• 期刊

結合土地利用迴歸與極限梯度提升演算法發展高雄都會區二氧化氮之推估模型

暴露二氧化氮（NO_2）會對人體造成不良健康效應，然而過去空氣污染暴露評估模式仍有高估或低估的問題，因此使用高時空解析度之預測模型探討大範圍暴露濃度有其必要性。本研究以高雄都會區為研究區，使用土地利用迴歸模型、並結合極限梯度提升（Extreme Gradient Boosting, XGBoost）演算法，發展高時空解析度之NO_2濃度推估模型。結果顯示，土地利用迴歸結合XGBoost模型R^2為0.82，均方根誤差為4.53 ppb，具有高度預測與解釋力，十折交叉驗證R^2為0.82，顯示模型沒有過度擬合的問題，最後利用此模型推估高雄都會區NO_2之時空變異情形，結果發現高值熱點出現在南高雄之工商業發達以及人口密集處。

• 期刊

以虛擬原鄉輔助傳統生態知識教學之研究

本研究提出虛擬原鄉（Virtual Indigenous Tribe），透過沉浸式虛擬實境技術，重現原鄉環境，並融入傳統生態知識，讓都市原住民族學生以更具臨場感的方式認識部落的環境與知識。本研究以臺東成功重安部落作為虛擬原鄉建置對象，將傳統生態知識融入利用無人飛行載具（Unmanned Aerial Vehicle, UAV）所拍攝之像片和360°全景相機所拍攝的全景像片和全景影片，以Unity軟體開發沉浸式虛擬原鄉APP。本研究與樹林高中原住民族專班合作進行虛擬原鄉教學實測，以認知試題和情意量表前後測問卷作為評量工具。研究結果顯示，虛擬原鄉教學相較於一般教學更能明顯提升學生對於傳統生態知識的認知程度。

• 期刊

點雲自動建構向量模型之策略

本研究基於深度學習技術提出物件角點萃取模型及角點向量化模型，並針對建物點雲中的幾何結構，如板、梁、柱、牆作為向量化之標的物，建立點雲轉換向量模型的自動化機制。經實際測試，本研究在物件分類品質的平均精確度可達到50%以上，物件角點位置之誤差最高不超過25 cm，其中梁柱類別的角點誤差更小於10 cm，而在向量模型的角點連結正確率可達70%以上。顯示本研究方法能有效地將構件點雲自動地轉換為向量模型，同時賦予物件之語義屬性，模型成果可視為後續加值應用或成果精煉的基礎模型，達到提升自動化作業之效益。

• 期刊

水清石見－台灣北部水庫水質監測

水質監測是當代重要的環境課題，透過遙測進行水庫水質推估較傳統的人工測點採樣省時省力，且有迅速獲知大範圍水質資訊的優點。本研究使用福衛五號、陸域衛星八號影像與地理資訊系統，選定北台灣石門與寶山水庫，以遙測光譜和庫區水質現地資料建立迴歸模型進行水質監測。數據分析成果顯示兩個庫區水質的迴歸模型在葉綠素a、總磷、化學需氧量的水質推估判定係數皆在0.61～0.75之間。利用迴歸模型能呈現庫區水體整體水質分布，估測水質與岸區土地利用有很高的關聯性。利用遙測以迴歸模型進行水庫水質之空間推估，未來能應用於台灣其他水庫。