第六章：遙感技術 (Remote Sensing) 與影像處理

## 引言 在地理資訊系統（GIS）的架構中，數據的品質與來源直接決定了分析的精確度。若說前幾章所討論的空間建模與運算是 GIS 的「大腦」，那麼**遙感技術（Remote Sensing, RS）**就是 GIS 的「眼睛」。透過衛星、無人機等感測平台，我們能獲取廣域或高精度的空間影像，將抽象的地理現象轉化為可量化的數位資訊。 本章將深入探討遙感影像的基礎原理、預處理流程、多光譜分析技術，以及如何利用這些技術進行變更偵測與資源監測，建立起從「觀測」到「決策」的關鍵鏈結。 --- ## 1. 遙感數據的來源與特徵 遙感數據的獲取主要取決於感測平台的選擇。不同的平台提供不同的空間、時間與光譜解析度，這將決定其在 GIS 中的應用場景。 ### 1.1 衛星遙感 (Satellite Remote Sensing) 衛星系統提供廣域（Global/Regional）的覆蓋能力，適合用於長期趨勢分析與宏觀監測。 * **低解析度衛星（如 Landsat, Sentinel-2）：** 提供較長的歷史數據與較高的時間解析度，常用於森林監測、農作物估計及地表類型分類。 * **高解析度商用衛星（如 WorldView, Pleiades）：** 提供極高的空間解析度（可達 0.3m - 0.5m），適用於城市規劃、基礎設施繪製與精密土地利用評估。 ### 1.2 無人機遙感 (UAV/Drone Remote Sensing) 無人機提供高度靈活的任務規劃，適合於精細局部區域（Localized Area）。 * **優點：** 極高的空間解析度、即時性、高度靈活性，能進入衛星無法到達的低空環境。 * **應用：** 建築物建模、精準農業、工程監測、災害現場初步調查。 ### 1.3 解析度的三維維度 在處理遙感影像時，必須理解以下三個核心解析度的權衡： 1. **空間解析度 (Spatial Resolution)：** 每個像素代表的實際地面尺寸。 2. **光譜解析度 (Spectral Resolution)：** 能夠捕捉的光譜帶寬數量（例如：RGB、多光譜、超光譜）。 3. **時間解析度 (Temporal Resolution)：** 獲取同一地點影像的時間頻率。 --- ## 2. 遙感影像預處理 (Pre-processing) 原始影像從感測器傳回時，常包含大氣干擾、幾何扭曲或輻射不均等問題。為了讓影像能精準納入 GIS 系統進行空間運算，必須經過以下關鍵步驟： ### 2.1 輻射校正 (Radiometric Correction) 消除大氣散射、吸收以及感測器雜訊的影響，將原始數值轉換為真實的反射率或亮度值。這對於多時序數據的比較至關重要。 ### 2.2 幾何校正與正射校正 (Geometric Correction & Ortho-rectification)\n由於地形高低、感測器傾斜或大氣折射，原始影像往往存在形變。**正射校正**是將影像投影到正確的地理坐標系統（CRS）中，確保影像中的地物位置與現實世界重合。 ### 2.3 雲覆蓋與影像拼接 針對無人機航測，需透過重疊影像進行捆綁（Bundling）與縫合（Stitching），並移除雲影，以產生連續且無縫的正射影像（Orthomosaic）。 --- ## 3. 多光譜分析與特徵提取\n 遙感技術的核心價值在於利用不同波段的物理特性來識別地物。 ### 3.1 帶寬計算 (Band Math) 透過公式計算不同波段之間的比率或差異，來強調特定地物的特徵。最經典的應用是**歸一化差異植被指數 (NDVI)**： $$NDVI = \frac{(NIR - Red)}{(NIR + Red)}$$ * **NIR (近紅外線)：** 植物內部結構反射強烈。 * **Red (紅光)：** 被葉綠素吸收。 透過 NDVI，我們可以輕易區分農作物、森林與裸地，甚至評估植物的健康狀況。 ### 3.2 客體導向影像分析 (Object-Based Image Analysis, OBIA) 與傳統像素分析不同，OBIA 考慮到影像中物件的形狀、紋理、大小與上下文資訊。在處理高解析度城市影像時，OBM 能夠更精準地識別道路、建築物與綠地，減少因像素雜訊造成的劃分錯誤。 --- ## 4. 實務應用：變更偵測與資源監測\n 當遙感影像與 GIS 技術結合時，能夠產生強大的動態監測能力： ### 4.1 變更偵測 (Change Detection) 透過比對不同時期的影像，自動識別空間上的變動： * **城市蔓延：** 監測過去 10 年內建築面積的擴張。 * **森林砍伐：** 偵測非法伐木或林火後的森林再生狀況。 * **水系變化：** 監測長期淤積導致的河道變動或水壩影響範圍。 ### 4.2 資源監測 (Resource Monitoring) * **精準農業：** 利用多光譜影像監測農作物的生長曲線，規劃精準施肥區域。 * **水資源管理：** 透過紅外線熱感測量分析水體污染或農田灌溉用水量。 * **災難評估：** 地震或洪水後，迅速分析受損基礎設施與受災區域面積。 --- ## 總結 遙感技術為 GIS 提供了大量的高品質、多維度的空間資訊。從衛星的宏觀視角到無人機的微觀細節，透過科學的預處理、多光譜分析與變更偵測，我們能夠將抽象的感測訊號轉化為具體的決策數據。在下一章中，我們將討論如何將這些從遙感獲取的空間特徵整合入實務場景，進行如選址分析、環境風險評估等決策支持。 --- ### 關鍵術語表 | 術語 | 定義 | 實務應用案例 | | :--- | :--- | :--- | | **正射校正 (Orthorectification)** | 消除地形與大氣影響，將影像轉換為比例尺正確且符合座標系的影像。 | 確保無人機航測產出的地圖能夠與 GPS 定位數據精確對齊。 | | **NDVI (植被指數)** | 利用近紅外與紅光波段計算出的植物生長強度指標。 | 用於農業分析，評估農作物生長狀況或森林健康度。 | | **多光譜 (Multispectral)** | 在多個不同的波段（如紅、綠、藍、近紅外）上捕捉影像資訊。 | 用於識別不同的地表類型，如識別不同種類的農作物或水質污染。 | | **變更偵測 (Change Detection)** | 比對兩個或多個時間點的空間數據，找出差異。 | 用於城市擴張監測、非法建築偵測或森林砍伐監控。 | | **空間解析度 (Spatial Resolution)** | 決定影像中每個像素所代表的實體空間大小。 | 決定是一張僅能識別大面積林地的衛星圖，還是一張能辨識車輛的無人機圖。 | ---