總報告書初稿後，於甲方

(24)

（二）相關資料蒐集情形

（三）研究方法

（四）分類成果分析與精度評估。

（五）檢討與建議。

（六）成果效益評估

（七）參考文獻。

（八）歷次會議意見及回覆。

（九）本案之相關附件與辦理實況相片。

二、地面光達掃瞄原始數據與處理後相關成果各 1 份。

三、光達相關技術應用論文文稿至少 2 篇。

四、期末審查通過後送修正之工作總報告書

（定稿）3 份及電子檔 1 份。

發文通知日次日起 14 天內依甲方審查意見修正後繳交。

表 2.2 工作進度甘特圖

期別

時程第1月第2月第3月第4月第5月第6月第7月第8月

工作項目 103.04 103.05 103.06 103.07 103.08 103.09 103.10 103.11

高光譜與全波形光達融合之精

度評估分析 ^15% ^100% ^15.0%

數值地形模型應用分析 15% 100% 15.0%

相關文獻蒐集彙整 ^2% ^100% ^2.0%

多光譜衛星影像資料處理與光

達資料分析 ^15% ^100% ^15.0%

期中報告書撰寫 10% 100% 10.0%

地面光達應用分析 10% 100% 10.0%

地面光達掃瞄作業 ^10% ^100% ^10.0%

工作計劃書撰寫 ^5% ^100% ^5.0%

第一期第二期第三期

工作比

重完成率完成比

重

(25)

第3章測試區選定與作業計畫

3-1 測區選定

承內政部於 101 年及 102 年辦理發展高光譜與光達技術結合之應用工作案，配合前 2 年度工作案所蒐集之資料進行相關研究。101 年火山測試區位於新北市金山區，屬於北部火山區之部分範圍，面積約 36 平方公里，為金山地區往陽明山之省道台 2 甲線鄰近 7 幅 1/5000 圖幅範圍(圖號：97233004、

97233005、97233014、97233015、97233024、97233025、97233034)，其中 97233004、97233005、97233014 及 97233034 等 4 幅皆為部分圖幅，如圖 3.1。

圖 3.1 火山區測試區位置圖

(26)

101 年測區位於其位曾文溪主流之上游河段，範圍包含共 9 幅之 1/5000 圖幅(圖號：95194066、95194067、95194068、95194076、95194077、95194078、

95194086、95194087、95194088)。102 年測試區面積約為 21 平方公里，範圍包含共 6 幅之 1/5000 圖幅(圖號：95194076、95194077、95194078、95194086、

95194087、95194088)，水庫測試區位置圖參考圖 3.2，各測區坐標參照表 3.1。

圖 3.2 水庫測試區位置圖表 3.1 各測區之坐標一覽表

(27)

3-2 工作計畫與實施方法

3-2.1 研析高光譜與光達相關技術與應用研究文獻

蒐集高光譜與光達資料相關應用文獻，將從其相關學術期刊及學術研討會論文集著手進行。蒐集重點將針對「融合高光譜與光達資料於分類方法之應用」與「空載光達穿透率與葉面積指數之研究」兩大方向之相關研究文獻資料蒐集及彙整，以對應於本案之工作重點。將其各類文獻羅列於表 3.2，文獻內容整理分述於以下兩個小節。

1. 融合高光譜與光達資料於分類方法之應用

高光譜感測器為一被動式的遙測系統，可提供地表物豐富的光譜資訊，

以區別不同光譜反射之地表物；而光達感測器為一主動式的遙測系統，可提供地表物豐富的幾何資訊，以區別不同幾何形狀之地表物。整合這兩種互補的感測器可提供更豐富的資訊於不同之應用(Gamba, 2014)。國際間亦有相關的學術活動關注高光譜及光達之整合研究，如 IEEE GRSS Data Fusion Technical Committee 分別於 2013 年及 2014 年舉行高光達及光達 Data Fusion Contest(Debes et al., 2014; Moser et al., 2014)，主要目的為探討都市區分類精度之提升及資料融合之應用，分析結果顯示，在分類的過程中融合不同資料，

可提升分類精度及分類類別數。除了資料的融合外，多元方法(Multi-approach) 的整合亦是未來的重要發展方向。

從結合方法討論高光譜與光達的整合，主要可以分為兩種策略：像元融合(pixel data fusion)及特徵融合(feature data fusion)。像元融合是指直接將兩種資料的原始數據進行融合，如光譜反射率及光達高程直接融合；而特徵融合則是從資料中萃取特徵，再將不同來源的特徵進融合，如分別從光譜中萃取植生指標(NDVI)及光達中萃取穿透率進行融合，可同時獲取植物垂直的結構分佈及光譜的反射率。特徵融合可獲得具有物理意義的融合資料，且針對不同地表覆蓋可整合不同特徵，有較佳的擴充性，因此特徵融合較像元融合有

(28)

完成資料的融合後，融合資料主要應用在分類(Classification)及特定目標的偵測(Detection)，因此再從分類方法討論高光譜與光達的整合文獻，主要可以分為單一方法及多方法整合策略。傳統的分類程序是單一方法的程序，如監督式分類在圈選訓練區後，再以特定分類器(如最大適然法)進行分類。使用單一分類方法可能會受分類器的限制，為提升分類精度，多方法的整合分類策略是主要的發展方向，以 2014 年 IEEE GRSS Data Fusion Contest 的分類評比為例，由多個分類程序或階層式分類(hierarchical classification framework)具有較高分類精度的策略(IEEE, 2014)。

從整合的應用面討論高光譜與光達融合，主要可以分為森林區、都市區及海洋區域相關之應用研究。高光譜影像廣泛應用在森林方面的應用研究，

加入光達的優點是加入形狀 ( 或紋理 ) 特性區對樹物做分割及樹種分類 (Dalponte et al., 2008; Koetz et al., 2006)，配合光達提供的體積及光譜指標可進一步推估生物量(Swatantrana et al., 2011)。在都市區的應用包含都市區不同地物的分類(Debes et al., 2014)，光譜及光達斜率於不同質材建物屋頂的分類 (Lemp and Weidner, 2005)，物件式都市區樹種的分類(Sugumaran and Voss , 2007)，以光達預估陰影區形狀再以高光譜偵測陰影區之車輛(Shimoni et al., 2011)。在海洋方面，可應用高光譜區別海岸線的水陸邊界，進行海岸線測繪及製圖(Elaksher, 2008)；此外，使用透水光達可產生深度改正高光譜影像，進行海底底質或珊瑚分類(Lee, 2003)。

從高光譜系統及光達系統的發展進行討論，高光譜系統朝向超光譜

(29)

(a)多波段光達 (b)多波段光達植物指標示意圖圖 3.3 多光譜光達資料示意圖

綜合上述之文獻分析，本研究擬定的分類策略是使用特徵融合成果進行階層式分類，並分別比較像元式及物件式的分類成果。

2. 空載光達穿透率與葉面積指數之研究

空載光達具有在短時間內快速獲得大量點雲資料的能力，點雲資料包含三維空間坐標及反射強度值(Akay et al., 2009, Farid et al., 2008)。空載光達多重回波的特性使雷射光能穿透樹林遮蔽物到達地表面，隱含著地表面高程資訊

（Akay et al., 2009; 彭炳勳與陳朝圳，2008），因此森林區域可以利用空載光達取得地面高程(DEM)資料（黃紹東等，2008）。

以空載光達資料產製數值高程模型時，地面點的分佈與密度會影響成果的品質（黃清美等，2008；Bao et al., 2008），而光達雷射的穿透率乃是影響地面點分佈情形的重要因子（彭炳勳等，2008）。雷射的穿透率會受到地表覆蓋物（何心瑜等，2008）、航高（Næsset, 2009; Morsdorf et al., 2008）以及雷射入射角（黃清美等，2008； Zhao et al., 2009; Morsdorf et al., 2008）與雷射掃瞄頻率(Lee and Wang, 2014)的影響。

由於植物葉片是層層相疊，在空間中為多層的結構，而葉面積指數(Leaf

(30)

於地面所佔之面積比，而葉面積指數常見的調查方法為利用光學魚眼鏡頭推估，並計算葉子分布之角度，修正其葉面積指數，如闊葉樹的修正係數為 0.5(Chen, 1992)。

在森林生態研究常利用葉面積指數(LAI)表示森林冠層的茂密程度，而空載光達之雷射穿透指標(laser penetration index, LPI)或稱為穿透率(ratio of penetration)與葉面積指數有高度相關，在國外許多的文獻都均探討兩種指標之相關性(Duursam et al.,2003; Solberg, 2010)。Solberg(2010)利用 4 種不同的雷射穿透率指標計算葉量之變化，目的為尋找蘇格蘭松受到病蟲危害範圍，受蟲害之森林葉量會有明顯之變化，而空載光達可以達成大面積監測樣區，相較於 LAI 利用魚眼鏡頭小區域的推估，可以獲得更大效益，研究結果顯示 LAI 與 LPI 有高度相關，相關係數 R²高達 0.95，並且推估受蟲害區域，建議將其立木砍伐避免蟲害繼續擴散。文獻中得知 LAI 與 LPI 有著高度相關性，故可探討後續之研究議題。

植物調查主要是依靠野外調查觀測為基礎，但需耗費大量人力與物力來達成，隨著衛星技術的成熟，植物的生長狀態可以利用衛星影像來觀察，相較於森林調查常有地形或交通上的限制，是一個可靠的資料獲取方式。綠色植物具有吸收藍光、紅光及強烈反射紅外光之特性，利用該特性推估植物生長情形，稱為植生指標(vegetation index) (Lillesand et al., 1987)。植生指表推估的公式眾多，常被拿來運用的指標為 VI(vegetation index，VI)、NDVI(normalized difference vegetation index, NDVI)與 EVI(enhanced vegetation index)，其推估研

(31)

以國內森林而言，林子方(2012)於全台各地挑選森林均值狀態之樣區，進行 LAI 蒐集，建立 LAI 與福衛二號影像多種植生指標之推估模式，其結果 NDVI、SAVI 及 MSAVI 等指標對於 LAI 之關係具有 74%的較高解釋能力。林莉萍(2013)以空載光達資料推估葉面積指數，結果顯示在墾丁南仁山天然林中，

LPI 與 LAI 最大的解釋能力(R²)約在 13 與 14m 範圍，統計之資料均以圓範圍為主，在本案之 LPI 為 8 m 網格大小方形，主要是以全區估算的概念為手段，

配合福衛二號之解析力 8 m，所得之折衷方案，故 LPI 與 LAI 之相關係數接近 0.6 將視為高度相關。

根據上述文獻分析，本案探討衛星影像推估植生指標與葉面積指數之關係，建立植生指標與森林的葉量相關性。由於森林的葉量會影響到空載光達之穿透率，故本案期望透過直接連接穿透率與植生指標之關係，探討是否有其相關性，以尋求一個合理的連結方式。植生指標的資料取得，相較於光達的穿透率便利，故在飛航規劃時可以利用植生指標掌握現地森林狀況增加穿透率。

(32)

表 3.2 本案相關研究文獻一覽

類別相關文獻

融合高光譜與光達資料於分類方法之應用

1. Koetz, B. G. Sun, F. Morsdorf, K. J. Ranson, M. Kneubhler and K. Itten (2007) Fusion of imaging spectrometer and lidar data over combined radiative transfer models for forest canopy characterization. Remote Sensing of Environment, 106(4): 449-459.

2. Debes, C. H. Jürgen, L. Wenzhi, G. Sidharta and D. Qian (2014) Hyperspectral and LiDAR Data Fusion: Outcome of the 2013 GRSS Data Fusion Contest, IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing.

3. D. Lemp and U. Weidner (2005) Improvements of roof surface classification using hyperspectral and laser scanning data, in Proc. ISPRS Joint Conf.: 3rd Int.

Symp. Remote Sens. Data Fusion Over Urban Areas (URBAN), 5^th International Symposium on Remote Sensing Urban Areas (URS). Tempe, AZ, USA, pp.14-16.

4. IEEE, (2014) IEEE GRSS Data Fusion Contest Outcome of the Classification Contest,

url:http://cucciolo.dibe.unige.it/IPRS/IEEE_GRSS_IADFTC_2014_Classificatio n_Contest_Results.htm.

5. F. Elaksher (2008) Fusion of hyperspectral images and lidar-based DEMs for coastal mapping. Optics Lasers Eng, 46(7): 493-498.

6. Moser, G. D. Tuia and M. Shimoni (2014) IEEE GRSS Data Fusion Contest:

Multiresolution Fusion of Thermal Hyperspectral and VIS Data”, IEEE Geoscience and remote sensing magazine, 3: 21-22. March 2014.

7. Dalponte, M. L. Bruzzone, and D. Gianelle (2008) Fusion of hyperspectral and lidar remote sensing data for classification of complex forest areas, IEEE Transactions on Geoscience and remote sensing, 46(5): 1416-1427, May 2008.

(33)

11. Sugumaran, R. and M. Voss (2007) Object-oriented classification of lidar fused hyperspectral imagery for tree species identification in an urban environment, in Proc. Urban Remote Sensing, Joint Event (JURSE). Paris, France, pp. 1-6.

12. Swatantrana, R. Dubayaha, D. Robertsb, M. Hoftona, and J. B. Blairc (2011) Mapping biomass and stress in the Sierra Nevada using lidar and hyperspectral data fusion, Remote Sensing of Environment, 115(11): 2917-2930.

13. Hakala, T. J. Suomalainen, S. Kaasalainen and Y. Chen, Y(2012) Full waveform hyperspectral LiDAR for terrestrial laser scanning, Optics Express, 20(7):

7119-7127.

空載光達穿透率與葉面積指數之研究

1. 林子方 (2013) 以MODIS影像數據推估台灣不同林型之夜面積指數，國立屏東科技大學森林系碩士論文。

2. 林莉萍 (2013) 應用空載光達資料估計森林樹冠高度模型及葉面積指數，

國立成功大學測量及空間資訊學系碩士論文。

3. 何心瑜、陳大科、史天元、徐偉城 (2008) 人工編修空載光達資料產製DEM 成果之探討，航測及遙測學刊，第13卷，第4期，pp.231-239。

4. 彭炳勳、謝依達、陳朝圳，2008，空載光達雷射穿透率指數與柳杉林葉面積指數之關係探討，台灣林業科學，第23卷，pp.63-73。

5. 黃清美、史天元 (2008) 雷射入射角與空載光達穿透率關係探討，航測及遙測學刊，第13卷，第1期，pp.67-73。

6. 黃紹東、徐明鎰、黃英婷、蘇惠璋 (2008) 應用空載光達（LiDAR）技術於國土利用調查資料庫建置之研究，第二十七屆測量及空間資訊研討會論文集，pp.393-403。

7. Farid, A. D.C. Goodrich, R. Bryant, and S. Sorooshian, 2008. Using airborne to predict Leaf Area Index in cottonwood trees and refine riparian water-use estimates, Journal of Arid Environments, 72(1): 1-15.

8. Akay, A.E. H. Oğuz, I. Rakip and K. Argua, 2009. Using LiDAR technology in forestry activities, Environ Monit Assess, 151: 117-125.

9. Chen, J. M. and T. A. Black, 1992. Defining leaf area index for non-flat leaves, Plant Cell and Environment 15:421-429.

10. Curran, P. J. J. L. Dungan, H. L. Gholz, 1992. Seasonal LAI in slash pine estimated with landsat TM. Remote Sensing of Environment, 39:3-13.

11. Ebata, M. and R. Tateishi, 2001.Phenological stage monitoring in Siberia by using NOAA/ AVHRR data. The 22nd Asian Conference on Remote Sensing:

529. November 2001, Singapore.

12. Næsset, E. 2009. Effects of different sensors, flying altitudes, and pulse

(34)

from small-footprint airborne laser data, Remote Sensing of Environment, 113(1): 148-159.

13. Morsdorf, F. O. Frey, E. Meier, K. I. Itten, and B. Allgöwe, 2008. Assessment of the influence of flying altitude and scan angle on biophysical vegetation products derived from airborne laser scanning, International Journal of Remote Sensing, 29(5): 1387-1406.

14. Zhao, K. Sorin Popescu, 2009. Lidar-based mapping of leaf area index and its use for validating GLOBCARBON satellite LAI product in a temperate forest of the southern USA, Remote Sensing of Environment, 113(8): 1628-1645.

15. Morsdorf, F., O. Frey, E. Meier, K. I. Itten and B. Allgöwer, 2006. Assessment of the influence of flying altitude and scan angle on biophysical vegetation products derived from airborne laser scanning, 3D Remote Sensing in Forestry Workshop: 1387-1406. February 2006,Vienna, Autriche.

16. Vargas, L. A., Andersen, M. N., Jensen, C. R. and Jørgensen, U., 2002.

Estimation of leaf area index, light interception and biomass accumulation of Miscanthus sinensis “Goliath” from radiation measurements. Biomass and Bioenergy, 22:1-14.

17. Chung-Cheng Lee and Chi-Kuei Wang, 2014, ASSESSMENT OF THE INFLUENCE OF FLYING ALTITUDE AND PULSE REPETITION FREQUENCY ON FOREST PENETRATION RATE DERIVED FROM AIRBORNE LASER SCANNING. The International Symposium on Remote Sensing 2014, Busan, korea.

18. Bao, Y. G Li, C. Cao, X. Li, H. Zhang, Q. He, L. Bai, C. Chang, 2008.

Classification of LiDAR point cloud and generation of DTM from LiDAR height and intensity data in forested area, The International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, Vol.37, PartB3b, pp.313-318, Beijing.

(35)

3-2.2 研析森林地區之光達點雲穿透率資料

空載光達應用於 DEM 產製，需要良好的森林穿透率以獲得林下地面點雲，

國外文獻常見於落葉時期蒐集之光達資料，但國內之光達 DEM 測製案常受限於預算規劃時程導致於 3-9 月蒐集光達資料，此一時期通常為草木盛開時，光達穿透率可能較差。臺灣森林林相複雜，樹種歧異度高，一年四季有不同程度上的差異，最直接反應的就是植物在生理週期上的變化，受到環境的溫度、

光周期等控制，會有生長、開花、結果、落葉與展葉等現象。國內外許多研究報告將森林四季變化定義為葉候和花候，葉候即為展葉期(leaf-on)與落葉期 (leaf-off)的時間，即最大樹葉量與最小樹葉量在一年中的時間點，為一個規律的時期，而花候為開始開花期、開花盛期與開花末期等，當觀測的植物上存有極少數的花時，是開花末期(沈志，1999)。

葉子主要的分布區域稱之為樹冠層，樹冠層為三維的空間分布，其目的為擷取陽光、二氧化碳燃料(CO2 fluxes)與水分，如欲測量樹冠層的葉量，必須採集樹葉樣本來合理推估全部葉量，傳統的方式需要大量人力為破壞性測量的一種。在測量樹冠結構的間接方法，有大量的文獻表示可以利用下列方式來達到，如森林葉面積指數(forest leaf area index)、冠層覆蓋率(canopy cover)、

孔隙大小分布(gap size distribution)、光氣候(light climate)。植物冠層孔隙率 (canopy gap fraction)的定義是光線穿透森林冠層總面積與未被植生遮蔽的面積比，Weiss et al.,(2004)指出森林冠層孔隙率與葉面積指數有高度相關，其測量方式是以半球形魚眼鏡頭推估植物冠層孔隙率。地面光達系統(terrestrial laser scanners, TLS)最近幾年被利用於推估森林冠層孔隙率，其掃瞄特性為水平方向 360˚與垂直方向，可以達到天頂角 0˚，類似模擬魚眼鏡頭的觀測方式來推估森林冠層孔隙率。

(36)

3-2.2.1 地面光達樣區選定

本案以內政部於 101 年度(火山測試區)及 102 年度(水庫測試區)範圍內圖 3.4，依據兩個測試區之森林樹種組成、樹高高度及覆蓋情形等條件，選出具有代表測試區的森林，作為地面光達掃瞄之研究樣區。火山測試區位於北部金山山區一帶，測區面積約 36 平方公里，包含較多森林組成，主要的樹種以樟科大葉楠及紅楠、茜草科九節木、茶科大頭茶、桑科雀榕以及相思樹人工林居多，故火山測試區挑選 4 處。水庫測試區位於曾文水庫上游，面積約 21 平方公里，森林主要組成以桑科榕樹屬為主，包括菲律賓榕、榕樹、幹花榕及白肉榕；樟科楨楠屬之大葉楠、菲律賓楠等；榆科山麻黃，茜草科水錦樹，

由於水庫測試區屬低海拔次生林，森林樹種組成大致相似，因此挑選 3 處。

每處於地面方圓 10 公尺範圍內以地面光達掃瞄植物頂部(森林覆蓋)，計畫期程內共進行 4 次掃瞄作業觀察森林生長變化，作業時間如表 3.3 所示，以此瞭解不同時期森林地區光達穿透率之變化情形，提供各界未來規劃空載光達飛航掃瞄計畫之參考。

(37)

表 3.3 地面光達掃瞄作業時程規劃

季節春夏秋冬

月份 2

月 3 月

4 月

5 月

6 月

7 月

8 月

9 月

10 月

11 月

12 月

1 月

地面光達掃瞄作業

(Δ)

Δ Δ Δ Δ

3-2.2.2 地面光達掃瞄原理

3D 雷射掃瞄（3D Laser Scanner）技術自 1970 年代即開始萌芽（Jennifer and Jeff,1999），最初是由美國的航太總署 NASA 所研發，為目前光達（LiDAR）

測量儀器的前身。主要構造是一部快速準確的雷射掃瞄系統，內含一組可導引雷射光以等角速度掃瞄的反射稜鏡，雷射測距儀可主動發射雷射光束（Laser Beam），同時接收自「自然物表面」反射之訊號進行測距，而地面雷射測距儀共可分為兩種，一為相位位移式(Phase Comparison)，其施測原理主要藉由連續波在空間中行進時，相位隨著時間一直不斷的在發生變化，而利用此波動的特性，只要知道在固定時間相對固定距離的相位變化，即可以求得距離，

頻率為的弦波在空間中傳遞時可寫成式(1)公式；圖 3.5 所示為其量測的示意圖(張鈞傑，2006)。

^S⁽^t⁾⁼^cos(²

^π

^f⁰^t⁾⁼^cos

^φ

（1)

(38)

另一種為脈衝式(PulsedRanging)地面光達，主要施測方式，即由雷射發射源發射雷射光，再經由接收物體反射回來的訊號，藉此求取反射物體的空間位置，使用方式為時間差量測法（Time-of-Flight），其施測原理主要藉由掃描儀本身發射脈衝雷射光至待測物體表面，並接收物體表面反射回來的訊號，

依公式(2)計算出掃描儀與待測物體間的距離，其中ρ 為距離，c 表光速，t 為時間；圖 3.6 所示為其量測的示意圖。

（2)

圖 3.6 時間差量測法示意圖

近年來地面光達掃瞄技術發展成熟其應用範圍廣泛，地面雷射掃描儀掃描密度與定位精度均較空載光達密度為高，在覆蓋面下進行掃描，可記錄更多地表或地物空間資訊，並可立體展示三維掃描成果。經利用各種搜尋與演

c∆t

= 2 ρ 1

雷射光源

待測物體反射稜鏡

(39)

本工作案採用德國 Zoller+Fröhlich 公司所製造之 Z+F IMAGER 5010 相位式 3D 雷射掃瞄儀，主要的優點為測距精度高與掃瞄點數多，儀器出廠精度檢測結果符合規範值要求，此儀器之產品規格概述如表 3.4。

表 3.4 地面雷射掃瞄儀規格表

項次項目規格

1

儀器型號

Z+F IMAGER 5010 雷射掃瞄儀

2 測距能力最長 187 m

最短 0.3 m

3 雷射測距精度 0.1~1 mm

4 資料獲取點數 1,000,000 pts/sec

5 測距雜訊(10m) 0.5 mm rms 反射率 14% (黑色) 0.3 mm rms 反射率 80% (白色)

6 解析力水平方向 0.0002°

垂直方向 0.0004°

7 測角精度 ± 0.007° rms (水平與垂直)

8 掃瞄時間 3:22 min (high resolutions)

9 雷射等級一級安全雷射 (眼睛可直視)

10 回波數單一回波

11 測距方式相位式

12 相機 M-Cam 500 萬畫素工業相機

3-2.2.3 地面光達掃瞄作業

地面光達掃瞄所產製之點雲資料為相對性的測站坐標系統，為轉換成絕對坐標系統，需額外的絕對坐標資訊，導線測量部分則提供平面與高程資料來作為後續坐標轉換之用，此外執行導線測量同時以固定距離訂出外業測量時地面光達掃瞄儀器擺設位置，以提供品質相同掃瞄的資料。控制測量部分

(40)

包含 GPS 控制點測量及導線測量部分。此外，地面光達作業流程可分外業地面光達掃瞄與內業地面光達資料處理，其整體工作流程如圖 3.7。

圖 3.7 地面光達掃瞄與資料處理流程圖 3-2.2.4 模擬空載光達雷射與穿透率之計算

(41)

圖 3.8 模擬空載光達雷射光之方法

穿透率的計算必須決定模擬之雷射光是否接觸到地面，而地面光達資料之優點在於有完整之地面點分布，故本案利用光達地面點資料建構三維地面立方體，當入射模擬雷射接觸到地面立面體時，即為有穿透森林樹冠層之雷射光，研究流程如圖 3.9。

圖 3.9 模擬空載光達雷射與穿透率之研究流程圖

(42)

3-2.2.5 森林穿透率四季之變化

葉面積指數(leaf area index, LAI)與孔隙率存在著高度的相關，最主要是葉面積指數是由孔隙率所推估出來，在陳朝圳與余蘭君(2003)探討南仁山區域夏季與冬季葉面積指數的差異顯示，夏季平均 LAI 為 3.93±0.31，而冬季為 2.85

±0.24，其差異約為 27.44%，表示森林冠層葉量，隨著季節不同有明顯的差異。

由於空載光達飛航的成本較高，必須挑選合適的月份進行掃瞄作業，展葉期的森林區域空載光達穿透率應該較落葉期低，為達成空載光達對於地形測量上的應用，必須探討森林冠層葉量對於穿透率的影響程度。本案測試台灣南北兩個測試樣區，4 個季節的孔隙率變化，比較季節造成森林穿透率之影響，挑選的樣區人為干擾較少，大徑木較多，符合台灣大部分的森林林相。

3-2.3 評估空載光達技術測繪林下產業道路

空載光達對於森林之穿透能力，可發展其對於國土監測之應用。台灣山坡地有許多農民自行開發之產業道路，並無單位管理該產業道路資訊，雖於透空度良好的路段可透過正射影像測繪，但林下的路段，則受上方森林遮蔽影響，無法直接由影像上得到路面資訊。而空載光達於森林覆蓋區域具有一定之穿透能力，對於森林遮蔽不嚴重區域仍可藉由部分點雲穿透之特性，清楚展現林下產業道路之線型，可提供國土監測分析之參考資訊。本工作項目應用不同密度的光達地面點資料產製 DEM，進行林下產業道路之數化判釋，

評估空載光達技術測繪林下產業道路所需之最低點雲密度及測繪林下產業道

(43)

3-2.3.1 點雲密度疏化

本案期望產出最適 DEM 以判釋林下產業道路，故針對疏化後的不同點雲密度之高程值進行內插產製 1 m × 1 m 的 DEM。利用 102 年水庫測區所蒐集的高密度空載光達點雲資料(點雲密度每平方公尺 42.3 點)，依雷射發射順序，

等距間隔取樣資料，模擬當 LiDAR 發射的雷射筆數相對減少的狀態下，取得對照地形表現應有之點雲資料，以不同點雲取樣密度分為六級，疏化取樣選取原始 LiDAR 掃瞄之數據(All points)之 1/2、1/4、1/8、1/16 及 1/32 的等比級數降低原始資料之點雲密度，再進行點雲過濾，將資料分為地面點與非地面點。

後續為產製不同點雲密度之 DEM，本案採用 Kriging 內插模式的一般克利金法(Ordinary Kriging)進行空間內插，Kriging 內插法是對有限區域內的變化量進行無偏估計的一種方法，此方法建立在半變異函數理論分析基礎上。

此方法不但考慮了待預測點與鄰近樣點數據的空間距離關係，也考慮了各參與預測的樣點之間的位置關係，利用各樣點數據的空間分布結構特徵，可更有效地避免系統誤差的出現。而一般克利金法(Ordinary Kriging)是假設偏移值不存在，著重在空間相關要素，衡量所選已知點之間空間相關程度的度量是半變異數(semi-variance)，公式如下(式 3.1)：

r(h) = _2n¹ ∑ �z(xⁿ_i=1 _i) − z(x_i+ h)�² (式 3.1)

h 是樣本點間的距離，n 是被 h 分出的成對樣本數，z 值是屬性值，xi為位於 x 處之位置。如果在點與點之間有存在著空間相依性，距離較近的點，

它們的值會比距離較遠的點的值接近。在具有空間相關性時 r(h)會隨著 h 的增加而增加。在不同距離的半變異數算出後，可以繪製出半變異元圖 (semi-variogram)(圖 3.10)。半變異元圖必須與數學函數或模型擬合(fit)，如高斯(gaussian)、線性(linear)、球面(spherical)、圓形(circular)和指數(exponential) 模型，本案則使用高斯模型進行擬合，進而內插產製 1 m 網格大小之 DEM。

(44)

圖 3.10 Original 半變異元模型圖 (圖片來源 http://www.gis.tw/)

後續利用 ArcGIS 將不同點雲密度等級之 DEM 資料，產製 1 m 網格坡度圖及日照陰影圖作為林下產業道路判釋數化之材料，作業流程如下(圖 3.11)。

圖 3.11 測繪林下產業道路流程圖

(45)

3-2.3.3 林下產業道路檢核作業

本案以外業地面測量檢核空載光達技術所測繪之林下產業道路，使用導線測量方式所得成果與空載光達產製之 DEM 進行比對，檢核之測線總長度至少 1 公里，總檢核點不少於 20 點，其施測規範與林下導線施測位置如下圖 3.12。

導線測量「水平角」觀測採用單角法施測，其較差不得大於 12"，「距離」使用光波測距儀對向測距 1 測回，其較差應在 10mm 以內。水平角閉合差不得超過 20"√N，Ｎ為導線點數，位置閉合差不得超過導線總邊長之 1/5,000。

圖 3.12 林下導線位置示意圖

(46)

3-2.4 探討遙測衛星影像、植生指數與空載光達點雲穿透率之相關性

國內一般光達飛航規劃多以高度、地形及山勢走向為主要考量因子，然而要產製良好的 DEM，光達穿透率則為重要的影響因子，故必須有穿透率規劃，但在實際執行飛航計畫時，無法先行掃瞄計算穿透率。因此本項工作目的為，探討衛星影像推估植生指標及葉面積指數分別與穿透率之關係，建立植生指標與森林的葉量相關性。由於森林的葉量會影響到空載光達之穿透率，

故本案期望透過直接連接空載光達穿透率(Laser penetration index, LPI)與植生指標探討其關係。在本計畫中將嚴謹探討兩種指標的特性，並尋求一個合理的連結方式，測試是否可以利用植生指標以代替 LPI。植生指標的資料取得，

相較於光達的 LPI 便利，故期望在飛航規劃時可透過植生指標掌握現地森林狀況來增加穿透率。

3-2.4.1 植生指標之推估

綠色植物具有吸收藍光、紅光及強烈反射紅外光之特性，利用此特性推估的指標稱為植生指標。本案挑選與空載光達資料獲取時間相近之衛星影像，

火山測試區為 2012 年 8 月與水庫測試區為 2013 年 7 月的影像進行植生指標之計算。植生指標計算的方式眾多，本案探討常見的下列幾種植生指標(表 3.5)，

從下列指標的發表的進展發現，由於遙測技術的進步，增加對於植生指標的複雜性，並且需要加入的參數較多，主要是由於遙測為大面積測量，如果要應用於台灣大尺度的範圍，必需考慮不同森林區域特性，但大多數研究對於

(47)

表 3.5 常見之植生指標推估方式

Vegetation index Reference

(𝐑𝐑𝐑, 𝐑𝐑𝐑𝐑𝐑 𝐑𝐕𝐕𝐕𝐑𝐑𝐑𝐑𝐑𝐕 𝐑𝐕𝐈𝐕𝐈) = 𝑵𝑵𝑵

𝑵𝑹𝑹 Pearson & Miller,1972

(𝐍𝐍𝐑𝐑, 𝐍𝐑𝐍𝐍𝐑𝐍𝐑𝐍𝐕𝐈 𝐍𝐑𝐃𝐃𝐕𝐍𝐕𝐕𝐃𝐕 𝐑𝐕𝐕𝐕𝐑𝐑𝐑𝐑𝐑𝐕 𝐑𝐕𝐈𝐕𝐈)

=𝑵𝑵𝑵 − 𝑵𝑹𝑹 𝑵𝑵𝑵 + 𝑵𝑹𝑹

Rouse, Haas, Schell, Deering, & Harlan,1974

(𝐏𝐑𝐑, 𝐏𝐕𝐍𝐏𝐕𝐕𝐈𝐑𝐃𝐏𝐍𝐑𝐍 𝐑𝐕𝐕𝐕𝐑𝐑𝐑𝐑𝐑𝐕 𝐑𝐕𝐈𝐕𝐈 )

=𝑵𝑵𝑵 − (𝑩 × 𝑵𝑹𝑹) − 𝑨

√𝟏 + 𝑩^𝟐

Richardson & Wiegand, 1977

(𝐒𝐒𝐑𝐑, 𝐒𝐑𝐑𝐍 − 𝐒𝐈𝐀𝐏𝐀𝐑𝐕𝐈 𝐑𝐕𝐕𝐕𝐑𝐑𝐑𝐑𝐑𝐕 𝐑𝐕𝐈𝐕𝐈)

= 𝑵𝑵𝑵 − 𝑵𝑹𝑹

𝑵𝑵𝑵 + 𝑵𝑹𝑹 + 𝑳 (𝟏 + 𝑳)

Huete, 1988

PVI 經驗式參數為 A=0.011, B=1.16。

SAVI north Taiwan L=0.9 south Taiwan L=0.8

3-2.4.2 葉面積指數(Leaf area index, LAI)之調查

調查葉面積指數的方法大致上可分為直接收穫法和間接收穫法。直接收穫法雖然最準確，但卻非常耗時費力，而且屬破壞性取樣，故無法在森林中廣泛執行。間接收穫法之取樣方法眾多，均由其它因子求得葉面積指數，其中以瞬間拍攝法最為便捷，且影響誤差因子較小，可運用於廣大森林之樣區測量，因此法不需破壞林木，故可應用於長期監測上，為一便捷準確之測量方法，而國內外常使用 LAI-2000 為測量葉面積之儀器。

LAI-2000 的儀器是利用樹冠透光的原理，以魚眼鏡頭的光感應器水平向上接收樹冠地下的光源，同時另一台儀器接受未受到遮蔽的全天光亮度進行比較，藉由其亮度比值求得葉面積指數。最理想的測量天氣為陰天或陽光斜

(48)

分別記錄不同角度範圍內的光線，每個環形所接受的光線，會依照天空照射的範圍進行比例上的計算(林莉萍，2013)。本案進行野外調查取得 LAI 資料，

調查示意圖如圖 3.14。

圖 3.13 LAI-2000 植物冠層分析儀(Anon, 1992)

圖 3.14LAI 野外調查示意圖(引用自林子方，2012)

(49)

3-2.4.3 空載光達穿透率之計算

計算穿透率之前必須將完整的地面點搜尋出來，國外文獻以 1.25 m 為搜尋厚度(Morsdorf et al., 2006)，但本案測試區處於副熱帶森林植被覆蓋較複雜，

因此以 2 m 為搜尋厚度，其厚度之範圍內視為全部地面點，如圖 3.15，橘色點為人工分類之地面點，從圖中顯示並非所有的地面點被選取到，綠色點為處理過後的地面點較完整，可以進行穿透率的評估。

圖 3.15 以 2m 厚度搜尋完整地面點之示意圖

計算空載光達穿透率的方式為配合衛星影像之解析度 2 m× 2 m、8 m× 8 m 與 10 m× 10 m 網格大小，統計網格範圍內的雷射發射數量與接觸地面的雷射數量比例，如下公式 3，因考慮光達具多重回波的特性，故以雷射發射數量計算穿透率，而非點雲數量。雷射發射數量可由空載光達的記錄檔取得；而以 2 m 厚度為地面點界線，低於此界線下方，視為地面點，當穿透森林冠層到地面之雷射數量，才是有效穿透雷射。當樹冠層愈蓊鬱，雷射不易穿透至地表，則地面點雲數量較少，故穿透率低，反之則越高。

穿透率 =

森林冠層區之雷射發射數量 ^{穿透森林冠層雷射數量}

(式 3)

(50)

3-2.4.4 葉面積指數與空載光達穿透率之相關

衛星影像所計算之植生指標，需要有可靠的地真資料來驗證，本案利用 LAI-2000 所測定的葉面積指數，進行驗證衛星影像推估植生指標的可靠性，

並利用地面調查資料，輔助探討穿透率的成果計算解釋。

3-2.4.5 建構空載光達穿透率與衛星影像植生指標之關係

衛星影像計算之植生指標，主要的目的在於飛航規劃初期時的參考資料，

當樣區有較高的植生指數時，表示該區穿透率較低，飛航規劃必須考慮到雷射能量的穿透率，例如降低飛行高度或減少雷射脈衝頻率，可達成提高森林穿透率(內政部，2012)，提供完整的地面點雲為目的。本研究分別計算北部火山測試區與南部水庫測試區全區域之穿透率，並購買與光達掃瞄時間相近的衛星影像，探討植生指標與光達穿透率的關係，嘗試建構其關係式。

3-2.5 集水區之地形變異分析

本工作項目蒐集前期計畫範圍內不同時期空載光達資料，進行土砂量變異分析、土砂量影響因子與地形變異趨勢分析。目前本區域之光達數值地形共有 3 期如表 3.6，包括 99 年經濟部中央地質調查所產製之光達數值地形資料，101 年及 102 年內政部地政司所產製之光達數值地形資料，而資料內容包括橢球高之 DEM 及 DSM 兩種資料為主要分析對象，此 3 個年度之測區重疊約為 16 平方公里。

(51)

表 3.6 水庫測區集水區內特定範圍光達數值地形資料一覽表

測製年代

測製單位計畫名稱解析度

99 年經濟部中央地

質調查所

莫拉克颱風受災區域之地質敏感特性分析(3-1) 1 公尺

101 年內政部地政司 101 年度發展高光譜與光達技術結合之應用工作

案

1 公尺

102 年內政部地政司 102 年度發展高光譜與光達技術結合之應用工作

案

1 公尺

而本計畫進行此 3 期光達 DEM 之地形變異分析，以探討集水區內地形變異特性及趨勢。集水區之地形變異分析主要針對研究區域內之坡面崩塌與河道土砂等裸露地範圍進行地形變異分析，作業流程如下圖 3.16 所示。

圖 3.16 集水區之地形變異分析作業流程

3-2.5.1 影像、地形、判釋資料蒐集

本案蒐集計畫中表 3.6 之正射航照、光達數值地形與崩塌判釋成果以為後續地形變異分析使用。其中，正射航照主要為裸露地判釋圈繪、光達數值地形則用於產製集水區與地形變異分析、崩塌資料則供作分析遮罩編修之參考。

(52)

3-2.5.2 分析遮罩產製

本工作案主要是針對坡面崩塌與河道土砂等裸露地範圍進行地形變異分析，因此需進行各期崩塌地判釋成果蒐集，再利用各期之正射航照進行河道土砂範圍圈繪，以此完成各期裸露地判釋圈繪。以往相關研究主要利用人工進行崩塌地及河道土砂堆積範圍判釋，但此方式受到人工判釋經驗與崩塌植生復育程度影響，導致崩塌範圍不易界定(如圖 3.17)，再者因密林區域之光達穿透率低，導致地面點不足，而使 DEM 的產製並非為真正之地形面，此亦影響地形變異分析的結果(圖 3.18)。

圖 3.17 裸露地判釋圈繪示意圖

(53)

圖 3.18 密林區之光達穿透率低導致土砂變化分析異常示意圖

有鑑於上述原因，此工作項目以同一期之 DSM 減去 DEM 之高程差絕對值小於 2 公尺的區域為分析範圍(圖 3.19)。此高度範圍亦呼應本案在森林穿透率計算以 DEM 為底層搜尋 2 m 厚度之範圍為全部地面點的條件。而此範圍主要可濾除建物及樹木區域，留下崩塌地、植生復育崩塌地、農耕地、草地、

道路、空地等區域，再藉由人工檢核，依據地表特徵的形狀、顏色、聚落、

主要道路等，綜合研判並進行排除。如此可避免分析 LiDAR 穿透率低區域(通常為植生茂密區)，並完整找出研究區域內單期之土砂變異分析範圍。

圖 3.19 分析遮罩產製示意圖

(54)

地形變異分析主要針對前、後時期裸露地進行分析，而前後期之分析遮罩範圍(M)為前期分析範圍(B)與後期分析範圍(A)之聯集範圍(如圖 3.20 所示)。

於此分析遮罩範圍內進行前、後時期 DEM 之差異分析，可排除地形未變動區或密林區納入統計，而影響分析結果。因土砂變異分析主要針對裸露地(崩塌及河道)，而密林區則假設為為土砂未變動區域，因此不列入分對象。圖 3.21 之紫色區域為 99 年與 101 年分析範圍聯集成分析遮罩之結果。

圖 3.20 前、後期地形變異分析遮罩示意圖

(55)

3-2.5.3 集水區分區

地形變異分析主要以集水區為單元，進行土砂之變異分析。而集水區分區方法則採用光達 DEM 資料，以 ArcGIS 之 ArcHydro 水文分析模組之集水區產製工具，將研究區域分為數個集水區分區，再依據各集水區之崩塌地與河道土砂堆積範圍之土砂變化分析與統計。

3-2.5.4 水庫土砂量變異分析

在地形變異分析方法上，本計畫利用不同時期之 DEM 網格進行分析運算，

以產出地形分析遮罩範圍內之土砂變化量。地形變異分析原理係將兩期之 DEM 應用 ArcGIS 地理資訊系統軟體之網格運算工具(Raster Caculator)進行相減(後期減前期)，以求得網格間之高程差位，若 2 期 DEM 網絡相減為正值，

表示該區域為淤積區; 反之若為負值則為沖刷區，如此即可瞭解不同時期之崩塌土砂變化及河道沖淤趨勢，如圖 3.22 所示。最後若將各網格之高程差值乘以單一網格大小後再進行加總即可得得到土砂變化量。

圖 3.22 前、後期地形變異分析示意圖

3-2.5.5 地形變異趨勢探討

本案以集水區為分析單元，探討集水區內地形變異趨勢。地形變異原因主要是由於風化、侵蝕、搬運、沉積等外營力與人為活動所致，其中因降雨導致外營力作用為地形與土砂變異地主要影響因子，本案選定研究區域內相

(56)

化進行分析。在土砂運移的物理機制建立方面，先簡化現實現象，方便進行計算，如圖 3.23 中所示，建立子集水區之分區及其連結關係，將流域分割為許多子集水區，各子集水區再透過連結關係進行串聯。圖 3.24 為研究區域內部分之子集水區之崩塌土砂生產、堆積，河道侵蝕、淤積，河道上下游輸送的示意圖。

一般而言，集水區坡面在颱風豪雨期間發育崩塌所生產的土砂，部分土砂則在事件後仍停留在坡腳或河道(堆積或殘留)等待下次之颱風豪雨事件繼續搬運，而部分則在當次事件即受水流挾帶進入河道往下游輸送(崩塌生產- 崩塌堆積)。

圖 3.23 集水區系統化圖

103 年度發展高光譜與光達 技術結合之應用工作案