108 年 國立臺灣大學地理環資系碩士班丙組《空間資訊概論》

本題主要在探討雲端運算架構在資訊科學領域的應用，特別是 GIS 系統如何受益於雲端技術。考生需要選擇其中兩項雲端架構的特點，並闡述其在 GIS 應用中的具體意涵。

核心概念：雲端運算的基本特點及其在地理資訊系統 (GIS) 中的應用。

解題思路：

1. 理解雲端架構的關鍵特點：考生需對 Service-Oriented, Distributed, Virtualization, Pooling, Scalable and Elastic, Dynamic Provisioning 等名詞有基本認識。
2. 連結 GIS 的需求：GIS 系統常面臨海量資料處理、複雜空間分析、多人協作、彈性資源調配等挑戰。
3. 選取兩項特點並闡述：從上述特點中選擇兩項，說明它們如何解決 GIS 的特定問題。

以下為針對其中兩項特點的詳解：

• 服務導向 (Service-Oriented)：

  • 意涵：將 GIS 的功能（如空間分析、地圖渲染、資料查詢）封裝成獨立的、可透過標準介面（如 Web Services, API）調用的服務。
  • 在 GIS 中的應用：這使得不同的應用程式或使用者可以透過網路調用這些 GIS 服務，而無需重新開發或部署整個 GIS 軟體。例如，一個網站可以調用一個 GIS 服務來計算兩個地點之間的距離，或是在地圖上顯示特定地點的資訊。這種模式促進了 GIS 功能的重用和整合，降低了開發成本，並提高了系統的靈活性。

• 分散式 (Distributed)：

  • 意涵：運算和資料儲存不再集中在單一的伺服器上，而是分布在多個節點（電腦）上，這些節點協同工作。
  • 在 GIS 中的應用：對於處理龐大的地理空間資料集（如全球衛星影像、高解析度地形模型）和執行複雜的空間分析（如大規模的空間統計、路徑搜尋）而言，分散式架構至關重要。透過將計算任務分解並分配給多個節點，可以顯著縮短處理時間，提高運算效率。例如，透過 MapReduce 等框架，可以 Parallel 地處理海量的地理資料，實現高效的空間查詢和分析。

• 虛擬化 (Virtualization)：

  • 意涵：將硬體資源（伺服器、儲存、網路）抽象化，創建出多個虛擬環境，每個虛擬環境都可以獨立運行作業系統和應用程式。

本題主要在考察考生對「位置導向服務」(Location-Based Service, LBS) 的基本定義、運作原理及其應用範疇的理解。

核心概念：位置導向服務 (LBS) 的定義、技術構成與應用。

解題思路：

1. 定義 LBS：首先，清晰地定義 LBS 是什麼。它是一種利用行動裝置的地理位置資訊，提供與該位置相關的資訊或服務的技術。
2. 說明運作原理：解釋 LBS 是如何工作的。這通常涉及以下幾個關鍵技術：
   • 位置獲取技術：如何得知使用者的位置？常見的有 GPS (全球定位系統)、Wi-Fi 定位、基地台定位 (Cell Tower Triangulation)、感測器融合 (Sensor Fusion) 等。
   • 網路傳輸：獲取的位置資訊需要透過行動網路 (如 3G, 4G, 5G, Wi-Fi) 傳輸到伺服器。
   • 伺服器端處理：伺服器接收位置資訊後，會進行地理編碼 (Geocoding) 或反向地理編碼 (Reverse Geocoding)，並結合地理資訊系統 (GIS) 資料庫，進行空間查詢、分析，以找出與該位置相關的資訊或服務。
   • 資訊回傳：處理後的結果（如附近餐廳、導航路線、緊急服務資訊）再透過網路傳回使用者的行動裝置顯示。
3. 闡述應用範疇：列舉 LBS 的實際應用案例，說明其多樣性。常見的應用包括：

本題旨在探討地理學發展歷程中的重要技術變革，特別是「自發性地理資訊」(Volunteered Geographic Information, VGI) 的興起，以及其對「新地理學」(Neogeography) 概念的影響，要求考生從「資料收集」的角度進行評述。

核心概念：地理學的技術發展史、VGI 的定義與特點、Neogeography 的概念、VGI 在資料收集上的優勢與侷限。

解題思路：

1. 回顧地理學技術發展：簡要提及計量革命（強調數據和統計方法）和地理資訊系統 (GIS)（強調空間資料的數位化、管理和分析）的貢獻，為 VGI 的出現奠定背景。
2. 定義與闡述 VGI：
   • 定義：VGI 指的是由廣大公眾（非專業地理資訊人員）透過各種平台（如維基百科、OpenStreetMap、Flickr、社交媒體、眾包平台）自願貢獻的地理空間資訊。
   • 特點：VGI 的資料來源廣泛、更新速度快、覆蓋範圍可能很廣，且通常是免費或低成本的。
3. 介紹 Neogeography 的概念：
   • 定義：Neogeography（新地理學）是一個較為寬泛的概念，通常指藉由網際網路和數位技術，使得地理資訊的創建、分享和應用更加普及化、大眾化。它強調的是地理學的民主化和參與性。
4. 從「資料收集」角度評述 VGI 對 Neogeography 的促進作用：
   • VGI 在資料收集上的優勢（促進 Neogeography 誕生）：
     • 資料來源的擴大與民主化：VGI 打破了傳統地理資料僅由政府機構或專業調查人員收集的局面。任何人都可以貢獻地理資訊，極大地擴展了資料的來源和內容。這使得地理資訊的生產不再是少數人的專利，而是大眾參與的過程。
     • 資料的即時性與時效性：由於 VGI 的貢獻者遍布各地，且常利用行動裝置即時記錄，因此 VGI 資料能夠非常快速地更新，反映現實世界的即時變化，這對於需要快速反應的應用（如災難應變、即時交通資訊）至關重要。
     • 資料的細緻度與在地知識：一般民眾貢獻的資料往往包含許多專業調查難以觸及的細節和在地知識，例如特定地點的特色、非官方的名稱、個人經驗的路況描述等，這些都能豐富地理資訊的內涵。
     • 成本效益：相較於傳統的航空攝影、實地調查等方式，VGI 的資料收集成本極低，甚至免費，這大大降低了地理資訊應用的門檻，有利於 Neogeography 的普及。
     • 促進協作與社群形成：VGI 平台（如 OpenStreetMap）鼓勵使用者協作，共同編輯和維護地理資料，這形成了強大的社群力量，也符合 Neogeography 強調的參與和共享精神。

本題主要考查考生對 NDVI (Normalized Difference Vegetation Index) 計算原理的理解，以及不同地表背景對 NDVI 計算結果的影響，特別是從紅光 (Red) 和近紅外光 (Near-Infrared, NIR) 的反射率變化來解釋。

核心概念：NDVI 的計算公式、植被反射光譜特性、地表背景對反射率的影響。

解題思路：

1. NDVI 的定義與公式：

   • 首先，要清楚 NDVI 是用來衡量植被覆蓋程度、健康狀況和生物量的指標。
   • 其計算公式為：$\text{NDVI} = \frac{\text{NIR} - \text{Red}}{\text{NIR} + \text{Red}}$
   • 其中 NIR 是近紅外波段的反射率，Red 是紅光波段的反射率。

2. 植被的典型光譜特性：

   • 健康的綠色植被在可見光譜的紅光波段吸收較多（用於光合作用），反射較少。
   • 在近紅外波段，植被的葉綠素細胞結構使其反射率非常高。
   • 因此，對於植被，通常有 $\text{NIR} \gg \text{Red}$，這會導致 NDVI 值較高。

3. 分析不同背景的影響：

   • 情境設定：題目給定了兩種情況：
     • 情況一：綠色植物覆蓋的地表，背景為淺色水泥地。
     • 情況二：綠色植物覆蓋的地表，背景為深色柏油地。
   • 關鍵在於背景對反射率的影響：
     • 淺色水泥地：淺色物體通常對所有可見光和近紅外波段的反射率都較高。因此，即使是植被覆蓋，水泥地的背景也會在紅光和近紅外波段都增加其反射率，但相對而言，它對 NIR 的增加會比對 Red 的增加比例更大（因為水泥地本身就是高反射的）。
     • 深色柏油地：深色物體通常對所有波段的反射率都較低。因此，柏油地的背景會降低植被的整體反射率，尤其是在 NIR 波段。

4. 解釋為何 NDVI 會不同：

   • 假設「綠色植物豐量」相同：這表示植被本身的光譜特性（即植被對紅光和 NIR 的吸收與反射）是基本相同的。

   • 關鍵差異在於「背景的反射」疊加：

     • 情況一 (淺色水泥背景)：
       • 紅光 (Red)：植被本身反射率低，但淺色水泥背景會疊加一個較高的反射率。總體 Red 反射率會 較高。
       • 近紅外光 (NIR)：植被本身反射率非常高，淺色水泥背景也會疊加一個較高的反射率。總體 NIR 反射率會 非常高（比 Red 增加的更多）。
       • 由於 NIR 疊加的比例效應可能大於 Red，或者說，水泥地的高反射特性使得 NIR 和 Red 的差異（$\text{NIR} - \text{Red}$）在絕對值上可能被拉近，或者分母（$\text{NIR} + \text{Red}$）被顯著拉高。
     • 情況二 (深色柏油背景)：
       • 紅光 (Red)：植被本身反射率低，深色柏油背景會疊加一個較低的反射率。總體 Red 反射率會 較低。
       • 近紅外光 (NIR)：植被本身反射率非常高，深色柏油背景會疊加一個較低的反射率。總體 NIR 反射率會 較低（但通常仍會大於 Red）。
       • 由於柏油地本身是低反射的，它對 NIR 和 Red 的抑制作用可能導致 $\text{NIR} - \text{Red}$ 的絕對值變小，或 $\text{NIR} + \text{Red}$ 的分母變小。

   • 綜合影響：

     • 當背景是淺色水泥地時，由於水泥地的高反射性，它會「拉高」整體的反射光譜，特別是 NIR 的反射率會顯著增加。這可能導致 NIR 和 Red 的絕對差值變大，但同時分母 NIR+Red 也變大。然而，淺色背景的影響通常會使 NIR 的相對貢獻增加，從而可能導致 NDVI 略微偏高 或 差異不顯著，因為水泥地對 NIR 和 Red 的相對增強比例可能差異不大，或者 NIR 的絕對值被拉得更高，使得 $\frac{\text{NIR} - \text{Red}}{\text{NIR} + \text{Red}}$ 的值相對較高。
     • 當背景是深色柏油地時，由於柏油地低反射性，它會「壓低」整體的反射光譜。這會顯著降低 NIR 的反射率。相較於植被本身的高 NIR 反射，柏油地的抑制作用會使得 NIR 的值顯著降低，從而導致 $\text{NIR} - \text{Red}$ 的值變小，分母 $\text{NIR} + \text{Red}$ 也變小。這種情況下，NDVI 值會 顯著偏低，因為植被的高 NIR 反射被背景的低反射所掩蓋。

   • 結論：在綠色植物豐量相同的情況下，淺色水泥地背景的 NDVI 值通常會 高於 或 與深色柏油地背景的 NDVI 值相近（但比理想情況下的純植被 NDVI 值要低），而深色柏油地背景的 NDVI 值會 顯著偏低。因此，會得到 不同的數值。

5. 具體解釋原因 (以 Landsat OLI 為例)：

   • Landsat OLI 具有紅光 (Band 4) 和近紅外光 (Band 5) 波段。
   • 淺色水泥地：水泥地對 NIR 和 Red 的反射率都較高。假設植被的 NIR 反射是 100，Red 反射是 10。水泥地的影響可能讓總體反射率變為 NIR=120，Red=20（這是一個簡化例子，實際比例可能不同）。NDVI = (120-20)/(120+20) = 100/140 ≈ 0.71。
   • 深色柏油地：柏油地對 NIR 和 Red 的反射率都較低。假設柏油地的影響讓總體反射率變為 NIR=60，Red=5。NDVI = (60-5)/(60+5) = 55/65 ≈ 0.85。
     • 這裡的例子似乎導出了相反的結論。需要更仔細地思考背景對「相對」反射率的影響。
   • 重新思考：
     • 植被本身：NIR 很高，Red 很低。
     • 背景反射率：
       • 水泥地：高反射率，且 NIR 和 Red 的反射率都高。
       • 柏油地：低反射率，且 NIR 和 Red 的反射率都低。
     • 當植被覆蓋率是「相同豐量」時：意味著植被本身對光譜的貢獻是相同的。關鍵是背景「稀釋」或「增強」了這種貢獻。
     • 淺色水泥背景：水泥地對 NIR 和 Red 的反射率都高。當有植被時，觀測到的 NIR 和 Red 是植被反射與水泥地反射的組合。

本題延續上一題，探討在相同的地表和晴朗無雲的大氣條件下，同一植被在不同時間（1月1日 vs. 7月31日）的 NDVI 值是否相同。這主要考驗對植被季節性變化及其對遙測影像影響的理解。

核心概念：植被的季節性變化、NDVI 在不同季節的表現、ASTER 衛星感測器特性（雖然此題未直接考驗 ASTER 的具體波段，但其原理適用於多光譜遙測）。

解題思路：

1. 理解問題核心：問題關鍵在於「同一植被」在「不同時間」（1月1日 vs. 7月31日）的 NDVI 是否相同，前提是地表和天氣相同。
2. 分析時間差異帶來的影響：
   • 季節性變化：在北半球（假設題目情境，台灣位於北半球），1月1日通常是冬季，而7月31日是夏季。
   • 植被的季節性變化：即使是「同一植被」，在不同季節的生長狀態、葉量、葉綠素含量、水分含量等都會有顯著差異。
     • 冬季（1月）：許多植被（特別是落葉性植物）可能處於休眠狀態，葉片稀疏或脫落，葉綠素含量低，生物量少。常綠植物的生長也可能受到低溫和日照時長的影響而減緩。
     • 夏季（7月）：植被通常處於旺盛生長季節，葉片茂密，葉綠素含量高，生物量最大。
3. ** NDVI 與植被狀態的關係**：
   • NDVI 是衡量植被健康和生物量的指標。
   • 冬季：由於植被生長緩慢、葉量少、葉綠素含量低，其 NIR 反射率會相對較低，Red 反射率可能因葉片減少而增加（暴露更多土壤或枯枝），導致 NDVI 值 較低。
   • 夏季：由於植被生長旺盛、葉量茂密、葉綠素含量高，其 NIR 反射率會非常高，Red 反射率因葉綠素吸收而較低，導致 NDVI 值 較高。
4. 考慮 ASTER 衛星：ASTER 是一個多光譜遙感器，雖然題目未指定具體波段，但其包含的 NIR 和 Red 波段（或類似波段）是計算 NDVI 的基礎。無論是 ASTER 還是 Landsat，對於同一植被在不同季節的 NDVI 趨勢都是一致的。
5. 結論：

本題分為兩部分，第一部分要求考生指出光學遙測在研究珊瑚礁健康時面臨的最大挑戰；第二部分則要求考生基於此挑戰，提出感測器設計的改善方案。

核心概念：光學遙測原理、珊瑚礁生態系統特性、遙測挑戰（如水體衰減、水質影響、空間解析度、光譜解析度、時間解析度）、感測器設計。

解題思路：

第一部分：最大挑戰 (5分)

1. 理解珊瑚礁的遙測難點：

   • 珊瑚礁位於水下，光學遙測需要穿透水體。
   • 水體對電磁波有衰減作用，特別是可見光和近紅外光。
   • 水體本身的光譜特性（如懸浮物、溶解有機物、浮游植物）會影響水下物體的反射信號。
   • 珊瑚礁的結構複雜，有不同的珊瑚種類、藻類覆蓋、底質類型，需要精細的光譜和空間解析度。
   • 珊瑚礁生態系統對環境變化敏感，需要及時監測。

2. 判斷「最大」挑戰：

   • 水體衰減 (Water Attenuation)：這是光學遙測最根本的限制。光在水中傳播時，能量會快速衰減，特別是當深度增加時。這限制了可遙測的深度，也使得水下物體的反射信號非常微弱，容易被水體本身的散射和吸收所掩蓋。
   • 水質影響 (Water Quality Effects)：懸浮沉積物 (SPM)、溶解有機物 (CDOM) 和葉綠素 (Chl-a) 等水體組分會吸收和散射光線，改變水體的「水色」，進而扭曲珊瑚礁本身的反射光譜信號，使得辨識珊瑚礁類型、健康狀況變得困難。
   • 空間解析度 (Spatial Resolution)：珊瑚礁的細節（如單個珊瑚、藻類斑塊）可能很小，需要高空間解析度才能區分。
   • 光譜解析度 (Spectral Resolution)：不同珊瑚種類、藻類、底質的光譜特徵可能非常相似，需要高光譜解析度（窄波段）才能有效區分。
   • 時間解析度 (Temporal Resolution)：珊瑚礁變化快速（如白化事件），需要高時間解析度進行監測。
   • 天候因素：雲層、海浪（表面粗糙度影響反射）也是問題。

   在這些挑戰中，水體衰減 和 水質影響 是光學遙測在水下環境中面臨的最根本和最嚴重的限制。它們直接影響了信號的獲取和質量，使得後續的分析（如辨識、分類）變得極具挑戰。如果必須選一個「最大」的，水體衰減 往往被認為是首要的物理限制。

第二部分：感測器設計改善方案 (10分)

基於上述的挑戰，特別是水體衰減和水質影響，提出感測器設計方案。

1. 針對水體衰減的設計：

   • 選擇更適合穿透水體的波段：雖然是「光學」遙測，但可以考慮在可見光譜範圍內，選擇對水體衰減相對較小的波段。例如，藍光和綠光比紅光和近紅外光能穿透更深的水體。
   • 提高感測器靈敏度：由於水下信號微弱，需要設計高靈敏度的探測器，能夠捕捉到非常微弱的反射信號。
   • 多角度觀測：透過不同角度的觀測，可能可以分離出水面反射（鏡面反射）和水下物體反射的信號，或利用水面粗糙度對反射率的影響進行反演。
   • 主動式感測器 (LiDAR)：雖然題目限制為「光學」，但如果可以稍微擴展，水下光達 (Underwater LiDAR) 是克服水體衰減的強大工具，它發射激光脈衝，並測量返回信號的時間差，能直接測量水下地形和物體。但題目強調「光學」，所以若非光達，則需在光譜感測器上做文章。
   • 特殊光學技術：例如，使用偏振光學，因為水面反射通常是未偏振的，而水下反射經過多次散射後偏振狀態不同，可以透過偏振濾鏡來增強水下信號。

2. 針對水質影響的設計：

   • 高光譜解析度 (Hyperspectral Imaging)：設計具有非常窄且連續光譜帶的感測器。這樣可以：
     • 更精確地捕捉水體組分的吸收和散射特徵：例如，可以識別出不同類型的藻類、懸浮物，並利用這些資訊進行「水質反演」，將水質對珊瑚礁反射信號的影響從原始信號中分離出來，從而更準確地反演出珊瑚礁本身的反射光譜。
     • 分辨細微的光譜差異：不同種類的珊瑚、不同健康狀態的珊瑚（如白化、疾病）其光譜特徵可能非常細微，高光譜感測器能夠捕捉到這些差異。
   • 多光譜融合與反演模型：即使是多光譜感測器，也可以設計專門的波段組合，或結合水質模型，試圖分離出水質對珊瑚礁信號的影響。例如，某些波段對懸浮物敏感，另一些對葉綠素敏感，透過分析這些波段的相對關係，可以估計水質狀況。

本題要求考生闡述無人飛行載具 (UAV/Drone) 在土地監測遙測應用中的優勢與限制，並舉出一個適合與一個不適合的應用案例，說明其原因。

核心概念：UAV/Drone 的特性（高彈性、低成本、靈活操作、載荷限制、續航力限制、法規限制）、土地監測應用。

解題思路：

1. 闡述 UAV 的特性：

   • 優勢：
     • 高彈性與靈活操作：可垂直起降 (VTOL)，低空飛行，能在複雜地形或狹窄區域操作，接近地表拍攝，獲取高解析度影像。
     • 低成本：相較於載人飛機或衛星，購買和操作成本較低。
     • 快速部署：可快速響應任務需求。
     • 高時效性：可進行高頻率的重複觀測。
     • 載荷多樣性：可搭載多光譜、高光譜、熱紅外、LiDAR 等多種感測器。
   • 限制：
     • 續航力有限：飛行時間和航程受電池容量限制，通常一次飛行只能覆蓋相對較小的區域。
     • 載荷重量限制：大型或重型的感測器難以搭載。
     • 氣象條件敏感：受風、雨、霧等影響較大，飛行受限。
     • 法規限制：飛行高度、區域、範圍等受到嚴格的法規管制。
     • 資料處理量大：高解析度影像會產生大量數據，需要強大的處理能力。

2. 舉一個適合的應用案例：

   • 案例選擇：需要一個能夠充分發揮 UAV 優勢，同時能有效規避其限制的應用。
   • 適合案例：小範圍、高精度的農田監測與精準農業應用。
   • 原因闡述：
     • 適合性：
       • 高彈性：農田的田埂、作物之間的空間，UAV 可以低空貼近飛行，獲取極高解析度的作物長勢、病蟲害、水分狀況等影像（例如利用多光譜影像計算 NDVI、NDRE）。
       • 低成本：對於單一農場或小規模農戶，UAV 的成本是可接受的，相比租用飛機或衛星影像，更具經濟效益。
       • 快速部署與高時效性：農作物生長變化快，UAV 可在作物需要監測的關鍵時期（如苗期、抽穗期）快速起飛，及時獲取數據，支持精準施肥、灌溉、噴藥等決策。
       • 高解析度：精確定位到單株作物或小片區域，實現精準農業管理。
     • 規避限制：
       • 續航力：單一農田的面積通常在 UAV 的續航範圍內，可透過多次飛行或更換電池來完成。
       • 載荷限制：農田監測常用的多光譜相機重量較輕，UAV 普遍可以搭載。
       • 法規：許多國家對農田上空的低空飛行有較為寬鬆的規定，便於操作。

3. 舉一個不適合的應用案例：

   • 案例選擇：需要一個 UAV 的限制（續航力、載荷、法規、成本效益）會成為主要障礙的應用。
   • 不適合案例：大區域、低頻率的國家級森林資源普查或地質勘探。
   • 原因闡述：