臺灣博碩士論文加值系統

森林資源調查常須耗費相當多的人力、物力以及經費，且作業期間相當的長，隨著地理資訊系統的發展與遙感技術的結合，被廣泛應用於森林資源調查工作，特別是森林蓄積量的遙感估測，將比傳統方法省時、省力並且節約經費。本研究使用Landsat 7 ETM+衛星影像，經幾何糾正及大氣輻射糾正後配合數值地形模型資料及地面樣區調查資料，以Pearson相關性測驗及線性多元迴歸分析方法，求取材積預測迴歸式，及推估林分之生物量。並研究衛星光譜資料、植生指標及地形因子與材積的關係，及探討應用光譜資料推估林分材積之可行性。
研究結果顯示，Landsat 7 ETM+衛星影像經大氣輻射糾正處理可減少大氣輻射影響。研究中，獲知樹冠屬性的光譜特徵以及植生指標皆受到地形效應影響，此光譜變異常造成分類上及柳杉生長量推估之錯誤和限制。本研究，利用18項變數作為影響柳杉材積之因子，進行Pearson相關性測驗與線性多元迴歸分析，結果顯示材積與光譜資料相關性並不高，經依據坡面光照強度分群後，材積、生物量決定係數有提升效果，其R2值分別為0.724及0.723。而依所建立之最佳迴歸式推估阿里山事業區柳杉林分材積約384.84m3 /ha，生物量約152ton/ha。

Forest resources inventory always expends a great deal of time, money and manpower. However, researchers apply the inventory by GIS and remote sensing nowadays, especially using the remote sensing to measure the forest biomass, which spares human, time and money resources. This study used the Landsat 7 ETM+ satellite multispectral image, which was corrected by geometric and atmospheric correction, combines with DTM and ground inventory to do analysis. The methods include Pearson correlation and linear regression analysis to recognize the volume equation and standard biomass. In addition, the study integrated with the relationship among of spectral data, vegetation index, terrain and volume. Moreover, the feasibility uses spectral data to calculate the standard volume calculation.
The results showed that, the Landsat 7 ETM+ satellite multispectral image atmosphere correction could reduce the impact of atmospheric radiation. In the study, we known that influence of topographic effect on the spectral characteristics of crown property and vegetation indicators, which spectrum of abnormalities caused by classification and estimate the biomass of Cryptomeria (Cryptomeria japonica) errors and limitations. This study used 18 variables as the impact factors of Cryptomeria volume for the Pearson correlation test and multiple regression analysis. The results were without high correlation between volume and spectrum. The decided-parameter of volume, biomass could be promoted to group thought light intensity based on the slope and the R2 is 0.724 and 0.723 individually. The Cryptomeria estimated of volume and biomass were 384.84m3 /ha and 152ton/ha by regression models.

目錄
目次 I
圖目次 V
表目次 VI
中文摘要 VIII
英文摘要 IX
第一章 前言 1
第二章 前人研究 3
一、衛星遙測之原理 4
二、衛星影像的前處理 7
三、遙測與地理資訊系統之應用 15
四、遙測與植物特性之應用 17
五、遙測與森林生物量之應用 25
第三章 研究試區與材料 30
一、試區概述 30
(一) 地形及位置 30
(二) 地質及土壤 31
(三) 坡度 32
(四) 坡向 33
(五) 氣候 34
(六) 水系 35
二、研究材料 36
(一) Landsat衛星之介紹 36
(二) 成像原理 38
(三) 光譜資訊參數及輻射值轉換 38
(四) 地真資料 39
(五) 軟硬體資訊設備 42
第四章 研究架構及方法 43
一、研究架構 43
(一) 研究流程 43
二、研究方法 44
(一) 幾何糾正 44
(二) 影像大氣輻射校正 46
(三) 太陽位置及地形效應之影響 48
(四) 影像光譜特徵之萃取 49
(五) 資料統計與迴歸分析 52
第五章 結果與討論 55
一、幾何糾正 55
二、大氣糾正的效益 57
三、柳杉樣區的胸徑、樹高、冠幅直徑、材積相互關係 59
(一)原始Landsat ETM+影像之柳杉林型光譜特性分析 55
(二)植生指標組合影像之光譜特性分析 56
四、柳杉光譜特性分析 62
(一) 原始Landsat ETM+影像之柳杉林型光譜特性分析 62
(二) 植生指標組合影像之光譜特性分析 65
五、地形因子與光譜特性分析 67
(一) 地形因子之特性分析 67
(二) 地形因子與TM光譜資訊之關係 67
六、柳杉鬱閉度與光譜訊號分析 70
七、柳杉材積與光譜訊號分析 72
(一) 材積與Landsat ETM+光譜值迴歸分析 72
(二) 材積與Landsat ETM+光譜植生指標迴歸分析 73
(三) 材積與地形因子ELEVATION、ASPECT、SLOPE迴歸分
析 74
(四) 材積與Landsat ETM+光譜及植生指標迴歸分析 75
(五) 材積與Landsat ETM+光譜及地形因子迴歸分析 76
(六) 材積與Landsat ETM+光譜植生指標及地形因子迴歸分析
77
(七) 材積與Landsat ETM+光譜、植生指標及地形因子迴歸分
析 78
八、柳杉材積式之建立 79
(一) 材積與Landsat ETM+光譜值迴歸建模 79
(二) 材積與Landsat ETM+光譜植生指標迴歸建模 80
(三) 材積與地形因子ELEVATION、ASPECT、SLOPE迴歸建
模 80
(四) 材積與Landsat ETM+光譜及植生指標迴歸建模 81
(五) 材積與Landsat ETM+光譜及地形因子迴歸建模 82
(六) 材積與Landsat ETM+光譜植生指標及地形因子迴歸建模
83
(七) 材積與Landsat ETM+光譜、植生指標及地形因子迴歸建
模 84
(八) 材積迴歸方程式與Landsat ETM+光譜、植生指標及地形
因子關係之探討 85
九、柳杉材積之推估 87
(一) Landsat ETM+光譜資訊估測柳杉材積之迴歸式準確度評
估 87
(二) 柳杉材積式推估林分之材積分布 89
十、柳杉生物量之推估 92
(一) 柳杉材積式推估林分之生物量分布 92
(二) 生物量迴歸式推估柳杉林分之生物量分布 95
第六章 結論 98
一、大氣糾正及影像品質分析 98
二、光譜對柳杉材積估測之影響 98
三、光譜對生物量估測之影響 99
四、地形效應對生物量估測之影響 99
第七章 參考文獻 101

丁亞中（1992）數化像片幾何修正之空間精度推估，測繪工程第39卷4期，頁11－20。
王子定 (1978) 不同齡級柳杉林樹木生物量之測定 中華農學會報 新102：59-76。
李定忠（2003）整合GPS與GIS技術於林木樣區調查與林分生產力之研究。國立嘉義大學林業研究所碩士論文。21-59頁。
林永發（2000）雪霸國家公園生物多樣性保育策略。環境教育季刊42: 49-58。
林金樹（1988）空載多譜掃描資訊測估柳杉林分生物量之研究。國立台灣大學森林學研究所碩士論文。109頁。
林金樹（1996a）都會區土地利用變數結構之研究－以台南為例。中華林學季刊。29(2)：79-92。
林金樹（1996b）利用脊路徑分析法探討土地利用變數結構之研究。中華林學季刊。29(2)：59-78。
林金樹（1998）森林植被與地形因子對TM光譜資訊影響之研究。航測及遙測學刊。3(4)：15-36。
林金樹 (1999a) 森林植生季節性光譜特性之研究。台灣林業科學14(3)：289-305。
林金樹（1999b）TM SAVI修正因子最適值與林分密度估測之研究。中華林學季刊。32(3)：333-346。
林金樹（2005）空間資訊科技在森林資源與保育經營上之應用。森林資源與保育研討會。
林金樹、蔡正一（2005）應用福衛2號多譜影像辨識林區土地利用型之研究。中華林學會94年度學術論文發表會論文集。
林世宗 (1989) 不同栽植距離下柳杉林分生長及其養分動態之研究。 台大森林所博士論文。
林務局（1995）第三次臺灣森林資源及土地利用調查。
林俊雄 (2006) 結合QB光譜與組織特徵於樹種分類。國立嘉義大學林業暨自然資源研究所碩士論文。101頁。
吳政庭 (2004) 多元尺度影像與半變異元紋理法於都市水稻田分類之研究。逢甲大學土地管理學系碩士班碩士論文。75頁。
徐天蜀（2008）基於遙感資訊的森林生物量、碳儲量估測技術研究。林業調查規劃。第3卷。
徐新良、曹明奎（2006）森林生物量遙感估算與應用分析。地球資訊科學。8卷4期。
國立中央大學太空及遙測研究中心網站（http://www.csrsr.ncu.edu.tw/08CSRWeb/ChinVer/C6TechSupp/Optical/Landsat.php）
陳朝圳（1993）地理資訊系統應用於霧頭山自然保護區植群分類之研究。遙感探測。18：24-53。
陳朝圳、鍾玉龍 (2003) 應用遙感探測於墾丁國家公園計畫各分區長期植群生態變遷之調查與研究。國家公園學報13(2):85-102。
陳承昌、史天元、劉進金（2005）以不同時期SPOT影像輻射改正之研究。第二十四屆測量學術及應用研討會：457-464頁。
郭幸榮 徐新武 張照群 游啟皓 游智偉 張恆顥 鍾年均 翁世豪 (2005) 柳杉人工林生物量及碳貯存量之估算-以觀霧地區為例。 森林經營對二氧化碳吸存之貢獻研討會論文集 23-35頁。
楊龍士、周天穎（2000）遙感探測理論與分析實務。逢甲大學地理資訊系統研究中心。312頁。
嘉義林區管理處（2005）嘉義林區森林經營計畫。17頁
蔡正一（2006）應用福衛2號多譜衛星影像辨識林區土地利用型之研究。國立嘉義大學林業暨自然資源研究所碩士論文。93頁。
蔡文龍（2005）福衛二號影像糾正及誤差探討。國立成功大學測量及空間資訊學系碩士論文。
齊志新、鄧孺孺（2007）多暗像元大氣較正方法。國土資源遙感。第2卷。
鄭祈全、許立達、陳燕章（1998）整合地理資訊系統與遙測技術於林分材積估測之研究。台灣林業科學。13(2)：155-167。
劉小平、餘前、蔡槿（2004）一種實用大氣校正法及其在TM影像中的應用。中山大學學報論叢。3：297-300。
劉孝恆（1998）監督性模糊分類法於遙測影像分類及變遷偵測之研究。國立中央大學土木工程研究所碩士論文。68頁。
劉棠瑞與蘇鴻傑（1983）森林植物生態學。臺灣商務印書館。462頁。
謝漢欽（1992）多譜掃描資訊於柳杉林分樹冠鬱閉度及材積推估功效上之研究。國立台灣大學森林學系研究所博士論文。
謝漢欽（1998）SPOT綠度與森林生育地因子於台灣杉材積推估之探討。台灣林業科學。123(3)：175-188。
魏浚紘（2007）應用空載光達推估阿里山地區柳杉人工林林分材積。國立屏東科技大學森林系研究所碩士論文。94頁。
Avery, T. E. and G. L. Berlin, (1992) Fundamentals of Remote Sensing and Airphoto Interpretaton.(fifth edition). Prentice-Hall, Upper Saddle River,New Jersey07458.
Borge, N. H. and E. Leblanc, (2000) Comparing prediction power andstability of broadband and hyperspectral vegetation indices for estimation of green lesf area index and canopy chlorophyll density.
Congalton, R. G. (1991) A review of assessing the accuracy of classifications ofremotely sensed data. Remote Sensing of Environment 37: 35-46.
Congalton, R. G. and M. Story, (1986) Accuracy assessment: a user's perspective. Photogrammetric Engineering and Remote Sensing 55(9): 1303-1309.
Cracknell, A. P. and L. W. B. Hayes, (1991) Introduction to remote sensing. Tayler & Francis. p293.
Culvenor, D.S. (2002) TIDA: an algorithm for the delineation of tree crowns in high spatial resolution remotely sensed imagery. Computers & Geosciences 28: 33-44.
Danilin, I. M., and E. M. Medvedev, (2004) Forest inventory and biomass assessment by the use of airborne laser scanning method (eLPIample from Siberia). International Archives of Photogrammety. Remote Sensing and Spatial Information Sciences 36(8): 139-144.
Deering, D. W., J. W. Rouse, R. H. Haas, and J. A. Schell, (1975)Measuring forest production of grazing units from Landsat MSS data. In proceedings, 10th International Symposium of Remote Sensing of Environment 2: 1169-1178.
DeLucia, E. H., K. Nelson, T. C. Vogelmann, and W. K. Smith, (1996) Contribution of intercellular reflectance to photosynthesis in shade leaves. Plant Cell and Environment 19(2): 159–170.
Fish U. S. and S. Wildlife, (1990) The first national U.S. fish and wildlife service geographic information systems workshop. June 4-7, 1990. 242pp.
Gausman, H. W. (1982) Visible light reflectance, transmittance, and absorptance of differently pigmented cotton leaves. Remote Sensing of Environment 13: 233-238.
Gemmel, F. (1998) An investigation of terrain effects on the inversion of a forest reflectance model. Remote Sensing of Environment 65(2): 155–169.
Goetz, A. F. H., Rock, B. N. and Rowan, L. C. (1983) Remote sensing forexploration and an overview: Econmoic Geology 79: 573 - 590.
Goodenough, D. G. (1986) The Intergration of Remote Sensing and Symp On Remote Sensing for Resources Development and Environmental Management. Blakema,Rotterdam pp.1015-1028.
Gougeon, F.A. (1995) A crown-following approach to the automatic delineation of individual tree crowns in high spatial resolution digital images. Canadian Journal of Remote Sensing 21(3): 274–284.
Heit, M. and A. Shortreid (1991) GIS Application in Natural Resources, GIS World. Inc, Fort Collins, Colorado. 381pp.
Huete, A. R. (1988) A Soil-Adjusted Vegetation Index (SAVI). Remote Sensing of Environment 25: 295-309.
James, B. C. (2002) Introduction to remote sensing third edition, Taylor ＆Francis, 5-11. 127.
Jensen, J. R. (2005) Introductory digital image processing third edition. N. :Prentice-Hall.pp186-188.p205.pp301-314.
Jonathan A. G., Z. D. Solomon, and L. U. Susan, (2005) Shadow allometry: Estimating tree structural parameters using hyperspatial image analysis. Remote Sensing of Environment 97:15-25.
Jordan, C. F. (1969) Derivation of leaf area index from quality of light on the forest floor. Ecol 50: 663-666.
Kramer P. J. and T. T. Kozlowski, (1979) Physiology of woody plants. New York: Academic Press. 811.
Larsen, M. (1998) Finding an optimal match window for Spruce top detection based on an optical tree model. In: Hill, D.A., Leckie, D.G. (Eds.), Proceedings Automated Interpretation of High Spatial
Lillesand, T. M. and R. W. Kiefer, (2000) Remote sensing and image interpretation, Wiley ＆ Sons, New York,p724.
Lillesand, T. M., and R. W. Kiefer (1994) Remote sensing and image interpretation,third edition. John Wiley & Sons, Inc., New York, New York.
Li, X., A. H. Strahler (1992) Geometric-optical bidirectional reflectance modeling of the discrete crown vegetation canopy: effect of crown shape on mutual shadowing. IEEE Transactions on Geosciences and Remote Sensing 30(2): 276–291.
Næsset, E. and B. Kjell-Olav (2001) Estimating tree heights and number of stems in young forest stands using airborne laser scanner data. Remote Sensing of Enviroment 78: 328-340.
Philip, H. S. and M. D. Shirley, (1978) Remote Sensing:The Quantitative Approach Mc Graw-Hill Book Company.
Pollock, R. (1996) The Automatic Recognition of Individual Trees In Aerial Images of Forests Based On A Synthetic Tree Crown Image Model. PhD Dissertation, Department of Computer Science, University of British Columbia. Vancouver, Canada. 172pp.
Quattrochi, D. A., Pelletier, R. E. (1991) omote sensing for analysis oflandscapes: An introduction. In: Turner M. G.,Gardner R. H., ed.Quantitative Methods in Lamdscape Ecology: The Analysis and Interpretation of Landscape Heterogeneity, New York: Springer-Verlag. 51~76.
Richardson, A. J., and C. L. Wiegand, (1977) Distinguishing vegetation from soil background information. Photogramm. Eng. Remote Sens 43: 1541-1552.
Ripple, W. J. (1986) Geographic Information System for Resource Management: A Compendium. American Society for Photogrammetry and Remote Sensing.287pp.
Robert, A. S. (1983) Techniques for Imagine Processing and Classification in Remote Sensing. Academic Press.
Rouse, J. W., R. H. Haas, J. A. Schell, and D. W. Deering, (1973) Monitoring vegetation systems in the Great Plains with ERTS, in proceedings. Third ERTS Symposium 1: 48-62.
Schieh, H. C., (1992)Studies on the application of MSS data in the stand crown-closure and volume estimate of Cryptomeria [DPhil theses]. Taipei, Taiwan: National Taiwan University. p166.
Stefanie, H. (2002) Mapping Eucalyptus Canopy Dieback in the Dandenong Ranges National Park. University of Stuttgart, Stuttgart, Germany. 130.
Stone, C., L. Chisholm, and N Coops, (2001) Spectral reflectance characteristics of eucalypt foliage damaged by insects. Australian Journal of Botany 49: 687-698.
Tucker, C. J. (1979) Red and photographic infrared linear combinations for monitoring vegetation. Remote Sens. Environ 8: 127-150.