臺灣博碩士論文加值系統

由於都市持續發展、人口由郊區移往都市，以及土地使用方式改變等因素，世界各地皆可顯見都市化程度攀升的現象，除了造成環境的破壞外，亦使得都市熱島效應加劇，嚴重影響人類居住品質和健康。因此本研究將探討都市中不同發展型態對都市熱環境之影響以及都市中地表變遷對於溫度之變化，藉大尺度的南台灣，以及南台灣平地測站中升溫現象最為明顯的嘉義，進行小尺度分析不同時空尺度下都市地表覆蓋與熱環境之關聯性探討。
本研究根據台灣西南部測站1999-2018年二十年間歷史氣候資料與不同年代Landsat衛星影像取得空間資料，並以環域分析法量化其在二十年間的變化程度進行分析及比較。氣候資料之分析採用移動平均找出升溫明顯之測站，並根據年均溫漲幅及年均溫變化量之距平值確認其溫度變遷程度。空間資料如地表覆蓋則依照建成區及道路在環域內之占比計算出不透水面變化率做為迴歸分析因子，以代表都市發展程度。
在嘉義區域主要探討測站間的地表覆蓋差異對熱環境的影響，結合實測及遙測資料進行分析。本研究於2018/09-2019/09透過架設氣候量測網(LATiC)於一年間進行實測氣候資料收集及中央氣象局資料作為氣候資料來源，並以Landsat衛星影像作為地表覆蓋、局部氣候分區等進階空間分類圖資，並以國土測繪中心資料做為參考圖層，以及透過空載光達取得具建築高程資訊之圖資，再將其依照高低分類做為分析因子，比較各測站在不同時段的空氣溫度特徵及分布情形。
本研究在大尺度長期地表變遷結果發現，不透水面面積變化率較高時，且其年均溫變化距平值也較高，在2009-2018期間兩者呈現明顯正相關。建成區面積變化率較高時，其年均溫漲幅也較高。而在小尺度地表差異分析結果發現，在冬季日間時，市區高不透水率測站較郊區低不透水率測站高1.6°C，在夜間時則高1.7°C。在夏季日間時，市區高不透水率測站較郊區低不透水率測站高1.9°C，在夜間時則高1.6°C。結果顯示，在同一時段市區的測站溫度較郊區的測站為高，而位於同一區域的高不透水率的溫度又較低不透水率為高。而在冬夏兩季的日夜間，溫度與不透水率均呈正相關，以冬季夜間最為顯著。
本研究透過多種氣候與建成資訊之分析證明不透水面及建成區占比之變化高低具備影響空氣溫度之實質能力，並證明都市的熱環境除在全球暖化之背景氣候影響下，亦會受到區域的發展差異而造成熱環境的不同。而於未來應用部分，為了建立永續環境以及抑止熱島效應的加劇，建議地方政府在都市規劃上的調適策略應建立區域性的整合平台。本研究預期未來可提供協助都市規劃人員，進行抑制熱壓力之都市規劃策略參考。

To understand the changes in the urban thermal environment and the changes in different seasons, this study obtained spatial data from historical climate data from 1999 to 2018 in the southwestern Taiwan station and Landsat satellite images from different years and quantified its presence in the area using a ring analysis method. Analysis and comparison of the changes in the past two decades found that the surface factor image was most obvious in the range of 250 meters. Successively adopting moving average to find the stations with obvious temperature increase, and confirm the degree of temperature change according to the annual average temperature increase and the annual mean temperature anomaly. Spatial data, such as land cover, is calculated based on the proportion of the built-up area and roads in the area as a regression analysis factor to represent the degree of urban development. In the Chiayi area, the impact of surface differences between stations on the thermal environment is mainly discussed. The analysis is based on observation and remote sensing data. The measured data from the year 2018 / 09-2019 / 09 and the data from the CWB are used as the source of climate data Landsat satellite images are used as advanced spatial classification maps for Land Cover, Local Climate Zones, and building height to compare the characteristics of different stations at different time and distribution. The results show that, according to different scales, long-term analysis can use the annual mean temperature change anomaly and the impervious area change rate in the ring area, and small-scale short- term use day and night temperature and impervious rate and station distance. Between large-scale cities, the stations of the impervious surface increase greatly, and the annual mean temperature anomaly is large. When discussing the large-scale long-term surface changes, it is found that when the impervious surface area has a high rate of change, the annual mean temperature anomaly is also high. On a small scale, the relationship between impermeability and station distance and temperature is more significant at night. The results of small-scale surface difference analysis found that the station temperature in the urban area is higher than that in the suburbs. During the day and night of the four seasons, the temperature and impermeability are positively correlated, and it is more significant at night.

第一章、 緒論 1
第一節、 研究背景與動機 1
第二節、 研究目的 3
第三節、 文獻回顧 4
第四節、 研究流程與架構 10
第二章、 研究方法 13
第一節、 研究區域 13
第二節、 研究設計 23
第三節、 空間資料收集及套疊 25
第四節、 氣候資料收集與處理 43
第五節、 遙測影像分類及分析工具 56
第三章、 大尺度長期地表變遷分析 61
第一節、 地表覆蓋分佈及變遷 61
第二節、 氣候資料分佈及變遷 68
第三節、 氣溫與地表覆蓋變遷之關聯 76
第四章、 小尺度短期地表差異分析 81
第一節、 局地氣候區分佈圖及比較 81
第二節、 不同時段氣溫分佈圖及比較 85
第三節、 環域因子與不同時段氣溫關聯 88
第五章、 結論與建議 97
參考文獻 101
附錄 104

1.Bernard, J., Musy, M., Calmet, I., Bocher, E., ＆Keravec, P. (2017). Urban heat island temporal and spatial variations: Empirical modeling from geographical and meteorological data. Building and Environment, 125, 423–438. https://doi.org/10.1016/j.buildenv.2017.08.009
2.Climate Prediction Center. Frequently Asked Questions about El Niño and La Niña. National Centers for Environmental Prediction. (2005)
3.Chen, Y. C., Liao, Y. J., Yao, C. K., Honjo, T., Wang, C. K., ＆ Lin, T-P. (2019). The application of a high-density street-level air temperature observation network (HiSAN): The relationship between air temperature, urban development, and geographic features. Science of the Total Environment, 685, 710-722
4.Chen, Y. C., Yao, C. K., Honjo, T., ＆ Lin, T-P. (2018). The application of a high-density street-level air temperature observation network (HiSAN): Dynamic variation characteristics of urban heat island in Tainan, Taiwan. Science of the Total Envir onment, 626, 555-566.
5.Deilami, K., Kamruzzaman, M., ＆Liu, Y. (2018). Urban heat island effect: A systematic review of spatio-temporal factors, data, methods, and mitigation measures. International Journal of Applied Earth Observation and Geoinformation, 67, 30–42. https://doi.org/10.1016/J.JAG.2017.12.009
6.Lin, F. Y., Huang, K. T., Lin, T. P., ＆Hwang, R. L. (2019). Generating hourly local weather data with high spatially resolution and the applications in bioclimatic performance. Science of the Total Environment, 653, 1262–1271. https://doi.org/10.1016/j.scitotenv.2018.10.433
7.Kotharkar, R., ＆Bagade, A. (2018). Evaluating urban heat island in the critical local climate zones of an Indian city. Landscape and Urban Planning, 169(August), 92–104. https://doi.org/10.1016/j.landurbplan.2017.08.009
8.K.E. Trenberth, P.D. Jones, P. Ambenje, R. Bojariu , D. Easterling, A. Klein Tank, D. Parker, F. Rahimzadeh, J.A. Renwick, M. Rusticucci, B. Soden and P. Zhai. Observations: Surface and Atmospheric Climate Change. Solomon, S., D. Qin, M. Manning, Z. Chen, M. Marquis, K.B. Averyt, M. Tignor and H.L. Miller. Climate Change 2007: The Physical Science Basis. Contribution of Working Group I to the Fourth Assessment Report of the Intergovernmental Panel on Climate Change. Cambridge, UK: Cambridge University Press. : 235–336.(2007)
9.Son, N. T., Chen, C. F., Chen, C. R., Thanh, B. X., ＆Vuong, T. H. (2017). Assessment of urbanization and urban heat islands in Ho Chi Minh City, Vietnam using Landsat data. Sustainable Cities and Society, 30, 150–161. https://doi.org/10.1016/j.scs.2017.01.009
10.Stewart, I. D., ＆Oke, T. R. (2012). Local climate zones for urban temperature studies. Bulletin of the American Meteorological Society, 93(12), 1879–1900. https://doi.org/10.1175/BAMS-D-11-00019.1
11.Wang, R., Ren, C., Xu, Y., Lau, K. K. L., ＆Shi, Y. (2018). Mapping the local climate zones of urban areas by GIS-based and WUDAPT methods: A case study of Hong Kong. Urban Climate, 24(October 2016), 567–576. https://doi.org/10.1016/j.uclim.2017.10.001
12.李魁鵬，台灣四大都會區都市熱島之研究，博士論文，國立成功大學建築研究所，(1999)。
13.林建廷，以局部氣候分區整合風環境與熱環境之都市氣候地圖研究─以台南市為例，碩士論文，國立成功大學建築學系碩博士班，(2016)。
14.林奉怡，都市區域建築能源耗用地圖置方法與應用，碩士論文，國立成功大學建築學系碩博士班，(2014)。
15.林憲德、陳冠廷、郭曉青，台灣中型都市熱島現象與土地利用之觀測解析，《規劃學報》第28期，頁47-64，（2001）。
16.姚俊魁，台南都會區高密度地面氣溫量測網(HiSAN)之建置及氣溫之時空分布與都市型態分析，碩士論文，國立成功大學建築學系碩博士班，(2017)。
17.侯凱山，應用高密度地面氣溫量測網探討熱環境及風環境之時空變遷，碩士論文，國立成功大學建築學系碩博士班，(2019)。
18.陳思元，高雄都會區密度環境溫觀測網路(STONK)之建置及應用，碩士論文，國立成功大學建築學系碩博士班，(2019)。
19.陳育成，台灣都市地氣候地圖之研究，博士論文，國立成功大學建築學系碩博士班，(2018)。
20.廖昱捷，應用高密度地面氣溫量測網(HiSAN)於氣溫與土地利用及覆蓋之分析，碩士論文，國立成功大學建築學系碩博士班，(2018)。
21.蔡滎陽，〈論嘉義市鄉土旅遊、休閒農業、觀光農場與市民農園之設置與發展〉，《嘉義市政》85: 23–25，嘉義市政府，嘉義市，(1992)。
22.行政院主計處 (編). 《中華民國七十四年臺灣地區農漁業普查報告》. 台北市: 行政院. 1987: 58–59，(1987)。