應用衛星影像於都市發展之監測與預測 ─以台灣桃園為例

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：34

、訪客IP：18.116.63.236

姓名

洪紫萱(Tzu-Hsuan Hung) 查詢紙本館藏

畢業系所

遙測科技碩士學位學程

論文名稱

應用衛星影像於都市發展之監測與預測 ─以台灣桃園為例

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	★ 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	★ 應用邏輯斯迴歸整合土壤含水量與臨界降雨之崩塌預測模式-以高屏溪流域為例

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)

都市的發展影響了環境並改變了地景，都市擴張是影響土地利用變遷的主要因素之一，其是由人口、交通路網、社會經濟、政府政策等多方面因素交互作用的結果。為了了解都市擴張的過程，使用土地利用變遷模型可分析土地變遷的原因與結果，並預測未來土地的發展。馬可夫細胞自動機(CA-Markov)模型廣泛應用在都市成長與土地利用變遷上，其考量土地轉移機率以評估各種土地利用面積變化量、利用影響因子評估土地潛在圖和使用土地的規則鄰域單元空間狀況分析土地變遷情形，並預測未來的土地發展。然而土地常以坵塊的方式出現，且土地利用變遷受影響土地發展的因子影響存在著空間的異質性，故本研究為解決此問題，提出以CA-Markov模型為概念的土地覆蓋模型─以坵塊為基礎的細胞自動機模型(Patch-based CA-Markov model, PBCA-Markov model)，其考量土地以坵塊基礎的鄰域結構狀況，並利用機器學習法評估土地與影響土地因子的空間複雜關係。
近年來，桃園地區人口成長快速，且在桃園航空城計畫的發展下，使得未來的都市發展狀況值得關注。故本研究選擇桃園地區為研究區域，利用衛星影像以支持向量機(Support Vector Machine, SVM)的方法進行影像分類，以建立多時期的土地覆蓋圖資和監測土地變遷的概況。透過模型模擬與預測桃園的土地發展，並比較本研究提出的模型PBCA-Markov與CA-Markov模型模擬結果的差異。研究結果顯示，PBCA-Markov模型較CA-Markov模型有更符合真實情況的土地預測結果，且PBCA-Markov模型能預測都市土地坵塊的分布，而CA-Markov模型主要預測都市擴張的現象，故本研究提出的模型PBCA-Markov能應用在土地覆蓋的預測上，並提供未來土地規畫之參考。

摘要(英)

Urban growth can be caused by the concentration of population, the development of transportation network and government policies. The urban development is one of the major forces to drive land use and land cover change (LUCC), and to funtionalize this change, LUCC models are tools to analyze and predict the consequences of land use change. The Cellular Automata Markov (CA-Markov) model is the most commonly used one, which simulates the land cover change with a set of linearly combined driving factors and cell-based expansion process. However, land cover with patches is commonly observed, and the driving forces can be spatially heterogeneous. This study aims to develop a new predictive model (Patch-based CA-Markov model, PBCA-Markov model), by integrating patch-based transition rules of land cover change and a machine-learning algorithm to assess the non-linear land development processes. The Taoyuan City, the sixth major city of Taiwan, is selected as the study area, because the city has the highest population growth rate in Taiwan since 1984, and also has experienced a significant increase of urban land in recent years. Therefore, a rapid development of the city could reshape the landscape in near future.
This study analyzed the land cover changes of Taoyuan City from 1984 to 2014, with using Landsat TM and OLI data, and different land cover types were classified and mapped through support vector machine classifier. The land cover results are used for model calibration and validation, and results show the PBCA-Markov generates higher overall accuracies than the CA-Markov. This study focuses on the prediction of urban areas and found that some urban land patches can be only successfully predicted by PBCA-Markov, while CA-Markov mainly predicts expansion areas along the urban fringe. This study suggests the proposed PBCA-Markov can be useful for the region urban planning and decision making practices.

關鍵字(中)

★ 土地覆蓋變遷
★ 都市擴張
★ 馬可夫細胞自動機模型
★ 大地衛星
★ 支持向量機

關鍵字(英)

★ Land cover change
★ Urban growth
★ Cellular Automata Markov (CA-Markov) model
★ Landsat data
★ Support Vector Machine

論文目次

第一章緒論 1
1-1 研究背景和動機 1
1-2 研究目的 2
1-3 論文架構 3
第二章文獻回顧 4
2-1 都市發展與土地利用變遷 4
2-2 衛星影像應用於土地分類 5
2-3 土地利用變遷模型 7
2-4 桃園土地發展之相關研究 11
第三章研究區域與研究資料 13
3-1 研究區概述 14
3-1-1自然環境 14
3-1-2社會經濟 16
3-1-3交通路網及大眾運輸系統 19
3-1-4近期政府政策 21
3-2 研究資料 23
3-2-1 Landsat 影像 24
3-2-2土地利用圖 28
3-2-3其他相關資料 29
第四章研究方法 34
4-1 資料處理與影像分類 35
4-1-1資料前處理 35
4-1-2影像分類 36
4-1-3精確度評估 37
4-2 土地利用模型 39
4-2-1馬可夫細胞自動機模型(CA-Markov Model) 39
4-2-2以坵塊為基礎的馬可夫細胞自動機模型(PBCA-Markov Model) 42
第五章結果與討論 53
5-1 土地覆蓋變遷分析與精度評估 53
5-1-1土地分類成果與精度評估 53
5-1-2土地面積變化 57
5-1-3建成地空間分布變化 58
5-2 土地影響因素分析 61
5-2-1土地轉移分析 61
5-2-2以坵塊為基礎的鄰域效應分析 64
5-2-3都市影響因子評估 68
5-2-4模型校正 73
5-3 模型模擬結果之空間分布 76
5-3-1 CA-Markov模型模擬與預測結果 76
5-3-2 CA-Markov模型中都市土地模擬結果之空間分析 80
5-3-3 PBCA-Markov模型模擬與預測結果 82
5-3-4 PBCA-Markov模型中都市土地模擬結果之空間分析 86
5-4 都市模擬結果比較 88
5-4-1 都市土地面積比較 88
5-4-2 都市土地面積於空間分布比較 89
5-5 討論 92
5-5-1都市現況以及未來發展趨勢 92
第六章結論與建議 94
6-1 結論 94
6-2 建議 95
中文參考文獻 96
英文參考文獻 99

參考文獻

马彩虹、任志远、李小燕 (2013)。黄土台塬区土地利用转移流及空间集聚特征分析。地理学报，68(2)，頁257-267。
王友生、余新晓、贺康宁、李庆云、张由松、宋思铭 (2011)。基于CA-Markov模型的藉河流域土地利用变化动态模拟。农业工程学报，27(12)，頁330-336。
王建英、李江风、张丽琴、邹利林 (2012)。基于生物多样性保护的土地利用结构预测。农业工程学报，28(4)，頁221-226。
甘甫平、王润生、王永江、付正文 (1999)。基于遥感技术的土地利用与土地覆盖的分类方法。国土资源遥感，11(4)，頁40-45。
朱会义、何书金、张明 (2001)。土地利用变化研究中的GIS空间分析方法及其应用。地理科学进展，20(2)，頁104-110。
吳振發、林裕彬 (2006)。汐止市土地利用時空間變遷模式。都市與計劃，33(3)，頁231-259。
肖明、吴季秋、陈秋波、金美佳、郝雪迎、张扬建 (2012)。基于CA-Markov模型的昌化江流域土地利用动态变化。农业工程学报，28(10)，頁231-238。
周天穎、簡甫任、雷祖強 (2003)。都市地區土地利用變遷量化分析之研究。臺灣土地研究，6(1)，頁105-130。
林才添、鄭祈全、王素芬 (2010)。遙測技術於台北市土地覆蓋變遷之研究。航測及遙測學刊，15(2)，頁141-153。
林昌平、吳怡慧、徐永明 (2015)。空間推論與政治行為最大熵方法於調查研究資料的應用, TEDS2012。地理學報(76)，頁69-95。
林裕彬 (2008)。台北都會區土地使用變遷模式之研究-子計畫一:土地利用變遷與政策之互動影響分析-空間統計模式(II)。
胡忠俊、张镱锂、于海彬 (2015)。基于MaxEnt模型和GIS的青藏高原紫花针茅分布格局模拟。应用生态学报，26(002)，頁505-511。
桃園市政府都市發展局都市計畫書圖資料查詢系統。取自http://upgis.tycg.gov.tw/NewProjectBookImg/BIPFP_U.aspx。
張文菘 (2013)。桃園地區土地利用變遷與影響因素之空間分析。國立臺灣師範大學，碩士論文。
張芝生、張元旭、曾正雄 (2003)。測繪學辭典。國立編譯館，臺北市。
陳冠升 (2014)。衛星影像應用於都市發展趨勢之研究」。國立中央大學，碩士論文。
陳惠玲 (2010)。應用空間統計探討農業用地變遷與影響因素─以桃園縣為例。國立臺北大學，碩士論文。
曾鴻儒、謝武雄 (2012年11月25日)。桃林鐵路明年起停駛台鐵拍板。自由時報。取自http://news.ltn.com.tw/news/local/paper/633220。
黃書禮、蔡靜如 (2000)。台北盆地土地利用變遷趨勢之研究。都市與計劃，27(1)，頁1-23。
解修平、周杰、张海龙、葛俊逸、郎海鸥、张宏宾 (2006)。基于景观生态和马尔可夫过程的西安地区土地利用变化分析。资源科学，28(6)，頁175-181。
鄒克萬、張曜麟 (2004)。都市土地使用變遷空間動態模型之研究。JOURNAL OF GEOGRAPHICAL SCIENCE，35，頁35-51。
鄒克萬、顧嘉安、郭幸福 (2014)。以馬可夫鍊細胞自動機模型模擬極端洪水對都市土地利用型態之影響:以台北市為例。都市與計劃，41(1)，頁43-66。
雷祖強、周天穎、萬絢、楊龍士、許晉嘉 (2007)。空間特徵分類器支援向量機之研究。航測及遙測學刊，12(2)，頁145-163。
劉其輝 (2005)。結合遙測與地理資訊系統於都市發展之研究─以桃園縣(復興鄉除外)為例。國立政治大學，碩士論文。
謝明端 (2014年11月17日)。大桃園的政治經濟與選情分析。國政研究報告。取自http://www.npf.org.tw/2/14394。
张华、张勃 (2005)。国际土地利用/覆盖变化模型研究综述。自然资源学报，20(3)，頁422-431。
杨娟、王昌全、夏建国、张文秀、白根川、张毅 (2010)。基于元胞自动机的土地利用空间规划辅助研究——以眉山市东坡区为例。土壤学报(5)，頁847-856。
蔺卿、罗格平、陈曦 (2005)。LUCC驱动力模型研究综述。地理科学进展，24(5)，頁79-87。
Araya, Y. H. & Cabral, P., 2010. Analysis and modeling of urban land cover change in Setúbal and Sesimbra, Portugal. Remote Sensing, 2, 1549-1563.
Bürgi, M., Hersperger, A. M. & Schneeberger, N., 2004. Driving forces of landscape change—current and new directions. Landscape ecology, 19, 857-868.
Cheng, J., 2008. Modelling and understanding multi-temporal land use changes. Int Arch Photogram Rem Sens Spat Inf Sci, 37, 189-193.
Conraths, F. J. & Schares, G., 2006. Validation of molecular-diagnostic techniques in the parasitological laboratory. Veterinary parasitology, 136, 91-98.
Eastman, J. R., 2006. IDRISI Andes tutorial. Clark Labs, Worcester, MA.
Flache, A. & Hegselmann, R., 2001. Do irregular grids make a difference? Relaxing the spatial regularity assumption in cellular models of social dynamics. Journal of Artificial Societies and Social Simulation, 4(4), 6.1–6.27.
Guan, D., Li, H., Inohae, T., Su, W., Nagaie, T. & Hokao, K., 2011. Modeling urban land use change by the integration of cellular automaton and Markov model. Ecological Modelling, 222, 3761-3772.
Han, J., Hayashi, Y., Cao, X. & Imura, H., 2009. Application of an integrated system dynamics and cellular automata model for urban growth assessment: A case study of Shanghai, China. Landscape and Urban Planning, 91, 133-141.
Herold, M., Goldstein, N. C. & Clarke, K. C., 2003. The spatiotemporal form of urban growth: measurement, analysis and modeling. Remote sensing of Environment, 86, 286-302.
Jat, M. K., Garg, P. K. & Khare, D., 2008. Monitoring and modelling of urban sprawl using remote sensing and GIS techniques. International journal of Applied earth Observation and Geoinformation, 10, 26-43.
Kamusoko, C., Aniya, M., Adi, B. & Manjoro, M., 2009. Rural sustainability under threat in Zimbabwe–simulation of future land use/cover changes in the Bindura district based on the Markov-cellular automata model. Applied Geography, 29, 435-447.
Kocabas, V. & Dragicevic, S., 2006. Assessing cellular automata model behaviour using a sensitivity analysis approach. Computers, Environment and Urban Systems, 30, 921-953.
Lambin, E. F., Rounsevell, M. & Geist, H., 2000. Are agricultural land-use models able to predict changes in land-use intensity? Agriculture, Ecosystems & Environment, 82, 321-331.
Mahesh, P. & Mather, P. M., 2003. Support vector classifiers for land cover classification. In Map India 2003 Image Proceessing and Interperatation.
Mennis, J., 2006. Socioeconomic-vegetation relationships in urban, residential land. Photogrammetric Engineering & Remote Sensing, 72, 911-921.
Moreno, N., Ménard, A. & Marceau, D. J., 2008. VecGCA: a vector-based geographic cellular automata model allowing geometric transformations of objects. Environment and Planning B: Planning and Design, 35, 647-665.
Moreno, N., Wang, F. & Marceau, D. J., 2009. Implementation of a dynamic neighborhood in a land-use vector-based cellular automata model. Computers, Environment and Urban Systems, 33, 44-54.
Omar, N. Q., Ahamad, M. S. S., Hussin, W. M. A. W., Samat, N. & Ahmad, S. Z. B., 2014. Markov CA, multi regression, and multiple decision making for modeling historical changes in Kirkuk City, Iraq. Journal of the Indian Society of Remote Sensing, 42, 165-178.
Phillips, S. J., Anderson, R. P. & Schapire, R. E., 2006. Maximum entropy modeling of species geographic distributions. Ecological modelling, 190, 231-259.
Sang, L., Zhang, C., Yang, J., Zhu, D. & Yun, W., 2011. Simulation of land use spatial pattern of towns and villages based on CA–Markov model. Mathematical and Computer Modelling, 54, 938-943.
Shi, W. & Pang, M. Y. C., 2000. Development of Voronoi-based cellular automata-an integrated dynamic model for Geographical Information Systems. International Journal of Geographical Information Science, 14, 455-474.
Szuster, B. W., Chen, Q. & Borger, M., 2011. A comparison of classification techniques to support land cover and land use analysis in tropical coastal zones. Applied Geography, 31, 525-532.
Torrens, P. M. & Benenson, I., 2005. Geographic automata systems. International Journal of Geographical Information Science, 19, 385-412.
United Nations, 2014. World population prospects: the 2014 revision.
Vapnik, V., 1998. Statistical learning theory. 1998. Wiley, New York.
Verburg, P. H., Schot, P. P., Dijst, M. J. & Veldkamp, A., 2004. Land use change modelling: current practice and research priorities. GeoJournal, 61, 309-324.
Weng, Q., 2002. Land use change analysis in the Zhujiang Delta of China using satellite remote sensing, GIS and stochastic modelling. Journal of environmental management, 64, 273-284.
White, R. & Engelen, G., 1997. Cellular automata as the basis of integrated dynamic regional modelling. Environment and planning B: Planning and design, 24, 235-246.
White, R. & Engelen, G., 2000. High-resolution integrated modelling of the spatial dynamics of urban and regional systems. Computers, environment and urban systems, 24, 383-400.
Wilson, A. G., 1970. Entropy in urban and regional modelling: Pion Ltd.
Wilson, E. H., Hurd, J. D., Civco, D. L., Prisloe, M. P. & Arnold, C., 2003. Development of a geospatial model to quantify, describe and map urban growth. Remote sensing of environment, 86, 275-285.
Wu, Q., Li, H. -Q., Wang, R. -S., Paulussen, J., He, Y., Wang, M., Wang, B. -H. & Wang, Z., 2006. Monitoring and predicting land use change in Beijing using remote sensing and GIS. Landscape and urban planning, 78, 322-333.
Wulder, M. A., White, J. C., Masek, J. G., Dwyer, J. & Roy, D. P., 2011. Continuity of Landsat observations: Short term considerations. Remote Sensing of Environment, 115, 747-751.
Xian, G. & Crane, M., 2005. Assessments of urban growth in the Tampa Bay watershed using remote sensing data. Remote Sensing of Environment, 97, 203-215.
Xiao, J., Shen, Y., Ge, J., Tateishi, R., Tang, C., Liang, Y. & Huang, Z., 2006. Evaluating urban expansion and land use change in Shijiazhuang, China, by using GIS and remote sensing. Landscape and urban planning, 75, 69-80.
Zhou, D., Lin, Z. & Liu, L., 2012. Regional land salinization assessment and simulation through cellular automaton-Markov modeling and spatial pattern analysis. Science of the total environment, 439, 260-274

指導教授

姜壽浩(Shou-Hao Chiang)

審核日期

2016-7-22

推文