1  

行政院國家科學委員會專題研究計畫成果報告 LiDAR(光達)應用於人工邊坡快速檢測之研究(III)

The Study with LiDAR on the Rapidly Investigation of Artificial hillside slope (III)

計畫編號：96-2221-E-006-140

執行期限：96 年8 月1 日至97 年7 月31 日 主持人：陳昭旭 國立成功大學資源工程系（所）

計畫參與人員：陳俊良 國立成功大學資源工程系（所）

一、中英文摘要

以往在使用衛星或航空影像判釋

崩塌地位置，最常使用的方法為監督

式或非監督分類法等傳統方法，但監

督式或非監督式對於崩塌地與非崩塌

地上誤判的現象仍需改進；而在衛星

或航空影像中植被遮蔽區也很難去判

釋舊崩塌區域。本研究嘗試解決這些

問題，且設計一套有效的判釋架構，

並探討是否能夠利用依物件式分類法

則把崩塌面、堆積面、未擾動面以及

植被等區域紋理邊界找出來，以單筆

的資料，進行分析精度提升的研究。

LiDAR 比傳統測量方法具有高精

度、高密集、高效率的優點。本研究

將以地面光達技術應用於小崩塌區域

的量測，利用所取得之高精度、高密

度點雲資料來產製 DTM ，並對於崩塌

地進行應用分析。

限於 LiDAR 資料取得成本昂貴，

本研究目的為單次 LiDAR 資料中取得

足夠的分析成果，在使用 LiDAR 觀察

地表變化有限之理念，本研究利用小

塊崩塌地形區域，訂定崩塌面、堆積

面、未擾動面以及植被之粗糙度，獲

得此資料分析門檻值便能應用於其他

區域，以達到單次觀測資料也能劃定

崩塌地形地區之目的。

關鍵詞：粗糙度、崩塌地形、物件式

分類、紋理

Abstract

This research spends the first

year Traditional method to classify region of landslide by satellite or aviation imagery is either supervised or unsupervised classification. Both of these two methods didn’t fulfill the requirement of least mistaken sorting results. The worst drawback of using such methodology is the hidden region beneath the canopy that cannot be identified into sub-categories. Purpose of this study is to design an effective identification infrastructure for distinguishing the region of slide, accumulation and undisturbed with object oriented classify method from textures of images. With the data of the single, analyze the research that the precision improves.

Compared with traditional survey techniques, LiDAR has higher precision , data density, and greater efficiency.

Due to the expansive cost and low repeated period of gathering high resolution DTM by LiDAR, it is the goal to separate the targeted region into defined sub-division by only once surveyed data. To achieve this purpose,

2  

data of LiDAR, object oriented classify method and the terrain roughness characters is the most important factor among others. Applying this arrangement to data from either airborne or ground LiDAR, we achieved similar results. On the other hand, DTM of ocean bottom from echo sonar is not suitable for the task due to highly smoothed surface character by current erosion. Any newly development terrain surface that caused by landslide could be picked up by this method, disregarding on land or ocean bottom. Keyword: terrain roughness, landslide, object oriented classify, texture

二、緣由及目的

山坡地部分占據了全台灣百分之

75 以上之面積，且台灣位於板塊交接

處上，加上山區地勢陡峭與地震活動

以及颱風因素等等，都造成嚴重的地

質災害，如崩塌、地層滑動或是土石

流等災害，使人民傷亡以及經濟上的

損失。在台灣的特殊地形環境中，斜

坡土體位移的現象是常常可遇見的，

在有斜坡的地方即可能存在著斜坡岩

土體的運動，再加上居民對這地形環

境中的認知缺失等因素，進行大規模

甚至過當的開發使用，破壞原有的地

形面貌增加了崩塌、滑坡和土石流災

害的發生機會。除了需做好各項水土

保持工作之外，各式坡地以及災害監

測預防也是不容忽視的工作，因此確

實的監測工作可增加災害發生時之應

變時間。

由於近年來科技發展迅速，遙測

技術在大地工程應用上蓬勃發展，也

隨著雷射掃瞄技術成熟，發展出三維

雷射掃瞄又稱光達 (Detection and

Ranging，簡稱 LiDAR )，顛覆傳統測

量上的認知並改善傳統測量儀器與技

術上的工作性； LiDAR 具有快速且可

獲取高精度空間資訊的能力，而傳統

的測量工作或方法往往需耗費大量人

力時間完成，透過 LiDAR 只需數小時

及少數人力即可完成，而其所獲得的

數位資料，亦可提供做為多目標使用。

現在地面雷射掃描常會應用到的工程

測量範疇包括土木建設工程、防災與

災害調查、建築古蹟維護、坑道與洞

穴測量、工廠設施與管線配置及自然

景觀維護等。

LiDAR 依型式區分為地面式

LiDAR 及搭配航空載具之空載LiDAR，

故本研究擬採用地面 LiDAR 以及空

載 LiDAR 針對於小區域邊坡崩塌地

以及花蓮外海以聲納所取得的數值地

形模型進行分析應用。利用密集的

LiDAR 點雲資料能夠非常精細地描述

地形表面以及地物表面起伏的狀況。

本研究利用 LiDAR 技術進行高

精確性之地形起伏程度調查和聲納製

作出之海底數值地形模型，配合物件

式分類法則，與 GIS 空間分析模組，

萃取數值地形中所分割出來的崩塌面、

堆積面、未擾動面以及植被四大區域

之邊界，並探討崩塌地區滑動面之地

表地形粗糙度研究。

三、研究方法

本研究利用地面 LiDAR 技術、空

載LiDAR所得到之高精密度三維點雲，

應用於崩塌地形粗糙度之分析研究。

本文主要選擇研究區，即為曾文

水庫-東口崩塌地研究區，曾文水庫位

於台南縣與嘉義縣之交界處附近，壩

體興建於曾文溪上流〈柳藤潭〉，壩

址距離台南市東北方約 40 公里處。其

集水區大部份在嘉義縣境內東側，屬

於阿里山山脈地區，面積約為 481 平

方公里，分布在嘉義縣阿里山鄉、大

埔鄉、番路鄉與高雄縣三民鄉如圖 1。

本研究區位於曾文水庫大壩西南

方，其範圍沿著曾文溪經曾文三號橋

至東口露營區，區域面積約 15 公頃，

如圖 2 所示。此區原設有遊客服務中

心、涼亭等遊憩設施、會議室、交誼

3  

廳、野外活動設施及露營烤肉區等，

但經過多次颱風豪雨沖刷後，研究區

後方出現多處侵蝕溝及地滑崩落情形，

因此本研究選定此崩塌地做為主要研

究區域，以探討地面 LiDAR 與空載

LiDAR 量測地貌變化可行性以及崩塌

地形粗糙度之分析。

圖 1、曾文水庫集水區範圍圖

圖2、研究區域位置圖

圖3、三時期點雲套疊情形

三-1、崩塌地形空間分析

本文利用三個不同時期之地面

LiDAR 以及兩個不同時期音箱聲納所

產製的 DTM 依解析度輸出 1M 解析尺

寸大小，利用 ArcGIS 中的 Spatial

Analyst Tools繪製挖填方分析研究區

域之變遷。圖 3 為三時期點雲套圖所

示，因這三時期點雲所分布區塊不一，

所以在分析時本研究利用三時期之間

共同區塊做為分析區域，如圖 4、5為

前後共三個時期於曾文東口崩塌堆積

分析。便可明顯辨識此研究區陸續有

侵蝕活動存在，確認此區為崩塌區

域。

圖4、前兩時期崩塌堆積圖

圖5、後兩時期崩塌堆積圖

在空間分析中本研究利用 GIS

軟體中 Spatial Analyst Tools 繪製

出研究區域之日照陰影圖、坡度及坡

向圖。首先將DEM 的文字檔讀入

ArcGIS 中，利用 Point to Raster 功

cm 

cm 

4  

能將點資料內插成網格資料，內插方

法選擇 Kriging 演算法，再依不同的

網格大小分別輸出 Raster 格式。日

照陰影圖設定時假設太陽方位角為

45°、仰角 45°，由圖 6 可看出崩塌

面蝕溝相當明顯，所以對於地表起伏

顯示就非常明顯。坡度及坡向繪至圖

7 及圖 8 則是繪出坡度圖及坡向圖，

根據圖中發現，中間部份坡度大多介

在 10~30 度，崩塌地部分坡度大多約

在 20~50 度之間，符合現地植被處坡

度較緩，裸露地坡度較陡。坡向方面

因地層主要為朝東方及東南方，所以

計算出坡向度數也大多落在 60-150

度之間。

坡度大小深深影響著水土流失的

關鍵因子，所以了解其侵蝕量的分布

可以知道空間與坡度之關係。圖 9 為

陸地1m DTM 之高程差等高線套合在航

照圖上，由陸地影像圖上顯示可了解

蝕溝長期受重力及雨水侵蝕，導致蝕

溝逐漸變成 V 字形，故周圍因沖刷造

成坡度亦隨之增大。

圖 6、LiDAR 1M×1M 日照陰影圖

圖 7、LiDAR 1M×1M坡度圖

圖 8、LiDAR 1M×1M 坡向圖

5  

圖 9、航照圖+1m DTM 高程等值線

三-2、物件式分類法則分析

我們利用本研究的主軸物件式分

類來區分崩塌面以及未崩塌面，以往

在傳統式分類都是以航空照片或是衛

星照片來做分類，但是在傳統分類上

常把崩塌面以及未崩塌面分類在同一

區塊之間，為了避免這種錯誤訊息，

本研究並利用了物件式分類法則來把

崩塌面以及未崩塌面切割出來。

本研究依據物件式分類法則的影

像分割原理，最基本的一個方法就是

多尺度分割。它可以依不同尺度、高

質量的提取影像樣本（精細和粗糙的

级别）。這種分類法則適合具有紋理

訊息的影像，例如 SAR、高分辨率衛

星影像或者是航空影像。它可用於根

據特定的影像數據中提取有使用者想

要的原始影像對象。分割參數依照影

像本身的顏色、形狀、緊緻度以及光

滑度來進行分割動作，它可依據本研

究影像需求度來做分割大小，改變參

數數值，並可產生不同的結果，再取

決哪種參數組合下最佳描述本研究所

想要的影像特徵。

在分割影像完畢之後，我們就可

以在這多邊形內進行分類，其分類主

要目的是為了讓這多邊形內屬性變的

一致性，以便我們在後續的分析比對，

如本研究把屬性總共歸納為四區域，

也分別代表崩塌面、堆積面、未擾動

面以及植被等四區域屬性，在統合屬

性後便可分析各個區域之粗糙度。

三-3、以地面 LiDAR 1M×1M DTM 為例

本研究第一階段利用地面 LiDAR

1M×1M DTM 所產生的日照陰影圖來做

影像分割判釋，利用日照角度太陽方

位角、入射角依15度來做為一張陰影

圖分別輸出了共 280 張日照陰影圖，

分別以 DEM 以及 DSM 各140張日照

陰影圖，再利用 140 張 DEM 日照陰

影圖依據影像紋理特徵值比對後，有

5 張 (太陽方位角-太陽入射角、0-30、

15-15、30-15、45-30、45-45) 符合

我們特徵值的分辨門檻，其餘 135 張

為不符合其特徵值條件的。再利用物

件式分類法則發現這五張日照陰影圖

影像在影像分割分類裡，有一張 (太

陽方位角-太陽入射角、30-15) 符合

而其餘 4 張為不符合；相對的，在

DSM 方面也是利用相同方式去挑選出

一張 (太陽方位角-太陽入射角、

30-15)。

第二階段裡，我們將 DEM 與 DSM

最後篩選出的一張日照陰影圖影像進

行所有分類，在第一次分類中依稀可

看出有些崩塌面也視為非崩塌面所掩

飾住，因為在日照陰影圖影像裡的

RGB 三波段中都屬於灰階程度，0 至

255 都一樣，所以在第一次分類中出

現的錯誤訊息與傳統式分類上的結果

是相同的，為了比傳統上更精確的掌

握精確性，在第二次分類中加了外在

因素 (坡度、坡向、高度等因子)，結

果顯示比起第一次分類來的更佳。

第三階段，我們必須把我們所分

割分類完的影像出輸成 Shape File檔，

依據檔案內分類完之同屬性格式歸類

成一個項目，合併成多邊形圖層，套

入至 GIS 軟體做為最後分析動作。第

一至三階段分類綜合成果以表1所

示。

6  

表 1、分割分類綜合成果

  DEM  DSM 

影像分割 

 

選取樣本 

第一次分

類 

 

加入外在

因子 

坡度、坡向、高程等因子

第二次分

類 

 

輸出

Shape File

檔  

注：●●為崩塌區、●為未擾動區、

●為植被區

三-4、以空載 LiDAR 1M×1M DTM 為例

本研究在空載 LiDAR 1M×1M DTM

裡套用上一小節方式進行分析，不同

的是在空載 LiDAR 因沒有受到遮蔽

物之影響，在掃瞄山坡地形時便能清

楚看見地形地貌之情形，後續加入所

分析之日照陰影圖(太陽方位角-入射

角、30-15)，且配合航空影像作為輔

助影像，便能輕易分割出崩塌面、堆

積面、植被以及未擾動面，如表 2 所

示以 DSM 為例。

表 2、空載 LiDAR 分割分類表

  空載 LiDAR DSM 

影像

分割

以及

分類

輸出

Shap

e File

檔 

三-5、崩塌面、堆積面、植被以及未

擾動面粗糙度分析

將所分析完畢的物件式分類結果

匯進 Shape File 檔，如圖 10，再匯

入 ArcGIS 把所有相同屬性資料集合

在一起並套合先前所計算出的粗糙度

值，並依分類結果後之屬性檔結合在

一起，最後統計出全區域粗糙度指標，

以訂定崩塌面、堆積面、未擾動面以

7  

及植被等區域之粗糙度統計值，如訂

定完成即利於未來在任何研究區域做

為判釋崩塌地形重要參考值與指標之

一。以下作為陸地與海底崩塌地形粗

糙度分析結果。

圖 10、分類結果屬性匯進 Shape File

檔中

三-6、陸地崩塌地形

本研究利用地面 LiDAR 以及空載

LiDAR 同一崩塌地粗糙度萃取之比對，

我們在地面 LiDAR 影像中所萃取到的

粗糙度，僅有崩塌面、未擾動面以及

植被等區域而已，而在堆積面上我們

很難去斷定哪邊是堆積區，因為地面

LiDAR 是由下往上掃瞄，在堆積面上通

常掃瞄不到，所以形成一個死角，導

致在堆積面上粗糙度萃取不到。

因此，我們利用空載 LiDAR 在同

區域上空掃瞄補足地面 LiDAR 所沒有

的點位，而後續分析中發現到在堆積

面上比在地面來明顯的多；在與崩塌

面粗糙度做區別更能分辨出兩者之不

同處，最後結果發現崩塌面因是滑動

面在粗糙度表現上比堆積面來的低，

並證明了我們研究區的確還有崩落情

況，便能印證以物件式分類法則用於

崩塌地形粗糙度能找出真正崩塌地

區。

因由地面Shape File 檔資料無法

針對堆積面上來做修正，而為求分析

資料一致性，本研究統一用空載

Shape File 檔來做我們在陸地崩塌地

形的分析模組，以利後續探討與分

析。

圖11 為空載 Shape File 檔所結

合而成的，圖中每個多邊形內各有獨

立屬性，分別有崩塌(Landslide)、堆

積(Accumulation)、未擾動(Exposure)

以及植被(Tree)等四種屬性。而圖中

未見未擾動 (Exposure) 因由於未擾

動地表層位於植被底下，所以在分析

DEM 粗糙度圖層時我們將與植被

(Tree)互換做為未擾動(Exposure)層

分析。我們將以圖 11 圖層分別套入地

面LiDAR 與空載LiDAR 資料中如圖12

所示，以萃取粗糙度指標。將依據屬

性資料套取崩塌(Landslide)、堆積

(Accumulation)、未擾動(Exposure)

以及植被(Tree)之粗糙度。

圖 11、各類屬性對照圖

A  B 

C D 

圖 12、A、B、C、D 分別代表空載 DEM、

DSM 以及地載 DEM、DSM 粗糙度分部圖

8  

四、結果與討論

綜合地形分析以及使用物件式分

類法則，可將以上結果各自做總彙整，

以整合出判釋崩塌地形的最佳方法由

以上研究分析得到以下幾點結論：

1. 經由軟體所輸入的不同太陽方位角能以明顯的對比來顯示坡面位

態，故能精確的表現坡面堆積樣

貌，能使物件式分類更精確的分

割坡面紋理邊界，以達到本研究

目的，找出崩塌面與堆積面之邊

界。

2. 在過去，使用航空照片對於判釋崩塌地形的缺點在於微小地形變

化，以及對於植被覆蓋於老舊崩

塌地形不易觀察，且對不確定之

區域則予以捨棄，不免有遺漏的

可能。為了改善本項問題，本研

究利用 LiDAR 能濾除覆蓋於地表

之植被特性，故本方法能判釋出

老舊崩塌地形。

3. 崩塌地形之堆積區域以及坡面傾向都受到日照所控制，且 DTM 解

析度越高所繪製出的日照陰影圖

越能表現出真實地貌，本研究為

了增加精確性，運用解析度為 1m

× 1m之DTM資料；對於日照角度，

本研究利用太陽方位角以及入射

角每15度為一個循環，繪製出280

張有效日照陰影圖，並依坡面邊

界之明顯度淘選出 5 張陰影圖，

最後依物件式分類法則之辨識率

選出一張最符合本研究之陰影圖；

再由 GIS 軟體套繪於全區段分別

計算其粗糙度，以萃取符合條件

之區塊。

4. 本次研究中地面 LiDAR 與空載LiDAR 兩者之 1m DTM 從粗糙度比

較表中可看出彼此間有差異。在

判釋堆積面上，有無遮蔽物時對

於粗糙度之計算都視為判釋崩塌

地形關鍵點之一，而本研究認為

空載 LiDAR 資料比較符合，因空

載 LiDAR 對於堆積面不受遮蔽物

之影響，所以在堆積面上能萃取

到真正的三維坐標，但地面掃瞄

資料卻因有遮蔽之因素導致在統

計粗糙度計算時出現無效值。

五、計畫成果自評

國內外學者利用 LiDAR 具有高

精度解析度能力，且能穿透植被到達

地形表面之特性，能在災害發生後的

第一時間，立即取得崩塌地的地表三

維資訊，將所獲得之點雲資料透過網

格化處理，以製作高精度之 DEM 資料，

進而利用 GIS 軟體來分析模擬地形

起伏程度或是在於不同時間內地形之

變異等分析等等，從此可看出 LiDAR

與 GIS 軟體在地形資料與分析中是

扮演多麼重要之角色之一；而對於判

釋崩塌地形依據前人所研究之文獻中，

大多於利用影像判釋崩塌地形，在應

用上多採用比較的方法，大多將地震

前影像上沒有判釋出山崩位置，與地

震、豪雨後之影像中判釋出山崩之位

置，劃定為山崩。且又怕將人為建築

誤判為崩塌地，因此將影像似裸露地

忽略不計等。而此方法因需兩種資料

以上比對才能辨識出崩塌地區，且增

加了多餘時間與人力金錢，就針對現

今環保理念僅使用一次資料便能夠判

釋崩塌地形又能準確劃定崩塌位置，

就可使以往研究在更進一步邁進 。

因此本研究為了能取得精確地形

資料以及崩塌地形之判釋，故利用

LiDAR 所產製之高精密度之 DTM 與

物件式分類法則兩種方法作為研究之

主軸。 LiDAR 掃瞄資料之解析度能高

達公分級之精度，對於地形地貌之紋

理特徵便能描述的很清楚，且物件式

分類法則可把紋理邊界劃分出來便能

萃取出崩塌地區與非崩塌地區之邊界，

不但不會產生誤判之訊息更能準確達

到研究之目標。

9  

六、參考文獻

1. Amaral, C. ，"Hazard mapping of landslides in Rio de Janeiro" ，Landslides, 7-th International Conference & Field Workshop, pp.63-68,(1993).

2. Gordon, Stuart, Derek Lichti and Mike Stewart, Application of a High-Resolution Ground-baesd Laser Scanner for Deformation Measurements, 19 – 22 March 2001 Orange, California, USA 23,(2001).

3. Miller, C., and Laflamme, R., The digital terrain model–theory and applications.Photogrammetric Engineering, Vol 24, pp.433-442, (1958).

4. Ono, N., Tonoko, N., and Sato, K., A Case Study on the Landslide by the 3D Laser Mirroe Scanner. International Archives of Photogrammetry and Remote Sensing. Vol. XXXIII, Part B5, Amsterdam, pp.593-598, (2000).

5. Wehr, A., and Lohr, U., Airborne Laser Scanning–An Introduction and Overview. ISPRS Journal of Photogrammetry & Remote Sensing,Vol. pp.68-82, (1999).

6. William H. Schulz,” Landslides mapped using LIDAR imagery, Seattle, Washington. ” U.S. Geological Survey.,(2004).

行政院國家科學委員會補助專題研究計畫 ■ 成 果 報 告 □期中進度報告

LiDAR(光達)應用於人工邊坡快速檢測之研究(III)

The Study with LiDAR on the Rapidly Investigation of Artificial hillside slope (III)

計畫類別：■ 個別型計畫 □ 整合型計畫

計畫編號：NSC 96-2221-E-006-140- 執行期間： 96 年 8 月 1 日至 97 年 7 月 31 日

計畫主持人：陳昭旭

共同主持人：余騰鐸

計畫參與人員： 陳俊良

成果報告類型(依經費核定清單規定繳交)：■精簡報告 □完整報告

本成果報告包括以下應繳交之附件：

□赴國外出差或研習心得報告一份

□赴大陸地區出差或研習心得報告一份

□出席國際學術會議心得報告及發表之論文各一份

□國際合作研究計畫國外研究報告書一份

處理方式：除產學合作研究計畫、提升產業技術及人才培育研究計畫、列

管計畫及下列情形者外，得立即公開查詢

□涉及專利或其他智慧財產權，□一年□二年後可公開查詢

執行單位：國立成功大學資源工程學系

中 華 民 國 97 年 10 月 14 日

97國科會-改.pdf成果報告(精簡版).pdf