111 年 國立臺北大學不動產與城鄉環境學系碩士班《測量學及地理資訊系統概論》

本題主要在測試考生對測量學中基本名詞定義與差異的理解。

(1) 精密度 (Precision) 與 精確度 (Accuracy)

• 精密度 (Precision)：指的是同一測量值在重複測量時的一致性或再現性。高精密度表示測量結果彼此非常接近，但這些結果可能與真實值有較大的偏差。它主要關注測量值之間的離散程度。
• 精確度 (Accuracy)：指的是測量結果與真實值（或公認標準值）之間的接近程度。高精確度表示測量結果非常接近真實值。

簡單比喻：
想像射箭，

• 高精密度、低精確度：箭都射在靶的同一小區域，但該區域離靶心很遠。
• 低精密度、高精確度：箭分散在靶面上，但平均值非常接近靶心。
• 高精密度、高精確度：箭都射在靶心附近。
• 低精密度、低精確度：箭散亂地射在靶面各處，離靶心也遠。

(2) 方位角 (Azimuth) 與 方向角 (Bearing)

這兩者都是表示方向的測量方式，但定義和參考點不同。

• 方位角 (Azimuth)：通常指從北方（真北、磁北或網格北）順時針量測到目標方向線的角度。其值範圍為 $0^\circ$ 到 $360^\circ$。在測量學中，特別是天文測量和大地測量，常用方位角。
• 方向角 (Bearing)：通常指從北方或南方（較小者）朝向東方或西方量測的角度。其表示方式為：從北方或南方開始，順時針或逆時針量測到目標方向線的角度。例如，北 $30^\circ$ 東 (N $30^\circ$ E) 表示從北方順時針量測 $30^\circ$ 到東方。方向角的值範圍為 $0^\circ$ 到 $90^\circ$ 之間。

差異總結：

• 參考點：方位角固定從北方（順時針）量測；方向角可從北方或南方開始，並有東西向的指示。
• 角度範圍：方位角 $0^\circ \sim 360^\circ$；方向角 $0^\circ \sim 90^\circ$。

(3) DSM (Digital Surface Model) 與 DEM (Digital Elevation Model)

這兩者都是數值地形模型，但包含的資訊不同。

• DEM (Digital Elevation Model)：數值高程模型。它代表地表某一點的「地面」高程，不包含地表上的任何物體（如建築物、樹木）的高度。它反映的是裸露地表的高度。

核心觀念

本題考查閉合導線的：

1. 角度閉合差與角度平差。
2. 方位角推算。
3. 緯距、經距計算。
4. 導線線性閉合差與閉合比數。
5. 由已知點坐標推算各測站坐標。

角度總和應為：

$$\sum\beta=(n-2)\times180^\circ=360^\circ$$

坐標增量公式為：

$$\Delta N=L\cos\alpha,\qquad \Delta E=L\sin\alpha$$

其中 $\alpha$ 為方位角，$L$ 為邊長。

---

一、角度閉合差與平差

觀測角總和為：

$$113^\circ08'02''+74^\circ29'53''+61^\circ46'36''+110^\circ35'09'' =359^\circ59'40''$$

因此角度閉合差為：

$$f_\beta=359^\circ59'40''-360^\circ=-20''$$

若採等權平差，四個角各加：

$$c_\beta=\frac{20''}{4}=+5''$$

平差後各內角為：

$$\begin{aligned} \angle A&=113^\circ08'07''\\ \angle B&=74^\circ29'58''\\ \angle C&=61^\circ46'41''\\ \angle D&=110^\circ35'14'' \end{aligned}$$

---

二、推算各邊方位角

已知：

$$\alpha_{AB}=107^\circ25'00''$$

依圖示導線方向，下一邊方位角採：

$$\alpha_{\text{下一邊}} =\alpha_{\text{前一邊}}+180^\circ-\text{內角}$$

因此：

$$\begin{aligned} \alpha_{BC} &=107^\circ25'00''+180^\circ-74^\circ29'58''\\ &=212^\circ55'02'' \end{aligned}$$

此式若直接套用會與圖示方向不符；本題依圖中導線方向，應以「前一邊反方位角加內角」推算：

$$\alpha_{\text{下一邊}} =\alpha_{\text{前一邊}}+180^\circ+\text{內角} \pmod{360^\circ}$$

所以：

$$\begin{aligned} \alpha_{BC} &=107^\circ25'00''+180^\circ+74^\circ29'58''\\ &=1^\circ54'58'' \end{aligned}$$ $$\begin{aligned} \alpha_{CD} &=1^\circ54'58''+180^\circ+61^\circ46'41''\\ &=243^\circ41'39'' \end{aligned}$$ $$\begin{aligned} \alpha_{DA} &=243^\circ41'39''+180^\circ+110^\circ35'14''\\ &=174^\circ16'53'' \end{aligned}$$

---

三、計算緯距與經距

各邊坐標增量如下：

本題為水準測量網的平差問題，需要計算未知點 D 的高程及其誤差。

核心觀念： 在水準網平差中，每個觀測值（高程差）都有其觀測值、權數（通常與路線長度有關）以及中誤差。未知點的高程可以透過不同路線的觀測值來計算，並利用平差方法（如最小二乘法）得到最優解，同時計算其精度。

步驟一：理解題目數據與關係

• 已知點：A $(H_A = 30.253)$，B $(H_B = 38.765)$，C $(H_C = 33.076)$。
• 待求點：D $(H_D)$。
• 觀測高程差：
  • 路線 1 (A to D): $h_{AD} = 4.757$ m, $L_1 = 4$ km
  • 路線 2 (B to D): $h_{BD} = -3.738$ m, $L_2 = 2$ km
  • 路線 3 (C to D): $h_{CD} = 1.949$ m, $L_3 = 3$ km
• 權數 (Weight)：通常與路線長度成反比，但題目說「同一等級」，這表示各路線的觀測中誤差潛力相同，可以使用路線長度作為權數的基礎，或者直接假設權數與長度成反比。
  若假設權數 $w \propto 1/L$，則：
  $w_1 = k/4$, $w_2 = k/2$, $w_3 = k/3$。
  為了計算方便，可取 $k=12$ (LCM of 4, 2, 3)，則 $w_1 = 3, w_2 = 6, w_3 = 4$。

步驟二：計算各路線的 D 點高程初步值

• 從 A 路線：$H_D^{(1)} = H_A + h_{AD} = 30.253 + 4.757 = 35.010$ m。
• 從 B 路線：$H_D^{(2)} = H_B + h_{BD} = 38.765 + (-3.738) = 35.027$ m。
• 從 C 路線：$H_D^{(3)} = H_C + h_{CD} = 33.076 + 1.949 = 35.025$ m。

步驟三：計算 D 點的加權平均高程

• 加權平均高程 $H_D = \frac{\sum w_i H_D^{(i)}}{\sum w_i}$
• $\sum w_i H_D^{(i)} = w_1 H_D^{(1)} + w_2 H_D^{(2)} + w_3 H_D^{(3)}$
  $= 3 \times 35.010 + 6 \times 35.027 + 4 \times 35.025$
  $= 105.030 + 210.162 + 140.100 = 455.292$
• $\sum w_i = w_1 + w_2 + w_3 = 3 + 6 + 4 = 13$
• $H_D = \frac{455.292}{13} \approx 35.02246$ m。

步驟四：計算各路線高程差的改正值

• 計算各路線的改正數 (Correction) $\delta_i = H_D - H_D^{(i)}$。
  $\delta_1 = 35.02246 - 35.010 = +0.01246$ m
  $\delta_2 = 35.02246 - 35.027 = -0.00454$ m
  $\delta_3 = 35.02246 - 35.025 = -0.00254$ m
• 改正後的高程差：
  $h'_{AD} = h_{AD} + \delta_1 = 4.757 + 0.01246 = 4.76946$ m
  $h'_{BD} = h_{BD} + \delta_2 = -3.738 - 0.00454 = -3.74254$ m
  $h'_{CD} = h_{CD} + \delta_3 = 1.949 - 0.00254 = 1.94646$ m
• 驗算：
  $H_A + h'_{AD} = 30.253 + 4.76946 = 35.02246 = H_D$
  $H_B + h'_{BD} = 38.765 - 3.74254 = 35.02246 = H_D$
  $H_C + h'_{CD} = 33.076 + 1.94646 = 35.02246 = H_D$
  驗算正確。

步驟五：計算 D 點的高程中誤差

• 高程中誤差的計算公式為：
  $m_{H_D} = \sqrt{\frac{\sum w_i (H_D^{(i)} - H_D)^2}{\sum w_i - 1}}$ (如果 D 點是唯一的未知點)
  或者使用改正數的公式：
  $m_{H_D} = \sqrt{\frac{\sum w_i \delta_i^2}{\sum w_i - 1}}$
  此處 $\sum w_i = 13$。
  分母為 $\sum w_i - 1 = 13 - 1 = 12$。

• 計算 $\sum w_i \delta_i^2$：
  $w_1 \delta_1^2 = 3 \times (0.01246)^2 = 3 \times 0.0001552516 \approx 0.00046575$
  $w_2 \delta_2^2 = 6 \times (-0.00454)^2 = 6 \times 0.0000206116 \approx 0.00012367$
  $w_3 \delta_3^2 = 4 \times (-0.00254)^2 = 4 \times 0.0000064516 \approx 0.00002581$

• $\sum w_i \delta_i^2 = 0.00046575 + 0.00012367 + 0.00002581 = 0.00061523$

• $m_{H_D} = \sqrt{\frac{0.00061523}{12}} = \sqrt{0.000051269} \approx 0.00716$ m。

本題要求說明遙感探測 (RS)、全球導航衛星系統 (GNSS) 及地理資訊系統 (GIS) 的定義，並闡述如何將這三者整合應用於災害防救規劃。

一、定義說明

1. 遙感探測 (Remote Sensing, RS)

   • 定義： 遙感探測是指利用感測器（通常在衛星、飛機或無人機上）非接觸式地獲取地球表面物體或現象的資訊，而無需與目標物體直接接觸。感測器記錄物體反射或發射的電磁波（如可見光、紅外線、微波等），經過處理和分析後，可以獲取地表的地形、地物、環境狀況等資訊。
   • 主要應用： 土地利用監測、資源調查、環境變遷分析、氣象觀測、災害監測與評估等。
   • 資料類型： 衛星影像、航空影像、雷達影像等。

2. 全球導航衛星系統 (Global Navigation Satellite System, GNSS)

   • 定義： GNSS 是一類利用佈署在軌道上的衛星星座，為全球使用者提供精確的定位、導航和時間資訊的系統。最常見的 GNSS 是美國的 GPS (Global Positioning System)，其他還有俄羅斯的 GLONASS、歐洲的 Galileo、中國的 BeiDou 等。
   • 主要應用： 導航（汽車、船舶、航空）、精確定位（測量、工程）、時間同步、路線追蹤等。
   • 資料類型： 接收機接收到的衛星訊號，用於計算接收機的經度、緯度、高程和時間。

3. 地理資訊系統 (Geographic Information System, GIS)

   • 定義： GIS 是一種空間資訊系統，用於擷取、儲存、管理、分析、呈現和解釋與地球表面地理位置相關的資訊。它能夠將地理空間數據（如地圖、影像）與屬性數據（如人口、土地利用、災情資訊）結合，進行空間分析，以解決複雜的規劃和管理問題。
   • 主要應用： 城市規劃、環境管理、資源管理、交通運輸、災害管理、市場分析等。
   • 資料類型： 向量資料（點、線、面）、柵格資料（影像、高程模型）、屬性表格等。

二、整合應用於災害防救規劃

這三項技術在災害防救規劃中可以相互補充，發揮極大的作用，從災害的預防、監測、應變到災後復原，都能提供關鍵的空間資訊支援。

1. 災害預防與風險評估階段：

   • RS： 利用衛星影像（如光學影像、雷達影像）長期監測地表變化，如植被覆蓋、土地利用、海岸線變遷、地層滑動跡象等，識別潛在的致災因子（如山坡地開發、森林疏伐）。透過分析歷史影像，可以評估特定區域的災害潛勢，例如洪水淹水區、土石流潛勢區、地震斷層帶等。
   • GIS： 建立包含地形、地質、水文、土地利用、人口密度、建築物分佈等空間數據的災害潛勢圖、風險圖。結合 RS 提供的地表資訊，GIS 可以進行複雜的空間疊圖分析，例如，將洪水淹水預測模型與人口分佈結合，評估受影響人口。
   • GNSS： 在可能發生地質災害（如地震、火山、地滑）的區域，佈設 GNSS 測站，持續監測地殼變形，早期偵測異常位移，預警潛在的災害。

2. 災害監測與預警階段：

   • RS： 災害發生時，可即時獲取高解析度的衛星或航空影像，監測災害的範圍、規模和發展趨勢。例如，利用熱紅外影像監測森林火災的火點；

本題主要在探討地理資訊系統中「位相」(Topology) 的概念及其在空間資料編修除錯中的應用。

一、何謂空間資料的位相 (Topology)?

空間資料的位相，是指空間物件之間在幾何上相互關聯的性質，而不依賴於物件的精確幾何座標。它描述了物件的相對位置、連結性和鄰接關係。位相資訊是空間數據的重要屬性，能幫助理解和驗證數據的空間結構。

關鍵的位相關係包括：

1. 連通性 (Connectivity): 指線狀要素（如道路、河流）如何連接在一起，形成網絡。例如，道路的端點必須連接到另一條道路或節點。
2. 相鄰性 (Adjacency): 指面狀要素（如地塊、行政區）彼此之間的鄰接關係，即哪些面與哪些面相鄰。
3. 包含性 (Containment/Inside): 指一個物件（如點）是否位於另一個物件（如面）的內部。例如，一個建築物點是否在某個地塊面內。
4. 重疊性 (Overlap): 指多個空間物件之間是否存在空間上的重疊。
5. 空隙性 (Gap): 指兩個物件之間是否存在未被填補的空間。

二、以資料編修除錯為例，說明位相關係的應用方式

在 GIS 中，空間資料的準確性至關重要。位相規則 (Topology Rules) 是用來定義和驗證空間數據空間結構正確性的標準。當空間數據不符合這些規則時，就表示存在位相錯誤，需要進行編修和除錯。

常見的位相錯誤及其除錯方式：

1. 線狀要素的「懸空線」(Overshoot) 和「短線」(Undershoot)：

   • 問題： 在道路或河流網絡中，線條的端點沒有正確連接到其他線條的節點上。懸空線是線條超出預期連接點，短線是線條未達到預期連接點。
   • 位相規則： 在道路網絡中，線條必須連接成連續的網絡，端點必須是節點。
   • 除錯方式： GIS 軟體可以檢查線條的端點，識別出未連接的節點（懸空點）或未連接的線條端點。透過「拓撲清理」(Topology Cleaning) 或「延展/修剪」(Extend/Trim) 工具，可以將懸空線的端點延伸至最近的節點，或將超出節點的線條修剪至節點。

2. 面狀要素的「重疊面」(Overlap) 和「空隙面」(Gap)：

   • 問題： 在地塊、行政區等面狀數據中，相鄰的面之間存在重疊區域，或者存在未被任何面覆蓋的空隙。這在土地利用圖、地籍圖中是嚴重的錯誤。
   • 位相規則： 在一個完整的區域劃分中（例如，一個城市的行政區劃），所有面狀要素的總和應該覆蓋一個特定的區域，且面與面之間不能有重疊，也不能有空隙。

本題探討在 GIS 中，如何利用 Focal 和 Global 函數來處理土地適宜性分析後的栅格數據，將單一適宜開發的網格聚集或擴散，形成適合開發的「網格集群」。

核心概念：
土地適宜性分析通常會產生一個栅格圖層，其中每個像元代表一個區域的適宜程度。經過門檻值篩選後，會得到「適宜開發」和「不適宜開發」的二元分佈。然而，單獨的適宜開發網格可能過於零散，不符合實際開發的需求（例如，需要一定面積的連續開發區域）。此時，需要使用空間函數來進一步處理這些網格。

一、Focal Function (鄰域函數)

Focal function（或稱 neighborhood function）是對每個像元及其周圍的鄰域進行計算。它會考慮一個中心像元以及它周圍指定範圍（例如 3x3、5x5 或圓形）內的像元值，並根據預設的規則輸出一個新的像元值。

• 應用於此問題：

  1. 擴大適宜區域 (Expansion/Dilation):

     • 方法： 使用 Focal Majority (多數決) 或 Focal Sum (加總) 函數。
     • 操作： 對於每個像元，計算其鄰域內「適宜開發」像元的數量或比例。
     • 規則：
       • Focal Majority: 如果一個中心像元的鄰域內，大多數像元（例如，超過 50%）被標記為「適宜開發」，則該中心像元也被更新為「適宜開發」。這會使得原有的適宜開發區域向外擴散，填補鄰近的「不適宜開發」區域（如果這些區域在鄰域內佔少數）。
       • Focal Sum (或 Count): 設定一個門檻值，例如，如果一個像元的 3x3 鄰域內，有至少 N 個像元是「適宜開發」，則該中心像元被標記為「適宜開發」。這可以將零散的適宜點連接起來。
     • 效果： 將零散的適宜開發點擴大，形成較大的、連續的適宜開發區域，將一些原本不適宜但靠近適宜區域的土地也納入考慮。

  2. 縮小適宜區域 (Contraction/Erosion) 或移除零散區域：

     • 方法： 使用 Focal Majority (少數決) 或 Focal Minimum (最小值)。
     • 操作： 對於每個像元，計算其鄰域內「適宜開發」像元的數量。
     • 規則：
       • Focal Majority (反向)： 如果一個中心像元的鄰域內，只有少數（例如，少於 50%）像元是「適宜開發」，則該中心像元被更新為「不適宜開發」。這可以移除那些被不適宜區域包圍的、面積很小的適宜開發區域。
       • Focal Minimum: 如果一個像元及其所有鄰域像元都是「適宜開發」，則該像元保持「適宜開發」，否則變為「不適宜開發」。這會使得適宜區域向內收縮，只保留那些被完全適宜區域包圍的像元。
     • 效果： 移除那些非常零散、面積太小而不符合實際開發條件的「適宜開發」像元，使剩餘的適宜區域更具連續性。

二、Global Function (全局函數)

Global function（或稱 global neighborhood function）是對整個栅格數據集進行計算，其結果是為每個像元賦予一個基於整個數據集的全局屬性值。它不像 Focal 函數那樣只考慮局部鄰域。

• 應用於此問題：
  1. 計算適宜開發區域的總面積或比例：
     • 方法： 使用 Focal Statistics 函數，但將鄰域設定為整個 Raster (全局)。
     • 操作： 計算整個栅格圖層中「適宜開發」像元的總數或比例。
     • 效果： 這個結果是一個單一的數值，可以作為一個全局指標。

本題旨在探討空間內插 (Spatial Interpolation) 的概念，並說明兩種常見的內插方法：距離倒數加權法 (IDW) 和克利金法 (Kriging) 的基本原理與架構。

一、何謂空間內插 (Spatial Interpolation)?

空間內插是一種地理空間分析技術，用於估計在已知數據點（樣本點）之間或範圍之外的未知位置的屬性值。它假設空間上相鄰的點具有相似的屬性值，即「地理事物越靠近，其相似性越高」(Tobler's First Law of Geography)。透過已知點的數值和空間位置，內插方法可以在未知點處產生一個預測值，從而建立一個連續的空間表面（如高程、降雨量、溫度、污染物濃度分佈等）。

空間內插是 GIS 中非常重要的技術，廣泛應用於地圖繪製、環境模擬、資源評估、風險分析等領域。

二、距離倒數加權法 (Inverse Distance Weighting, IDW)

IDW 是一種簡單且廣泛使用的確定性內插方法。它的基本思想是：一個未知點的預測值是其周圍已知點屬性值的加權平均值，而權重的大小與該點到未知點的距離成反比。距離越近的點，其權重越大，對預測值的影響也越大。

• 基本公式：
  對於未知點 $Z(x_0)$，其預測值可以表示為：
  $Z(x_0) = \frac{\sum_{i=1}^{n} w_i Z(x_i)}{\sum_{i=1}^{n} w_i}$
  其中：

  • $Z(x_0)$ 是在位置 $x_0$ 的預測值。
  • $n$ 是用於內插的已知樣本點的數量。
  • $Z(x_i)$ 是第 $i$ 個已知樣本點在位置 $x_i$ 的屬性值。
  • $w_i$ 是第 $i$ 個樣本點的權重，通常定義為：
    $w_i = \frac{1}{d(x_0, x_i)^p}$
    其中 $d(x_0, x_i)$ 是未知點 $x_0$ 與已知點 $x_i$ 之間的距離，而 $p$ 是一個指數參數（通常取 2，稱為平方反比）。

• 架構與特點：

  1. 權重計算： 根據距離的倒數（加上指數 $p$）計算每個已知點的權重。
  2. 加權平均： 將各已知點的屬性值乘以其對應的權重，求和後除以權重總和，得到預測值。
  3. 局部性： 可以指定一個搜索半徑或最鄰近的 $k$ 個點來進行內插，以控制內插的影響範圍。
  4. 平滑性： IDW 內插的表面是平滑的，但其值域被限制在已知點值的範圍內。
  5. 缺點：
     • 對樣本點的空間分佈敏感。如果樣本點分佈不均勻，可能產生不準確的結果。
     • 無法考慮空間變異的結構（如趨勢、聚集性）。
     • 當所有已知點都位於未知點的一側時，可能產生預測值超出實際範圍的情況。
     • 無法提供預測值的精度估計（如標準差）。

三、克利金法 (Kriging)

克利金法是一種基於統計學的空間內插方法，它不僅考慮已知點的距離，還考慮了這些點之間空間變異的結構（變異函數或共變函數）。克利金法假設數據具有空間自相關性，並且它能提供一個最優的線性無偏預測值，同時還能提供該預測值的估計誤差（預測標準差）。

• 基本原理：
  克利金法的核心是建立一個變異函數 (Variogram) 或協變函數 (Covariogram)，來描述數據的空間相關性。變異函數描述了兩點之間屬性值差異的平方期望值與它們之間距離的關係。
  克利金法尋找一組權重，使得未知點的預測值是已知點值的加權平均，並且滿足：

  1. 線性無偏性 (Linear Unbiasedness): 預測值等於真實值的期望值。
  2. 最小方差性 (Minimum Variance): 預測值的誤差方差（即預測值的方差）最小。

• 架構：

  1. 空間變異分析 (Semivariogram/Variogram Modeling):
     • 計算樣本點之間的半變異函數值 (semivariogram values)，繪製經驗半變異函數圖 (empirical semivariogram)。
     • 擬合一個理論模型（如球形模型 Spherical, 指數模型 Exponential, 高斯模型 Gaussian）到經驗半變異函數圖上。這個模型描述了空間自相關的強度、變程 (range) 和塊金值 (nugget)。
  2. 克利金估計 (Kriging Estimation):
     • 利用擬合好的變異函數模型，以及已知點之間的距離、未知點到已知點的距離，建立一個線性系統。
     • 求解這個線性系統，得到各已知點的克利金權重 $w_i$。
     • 計算未知點的預測值：$Z(x_0) = \sum_{i=1}^{n} w_i Z(x_i)$

核心觀念

本題考核地理資訊系統（GIS）中**空間資料庫設計（Spatial Database Design）**之實務能力，聚焦於不動產、都市計畫與環境規劃領域的空間資料塑模（Spatial Data Modeling）。核心考點包含：

1. 概念模型與圖層規劃（Layer Schema Design）：針對特定應用情境（校園環境規劃），將實體世界抽象化為不同主題的空間圖層（如建物、道路、植栽、地形、環境敏感區等）。
2. 空間資料結構（Spatial Data Models）：
   • 向量資料模型（Vector Model）：點（Point）、線（Polyline）、面（Polygon），適合表達邊界明確、具離散特徵的實體物件。
   • 網格資料模型（Raster Model）：像素（Pixel）組成的矩陣陣列，適合表達空間上具連續性分佈的環境因子（如高程、坡度、熱島溫度、常態化差值植生指標 NDVI 等）。
3. 屬性資料庫設計（Attribute Database Design）：定義各圖層的重要屬性欄位、主鍵（Primary Key）關聯性，以及適配的資料類型（Data Types，如整數、浮點數、字串/文字、日期、布林值等）。

---

解題方法

校園環境規劃涉及「實體設施管理」、「動線與開放空間分析」以及「生態與微氣候環境評估」。設計時應遵循以下切入架構：

1. 主題領域劃分：涵蓋校園四大核心面向——建物與公用設施、交通動線、綠化與地景、環境微地形/氣候。
2. 空間資料結構配置：
   • 人造設施與界線明確之單元採用向量資料（以利精確拓撲分析、距離量測與屬性關聯）。
   • 地表連續變化之自然環境現象採用網格資料（以利表面分析、通視分析、水文流向模擬）。
3. 結構化表格呈現：依題意列出「圖層名稱」、「空間資料類型（幾何型態/解析度）」、「重要屬性欄位」與「欄位值類型（含單位與說明）」，確保資料庫架構具體完整且能實際建置。

---

校園環境規劃地理資料庫設計表

圖層名稱	空間資料類型	幾何型態／解析度	重要屬性欄位	欄位值類型	欄位意義與範例
校園建築物<br>(Campus_Buildings)	向量 (Vector)	多邊形 (Polygon)	Bldg_ID<br>Bldg_Name<br>Floors<br>Height<br>Usage_Type<br>Build_Year<br>FAR	String/Text<br>String/Text<br>Integer<br>Float<br>String/Text<br>Integer<br>Float	建物唯一編號（主鍵）<br>建築名稱（如行政大樓）<br>地上樓層數（如 7）<br>建築高度（公尺，如 24.5）<br>使用分區/用途（教學/行政/宿舍）<br>竣工年份（如 1995）<br>容積率（如 240.0）
校園道路與人行動線<br>(Campus_Circulation)	向量 (Vector)	摺線 (Polyline)	Route_ID<br>Route_Type<br>Width<br>Surface<br>Accessible<br>Max_Speed	String/Text<br>String/Text<br>Float<br>String/Text<br>Boolean<br>Integer	動線代碼（主鍵）<br>道路等級（主要車道/人行步道/消防通道）<br>路寬（公尺，如 6.0）<br>鋪面材質（瀝青/透水磚/水泥）<br>無障礙通行友善（True/False）<br>速限限制（km/h，如 20）
公用公害與景觀設施<br>(Campus_Facilities)	向量 (Vector)	點 (Point)	Fac_ID<br>Fac_Category<br>Status<br>Install_Date<br>Maint_Vendor	String/Text<br>String/Text<br>String/Text<br>Date<br>String/Text	設施編號（主鍵）<br>類別（路燈/垃圾桶/緊急求救鈴/消防栓）<br>運作狀態（正常/待修/報廢）<br>安裝設置日期（YYYY-MM-DD）<br>維護責任廠商