臺灣博碩士論文加值系統

南投縣九九峰因地處於車籠埔活動斷層及雙冬斷層之間，強烈多樣的地層活動，使坡地的植生復育成為一大課題。1999年九二一大地震、2004年七二水災、2009年莫拉克颱風皆造成九九峰區域土石嚴重崩塌，本研究透過長期衛星監測(1999-2011年)，採用相似度指標對植生復育率(Vegetation Recovery Rate，VRR)進行分析及探討。
一般而言，觀測植生復育常以常態化差異植生指標(Normalized Difference Vegetation Index，NDVI)求取植生復育率，並透過回歸計算求得該區域植物生長公式。經觀察發現NDVI累積統計直方圖於震災前後產生峰形變化，故期望透過相似度計算方式建立另一種觀測植生復育之指標。本研究主要利用希爾伯特黃(Hilbert-Huang Transform，HHT)及高斯平滑兩種方式求取NDVI直方圖之峰形趨勢線，再透過面積相似度計算及正規化交叉相關演算法(Normalized Cross-Correlation NCC)求得各時期影像NDVI直方圖之峰形趨勢線相似度。研究結果顯示：利用NDVI指標觀測，發現九九峰災後植生之復育率約回升至70%。而利用相似度指標觀測植生復育情形則面積相似度及NCC指標分別回升至80%及55%。雖兩指標於復育率計算成果有所差異，但因受災(地震、洪災及颱風)導致復育率降低再隨時間逐漸回復之變化趨勢皆與NDVI變化曲線相符，故利用相似度指標進行植生復育實為可行之研究方法。

The Jou-Jou Mountain located in the Chelungpu Fault Zone at Nantou County, Taiwan. The vegetation recovery has been a important issue for this geological characteristic. The 921 Earthquake in 1999, the Flood in 2004, and the Morakot Typhoon in 2009 caused landslides in Jou-Jjou Mountain. The aim of this study is using multi-temporal satellite images to analysis the Vegetation Recovery Rate (VRR) on the similarity index.
Generally, researchers use Normalized Difference Vegetation Index (NDVI) to obtain the vegetation recovery and calculate the rate of vegetation recovery. Besides, the regression model was used to acquire formula for vegetation growth model in this region. After the 921 earthquake, the change of the histogram is obvious. Therefore, the result of this study shows that similarity calculation is another index to monitor vegetation recovery. The study applies Hilbert-Huang Transform (HHT) and Gaussian smoothing algorithm to obtain the trend curve of NDVI histogram. Through the Area and Normalized Cross-Correlation (NCC) algorithm can acquire the similarity calculation from the images of every period. The study shows that the rates of vegetation recovery based on the NDVI, similarity index and NCC is 70%, 80 % and 55% respectively. Though, the result of similarity index is different from NDVI. But the vegetation recoveries from NDVI, similarity index and NCC have a very similar trend. The result of this study proves that similarity index can be used to acquire the vegetation recovery.

第一章 緒論 1
1.1 前言 1
1.2 研究目的 1
1.3 研究內容 2
1.4 論文主要架構 2
第二章 文獻回顧 5
2.1 植物生長復育模式 5
2.2 植生變遷分析與監測相關研究 5
2.3 趨勢線計算 6
2.4 圖形比對及相似度計算 7
第三章 研究區域概述 9
3.1 研究區簡介 9
3.2 歷史回顧 9
第四章 研究方法 12
4.1 衛星影像資料 12
4.1.1 影像的選取 12
4.1.2 多時期輻射校正 14
4.2 植生復育率 17
4.2.1 常態化差異植生指數(NDVI) 17
4.2.2 NDVI指標統計累積直方圖 18
4.2.3 崩塌地植生復育率計算 18
4.2.4 非崩塌地植生復育率計算 18
4.2.5 應用影像建立植被復育模型 19
4.3 希爾伯特黃轉換 22
4.3.1 一維經驗模態分解(EMD) 23
4.4 高斯平滑演算 26
4.5 影像相似度計算 27
4.5.1 面積相似度計算 28
4.5.2 正規化交叉相關演算法Normalized Cross-Correlation (NCC) 30
第五章 成果與討論 32
5.1 多時期輻射校正 32
5.2 植生復育率分析 32
5.2.1 常態化差異植生指數(NDVI)結果 32
5.2.2 NDVI指標統計累積直方圖分析 32
5.2.3 植生復育率計算結果 39
5.2.4 崩塌區植生復育率計算結果 42
5.2.5 建立植被復育模型 46
5.3 植生指標相似度計算 47
5.3.1 希爾波特黃及高斯平滑運算 47
5.3.2 面積相似度計算 51
5.3.3 正規化交叉相關演算法(NCC)計算 55
5.3.4 建立植被相似度模型 58
第六章 結論與建議 60
6.1 結論 60
6.2 建議 61
參考文獻 63

1.行政院農業委員會水土保持局，2004，七二水災崩塌地判釋與分析報告。
2.江山宏、陳玉妹、羅健霖、林文賜，2005，九九峰崩塌地變遷監測之研究，台灣地理資訊學會年會暨學術研討會。
3.江山宏，2005。九九峰崩塌地變遷之研究，明道管理學院環境規劃暨設計碩士論文。
4.陳樹群、吳俊鋐，2005，集集地震引發九九峰地區之崩塌形態探討，中華水土保持學報，36(1)，pp.101-112。
5.陳添水，2005，九九峰地區九二一地震崩塌植生指數變遷分析，特有生物研究，7(2)，pp.63-75。
6.陳珠燕，1989，利用SPOT 衛星資料研究山區植被光譜特性，國立中央大學大氣物理研究所論文。
7.曾聖權，2005，SPOT 衛星影像應用於陳有蘭溪流域崩塌調查之研究，朝陽科技大學營建工程系。
8.楊明德、許展祥、洪蜜琪、劉益誠，2006，九九峰地區多時期衛星影像之植被復育研究，第二十五屆測量及空間資訊研討會，桃園。
9.鄭嘉盈，1999，遙測在坡地災害評估之應用研究，國立成功大學土木工程學研究所碩士論文。
10.蕭志全，2006，應用衛星影像建立災後植生復育模型，國立中興大學土木工程研究所碩士論文。
11.劉益誠，2008，應用衛星影像於921災後九九峰植生復育崩塌潛感，國立中興大學土木工程研究所碩士論文。
12.黃聖慈，2008，以GIS探討台灣濁水溪與烏溪上游崩塌地之影響因子，國立中興大學土木工程研究所碩士論文。
13.張益祥，2010，應用多時期衛星影像於九九峰植生復育與崩塌潛勢分析，國立中興大學土木工程研究所碩士論文。
14.莊靜怡，2009，應用HHT 頻譜於結構物地震損傷之研究，國立中央大學土木工程系碩士論文。
15.施弘晉，1999，空間連通關係的建築分類演算，國立台灣大學建築與城鄉研究所博士論文。
16.蔡玫諼，2002，土石流地聲特性之實驗研究-不同材質土石聲紋之區別，國立成功大學水利及海洋工程學系碩士論文。
17.蘇治平，2006，三維影像之光學掃描量測系統，國立中正大學機械工程學系碩士論文。
18.楊榮華，2002，應用灰階共變異矩陣之多重指標於瑕疵檢測，私立元智大學工業工程管理研究所碩士論文。
19.陳正軒，2006，以視訊影像進行三維房屋模型實景紋理敷貼之研究，國立中央大學土木工程研究所碩士論文。
20.趙偉銘，2010，使用相關係數法於瑕疵偵測問題之研究，義守大學資訊工程研究所碩士論文。
21.中央氣象局：http://www.cwb.gov.tw/V6/index.htm
22.內政部消防署全球資訊網：http://www.nfa.gov.tw/index.aspx
23.Chen J.S., 2010, Signal Filtering Using the Hilbert-Huang Transform，Journal of Science and Engineering Technology, 6(1):75-84.
24.Huang, N. E., Z. Shen, S. R. Long, M. C. Wu, H. H. Shih, Q. A. Zheng, N. Yen, C. C. Tung, and H. H. Liu, 1998, The empirical mode decomposition method and the Hilbert spectrum for nonlinear and non-stationary time series analysis. Proc. Roy. Soc. London, A454:903-995.
25.Huang, N. E., Z. Shen, and S. R. Long, 1999, A new view of nonlinear water waves: the Hilbert spectrum, Ann. Rev. Fluid Mech. 31:417-457.
26.Huang, N. E., M. C. Wu, S. R. Long, S. P. Shen, W. D. Qu, P. Gloersen, and K. L. Fan, 2003, A confidence Limit for the Empirical mode decomposition and the Hilbert spectral analysis. Proc. Roy. Soc. London, A459:2317-2345.
27.Huang, N. E. and Z. Wu, 2008, A review on Hilbert-Huang transform: the method and its applications on geophysical studies, Rev. Geophys., 46: RG2006, doi: 10.1029/ 2007RG000228.
28.Lillesand, T. M., R. W. Kiefer, J. W. Chipman, 2004, “Remote Sensing and Image Interpretation 5E”, Wiley.
29.Lin, C. Y., H. M. Lo, W. C. Chou, W. T. Lin, 2004, Vegetation recovery assessment at the Jou-Jou Mountain landslide area caused by the 921 Earthquake in Central Taiwan, Ecological Modelling. 176:75–81.
30.Murray, J. D., 1989, “Mathematical Biology. Springer-Verlag”, New York.
31.Olsson, H., 1993, Regression functions for multitemporal relative calibration of thematic mapper data over boreal forest, Remote sensing of Environment, 46:89-102.
32.Schott, I. R., C. Salvaggio, and W. J. Volchok, 1988, Radiometric scene normalization using pseudoinvariant features. Remote sensing of Environment, 26:1-16.
33.Song, C., C. E. Woodcock, K. C. Seto, M. Pax Lenney, and S. A. Macomber, 2001, Classification and change detection using Landsat TM data: when and how to correct atmospheric effects? Remote sensing of Environment, 75:230-244.
34.Yuan, D., and C. D. Elvidge, 1996, Comparison of relative radiometric normalization techniques. ISPRS J. Remote Sens. 51:117-126.
35.Zhang, J., E. M. Rasmussen, 2001, Developing a new similarity measure from two different perspectives, Information Processing and Management, 37:279-294.