• Journals

氣候變遷下美洲含羞草的空間防治優先性

氣候變遷可能驅使入侵生物的分布擴張，掌握入侵擴散的空間資訊，有助遏阻或減緩其蔓延。本研究 以美洲含羞草（Mimosa diplotricha）為例，透過MaxEnt與MigClim模式，模擬其入侵分布動態，並整合結構與功能連接度，建構氣候變遷下的空間防治策略。研究結果顯示，美洲含羞草偏好日夜溫度波動明顯的溫暖環境，暖化可能有利其分布擴張，預估未來將自當前棲地範圍，持續往北延伸擴張，惟促進擴散的關鍵途徑，將因暖化程度不同，而有所差異。整體而言，無論何種暖化情境，現有棲地範圍的北緣，皆應優先獲得控制，此外，隨暖化情勢的加劇，則更應側重未來促進擴散風險區位的防禦。

• Journals

以高解析衛星影像輔以深度學習建置三維房屋模型

利用衛星影像建置三維房屋模型逐漸受到討論，衛星影像的涵蓋範圍廣、時間解析度高，對於建置三維房屋模型，有一定的優勢。本研究主要針對以高解析光學衛星影像進行影像分析，並建立符合OGC CityGML LOD1等級之三維房屋模型。研究中應用深度學習，自動萃取出房屋平面圖（Building Footprints），並去除非房屋多餘區域，之後利用最小包絡矩形（Minimum Bounding Rectangle, MBR）技術、正規化（Regularization）及約化（Generalization）處理後，塑形出較規律房屋多邊形。最後，萃取房屋上層附屬結構物，並利用高程資料與RANSAC（RANdom SAmple Consensus）演算法擬合各多邊形高度，建立積木式三維房屋模型。經過校正與去除異常值，三維房屋模型平面及高程誤差皆可符合OGC CityGML LOD1規範。

• Journals

基於特徵關係演算法創建線框模型之研究

點雲結構化為被廣泛研究之課題，現今演算法的適應性及成果的細緻度仍有改善的空間。本研究提出特徵關係（Feature Relationship Algorithm, FRA）演算法，FRA能萃取物件幾何之頂角隅特徵點和邊緣特徵點，並自動重建特徵點間之連線關係，獲得可描述物件幾何之線框模型。相較於現有演算法，FRA更適應物件之不同尺度和幾何變化，且具備高度自動化和細緻成果。初步驗證顯示，在模擬和點間距平均為3 cm的實際資料中，萃取出的VertexNode RMSE分別可達5 mm與4.3 cm，演算法能成功產製出完整的物件線框模型。本研究成果可望獲得提升不同幾何與不同尺度構件之點雲模型重建任務下的自動化及細緻程度。

• Journals

高鐵雲林段黃金廊道一期稻作面積年際變化與地層下陷量關係探討

本研究用監督式影像分類，判釋2018、2020年上半年雲林地區福衛五號衛星影像，以QGIS分區統計功能，擷取水稻空間資訊，計算兩個年度高鐵黃金廊道內、外區域的水稻面積。並配合水利署地層下陷監測井資料，討論水稻面積變化與地層下陷的關係。研究結果發現高鐵黃金廊道內，2020年一期稻作面積較2018年減少的程度較高鐵廊道外明顯，且同期廊道內地層下陷量減緩程度亦較廊道外顯著。兩者在95%的信心水準下，通過t檢定，顯示廊道內、外在水稻面積減少量和地層下陷減緩的程度存在顯著差異，說明黃金廊道內可能因水田轉作為旱作，而使地層下陷有減緩的現象。