2 results
Search Results
Now showing 1 - 2 of 2
Item 使用深度學習方法建立崩塌判釋模型(2023) 許恆瑜; Hsu, Heng-Yu崩塌災害對於居民造成財產和生命的威脅，同時也對下游水庫、河道輸砂和農業等方面造成影響。因此，若能快速且準確地掌握崩塌位置及其影響範圍，對於執行正確的減災策略和後續的整治工作至關重要。本研究使用深度學習方法對谷關水庫集水區進行崩塌判釋，並比較了不同輸入資料的模型表現差異，同時比較了深度學習方法與支持向量機的精度差異。研究結果顯示，深度學習方法進行崩塌判釋係具可行性，本研究使用衛星影像光譜值作為模型輸入資料，且加入不同崩塌影響因子，深度學習模型在測試集之F1-score介於0.75至0.81，精確率介於0.73至0.80，召回率介於0.77至0.85，整體表現良好。其中，當輸入資料加入平面曲率因子階段為最適選，F1-score為0.80，精確率為0.75，召回率為0.85，可成功判釋出85%衛星影像中崩塌類別。本研究亦比較深度學習方法和支持向量機模型表現。研究結果顯示，深度學習模型表現皆優於支持向量機模型。其中，於深度學習模型中加入平面曲率因子階段表現為最佳，F1-score為0.75，精確率為0.76，召回率為0.74，並於研究中發現深度學習模型判釋出的像素雜異點較少，不需額外處理雜異點問題，係使用深度學習模型優勢之一。Item 陳有蘭溪源流區之崩塌與土石流發生特性與空間差異： 以和社溪流域為例(2014) 劉盈劭; LIU, Yin-Shao本研究以陳有蘭溪源流之一的和社溪流域為研究區，檢視1993- 2004年間 賀伯颱風、集集地震、桃芝颱風、敏督利颱風前後拍攝的航空照片，判釋及歸納崩塌特性的變化，探討歷次重大颱風豪雨和地震事件在誘發和社溪流域地形變動上的角色。為釐清子集水區在一般事件及連續極端事件的崩塌、侵淤行為特徵與影響因素，更拉長時距從1963年~2004年，細部檢視其中三個子集水區在各次事件中的崩塌與土石流的發生，以及事件後沈積物在河道中的侵淤狀況。 就全區域而言，影響各子集水區崩塌發生最重要的原因為坡度，以及台21線與一般道路的修築，而伐林地多位在相對緩坡處，與崩塌的關係不明顯。從崩塌發生區位特性來看，各子集水區可分為隨機、重複及特定區塊重複三類，而每一子集水區的土石供應特性與位置，會影響河道侵淤狀況。 檢視出水溪、頭坑溪、四號溪三個子集水區40年間八個年度的河道侵淤狀況，發現這些河道前期相對穩定，在1985年因道路開發而有改變；明顯變化始於賀伯颱風，大部分河道都有明顯侵淤；集集地震與桃芝颱風之極端事件的組合，展現本區數十年間最有效率的邊坡土石產出與河道搬運，河道變化更加明顯；而不久之後發生的大颱風(敏督利颱風)，所造成的邊坡與河道影響則相對有限。 本研究檢視和社溪流域數十年間崩塌和河道侵淤，發現位於源流區的和社溪，即使地質地形環境極為敏感，但各子集水區河道的侵淤，仍因內部特性(地質、地形)與外部干擾的程度(颱風、地震、開發)，會有集水區之間或不同河段之間的差異，其主要影響因素包括流域面積、河谷寬度、局部坡降(流量、流能)、土石供應位置、河道前期狀況等。