航測及遙測學刊/Journal of Photogrammetry and Remote Sensing
中華民國航空測量及遙感探測學會,正常發行
選擇卷期
- 期刊
二氧化氮（NO_2）為都會區最重要的空氣污染物之一。本研究以台北都會區為研究區，結合環境保護署18個監測站於2000年至2013年月平均空污濃度監測資料、以及土地利用的GIS資料，利用地理加權迴歸（Geographically Weighted Regression, GWR）推估NO_2的時空變異。結果指出，研究期間台北都會區的NO_2濃度呈現逐漸下降的趨勢，由2000年的25.94ppb減少為2013年的21.48ppb；模型分析結果指出，道路與污染具正相關，森林、水體與污染則呈負相關；所建模型之R^2達0.89，具有高度之預測與解釋力。最後利用所建模型推估台北都會區NO_2濃度之空間變異，結果顯示，污染物濃度較高的地區主要集中在台北市以及新北市人口稠密、道路交通發達之地區。
- 期刊
石化工業為一大型污染來源，了解石化工業區周遭污染濃度之時空變化有其必要性。本研究以林園臨海工業區之懸浮微粒污染為研究標的，藉由傳統土地利用迴歸與克利金／土地利用迴歸混合模式進行建模。其中傳統土地利用迴歸模式R^2、ADJ-R^2和RMSE分別為0.89、0.89以及7.29μg/m^3，交叉驗證結果R^2、ADJ-R^2和RMSE分別為0.83、0.83及9.02μg/m^3；而克利金／土地利用迴歸混合模式建立之結果，模式R^2、ADJ-R^2和RMSE分別為0.95、0.95以及5.2μg/m^3，交叉驗證結果R^2、ADJ-R^2和RMSE分別為0.94、0.94及5.41μg/m^3。相較之下，混合模式提升了約6%的解釋能力，其表現優於傳統模式。由所建之混合式模型推估林園臨海工業區PM_(10)濃度之時空分布發現，由空間部分觀察到住宅區、水稻田及製造業區域其PM_(10)濃度較高；時間部分則為2015-2017年濃度漸高，到了2018年呈下降趨勢。
- 期刊
本研究透過深度學習的七種影像分類方法（2D-CNN、AlexNet、VGG16、ResNet50、Inception-v1、Inception-v3、InceptionResNet-v2）及兩種深度學習影像分割方法（FCN及Mask R-CNN），進行農作物判釋分類，藉以協助政府機關統計作物產量，解決產銷失衡等問題。在初期研究，以火龍果及荔枝作物的航空影像作為訓練母體樣本，除了探討深度自動學習影像特徵的方法外，也實作了傳統透過預先提取作物特徵，透過作物的紋理、形狀、色彩分布及11項植物植生指標特徵搭配隨機森林影像分類方法進行火龍果、荔枝及其他作物分類判釋。實驗結果顯示，以CNN為基礎架構設計的InceptionResNet-v2演算法有較佳準確度（92.97%）優於作物特徵萃取分類方法（91.35%）。
- 期刊
長久以來，社會中存在著各種不均等，而環境資源的分配亦可能產生不均等的現象。此外，多項前人研究均指出，綠資源及環境綠蔽度對人類的生活有著不可或缺的正面效應，然而過去尚無人針對其分配不均之議題進行探討。基於此，本研究將利用遙感探測、空間資訊技術與統計分析，結合社會經濟、人口資料及全球常態化差異植生指標（Normalized Difference Vegetation Index, NDVI）之衛星資料庫，以臺北都會區為研究區，探討綠資源於不同經濟發展與人口特性地區之分配不均等情形。研究結果指出，不同社會經濟及人口條件之地區所分配到的綠資源確有不平等的情況發生，故建議未來相關單位在進行區域規劃及擬定都市計畫時，針對綠資源分布不均等的問題應加以考慮。