在莫拉克颱風侵襲後，在高雄市那瑪夏鄉引發了大規模的淺層崩塌，造成了在當地生命財產上的慘痛損失。為了降低之後再發生類似的災害損失，對於過往的崩塌建立模型對其分析，以期了解崩塌發生之原因。
本研究針對2013年水土保持局公開之那瑪夏鄉崩塌圈繪資料。整理過往崩塌圈繪，衛星圖像和現地觀測，建立起崩塌目錄。本研究主是使用隨機森林模型以不同的尺度來構建那瑪夏鄉的崩塌潛勢圖。尺度分別為5m×5m，10m×10m，20m×20m，25m×25m和40m×40m。以9個崩塌環境因子進行分析，分別是坡度、地質、坡向、曲率、地形粗糙指數、斷層距離、道路距離和河流距離。使用混淆矩陣、接收者操作特徵曲線以及特徵曲線下面積（AUC）來評估在各尺度下模型結果的結果。
產出的崩塌潛勢圖能在災害事情發生前預先針對山坡地區域進行災害發生潛勢及可能造成風險進行評估。以期在未來進行規劃做為參考，也能事先針對高風險區進行補強，以達到防災、減災及避災的效果

After Typhoon Morakot, a large number of shallow slope failures occured in the Namasia of Kaohsiung, causing widespread damage to property and infrastructure, injuries and losses of life. Assessing and modeling the landslide events provides information for mitigating the impact or minimizing similar disaster in the future.
In our study, landslide information and disaster events in the Namasia area were collected, based on the landslide in Taiwan published by Soil and water Conservation Bureau (2013). The landslide inventory was compiled using data from existing catalogues, satellite imagery and field observations. The main objective of the study is to apply a Random Forest model for construction of landslide susceptibility map in the Namasia. Nine landslide variables were analyzed, namely: slope, lithology, aspect, terrain ruggedness index, curvature, distance to fault, distance to road and distance to stream. The another purpose of the study is to produce landslide susceptibility maps using different scale. Five scale, respectively 5m×5m,10m×10m、20m×20m、25m×25m and 40m×40m are used, and their results are compared for landslides susceptibility mapping .The comparison and validation of the outcome of model were achieved using confusion matrix, the receiving operating characteristic curve, and the area under the receiving operating characteristic curve .
The output susceptibility map has the potential to be useful for general planned development activities in the future and to prioritize areas where hazard mitigation measures are required.

中文摘要 i
ABSTRACT ii
CONTENTS iii
LIST OF FIGURES v
LIST OF TABLES vii
Chapter 1 緒論 1
1.1 研究動機與目的 1
1.2 研究方法與流程 1
Chapter 2 文獻回顧 4
2.1 淺層崩塌定義與特徵 4
2.1.1 崩塌定義 4
2.1.2 淺層崩塌特徵 7
2.2 淺層崩塌成因 7
2.3 淺層崩塌潛勢分析相關文獻 8
2.4 尺度效應相關研究 10
2.5 隨機森林之研究回顧 13
Chapter 3 研究區域介紹與基本資料收集 15
3.1 研究區域概況 15
3.2 基本資料蒐集 17
3.3 淺層崩塌資料庫建立 17
Chapter 4 環境因子資料建立 28
4.1 環境特性因子 28
4.2 環境因子統計分布特性 44
4.2.1 建立環境資料庫 44
4.2.2 環境資料庫取樣 52
4.3 因子檢定分析 59
4.3.1 因子相互關係性 59
4.3.2 因子假設檢定 63
Chapter 5 隨機森林法分析與檢定 66
5.1 隨機森林法分析 66
5.1.1 隨機森林法原理與發展 66
5.1.2 隨機森林法分析流程 67
5.2 隨機森林檢定 70
5.2.1 袋外錯誤率 70
5.2.2 混淆矩陣(Confusion matrix) 70
5.2.3 ROC曲線 71
Chapter 6 研究結果與分析討論 73
6.1 隨機森林模型 73
6.2 隨機森林分析 78
6.2.1 隨機森林模型輸出 78
6.2.2 隨機森林混淆矩陣 80
6.3 淺層崩塌發生因子關連性歸納 100
6.4 小結 105
Chapter 7 結論與建議 106
7.1 結論 106
7.2 建議 107
REFERENCE 108

[1]台北市政府工務局大地工程處，台北市環境地質資料庫宣導手冊，2012。
[2]行政院農業委員會林務局，國有林地淺層崩塌警戒基準研究(第4期)，行政院農業委員會林務局研究計畫，2015。
[3]林美聆、陳天健、王國隆，淺層崩塌防災管理規劃與研究，農委會水土保持局委託研究計劃，2017。
[4]林美聆、陳天健、王國隆、陳永昇、蘇群雅、莊漢鑫，六龜-寶來地區不同崩塌類型分類方法與土砂遷移分析，農委會水土保持局委託研究計劃，2014。
[5]林美聆、陳天健、王國隆、陳永昇、蘇群雅、陳德偉、莊漢鑫、陳彥澄，流域崩塌及土砂災害演化對土石流災害影響研究，農委會水土保持局委託研究計劃，2013。
[6]林美聆、陳彥澄，高屏溪流域研究區坡地崩塌與致災降雨關聯性分析，農委會水土保持局創新研究計畫，2016。
[7]林裕翔，碩士論文，土石流發生潛勢-區別分析的擬合與預測，國立臺灣大學土木工程研究所，2008。
[8]羅文俊，博士論文，莫拉克災區土石流發生因子關連性探討，國立交通大學土木工程研究所，2015。
[9]高橋保，橫跨土石流潛勢區域之橋梁工程問題, 土木工程防災系列研習會論文集, 國立中央大學土木工程學系 橋梁工程研究中心，1997。
[10]莊漢鑫，碩士論文，考慮空間與雨量變異之土石流影響因子潛勢分析，國立臺灣大學土木工程研究所，2012。
[11]楊奕岑、徐美玲、賴進貴，DEM 解析度暨流向演算法對於集流面積計算之影響，地理學報，39：71-90，2005。
[12]独立行政法人土木研究所土砂管理研究グループ火山土石流チーム，“表層崩壊に起因する土石流の発生危険度評価マニュアル（案）”，2009。
[13]F. Catani, D. Lagomarsino, S. Segoni, and V. Tofani, “Landslide susceptibility estimation by random forests technique: sensitivity and scaling issues”, Hazards Earth Syst. Sci,2013.
[14]Ian S. EVANS, “Scale-Specific Landforms and Aspects of the Land Surface”,Concepts and Modelling in Geomorphology:International Perspectives,61-84,2003.
[15]Khaled Taalab, Tao Cheng & Yang Zhang, “Issue Mapping landslide susceptibility and types using Random Forest”,Big Earth Data, Volume 2,. Pages 159-178,2018.
[16]O. E. Mora,M. G. Lenzano b , C. K. Toth,D. A. Grejner-Brzezinska, “Analyzing the Effects of Spatial Resolution for Small Landslide Susceptibility and Hazard Mapping”, Remote Sensing and Spatial Information Sciences,Vol.XL-1,pp293-300,2014.
[17]T. Hastie, R. Tibshirani and J. Friedman, “Elements of Statistical Learning Ed. 2”, p592-593, Springer, 2009.
[18]Varnes, D. J, “Slope movement types and processes, “ In: Special Report 176: Landslides: Analysis and Control (Eds: Schuster, R. L. & Krizek, R. J.)”, Transportation and Road Research Board, National Academy of Science, Washington D. C., 11-33,1978.
[19]Youssef, A.M., Pourghasemi, H.R., Pourtaghi, Z.S. et al. , “Landslide susceptibility mapping using random forest, boosted regression tree, classification and regression tree, and general linear models and comparison of their performance at Wadi Tayyah Basin, Asir Region, Saudi Arabia, Landslides13: 839,2016.