誌 謝 研究所

誌 謝

研究所兩年的期間，承蒙恩師 朱達仁教授在學習與課業上的悉 心教導。使本文得以順利完成。朱老師於日常生活中常教導我做人做 事的正確觀念並且對我的起居生活非常關心照顧，不僅學習到專業知 識，亦對處事態度有所進步，使我獲益良多，在此獻上我最由衷的敬 意與感謝。

在論文撰寫過程中，感謝 汪淑慧教授於模糊理論給予悉心的指 教，並提供寶貴意見，讓論文內容臻於完備，在此呈上我最真摯的感 謝。

口試時，感謝台灣大學 葉顯椏教授、中華大學 陳有祺教授及育 達商業技術學院 汪淑慧教授耐心審稿，並提供論文改進建議，使本 論文得以順利完成。

於研究期間，感謝施君翰、宜衡、安盛、旻佑，幫忙採樣與實驗 之進行，使本文得以順利進行，深表感謝。於在學期間因為有大宗 儒、小芬姊、伯晉、龍勝、筱雯、昌明等同學們的陪伴與相互扶持，

讓我這兩年過的更有意義與精彩。在此願將所有的榮耀與喜悅與你們 分享。

中文摘要

關鍵字：生態工法、溪流整治、模糊理論。

國內許多溪流整治工程，為考量環境破壞對生態所造成的衝擊，

近年來積極推動生態工法(Ecotechnology)，藉由工程手段使該衝擊降 至最低，但其工程是否達到保護環境生態之功效，需要加以評估或長 期監測才能得知。本研究利用模糊理論(Fuzzy Theory)建構複合式溪流 評估模式，利用國內外常用之評估指標進行整合，探討溪流整治工程 對環境生態之影響及其整治後之生態效益。本研究以台北縣雙溪鄉后 番仔坑溪之調查資料為基礎，選取所需的水質因子、棲地因子及生物 因子，建立各因子與評估等級之模糊關係及權重，同時以模糊綜合評 估，評鑑溪流生態品質之等級。評估結果顯示：(1)以本模式進行綜合 評價，其溪流整治後評估得到72.3 的評價分數，其環境等級為 C+級。

(2)由評估結果得知，后番仔坑溪整治過後其整體生態環境，雖尚無達 到施工前環境情況，但其恢復情形大致良好，表示工程施作時雖干擾 到環境生態，產生明顯降級的現象，但工程施作完後環境生態恢復狀 態的呈現良好。

本研究企圖建構一個溪流整治的評估模式，提供一個有效、完備 的評估方式，以了解工程整治之成果及生態效益之評估，並可根據各 單位的能力，或因需求不同而放入不同評估方法進行整合性的評估做 為整體溪流生態環境評估使用。

ABSTRACT

Keywords: Ecotechnology, Stream Repair, Fuzzy Theory

Domestic and many engineering of stream repair, for consider the environment breakage to the ecosystem to cause of impact at, push the Ecotechnology actively in recent years, make and should impact at to decline to go to by the engineering means lowest, but whether its engineering reach the effect of the environmental protection ecosystem or not, needing to take into the valuation or long-term monitor can know. This research makes use of the Fuzzy Theory to establishment the stream integrity assessment model for evalvating, making use of the domestic and international and in common use valuation index sign to carry on the integration, inquiring into the whole influence that cure the engineering to the environmental ecology of the rivulet and it is whole cure behind its ecosystem benefit.

This research with the inquisition data of the Hofanchuken stream Shuangsi Township in Taipei County for foundation, select by water quality factor needed and habitat factor and biological factor, build up each factor and evaluate the misty grade the relation and power heavy, synthesize the valuation with the faintness meanwhile, review the grade of the rivulet ecosystem quality. Analyzing result manifestation: (1) Carry on the comprehensive evaluation with this mode, its stream is whole cure behind evaluate to get 72.3 of evaluation score, its environment grade is a C+.; (2) Know, by analyzing result behind the Hofanchuken stream is whole to cure later on its whole ecosystem environment, although did not reach to construct still ex-environment condition, it recovers the situation mostly good, indicate the engineering makes although the interference goes to the

environmental ecology, producing the phenomenon of the obvious degradation, engineering behind the environmental ecology instauration appearance presents good.

This research attempts to establishment the whole valuation mode that cures of a stream, providing a valid and complete valuation method, with understand the engineering whole repair of result and the ecosystem benefit of valuation, and can according to the ability of each unit, or put into the dissimilarity to evaluate because of the need dissimilarity method carries on the integrated valuation to be used as the whole stream ecosystem environment valuation usage.

目 錄

誌 謝 ...I 中文摘要 ...II ABSTRACT ... III

第一章 緒論 ... 1

1.1 研究動機... 1

1.2 研究目的... 2

1.3 研究範圍與限制... 3

1.4 研究流程 ... 3

第二章 文獻回顧... 4

2.1 環境型評估指標... 4

2.2 生物型評估指標... 6

2.3 綜合型評估指標... 9

2.4 生態環境品質評估運用於生態工程... 10

2.5 小結 ... 11

第三章 研究方法... 12

3.1 研究架構... 12

3.2 環境因子評估方法... 13

3.2.1 定性棲地評估指標 ... 13

3.2.2 水質調查及河川污染指標... 14

3.3 生物因子評估方法... 15

3.3.1 魚類調查方法 ... 15

3.3.2 生物因子分析方法 ... 15

3.4 模糊理論之綜合評價方法... 19

3.4.1 模糊化複合式溪流評估模式之建構... 21

3.4.1.1 評估因子之選定 ... 21

3.4.1.2 河川評估等級之集合的建立 ... 21

3.4.1.3 隸屬函數的建立 ... 22

3.4.1.4 權重之建立 ... 30

3.4.1.5 模糊關係建立 ... 31

3.4.1.6 模糊合成 ... 32

3.4.1.7 解模糊 ... 33

第四章 實證分析... 34

4.1 台北縣雙溪鄉后番仔坑溪背景資料說明... 34

4.1.1 基礎調查資料 ... 35

4.1.2 工程型態與設施內容... 41

4.2 模式分析流程及結果... 44

4.2.1 選定生物、環境指標評估因子之計算... 45

4.2.2 模糊評估 ... 51

4.2.3 解模糊化 ... 51

4.3 模式模擬... 53

4.4 小結 ... 58

第五章 結論與建議... 60

5.1 結論 ... 60

5.2 建議 ... 61

參考文獻 ... 62

表目錄

表2-1 環境型評估指標相關文獻整理 ... 6

表2-2 生物型評估指標相關文獻整理 ... 9

表2-3 綜合型評估指標相關文獻整理 ... 10

表3-1 QHEI屬性類別及評分表... 13

表3-2 棲地評價指標積點等級表 ... 13

表3-3 河川污染等級表 ... 14

表3-4 后番仔坑溪魚類生物IBI法屬性表... 18

表3-5 生物整合指標法IBI中各項指標之評分標準... 19

表3-6 生物整合指標法IBI分數值範圍與所相對之水質等級 ... 19

表3-7 模糊關係表 ... 31

表4-1 RPI之月別評估值... 46

表4-2 QHEI之月別評估值... 46

表4-3 IBI之月別評估值... 47

表4-4 施工前模糊關係矩陣 ... 48

表4-5 施工中模糊關係矩陣 ... 48

表4-6 竣工後模糊關係矩陣 ... 49

表4-7 工程各階段綜合評估結果 ... 51

表4-8 評估等級分數轉換表 ... 52

表4-9 各因子權重設定變量表 ... 54

表4-10 施工前各組模糊評估之模擬... 55

表4-11 施工中各組模糊評估之模擬... 56

表4-12 竣工後各組模糊評估之模擬... 57

表4-13 各階段工程模擬評估之統計描述... 57

表4-14 各階段模擬分數之排序... 58

圖目錄

圖1-1 研究流程圖 ... 3

圖3-1 研究架構圖 ... 12

圖3-2 RPI隸屬函數圖形(A等級) ... 23

圖3-3 RPI隸屬函數圖形(B等級) ... 23

圖3-4 RPI隸屬函數圖形(C等級) ... 24

圖3-5 RPI隸屬函數圖形(D等級) ... 24

圖3-6 RPI隸屬函數分佈圖形... 25

圖3-7 QHEI隸屬函數圖形(A等級)... 26

圖3-8 QHEI隸屬函數圖形(B等級) ... 26

圖3-9 QHEI隸屬函數圖形(C等級) ... 27

圖3-10 QHEI隸屬函數圖形(D等級) ... 27

圖3-11 QHEI隸屬函數分佈圖形 ... 28

圖3-12 IBI隸屬函數圖形(A等級)... 28

圖3-13 IBI隸屬函數圖形(B等級)... 29

圖3-14 IBI隸屬函數圖形(C等級)... 29

圖3-15 IBI隸屬函數圖形(D等級)... 30

圖3-16 IBI隸屬函數分佈圖形 ... 30

圖4-1 后番子坑溪集水區 ... 34

圖4-2 各測站魚類總數月別狀況 ... 35

圖4-3 優勢度指數各測站月別狀況 ... 37

圖4-4 種歧異度指數各測站月別狀況 ... 37

圖4-5 均勻度指數各測站月別狀況 ... 37

圖4-6 種類豐富度指數各測站月別狀況 ... 38

圖4-7 水質監測各測站月別狀況 ... 41

圖4-8 測點A箱籠護岸與編柵護坡 ... 42

圖4-9 測點B箱籠護岸與邊柵護坡 ... 42

圖4-10 測點C打樁護岸 ... 42

圖4-11 測點C砌石護岸與編柵護坡... 43

圖4-12 測點C漿砌塊石護岸 ... 43

圖4-13 測點D混凝土砌石護岸... 43

圖4-14 測點D混凝土護岸（右岸）與砌石護岸（左岸）... 44

第一章 緒論

1.1 研究動機

近年來生態工法的研究與推廣教育已經逐漸受政府及各界的重 視，隨著各界致力於生態工法的研究、應用以及推廣，生態工法亦不 斷被賦予不同的內涵意義與分析結果的呈現，並進一步瞭解生態工法 的內容。在國內外如火如荼的進行生態工法研究時，除考量工程之施 作對生態所造成的衝擊，並藉由工程手段使該衝擊降至最低，以恢復 溪流的動態生命力。但從過去無論是生態工法或傳統工法之整治，整 治過程中仍面臨缺乏一套完善且可適用於各種評估機制應用層面的模 式，這其中除考量工程之施作對生態所造成的衝擊外，更需藉評估結 果証明工程施作後之生態效益，否則無法彰顯生態工法的效益。

目前國內溪流的整治工程是水利治理相當重要的一部分，但在溪 流整治影響及環境生態評估方面仍在起步的階段。在美國對於溪流健 康狀態（River health ）有相當的發展，如俄亥俄州環保署（Ohio EPA 1987）曾訂出一些指標用來作為生態狀況評估之用。其中如考量魚類 為指標生物的生物整合指標模式（Index of biotic integrity，IBI）

[56,57]，以水生昆蟲污染耐受程度所發展之科級生物指標(Family-level Biotic Index，FBI)[55]、以大型無脊椎生物所發展之快速生物評估法 III (Rapid Bioassessment Protocol III，RBP III)[65,66]及考量到溪流棲 地狀態的定性棲地評價指數（Qualitative Habitat Evaluation Index，

QHEI）[69]等。這些評估模式或技術都屬於個別型，仍缺乏整合性評 估。1999 年澳洲自然資源與環境部所發展之溪流狀態指數（Index of Stream Condition，ISC）[62]，藉由 5 個次指數，包含水文、物理狀 態、濱河狀態、水質狀態及水生物等來評估溪河健康狀態，有了較完

整層面的考量，而且有試行之案例[1,2]。但由於其所需調查的次指數 項目調查分析較複雜，無論任何國家，綜合評估之進行亦受監測調查 之費用、技術限制及時間等因素，致使無法尋求ㄧ般性適合之模式，

故常以單項或熟悉的技術進行相關之作業。

河川生態品質的評價常常涉及多個因素或多個指標，因此，如何 將多個指標整合起來，一直是研究學者有興趣的工作，此即綜合評估 法發展的目的。藎壚[41]指出模糊綜合評判就是針對多種因素所影響 的事物或現象做出綜合評價，陳莉等[7,12]即運用模糊綜合評價的觀 念，以環境因子與生物因子來建立綜合評估，來評判農水路生態品質 等級。因此，本研究乃整合國內外模式，試圖研訂一套簡要的整合性 準則，藉由隨意組合的便利與優點，且透過模糊運算法中的模糊綜合 評價的方式來獲得客觀之溪流環境等級的評價方式，建構溪流複合式 評估模式，俾以應用於一般性的溪流狀態評估，或應用於評估溪流整 治工程對環境生態之影響，或其整治後之生態效益。

1.2 研究目的

本研究主要目的為：

一、本研究針對國內外常用之評估指標進行整合，藉以進行綜合評 判，求取更完備之評估方法，以供評估人員(或非專業人員)之使 用。

二、評估之結果，提供未來溪流整治工程時，降低環境破壞干擾或恢 復自然生態之設計參考。

三、建立溪流整治評估模式，俾以了解工程整治之影響及生態效益之 評估。

1.3 研究範圍與限制

目前國內所使用的指標評估方式，並不完備，而國內目前所使用 的指標評估方式大多沿襲國外的指標評估方式，而本研究嘗試以模糊 化複合式溪流評估模式(Fuzzy Stream Integrity Assessment Model)進行 案例探討及驗證。因此本研究在有限的時間與經費條件下，研究的範 圍僅侷限使用於台北縣雙溪鄉后番仔坑溪整治工程為主。

1.4 研究流程

圖 1-1 研究流程圖

第二章 文獻回顧

目前國內、外常用評估河川品質的指標可區分為環境面向、生物 面向及綜合型的指標，本研究整理相關文獻分述如下：

2.1 環境型評估指標

環境型評估指標可分物理棲地、水質化學與水文等三大範疇，如 表 2-1 環境型評估指標相關文獻整理所示。環境型評估指標在不同地 域與空間尺度上(流域、河段等)的適用範圍，則端視指標發展設計與 河川復育計劃的目標而定[65]。各類指標說明如下：

一、物理棲地評估指標

過去依靠經驗與專業判斷決定水域棲地數量與品質之方式已無法 滿足河溪棲地工作者之要求，取而代之者需要以較嚴謹且合法之技術 方法呈現河溪整治對水域棲地之影響。而目前物理棲地評估指標法可 分為定性及定量棲地評指標。

定 量 棲 地 評 估 指 標 的 發 展 主 要 是 以 美 國 國 家 生 態 研 究 中 心 (National Ecology Research Center)於 1976 年成立水域生態系部門 (Aquatic Systems Branch，簡稱 ASB)專責處理溪內正常水流(instream flow)相關問題，並於 1978 年發行第一版之「物理棲地模擬」系統 (Physical Habitat Simulation System，簡稱 PHABSIM)，用以執行河溪 水 理 模 擬 與 棲 地 分 析 。 而 目 前 國 內 已 有 吳 富 春[23,24] 實 際 運 用 PHABSIM 操作於國內河川、農田水利的棲地評估；陳志豪[8]以 PHABSIM 模式應用於客雅溪上游魚類棲地之研究，以利納入河川水 利工程規劃時生態系統之考量。

另外，定性棲地評估指標(Qualitative Habitat Evaluation Index，

QHEI)從 1972 年開始，為了因應美國聯邦水污染控制計劃(Federal Water Pollution Control Act)，由俄亥俄州環保署(Ohio EPA)所發展，

能針對河川物理環境特性做評估的方法。透過 QHEI 六大類屬性值的 評估，便可看出一個河段能否滿足暖水域(warmwater)水棲生物的需 求，得分愈高代表棲地環境品質愈良好[45,52]。Rankin[69,70]指出由 河川棲地的狀況可看出，在溪流的生物群聚的回應，所以除了水質化 學/物理的量測外，棲地的狀況的評估對於生物的生存狀況也是一重要 的因素。

二、水質化學評估指標

國內環保署主要採用的水質估評指標，包括河川污染分類指標 (River Pollution Index，RPI)、和由溫清光等[22,36]以「水體分類及水質 標準」為製定依據的水質指數8 項標準(Water Quality Index 8，WQI8) 與經簡化修改過後的WQI5。WQI5 選取水質參數的方法、過程和計算 公式與 WQI8 指標大致相同，差別只有選取的參數與權重並不相同。

實際操做水質評估時可依不同需要而加以選擇運用不同的評估指標。

表2-1 環境型評估指標相關文獻整理

指標類型 指標名稱 參考文獻

環境型

IHA QHEI OWQI

WHI RPI WQI WQI8 WQI5 EIS

Richter et al.(1996) Rankin(1989)、An(2002) Cude(2001)

Fitzpatrick(2001)

王善賢(2001)、楊雅梅(2001)、李美慧(2003) 溫清光(1990)、歐陽嶠暉等(1990)

溫清光(1990)、王善賢(2001)、楊雅梅(2001)、

李美慧(2003)

溫清光(1990)、王善賢(2001)、楊雅梅(2001)、

李美慧(2003)

Volkhard Wetzel(2002)

2.2 生物型評估指標

在生態工法(Ecotechnology)兼顧工程與生態的理念下，由於整治 過程中，受到施工影響，環境受到污染或改變，除了透過一般物理及 化 學 的 因 子 資 料 可 以 得 知 外 ， 生 物 常 作 為 環 境 狀 態 的 參 考 指 標 [13,14]。郭一羽[37]指出某生物族群其結構上的消長，若能反映當時 的時空情境的特性，這類的生物便可作為這個環境或生態系的指標生 物。目前國內外常用於生態調查與評估的生物群集有三類：藻類、底 棲無脊椎動物及魚類等。經由國外的經驗得知，藻類、底棲無脊椎動 物與魚類，在生物評估上扮演重要的角色，也均為美國環保署(EPA) 推薦之水質監測方法。常用之生物指標如表 2-2 生物型評估指標相關 文獻整理所示，各類生物指標說明如後：

一、底棲無脊椎動物

利 用 水 域 中 的 生 物 作 為 生 物 指 標 ， 首 先 由 Kolkwitz &

Marsson[59,60]提倡，之後各國學者，如 Beck(1955)、津田(1956;

1974)、Liebmann(1962)及 Cairns and Dickson[47,48]相繼發展多種 評估水質之生物指標[17]。水生昆蟲群聚為生態系中重要的一 環，它不同於一般浮游動物及游泳動物的地方，主要由於水生昆 蟲的遷移能力較低，不易與水流一起移動，故可反應該特定水域 綜合的、累積的特性。而水生昆蟲對環境惡化的忍耐界限，隨種 類之不同而有相當大的差異，因此水生昆蟲及其群聚分佈被認為 是環境改變評估的最佳指標。

利 用 底 棲 水 生 昆 蟲 作 為 生 物 指 標 所 發 展 之 指 標 法 有 Hilsenhoff 生物指標(Hilsenhoff‘s Biotic Index, BI) [53,54]、群聚失 落指標(Community Loss Index) [49]、科級生物指標(Family-Level Biotic Index, FBI) [55] 、 EPT(Ephemeroptera, Plecoptera, and Trichoptera)豐度指標(EPT Taxa Richness)[67,68]、快速生物評估法 II 及 III (Rapid Bioassessment Protocol II & III, RBP II & III)[65,66]

及百分比模式相似性(Percent Model Affinity, PMA)[66]等。在國內 楊平世 [15,16,17]於北勢溪、基隆河、景美溪等河川利用水棲昆 蟲進行評估比較；梁世雄[25]曾以季節為單位，在高屏溪對 50 處 樣點，進行兩年水棲無脊椎動物之採集，以發展適用於評估高屏 溪中上游河段的水棲昆蟲生物整合性指標。朱達仁等[29,33]利用 水生昆蟲群聚的指標方式RBP 及 FBI 所估算之水質評估指標，具 有反映其環境條件之能力，可作為監測環境變化之指標。

二、魚類生物指標

朱達仁等[26]指出當環境受到污染或是環境改變，除了透過 一般物理及化學的資料可以得知外，由於魚類生物群聚為生態系 中重要的一環，它具有不同污染耐受種類，及不同游泳能力之種 類，及不同之遷移能力，故可利用三項特性來反應該特定水域即 時的、綜合的影響[13,14]。又由於魚類生物對環境惡化的忍耐界 限，隨種類之不同而有相當大的差異，因此其群聚分佈可作為環 境改變評估的指標之一[18,26]。國外對於溪流環境監測發展了許 多的生物指標方法，其中以生物整合性指標法（Index of Biotic Integrity，IBI）來進行魚類綜合矩陣的建構相當完備[40,41]。

Karr[58]指出 IBI 結合多個生物的測量指標並且結合生物的狀態。

因此，IBI 可用來評估一條河它的流域的生態的健康。依據 Simon 在 1999 年有關 IBI 資料之整理，目前採用 IBI 以評鑑棲地環境 品質之國家包括法國、印度、英國、日本及墨西哥等二十餘國。

適用於冷水性溪流、湖泊、河口、濕地等棲地之不同 IBI 系統 [25]。

表2-2 生物型評估指標相關文獻整理

指標類型 指標名稱 參考文獻

生物型

IBI

BIBI HBI

FBI BI BIBUP

EPT NCDI

AI SQ DQ TDI

GI

王漢泉(1993)、邵廣昭(1996)、湯宗達(1997)、梁世雄 (2000)、張明雄(2000)、楊雅梅(2001)、朱達仁(2003、

2004、2005)、Karr(1981、1991)、Harris(1999)、

Oberdorff(2002)、An(2002) Weisberg(1997)、Alden(2002)

徐崇斌(1994)、楊平世(1995)、Hilsenhoff(1987、1988) 徐崇斌(1994)、楊平世(1995)、Hilsenhoff(1988)、Plafkin et al.(1989)

Hilsenhoff(1988) 梁世雄、謝寶森(1999)

莊 進 源 (1987) 、 徐 崇 斌 (1994) 、 DeWalt(1999) 、 Mandaville(2002)

賴雪聰等(1994)

賴雪聰等(1994)、楊雅梅(2001) 楊雅梅(2001)

楊雅梅(2001)

Kelly & Whitton(1995)、Kelly(1998)

吳俊宗(2000)、張睿昇等(2004)、Watanabe(1986)

2.3 綜合型評估指標

國內外綜合型評估指標發展的相當少，主要受到各類技術與專業 度之限制，目前有澳洲及美國相關研究，說明如下：

澳洲的河川生態管理者，為期改善河川整體的環境狀況，發展出 河川狀況指數（Index of Stream Condition，ISC）以協助所有的河川管 理工作[1,2,25,58]。

ISC 由 五 大 類 河 川 狀 況 次 指 數 所 組 成 ， 分 別 是 水 文 次 指 數 (hydrology subindex)、物理形態次指數(physical form subindex)、濱河 地 區 次 指 數(streamside zone subindex) 、 水 質 次 指 數 (water quality subindex)及水生生物次指數(aquatic life subindex)，各次指數有其所屬 評估的指標[2]。其中水生生物副指數較為特殊，使用河川無脊椎等級

評分平均標準（Stream Invertebrate Grade Number Average Level，

SIGNAL ） 或 者 澳 洲 河 川 評 估 系 統 (Australian Rivers Assessment System，AusRivAS)加以計算，亦可合併參考 IBI [25]。各種指標值可 經過現況與自然狀況(歐洲殖民以前的自然狀態)相較而得，評估結果 為簡單數值或者三至五分的評分等級，視該項指標的評估內容而定。

每一副指數總分為十分，由所屬指標值經過加總、比例縮放等運算而 得，形成滿分為五十分的ISC[1,25,58]。

另外，美國環保署(U.S. Environmental Protection Agency)自 1998 年開始發展河川上游區域生態整合性的系統，運用 Headwater Stream Assessment (HSA) index，整合溪流棲地、水質(化學性質)及 IBI(鳥 類、大型無脊椎動物)來綜合評估河川上游的生態品質狀況[46]。

表2-3 綜合型評估指標相關文獻整理

指標類型 指標名稱 參考文獻

綜合型 ISC HSA

PSR EEI

Ladson et al.(1999)、Ladson(2000)、陳振華(1999)、

周正明(2002) Brooks et al.(1998)

OECD(1994)、李怡慧(2001)

Bergen(2001)、唐先柏、李明賢（2002）

2.4 生態環境品質評估運用於生態工程

楊天護等[11]運用「修正式德爾菲法」、「AHP」等方法，研訂一 套適用廣泛與操作簡要的生態工程考量因子架構表及各因子之優先順 序，作為營建工程從業人員在規劃、設計、施工及維護管理等各階段 評估生態工法之參考原則；莊明德等[10]以赤蘭溪為研究對象，利用 生物群聚變化來探討河川水利工程施工前、後對生物群聚與棲地之影 響。目前國內、外模糊理論已被廣泛應用於各層次，而生態環境品質 評估之運用，大多數是以水理、水質評估。生物之評估大多以指標與

指數方向為主，生態面向在糢糊運算的運用則相較闕如。黃文政及蔡 坤良[44]以多屬性模糊決策分析應用在河川環境之保育；陳莉等[7,12]

之研究利用模糊理論，以赤蘭溪、筏子溪之調查資料為基礎，選取環 境因子及生物因子，建立各因子的隸屬函數程度及權重，同時以模糊 綜合評估及邏輯推論，分析各因子與農水生態品質的綜合程度，評估 其生態品質等級。

2.5 小結

河川環境品質的評鑑光靠單一指標的評估方式不容易掌控河川環 境長期的變化，根據許多文獻及技術報告指出早期河川的評估大多著 重於河川水質及底質的物理化學環境因子的評估，但其測得的評估狀 況為當時的瞬時狀況，無法了解河川長期詳細的變化情形，之後許多 專家學者研究發展出，生物指標(Biological Indicators)評估模式，其可 反應出水體的營養化過程，來彌補物理/化學監測的不足，而棲地的狀 況影響著生物群聚的基本需求，由此可知環境的評估必須兼備各因 素，不僅需要水質與生物的監測評估應該還需增加棲地方面評估的配 合，做一綜合性的評鑑，使每一面向都符合真正河川溪流環境狀況的 切實需求。

第三章 研究方法

3.1 研究架構

本研究之研究架構圖如下：

模糊系統架構建構 生態環境指標運算 生物(指標)因子

解模糊化

模式演算之實證 建立歸屬函數

將輸入項模糊化

建立規則

模糊綜合評價 決定決策因子 模糊化

評估結果之結論與建議

環境(指標)因子

圖 3-1 研究架構圖

3.2 環境因子評估方法

3.2.1 定性棲地評估指標(Qualitative Habitat Evaluation Index, QHEI)

棲 地 評 估 係 依 據 美 國 環 保 署 所 公 佈 之 定 性 棲 地 評 估 指 標 (Qualitative Habitat Evaluation Index, QHEI)[69]評價方法進行，項 目包含「基質（底質）類型」、「魚類遮蔽度」、「河川形狀和 人為影響」、「水深及流速」、「淺灘/流速」等六大項目，如表 3-1，QHEI 所採用的屬性類別及所佔的評分。各項目由所觀察之 特徵依據各項目判斷標準及是否有特徵項目之存在予以給分。六 大項評估後，最後將六項評估分數加總，得到評價總分，如表 3-2 棲地評估指標積點等級表所示。

表3-1 QHEI 屬性類別及評分表

評估屬性類別 評估內容 評分(總分：114)

基質(底質類型) 底質大小、掩蓋 24

魚類遮蔽度 植被型態、覆蓋程度 20

河川形狀和人為影響 曲度、渠道化、穩定性 20

河川林地及溼地和沖蝕 濱溪植被、河岸侵蝕 20

水深及流速 深度、流速 15

淺攤、急流/底質 淺攤、急流之深度、流速、底質 15

資料來源：整理自Lyn Crighton, Jan Hosier[63]

表3-2 棲地評價指標積點等級表

級序 評價積點 等級

第一級 >100 分 Extra

第二級 81-100 分 Excellent

第三級 61-80 分 Medium

第四級 41-60 分 Poor

第五級 0-40 分 Very Poor

資料來源：朱[31] 及朱等[32]

3.2.2 水質調查及河川污染指標（River Pollution Index， RPI）

水質調查檢測項目包括水溫、pH、溶氧、導電度、生化需氧 量(BOD5)、化學需氧量(COD)、氨氮（NH3-H）、磷酸鹽等。採樣 時以 1000ml塑膠水瓶採取水樣，水樣採取後置於 4℃低溫保存，

帶回實驗室進行分析。

本研究為了解各測站的水質的整體品質，乃根據環保署所訂 定之河川污染指標（RPI）[20]，計算項目包括溶氧量（DO）、生 化需氧量（BOD₅）、懸浮固體（SS）、氨氮（NH₃-H）等四項，

依據所檢測之數據，換算得到各項目的點數，並將其累加求取平 均值，依等級標準判斷水質污染等級，如表 3-3 河川污染等級表 計算方法所示。RPI指標之計算方式如式 3-1：

∑

=

=

ⁿ

i

Ni n

1

) / 1 (

RPI

_(3-1)

Ni：為檢測項目值。

n：為檢測項目，RPI 的檢測項目為 4 項

表3-3 河川污染等級表

污染等級 A:未(稍)受污染 B:輕度污染 C:中度污染 D:嚴重污染 溶氧量(DO) 大於 6.5 4.6~6.5 2.0~4.5 小於 2.0 生化需氧量

(BOD5) 小於 3.0 3.0~4.9 5.0~15.0 大於 15.0 懸浮固體(SS) 小於 20 20~49 50~100 大於 100 氨氮(NH3-N) 小於 0.50 0.50~0.99 1.0~3.0 大於 3.0

點 數 1 3 6 10

積 分 不及 2.0 2.0~3.0 3.1~6.0 大於 6.0 資料來源：行政院環保署

3.3 生物因子評估方法 3.3.1 魚類調查方法

一、魚類調查：

本研究採背負式電魚器(電壓 8 伏特)，在樣區河段約五十公 尺範圍，採集 約 20 分鐘，並以抄網撈捕。操作時皆依" Z "字型 途徑由下游向上游進行。標本捕得後，鑑定種類並測量其體長、

體重，最後將魚放回溪流內或攜回實驗室進一步處理。

3.3.2 生物因子分析方法

一、生物多樣性分析：

本研究使用下列之指數來探討生物多樣性，分別為優勢度指 數 (Dominace Index ， C) 、 Shannon 種 歧 異 度 指 數 (Shannon diversity，H’)、均勻度指數(Evenness Index，J’)及種數的豐富指 數(Species Richness Index，SR)來進行分析[62]，並了解各測站生 物指數變化。各指數之計算如下：

（一）優勢度指數（C）

∑

^⎜_⎝^{⎛ ⎟}_⎠^⎞2

= N

C ni (3-2)

n_i：表示為該測站第i種生物之個體數

N：表示為該測站所有生物種類之總個體數

（二）Shannon 種歧異度指數(H’)

∑

=

⎟⎠

⎜ ⎞

⎝

× ⎛

⎟⎠

⎜ ⎞

⎝

− ⎛

= ^s

i

i e i

n n n

H n

1

log

' (3-3)

S = 群聚樣本中魚種數。

n = 群聚樣本中個體數。

ni = 群聚樣本中第I之個體數。

（三）均勻度指數（J’）

max

' ' H

J = H (3-4)

S H_max = ln

S：表示為該測站所出現生物之種數

（四）種類的豐度指數（SR）

( )

N SR S

ln

−1

= (3-5)

n_i：表示為該測站第i種生物之個體數

N：表示為該測站所有生物種類之總個體數 S：表示為該測站所出現生物之種數

二、生物整合性指標(Index of Biotic Integrity，IBI)評估方式：

國內的本土生態研究或是環境影響評估報告上，目前最常使 用的指標生物有：魚類、大型底棲無脊椎動物、水生昆蟲、藻類 等。由於一般人對於上述的生物種類的認知，以魚類的認識為最 深刻也最為親切，坊間的資料也以魚類最為充足，其中以中研院 台灣魚類資料庫資料最為完備，對於一般人的學習與查詢較容易 上手，而且利用此類指標生物可對生態環境監控，藉此了解環境 生態是否改變。

本研究以國外發展完備之生物整合性指標法（Index of Biotic Integrity，IBI）來進行魚類綜合矩陣的建構，並以此進行整治環境

影響評估之探討。本模式屬於矩陣法及迅速評估技術（Rapid Assessment Techniques）一種，最初由 James Karr 博士（1981）以 IBI 進行溪流之棲地影響評估，原始的分析法中發展 12 個表現生 物種類豐度、多樣性、生物移動性及營養攝食特性等之矩陣項 目。該法中以調查的現況來綜合給分，最後累加積分並分列等級 來做影響評估。由於本研究與國外魚種屬性和考慮的需求不同，

因此應用其中九項矩陣，並以朱達仁及李宗儒[30]之研究方法相 同。

生物整合指標法IBI 中九項指標矩陣之評分標準，如表 3-5 生 物整合指標法評分標準所示。由上述各項指標矩陣及評分標準，

以累加平均求得之 IBI 值，將指標值與生物狀態劃分為四個影響 等級，等級劃分如表 3-6 生物整合指標法分數值範圍與所相對之 水質等級所示。

生物整合指標(IBI)，其評估方法程序如下：

1. 參考生物特性表，如表 3-4 后番仔坑溪魚類生物 IBI 法屬性表 (本表依據朱達仁等[30]所作出之整理)。

2. 將調查資料依據生物特性，以九項指標矩陣調查的現況，分 別來給分，其評分標準如表 3-5 生物整合指標法 IBI 中各項指 標之評分標準所示。

3. 給分完成後，將九項積分累加，求得 IBI 值。

4. 將求得之 IBI 值依評估之四個影響等級評估之，等級劃分如表 3-6 生物整合指標法 IBI 分數值範圍與所相對之水質等級所 示，藉此評估目前工程影響等級。

表3-4 后番仔坑溪魚類生物 IBI 法屬性表

魚種名 攝食功能 移動屬性 污染耐受 棲地屬性 屬性

鱸鰻Anguilla marmorata 肉 sc M 1,B ☆

沙鰍Cobitis taenia 雜 sc M 2,B

台灣纓口鰍Crossostoma lacustre 雜 su I 1,B *

台灣石魚賓Acrossocheilus formosanus 雜 da M 3,- *

台灣馬口魚Candidia barbata 雜 da I 3,- *

唇魚骨Hemibarbus labeo 蟲 da M 3,B

鯝魚Varicorhinus barbatulus 雜 da I 4,-

粗首鱲Zacco pachycephalus 雜 da M 3,-

平頜鱲Zacco platypus 雜 da M 3,-

大肚魚Gambusia affinis 蟲 sc H 2,- I

吉利吳郭魚Tilapia zillii 雜 sc H 3,- I

赤斑吻鰕虎Rhinogobius sp 蟲 su I 1,B *

日本禿頭鯊Sicyopterus japonica 藻 su I 2,B M

明潭吻鰕虎Rhinogobius candidianus 雜 su M 3,B 極樂吻鰕虎Rhinogobius giurinus 雜 su M 3,B 褐吻鰕虎 Rhinogobius brunneus 雜 su M 3,B

註：1. 攝食功能（Trophic function）：依攝食功能組成區分為雜食性、食蟲性、

肉食性及食藻性;

2. 移動屬性：sc：sucker fish species；da：dater fish species；su：sunfish species;

3. 污染耐受性：I：Intolerant species；M：Moderate tolerant species；H：

High tolerant species;

4. 棲地屬性：B：底棲性； 1：嗜急流；2：嗜深潭；3：廣域性；4：狹域性 5. 屬性：*：台灣特有種；I：外來種；M：洄游性；E：廣鹽性；☆：保育

類

表3-5 生物整合指標法(IBI)中各項指標之評分標準 metric score

Metrics 5 3 1

生物組成

1. Total number of fish species ≧10 4-9 0-3 生物移動性

2. Number of darter species ≧3 1-2 0 3. Number of sunfish species ≧2 1 0 4. Number of sucker species ≧2 1 0 污染耐受性

5. Number of intolerant species ≧3 1-2 0 營養攝食特性

6. % of individuals as omnivores <60% 60-80% >80%

7. % of individuals as insectivorous >45% 20-45% <20%

生物種類豐度

8. Number of individuals in sample ≧101 51-100 0-50 生物多樣性

9.Shannon diversity, H’ >1.52 1.17~1.52 <1.17

表3-6 生物整合指標法(IBI)分數值範圍與所相對之水質等級 Biological condition Category Score Range

Non-impaired 30－39 Slightly impaired 21－29 Moderately impaired 11－20 Severely impaired 0－10

3.4 模糊理論之綜合評價方法

一件事物的評價常常涉及多個因素或多個指標，因此，如何將多 個指標整合起來，一直是研究學者有興趣的工作，此即綜合評估法發 展的目的。一般綜合評估方法中最簡單的是總累加法，以評總分方式 評鑑等級。實際情況中，各指標及因素在總評價中的地位並不完全相 同，存有權重特性，即因子間重要性的相對比較，於是發展了加權評 價法。由於河川生態品質的好壞，所涉因子或層面相當多，通常難以 做明確的區分與辨別，因此以總計分法的固定等級評估，不免陷於主

觀。所以本研究嘗試透過模糊理論得到一客觀之評估。

模糊理論是由Lotfi A. Zadeh 教授於 1965 年所提出的一種定量表 達方式[64]，模糊數學(Fuzzy Mathematics)是研究和處理模糊現象的科 學，他所揭示的是解決概念劃分上不確定性現象的描述方法，使其具 有描述事物漸變過渡能力之隸屬度函數，有別於古典數學的「非此即 彼」、「是」或「否」兩種情況，而是用介於 0 和 1 之間的實數來表 示隸屬程度(也就是將傳統二值邏輯的觀念轉變成多值邏輯)。使人們 在認識事物的屬性其程度上提高了準確度[41]，強化了人類用自然語 言表達解讀事物的方式。其應用步驟如下：

1. 選擇評估因子集：X={x₁, x₂, x₃, ……. , x_i}。

2. 判斷集的設定：^V =

{

^v₁^{, v}₂^{, v}₃ ^,...,v_n

}

。 3. 確定隸屬函數 µ(x)

4. 求出模糊關係矩陣

R

~

5. 模糊合成：

~

~

~ A R

B = o

因此，本研究利用模糊理論，以朱達仁[31]所提出之溪流複合式 評估模式為基礎，發展模糊化評估模式。並以台北縣雙溪鄉后番仔坑 溪之調查資料為案例，選取環境因子及生物因子，建立各因子與評估 等級之模糊關係及權重，同時以模糊綜合評估，分析各因子與河川生 態品質的綜合程度，評估環境之等級。

3.4.1 模糊化複合式溪流評估模式之建構 3.4.1.1 評估因子之選定

因子集，係由具有影響評估對象所組成之各項因子的集合，其表 示方式如下：

X={x1, x2, x3, ……. , xi} (3-3) xi，表示評估時所要考慮的因子。

影響河川環境的因素，包括物理/化學性的因素與生物性的因素，

所以本研究於評估因子的選定有三大類型：第一類為水質因子 ；

第二類為棲地因子 ；第三類為生物因子 ，其因子集合表

示如下：

) 1(x_i

G

) 2(xi

G _{3(x )}

G i

{ G

1(x)

, G

2(x )

, G

3(x)

} ^{ x

1

, x

2

, x

3

^}

X =

i i i

=

例如：使用第一類水質因子的RPI、第二類棲地因子的 QHEI、第 三類生物因子的IBI，其因子之集合表示式，如 3-4 式：

{

^{x , x , x}

} {

^RPI,QHEI,IBI

X= _{1 2 3} =

}

}

(3-4)

3.4.1.2 河川評估等級之集合的建立

本研究為瞭解溪流環境的現況，將環境影響評估分為 n 個等級 級，其判斷集表示如下：

{

v₁, v₂, v₃ ,...,v_n

V= (3-5)

v_i，表示要判斷的等級。

本研究，將環境等級分為四等：

V={A 級，B 級，C 級，D 級} (3-6)

3.4.1.3 隸屬函數之建立

隸屬函數的確定是客觀事物本質屬性在人腦中的反應，既有客觀 標準，也有主觀因素，一個模糊集合在給定某種特性後，就必須建立 反映這種特性所具備的程度函數，其概念為把傳統的二值邏輯(binary logic)，拓展成多值邏輯(multivalued logic)，利用隸屬函數來表現一個 概念的特質，使用 0 與 1 之間的實數來表現一個元素屬於某一概念的 程度，這個值即稱為元素對集合的隸屬度。本模式把各項指標的隸屬 函數利用各指標原先的等級劃分作為隸屬函數設定基準，並把各指標 原先屬於階段式的評估等級，如表 3-2 QHEI 等級表、3-3 RPI 等級 表、3-6 IBI 等級表，把這些等級做平滑化(smooth)處理，過程係將兩 區間以線性函數作處理，如式 3-7 之通式所示。各因子利用等級作劃 分處理時，需注意其性質與方向是否一致。各因子隸屬函數建立方式 如下：

⎪⎪

⎪

⎩

⎪⎪

⎪

⎨

⎧

<

<

<

−

−

>

=

L H L

L H

H

H

0 a

a a

a a

a 1 a ) (

x x x

x

µ x (3-7)

一、環境因子隸屬函數建立 (一)河川污染指數，RPI(x₁)

RPI 之隸屬函數之設定，係根據環保署所訂定之河川污染等級劃 分，依照判斷集之四項環境等級 V={A 級，B 級，C 級，D 級}，劃分 出四個隸屬函數式子。按照各環境等級的區間，如圖 3-6 RPI 隸屬函 數分佈圖形。利用 RPI 所求取之積分值，代入 3-8~3-11 式，分別求取 RPI 與環境等級的隸屬度。A 級之隸屬度之求取，如 3-8 式；B 級之隸 屬度之求取，如 3-9 式；C 級之隸屬度之求取，如 3-10 式；D 級之隸

屬度之求取，如3-11 式。各隸屬函數的訂定如下式：

⎪⎪

⎩

⎪⎪

⎨

⎧

>

≤

− ≤

−

<

= 0 3

3 2 2

3 3 1 2 ) (

1 1 1

1 1

x x x

x

µ x (3-8)

3 0 1.9

1 μ

x1

A

圖3-2 RPI 隸屬函數圖形(A 等級)

⎪⎪

⎪⎪

⎪⎪

⎩

⎪⎪

⎪⎪

⎪⎪

⎨

⎧

>

≤

− <

−

≤

− ≤

−

<

=

6 0

6 3 3

6 6

3 2 2

3 2 0 2

) (

1 1

1 1

1

1

x x x

x x

x

µ x (3-9)

x1

0 1 μ

1.9 3 6

B

圖3-3 RPI 隸屬函數圖形(B 等級)

⎪⎪

⎪⎪

⎪⎪

⎩

⎪⎪

⎪⎪

⎪⎪

⎨

⎧

≥

<

− <

−

≤

− <

−

<

=

7 0

7 6 6

7 7

6 3 3

6 3 0 3

) (

1 1

1 1

1

1

x x x

x x

x

µ x (3-10)

x₁ 0

1 μ

3 6 7

C

圖3-4 RPI 隸屬函數圖形(C 等級)

⎪⎪

⎩

⎪⎪

⎨

⎧

≥

<

− <

−

<

= 1 7

7 6 6

7 6 0 6 ) (

1 1 1

1 1

x x x

x

µ x (3-11)

x₁ 0

1 μ

6 7 D

圖3-5 RPI 隸屬函數圖形(D 等級)

1.9 3 6 7 x1

1

0 μ

A B C D

圖3-6 RPI 隸屬函數分佈圖形

(二)定性棲地評估指數，QHEI(x₂)

QHEI 之隸屬函數之設定，係根據美國俄亥俄州環保署所公 佈之評價方法劃分，依照判斷集之四項環境等級 V={A 級，B 級，C 級，D 級}，劃分出四個隸屬函數式子。按照各環境等級的 區間，如圖3-11 QHEI 隸屬函數分佈圖形。利用 QHEI 之總分值，

代入3-12~3-15 式，分別求取 QHEI 與環境等級的隸屬度。A 級之 隸屬度之求取，如 3-12 式；B 級之隸屬度之求取，如 3-13 式；C 級之隸屬度之求取，如 3-14 式；D 級之隸屬度之求取，如 3-15 式。各隸屬函數的訂定如下式：

⎪⎪

⎩

⎪⎪

⎨

⎧

≤

≤

− <

−

>

=

0 0 8

100 80 80

100 80 1 100 )

(

2 2 2

2 2

x x x

x

µ x (3-12)

A

x₁ 0

1 μ

80 100

圖3-7 QHEI 隸屬函數圖形(A 等級)

⎪⎪

⎪⎪

⎪⎪

⎩

⎪⎪

⎪⎪

⎪⎪

⎨

⎧

≤

≤

− <

−

≤

− <

−

>

=

0 0 6

80 60 60

80 60

100 80 80

100 100 0 100

) (

2 2 2

2 2

2

2

x x x

x x

x

µ x (3-13)

x1

0 1 μ

60 80 100 B

圖 3-8 QHEI 隸屬函數圖形(B 等級)

⎪⎪

⎪⎪

⎪⎪

⎩

⎪⎪

⎪⎪

⎪⎪

⎨

⎧

≤

≤

− <

−

≤

− <

−

>

=

0 40

60 40 40

60 40

80 60 60

80 80 0 80

) (

2 2 2

2 2

2

2

x x x

x x

x

µ x (3-14)

x₁ 0

1 μ

60

40 80

C

圖 3-9 QHEI 隸屬函數圖形(C 等級)

⎪⎪

⎩

⎪⎪

⎨

⎧

≤

≤

− <

−

>

=

0 1 4

0 6 40 40

0 6 60

0 0 6

) (

2 2 2

2 2

x x x

x

µ x (3-15)

x₁ 0

1 μ

60 40

D

圖3-10 QHEI 隸屬函數圖形(D 等級)

40 60 80 100 x2

1

0 μ

D C B A

圖3-11 QHEI 隸屬函數分佈圖形

二、生物因子隸屬函數建立 (一)生物整合性指標，IBI(x₃)

IBI 之隸屬函數之設定，係根據 IBI 指標矩陣及評分標準劃分，依 照判斷集之四項環境等級 V={A 級，B 級，C 級，D 級}，劃分出四個 隸屬函數式子。按照各環境等級的區間，如圖 3-16 IBI 隸屬函數分佈 圖形。利用IBI 所得到之評估值，代入 3-16~3-19 式，分別求取 IBI 與 環境等級的隸屬度。A 級之隸屬度之求取，如 3-16 式；B 級之隸屬度 之求取，如3-17 式；C 級之隸屬度之求取，如 3-18 式；D 級之隸屬度 之求取，如3-19 式。各隸屬函數的訂定如下式：

⎪⎪

⎩

⎪⎪

⎨

⎧

≤

≤

− <

−

>

= 0 29

9 3 29 29

9 3

29

9 1 3

) (

3 3 3

3 3

x x x

x

µ x (3-16)

A

x1

0 1 μ

29 39

圖3-12 IBI 隸屬函數圖形(A 等級)

⎪⎪

⎪⎪

⎪⎪

⎩

⎪⎪

⎪⎪

⎪⎪

⎨

⎧

≤

≤

− <

−

≤

− <

−

>

=

0 20

29 20 20

29 20

39 29 29

39 39 0 39

) (

3 3 3

3 3

3

3

x x x

x x

x

µ x (3-17)

x₁ 0

1 μ

20 29 39 B

圖 3-13 IBI 隸屬函數圖形(B 等級)

⎪⎪

⎪⎪

⎪⎪

⎩

⎪⎪

⎪⎪

⎪⎪

⎨

⎧

≤

≤

− <

−

≤

− <

−

≥

=

0 10

20 10 10

20 10

29 20 20

29 29 0 29

) (

3 3 3

3 3

3

3

x x x

x x

x

µ x (3-18)

x1

0 1 μ

20

10 29

C

⎪⎪

⎩

⎪⎪

⎨

⎧

≤

≤

− <

−

≥

= 1 10

20 10 10

20 20 0 20 ) (

3 3 3

3 3

x x x

x

µ x (3-19)

x₁ 0

1 μ

20 10

D

圖3-15 IBI 隸屬函數圖形(D 等級)

10 20 29 39 x3

1

0 μ

D C B A

圖3-16 IBI 隸屬函數分佈圖形

3.4.1.4 權重之建立

權重係依據評估者對各因子之重視程度，賦予一權重值(a_i)，利用 查德(L. A. Zadeh)的分式記法[40]，表示如 3-20 式，從這裡我們可清楚 得知哪一因素的權重值是多少(此處的運算式並非把它當成分式的求 和)。

n n

x a x

a x

A = a + + L +

2 2 1

1

~ (3-20)

ai：表示對因素xi在本問題中的加權數。

把上式作一集合可表示成3-21 式， 為 1 列 m 行的矩陣：

A~

{

_{1 2 3 m}

~ a , a , a , , a

A = K

}

]

(3-21)

∑

= n =

i

ai 1

1 ，a_i ≥0

A~ ：稱為求權係數向量。

3.4.1.5 模糊關係之建立

從X到V的一個模糊映射R(X與V存在的某種關係R)，它反映一個 二 元 的 模 糊 關 係 ， 而 本 模 式 之 模 糊 關 係R係由其評估因子所確定 (X×V→

[

0,1 )。行向量(r_i1, r_i2, …, r_im)是考慮單因子x_i在V上的評判也是 特性指標，其表示方式如3-22 式：

表3-7 模糊關係表 X V

v₁ v₂ … v_m

x₁ r₁₁ r₁₂ … r_1m

x₂ r₂₁ r₂₂ … r_2m

… … … … …

x_n r_n1 r_n2 … r_nm

( )

⎥⎥

⎥⎥

⎥

⎦

⎤

⎢⎢

⎢⎢

⎢

⎣

⎡

=

= _×

nm n2

n1

2m 22

21

1m 12

11

m ij n

~

r r

r

r r

r

r r

r r

L L M M

M

L L

R (3-22)

3.4.1.6 模糊合成

本模式的模糊合成，其關係方程式如3-23 式：

~

~

~ A R

B = o (3-23)

其中， ：判斷結果 B~

A~ ：求權係數向量 R~ ：因素評價矩陣

目前模糊合成方式最常用的有三種方式[41,42]，各種方式介紹如 下：

一、取極大極小值M(∨ , ∧)進行運算如 3-24 式所示[41,42]：

[

b b b_n

]

R A

B ₁, ₂ , ,

~

~

~ = o = K ，其中

n j

b_j Max Min(A ,r ) , 1,2, ,

~

~i ij ⎥⎦ = K

⎢ ⎤

⎣

= ⎡ (3-24)

此種運算方式所得到之結果較為粗糙，容易因為某一因素的極端 值(極大極小)，而失去其他大量資訊，但其運算方式較為簡單。此方 式適用於僅需考慮最強的證據值，而不需同時保留其他資訊時所使 用。

二、取矩陣相乘後的極大值M(o, ∨)進行運算如 3-25 式所示[42]：

[

b b b_n

]

R A

B ₁, ₂ , ,

~

~

~ = o = K ，其中

n j

b_j Max (A r ) , 1,2, ,

~

~i ij ⎥⎦ = K

⎢ ⎤

⎣

⎡ ×

= (3-25)

此種運算方式適用於欲凸顯因素中某一較凸出的因素時使用。

三、M(。, +), Product-Addition 進行運算[41,42]：

[

b b b_n

]

R A

B ₁, ₂ , ,

~

~

~ = o = K ，其中

n j

A

b

_ij

n

i

i

j

r , 1 , 2 , ,

~

1 ~

× = K

= ∑

= (3-26)

為全面考慮所有因素的狀況，彌補 M(∨ , ∧)運算的不足[41,42]，

本研究之模糊合成，其運算方式(模糊規則)採用 3-26 式來進行計算，

經過此模糊變換後，可得到一綜合評價。

3.4.1.7 解模糊

經由模糊運算過後，雖可得到整體河川環境品質的綜合評價，但 所得到是判斷級上的程度比例關係，其仍然為一模糊綜合評價。

Sanchz 於 1976 提出解模糊關係方程式的概念，也就是將模糊級轉換成 單一個明確值的方法。

本模式利用 所得到的成果與判斷級的轉置矩陣相乘，如 3-27 式所示，可得該項成果的解模糊化的值，以解決判斷上的不便。

B~

( )

^T

~ u B

Y = ⋅ (3-27)

其中，Y：為解模糊化後之值

B

~ _{：判斷結果}

(u)^T：判斷級的轉置矩陣

第四章 實證分析

4.1 台北縣雙溪鄉后番仔坑溪背景資料說明

台北縣雙溪鄉后番仔坑溪集水區面積約 395 公頃，河流總長度約 為 6.25 公里，行政區域屬雙溪鄉上林村，集水區內全屬山坡地，沿路 風景優美堪稱世外桃源。本區有相當豐富之生物相，但每遇颱風豪 雨，常沖毀護岸、淤積河床、溪水漫流，且經常改道，造成交通受 阻、農地流失受損，生命財產屢屢遭受威脅，同時豐富之水域生物生 態也遭受侵害。尤其民國九十年九月納莉颱風過境，整個集水區遭受 的破壞與影響相當大。因此水土保持局從民國九十一開始於后番仔坑 溪集水區進行生態工法整治[26,43]。

本論文的研究範圍為台北縣雙溪鄉后番子坑溪集水區第二期的整 治工程，調查之測點如圖 4-1 所示，主流及支流設四主要測站，每一 測站分上、中、下三點，共計十二個測點。本研究自民國 91 年 12 月 至93 年 8 月按月進行調查。

圖4-1 后番子坑溪集水區

4.1.1 基礎調查資料

一、魚類相及個體數

后番子坑溪流域調查到之魚類計達17 種，分屬 5 目 7 科，包 括：鰻目鰻鱱科的鱸鰻(Anguilla marmorata)、鯉目鰍科的沙鰍 (Cobitis taenia)、平鰭鰍科的台灣纓口鰍(Crossostoma lacustre)、

鯉 科 的 台 灣 石 (Acrossocheilus formosanus) 、 台 灣 馬 口 魚 (Candidia barbata)、唇魚骨﹙Hemibarbus labeo﹚、鯝魚﹙Varicorhinus barbatulus﹚、粗首鱲﹙Zacco pachycephalus﹚、鯉齒目花鱂魚科 的大肚魚﹙Gambusia affinis﹚、鱸目慈鯛科的吉利吳郭魚﹙Tilapia zillii﹚、鰕虎科的川鰕虎﹙Rhinogobius brunneus﹚、赤斑吻鰕虎

﹙Rhinogobius sp﹚、日本禿頭鯊﹙Sicyopterus japonica﹚。其中，

鱸鰻為政府公告珍貴稀有保育類野生動物。

0 50 100 150 200 250

12 1 2 3 4 5 6 7 8 9 10 11 12 1 2 4 5 7 8

91年 92年 93年

月別

數量

St.A St.B St.C St.D

圖 4-2 各測站魚類總數月別狀況

以各測站月別個體數變化情形，如圖 4-2 中可看出，施工後 數量有下降的情形。對照點A 點也明顯的下降，探討其原因在 92 年 6 月後整個夏季水量減少的很嚴重，顯然受到此因素之影響。

而施工點 C、D 有呈現更下降情形，除受到施工之影響亦受水量 減少的影響。

二、多樣性指數分析

各測站之生物多樣性分析之結果如圖 4-3~4-6 所示。優勢度 指數（C）數值愈大顯示該測站有明顯優勢種出現，其數值在 92 年 5 月後有明顯的變動，且呈上揚趨勢，表示環境不良，造成種 類減少，有較高的優勢種出現，施工後指數並未恢復至原先狀 態，尤其下游測站最明顯，仍有大的數值變化，顯示生物仍須時 間復原。

種歧異度指數（H’）隨各測站及月別之變化亦有不同，數值 愈大顯示該測站有較豐富的種類出現，亦表示該測站具有多樣 性，其數值在五月後明顯下降，顯示環境不利，92 年 10 月施工 結束，直到 93 年 1 月數值才有回昇的趨勢，表示生物正在復原 中。

均勻度指數（J’）表示群聚內種間分配之均勻度，其值與 C 值相反，J’值愈大則表示個體數在種間分配愈均勻，分析之結果 如圖，其數值在八月後明顯變動，92 年 10 月施工結束，直到 92 年 1 月數值才有回昇的趨勢，表示生物正在復原中。

最後，種類豐富度指數（SR）表示群聚內種類數的豐富情形，

SR 值愈大則群聚內生物種類數愈多，結果如同種歧異度指數，

數值在六月後明顯下降，顯示環境不利，主要為工程施作的影 響。測站 A 及測站 B 有較高之 SR 值。至 92 年 10 月施工結束，

數值有回昇的趨勢，表示生物正在復原中。

綜合上述各項指數，工程施作對生物有很大的影響，生物是 否能完全復原或更豐富仍需待時間的觀察。

0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8

12 1 2 3 4 5 6 7 8 9 10 11 12 1 2 4 5 7 8

月別

Dominace index(C

St.A St.B St.C St.D

91 年

92 年

93 年

圖

4-3

優勢度指數各測站月別狀況

0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2

12 1 2 3 4 5 6 7 8 9 10 11 12 1 2 4 5 7 8

月別

Shannon diversity(H'

St.A St.B St.C St.D

91 年

92 年

93 年

圖 4-4 種歧異度指數各測站月別狀況

0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2

12 1 2 3 4 5 6 7 8 9 10 11 12 1 2 4 5 7 8

月別

Evenness index(J'

St.A St.B St.C St.D

91 年

92 年

93 年

圖4-5 均勻度指數各測站月別狀況