臺灣博碩士論文加值系統

一般而言，禾草為干擾區位之先驅植物，在臺灣東北部地區之亞熱帶、高濕氣候下，植生應自然演替成木本植物，然瑞芳地區煤礦蘊藏量豐富，自1895至1990年間大量開採的結果，高硫含量之煤礦棄石地易因氧化而形成酸性硫酸鹽土壤(Acid Sulfate Soils, ASS)，其會抑制入侵植物之生長及演替，故植生演替停滯區位可為酸性硫酸鹽土壤分布之重要指標。
本研究利用SPOT衛星影像與Google Earth影像進行草地區位劃定，再以多變量分析之集群與判別分析，針對研究樣區(瑞芳地區)之高程、坡度與坡向等地形因子及距礦區之距離探討草地分佈原因，最後以工研院能資所調查繪製之環境地質圖及現地調查，比對酸性硫酸鹽土壤(ASS)空間分佈(即礦渣棄石地之潛在區位)之劃定成果驗證。
結果顯示，草地區位之總體精確度可達92.8%，草地區位分佈越密集者其判別準確度越高。經由上述之分析方法與結果可知，吾人可利用衛星影像進行草地區位之萃取，再將草地區位與地形因子、距礦區距離等環境指標透過統計分析，即能準確地判釋出礦渣棄石地之潛在區位，避免礦渣棄石地之二次利用造成災害。

Generally, grasses are the pioneer plant in disturbed area and then successes to woody plants under subtropical and high humidity climate in northeastern Taiwan. However, Rui-Fang is a mining area with abandonment coal mine. Because the mining activity from 1895 to 1990, tailings of coal mine with high sulfides is vulnerable to oxidized to sulfuric acid and then cause Acid Sulfate Soils (ASS). Therefore, vegetation growth and succession will be disturbed by ASS so the distribution of ASS can be an important index for retarding vegetation succession.
In this study, the areas of grass land were delineated by imageries of SPOT and Google Earth. Furthermore, the reason of grass land distribution would be discussed with topographical factors (elevation, slope and aspect) and the distance from coal mines coupled with cluster and discrimination analysis. Finally, the verification of delineation results for ASS which is potential area of mines tailings was compared with field survey and environment geology map draught by Industrial Technology Research Institute.
The results showed that the overall accuracy of grass land reached 92.8%. The higher ratio of grass land in a subdivision has, the higher discrimination accurate it is. According to the study results, the grass land could be extracted by satellite images. The potential distribution of mines tailings would be delineated by environment indices such as topographical factors and the distance from coal mines coupled with statistical analysis in order to avoid secondary use of mines tailings.

目錄
摘要 i
ABSTRACT ii
目錄 iii
圖目錄 v
表目錄 viii
第一章　前言 1
1.1　研究動機 1
1.2　研究目的 1
1.3　研究流程 2
第二章　文獻回顧 4
2.1　酸性硫酸鹽土壤(Acid Sulfate Soils, ASS) 4
2.2　臺灣煤礦的興盛與衰敗 5
2.3　遙感探測(Remote Sensing, RS) 8
2.4　SPOT衛星影像 13
第三章　材料與方法 18
3.1　研究樣區 18
3.1.1　樣區選定 18
3.1.2　樣區環境因子 19
3.2　樣區地質與煤田關係 25
3.3　研究材料 27
3.3.1　衛星影像 27
3.3.2　樣區影像 28
3.3.3　煤礦(場)區之點位分佈 30
3.3.4　環境地質圖 33
3.4　研究方法 39
3.4.1　草地面積比率萃取法 40
3.4.2　多變量分析法 42
3.4.3　判別分析(Discriminant Analysis, DA)： 45
3.4.4　集群分析(Cluster Analysis, CA)： 45
3.4.5　最佳管理分區選擇 47
第四章　結果與討論 49
4.1　草地區位之萃取 49
4.2　最佳管理分區 52
4.3　研究結果與討論 54
4.3.1　判別分析(Discriminant Analysis, DA) 54
4.3.2　集群分析(Cluster Analysis, CA) 56
4.3.3　K-means分析 58
4.3.4　環境地質圖判釋與現況調查結果 60
4.4　研究結果之驗證 68
第五章　結論與建議 75
5.1　結論 75
5.2　建議 75
參考文獻 77




圖目錄
圖1-1　研究流程圖 3
圖2-1　衛星遙測基本原理 9
圖2-2　物體反射曲線 11
圖2-3　被動式與主動式感測器記錄資源之過程圖解 12
圖3-1　研究樣區位置 18
圖3-2　瑞芳區高程分佈圖 20
圖3-3　坡面植生與坡度間之關係圖 22
圖3-4　視窗網格示意圖 22
圖3-5　視窗網格坡向示意圖 24
圖3-6　瑞芳區煤田分佈區位 26
圖3-7　研究樣區地層分佈圖 27
圖3-8　研究樣區各期衛星影像 29
圖3-9　含有煤層之地質分布圖 30
圖3-10　研究樣區及其附近煤礦(場)之點位分佈圖 33
圖3-11　環境地質圖（濂洞圖幅） 34
圖3-12　環境地質圖（九份圖幅） 35
圖3-13　環境地質圖（瑞濱圖幅） 36
圖3-14　環境地質圖（瑞芳圖幅） 37
圖3-15　環境地質圖（四腳亭圖幅） 38
圖3-16　環境地質圖（暖暖圖幅） 39
圖3-17　不同門檻值之集水區自動劃分結果 42
圖3-18　多變量分析之分類 44
圖3-19　最佳分區個數之計算結果 48
圖4-1　研究樣區各期地表覆蓋類別萃取之成果 50
圖4-2　研究樣區經套疊後之地表覆蓋分類圖 51
圖4-3　Google Earth衛星影像萃取之草地區位圖 51
圖4-4　最佳管理分區個數－精確度曲線圖 54
圖4-5　研究樣區之判別分析成果圖 55
圖4-6　研究樣區之集群分析成果圖 57
圖4-7　研究樣區之K-means集群分析成果圖 59
圖4-8　101年版環境地質圖（濂洞圖幅）套繪舊有煤渣堆積區位及現況之照片 61
圖4-9　101年版環境地質圖（九份圖幅）套繪舊有煤渣堆積區位及現況之照片 62
圖4-10　101年版環境地質圖（瑞濱圖幅）套繪舊有煤渣堆積區位及現況之照片 64
圖4-11　101年版環境地質圖（瑞芳圖幅）套繪舊有煤渣堆積區位及現況之照片 65
圖4-12　101年版環境地質圖（四腳亭圖幅）套繪舊有煤渣堆積區位及現況之照片 66
圖4-13　101年版環境地質圖（暖暖圖幅）套繪舊有煤渣堆積區位及現況之照片 67
圖4-14　K-means分析結果及Google Earth影像比對圖(瑞泰橋兩側) 69
圖4-15　K-means分析結果及Google Earth影像比對圖(吉慶國小周邊) 69
圖4-16　K-means分析結果及Google Earth影像比對圖(星空草原附近) 70
圖4-17　K-means分析結果及Google Earth影像比對圖(瑞興新村對面山坡) 70
圖4-18　K-means分析結果及Google Earth影像比對圖(明燈路三段南側) 71
圖4-19　K-means分析結果及Google Earth影像比對圖(義方國小附近) 71
圖4-20　K-means分析結果及Google Earth影像比對圖(瑞芳公園) 72
圖4-21　K-means分析結果及Google Earth影像比對圖(黃金瀑布附近) 72
圖4-22　K-means分析結果及Google Earth影像比對圖(瑞芳第十九號公墓) 73
圖4-23　K-means分析結果及Google Earth影像比對圖(欽賢國中下方(102縣道旁)) 73





表目錄
表2-1　電磁波譜範圍 10
表2-2　SPOT系列衛星資料空間解析度與感測器光譜模式 16
表2-3　SPOT-1∼SPOT-4、SPOT-5、SPOT-6/7、EROS-A與FORMOSAT-2特性之比較 16
表3-1　中央氣象局基隆氣象站1981∼2010年之氣象資料 19
表3-2　坡面植生與坡度間之關係 21
表3-3　瑞芳區煤田與地層分布概況 26
表3-4　研究樣區之衛星影像資料表 28
表3-5　研究樣區及其附近之煤田與主要含煤層分佈 31
表3-6　臺灣北部地區煤礦礦場與煤礦公司名稱一覽表 32
表3-7　資料矩陣表 43
表4-1　草地萃取精確度分析結果 52
表4-2　最佳管理分區之集水分區個數及其精度表 53
表4-3　判別因子之結構矩陣表 55
表4-4　研究樣區之判別函數表 55
表4-5　研究樣區之集群分析成果表 57
表4-6　研究樣區之K-means集群分析成果表 59
表4-7　研究樣區之分析成果與現況調查表 74

1.John R. Jensen (2005)，「Introductory digital image processing a remote sensing perspective」，陈晓玲、龚威、李平湘、田?乔译(2007)，「遥感数字影像处理导论」，机械工业出版社，北京，pp.71-76。
2.工業技術研究院能源與資源研究所(繪製) (1989)，「環境地質圖」，臺北縣。
3.尤姝媚(2009)，「應用多時序遙測影像於海岸濕地監測與評估」，國立成功大學衛星資訊暨地球環境研究所碩士學位論文。
4.王逢君(2008)，「評估區域作為文化景觀的潛力－以金瓜石與水湳洞為例」，國立成功大學建築研究所碩士學位論文。
5.交通部中央氣象局全球資訊網站(2016)，http://www.cwb.gov.tw/V7/climate/monthlyMean/Taiwan_tx.htm，(2016/10/25)。
6.吳俊龍(2004)，「以影像紋理與色彩資訊輔助地物分類之研究－以台北地區為例」，國立臺北大學地政學研究所碩士學位論文。
7.李海瑞(1996)，「瑞芳地區火燒對植群影響之研究」，國立中興大學植物學研究所碩士學位論文。
8.周鍾瑄、陳夢林(1999)，「諸羅縣志. 物產志」，頁195。
9.林文賜、林昭遠、黃碧慧、周文杰(2006)，「集水區自動劃分模式建立之研究」，中華水土保持學報，37(4)：337-354。
10.林再生(1999)，「基隆煤礦史」，基隆市：基隆市政府。
11.林初夏(1995)，「国际酸性硫酸盐土研究及其进展」，土壤学进展，23(3)：1-11。
12.林信輝(主持人) (1990)，「臺北市廢棄煤礦土石跡地水土保持植生調查規劃」，臺北市政府建設局委託國立中興大學水土保持學系執行之計劃報告，p.109。
13.林信輝、呂金誠、林昭遠(1993)，「臺北市廢棄煤礦礦區棄土場植生特性之研究」，中興大學實驗林研究報告，15(2)：113-128。
14.林政侑(2012)，「應用環境指標劃定集水區地覆類別及熱點區位監測之研究」，國立中興大學水土保持學研究所碩士學位論文。
15.林昭遠(1996)，「坡地酸性硫酸鹽土壤潛在分布之研究」，水土保持學報，28(3)：43-58。
16.林昭遠(1997)，「瑞芳地區草生地演替停滯因素之探討」，中興大學實驗林研究彙刊，19(1)：63-77。
17.林昭遠、林文賜(1995)，「酸性硫酸鹽土壤特性及其分布之研究」，中華水土保持學報，26(2)：69-77。
18.林昭遠、劉思謙、林文賜(1998)，「強酸性煤渣捨石邊坡植生之復育」，水土保持學報，30(1)：31-39。
19.林暐淳(2015)，「遙測影像應用於桃園地區埤塘之變遷分析」，國立臺灣大學生物環境系統工程學研究所碩士學位論文。
20.唐莎莉、梁隆鑫(1991)，「多譜影像資料分類與地理資訊系統－蘭嶼實例」，遙感探測，14：1-17。
21.國立中央大學太空及遙測研究中心(CSRSR)網站(2016)，http://www.csrsr.ncu.edu.tw/csrsr_new_site/Website/index.php，(2016/07/29)。
22.盛清沂(1999)，「臺北縣志. 礦業志」。
23.章家恩(1999)，「酸性硫酸盐土的景观诊断及时空分布与演替模式」，土壤与环境，8(2)：144-147。
24.章家恩(1999)，「酸性硫酸盐土的酸害暴发机制及其环境影响」，热带地理，19(2)：137-141。
25.陳建璋、吳守從、陳建文、陳朝圳(2009)，「利用SPOT衛星影像探討阿里山事業區林型光譜特徵」，作物、環境與生物資訊，6：124-133。
26.黄巧?、唐拴虎、卢瑛、张发?、杨少海(2014)，「酸性硫酸盐土的形成、特性及其生态环境效应」，植物营养与肥料学报，20(6)：1534-1544。
27.街貓的鐵道(煤礦風光)網站(2001)，http://citycat.theweb.tw/index.htm (2017/03/23)。
28.黃俊英(2000)，「多變量分析(第七版)」，翰蘆圖書出版有限公司。
29.黃麗娟(2007)，「植生指標應用於土地利用分類判釋之研究」，國立中興大學水土保持學研究所碩士學位論文。
30.新北市政府工務局(委託)、財團法人工業技術研究院(繪編) (2012)，「環境地質圖」，新北市。
31.楊志堅、張家榮(2000)，「群集分析的介紹」，進修通訊年刊，6：42-49。
32.臧小平、张承林、孙光明、郑少玲、严小龙(2003)，「酸性硫酸盐土壤上施用磷矿粉对水稻养分有效性的影响」，植物营养与肥料学报，9(2)：203-207。
33.臺灣省政府建設廳(委託)、工業技術研究院能源與資源研究所(繪製) (1994)，「環境地質圖」，臺北縣。
34.臺灣礦業史編纂委員會(編) (1999)，「臺灣礦業史」<上冊>，頁117。
35.鄧元黎、莊弘豪(1998)，「衛星遙測原理與應用」，海軍學術月刊，39(9)：53。
36.戴維斯(John W. Davis) (1999)，「臺灣之過去與現在」。
37.謝金原(1998)，「太空微波遙測簡介」，機械工程，71(2)：20。
38.鍾溫清(2002)，「瑞芳鎮誌. 礦業篇」，臺北縣瑞芳鎮：北縣瑞芳鎮公所。

1.Avery T.E., and Berlin G.L. (1992), “Fundamentals of remote sensing and airphoto interpretation.” Prentice-Hall, Upper Saddle River, New Jersey.
2.Belokon W.F., Emmons M.A., Fowler W.H., Gilson B.A., Hernandez G., Johnson A.J., Keister M.D., McMillan J.W., Noderer M.A., Tullos E.J., and White K.E. (1997), “Multispectral Imagery Reference Guide” Logicon Geodynamice, Inc.Dent, D., (1992), “Reclamation of acid sulphate soils.” In Soil restoration(pp79-122), Springer New York.
3.Faltmarsch R.M., Astrom M.E., and Vuori K.M. (2008), “Environmental risks of metals mobilized from acid sulphate soils in Finland：a literature review.” Boreal Environment Research, 13:444-456.
4.Hair, J. F., Black, W. C., Babin, B. J., Anderson, R. E., and Tatham, R. L. (1998). “Multivariate data analysis (Vol. 5, No. 3, pp. 207-219).” Prentice-Hall, Upper Saddle River.
5.Jenson S.K., and Domingue J.O. (1988), “Extracting Topographic Structure from Digital Elevation Data for Geographic Information System Analysis.” Photogrammetric Engineering and Remote Sensing, 54(11)：1593-1600.
6.Kang, D. J., Seo, Y. J., Lee, B. K., Vijarnsorn, P., and Ishii, R. (2010), “Identification and crop performance of acid sulfate soil-tolerant rice varieties.” Journal of Crop Science and Biotechnology, 13(2):75-81.
7.Lillesand, T., Kiefer, R. W., and Chipman, J. (2014). “Remote sensing and image interpretation.” John Wiley and Sons.
8.Lin C.Y., Fu K.L., and Lin C.Y. (2016), “Optimal Subdivision for Treatmant and Management of Catastrophic Landslides in a Watershed Using Topographic Factors.” Environmental Management, 58(5):833-842.
9.O’Callaghan J.F., and Mark D.M. (1984), “The Extraction of Drainage Networks from Digital Elevation Data.” Computer Graphics and Image Processing, 28(3)：323-344.
10.Redmond S., Heneghan C. (2007), “A method for initialising the K-means clustering algorithm using KD-trees.” Pattern Recognit Lett, 28(8)：965-973.
11.Rosicky, M. A., Sullivan, L. A., Slavich, P. G., and Hughes, M. (2004), “Factors contributing to the acid sulfate soil scalding process in the coastal floodplains of New South Wales.” Australia. Soil Research, 42(6):587-594.
12.Sonia. B., Peter. J.M., John D.H. and Ian. S. (2010), 「Combining optical and acoustic data to enhance the detection of Caribbean fore reef habitats.」, Remoto Sensing of Environment, Volume 114, Issue 11：2768-2778.
13.Yang, M.D., Yang, Y.F., and Hsu, S.C. (2004), “Application of remotely sensed data to the assessment of terrain factors affecting the Tsao-Ling landslide.” Canadian Journal of Remote sensing, 30(4): 593-603.
14.Zhang S.X., Zhang S.P., Lin X.J. (2000), “SPSS for windows, statistical analysiselementary and advanced statistics.” Unalis, Taipei.
15.Zhou N., Wu J.S., Shen Z.X., Zhang X.Z. and Yang P.W. (2016), “Species–area relationship within and across functional groups at alpine grasslands on the northern Tibetan Plateau.” China. Journal of Mountain Science, 13(2):265.