第五章 實例分析
5-1 案例背景
本研究以永和山水庫為背景，該水庫位於苗栗縣頭份鎮市區東 南方約 2.5 公里處，如圖 5-1 所示，在三灣鄉與頭份鎮的交界處，水 庫集水區均位於三灣鄉，集水面積 4.8 平方公里，滿水位標高 85 公 尺，滿水位面積 165 公頃，蓄水總容量 2.958 萬立方公尺，剛興建完 成時有效蓄水量 2,842 萬立方公尺；而啟用迄今的淤積使目前有效蓄 水量為 2,725 萬立方公尺，壩型為分區型滾壓式土壩，壩頂標高 89.5 公尺，壩頂長度 340 公尺，寬度 12 公尺，上游邊坡為 1：3，下游邊 坡為 1：2.5，壩身最大高度 62.5 公尺，壩體填方量 149.8 萬立方公尺，
溢洪道的型式為自由溢流側槽溢洪道，設計溢洪量 220 秒立方公尺。
本水庫為離槽式水庫，水源來自南庄溪由田美攔河堰經 10.3 公 里的大南埔圳引入水庫。
水庫集水區由東南向西北呈一寬闊形,縱長約 2.35 公里，最長處 約 3.3 公里，屬竹南丘陵之平緩丘陵地形，集水區 55％為山區（標高 100 公尺以上），平地部份約佔 45％（標高 100 公尺以下）集水區平
圖 5-1 永和山水庫位置圖
細粒局部為中性，含雲母質，層厚在本區以 1 公尺為多，頁岩呈暗灰 色，厚層在 20 公分之間，本區地層呈緩和之褶曲，主構造線呈東北
－西南走向，有一向斜軸通過本集水區中部，東北翼之地層以 10。~15。 之傾角向上游傾斜，其南翼之地層以 22。~27。向下游傾斜，區內土壤 質地屬壤土類，大部分為砂質壤土，少部份為粘質壤土及壤土，土色 自微黃至黃棕,土壤呈酸性反應，有機質缺乏，土層尚稱深厚(黎明水 利工程公司,1991)。
本水庫主要為供應民生及工業用水，設計每日供水量 18.7 萬立 方公尺，年計劃供水量 6,825.5 萬立公尺，目前每日實際供水量己達 24 萬立方公尺；本水庫係屬單目標水庫，由自來水公司第三區管理 處東興給水廠，從事集水區之保護及水庫區各項設施之管理維護。
5-2 研究資料收集及處理
5-2-1 SPOT 衛星資料
本研究使用八幅之衛星影像來自法國 SPOT 1 或 SPOT2 衛星，
衛星影像係購自國立中央大學太空及遙測研究中心，影像校正等級
（Level）為 10 的標準產品規格，該中心將影像產品的校正規格分成 十級，如表 5-1，原始資料己做過幾何和輻射校正，並重新取樣至地
表 5-1 ＳＰＯＴ衛星影像校正等級
標 準 產品規格
校正
等級 校正內容 地面
控制點
數值地形 模型
１ 輻射校正
探測器補償校正 ╳ ╳
２ 輻射校正
附加垂直軌道方向校正表格 ╳ ╳
３ 無輻射校正
垂直軌道方向的系統性校正 ╳ ╳
Bulk
４ 輻射校正
垂直軌道方向的系統性校正 ╳ ╳
５ ╳ ╳
６ ○ ╳
Georeference
７
幾何和輻射校正 重新取樣至影像方向
○ ○
８ ╳ ╳
９ ○ ╳
Geocoded
１０
幾何和輻射校正
重新取樣至地圖正北方向
○ ○
○表示加入該項參考資訊；╳表示未加入該項參考資訊
資料來源：國立中央大學太空及遙測研究中心
15.025 公里，原始影像大小為 1,202 像元 ×1,202 像元，每一像元相 對於地面之大小為 12.5 公尺。
5-2-2 SPOT 衛星影像處理
本研究中將影像處理步驟如下：
(1) 向國立中央大學太空及遙測研究中心購置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 TNT mips 6.1 軟體，即可由唯讀光碟中之資料轉檔為數位化之影像輸出。如圖 5-2。
(2) 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 5-3 及圖 5-4。
(3) 將切割出來之水庫水體部份擷取出來後，使用 TNT mips 6.1 軟體 讀取八幅唯讀光碟影像對應於水庫中以 GPS 及浮桶設定之六採 樣定位點，以便讀取六採樣定位點之 G、R 、IR 之灰階值(Gray Value) (每幅三個波段，共有六採樣定位點，因此每幅共有 18 個 讀取數值)，其結果如表 5-2。
圖 5-2( a ) 全幅衛星影像圖（2001/03/05）
圖 5-2( b ) 全幅衛星影像圖 (1997/9/17)
圖 5-2( c ) 全幅衛星影像圖 (1998/7/21)
圖 5-2( e ) 全幅衛星影像圖 (2000/7/25)
圖 5-2( f ) 全幅衛星影像圖 (2000/8/19)
圖 5-2( g ) 全幅衛星影像圖 (2000/9/7)
圖 5-3 影像切割所得之衛星影像圖（2001/03/05）
圖 5-4 水體部份影像圖（2001/03/05）
圖 5-5 2001 年 3 月 5 日影像紅光段最小灰階值資料圖
表 5-2 全部現地水質資料與相對應位置之 SPOT 影像波段值
採樣 影像 S P O T 波段
位置 日期 綠光 (XS1) 紅光(XS2) 近紅外光(XS3)
1 2000/7/25 71 27 26
2 71 27 23
3 72 28 25
4 75 29 32
5 71 28 26
6 70 28 27
1 2000/8/19 112 63 73
2 105 55 54
3 119 67 73
4 109 59 64
5 114 64 68
6 111 63 68
1 2000/9/7 81 44 42
2 80 43 42
3 101 62 54
4 109 68 71
5 101 62 56
6 88 52 52
1 2000/10/4 82 43 46
2 83 43 44
3 86 46 48
4 82 43 45
5 84 45 45
6 83 42 43
3 1997/9/17 91 38 30
※ 91 38 34
3 1998/7/21 82 44 35
※ 76 42 39
3 1999/10/21 69 29 21
※ 71 32 24
3 2000/5/18 114 56 60
※ 116 55 71
1 2001/3/5 70 32 30
2 71 30 28
3 73 31 30
4 70 30 32
5 70 30 30
6 71 30 31
※表示明德水庫進入明德淨水場之進水口採點位置
否因圖幅內涵蓋海域或雲層及地形陰影所影響，方進行大氣修正，即 將各波段之亮度值減去最小亮度值，其結果如表 5-3。
5-2-3 水質採樣
本研究於水庫水域內設了六個採樣點，其位置如圖 5-6 所示，每 一個採點均以不銹鋼製之浮桶及錨設定如圖 5-7 所示，並使用全球衛 星定位系統（Global Positioning System ,GPS）輔助水質資料地面定 位。水質採樣時間與影像接收時間僅相差 0∼10 天之間如表 5-4 所 示，經查於水質採樣與影像接收時間並未大量進水且未降雨，故水質 應不致有太大變異。另外水樣經專業人員檢驗結果如表 5-5。
研究中水中葉綠素ａ檢測方法為丙酮萃取法，磷檢測方法為維生 素丙比色法，另以沙奇盤量測透明度，以ＨＡＣＨ濁度計分析濁度。
5-3 水質影像分析
5-3-1 影像因子的建構
在研究中，將八幅衛星影像之綠光段、紅光段、近紅外光段分別 讀取，再選取適當的最小值予以扣除，以消除大氣影響，再將大氣修 正過後的三個波段，組合成 89 種影像因子，如表 5-6，做為遙測影像
表5-3 影像資料經大氣修正過後之各波段值
影像 採樣 S P O T 波段 最小值 校正後S P O T 波段
日期 位置 綠光 (XS1)
紅光 (XS2)
近紅外光 (XS3)
綠光 XS1
紅光 XS2
近紅外光 XS3
綠光 (XS1)
紅光 (XS2)
近紅外光 (XS3)
2000/7/25 1 71 27 26 63 25 20 8 2 6
2 71 27 23 63 25 20 8 2 3
3 72 28 25 63 25 20 9 3 5
4 75 29 32 63 25 20 12 4 12
5 71 28 26 63 25 20 8 3 6
6 70 28 27 63 25 20 7 3 7
2000/8/19 1 112 63 73 71 30 38 41 33 35
2 105 55 54 71 30 38 34 25 16
3 119 67 73 71 30 38 48 37 35
4 109 59 64 71 30 38 38 29 26
5 114 64 68 71 30 38 43 34 30
6 111 63 68 71 30 38 40 33 30
2000/9/7 3 101 62 54 59 30 35 42 32 19
4 109 68 71 59 30 35 50 38 36
5 101 62 56 59 30 35 42 32 21
6 88 52 52 59 30 35 29 22 17
2000/10/4 1 82 43 46 79 40 38 3 3 8
3 86 46 48 79 40 38 7 6 10
4 82 43 45 79 40 38 3 3 7
5 84 45 45 79 40 38 5 5 7
6 83 42 43 79 40 38 4 2 5
1997/9/17 3 91 38 30 65 27 27 26 11 3
※ 91 38 34 65 27 27 26 11 7
1998/7/21 3 82 44 35 71 36 30 11 8 5
※ 76 42 39 71 36 30 5 6 9
1999/10/2 3 69 29 21 52 21 18 17 8 3
※ 71 32 24 52 21 18 19 11 6
2001/3/5 1 70 32 30 47 20 27 23 12 3
2 71 30 28 47 20 27 24 10 1
4 70 30 32 47 20 27 23 10 5
5 70 30 30 47 20 27 23 10 3
6 71 30 31 47 20 27 24 10 4
※表示明德水庫進入明德淨水場之進水口採樣點位置
圖 5-6 永和山水庫設置之六處採樣點位置圖
240500 241000 241500 242000 242500
2726500 2727000 2727500 2728000 2728500
進水口 取水口
1 2
3
4 5
6 大壩
圖 5-7 採樣點浮桶及錨設定
表 5-4 現地採樣與影像日期比較
編號 採樣日期 影像日期 相差天數
1 2000.07.31 2000.07.25 6
2 2000.08.21 2000.08.19 2
3 2000.08.28 2000.09.07 10
4 2000.09.28 2000.10.04 6
5 1997.09.15 1997.09.17 2
6 1998.07.20 1998.07.21 1
7 1999.10.27 1999.10.21 6
8 2001.03.05 2001.03.05 0
表 5-5 現地採樣水質資料
採點 編號 採樣日期 Chla (μg/l)
TP (μg/l)
SDD (m)
TB (NTU) 1 2000/07/31 9.5 32.0 2.2 2.70
2 6.0 30.0 2.1 2.58
3 5.9 35.0 2.1 2.18
4 7.1 35.0 2.2 2.45
5 7.3 28.0 2.1 2.60
6 6.4 24.0 2.1 2.82
1 2000/08/21 19.2 21.0 2.2 2.65
2 11.7 23.0 2.3 2.47
3 8.5 18.0 2.3 1.75
4 7.8 14.0 2.2 2.51
5 14.1 18.0 2.2 2.04
6 16.0 15.0 2.1 2.87
3 2000/08/28 10.9 18.0 2.1 3.06
4 10.9 16.0 2.1 2.76
5 10.1 16.0 2.2 2.52
6 7.0 14.0 2.2 2.61
1 2000/09/28 5.1 21.0 2.2 1.64
3 5.6 22.0 2.3 1.39
4 6.4 26.0 2.2 1.36
5 6.1 30.0 2.3 1.54
6 6.5 20.0 2.2 1.46
3 1997/09/15 7.05 26.0 1.6 1.6
※ 6.68 37.0 1.3 1.5
3 1998/07/20 6.1 21.0 2.0 2.3
※ 7.0 23.0 1.8 2.6
3 1999/10/27 8.2 29.0 2.2 1.6
※ 8.6 32.0 1.8 2.1
1 2001/03/05 2.8 18.0 2.78 2.44
2 2.8 16.0 2.80 1.92
4 3.1 32.0 2.89 2.12
5 3.2 34.0 3.01 2.03
6 3.1 22.0 2.68 2.68
※表示明德水庫進入明德淨水場之進水口採樣點位置
表 5-6 影像組合因子
X1=R2 X26=R3/(R2+R4) X51=ln(R3+R4) X76=ln(R3+R4)/ln(R2+R4) X2=R3 X27=R2/(R3+R4) X52=ln(R2×R4) X77=ln(R3+R4)/ln(R2×R3) X3=R4 X28=R4/(R2+R3) X53=ln(R2×R3) X78=ln(R3+R4)/ln(R2×R4) X4=R3/R2 X29=(R2×R3×R4) X54=ln(R3×R4) X79=ln(R3+R4)/ln R2 X5=R4/R2 X30=R2/(R2+R3) X55=ln(R4-R2) X80=ln(R3+R4)/lnR4
X6=R2/R3 X31=lnR2 X56=ln(R2-R3) X81=ln(R3/R4)
X7= R2 (R3+R4) X32=lnR3 X57=ln(R3-R4) X82=ln(R3/R4)/lnR2 X8= R3 (R2+R4) X33=lnR4 X58=lnR3/ln(R3+R4) X83=ln(R4/R3) X9= R4(R2+R3) X34=R2/lnR2 X59=lnR3/ln(R2+R3) X84=ln(R2+R4)/R3 X10=R2/R4 X35=R3/lnR3 X60=lnR3/ln(R4+R2) X85=ln(R4/R2) X11=R3/R4 X36=R4/lnR4 X61=lnR3/ln(R3×R4) X86=ln(R3+R4)/R2 X12=R4/R3 X37=R2/ln(R3+R4) X62=lnR3/ln(R2×R3) X87=lnR4/(R3+R4) X13=(R2+R3)/R4 X38=R3/ln(R2+R4) X63=lnR3/ln(R4×R2) X88=(R2+R4)/lnR3 X14=(R2+R4)/R3 X39=R4/ln(R2+R3) X64=ln(R2+R3)/ln(R3×R4) X89=R4/ln(R2+R3) X15=(R3+R4)/R2 X40=R2/ln(R3×R4) X65=ln(R2+R3)/ln(R2×R3)
X16=(R2×R3)/R4 X41=R3/ln(R2×R4) X66=ln(R2+R3)/ln(R4×R2) X17=(R2×R4)/R3 X42=R4/ln(R2×R3) X67=ln(R2+R3)/ln(R3+R4) X18=(R3×R4)/R2 X43=R2/ln(R2+R3) X68=ln(R2+R3)/ln(R4+R2) X19=R2+R3 X44=R3/ln(R3+R4) X69=ln(R2+R3)/lnR2 X20=R3+R4 X45=R4/ln(R4+R2) X70=ln(R2+R3)/lnR3 X21=R2+R4 X46=R2/ln(R2+R4) X71=ln(R2+R3)/lnR4 X22=R2×R3 X47=R3/ln(R2+R3) X72=ln(R2+R3)/R2 X23=R3×R4 X48=R4/ln(R3+R4) X73=ln(R2+R3)/R3 X24=R2×R4 X49=ln(R2+R4) X74=ln(R2+R3)/R4 X25=(R2+R3+R4) X50=ln(R2+R3) X75=ln(R3+R4)/ln(R2+R3)
R2：綠光段 R3：紅光段 R4：近紅外光段
5-3-2 迴歸分析－89 種影像組合因子與水質參數
研究中使用 STATISTICA 6.0 做為統計迴歸分析之工具，為滿足 最佳迴歸計算，需對影像因子按其對水質參數評估其貢獻量大小，如 果貢獻量大的因子，就逐個引入迴歸方程式中，如果貢獻量小，則將 其剔出方程式，如此反覆計算，逐步迴歸後，可得下列公式：
Chla = 5.399-0.143 ×(R2)+0.206 ×(R3+R4)……….….(5-1) R= 0.779 RMS = 2.29
lnTB = 0.768+0.005 ×(
3 4 2
R R
R × )–0.423 × [
2 ) 4 3 ln(
R R
R + ]…………...(5-2) R=0.518 RMS=0.433
SDD=2.017+0.089 ×(
4 3 R
R )+0.042 ×(
3 4 R
R ) ………(5-3) R=0.413 RMS=0.309
ln TP=4.803-0.084 ×(
3 ln
3 R
R ) –1.998 ×[
) 4 2 ln(
) 4 3 ln(
R R
R R
×
+ ] ………(5-4)
R=0.782 RMS=4.46
上述較佳迴歸公式，依 Chla、TB、SDD、TP，分別將其式中影 像因子、RMS 等表示如附錄Ⅰ。
5-3-3 推估分析
藉由公式(5-1)、(5-2)、(5-3)、(5-4)可利用影像資料推估各採樣點
的水質資料，如表 5-7。葉綠素、濁度、透明度、總磷其實測值與推 估值關係圖如圖 5-8（a）~5-8（d）。
5-4 傳統優養化指標判釋
5-4-1 OECD 單變數指標
OECD 單一變數指標判定優養分類標準，為聯合國經濟合作發展 組織針對世界各地 115 個湖泊進行調查後所訂出的分類標準。本研究 中如以現地採樣之水質依此標準進行分類，則各採樣點營養狀況如表 5-8 所示，惟此分類標準無法明確顯示整個水域營養程度，只能瞭解 各採樣點水質優養狀況。
5-4-2 Carlson 多變數指標
Carlson（1997）提出以磷為限制因子之優養評價方式，將湖泊優養狀 況以總磷（TP），透明度（SDD）及葉綠素-a（Chla）濃度等因子分 別計算之，而此三項因子所得之營養狀況指標大體接近，其值介於 0 與 100 之間，使得評估淡水湖泊優養問題時不再複雜，而簡單明瞭（雷 祖強 ,2000）Carlson 並提出以透明度為基礎的營養程度指標，假設水 中所有懸浮物質幾乎全是浮游植物，定義營養程度以每透明度的倍增
表 5-7 影像推估水質資料
採點
編號 影像日期 Chla (μg/l)
TP (μg/l)
SDD (m)
TB (NTU) 1 2000/07/25 5.90 32.70 2.17 2.18
2 5.29 34.77 2.14 2.10
3 5.76 32.53 2.14 2.11
4 6.98 31.37 2.17 2.34
5 6.11 31.17 2.15 2.08
6 6.98 31.37 2.17 2.04
1 2000/08/19 13.54 17.29 2.15 2.57
2 8.98 19.54 2.18 2.30
3 13.37 16.31 2.15 2.61
4 11.30 18.51 2.15 2.45
5 12.43 17.00 2.15 2.50
6 12.66 17.16 2.15 2.48
3 2000/09/07 9.90 17.32 2.19 2.35
4 13.49 16.09 2.15 2.63
5 10.31 17.42 2.18 2.38
6 9.29 20.59 2.16 2.29
1 2000/10/04 7.24 21.46 2.16 1.60
3 7.69 24.97 2.14 1.93
4 7.03 21.38 2.15 1.62
5 7.16 23.23 2.14 1.81
6 6.27 26.12 2.16 1.85
3 1997/09/17 4.57 24.71 2.35 2.14
※ 5.39 27.33 2.18 2.23
3 1998/07/21 6.50 24.56 2.19 2.02
※ 7.77 22.21 2.14 1.78
3 1999/10/21 5.23 26.08 2.27 2.10
※ 6.18 25.09 2.20 2.13
1 2001/03/05 5.20 22.63 2.38 2.11
2 4.23 18.74 2.91 2.09
4 5.20 27.06 2.22 2.17
5 4.79 25.23 2.33 2.13
6 4.85 26.65 2.26 2.16
註：※表示明德水庫進入明德淨水場之進水口採樣點位置
推估值（μg/l）
圖 5-8( a ) 葉綠素實測值與推估值關係圖
推估值（NTU）
實測值（μg/l） 實測值（NTU）
推估值（M）
圖 5-8( c ) 透明度實測值與推估值關係圖
推估值（μg/l）
圖 5-8( d ) 總磷實測值與推估值關係圖
實測值（μg/l）實測值（M）
表5-8 OECD單一變數指標法判定各採樣點水質優養狀況
水質樣本 水質優養狀況
採樣日期 採樣
位置 葉綠素 (μg/l)
透明度 (m)
總磷 (μg/l)
葉綠素 (μg/l)
透明度 (m)
總磷 (μg/l)
1 9.5 2.2 32 普養 普養 普養
2 6.0 2.1 30 普養 普養 普養
3 5.9 2.1 35 普養 普養 普養
4 7.1 2.2 35 普養 普養 普養
5 7.3 2.1 28 普養 普養 普養
2000/7/31
6 6.4 2.1 24 普養 普養 普養
1 19.2 2.2 21 優養 普養 普養
2 11.7 2.3 23 優養 普養 普養
3 8.5 2.3 18 普養 普養 普養
4 7.8 2.2 14 普養 普養 普養
5 14.1 2.2 18 優養 普養 普養
2000/8/21
6 16.0 2.1 15 優養 普養 普養
3 10.9 2.1 18 優養 普養 普養
4 10.9 2.1 16 優養 普養 普養
5 10.1 2.2 16 優養 普養 普養
2000/8/28
6 7.0 2.2 14 普養 普養 普養
1 5.1 2.2 21 普養 普養 普養
3 5.6 2.3 22 普養 普養 普養
4 6.4 2.2 26 普養 普養 普養
5 6.1 2.3 30 普養 普養 普養
2000/9/28
6 6.5 2.2 20 普養 普養 普養
3 7.05 1.6 26 普養 優養 普養
1997/9/15
※ 6.68 1.3 37 普養 優養 普養
3 6.1 2.0 21 普養 普養 普養
1998/7/20
※ 7.0 1.8 23 普養 普養 普養
3 8.2 2.2 29 普養 普養 普養
1999/10/27
※ 8.6 1.8 32 普養 普養 普養
1 2.8 2.78 18 普養 普養 普養
2 2.8 2.8 16 普養 普養 普養
為 0 時透明度為 64m，當 TSI 為 10 時，透明度為 32ｍ，當 TSI 為 30 時其透明度為 8m，以此類推出水體 SDD 與營養狀態之指標計算式，
如式（5-5）~式（5-7）。
TSI(Chla)=9.81 ×ln(Chla)+30.6………(5-5) TSI(SDD)=60-14.42 ×ln(SDD)……….(5-6) TSI(TP)=14.42 ×ln(TP)+4.15………(5-7)
多變數指標法判定優養狀況，一般常用的是修正後的 Carlson 多 變數營養狀況指標(CTSI)，來進行水庫水質優養程度的判定。這平均 營養指標的觀念係 Kratzer 與 Brezonik(1981)所提出，將 TSI(TP)、
TSI(Chla)、TSI(SDD)三者平均做為營養程度判別依據，如式（5-8）
所示：
CTSI=
3
1 ﹝TSI(Chla)+ TSI(TP)+ TSI(SDD)﹞………(5-8)
當 CTSI<40 時，水質狀況為貧養狀態，40≤CTSI<50 時為普養，
CTSI≥50 時為優養狀態，本研究將現地採樣水質與推估水質，依此法 判定各點優養狀況，其結果如表 5-9 所示。並將 2001 年 3 月 5 日影 像，以 CTSI 判釋結果，其水庫優養狀況如圖 5-9 所示，CTSI 值在 44~55 範圍內，故介於普養與優養之間，水庫水質狀況大體良好。
5-5 驗證迴歸分析
表5-9 現地水質資料與推估水質資料優養化判定
採點
編號 採 樣 日 期 現 地C a r l s o n
指 標
優 養 化
判 定 影 像 日 期 推 估C a r l s o n
指 標
優 養 化 判 定
1 51.8 優養 50.4 優養
2 50.2 優養 50.4 優養
3 50.9 優養 50.4 優養
4 51.3 優養 50.7 優養
5 50.5 優養 50.4 優養
6
2000/7/31
49.4 普養
2000/7/25
50.8 優養
1 52.1 優養 50.1 優養
2 50.7 優養 49.3 普養
3 48.5 普養 49.8 普養
4 47.2 普養 49.9 普養
5 50.3 優養 49.8 普養
6
2000/8/21
50.1 優養
2000/8/19
49.9 普養
3 49.7 普養 49.0 普養
4 49.2 普養 49.8 普養
5 48.7 普養 49.2 普養
6
2000/8/28
46.8 普養
2000/9/7
49.7 普養
1 47.8 普養 49.1 普養
3 48.1 普養 50.1 優養
4 49.5 普養 48.9 普養
5 49.8 普養 49.9 普養
6
2000/9/28
48.3 普養
2000/10/4
49.6 普養
3 51.4 優養 47.9 普養
※ 1997/9/15
53.9 優養 1997/9/17
49.2 普養
3 48.8 普養 49.3 普養
※ 1998/7/20
50.2 優養 1998/7/21
49.5 普養
3 50.8 優養 48.7 普養
※ 1999/10/27
52.5 優養 1999/10/21
49.2 普養
1 43.9 普養 47.8 普養
2 43.3 普養 45.3 普養
普養 普養
CTSI
240500 241000 241500 242000 242500 243000 2726500
2727000 2727500 2728000 2728500
44 45 46 47 48 49 50 51 52 53 54 55
圖 5-9 2001 年 3 月 5 日影像 Carlson 營養狀態指標優養化判定圖
由於上節係採用前人研究之方法，所推估之結果與前人比較結 果，尚有檢討與改善空間，因此本節將上節之迴歸分析中將範例分組 成訓練與測試資料，藉由訓練資料建構模型，再由測試資料驗證其推 估能力。
將蒐集之遙測影像資料整理後，利用迴歸分析法建構推估模型，
為使建構之模型具有普遍性與重現性，故將資料分為訓練範例與測試 範例。運用訓練範例以建構模型之數據；再利用測試範例測試模型之 數據。若模型對訓練範例誤差小則代表模型具重現性；若模型對測試 範例誤差小則代表模型具普遍性。
研究中建構模型時，將葉綠素（Chla）、總磷（TP）、透明度（SDD）、 濁度（TB）分別建構，每組模型輸入自變數有 3 個－波段值（G、R、
IR）及應變數 1 個－實測水質。
分析資料共為 32 筆遙測資料。分析時為求客觀，於範例組合決 定時，每一次隨機選取 12 筆遙測資料作為測試資料，取剩餘 20 筆遙 測資料作為訓練測試資料，如此的組合視為一個範例組合（組合 A）；
重複再做 9 次共可得 10 種範例組合（組合 A、B、C、D、 … … 、J），
範例組合表如 5-10 所示（詳附錄Ⅱ），最後再將 10 種範例組合之訓
表 5-10 範例組合表
組合 A B C D E F G H I J
1 1 1 2 2 1 1 1 1 1
2 2 2 6 5 4 2 2 5 2
5 3 5 7 6 7 5 4 6 7
6 6 6 8 7 9 6 5 7 8
7 7 7 9 8 10 8 6 8 9
8 8 9 10 10 11 10 8 14 10
11 10 10 11 11 12 12 10 15 11 13 12 11 13 12 13 13 12 17 13 15 13 12 15 13 14 14 14 18 15 16 14 14 16 16 16 15 16 19 17 17 15 15 17 17 19 18 18 22 19 18 21 19 18 18 20 19 20 23 20 21 23 21 19 19 21 20 21 24 22 23 24 22 23 20 22 21 22 25 23 25 25 23 24 21 25 25 26 26 26 26 27 24 28 25 26 26 27 27 27 27 28 25 29 26 27 27 28 28 28 30 29 28 30 28 28 29 29 29 29 31 30 31 31 29 29 30 31 30 31 訓
練 範 例
32 32 32 32 32 30 32 32 32 32
9 11 13 14 4 6 7 9 10 12
14 26 30 27 14 18 16 11 16 6
20 19 16 12 27 17 9 13 20 25
29 4 29 3 9 3 24 3 4 5
3 20 26 5 31 8 22 30 13 18
4 18 27 21 30 15 17 24 31 16
28 22 17 20 23 31 3 17 2 4
22 31 3 25 24 24 23 15 12 21
19 16 8 22 22 2 11 19 3 24
10 5 4 1 15 5 28 7 9 14
24 17 18 26 3 23 4 23 21 3
測 試 範 例
12 9 20 4 1 32 31 25 11 30
分別將上述 10 個範例組合的訓練範例針對 4 個實測水質進行迴 歸分析，可得 40 組迴歸方程式，迴歸方程式詳附錄Ⅲ。葉綠素（Chla）、 總磷（TP）、透明度（SDD）、濁度（TB）各隨機 10 次其訓練範例 與測試範例結果如表 5-11( a )、表 5-11( b )、表 5-11( c )、表 5-11( d ) 所示。
5-6 類神經網路模式
本研究中由於所獲得之水質參數與影像因子相關係數稍微偏 低，因此研究中嘗試以類神經網路模式建構模型。
研究中建構模型時，將葉綠素（Chla）、總磷（TP）、透明度（SDD）、 濁度（TB）分別建構，每組模型輸入自變數有 3 個－波段值（G、R、
IR）及應變數 1 個－實測水質。
為使比較時立足點平等，類神經網路範例組合之選取同迴歸分析 法，即每一次隨機選取 12 筆遙測資料作為測試資料，取剩餘 20 筆遙 測資料作為訓練測試資料，如此的組合視為一個範例組合（組合 A）；
重複再做 9 次共可得 10 種範例組合（組合 A、B、C、D、 … … 、J），
最後再將 10 種範例組合之訓練範例與測試範例以誤差均方根
（RMSE）與相關係數（R）評比，並將結果平均以進行檢討工作。
表 5-11( a ) 迴歸分析 Chla 隨機 10 次訓練範例與測試範例結果
Chla TRAIN TEST
範例 RMSE R RMSE R A 1.91 0.86 3.75 0.76 B 2.16 0.86 2.91 0.59 C 2.39 0.81 2.49 0.39 D 0.43 0.46 0.59 -0.11
E 2.02 0.88 3.30 0.64 F 2.65 0.76 1.63 0.75 G 1.97 0.78 2.99 0.74 H 2.16 0.73 2.63 0.82 I 2.25 0.80 2.59 0.76 J 2.57 0.76 1.81 0.85 AVE 2.05 0.77 2.47 0.62
表 5-11( b ) 迴歸分析 TP 隨機 10 次訓練範例與測試範例結果
TP TRAIN TEST
範例 RMSE R RMSE R A 3.72 0.81 6.98 0.48 B 5.07 0.69 3.85 0.81 C 3.65 0.82 6.18 0.62 D 4.65 0.69 5.17 0.74 E 3.82 0.64 8.60 0.81 F 4.46 0.76 5.38 0.58 G 4.28 0.71 6.59 0.61 H 4.97 0.69 4.79 0.80 I 4.59 0.61 4.94 0.84 J 4.95 0.67 4.61 0.84 AVE 4.42 0.71 5.71 0.71
表 5-11( c ) 迴歸分析 SDD 隨機 10 次訓練範例與測試範例結果
SDD TRAIN TEST
範例 RMSE R RMSE R A 0.34 0.27 0.31 0.21 B 0.33 0.41 0.35 -0.01 C 0.35 0.25 0.32 0.06 D 0.43 0.46 0.59 -0.11
E 0.16 0.75 0.55 -0.05 F 0.29 0.33 0.39 0.09 G 0.20 0.67 0.52 -0.17 H 0.30 0.39 0.39 -0.06 I 0.38 0.23 0.25 0.29 J 0.34 0.27 0.31 0.21 AVE 0.31 0.40 0.40 0.05
表 5-11( d ) 迴歸分析 TB 隨機 10 次訓練範例與測試範例結果
TB TRAIN TEST
範例 RMSE R RMSE R A 0.47 0.31 0.45 0.46 B 0.35 0.53 0.71 -0.05 C 0.47 0.24 0.51 0.10 D 0.43 0.46 0.59 -0.11
E 0.46 0.55 0.57 -0.17 F 0.45 0.48 0.50 0.13 G 0.44 0.56 0.61 0.00
類神經網路中參數之設定如表 5-12 所示。使用標準倒傳遞類神 經網路模式，即一層輸入層、一層隱藏層及一層輸出層的網路結構，
而軟體是由葉怡成教授自行開發並授權使用。
葉綠素（Chla）、總磷（TP）、透明度（SDD）、濁度（TB）
各隨機 10 次訓練範例與測試範例結果如表 5-13( a )、表 5-13( b )、表 5-13( c )、表 5-13( d )所示。
5-7 案例分析與討論
本研究先組合 89 種影像因子，再利用迴歸方式，建構影像因子 與地面水質參數（葉綠素、總磷、透明度）之模型關係，尋得較佳之 迴歸公式以推估水庫各點的水質狀況。利用 STATISTIC 6.0 軟體可 建構整個水庫葉綠素、總磷、透明度之空間分佈圖以及優養化狀況 圖，效果相當良好，鮮明的色彩，可讓水庫管理人員明確的瞭解水庫 現況。
在所尋求較佳迴歸公式中，水質參數與影像因子之相關係數 r 均 有偏低情形，葉綠素、總磷、透明度、濁度與影像因子之相關係數，
分別為 0.779、0.782、0.413、0.518，故仍有研究與改進的空間。
表 5-12 類神經網路中參數之設定
輸入層 隱藏層 輸出層 隱藏層處
理單元數 學習循環學習速率
初始值 慣性因子學習速率
下限值
1 1 1 6 100 1 0.95 0.1
表 5-13( a ) 類神經網路 Chla 隨機 10 次訓練範例與測試範例結果
Chla TRAIN TEST
範例 RMSE R RMSE R
A 2.67 0.77 2.67 0.72 B 2.85 0.76 2.04 0.68
C 2.89 0.73 2.01 0.7
D 2.71 0.78 2.9 0.81
E 2.63 0.81 2.62 0.59
F 3.02 0.7 1.77 0.74
G 2.46 0.68 3.51 0.77 H 2.66 0.63 3.55 0.79
I 2.8 0.73 2.49 0.74
J 2.93 0.7 2.04 0.78
AVE 2.76 0.73 2.56 0.73
表 5-13( b ) 類神經網路 TP隨機 10 次訓練範例與測試範例結果
TP TRAIN TEST
範例 RMSE R RMSE R
A 5.32 0.58 6.23 0.62
B 5.9 0.58 5.17 0.64
C 4.99 0.66 6.66 0.53 D 5.67 0.51 6.12 0.72 E 3.98 0.63 9.13 0.79 F 5.28 0.66 6.28 0.37
G 4.44 0.7 7.42 0.52
H 5.42 0.64 6.19 0.59
I 5.43 0.43 6.85 0.78 J 5.02 0.68 4.85 0.84
AVE 5.15 0.61 6.49 0.64
表 5-13( c ) 類神經網路 SDD隨機 10 次訓練範例與測試範例結果
SDD TRAIN TEST
範例 RMSE R RMSE R
A 0.37 0.2 0.32 0.18
B 0.37 0.2 0.31 -0.04
C 0.37 0.1 0.31 0.41
D 0.37 0.23 0.36 -0.1 E 0.23 0.39 0.49 -0.03
F 0.31 0.13 0.41 0.07 G 0.27 0.34 0.46 -0.04 H 0.33 0.25 0.4 -0.14
I 0.39 0.13 0.25 0.29 J 0.39 0.08 0.27 0.1
AVE 0.34 0.21 0.36 0.07
表 5-13( d ) 類神經網路 TB 隨機 10 次訓練範例與測試範例結果
TB TRAIN TEST
範例 RMSE R RMSE R
A 0.51 0.31 0.5 0.5
B 0.4 0.46 0.68 0.21
C 0.5 0.19 0.53 0.82
D 0.49 0.35 0.52 0.38
E 0.5 0.51 0.43 0.04
F 0.46 0.5 0.51 0.12
G 0.5 0.51 0.45 0.14
H 0.48 0.45 0.51 0.34
I 0.49 0.39 0.5 0.33
J 0.48 0.38 0.53 0.5
AVE 0.48 0.41 0.52 0.34
現由永和山水庫 2001 年 3 月 5 日葉綠素 a 之空間分佈圖，如圖 5-10 所示，其葉綠素濃度大部分都在 3~10μg/l 之間，水質狀況相當 穩定與良好，葉綠素濃度最高約 23μg/l，濃度較高處，大部份都在 水庫岸邊之極小的範圍內，這與岸邊水淺、藻類易繁殖，水質易受污 染似有密切的關係。
將 2001 年 3 月 5 日衛星影像所推估之水質，以 CTSI 判釋結果
（參閱圖 5-9）。水庫優養較嚴重區域仍在水庫週邊，整個水庫 CTSI 約在 44~55 之間，大部份範圍均屬普養，水質狀況相當良好，其原因 應與水源來自較山區未受家庭與工廠大量廢水污染且永和山水庫為 離槽水庫，較能慎選水源，且在「水源、水質、水量保護區」範圍內，
少有濫墾濫伐等事故。
由於 5-3-2 小節之迴歸分析方法，無訓練與測試過程，因此無 法與類神經網路之結果做一比較。茲將實測水質、已分訓練及測試範 例之迴歸分析推估值、神經網路推估值繪製比較圖，並依葉綠素
（Chla）、總磷（TP）、透明度（SDD）、濁度（TB）等四部份分 別輸出，如圖5-11( a ) ~圖 5-11( j )、圖 5-12( a ) ~圖 5-12( j )、圖 5-13( a )
~圖 5-13( j )、圖 5-14( a ) ~圖 5-14( j )所示。
實測水質與神經網路推估值、迴歸分析推估值之誤差均方根與 相關係數比較表如表 5-14( a ) ~表 5-14( d )所示。
2 4 0 5 0 0 2 4 1 0 0 0 2 4 1 5 0 0 2 4 2 0 0 0 2 4 2 5 0 0 2 4 3 0 0 0 2 7 2 6 5 0 0
2 7 2 7 0 0 0 2 7 2 7 5 0 0 2 7 2 8 0 0 0 2 7 2 8 5 0 0
3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23
圖 5-10 2001 年 3 月 5 日葉綠素 a 之空間分佈圖
0 5 10 15 20
1 2 3 4 5 6 7 8 9 10 11 12
實測Chla 迴歸分析 推估值 神經網路 推估值
圖5-11( a )（隨機 1）實測葉綠素、迴歸分析、神經網路推估值比較圖
橫軸單位：筆數；縱軸單位：濃度(μg/l)
0 5 10 15 20
1 2 3 4 5 6 7 8 9 10 11 12
實測Chla 迴歸分析 推估值 神經網路 推估值
圖 5-11( b )（隨機 2）實測葉綠素、迴歸分析、神經網路推估值比較圖
橫軸單位：筆數；縱軸單位：濃度(μg/l)
0 5 10 15 20
1 2 3 4 5 6 7 8 9 10 11 12
實測Chla 迴歸分析 推估值 神經網路 推估值
圖 5-11( c )（隨機 3）實測葉綠素、迴歸分析、神經網路推估值比較圖
橫軸單位：筆數；縱軸單位：濃度(μg/l)
0 5 10 15 20
1 2 3 4 5 6 7 8 9 10 11 12
實測Chla 迴歸分析 推估值 神經網路 推估值
圖 5-11( d )（隨機 4）實測葉綠素、迴歸分析、神經網路推估值比較圖
橫軸單位：筆數；縱軸單位：濃度(μg/l)
0 5 10 15 20
1 2 3 4 5 6 7 8 9 10 11 12
實測Chla 迴歸分析 推估值 神經網路 推估值
圖 5-11( e )（隨機 5）實測葉綠素、迴歸分析、神經網路推估值比較圖
橫軸單位：筆數；縱軸單位：濃度(μg/l)
0 5 10 15 20
1 2 3 4 5 6 7 8 9 10 11 12
實測Chla 迴歸分析 推估值 神經網路 推估值
圖 5-11( f )（隨機 6）實測葉綠素、迴歸分析、神經網路推估值比較圖
橫軸單位：筆數；縱軸單位：濃度(μg/l)
0 5 10 15 20
1 2 3 4 5 6 7 8 9 10 11 12
實測Chla 迴歸分析 推估值 神經網路 推估值
圖 5-11( g )（隨機 7）實測葉綠素、迴歸分析、神經網路推估值比較圖
橫軸單位：筆數；縱軸單位：濃度(μg/l)
0 5 10 15 20
1 2 3 4 5 6 7 8 9 10 11 12
實測Chla 迴歸分析 推估值 神經網路 推估值
圖 5-11( h )（隨機 8）實測葉綠素、迴歸分析、神經網路推估值比較圖
橫軸單位：筆數；縱軸單位：濃度(μg/l)
0 5 10 15 20
1 2 3 4 5 6 7 8 9 10 11 12
實測Chla 迴歸分析 推估值 神經網路 推估值
圖 5-11( i )（隨機 9）實測葉綠素、迴歸分析、神經網路推估值比較圖
橫軸單位：筆數；縱軸單位：濃度(μg/l)
0 5 10 15 20
1 2 3 4 5 6 7 8 9 10 11 12
實測Chla 迴歸分析 推估值 神經網路 推估值
圖 5-11( j )（隨機 10）實測葉綠素、迴歸分析、神經網路推估值比較圖
橫軸單位：筆數；縱軸單位：濃度(μg/l)
0 10 20 30 40
1 2 3 4 5 6 7 8 9 10 11 12
實測TP 迴歸分析 推估值 神經網路 推估值
圖 5-12( a )（隨機 1）實測總磷、迴歸分析、神經網路推估值比較圖
橫軸單位：筆數；縱軸單位：濃度(μg/l)
0 10 20 30 40
1 2 3 4 5 6 7 8 9 10 11 12
實測TP 迴歸分析 推估值 神經網路 推估值
圖 5-12( b )（隨機 2）實測總磷、迴歸分析、神經網路推估值比較圖
橫軸單位：筆數；縱軸單位：濃度(μg/l)
0 10 20 30 40
1 2 3 4 5 6 7 8 9 10 11 12
實測TP 迴歸分析 推估值 神經網路 推估值
圖 5-12( c )（隨機 3）實測總磷、迴歸分析、神經網路推估值比較圖
橫軸單位：筆數；縱軸單位：濃度(μg/l)
0 10 20 30 40
1 2 3 4 5 6 7 8 9 10 11 12
實測TP 迴歸分析 推估值 神經網路 推估值
圖 5-12( d )（隨機 4）實測總磷、迴歸分析、神經網路推估值比較圖
橫軸單位：筆數；縱軸單位：濃度(μg/l)
0 10 20 30 40
1 2 3 4 5 6 7 8 9 10 11 12
實測TP 迴歸分析 推估值 神經網路 推估值
圖 5-12( e )（隨機 5）實測總磷、迴歸分析、神經網路推估值比較圖
橫軸單位：筆數；縱軸單位：濃度(μg/l)
0 10 20 30 40
1 2 3 4 5 6 7 8 9 10 11 12
實測TP 迴歸分析 推估值 神經網路 推估值
圖 5-12( f )（隨機 6）實測總磷、迴歸分析、神經網路推估值比較圖
橫軸單位：筆數；縱軸單位：濃度(μg/l)
0 10 20 30 40
1 2 3 4 5 6 7 8 9 10 11 12
實測TP 迴歸分析 推估值 神經網路 推估值
圖 5-12( g )（隨機 7）實測總磷、迴歸分析、神經網路推估值比較圖
橫軸單位：筆數；縱軸單位：濃度(μg/l)
0 10 20 30 40
1 2 3 4 5 6 7 8 9 10 11 12
實測TP 迴歸分析 推估值 神經網路 推估值
圖 5-12( h )（隨機 8）實測總磷、迴歸分析、神經網路推估值比較圖
橫軸單位：筆數；縱軸單位：濃度(μg/l)
0 10 20 30 40
1 2 3 4 5 6 7 8 9 10 11 12
實測TP 迴歸分析 推估值 神經網路 推估值
圖 5-12( i )（隨機 9）實測總磷、迴歸分析、神經網路推估值比較圖
橫軸單位：筆數；縱軸單位：濃度(μg/l)
0 10 20 30 40
1 2 3 4 5 6 7 8 9 10 11 12
實測TP 迴歸分析 推估值 神經網路 推估值
圖 5-12( j )（隨機 10）實測總磷、迴歸分析、神經網路推估值比較圖
橫軸單位：筆數；縱軸單位：濃度(μg/l)
0.0 0.5 1.0 1.5 2.0 2.5 3.0 3.5
1 2 3 4 5 6 7 8 9 10 11 12
實測SDD 迴歸分析 推估值 神經網路 推估值
圖 5-13( a )（隨機 1）實測透明度、迴歸分析、神經網路推估值比較圖
橫軸單位：筆數；縱軸單位：公尺(m)
0.0 0.5 1.0 1.5 2.0 2.5 3.0 3.5
1 2 3 4 5 6 7 8 9 10 11 12
實測SDD 迴歸分析 推估值 神經網路 推估值
圖 5-13( b )（隨機 2）實測透明度、迴歸分析、神經網路推估值比較圖
橫軸單位：筆數；縱軸單位：公尺(m)
0.0 0.5 1.0 1.5 2.0 2.5 3.0 3.5
1 2 3 4 5 6 7 8 9 10 11 12
實測SDD 迴歸分析 推估值 神經網路 推估值
圖 5-13( c )（隨機 3）實測透明度、迴歸分析、神經網路推估值比較圖
橫軸單位：筆數；縱軸單位：公尺(m)
0.0 0.5 1.0 1.5 2.0 2.5 3.0 3.5
1 2 3 4 5 6 7 8 9 10 11 12
實測SDD 迴歸分析 推估值 神經網路 推估值
圖 5-13( d )（隨機 4）實測透明度、迴歸分析、神經網路推估值比較圖
橫軸單位：筆數；縱軸單位：公尺(m)
0.0 0.5 1.0 1.5 2.0 2.5 3.0 3.5
1 2 3 4 5 6 7 8 9 10 11 12
實測SDD 迴歸分析 推估值 神經網路 推估值
圖 5-13( e )（隨機 5）實測透明度、迴歸分析、神經網路推估值比較圖
橫軸單位：筆數；縱軸單位：公尺(m)
0.0 0.5 1.0 1.5 2.0 2.5 3.0 3.5
1 2 3 4 5 6 7 8 9 10 11 12
實測SDD 迴歸分析 推估值 神經網路 推估值
圖 5-13( f )（隨機 6）實測透明度、迴歸分析、神經網路推估值比較圖
橫軸單位：筆數；縱軸單位：公尺(m)
0.0 0.5 1.0 1.5 2.0 2.5 3.0 3.5
1 2 3 4 5 6 7 8 9 10 11 12
實測SDD 迴歸分析 推估值 神經網路 推估值
圖 5-13( g )（隨機 7）實測透明度、迴歸分析、神經網路推估值比較圖
橫軸單位：筆數；縱軸單位：公尺(m)
0.0 0.5 1.0 1.5 2.0 2.5 3.0 3.5
1 2 3 4 5 6 7 8 9 10 11 12
實測SDD 迴歸分析 推估值 神經網路 推估值
圖 5-13( h )（隨機 8）實測透明度、迴歸分析、神經網路推估值比較圖
0.0 0.5 1.0 1.5 2.0 2.5 3.0 3.5
1 2 3 4 5 6 7 8 9 10 11 12
實測SDD 迴歸分析 推估值 神經網路 推估值
圖 5-13( i )（隨機 9）實測透明度、迴歸分析、神經網路推估值比較圖
橫軸單位：筆數；縱軸單位：公尺(m)
0.0 0.5 1.0 1.5 2.0 2.5 3.0 3.5
1 2 3 4 5 6 7 8 9 10 11 12
實測SDD 迴歸分析 推估值 神經網路 推估值
圖 5-13( j )（隨機 10）實測透明度、迴歸分析、神經網路推估值比較圖
橫軸單位：筆數；縱軸單位：公尺(m)
0.0 0.5 1.0 1.5 2.0 2.5 3.0 3.5
1 2 3 4 5 6 7 8 9 10 11 12
實測TB 迴歸分析 推估值 神經網路 推估值
圖 5-14( a )（隨機 1）實測濁度、迴歸分析、神經網路推估值比較圖
橫軸單位：筆數；縱軸單位：濁度( NTU )
0.0 0.5 1.0 1.5 2.0 2.5 3.0 3.5
1 2 3 4 5 6 7 8 9 10 11 12
實測TB 迴歸分析 推估值 神經網路 推估值
圖 5-14( b )（隨機 2）實測濁度、迴歸分析、神經網路推估值比較圖
0.0 0.5 1.0 1.5 2.0 2.5 3.0 3.5
1 2 3 4 5 6 7 8 9 10 11 12
實測TB 迴歸分析 推估值 神經網路 推估值
圖 5-14( c )（隨機 3）實測濁度、迴歸分析、神經網路推估值比較圖
橫軸單位：筆數；縱軸單位：濁度( NTU )
0.0 0.5 1.0 1.5 2.0 2.5 3.0 3.5
1 2 3 4 5 6 7 8 9 10 11 12
實測TB 迴歸分析 推估值 神經網路 推估值
圖 5-14( d )（隨機 4）實測濁度、迴歸分析、神經網路推估值比較圖
橫軸單位：筆數；縱軸單位：濁度( NTU )
0.0 0.5 1.0 1.5 2.0 2.5 3.0 3.5
1 2 3 4 5 6 7 8 9 10 11 12
實測TB 迴歸分析 推估值 神經網路 推估值
圖 5-14( e )（隨機 5）實測濁度、迴歸分析、神經網路推估值比較圖
橫軸單位：筆數；縱軸單位：濁度( NTU )
0.0 0.5 1.0 1.5 2.0 2.5 3.0 3.5
1 2 3 4 5 6 7 8 9 10 11 12
實測TB 迴歸分析 推估值 神經網路 推估值
圖 5-14( f )（隨機 6）實測濁度、迴歸分析、神經網路推估值比較圖
0.0 0.5 1.0 1.5 2.0 2.5 3.0 3.5
1 2 3 4 5 6 7 8 9 10 11 12
實測TB 迴歸分析 推估值 神經網路 推估值
圖 5-14( g )（隨機 7）實測濁度、迴歸分析、神經網路推估值比較圖
橫軸單位：筆數；縱軸單位：濁度( NTU )
0.0 0.5 1.0 1.5 2.0 2.5 3.0 3.5
1 2 3 4 5 6 7 8 9 10 11 12
實測TB 迴歸分析 推估值 神經網路 推估值
圖 5-14( h )（隨機 8）實測濁度、迴歸分析、神經網路推估值比較圖
橫軸單位：筆數；縱軸單位：濁度( NTU )
0.0 0.5 1.0 1.5 2.0 2.5 3.0 3.5
1 2 3 4 5 6 7 8 9 10 11 12
實測TB 迴歸分析 推估值 神經網路 推估值
圖 5-14( i )（隨機 9）實測濁度、迴歸分析、神經網路推估值比較圖
橫軸單位：筆數；縱軸單位：濁度( NTU )
0.0 0.5 1.0 1.5 2.0 2.5 3.0 3.5
1 2 3 4 5 6 7 8 9 10 11 12
實測TB 迴歸分析 推估值 神經網路 推估值
表 5-14( a ) Chla 神經網路推估值、迴歸分析推估值 ”RMSE” & “R”
Chla
TRAIN（10 次平均） TEST （10 次平均）
RMSE R RMSE R
神經網路 2.76 0.73 2.56 0.73 迴歸分析 2.23 0.81 2.68 0.71
表 5-14( b ) TP 神經網路推估值、迴歸分析推估值 ”RMSE” & “R”
TP TRAIN（10 次平均） TEST （10 次平均）
RMSE R RMSE R
神經網路 5.15 0.61 6.49 0.64 迴歸分析 4.42 0.71 5.71 0.71
表 5-14( c ) SDD 神經網路推估值、迴歸分析推估值 ”RMSE” & “R”
SDD TRAIN（10 次平均） TEST （10 次平均）
RMSE R RMSE R
神經網路 0.34 0.21 0.36 0.07 迴歸分析 0.31 0.40 0.40 0.05
表 5-14( d )TB 神經網路推估值、迴歸分析推估值 ”RMSE” & “R”
TRAIN（10 次平均） TEST （10 次平均）
RMSE R RMSE R
神經網路 0.48 0.41 0.52 0.34 迴歸分析 0.44 0.45 0.56 0.10
