• 沒有找到結果。

應用 Landsat 7 衛星影像於水庫水質監測之研究

N/A
N/A
Protected

Academic year: 2022

Share "應用 Landsat 7 衛星影像於水庫水質監測之研究 "

Copied!
89
0
0

加載中.... (立即查看全文)

全文

(1)

中 華 大 學 碩 士 論 文

應用 Landsat 7 衛星影像於水庫水質監測之研究

系 所 別: 土 木 與 工程 資 訊 學 系 碩士班 學號姓名: E09504016 黃 建 洲

指導教授: 陳 莉 教 授

中 華 民 國 九 十 七 年 八 月

(2)

中 華 大 學 碩 士 班 研 究 生 論 文 指 導 教 授 推 薦 書

土木與工程資訊學系 碩士班 黃建洲 君所提

之 論 文

應用 Landsat 7 衛星影像於水庫水質監測之研究

, 係 由 本 人 指 導 撰 述 , 同 意 提 付 審 查 。

指導教授 (簽章)

中華民國 九十七 年 八 月

(3)

中 華 大 學 碩 士 班 研 究 生 論 文 口 試 委 員 會 審 定 書

土木與工程資訊學系 碩士班黃建洲君所提之論文

應用 Landsat 7 衛星影像於水庫水質監測之研究

,經本委員會審議,符合碩士資格標準。

論文口試委員會 召集人

(簽章)

委 員

(簽章)

(簽章)

(簽章)

(簽章)

系主任

(簽章)

中 華 民 國 年 月 日

(4)

摘要

水庫具有多重的功能,與民眾生活息息相關。但水庫水質常常受 到集水區活動的影養。國內水庫已有過半的水庫呈現優養化現象且有 惡化的傾向,因此水庫水質監測是很重要的。由於衛星技術日新月 異,利用遙測技術監測水庫水質突破了傳統現地採樣的限制且可定期 獲取大範圍的影像資料。

本研究以翡翠水庫為對象,該水庫位於新店溪上游北勢溪上,水 庫集水區總面積約為 303 平方公里,翡翠水庫為供應大台北地區公共 用水。本研究使用美國大地衛星(Landsat 7)之影像,作為監測水庫 水體之資料來源,從衛星影像上所得之波段資料經由線性迴歸建立現 地總磷、葉綠素 a、透明度與波段之關係式,從關係式來推估出水庫 整體的水質狀況,並比較何種推估方式能代表現地狀況,如此便可即 時的掌握水庫水質的變化。研究中利用線性迴歸方式,建構影像因子 與地面水質參數(葉綠素 a、總磷、透明度)之模型關係,尋求較佳 之迴歸公式,並應用類神經網路模式加以比較。

關鍵字:衛星遙測、迴歸分析、水質監測

(5)

誌謝

本論文研究期間承蒙恩師陳莉教授的悉心指導與教誨,使我受 益匪淺,在此謹致上由衷的感激與謝意,論文口試期間,感謝葉惠中 博士與魏志強博士的指正與建議,關心與厚愛之情,銘感於心。

夠在大學畢業數年後再回到校園重拾書本,遇到平均年齡小自己 數歲的同窗,都讓自己的人生增添許多色彩,自然也不是一般人能夠 有機會遇上的。當然,雖然尚未達到「視茫茫、髮蒼蒼」的階段,但 卻也需要些時間的適應才能跟得上課業的要求,感謝各位同窗的拔刀 相助,感謝「陳莉家族」,王泰盛學長,陳大元、陳星翰、彭瑋鈞同 窗,感謝你們的教學與鼓勵,令我在求學生涯留下許多美好的回憶。

感謝財團法人農業工程研究中心衛星影像的提供,以及譚智宏 博士熱心的教導。感謝茂德科技蝕刻 300 同仁於小弟求學期間的包 容。

最後謹以此論文獻給我最敬愛的家人尤其是父母親與妻子雯 君、愛子宇楷,謝謝你們的支持與關懷,願與你們分享這份喜悅並獻 上我最深摯的祝福。

徐徐和風,夏日的校園顯得分外恬靜,只剩樹上夏蟬知了正在 高聲鳴唱,彷彿正在向我道別。這一切,已長留我心。此行不虛!

(6)

目錄

摘要………Ⅰ 誌謝………Ⅱ 目錄………Ⅲ 圖目錄………Ⅴ 表目錄………Ⅶ

第一章 緒論 .………

1

1-1 前言………1

1-2 研究目的………3

1-3 研究架構及流程………4

第二章 文獻回顧

….………6

2-1 水庫水質的優養化………6

2-2 優養現象與水質營養判別指標………7

2-3 遙測影像於水質監測之應用………..….…12

第三章 研究理論方法與材料

…….……….………18

3-1 遙測研究理論……….………….………….……18

3-2 研究衛星資料...……….……….……20

(7)

3-3 衛星影像處理分析……….……….……….………22

3-4 迴歸分析模式………...………...……….…………23

3-5 類神經網路模式….……….……….…28

第四章 實例分析

………..……..……32

4-1 案例背景……….………..………32

4-2 研究資料收集及處理.………….……….…………33

4-3 迴歸分析……….………..………40

4-4 優養化指標判釋………...51

4-5 水質項目空間化展示….…..………54

第五章 以類神經網路驗證比較與討論

……….….……62

5-1 驗證迴歸分析……….…….……….………62

5-2 影像日期與採樣日期相差天數討論..……….………69

第六章 結論

……….……….………74

參考文獻.

..………..………….………..……76

(8)

圖目錄

圖 1-1 翡翠水庫歷年 CTSI 變化圖……….2

圖 1-2 本論文之研究流程圖………...……….………5

圖 3-1 類神經網路的類神經元………...……….……..29

圖 3-2 三層倒傳遞類神經網路結構圖………..………..…….………….30

圖 4-1 翡翠水庫水系圖……….………..…….………..32

圖 4-2 全幅衛星影像圖………..34

圖 4-3 影像切割所得之衛星影像圖………..34

圖 4-4 水體部份影像圖………..34

圖 4-5 翡翠水庫現地水質卡爾森指數….……….35

圖 4-6 翡翠水庫各採樣點現地水質卡爾森指數……….………….35

圖 4-7 採樣站位置圖……….……….39

圖 4-8 翡翠水庫葉綠素 a 推估值與實際值單張與五張模式比較……..49

圖 4-9 翡翠水庫總磷推估值與實際值單張與五張模式比較…………..49

圖 4-10 翡翠水庫透明度推估值與實際值單張與五張模式比較………..49

圖 4-11 翡翡翠水庫葉綠素 a 推估值與實際值單張與二張模式比較…..50

圖 4-12 翡翠水庫總磷推估值與實際值單張與二張模式比較…………..50

圖 4-13 翡翠水庫透明度推估值與實際值單張與二張模式比較………..50

圖 4-14 1999 年 8 月 8 日影像 Carlson 營養狀態指標優養化判定圖……52

圖 4-15 2003 年 11 月 7 日影像 Carlson 營養狀態指標優養化判定圖.…52 圖 4-16 2004 年 2 月 11 日影像 Carlson 營養狀態指標優養化判定圖.…53 圖 4-17 2004 年 11 月 9 日影像 Carlson 營養狀態指標優養化判定圖…..53

圖 4-18 2005 年 4 月 18 日影像 Carlson 營養狀態指標優養化判定圖…...54

圖 4-19 1999 年 8 月 8 日影像葉綠素 a 空間分佈.………..…..55

(9)

圖 4-20 1999 年 8 月 8 日影像總磷空間分佈………..55

圖 4-21 1999 年 8 月 8 日影像透明度空間分佈………..55

圖 4-22 2003 年 11 月 7 日影像葉綠素 a 空間分佈……….………56

圖 4-23 2003 年 11 月 7 日影像總磷空間分佈…………..….…….………56

圖 4-24 2003 年 11 月 7 日影像透明度空間分佈……….……...57

圖 4-25 2004 年 2 月 11 日影像葉綠素 a 空間分佈………....…57

圖 4-26 2004 年 2 月 11 日影像總磷空間分佈……….…...58

圖 4-27 2004 年 2 月 11 日影像透明度空間分佈………....…58

圖 4-28 2004 年 11 月 9 日影像葉綠素 a 空間分佈………....…59

圖 4-29 2004 年 11 月 9 日影像總磷空間分佈……….…...59

圖 4-30 2004 年 11 月 9 日影像透明度空間分佈………....…59

圖 4-31 2005 年 4 月 18 日影像葉綠素 a 空間分佈……….…60

圖 4-32 2005 年 4 月 18 日影像總磷空間分佈……….…...60

圖 4-33 2005 年 4 月 18 日影像透明度空間分佈………....…61

圖 5-1 迴歸分析與類神經網路葉綠素 a 訓練範例比較…….………...…66

圖 5-2 迴歸分析與類神經網路葉綠素 a 測試範例比較…….………...…66

圖 5-3 迴歸分析與類神經網路總磷訓練範例比較…….….…..……...…67

圖 5-4 迴歸分析與類神經網路總磷測試範例比較…….….…..……...…67

圖 5-5 迴歸分析與類神經網路透明度訓練範例比較…….……...…...…68

圖 5-6 迴歸分析與類神經網路透明度測試範例比較…….…..……...…68

圖 5-7 影像日期與採樣日期差異天數葉綠素 a 推估結果…………...…71

圖 5-8 影像日期與採樣日期差異天數總磷推估結果…..….…….…...…71

圖 5-9 影像日期與採樣日期差異天數透明度推估結果..….…….…...…72

圖 5-10 影像日期與採樣日期差異天數與 correlation(R)散佈圖……...…72

(10)

表目錄

表 1-1 研究架構及內容….………..……….….….…4

表 2-1 優養湖特徵的定性判別標準………..…9

表 2-2 美國環保署水質分級標準…………..………..…..…9

表 2-3 Carlson 之單一指標 TSI 優養分級標準…..……….…10

表 2-4 Carlson 之綜合指標 CTSI 優養分級標準………10

表 2-5 聯合國經濟合作發展組織 OECD 水質營養分級標準…………11

表 3-1 Landsat 7 衛星特性………30

表 4-1 1988/8/9 現地水質 CTSI 優養分級………36

表 4-2 2003/11/10 現地水質 CTSI 優養分級………36

表 4-3 2004/2/9 現地水質 CTSI 優養分級..………37

表 4-4 2004/11/8 現地水質 CTSI 優養分級..………..37

表 4-5 2005/04/11 現地水質 CTSI 優養分級………...38

表 4-6 採樣日期與影像日期比較…..………..38

表 4-7 採樣站座標位置………..………..39

表 4-8 單一樣本考驗………..………..40

表 4-9 B5 經對數轉換後之單一樣本考驗.………..41

表 4-10 各波段與水質相關係數矩陣……..………..41

表 4-11 取對數後各波段與葉綠素 a 相關係數矩陣……..………..42

表 4-12 取對數後各波段與總磷相關係數矩陣………..…………..43

表 4-13 取對數後各波段與透明度相關係數矩陣……..………..43

表 5-1 類神經網路中參數之設定………..…..62

表 5-2 範例組合表………63

表 5-3 迴歸分析葉綠素 a 訓練範例與測試範例結果………....…….…64

(11)

表 5-4 類神經網路葉綠素 a 訓練範例與測試範例結果……....…….…64 表 5-5 迴歸分析總磷訓練範例與測試範例結果………....…….…64 表 5-6 類神經網路總磷訓練範例與測試範例結果…………....…….…65 表 5-7 迴歸分析透明度訓練範例與測試範例結果…………....…….…65 表 5-8 類神經網路透明度訓練範例與測試範例結果………....…….…65 表 5-9 影像日期與採樣日期差異天數迴歸結果………....…….…70

(12)

第一章 緒論

1-1 前言

台灣位處潮濕的亞熱帶,屬於典型亞熱帶海島型氣候,降雨量豐 沛,年平均雨量高達2,510公釐,為全世界之年平均雨量的2.6倍,屬 降雨量豐沛地區之一。但由於河川短淺及人口稠密,且降雨時間、空 間分佈不均,豐枯季節明顯主要集中在五~六月梅雨季及夏、秋的颱 風季節,以致每年每人平均所能分配之降雨量為世界平均值六分之一 弱,屬水資源利用潛能不高的地區,可利用之水資源有限。水為人類 賴以生存與經濟活動所必需,因此需依賴新建水庫以儲蓄水源,同時 也可提供防洪、灌溉及發電等用途。所以水庫可說是台灣地區水資源 儲蓄的主要來源,而水庫水質的好壞將直接影響到水體的用途。

以翡翠水庫為例,近年來翡翠水庫之水質都有漸趨勢優養的現 象。(圖1-1)水質品質下降使水體本身無法自然的淨化,顯示水庫 水質已進入警戒狀況,需密切監測水質的變化,而傳統的監測水質的 技術需要現地測量(收集水的樣本,其後進實驗室分析),雖然傳統的 點採樣方法會有準確的測量。但要耗費時間和費用,更重要地,不能 表示空間變化 (Giardino et al.,2001)。

(13)

因此衛星遙測監控水質成為另一個選擇,遙測影像允許估計大面 積的水質外,也可以估計偏遠和交通不便地區的水質可節省可觀的人 力和經費, 最重要地 ,能表示 整體水 質的空間變 化(Hellweger et al.,2004)。對於大區域的水庫而言,衛星遙測技術確實是一個理想的 監測工具。自二十世紀八十年代以來,隨著感測器空間解析度的進 步,遙測使用波段反射及其他性能與水體之間的關聯性,已經用來監 測內陸水體。包括透明度,葉綠素a濃度,色度,總懸浮固體和溫度 (Lathrop,1992; Almanza and Melack,1985; Lavery,1993; Bilge et.al.,2003;Giardino,2001)。所以選擇快速且大範圍的水質監測工具,

以維持台灣地區的用水品質是本研究的初始動機。

圖1-1 翡翠水庫歷年CTSI變化圖(翡翠水庫管理局,2008)

(14)

1-2 研究目的

遙測影像資料常配合各種分析工具,運用衛星影像監測水質。這 種方法彌補了傳統水質監測無法全面檢測的缺點。水體遙測監控是通 過研究水體反射光譜特徵與水質參數濃度之關係,建立水質參數反演 算進行的,具有快速、範圍廣、客觀、效率高等優勢,它可以有效地 監測表面水質參數空間和時間上的變化。

隨著遙測衛星技術提升,國內採用衛星資料於水質監測工作上已 有顯著成就。根據 Baban(1993)和陳莉等人(2002)的研究中可得知,

藉著多元迴歸模式分析水質參數(葉綠素 a、總磷、透明度)和遙測影 像波段光譜之間的關係,進行全面性的水質監測。因此本研究利用 Landsat 7 衛星影像,從衛星影像上所得之波段資料經由線性迴歸建 立現地總磷、葉綠素 a、透明度與六個波段之最佳關係式,從關係式 來推估出水庫整體的水質狀況,利用 Surfer 軟體把影像展示成空間化 分佈,並比較何種推估方式能代表現地狀況,如此便可即時的掌握水 庫水質的變化。

(15)

1-3 研究架構及流程

本論文之架構大致分為五個大項內容如下表所示:

表 1-1 研究架構及內容

章 節 章節名稱 內 容

第一章 緒論 說明整個研究問題陳述初始動機和研究目的

第二章 文獻回顧

介紹水質優養化對水庫水質的影響與遙測技 術於水質監測之應用

第三章 理論分析 說明研究區域、研究材料與研究方法

第四章 實證分析

以翡翠水庫為實例,並說明影像資料的收集 及處理,迴歸分析法推估結果

第五章 驗證與討論 針對迴歸結果驗證與討論

第六章 結論

針對本研究結果彙整出結論,並提出改善與 建議

(16)

相關顯著

建立迴歸模型

水質資料 篩選與處理 資料及相關文獻收集

研究緣起與目的

研究區域選定

衛星影像資料 篩選與處理

結論與建議

P>0.05 (接受虛無假設)

P<0.05 (拒絕虛無假設)

對數轉換

對數轉換

多元線性迴歸

刪除迴歸式

變數適合度檢定

變數相關分析

共線性檢驗

R2>0.6(P<0.05) 圖 1-2 本論文之研究流程如下所示:

(相關不顯著)

PART 1

PART 2

PART 3

5

(17)

第二章 文獻回顧

2-1 水庫水質的優養化

水為人類生存不可或缺的成分,舉凡引用、烹飪、洗滌、灌溉,

甚至工業製造都需要大量的水。由於台灣地區水資源在時間及空間上 分佈不均勻,故需興建水庫以儲蓄水量,以平衡水資源的利用。水庫 水質直接影響了民生公共用水,為了確保水源水質以及永續利用之目 標所以水庫的水質監測是重大的課題。

水質的好壞傳統上是採用水質檢測資料,水庫的水質通常是依 據葉綠素 a、總磷、總氮的多寡來決定水質污染程度和優養化的狀態。

「優養化」又稱為富營養化,水體優養化依其營養鹽的來源可 概分為兩大類:

1. 天然性優養化(Natural Eutrophication):指湖泊於自然生態系中,

由於自然營養鹽之沈降與累積,造成湖泊水質逐漸優養化,換句 話說,該湖泊正在逐漸老化中,是水域自然生態系必然的演替過 程。

2. 人為性優養化(Artificial Eutrophication):指湖泊或水庫由於集水 區或水體上之人為活動增加,將大量營養鹽帶入湖泊或水庫中,

導致水體中浮游動植物大量繁殖,造成水體生態系急遽變化,使

(18)

得水質嚴重惡化。通常此種變化情形極快,往往只在短短數年時 間內即可形成。

優養化會造成水庫水體浮游生物及藻類的大量繁殖,使水體中 透明度降低,而藻類旺盛的光合作用,大量消耗水中 CO2使水體 PH 值增加。使水庫自淨能力逐漸喪失,水中自然生態破壞致水質轉劣,

產生色度與臭度。增加自來水處理民成本、影響飲用水水質。

2-2 優養現象與水質營養判別指標

一般而言,水庫和湖泊等蓄水體會依照蓄水體所含的營養鹽多 寡分為 3 個等級:

1. 貧養性(Oligotrophic):水體中養分含量低、生物量少、溶養高、

透明度高。水質狀況良好,利用價值高。

2. 普養性(Mesotrophic):是貧氧到優養的過度期,水體中養分量 中等、具有相當量多種類生物、溶養及透明度居中。

3. 優養性(Eutrophic):水體中養分含量高、生物量多、溶氧和透 明度低、浮游植物的種類變少而數量增多。若引用此種水源,淨 水處理作業則需消耗較高成本與較繁雜的程序。

生物學家Liebiqs(1967)指出,在生態環境中生物生長所需的營養 源必有一種最缺少的,此最缺少的營養源便是生物生長的限制因子。

(19)

根據相關研究報告指出藻類的生長限制因子為氮及磷,其中又以磷為 最重要;水庫、湖泊由貧養或中養轉變為優養時,主要的變化是水體 中總磷、總氮及葉綠素a的含量增加及透明度降低。若能將這些變化 彼此間的關係確定並且數量化,而可利用各水質項目之間的關係式,

進而採用較單一參數指標或更有代表性的綜合指數法,研判優養化之 程度。

評估水庫優養程度的方法甚多,營養鹽濃度的測定為最常使用的 指標方法。若依其判斷指標使用水質參數的多寡,可分為單一變數指 標法與多變數指標法,判斷指標最早是日本吉村教授(1937)根據日本 湖泊內諸現象與特性提出優養湖特徵的定性標準。認為以有機物生產 為主的湖泊,其營養狀態受湖內生產的有機物供給和外來的有機物供 給所決定(表2-1);美國環保署(1975)使用總磷、葉綠素a、透明度 及沙奇盤深度水質參數做為水質優養判定的依據(表2-2);卡爾森 (Carlson)(1977)提出以「磷」為限制因子之營養評價方式,將湖泊營 養狀態以總磷、透明度及葉綠素a濃度等因子分別計算之,而此三項 因子所得之營養指標(Trophic state index,TSI)(表2-3);Kratzer 與Brezonik(1981)研究美國佛羅里達州數個湖泊並提出以「氮」為限 制因子之TSI値。並將Carlson所提出之三個單一變數營養指標予以平 均,而得 綜合 指標為CTSI( 表2-4 ) ;聯合國 經濟 合作發 展組織

(20)

(OECD)(1982)利用總磷、葉綠素a、透明度單一指標訂定分級標準(表 2-5)。

表2-1 優養湖特徵的定性標準吉村(1937)

營養程度 貧養湖 優養湖

湖泊型態 湖深、湖面狹窄 湖淺、湖面寬廣

水色 藍、綠 黃、綠

透明度 >5m <5m

溶氧 全層飽和 表層飽和或過飽和

氮 < 0.2 mg/l >0.2 mg/l 磷 < 0.2 mg/l >0.2 mg/l

PH值 中性左右 中性~弱鹼(夏季有時為強鹼)

浮游植物 稀少 繁盛

表2-2 水質分級標準美國環保署(1975) 營養程度 總磷(μg/l) 葉綠素a(μg/l) 透明度(m)

貧養 <10 <4 >3.7 普養 10-20 4-10 2.0-3.7 優養 >20 >10 <2.0

(21)

表2-3 Carlson之單一指標TSI優養分級標準 營養程度 總磷(μg/l) 葉綠素a(μg/l) 透明度(m)

貧養 <12 <2.6 >4 普養 12-24 2.6-7.2 2-4 優養 >24 >7.2 <2

表2-4 Carlson之綜合指標CTSI優養分級標準

營養程度 CTSI

貧養 <40

普養 40-50

優養 >50

其中 CTSI 與 TSI 換算公式如下:

TSI(葉綠素濃度 Chla)=9.81×LN(Chla)+30.6 TSI(沙奇盤深度 SDD)=60-14.42×LN(SDD)

TSI(磷酸鹽濃度 TP)=14.42×LN(TP)+4.15 CTSI=[TSI(Chla)+ TSI(SDD)+ TSI(TP)] /3

(22)

表2-5 水質營養分級標準聯合國經濟合作發展組織OECD(1982) 營養程度 總磷(μg/l) 葉綠素a(μg/l) 透明度(m)

極貧養 <7.9 <2.0 >4.6 貧養 8-11 2.1-2.9 4.5-3.8 普養 12-27 3.0-6.9 3.7-2.4 優養 28-39 7.9-9.9 2.3-1.8 超優養 >40 >10 <1.7

綜合以上進行水質指標對水庫湖泊優養化判定時,有單獨以總 磷、葉綠素a、透明度、氮或溶氧作為指標,也有整合性的綜合指標 者。實際應用時究竟以何者較為合適?使用單一指標時,各學者各有 不同的判定基準,因而可能產生矛盾的結果。行政院環保署自民國八 十二年起每年針對台灣二十座主要水庫進行監測,監測結果以總磷、

葉綠素a及透明度三項測值計算卡爾森指數 ,用以表示水庫水質優養 化程度。故本研究以台灣環保署所採用的卡爾森綜合性指標來探討水 庫優養化情形。

(23)

2-3 遙測影像於水質監測之應用

遙測是指遙感探測(Remote Sensing,RS)採用不接觸的方式利用 儀器,以未直接接觸物體的方式,紀錄和檢測資料的技術(Avery and Berlin,1992),遙感探測技術,提供人類在固定的時間、空間及光譜解 析度方面,產生範圍寬廣的基本資料之潛力,遙測最大的優點是無需 現地勘察,可節省可觀的人力和經費。遙測技術所具之特性自 1920 年開始以來已吸引不少學者開始利用遙感探測技術進行水庫水質監 測。國內外已有多人研究利用衛星遙測影像推估水質。

以下針對相關發表文獻加以介紹:

國外部份

Lillesand 等人(1983)利用 Landsat TM 影像資料,評估美國明 尼蘇達州(Minnesota)淡水湖泊優養化程度。

Almanza 與 Melack(1985)利用 Landsat 影像監測美國加州 (California)Mona 湖水質,探討葉綠素 a 濃度的空間不規則性與季節 的變化性。

Lathrop(1992)調查懷俄明州(Wyoming)4 個湖泊探討 Landsat 影像與沙奇盤深度和懸浮固體的相互對應關係。

Lavery 等人(1993)利用 Landsat TM 影像建立入海口鹽度、沙 奇盤深度和色素濃度之間的迴歸關係。

(24)

Tassan(1993)利用 Landsat TM 影像建構海洋中葉綠素 a 濃度之 關係。

Baban(1993)利用 Landsat TM 資料調查英國諾福克湖沼區,探 討環境特性與與湖水污染程度之影響。

Braude(1995)利用 SPOT 衛星調查水庫汙染,使用主成分分析 進行水庫水質污染分類。

Rundquist(1996)利用 SE590 地面多光譜儀,量測不同藻類濃 度和水體光反射量之關係。

Han(1997)探討不同濃度泥沙和藻類混合的程度對光譜反射的 影響。

Yang(1999)除了利用 SPOT 衛星影像監測水質優氧化程度外,並 利用 QUAL2E 作短期水質優養化狀況的預測。

Giardino 等人(2001)利用 Landsat TM 影像波段與 4 個採樣點 藉由迴歸分析推估亞高山帶湖之葉綠素 a 和沙奇盤深度,並從 TM 數 據中獲取湖水的表水溫度。

Baruah 等人(2001)應用倒傳遞類神經網路於日本勘奇縣第二大 湖 Kasumigaura 建立葉綠素濃度與懸浮固體對應 Landsat TM 前四個 波段的轉換函數,以推估葉綠素 a 與懸浮固體濃度。

(25)

Bilge 等人(2003)利用 Landsat TM 推估土耳其 Porsuk Dam reservoir 水質參數間的關係,利用影像資料進行複迴歸來推估葉綠素 a、懸浮固體、氨氮和透明度,建立推估水質的模式。

Zhang 等人(2003) 分別利用 Landsat TM 和 AVHRR 和 MODIS 和 AISA 於芬蘭灣預測水體葉綠素 a,並比較使用經驗式類神經網路 和迴歸分析的結果。

Hellweger 等人(2004)利用 Landsat TM 和 MODIS 衛星影像研究 紐約海灣的水質指出葉綠素 a 濃度與 Landsat TM 綠光與紅光反射值 比率有相關。

Chen 等人(2007) 使用 NASA's Aqua 衛星的 MODIS 發展繪製河 口濁度的方法以坦帕灣為研究案例。

Wu 等人(2008) 研究比較 MODIS 和 Landsat TM 影像,並繪製中 國鄱陽湖之沙奇盤深度的時空動態,探討 MODIS 替代 Landsat TM 的 可能性。

國內部份

蕭國鑫(1991)利用遙測做水庫水質的調查,探討利用光譜波段 反射值比例法來推測葉綠素 a 相對含量其可用性;並於 1996 年對諾 福克湖沼區湖泊資料計算 CTSI 值,討論此區域不同污染源的特性。

(26)

許俊森(1994)利用美國航空暨太空總署(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 a 濃度。

李旭文(1995)利用 Landsat 資料,調查太湖梅梁湖區藻類空間 分布和影響範圍。

余豐寧(1996)利用 Landsat 衛星調查太湖北部水體中葉綠素 a 濃度對衛星光譜反射值之關係。

陳楚群與施平(1996)利用 Landsat TM 影像,建構海洋水體表 層葉綠素 a 濃度,利用灰色系統理論進行因子分析選取了 TM1-TM4 波段的 75 種波段組合因子。

楊龍士(1997)利用遙測影像針對水質特徵參數間相關性進行研 究,建立水質和遙測的相關性,作為遙測影像應用於水質污染之監測 及判釋的依據。

楊明德與林基源(1997)利用遙測監測水質之優氧化狀態,並利 用 GIS 來展現其分析結果。

楊曄芬(1998)利用遙測資料藉多元迴歸分析,推得與各項水質 參數間(如類藻、透明度、磷等)相關性較高之波段值,求出迴歸公 式轉換水庫全區水質之各優養化判斷參數,並以模糊綜合評價法來判 斷水庫優養化之狀況。

(27)

雷祖強(2000)利用 Landsat 多光譜影像,透過蒙氣校正(Haze Correction)後,建構影像因子與地面水質參數之模型關係,並建立 德基水庫水質營養狀況空間分佈之關係。

陳莉(2002)利用 SPOT 衛星監測永和山水庫水質,並利用線性 迴歸方式與類神經網路模式建立影像因子與地面水質參數(葉綠素

a、總磷、透明度)之模型關係,並利用遙測影像推估水庫優養化。

章國威(2002)利用 Landsat TM 資料以監督式影像分類法分析 德基水庫藻華現象,並建立藻華現象之預測模式。

Chen (2003)以五張 SPOT 影像,應用遺傳程式法(GP)建構出影像 光譜數據與葉綠素間之關係,監測永和山水庫水體優養狀況,結果表 示遺傳程式比傳統的迴歸更好。

劉英(2003)利用 IKONOS 衛星影像和高光譜反射儀研究千島 湖葉綠素 a 濃度之間的關係,建立了葉綠素 a 的遙感定量模型。

蕭國鑫(2005)利用 SE-590 高光資料模擬 SPOT 三個波段的光 譜輻射值,以多元迴歸分析來定量推枯水質,並以波段比例法來推估 葉綠素 a 相對含量。

林建智(2005)利用福爾摩沙衛星二號衛星影像,將現地水質參 數配合影像上之各波段光譜值,建構出迴歸模型,再進行準確度評估。

(28)

李宜真(2007)利用福爾摩沙衛星二號衛星影像,將現地水質參 數配合影像上之各波段光譜值,建構出迴歸模型,再進行準確度評估。

Chen (2008)應用新的進化遺傳演算法(GEGA) 以 Landsat7 衛星 影像建構出翡翠水庫影像光譜數據與葉綠素 a 間之關係,結果顯示 GEGA 比傳統的多元迴歸更好也降低了更多的估計錯誤。

綜合以上文獻已証實利用遙測衛星技術監測水庫水質是可行 的,在上述文獻研究中 Landsat 衛星波段大部分是利用光譜波段 1~4 再加上上述文獻研究中對葉綠素 a 與透明度均有不錯的結果,惟獨在 總磷方面較少因此本研究嘗試利用 Landsat 7 衛星光譜波段 1、2、3、

4、5、7 取與水質相關性高之波段進行建模,推估葉綠素 a、總磷與 透明度結果。上述文獻研究中大多是利用單張衛星影像建模,為了探 討 水 庫 水 質 的 時 間 變 異 性 , 因 此 本 研 究 嘗 試 利 用 五 張 不 同 日 期 Landsat 7 衛星影像建模。根據 Wu 等人(2008)研究鄱陽湖沙奇盤深度 時指出衛星影像日期與採樣日期差異天數越多結果越不好,因此本研 究將探討衛星影像日期與採樣日期差異天數所推測的葉綠素 a 與總 磷的結果是否也差異很大。

(29)

第三章 研究理論方法與材料

本研究首先從翡翠水庫管理局與環保署水質監測資訊網取得相 關水質資料(葉綠素 a、總磷、透明度)並採用影像處理軟體 ERDAS IMAGINE 擷取 Landsat 7 衛星影像波段作為本研究之輸入資料。並利 用 SPSS 中的迴歸分析來建立影像光譜波段和水質參數之間的模型關 係,並找出最佳的迴歸公式,用以推估研究區域全面性的水質,來判 斷水質優養化的狀況。

3-1 遙測研究理論

遙感探測(Remote sensing,RS)乃指不需要與目標物直接接觸,

只需利用儀器便可獲得與分析該類資料的科學技術。遙測主要是透過 偵測目的物反射或輻射的電磁波的強度而達成。

遙感探測系統,自一個連續的輻射光譜中,檢測不同的輻射光譜 之輻射稱為電磁光譜(Verbyla, 1995)。基於地表每一種物體因組成物 與表面特性的不同,對於電磁光譜的反射與散射率也不同;所以可藉 由物體的光譜特性運用遙測來辨識,這樣的模式可以根據遙測瞭解各 別水質的組成成分與視覺特徵以及濃度(Zhang et al.,2003)。

(30)

水體對電磁波的反應特性主要是吸收與穿透。太陽光到達水面 後,部分被反射回空中行成反射光,其餘的光射到水體,透射光大部 分被水體吸收,部分被水中懸浮和有機生物散射,其中返回水面的部 分稱為後向散色光;部份透過水層到達水底反射(水底反射光),水 底反射光與後向散色光組成水中光。到達遙感測器上的光包括水面反 射光、水中光和天空散射光。

紅外光部分,因為水體的比熱大,熱慣性大不論近紅外光或中紅外 光幾乎都被吸收,這種特性與陸地地表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。在白天時,水將太陽輻射的 熱能大量吸收所以白天拍攝的紅外光影像為黑色。這種特性除了可辨 識水庫、湖泊的面積外,水中懸浮物質及葉綠素對不同的波段都有不 同的反應;水體出現優養化會造成水庫水體浮游生物及藻類的大量繁 殖,使水體中透明度降低,而藻類旺盛的光合作用由於浮游植物中的 葉綠素 a 對近紅外光具有明顯的陡坡效應,在可見光波段反射率較 低,近紅外光波段反射率明顯升高(楊龍士,1990)。

遙測水質技術是以被動的方式接收來自水面波長 0.4um~0.7um 的電磁波,波長限定此一範圍的原因在於波長 0.4um (紫)以下來 自天然水體反射的太陽輻射強度非常低,而高於 0.7um (紅-近紅外)

的輻射訊號因受到水的高吸收影響,使得反射的太陽輻射強度也很

(31)

低,因此理論上可供遙測分析自然水體水質的合適波長範圍應介於 0.4um~0.7um 之間 (譚子健,2007)。

以本研究使用之衛星 Landsat 衛星系列 LandsatTM 來說波段 1~5、7 光譜在透過水體時,提供了在光譜範圍內的水質資訊(Dekker and Peters,1993),波段 1 可用來測量光衰減由於水生植物的腐殖質和 葉綠素 a 的吸收,波段 2 可用來測量藻類濃度,波段 3 是較困難去解 釋但是當有較大規模的沉積物時波段 3 可以提供有益資訊,波段 4 的 反 射 是 迅 速 增 強 水 吸 收 和 可 能 是 懸 浮 物 反 射 的 產 品 (Giardino et al.,2001)。波段 5、7 波段光譜範圍雖然大於理論 0.4um~0.7um 的範圍,

但是還是有研究利用波段 5、7 來估計水體中的葉綠素 a。例如:Allee and Johnson(1999)利用 Landsat 7 波段 1~5、7 推估葉綠素 a 在美國 Bull Shoals 水庫。Chen (2008)也成功的利用 Landsat7 波段 1~5、7 推估葉 綠素 a。

3-2 研究衛星資料

本研究使用之衛星資料為 Landsat 7,是由財團法人農業工程研 究中心所提供。Landsat 7 所擁有的波段為七個,在常用的衛星探測 器中所具有的波段數為最多,代入模式的變數也較多,所以本研究選 用 Landat 7 影像作為研究。由於波段 6 為熱紅外光,對於溫度敏感性

(32)

較高,通常作為研究地表溫度研究較多,因此本研究選取波段 1~5 及 7 作為代入參數之變數。

Landsat 美國大地衛星為世界上最早發射的地球資源衛星,美國 於 1972 年 7 月 23 日首次發射 Landsat 1 號衛星;於 1975 發射 Landsat 2 號衛星;於 1978 發射 Landsat 3 號衛星。這三顆衛星均承載一個多 光譜掃描儀(MSS),此掃描儀具四個光譜波段的感應器,拍攝的影像 解像力為 56 公尺×79 公尺,又通過同一個地區的週期為 16-18 日;此 外,亦同時承載迴訊攝影機,可拍攝地面相片。本研究使用之衛星 Landsat 7 於 1999 年 4 月發射,主要儀器為加強型熱感應測繪儀

(ETM+),每天繞行地球 14 圈可拍攝 250 張高解析度地球影像,每 16 天可掃描同一位置,具有 8 個波段,波段 1~3(可見光)與波段 4、

5、7(近紅外光)之空間解析度為 30 公尺,波段 6 為熱紅外光,空 間解析度為 60 公尺。波段 8 為全光譜波段具有 15 公尺空間解析度。

每張影像對應的實際地面面積為 185 ㎞×185 ㎞。

(33)

表 3-1 Landsat 7 衛星特性(國家太空中心)

軌道 705 ㎞ 高,太陽同步軌道,頃角 98.22°

發射日期 1999 年 4 月 15 日

波段 波譜範圍(um) 屬性 空間解析度(m)

1 0.45~0.515 藍光 30

2 0.525~0.605 綠光 30

3 0.63~0.69 紅光 30

4 0.75~0.90 近紅外光 30

5 1.55~1.75 中紅外光 30

6 10.4~12.5 熱紅外光 60

多頻譜(MS)

7 2.09~2.35 中紅外光 30

全色態(PAN) 8 0.52~0.90 全色態 15

3-3 衛星影像處理分析

由於衛星在掃瞄影像過程中,會因大氣、地形、衛星本身的系統、

感應器系統、景物反射之變化及各種雜訊的干擾影響,導致產生雜訊 和扭曲。因此必須經過前處理等過程,才可提供正確且有效的資訊。

經過處理的影像,應是一張無雜訊、無輻射偏差及無扭曲,有地理座 標可供鑲嵌的影像。一般使用者要做的是輻射校正及幾何校正。

(1)輻射校正

衛星影像因大氣散射、日照角度與飛行軌道等因素造成影像上相 同物種有不同的輻射量,而不同物種卻有相近的輻射量,會造成影像

(34)

判釋上的困擾。輻射校正主要包含衛星本身所造成的誤差以及大氣散 射校正。感測器上所造成的誤差主要是因為機器老舊原因所形成的。

大氣散射校正主要是利用數值增顯處理調整影像中的 DN 值,來修正 大氣中的微粒所產生的影響。目的在於凸顯影像中地物間的明顯對 比,以改進影像的可判讀性。

(2)幾何校正

衛星影像受到衛星的高度、速度、感測器系統的誤差等因素,都 會造成幾何變形。幾何變形主要來自掃描幾何特性所產生之比例尺與 投影位移的系統誤差,處理方式主要是將影像套疊在處理過之影像,

再利用地面控制點求得兩者間的幾何關係,並將已知平面影像上點轉 換到需校正影像的點。

3-4 迴歸分析模式

水體在電磁波波譜的各波譜段上所反映的特徵不同,水體的光譜 特徵是由水體中各種物質對光輻射的吸收和散射性質所決定的。研究 光譜特徵的目的是為了選擇適合的敏感波段和優化波段組合來監測 水質,試圖透過水體表面反射光譜特徵的變化情況,來推估水質參 數。在光譜分析中要獲得比較好的結果方法很重要,一般都採用逐步 迴歸的方法。

(35)

一般自然科學中經常要了解因子(自變數)與應變數之間的相關 程度,進一步的相關分析,則需要利用迴歸分析來完成。迴歸分析是 應用於線性關係檢定的一種重要統計方法,迴歸分析是將所要研究的 自 變 數 與 應 變 數 , 利 用 相 關 理 論 建 立 兩 者 間 的 函 數 模 型 。 迴 歸

(Regression)來自於 1885 年高爾登(Galton)所寫的「Regression Toward Mediocrity」,主要目的是做預測。(當兩個連續變數之間具有 線性關係,除了可以利用相關係數的公式求線性關係的方向和強度 外,進一步可將此線性關係建立一個 Y=bx+a 的迴歸方程式,此種以 單 一 自 變 數 去 預 測 變 數 的 過 程 為 簡 單 迴 歸 (Simple Linear Regression ,SLR)(邱浩政,2000)。

簡單迴歸是使用單一自變數去預測變數,但許多研究中自變數通 常不只一個,所以必須建立較複雜的迴歸方程式(多元迴歸),多元 迴歸分析(Multiple Linear Regression ,MLR)是研究兩個或兩個以上的 自變數與應變數關係的方法,多元線性迴歸模型可表示為一個矩陣形 式需要用到四個矩陣來描述多元線性迴歸模型 (Rawlings et al., 1998) 迴歸公式如公式(4-1):













X Y X

X X X

X X

X X

X X

X X

Y Y Y

m m

nm n

n n

m m

n

or 1

1 1

1 0 1

0

3 2 1

2 23

22 21

1 13

12 11 2

1

式(4-1)

(36)

其中 Y 為因變數;X 為自變數;

為誤差項;  為迴歸係數;n 為樣 本數;m 為自變數個數。

建立迴歸模式時,通常希望包含較多的預測數,以求得較準確之 預測,但是基於控制程度的考慮,希望模式中的預測數能儘量減少,

達到足以解釋整個模式的變異程度。通常選取預測變數的方法可分兩 大類:

1. 逐步選取法可分為:

(1)順向選擇法:在每次選擇的步驟中,選出一個變數,對模式的 貢獻最大者,進入迴歸方程式中,並對尚未進入迴歸程式的預測變數 加以考驗,以決定某一個預測變數是否有資格被納入迴歸模式中。

(2)反向淘汰法:將所有預測變數放入迴歸方程式中,而後在每一 次淘汰的步驟中,剔出一個變數,對模式的貢獻最小者,並對留在迴 歸方程式中的預測變數加以考驗,以決定某一個預測變數是否應繼續 被保留在迴歸模式中。

(3)逐步迴歸法: 傾向選擇法與反向淘汰法的綜合。模式中不包含 任何預測變數。採順向選擇法,根據對模式的貢獻最大者,挑選預測

(37)

變數進入迴歸模式中。在每一步驟中,已被納入模式的預測變數必須 再經過反向淘汰法的考驗,以決定該變數要被淘汰或留下。

(4)最大 R2法:即採取最大 R2,依次導出在預測變數逐一增加時,

選出各個最佳的迴歸方程式。

(5)最小 R2法:即採取最小 R2,依次導出在預測變數逐一增加時,

選出各個最佳的迴歸方程式。

2. 所有可能迴歸法

(1)複相關係數平方法(R2):估算全部可能的迴歸模式之 R2值,相 互比較,以選取最大之 R2為最佳的迴歸模式。

(2)校正後的複相關係數平方法(R2):估算全部可能的迴歸模式 R 2 值,相互比較,以選取最大之 R 2 為最佳的迴歸模式。

(3)Mallows(l973)的 Cp法:估算全部可能的迴歸模式之 Cp 值,相 互比較,以選取最小之值 Cp 為最佳的迴歸模式。

迴歸分析的主要目的在於預測,因此在樣本迴歸模式建立時,須 檢視其模型的配適度;也就是在探討整條迴歸線對於因變數 Y 的解釋 程度。本研究迴歸能力的說明以校正後的判定係數(Adjusted R2)作解

(38)

釋,顯著水準(significance level)以 F-檢定和 P value 為檢示指標,共 線性問題(collinarity)變異數膨脹因子(VIF)為檢示指標。

迴歸能力一般以判定係數 R2表示是從誤差平方和計算而得如式 4-2:

SST SSE SST

R2 SSR 1 ………式(4-2)

式中 SST 是平方總和,SSR 是迴歸的平方和(Searle, 1971)。

整體 F 值是在變異數分析(ANOVA)上均方項所計算,用以估計 迴歸方程式的統計顯著性。如式 4-3 (Searle, 1971)︰

MSE

F  MSR ………式(4-3)

式中 MSR 是迴歸均方, 而 MSE 是殘差均方。F 值的優勢是他考慮到 自由度,取決於線性迴歸模型中樣本的大小與自變數的個數。如果多 元線性迴歸的 F 值比 1 大,這預測因變數在統計上是有意義的。不過,

它不表明 F 值要多大才足以預測因變數。為了使 F 值有效,可比較 F-分配裡相同自由度的最大值。如果在相同的自由度之下多元線性迴 歸的 F 值大於 F-分配裡的最大值,迴歸模型在預測因變數時為統計 生效。

(39)

變異數膨脹因子(VIF)能用來鑑定在矩陣裡任何共線性問題。共 線性有時會導致嚴重的穩定問題,例如在迴歸模型過程中推估係數有 高的變異或者的高的誤差均方,因此需要檢查多元迴歸中變異數膨脹 因子(Longnecker and Ott,2004)。根據 Bowerman (1990)和 Myers (1990) 如果最大的 VIF 比 10 大或估計平均 VIF 值比 1 大,就可確定有共線 性問題。

3-5 類神經網路模式

類神經網路(Artificial Neural Network,ANN)是一種以電腦模 擬人類腦神經細胞網路的科學。類神經網路被視為相當簡單的工具,

證明能成功建立各式各樣非線性的轉換函數(Baruah et al.,2001)。類神 經網路的最大特色是採非線性函數來建構模型,且具有漸進式學習的 能力,能有效地對大量資料進行分析,以利各種非結構性決策的制定。

類神經網路是由許多許多交互連結的處理單元所組成,這些單位 通常稱為神經元,每個神經元由其連結的神經細胞接收輸入信號,每 一個連接有其關聯的數值權重,這些權重決定神經元互相連接之間的 影響的性質和強度。信號從每個輸入層然後經過加權總和的處理,經 處理的輸出信號,然後透過一個轉換函數傳送到另一個神經元,信號 從每個輸入層然後經過加權總和的處理,經處理的信號,然後透過一

(40)

個轉換函數輸出 (Ji et al.,2006) 。

圖 3-1 類神經網路的類神經元(梁定澎,2006)

其輸入值與輸出值的關係圖,如圖 3-1 表示:其中:Yj:模仿生 物神經元的模型的輸出訊號。轉換函數 f:模仿生物神經元模型的轉 換函數。Wij:模仿生物神經元模型的神經強度,又稱連結加權值。

Xi:模仿生物神經元模型的輸入訊號。Θi:模仿生物神經元的模型的 閥值。

一個可應用的類神經網路是由許多個人工神經元架構而成,並且 可 以 組 成 各 種 網 路 模 式 ( network model) 。 其 中 以 倒 傳 遞 網 路

(Back-propagation network,BPN),應用最為普遍,倒傳遞網路使 用最陡坡降法,使誤差函數最小化(葉怡成,2006)。

在本研究案例中使用的網路模型為倒傳遞網路具有 3 層架構,第 一層為輸入層輸入值是利用 Landsat 六個波段,使用線性轉換函數,

(41)

出層輸出為葉綠素 a 或總磷或透明度,使用線性轉換函數。主要概念 是利用類神經網路找出適當的相互連接權重可由現地波段值模擬現 地葉綠素 a 或總磷或透明度。倒傳遞類神經網路結構如圖 3-2 所示:

圖 3-2 三層倒傳遞類神經網路結構圖

當一個類神經模型被建立之後必須先予以訓練(Training),使其具 有某種智慧。訓練階段分為兩個階段進行,在第一階段,輸入值產生 向前流動的信號從輸入層到輸出層,從計算值與觀察(實驗)值之間 的不同來決定每個輸出的神經元的誤差。第二階段,涉及到調整權重 和偏權值,在隱藏藏和輸出層,以減少計算和預期的輸出之間的差 異。反覆進行訓練,直到所有訓練圖案的誤差均方減至最低。訓練階 段完成後應進行測試(testing),檢驗此類神經模型是否具有應用所需

(42)

的能力,使用不包含在訓練集合的資料。這就決定了類神經網路模型 是否可擴展為對圖案的正確反應模式,只有廣泛類似的數據在訓練集 部分,這被稱為測試階段(Ji et al.,2006)。

類神經網路的表現可以利用網路的學習速率(效能)和歸納能力 (準確度)來衡量。學習速率可以表示為 CPU 的時間或收斂所需的演算 次數,學習速率的大小對學習有很大的影響。學習速率的大小往往視 輸入的資料而有所不同,需藉由不斷的試誤。以此為比較的基準形式 目前無法正式的定義什麼是正確的歸納,但類神經網路的歸納能力可 根據測試資料的表現有多好來評估(Yeh,1998)。

(43)

第四章 實例分析

4-1 案例背景

本研究以翡翠水庫為對象,該水庫位於新店溪上游北勢溪上,在 龜山之南北勢溪合流口上游 2.3 公里,距離台北市約 30 公里。水庫 大壩為一座雙向彎曲變厚度混凝土拱壩,壩高 122.5 公尺,壩頂總長 度 510 公尺,壩體混凝土體積 70 萬立方公尺,為台灣地區混凝土壩 體積最大者。水庫集水區總面積約為 303 平方公里,包括台北縣的雙 溪鄉、坪林鄉、石碇鄉的大部分地區及新店市之小部分地區,除主流 北勢溪外,主要的支流魚逮魚堀溪、金瓜寮溪、後坑子溪及火燒樟溪 等,其集水區之水系圖及水系主要河川圖如圖 4-1 所示(翡翠水庫管 理局,2008)。

圖 4-1 翡翠水庫水系圖

(44)

4-2 研究資料收集及處理

本研究首先從翡翠水庫管理局取得相關水質資料,衛星資料為 Landsat 7 影像,是由財團法人農業工程研究中心所提供。

4-2-1 衛星影像處理

本研究中將影像處理步驟如下:

(1) 向財團法人農業工程研究中心之衛星影像資料為唯讀光碟(CD ROM),將唯讀光碟中之資料輸入,利用 ERDAS IMAGINE 軟體,

即可由唯讀光碟中之資料轉檔為數位化之影像輸出。

(2) 利用 ERDAS IMAGINE 軟體將原始各波段影像調整向量屬性,並 將各波段值影像組合使同一張影像能顯示各波段數據,如圖 4-2。

(3) 將組合完成的影像做幾何校正並驗證校正結果。

(4) 將欲分析之水庫水體切割出來,使水體與陸地分離;由於整幅影 像真實反射特性相當複雜,因此須將欲分析之水體部份先行切割 出來,以便分析純屬於水體的反射特徵,如圖 4-3、圖 4-4。

(5) 將切割圖的各波段數據輸出,選取波段 1、2、3、4、5、7 輸出後 並篩選與去除邊界端的波段資料(避免切割誤差)。

(6) 對應現地採樣點座標,選取波段資料。

(45)

圖 4-2 全幅衛星影像圖

圖 4-3 影像切割所得之衛星影像圖

圖 4-4 水體部份影像圖

(46)

4-2-2 現地水質資料分析

從翡翠水庫管理局與環保署水質監測資訊網取得相關水質資 料,利用卡爾森指標算出採樣點的卡爾森指標(CTSI)(表4-1、4-2、

4-3、4-4、4-5),以CTSI 判釋結果,其水庫優養狀況如圖4-4、4-5 所 示,CTSI 值大多在40~50 範圍內,故營養程度屬於普養,水庫水質 狀況大體良好。採樣日期與影像日期如表4-6,採樣站座標位置如表 4-7,採樣站座標位置圖如圖4-6。

36 38 40 42 44 46 48 50

1999/08/09 2003/11/10 2004/2/9 2004/11/8 2005/4/11

圖 4-5 翡翠水庫現地水質卡爾森指標

(47)

表 4-1 1988/8/9 現地水質 CTSI 優養分級

採樣點 TSI(Chl-a) TSI(TP) TSI(SDD) CTSI 營養程度 大壩 41.63556 49.25685 46.23108 45.70783 普養 火燒樟 38.77084 34.75301 46.79625 40.1067 普養 後坑子 41.76214 39.34354 50.01175 43.70581 普養 鷺鷥潭 40.59489 44.70496 46.79625 44.03203 普養 媽祖林 44.17499 46.47921 53.22725 47.96048 普養 永安 47.99564 47.51334 51.52999 49.01299 普養

表 4-2 2003/11/10 現地水質 CTSI 優養分級

採樣點 TSI(Chl-a) TSI(TP) TSI(SDD) CTSI 營養程度 大壩 46.77334 53.32256 40.38833 46.82808 普養 火燒樟 45.355 59.3248 34.18075 46.28685 普養 後坑子 52.7879 57.60337 36.52264 48.9713 普養 鷺鷥潭 51.36047 59.08143 36.24283 48.89491 普養 媽祖林 52.88955 58.79222 35.43458 49.03878 普養 永安 57.92096 56.65929 40.0235 51.53458 優養

(48)

表 4-3 2004/2/9 現地水質 CTSI 優養分級

採樣點 TSI(Chl-a) TSI(TP) TSI(SD) CTSI 營養程度 大壩 37.39977 51.13175 38.98136 42.50429 普養 火燒樟 30.6 45.5868 42.79558 39.66079 貧養 後坑子 33.90079 51.24225 41.54174 42.22826 普養 鷺鷥潭 33.17379 42.90876 37.69962 37.92739 貧養 媽祖林 37.39977 46.83472 42.3654 42.19996 普養 永安 37.39977 50.03749 41.14692 42.8614 普養

表 4-4 2004/11/8 現地水質 CTSI 優養分級

採樣點 TSI(Chl-a) TSI(TP) TSI(SD) CTSI 營養程度 大壩 44.41783 38.72765 50.01175 44.38574 普養 火燒樟 44.67818 46.60881 46.79625 46.02775 普養 後坑子 41.57165 38.72765 46.79625 42.36518 普養 鷺鷥潭 42.66277 42.20521 44.169 43.01233 普養 媽祖林 42.63405 37.35328 41.94769 40.645 普養 永安 44.19955 49.36383 43.239 45.60079 普養

(49)

表 4-5 2005/04/11 現地水質 CTSI 優養分級

採樣點 TSI(Chl-a) TSI(TP) TSI(SDD) CTSI 營養程度 大壩 46.02891 41.13657 38.32624 41.83058 普養 火燒樟 47.46524 51.67597 40.0235 46.38824 普養 後坑子 47.48281 53.6681 41.94769 47.69953 普養 鷺鷥潭 48.93215 42.20521 44.65752 45.26496 普養 媽祖林 50.14128 46.60881 45.68724 47.47911 普養 永安 48.0289 49.36383 46.23108 47.8746 普養

表4-6 採樣日期與影像日期比較

編號 採樣日期 影像日期 相差天數

1 1999/8/9 1999/8/8 1 2 2003/11/10 2003/11/7 3 3 2004/2/9 2004/2/11 2 4 2004/11/8 2004/11/9 1 5 2005/04/11 2005/4/18 7

(50)

表4-7 採樣站座標位置 座標位置 測站

TM2-X TM2-Y 大壩 308959.50 2756032.76 火燒樟 310334.08 2755257.22 後坑子 312558.00 2755688.00 鷺鷥潭 312927.47 2757554.28 媽祖林 313986.39 2757817.30 永安 312845.29 2758995.80

圖 4-7 採樣站位置圖

(51)

4-3 迴歸分析

本研究中欲求得各項水質參數與各光譜波段之關係,研究中使用 SPSS 做為統計迴歸分析之工具,將總磷、透明度、葉綠素 a 設為因 變數,將光譜波段 1、2、3、4、5、7 代入自變數。

4-3-1 無母數檢定(nonparametric statistic)

在進行迴歸分析前為了要使迴歸模式合適,必須將變數進行資料 檢定,以確定統計量測試本資料是否為常態分配 (流程圖 PART1)。

本研究採用無母數統計法(nonparametric statistic),因為對母體性質的 分 配 不 確 定 與 樣 本 個 數 較 少 。 首 先 使 用 柯 - 史 單 一 樣 本 考 驗 (Kolmogorov-Smirnor one-sample test), 在於檢定某一次序變項各級數 之實際累積觀察次數與理論累積期望次數間的差異是否顯著,它是以 樣本分配函數與理論分配函數比較差距為基礎,基本之虛無假設為樣 本呈常態分配,當 P 值越大則愈不易拒絕虛無假設,越有可能呈常態 分配。如果 P<0.05 則需進行對數轉換如表 4-8。B5 經對數轉換後再 行檢定,結果顯示變數皆符合常態分佈(表 4-9)。

表 4-8 單一樣本考驗

(52)

表 4-9 B5 經對數轉換後之單一樣本考驗

4-3-2 變數相關分析

因變數與自變數相關分析主要目的在於找出波段與水質間的相 關性,與判斷各波段與水質之間是否呈線性相關,若成非線性相關可 取對數,再進行相關分析。進而找出與水質相關性最佳波段來作為迴 歸分析時的主要波段(流程圖 PART2)。變數相關係數矩陣如表 4-10 所示。

表 4-10 各波段與水質相關係數矩陣

(53)

以表 4-10 為例可看出波段與葉綠素 a 存有負相關性,尤其以波 段 4 相關最顯著,B1、B2、B3、B5、B7 相關不顯著須對數轉換再進 行相關分析如表 4-11;總磷與多數波段也存有負相關性,只有波段 7 呈現正相關性,B3、B5、B7 相關不顯著須對數轉換再進行相關分析 如表 4-12;透明度與波段 B1、B2、B3、B4 相關顯著,B5、B7 相關 不顯著須對數轉換再進行相關分析如表 4-13。

表 4-11 取對數後各波段與葉綠素 a 相關係數矩陣

由表 4-11 可得知 B1、B2、B3、B5、B7 經對數轉換後 LNB2、

LNB3、LNB5 達到顯著。因此這個例子迴歸分析時葉綠素 a 用 LNB2、

LNB3、B4、LNB5 為主要自變數。

(54)

表 4-12 取對數後各波段與總磷相關係數矩陣

由表 4-12 可得知 B3、B5、B7 經對數轉換後 LNB3、LNB5、LNB7 達到顯著。因此這個例子迴歸分析時總磷用 B1、B2、LNB3、B4、

LNB5、LNB7 為自變數。

表 4-13 取對數後各波段與透明度相關係數矩陣

由表 4-13 可得知 B5、B7 經對數轉換後 LNB7 達到顯著。因此 這個例子迴歸分析時透明度用 B1、B2、B3、B4、LNB7 為主要自變數。

(55)

4-3-3 迴歸分析結果

本研究多元迴歸使用逐步法和強迫進入法進行,選取較佳之迴歸 式,本研究因為樣本數少,所以探討迴歸結果時因採用調整後的 R2。 1、單張影像

(1)1999/8/8 影像

迴歸分析後,由式 4-1~4-3 得知總磷和各光譜之間的解釋力不足顯 著性 p>0.05,而葉綠素 a 和透明度顯著性 p<0.05 迴歸解釋力是具 有統計意義。

0.758B7 -

5 574 . 0 1 307 . 0 055 . 21

a B  B

葉綠素 ……….….…….……..…式(4-1)

R=0.997 調整過後的 R2=0.987 F=125.9 RMSE=0.03 P=0.008

7 4.492B - 5 2.837B + 2.227B2 -

3.03B1 + -88.848

總磷 ……….……...……式(4-2)

R=0.932 調整過後的 R2=0.343 F=1.652 RMSE=1.81 P=0.520

B3 189 . 0 1.116B1 424

. 0

-

透明度 ………..………...……..式(4-3)

R=0.998 調整過後的 R2=0.995 F=465.5 RMSE=0.08 P=0.000

(2)2003/11/7 影像

迴歸分析後,由式 4-4~4-6 得知透明度和各光譜之間的解釋力不足 顯著性 p>0.05,而葉綠素 a 和總磷顯著性 p<0.05 迴歸解釋力是具 有統計意義。

(56)

1.223B4 -

25.831

葉綠素a  ……….….……..……式(4-4)

R=0.813 調整過後的 R2=0.576 F=7.802 RMSE=2.95 P=0.049

0.895B5 -

53.261

總磷 ……….………..…..…式(4-5)

R=0.836 調整過後的 R2=0.623 F=9.268 RMSE=2.22 P=0.038

7 0.107B + 0.415B3 -

0.36B2 + 0.573

透明度 ……….……..…………..…….…..式(4-6)

R=0.933 調整過後的 R2=0.676 F=4.471 RMSE=0.27 P=0.188

(3)2004/2/11 影像

迴歸分析後,由式 4-7~4-9 得知葉綠素 a 和總磷與各光譜之間的解 釋力不足顯著性 p>0.05,而透明度顯著性 p<0.05 迴歸解釋力是具有 統計意義。

4 0.08484B +

3 0.175B + 0.06966B2 +

-8.154

葉綠素a  ……….…….…….….…式(4-7)

R=0.787 調整過後的 R2=0.047 F=1.083 RMSE=0.248 P=0.513

3.28B3 + 2 1.305B - -19.168

總磷 ………..……….…式(4-8)

R=0.729 調整過後的 R2=0.219 F=15.84 RMSE=2.98 P=0.321

B2 876 . 0 B1 661 . 0 847 .

9

透明度 ………..……….……….…式(4-9)

R=0.956 調整過後的 R2=0.914 F=4.471 RMSE=0.14 P=0.025

(57)

(4)2004/11/9 影像

迴歸分析後,由式 4-10~4-12 得知總磷與各光譜之間的解釋力不足 顯著性 p>0.05,而葉綠素 a 和透明度顯著性 p<0.05 迴歸解釋力具 有統計意義。

0.05899B4 0.225B3

- 2 B 307 . 0 587 . 5 -

a

葉綠素 ……….….……..……式(4-10)

R=0.995 調整過後的 R2=0.976 F=70.20 RMSE=0.04 P=0.014

3 2.368B - 1.37B1 + -8.5

總磷 ………..……….….…式(4-11)

R=0.839 調整過後的 R2=0.507 F=3.575 RMSE=2.60 P=0.161

B7 262 . 0 0.122B5 B3

366 . 0 317 .

15

透明度 …….………..…….式(4-12)

R=0.995 調整過後的 R2=0.976 F=68.17 RMSE=0.15 P=0.014

(5)2005/4/18 影像

迴歸分析後,由式 4-13~4-15 得知葉綠素 a、總磷和透明度與各光 譜之間的解釋力不足顯著性 p>0.05。

1.71B5 - 1.246B4 +

0.739B2 -

53.506

葉綠素a  ………....……..……式(4-13)

R=0.945 調整過後的 R2=0.734 F=5.597 RMSE=0.258 P=0.155

4 5.541B - 3 1.579B + 10.652B2 -

5.831B1 +

207.89

總磷 ………..…式(4-14)

R=0.933 調整過後的 R2=0.357 F=1.694 RMSE=2.90 P=0.515

(58)

4 0.274B + 3 0.133B - 2 0.336B + 0.253B1 -

5.402

透明度 ……….式(4-15)

R=0.697 調整過後的 R2=0.13 F=0.236 RMSE=0.50 P=0.891

單張影像迴歸樣本數少,幾張影像的水質參數與各波段光譜相關 性不高,因此顯著性也不高(顯著性 p>0.05),不過本研究還是將迴歸 式代入影像波段資料推估水質來比較多張影像建模的可靠性。

2、多張影像

由於以單張影像建構波段與水質迴歸模式有幾張影像因為水質 與各光譜之間的解釋力不足,因此本研究利用五張影像和二張 11 月 份影像聯合建立迴歸模式,來探討多張影像建模與單張影像的差異。

考慮 P 值和 R2後可得下列公式:

(1)五張模式

44.923LNB4 -

8.942LNB3 1.751B4

73.131

a

葉綠素 ………..………...式(4-16)

R=0.904 調整過後的 R2=0.796 F=38.77 RMSE=1.65 P=0.000

32.917LNB4 -

70.333LNB2

1 468.092LNB -

0.694B4 0.677B2

- 5.5491B1 1463.9

總磷

………..…….. 式(4-17)

R=0.816 調整過後的 R2=0.578 F=7.625 RMSE=6.18 P=0.000

4.843LNB4 12.94LNB3

13.283LNB2 108.78LNB1

-

0.279B4 -

0.539B3 -

0.224B2 -

1.456B1 285.818

透明度

………...……式(4-18)

R=0.854 調整過後的 R2=0.626 F=7.07 RMSE=0.58 P=0.000

參考文獻

相關文件

本研究探討空氣流量及轉爐石量對於 Chlorella sp.生長之表面物 化特及釋出有機物性質影響,可透過傅立葉轉換紅外線光譜(Fourier transform

本研究於 2017 年 2 月至屏東縣 10 所校園採集使用水源及經淨水處理

達到一定的水質標準,能在一定範圍 內重複使用於非與身體接觸用水、非

本研究是以景觀指數進行對 1993 年、2008 年與擴大土地使用三個時期之評 估,其評估結果做比較討論。而目前研究提供研究方法的應用-GIS 與 FRAGSTATS 之使用方法。從 1993 年至

本研究於 2017 年 4 月以市面上瓶裝水的品牌隨機抽取國內外各五種品 牌作為研究對象,並利用環檢所公告之採樣方法檢測,收集的樣本以兩種

本研究計畫之目的是要以 MPEG-7 之 ART

本研究透過文獻回顧收集地籍圖之相關資料,了解地籍圖之多元 應用,並以 Delphi 與 PDA 為開發工具,結合 ER/Studio 之資料庫關係 架構,在 PC 端採用 Windows

本研究蒐集民國 85 年至民國 94 年之翡翠水庫水質檢測項目,先