學術產出-Theses
Article View/Open
Publication Export
-
題名 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
Automated Generation of Landslide Geospatial Data from Unrectified Aerial DMC Imagery and Database Building作者 胡惠雅 貢獻者 詹進發
胡惠雅關鍵詞 崩塌地偵測
崩塌地資料庫
物件式影像分類
光線追蹤法
landslide detection
landslide database
object-based image classification
Ray-tracing algorithm日期 2015 上傳時間 4-Jan-2016 16:53:47 (UTC+8) 摘要 完善的崩塌地資料庫有助於地區土地利用的適宜性評估、與環境保護措施之研訂。目前，崩塌地地理空間資料(Geospatial data)的產生方法主要為：人為判釋經正射糾正(Ortho-rectification)的遙測影像，基於該影像，將辨識目標數位化(Digitizing)。然而，遙測影像的「正射糾正」與「人為判釋」往往不敷災後的緊急需求。為促進資料收集效率，本研究試圖發展一套自動化流程：以「未經糾正的遙測影像」為判釋對象，判釋作業以「物件式影像分類(Object-based classification)技術」進行，並利用「現存地形資料」，實現自動判釋所產生之辨識成果的地理對位(Georeferencing)與過濾篩選；最後，以「與現存各類輔助資料的套疊分析成果」為其屬性，以便利崩塌地地理空間資料的後續應用。物件式影像分類分為為「影像分割(Image segmentation)」與「物件分類」兩步驟。於影像分割階段，採用多重解析度分割法(Multiresolution segmentation algorithm)─由於陰影下各類地物的影像光譜差異較不明顯，為避免陰影區之錯誤分割，賦予陰影區較小的尺度參數(Scale parameter)；於物件分類階段，基於訓練資料，以「線性核函數的支持向量機(Support Vector Machine, SVM, with a linear kernel)」為分類器，偵測「非雲與植被區」，並輸出為向量式資料(Vector data)。而後基於現存地形資料，以光線追蹤法(Ray-tracing algorithm)進行分類器輸出向量式資料的地理對位，並自訂第二階段的地形特徵過濾準則。實驗成果顯示，此自動化流程產出的崩塌地地理空間資料─其生產者精度(Producer’s accuracy)與使用者精度(User’s accuracy)分別介於0.85~0.99與0.44~0.96。 參考文獻 一、中文參考文獻工業技術研究院能源與資源研究所，2000，「崩塌地調查與治理規劃，行政院農業委員會水土保持局921震災系列調查（一）」。水土保持手冊，中華水土保持學會、行政院農業委員會水土保持局編印，2005。王主一，2012，「運用物件導向方法進行崩塌地自動判釋」，私立明新科技大學土木工程與環境資源管理研究所碩士論文：新竹。孔繁恩，2013，「物件導向分類法於DMC航照影像萃取崩塌地之研究」，國立政治大學地政學系研究所碩士論文：台北。白鵬、張喜斌等，2008，『支持向量機理論及工程應用實例』，西安：西安電子科技大學出版社。李三畏，1985，「台灣的崩塌地」。頁130-143，收錄於第一輯，『水土保持文獻專輯（一）（二）』，台北：中華水土保持學會。吳佐川，1993，「台灣地區崩塌地區域特性之研究」，國立台灣大學森林學研究所碩士論文：台北。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)：141-153。洪凱政，2009，「應用多光譜影像多種特徵偵測崩塌地之研究」，國立成功大學測量及空間資訊學系碩士論文：台南。陳俊良，2008，「以物件式分類法則分析崩塌地形粗糙度之研究」，國立成功大學資源與工程學系碩士論文：台南。張石角，1987，「山坡地潛在危險之預測及其環境影響評估之應用」，『中華水土保持學報』，18(2)：41-62。張雅華、陳俊愷、張國楨，2004，「利用物件導向高解析數值影像分類技術於基隆河土地利用」，論文發表於〈第二屆數位地球國際研討會〉，台北，民國93年5月27日至28日。張崑宗、高啟軒、王主一、劉進金，2010，「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』，15(1)：79-95。莊雲翰，2002，「結合影像區塊及知識庫分類之研究─以IKONOS 衛星影像為例」，國立中央大學土木工程學系碩士論文：台中。湯美華，2006，「空載光達點雲及地形圖輔助生產真實正射影像之研究」，國立成功大學測量及空間資訊學系碩士論文：台南。黃韋凱、林銘郎、陳良健、林彥享、蕭震洋，2010，「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』，15(1)：45-65。楊孟學，2008，「結合空載光達與多波段衛星影像於山崩自動分類」，國立高雄師範大學地理學系碩士論文：高雄。葉雅馨，2006，「用LiDAR與航照影像於崩塌地判釋之研究」，國立嘉義大學土木與水資源工程研究所碩士論文：嘉義。詹鈞評，2012，「使用多尺度多階段物件導向影像分析技術進行崩塌地判釋」，國立成功大學測量及空間資訊學系碩士論文：台南。雷祖強、李哲源、葉惠中、萬絢，2009，「以區塊物件分類法萃取ADS-40影像中水稻田丘塊資訊之研究」，『航測及遙測學刊』，14(2)：127-140。鄭雅文、史天元、蕭國鑫，2008，「物件導向分類於高解析度影像自動判釋」，『航測及遙測學刊』，13(4)：273-284。鄭智仁，2010，「應用空載光達與正射影像以物件導向影像分析法進行自動化崩塌地偵測」，國立成功大學衛星資訊暨地球環境研究所碩士論文：台南。劉朝俊，1986，「坡地開發與邊坡穩定之關係的研究─以基隆市大竿林與大德國中東側等平面型地滑為例」，國立台灣大學地理學系碩士論文：台北。劉守恆，2002，「衛星影像於崩塌地自動分類組合之研究」，國立成功大學地球科學研究所碩士論文：台南。劉健、許章華、余坤勇、龔从洪、唐夢雅、謝婉君，2013，「山地丘陵區遙感影像陰影檢測與去除方法」，『農業機器學報』，44(10)：238-241。蕭國鑫，2006，「遙測技術應用於森林集水區內土砂災害之調查與監測─結合遙測與GIS應用於集水區災害監測」，農委會94年度天然災害子計畫。二、外文參考文獻Baatz, M. and Schäpe, A., 2000, “Multiresolution Segmentation - an Optimization Approach for High Quality Multi-scale Image Segmentation.” pp. 12-23 in Angewandte Geographische Informationsverarbeitung XII, edited by Strobl J., Karlsruhe.eCognition, 2011, eCognition Developer Reference Book. Trimble Germany GmbH, Trappentreustr., München, Germany.eCognition, 2011, eCognition Developer User Guide. Trimble Germany GmbH, Trappentreustr., München, Germany.Hall, M., 1999, “Correlation-based Feature Selection for Machine Learning”, Unpublished doctoral dissertation, Department of Computer Science, University of Waikato, Hamilton, New Zealand.Harrington, P., 2012, Machine Learning in Action, Manning.Horn, B.K.P., 1981, “Hill shading and the reflectance map”, Proceedings of IEEE, 69(1): 14-47.J. Richard Landis and Gary G. Koch, “The Measurement of Observer Agreement for Categorical Data”, Biometrics, Vol. 33, No. 1 (Mar., 1977), pp. 159-174Jensen, J.R., 2006, Introductory Digital Image Processing, Prentice Hall.Kim, M. and Madden, M., 2006, “Determination of Optimal Scale Parameter for Alliance-level Forest Classification of Multispectral IKONOS Images”, Paper presented at the International Society for Photogrammetry and Remote Sensing, Dresden, Germany.Liang, S., Fang, H., and Chen, M., 2001, “Atmospheric Correction of Landsat ETM+ Land Surface Imagery-Part I: Methods”, Geoscience and Remote Sensing, 39(11): 2490-2498.Martha, T., Kerle, N., Jetten, V., Westen, C., and Kumar, K., 2009, “Characterising Spectral, Spatial and Morphometric Properties of Landslides for Semi-automatic Detection Using Object-oriented Methods”, Geomorphology, 116(2010): 24-36.Mayr, W. and Heipke, C., 1988, “A Contribution to Digital Orthophoto Generation”, Paper presented at the International Archives of Photogrammetry and Remote Sensing, Kyoto, Japan.Pekkarinen, A., 2002, “A Method for the Segmentation of Very High Resolution Images of Forested Landscapes”, International Journal of Remote Sensing, 23(14): 2817-2836.Rizvi, I. and Mohan, B., 2010, “Improving the Accuracy of Object Based Supervised Image Classification using Cloud Basis Function Neural Network for High Resolution Satellite Images”, International Journal of Image Processing (IJIP), 4(4): 342-353.Song, M. and Civco, D.L., 2002, “A Knowledge-based Approach for Reducing Cloud and Shadow”, Paper presented at the ASPRS-ACSM Annual Conference and FIG XXII Congress, Washington, DC, USA, April 19-April 26.Stumpf, A. and Kerle, N., 2010, “Object-oriented mapping of landslides using Random Forests”, Remote Sensing of Environment, 115(2011): 2564-2577.Tan, P., Steinbach, M., and Kumar, V., 2006, Introduction to Data Mining, Addison-Wesley.Wang, L., Sousa, W., and Gong, P., 2004, “Integration of Object-based and Pixel-based Classification for Mapping Mangroves with IKONOS Imagery”, International Journal of Remote Sensing, 25(24): 5655-5668.Xiao, P., Feng, X., An, R., and Zhao, S., 2010, “Segmentation of Multispectral High-resolution Satellite Imagery Using Log Gabor Filters”, International Journal of Remote Sensing, 31(6): 1427-1439.Zhou, W., Huang, G., Troy, A., and Cadenasso M.L., 2009, “Object-based Land Cover Classification of Shaded Areas in High Spatial Resolution Imagery of Urban Areas: A Comparison Study”, Remote Sensing of Environment, 113: 1769-1777.三、網頁部分行政院農業委員會林務局，2010，航空攝影紀錄資料查詢。http://www.afasi.gov.tw/，取用日期：2014年03月05日。瑞竣科技，2011，eCognition。http://www.richitech.com.tw/，取用日期：2014年03月05日。ArcGIS Resources (2013). ArcGIS Help 10.1. Retrieved December 11, 2013 from ArcGIS Resources on the World Wide Web: http://resources.arcgis.com/en/help/main/10.1/.GDAL - Geospatial Data Abstraction Library (2014). Main Page. Retrieved December 31, 2013 from GDAL on the World Wide Web: http://www.gdal.org/.PostgreSQL (2013). About. Retrieved January 2, 2014 from PostgreSQL on the World Wide Web: http://www.postgresql.org/.Pyshp - Python Shapefile Library (2013). Project Home. Retrieved January 10, 2014 from Pyshp on the World Wide Web: http://code.google.com/p/pyshp/.PyWEKA (2014). API. Retrieved June 8, 2014 from PyWEKA on the World Wide Web: http://pythonhosted.org/python-weka-wrapper/api.html.scikit learn (2013). User Guide. Retrieved April 25, 2014 from scikit learn on the World Wide Web: http://scikit-learn.org/stable/user_guide.html.Wikipedia (2014). Probability density function. Retrieved June 24, 2014 from Wikipedia on the World Wide Web: http://en.wikipedia.org/wiki/Probability_density_function. 描述 碩士
國立政治大學
地政學系
101257029資料來源 http://thesis.lib.nccu.edu.tw/record/#G0101257029 資料類型 thesis dc.contributor.advisor 詹進發 zh_TW dc.contributor.author (Authors) 胡惠雅 zh_TW dc.creator (作者) 胡惠雅 zh_TW dc.date (日期) 2015 en_US dc.date.accessioned 4-Jan-2016 16:53:47 (UTC+8) - dc.date.available 4-Jan-2016 16:53:47 (UTC+8) - dc.date.issued (上傳時間) 4-Jan-2016 16:53:47 (UTC+8) - dc.identifier (Other Identifiers) G0101257029 en_US dc.identifier.uri (URI) http://nccur.lib.nccu.edu.tw/handle/140.119/80295 - dc.description (描述) 碩士 zh_TW dc.description (描述) 國立政治大學 zh_TW dc.description (描述) 地政學系 zh_TW dc.description (描述) 101257029 zh_TW dc.description.abstract (摘要) 完善的崩塌地資料庫有助於地區土地利用的適宜性評估、與環境保護措施之研訂。目前，崩塌地地理空間資料(Geospatial data)的產生方法主要為：人為判釋經正射糾正(Ortho-rectification)的遙測影像，基於該影像，將辨識目標數位化(Digitizing)。然而，遙測影像的「正射糾正」與「人為判釋」往往不敷災後的緊急需求。為促進資料收集效率，本研究試圖發展一套自動化流程：以「未經糾正的遙測影像」為判釋對象，判釋作業以「物件式影像分類(Object-based classification)技術」進行，並利用「現存地形資料」，實現自動判釋所產生之辨識成果的地理對位(Georeferencing)與過濾篩選；最後，以「與現存各類輔助資料的套疊分析成果」為其屬性，以便利崩塌地地理空間資料的後續應用。物件式影像分類分為為「影像分割(Image segmentation)」與「物件分類」兩步驟。於影像分割階段，採用多重解析度分割法(Multiresolution segmentation algorithm)─由於陰影下各類地物的影像光譜差異較不明顯，為避免陰影區之錯誤分割，賦予陰影區較小的尺度參數(Scale parameter)；於物件分類階段，基於訓練資料，以「線性核函數的支持向量機(Support Vector Machine, SVM, with a linear kernel)」為分類器，偵測「非雲與植被區」，並輸出為向量式資料(Vector data)。而後基於現存地形資料，以光線追蹤法(Ray-tracing algorithm)進行分類器輸出向量式資料的地理對位，並自訂第二階段的地形特徵過濾準則。實驗成果顯示，此自動化流程產出的崩塌地地理空間資料─其生產者精度(Producer’s accuracy)與使用者精度(User’s accuracy)分別介於0.85~0.99與0.44~0.96。 zh_TW dc.description.tableofcontents 第一章 緒論 1第一節 研究背景 1第二節 研究動機與目的 2第二章 理論基礎與文獻回顧 5第一節 影像分類技術的類型 5一、 像元式分類與物件式分類 5二、 監督式(Supervised)分類與非監督式(Unsupervised)分類 5三、 參數式(Parametric)分類、非參數式(Nonparametric) 分類與非度量式(Nonmetric)分類 6四、 硬式(Hard)分類與軟式(Soft, or Fuzzy)分類 6第二節 物件式分類與影像分割 7一、 影像分割(Image segmentation) 7二、 多重解析度分割法(Multiresolution segmentation algorithm) 8第三節 應用物件式影像分類技術於崩塌地偵測 12一、 專家判釋經驗 12二、 相關研究所選擇的物件特徵 13三、 相關研究所使用的分類器 18四、 相關研究總整理 26第三章 研究材料與方法 31第一節 研究材料與工具 31一、 研究材料 31二、 研究工具 35第二節 研究方法 38一、 第一階段崩塌地向量圖層 40二、 第二階段崩塌地向量圖層 49三、 航拍任務崩塌地向量圖層 53第四章 研究成果 57第一節 第一階段崩塌地向量圖層 57一、 製作訓練資料 57二、 訓練資料的統計分析 63三、 建立基於訓練資料的分類器 69四、 資料精度評估：第一階段崩塌地向量圖層 80第二節 第二階段崩塌地向量圖層 87一、 地理對位：光線追蹤法 87二、 以地形條件過濾誤判的物件 87三、 資料精度評估：「影像坐標版」第二階段崩塌地向量圖層 90第三節 航拍任務崩塌地向量圖層 95一、 依「未糾正航空影像的拍攝日期」合併 95二、 寫入屬性資訊 96第五章 結論與建議 97第一節 結論 97第二節 建議 99參考文獻 101 zh_TW dc.format.extent 6722757 bytes - dc.format.mimetype application/pdf - dc.source.uri (資料來源) http://thesis.lib.nccu.edu.tw/record/#G0101257029 en_US dc.subject (關鍵詞) 崩塌地偵測 zh_TW dc.subject (關鍵詞) 崩塌地資料庫 zh_TW dc.subject (關鍵詞) 物件式影像分類 zh_TW dc.subject (關鍵詞) 光線追蹤法 zh_TW dc.subject (關鍵詞) landslide detection en_US dc.subject (關鍵詞) landslide database en_US dc.subject (關鍵詞) object-based image classification en_US dc.subject (關鍵詞) Ray-tracing algorithm en_US dc.title (題名) 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 zh_TW dc.title (題名) Automated Generation of Landslide Geospatial Data from Unrectified Aerial DMC Imagery and Database Building en_US dc.type (資料類型) thesis en_US dc.relation.reference (參考文獻) 一、中文參考文獻工業技術研究院能源與資源研究所，2000，「崩塌地調查與治理規劃，行政院農業委員會水土保持局921震災系列調查（一）」。水土保持手冊，中華水土保持學會、行政院農業委員會水土保持局編印，2005。王主一，2012，「運用物件導向方法進行崩塌地自動判釋」，私立明新科技大學土木工程與環境資源管理研究所碩士論文：新竹。孔繁恩，2013，「物件導向分類法於DMC航照影像萃取崩塌地之研究」，國立政治大學地政學系研究所碩士論文：台北。白鵬、張喜斌等，2008，『支持向量機理論及工程應用實例』，西安：西安電子科技大學出版社。李三畏，1985，「台灣的崩塌地」。頁130-143，收錄於第一輯，『水土保持文獻專輯（一）（二）』，台北：中華水土保持學會。吳佐川，1993，「台灣地區崩塌地區域特性之研究」，國立台灣大學森林學研究所碩士論文：台北。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)：141-153。洪凱政，2009，「應用多光譜影像多種特徵偵測崩塌地之研究」，國立成功大學測量及空間資訊學系碩士論文：台南。陳俊良，2008，「以物件式分類法則分析崩塌地形粗糙度之研究」，國立成功大學資源與工程學系碩士論文：台南。張石角，1987，「山坡地潛在危險之預測及其環境影響評估之應用」，『中華水土保持學報』，18(2)：41-62。張雅華、陳俊愷、張國楨，2004，「利用物件導向高解析數值影像分類技術於基隆河土地利用」，論文發表於〈第二屆數位地球國際研討會〉，台北，民國93年5月27日至28日。張崑宗、高啟軒、王主一、劉進金，2010，「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』，15(1)：79-95。莊雲翰，2002，「結合影像區塊及知識庫分類之研究─以IKONOS 衛星影像為例」，國立中央大學土木工程學系碩士論文：台中。湯美華，2006，「空載光達點雲及地形圖輔助生產真實正射影像之研究」，國立成功大學測量及空間資訊學系碩士論文：台南。黃韋凱、林銘郎、陳良健、林彥享、蕭震洋，2010，「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』，15(1)：45-65。楊孟學，2008，「結合空載光達與多波段衛星影像於山崩自動分類」，國立高雄師範大學地理學系碩士論文：高雄。葉雅馨，2006，「用LiDAR與航照影像於崩塌地判釋之研究」，國立嘉義大學土木與水資源工程研究所碩士論文：嘉義。詹鈞評，2012，「使用多尺度多階段物件導向影像分析技術進行崩塌地判釋」，國立成功大學測量及空間資訊學系碩士論文：台南。雷祖強、李哲源、葉惠中、萬絢，2009，「以區塊物件分類法萃取ADS-40影像中水稻田丘塊資訊之研究」，『航測及遙測學刊』，14(2)：127-140。鄭雅文、史天元、蕭國鑫，2008，「物件導向分類於高解析度影像自動判釋」，『航測及遙測學刊』，13(4)：273-284。鄭智仁，2010，「應用空載光達與正射影像以物件導向影像分析法進行自動化崩塌地偵測」，國立成功大學衛星資訊暨地球環境研究所碩士論文：台南。劉朝俊，1986，「坡地開發與邊坡穩定之關係的研究─以基隆市大竿林與大德國中東側等平面型地滑為例」，國立台灣大學地理學系碩士論文：台北。劉守恆，2002，「衛星影像於崩塌地自動分類組合之研究」，國立成功大學地球科學研究所碩士論文：台南。劉健、許章華、余坤勇、龔从洪、唐夢雅、謝婉君，2013，「山地丘陵區遙感影像陰影檢測與去除方法」，『農業機器學報』，44(10)：238-241。蕭國鑫，2006，「遙測技術應用於森林集水區內土砂災害之調查與監測─結合遙測與GIS應用於集水區災害監測」，農委會94年度天然災害子計畫。二、外文參考文獻Baatz, M. and Schäpe, A., 2000, “Multiresolution Segmentation - an Optimization Approach for High Quality Multi-scale Image Segmentation.” pp. 12-23 in Angewandte Geographische Informationsverarbeitung XII, edited by Strobl J., Karlsruhe.eCognition, 2011, eCognition Developer Reference Book. Trimble Germany GmbH, Trappentreustr., München, Germany.eCognition, 2011, eCognition Developer User Guide. Trimble Germany GmbH, Trappentreustr., München, Germany.Hall, M., 1999, “Correlation-based Feature Selection for Machine Learning”, Unpublished doctoral dissertation, Department of Computer Science, University of Waikato, Hamilton, New Zealand.Harrington, P., 2012, Machine Learning in Action, Manning.Horn, B.K.P., 1981, “Hill shading and the reflectance map”, Proceedings of IEEE, 69(1): 14-47.J. Richard Landis and Gary G. Koch, “The Measurement of Observer Agreement for Categorical Data”, Biometrics, Vol. 33, No. 1 (Mar., 1977), pp. 159-174Jensen, J.R., 2006, Introductory Digital Image Processing, Prentice Hall.Kim, M. and Madden, M., 2006, “Determination of Optimal Scale Parameter for Alliance-level Forest Classification of Multispectral IKONOS Images”, Paper presented at the International Society for Photogrammetry and Remote Sensing, Dresden, Germany.Liang, S., Fang, H., and Chen, M., 2001, “Atmospheric Correction of Landsat ETM+ Land Surface Imagery-Part I: Methods”, Geoscience and Remote Sensing, 39(11): 2490-2498.Martha, T., Kerle, N., Jetten, V., Westen, C., and Kumar, K., 2009, “Characterising Spectral, Spatial and Morphometric Properties of Landslides for Semi-automatic Detection Using Object-oriented Methods”, Geomorphology, 116(2010): 24-36.Mayr, W. and Heipke, C., 1988, “A Contribution to Digital Orthophoto Generation”, Paper presented at the International Archives of Photogrammetry and Remote Sensing, Kyoto, Japan.Pekkarinen, A., 2002, “A Method for the Segmentation of Very High Resolution Images of Forested Landscapes”, International Journal of Remote Sensing, 23(14): 2817-2836.Rizvi, I. and Mohan, B., 2010, “Improving the Accuracy of Object Based Supervised Image Classification using Cloud Basis Function Neural Network for High Resolution Satellite Images”, International Journal of Image Processing (IJIP), 4(4): 342-353.Song, M. and Civco, D.L., 2002, “A Knowledge-based Approach for Reducing Cloud and Shadow”, Paper presented at the ASPRS-ACSM Annual Conference and FIG XXII Congress, Washington, DC, USA, April 19-April 26.Stumpf, A. and Kerle, N., 2010, “Object-oriented mapping of landslides using Random Forests”, Remote Sensing of Environment, 115(2011): 2564-2577.Tan, P., Steinbach, M., and Kumar, V., 2006, Introduction to Data Mining, Addison-Wesley.Wang, L., Sousa, W., and Gong, P., 2004, “Integration of Object-based and Pixel-based Classification for Mapping Mangroves with IKONOS Imagery”, International Journal of Remote Sensing, 25(24): 5655-5668.Xiao, P., Feng, X., An, R., and Zhao, S., 2010, “Segmentation of Multispectral High-resolution Satellite Imagery Using Log Gabor Filters”, International Journal of Remote Sensing, 31(6): 1427-1439.Zhou, W., Huang, G., Troy, A., and Cadenasso M.L., 2009, “Object-based Land Cover Classification of Shaded Areas in High Spatial Resolution Imagery of Urban Areas: A Comparison Study”, Remote Sensing of Environment, 113: 1769-1777.三、網頁部分行政院農業委員會林務局，2010，航空攝影紀錄資料查詢。http://www.afasi.gov.tw/，取用日期：2014年03月05日。瑞竣科技，2011，eCognition。http://www.richitech.com.tw/，取用日期：2014年03月05日。ArcGIS Resources (2013). ArcGIS Help 10.1. Retrieved December 11, 2013 from ArcGIS Resources on the World Wide Web: http://resources.arcgis.com/en/help/main/10.1/.GDAL - Geospatial Data Abstraction Library (2014). Main Page. Retrieved December 31, 2013 from GDAL on the World Wide Web: http://www.gdal.org/.PostgreSQL (2013). About. Retrieved January 2, 2014 from PostgreSQL on the World Wide Web: http://www.postgresql.org/.Pyshp - Python Shapefile Library (2013). Project Home. Retrieved January 10, 2014 from Pyshp on the World Wide Web: http://code.google.com/p/pyshp/.PyWEKA (2014). API. Retrieved June 8, 2014 from PyWEKA on the World Wide Web: http://pythonhosted.org/python-weka-wrapper/api.html.scikit learn (2013). User Guide. Retrieved April 25, 2014 from scikit learn on the World Wide Web: http://scikit-learn.org/stable/user_guide.html.Wikipedia (2014). Probability density function. Retrieved June 24, 2014 from Wikipedia on the World Wide Web: http://en.wikipedia.org/wiki/Probability_density_function. zh_TW
