應用多時期 SPOT 影像分析歷年雲林沿海牡蠣養殖發展(2003—2020)

以作者查詢圖書館館藏

、以作者查詢臺灣博碩士

、以作者查詢全國書目

、勘誤回報

、線上人數：32

、訪客IP：52.14.130.13

姓名

林彥廷(Yen-Ting Lin) 查詢紙本館藏

畢業系所

土木工程學系

論文名稱

應用多時期 SPOT 影像分析歷年雲林沿海牡蠣養殖發展(2003—2020)

相關論文

★ 評估不同數值地型資料於降雨型崩塌作用模式之應用性-以小尺度坡面之崩塌事件為例	★ 應用最大熵法於蒙古山區進行森林樹種分類
★ 利用Landsat衛星影像監測並預測中美洲瓜地馬拉首都–瓜地馬拉市之都市發展	★ 都市化與發展：對海地永續發展之意涵
★ 客家文化重點發展區之客家政策研究：以龍潭大池整體環境規劃與營造計畫為例	★ 利用多時期Landsat衛星影像進行森林砍伐之評估 -以尼加拉瓜波沙瓦生態保護區為例
★ 融合光學衛星影像及地形資訊進行崩塌地之判釋	★ 應用Sentinel-1 SAR影像進行水稻監測-以泰國中部大城府省為例
★ 都市三維結構變遷之分析-以臺灣臺北市為例	★ 應用 Sentinel-1 合成孔徑雷達資料進行地層下陷監測 - 以 2017 年泰國曼谷都會區為例
★ 利用人工神經網絡模型建立多事件為基礎之崩塌模型-以台灣玉山國家公園為例	★ 應用衛星影像於都市發展之監測與預測 ─以台灣桃園為例
★ 分析降雨及不透水面對台南水患發生之影響	★ 應用Google Earth Engine與影像分類技術於巴拉圭查科地區進行森林砍伐評估
★ 應用多時期Sentinel-1 合成孔徑雷達影像進行崩塌及淹水偵測-以印尼爪哇島Pacitan地區為例	★ 母岩裸露指標之建立並應用於崩塌判釋與監測

檔案

[Endnote RIS 格式]

[Bibtex 格式]

[相關文章]

[文章引用]

[完整記錄]

[館藏目錄]

[檢視]

[下載]

本電子論文使用權限為同意立即開放。
已達開放權限電子全文僅授權使用者為學術研究之目的，進行個人非營利性質之檢索、閱讀、列印。
請遵守中華民國著作權法之相關規定，切勿任意重製、散佈、改作、轉貼、播送，以免觸法。

摘要(中)

台灣的牡蠣養殖業具有悠久的歷史，並且台灣的環境和氣候非常適合牡蠣的全年繁殖。主要的養殖地區位於雲林、嘉義和台南的沿海地區，其中雲林縣是主要的牡蠣苗生產區。牡蠣養殖方法根據不同水深可以分成浮筏式棚架(浮棚)與垂下式棚架(立棚)。牡蠣產量的減少對雲林當地的蚵農造成了生計上的困難，然而，由於土地劃分和統計資料真實性等問題，對於雲林沿海地區的牡蠣養殖業缺乏完整且可靠的資訊。因此，本研究旨在針對雲林縣台西鄉的牡蠣養殖範圍進行提取，利用多時期的 SPOT 衛星影像辨識牡蠣棚架，以獲取歷年的牡蠣養殖範圍和棚架數量。傳統的像元分類方法對於海洋環境中的養殖範圍提取具有一定的挑戰，因為複雜的海水背景和光譜訊息相似的養殖範圍會影響分類結果。物件式影像分析(object-based image analysis, OBIA)方法可以解決這些問題。
本研究使用 OBIA 方法對 SPOT 影像進行分類，並選擇了支持向量機(Support Vector Machine, SVM)作為分類器進行兩次試驗，對空間解析度 6 公尺之多光譜影像，以及其 1.5 公尺之銳化影像進行分類，同時結合光譜(標準化植生指數、標準化水體指數、明亮度、光譜平均值、光譜標準差)和 GLCM(Gray-Level Co- Occurrence Matrix)紋理特徵(能量、熵、相關性、逆差矩)等作為分類的依據。試驗一針對整張影像進行分類、試驗二則是將影像分成浮棚與立棚兩個區域再進行分區分類，也同時比較僅使用光譜特徵以及同時使用光譜與紋理特徵之分類精度。結果顯示，試驗一中所有分類結果整體精度皆高於 85%，表示 OBIA 方法能夠在 SPOT 影像中準確識別牡蠣棚架，且當分類條件中加入能量與逆差矩紋理特徵時，能夠有效提高分類的精度。而在試驗二分區分類結果中，浮棚的整體精度皆高於 90%，而立棚在 6m 影像中加入紋理特徵的整體精度為 65.49%、1.5m 影像中則是 82.3%，由此可知浮棚的分類精度比立棚高，且使用高解析度影像可以得到更好的牡蠣棚架分類結果。
另外本研究獲取了 2003 年至 2020 年間雲林縣台西鄉的牡蠣養殖範圍和棚架數量。由結果得知過去主要以立棚為主、分佈範圍廣泛，但因為地形變化，2010 年後立棚逐漸減少、浮棚漸增。整體而言過去 18 年來台西鄉在採苗時期的牡蠣棚架逐漸減少。這項研究有助於填補雲林沿海地區牡蠣養殖業資訊不完整的缺陷，並提供了重要的參考依據，以支持牡蠣養殖業的發展和管理。

摘要(英)

Taiwan′s oyster aquaculture industry has a long history, primarily in Yunlin County for oyster seed production. Oyster farming methods include floating and overturned frames, depending on water depths. However, declining oyster production challenges local farmers′ livelihoods. Limited by land division and data reliability issues, there is incomplete information about oyster aquaculture in Yunlin′s coastal areas. This study uses multi-temporal SPOT satellite imagery and object-based image analysis (OBIA) to identify oyster cultivation areas in Yunlin′s Taixi Township. The Support Vector Machine (SVM) was employed as the classifier in two experiments using SPOT images with spatial resolutions of 6 m and 1.5 m. Spectral features including Normalized Difference Vegetation Index (NDVI), Normalized Difference Water Index (NDWI), brightness, spectral mean, and standard deviation, and GLCM (Gray-Level Co-Occurrence Matrix) texture features, including energy, entropy, correlation, and inverse difference moment were used in the classification. In Experiment 1, the entire image was classified, while in Experiment 2, the image was divided into floating frames and overturned frames. Meanwhile, the SVM was conducted and compared when only spectral features were used and both spectral and texture features were used. The results of Experiment 1 show that the overall accuracies of classification results are all above 85%, indicating that the OBIA method accurately recognizes oyster beds in SPOT images. Furthermore, the inclusion of texture features of energy and inverse difference moment effectively improves classification accuracy. In Experiment 2, with combining spectral and texture features, the classification accuracies of floating frames are consistently higher than 90%, while the classification of overturned frames has overall accuracies of 65.49% and 82.3% when applying 6 m and 1.5 m images, respectively. This indicates that the classification accuracy of floating frames is higher, and images with higher spatial resolution result in better oyster frames classification. Additionally, the study mapps oyster cultivation areas and frame numbers from 2003 to 2020 in Taixi Township. Overturned frames were common in the past but gradually decreased after 2010, while floating frames increased. In the past 18 years, the number of oyster frames during the larvae period declined in Taixi Township. This study bridges the information gap in Yunlin′s coastal oyster aquaculture, providing essential references for development and management.

關鍵字(中)

★ OBIA
★ SPOT
★ 牡蠣養殖
★ GLCM 紋理特徵
★ 台西鄉

關鍵字(英)

★ OBIA
★ SPOT
★ oyster farming
★ GLCM texture features
★ Taixi Township

論文目次

中文摘要..................................................................................................... I ABSTRACT................................................................................................... II
目錄........................................................................................................... III
圖目錄....................................................................................................... VI
表目錄..................................................................................................... VIII
一、緒論.................................................................................................... 1
1-1 研究背景與動機............................................................................ 1
1-2 研究目的........................................................................................ 4
1-3 論文架構........................................................................................ 5
二、文獻探討............................................................................................ 6
2-1 牡蠣養殖的發展與管理 ............................................................... 6
2-1-1 牡蠣養殖概況 .......................................................................... 6
2-1-2 牡蠣養殖方法 .......................................................................... 7
2-1-3 牡蠣養殖監控與管理 .............................................................. 9
2-2 遙測技術在漁業養殖監測的應用 ..............................................11
2-3 物件導向分類方法...................................................................... 12
三、研究區域.......................................................................................... 17
四、研究方法.......................................................................................... 21
4-1 研究架構...................................................................................... 21
4-2 使用影像...................................................................................... 23
4-3 影像前處理.................................................................................. 26
4-3-1 影像融合 ................................................................................ 26
4-3-2 建立遮罩裁切研究範圍 ........................................................ 27
4-3-3 直方圖匹配 ............................................................................ 27
4-3-4 使用常態化差異水體指數分離水體與陸地 ........................ 27
4-3-5 使用光譜特徵去除雲霧、浪花 ............................................ 28
4-4 物件導向分析方法...................................................................... 29
4-4-1 影像分割 ................................................................................ 29
4-4-2 影像分類 ................................................................................ 35
4-4-3 影像特徵 ................................................................................ 37
4-5 分類精度評估.............................................................................. 40
4-6 研究流程...................................................................................... 43
五、結果與討論 ..................................................................................... 46
5-1 分類成果比較.............................................................................. 46
5-2 不同特徵組合的分類精度 ......................................................... 57
5-3 歷年牡蠣棚架分布圖 ................................................................. 59
六、討論.................................................................................................. 72
6-1 分析試驗結果與紋理特徵........................................................... 72
6-2 探討牡蠣養殖發展與趨勢........................................................... 74
6.3 研究限制........................................................................................ 76
6.4 研究應用性 ................................................................................... 77
七、結論與建議 ..................................................................................... 78
7-1 研究成果...................................................................................... 78
7-2 未來研究建議.............................................................................. 79
參考文獻.................................................................................................. 80

參考文獻

[1] 張岱屏：〈蚵苗消失之謎|西部沿海牡蠣養殖走入黃昏?〉，2018，取自https://ourisland.pts.org.tw/content/2746。
[2] 漁業署：〈漁業統計年報〉，2013。
[3] 行政院農委會漁業署：〈雲林縣專用漁業權〉，2019，取自https://www.fa.gov.tw/view.php?theme=web_structure&id=394。
[4] 經濟部工業局：〈111年度雲林離島式基礎工業區簡介〉，2022。
[5] 漁業署：〈水產養殖經營管理研究-運用衛星及航測資訊建構養殖面積監控系統〉，2011-2020。
[6] Liu, Y., Wang, Z., Yang, X., Zhang, Y., Yang, F., Liu, B., Cai, P., “Satellite- based monitoring and statistics for raft and cage aquaculture in China’s offshore waters,” International Journal of Applied Earth Observation and Geoinformation, Vol. 91, 2020, pp. 102-118.
[7] Myint, S.W. , Gober, P., Brazel, A., Grossman-Clarke, S., Weng, Q., “Per-pixel vs. object-based classification of urban land cover extraction using high spatial resolution imagery,” Remote Sensing of Environment, Vol. 115, No. 5, 2011, pp. 1145-1161.
[8] 雷祖強、周天穎、萬絢、楊龍士、許晉嘉：〈空間特徵分類器支援向量機之研究〉，《航測及遙測學刊》，第十二卷第二期，2007，145-163頁。
[9] 郭秀玲：〈紋理分析於農地利用判釋之研究-以苗栗縣大湖鄉為例〉，逢甲大學，2003。
[10] 陳彥宏：〈運用紋理資訊輔助高解析度衛星影像於都會區水稻田萃取之研究〉，逢甲大學，2004。
[11] 莊政斌：〈影像分割技術於高解析衛星影像分類之應用〉，國立中央大學，2004。
[12] 張維音：〈應用GIS空間分析估算X-band雷達回波影像內的浮筏式蚵架數量〉，國立成功大學，2017。
[13] 吳育勳：〈牡蠣養殖發展之研究-以台南市牡蠣養殖區為例〉，國立中山大學，2008。
[14] 楊夢南、巫文隆：〈台灣的長牡蠣〉，《貝類學報》，第二十期，1996，31-42頁。
[15] 陳鴻議：〈牡蠣養殖〉，《漁業輔導專刊 I-雲嘉地區主要魚貝類養殖技術彙集》，2001，125-135頁。
[16] 楊天成：〈台灣西南海域長牡蠣成長之研究〉，國立高雄海洋科技大學，2012。
[17] 巫文隆：〈台灣重要食用雙貝類研究〉，《貝類學報》，第七期，1980，101-114頁。
[18] 楊夢南：〈臺灣長牡蠣Crassostrea gigas Thunberg基礎生物學的研究〉，台灣大學，1995。
[19] 漁業署：〈漁業統計年報〉，1990-2020。
[20] 丁雲源：〈牡蠣養殖淺說〉，《水產養殖淺說》，第五十三期，1974。
[21] 蔡政霖：〈台灣牡蠣養殖產業之經濟分析〉，國立臺灣海洋大學，2004。
[22] 陳奕中、陳汾蘭：〈牡蠣養殖現況與展望〉，《臺灣水產》，2014，35-41頁。
[23] 鄭永裕：〈3S技術於台灣海域區劃漁業權漁業規劃與管理應用之研究〉，國立中山大學，2009。
[24] 雲林縣政府：〈汛期將至籲請相關縣市政府積極輔導浮筏式牡蠣納管〉，農業處公告，2016，取自https://agriculture.yunlin.gov.tw/News_Content.aspx?n=2445&s=253857。
[25] 漁業署：〈雲林區漁會響應政策率先核發浮筏式牡蠣入漁證，保障漁民權益〉，行政院農業委員會漁業署新聞，2014，取自https://www.fa.gov.tw/view.php?theme=Press_release&subtheme=&id=1346&font-size=s。
[26] 漁業署：〈106年漁業權劃設與陸上魚塭設置等未臻妥適等情案〉，2017。
[27] 謝金原：〈太空微波遙感探測原理及其運用〉，《科學知識》，第四十六期，1999，17-24頁。
[28] 陳俊愷、張國楨、施明志：〈福衛二號影像應用於牡蠣棚架數量估算〉，《航測及遙測學刊》，第十五卷第二期，2010，167-175頁。
[29] 萬瑨：〈利用UAV影像進行牡蠣棚之辨識與災損評估〉，國立中興大學，2016。
[30] 鍾逸帆：〈臺灣魚塭養殖時空分布特性與遙測影像監測應用〉，國立臺灣師範大學，2019。
[31] 水產試驗所：〈UAV 智慧判釋—養殖災損勘查效能大提升〉，《農業資訊科技應用發展電子報》，第五十二期，2019。
[32] 楊龍士、周天穎：〈遙感探測理論與分析實務〉，逢甲大學地理資訊系統研究中心，2000。
[33] 吳俊龍：〈以影像紋理與色彩資訊輔助地物分類之研究-以台北地區為例〉，國立臺北大學，2004。
[34] 呂明倫：〈物件式影像分析技術應用於土地覆蓋分類之研究台灣生物多樣性研究〉，《台灣生物多樣性研究》，第十七卷第四期，2015，307-320頁。
[35] 雷祖強、李哲源、葉惠中、萬絢：〈以區塊化物件分類法萃取ADS-40影像中水稻田坵塊資訊之研究〉，《航測及遙測學刊》，第十四卷第二期，2009，127-140頁。
[36] 胡惠雅：〈以未經糾正之DMC航空影像自動產製崩塌地地理空間資料與資料庫建置〉，國立政治大學，2015。
[37] 傅建嘉、李瑞陽：〈物件導向分類於大蒜作物判釋之研究〉，逢甲大學，2011。
[38] 莊雲翰：〈結合影像區塊及知識庫分類之研究-以IKONOS衛星影像為例〉，國立中央大學，2002。
[39] 孔繁恩、詹進發、邵怡誠、李茂園、葉堃生、陳連晃：〈物件式分類法於高解析度航照影像萃取崩塌地之研究〉，《航測及遙測學刊》，第十八卷第四期，2014，267- 281頁。
[40] Haralick, R. M. , Shapiro, L. G. , “Image segmentation techniques,” Computer vision, graphics, and image processing, Vol. 29, No. 1, 1985, pp. 100-132.
[41] Gonzalez, R. C., Woods, R. E., Digital Image Processing, 2008.
[42] 鄭雅文、史天元、蕭國鑫：〈物件導向分類於高解析度影像自動判釋〉，《航測及遙測學刊》，第十三卷第四期，2008，273-284頁。
[43] 黃韋凱、林銘郎、陳良健、林彥享、蕭震洋：〈物件導向分析方法應用於遙測影像之分區及崩塌地與人工設施分類〉，《航測及遙測學刊》，第十五卷第一期，2010，29-49頁。
[44] 李瑞陽、陳坤鈺：〈運用空間技術與景觀指標分析清境地區景觀變遷之研究〉，《地理研究》，第五十七期，2012。
[45] Xie, Y., Wang, M., Zhang, X., “An object-oriented approach for extracting |Farm waters within coastal belts,” Remote Sensing Technology and Application, Vol. 24, No. 1, 2009, pp. 68-72.
[46] Zhang, T., Li, Q., Yang, X., Zhou, C., Su, F, “Automatic mapping aquaculture in coastal zone from TM imagery with OBIA approach,” 2010 18th International Conference on Geoinformatics, Vol. 2, No.1, 2010.
[47] Wang, F., Xia, L., Chen, Z., Cui, W., Liu, Z., Pan, C., “Remote sensing identification of coastal zone mariculture modes based on association-rules object-oriented method,” Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), Vol. 34, 2018, pp. 210-217.
[48] Yu, W., Wang, C., Li, J., “Classification of Coastal Features in High-resolution Images Based on Multi-level Features,” Spacecraft Recovery & Remote Sensing, Vol. 44, No. 2, 2023, pp. 140-152.
[49] 雲林區漁會：〈漁業概況〉，2002。取自http://www.ylfish.com.tw/index.asp?main=M5。
[50] 國立中央大學太空及遙測中心：〈衛星介紹--SPOT〉，取自https://www.csrsr.ncu.edu.tw/rsrs/satellite/SPOT.php。
[51] S. K. McFeeters, “The use of the Normalized Difference Water Index (NDWI) in the delineation of open water features.,” International Journal of Remote Sensing, Vol. 17, No. 7, 1996, pp. 1425-1432.
[52] 范慶龍：〈監督式機器學習於土地覆蓋分類效益之研究〉，《台灣土地研究》，第二十四卷第一期，2016，67-94頁。
[53] 張崑宗、高啟軒、王主一、劉進金：〈暴雨型崩塌地自動判釋及特徵分析之研究〉，《航測及遙測學刊》，第十五卷第一期，2010，79-95頁。
[54] 陳承昌：〈支持向量機及Plausible Neural Network於水稻田辨識之研究〉，國立交通大學，2006。
[55] Rouse, J.W., Haas, R.H., Schell, J.A., Deering, D.W., “Monitoring vegetation systems in the Great Plains with ERTS,” 3rd ERTS Symposium, 1973.
[56] 陳冠字：〈紋理分析在彩色影像分類上之應用〉，中華大學，2002。
[57] 中央氣象局：〈資料集 - 潮位站歷史觀測資料〉，取自https://ocean.cwb.gov.tw/V2/data_interface/download?dataset=Tide-his&title= 潮位站歷史觀測資料&format=CSV&all_formats=TXT,CSV。
[58] 張子見、蔡玉如、蔡易達、林佩儀、白嘉民、呂孟諺、陳泰安：〈台西養蚵產業之產業關聯分析〉，第六屆雲林研究研討會論文集，2007。
[59] 陳俞伶：〈台南牡蠣業者因應氣候變異-颱風之調適策略研究〉，國立中山大學，2009。
[60] 曾振德、林志遠、陳世欽：〈衛星遙測及地理資訊系統應用於烏魚漁海況速報之研究〉，《水試專刊》，第二期，2003，1-8頁。
[61] 盧佳綺：〈台西及七股地區葡萄牙牡蠣生長及生殖〉，國立中山大學，2012。
[62] 黃繼興、曾振德、陳世欽：〈淺談 3S 在水產研究分析之應用〉，《漁業推廣月刊》，第239期，2006，18-23頁。
[63] 簡瑋延：〈應用物件導向分類方法自動產製斜坡單元〉，國立中央大學，2011。
[64] 王中昂：〈以模糊集合理論為基礎之影像對比增揚法〉，國立中央大學，2010。
[65] 許君韶：〈區塊分割變遷偵測法於多時期衛星影像之應用〉，國立中央大學，2005。
[66] 黃俊偉：〈大範圍地區土地使用分類之研究〉，國立中央大學，2001。
[67] 王正信：〈遙測技術運用於海域監控之規劃研究〉，國立臺灣海洋大學，2005。
[68] 蔡文聖：〈應用SPOT-5衛星影像於都市地區綠化程度及變遷之研究–以台南市區為例〉，國立成功大學，2007。
[69] 曾振德：〈衛星影像應用於臺灣秋刀魚漁業之漁海況變動研究〉，國立臺灣大學，2012。
[70] 水產試驗所：〈衛星遙測及地理資訊系統應用於烏魚漁海況速報之研究〉，2003。
[71] eCognition, eCognition Reference Book, 2014.
[72] Wang, J., Sui, L., Yang, X., Wang, Z., Liu, Y., Kang, J., Lu, C., Yang, F., Liu, B., “Extracting Coastal Raft Aquaculture Data from Landsat 8 OLI Imagery,” Sensors, Vol. 19, No. 5, 2019.
[73] Wang, M., Cui, Q., Wang, J., Ming, D., Lv, G., “Raft cultivation area extraction from high resolution remote sensing imagery by fusing multi-scale region-line primitive association features,” ISPRS Journal of Photogrammetry and Remote Sensing, Vol. 123, 2017, pp. 104-113.
[74] Liu, Y., Wang, Z., Yang, X., Zhang, Y., Yang, F., Liu, B., Cai, P., “Satellite-based monitoring and statistics for raft and cage aquaculture in China’s offshore waters,” International Journal of Applied Earth Observation and Geoinformation, Vol. 91, 2020, pp. 102-118.
[75] 張引、劉景毅、謝伯建、葉鳳美、黃翔瑜、范崇慧：〈雲林牡蠣附苗時機預報及監測研究〉，成功大學，2019。
[76] 錢樺、李政達、蔡立宏：〈遙測技術在海洋環境管理之應用〉，《交通部運輸研究所港灣月刊》，第121期，2022。
[77] Clark, P. J., Evans, F. C. , “Distance to Nearest Neighbor as a Measure of Spatial Relationships in Populations,” Journal of Ecology, Vol. 35, 1954, pp. 445-453.
[78] Wang, Z., Yang, X., Liu, Y., Lu, C., “Extraction of coastal raft cultivation area with heterogeneous water background by thresholding object-based visually salient NDVI from high spatial resolution imagery,” Remote Sensing Letters, Vol. 9, No. 9, 2018, pp. 839-846.
[79] Wei, W., Chen, X., Ma, A., “Object-oriented information extraction and application in high-resolution remote sensing image,” Proceedings of IGARSS, 2005.

指導教授

姜壽浩

審核日期

2023-7-31

推文