農糧署 黃淑娟．蘇宗振

一 . 前言

　　稻米是台灣最重要的糧食作物， 因此， 快速精準的統計稻作面積及估算產量為農政單位決策之重要參考依據。為能有效掌握水稻種植面積，自民國 65 年開始即引進航測技術取代傳統地面普查方式，利用航空照片人工判釋方式，每年兩個期作測計台灣地區稻作面積，並以地理資訊系統建立稻作分布圖，以精確掌握水稻種植面積，除作為國家糧食政策之重要參考資料外，其農地個別坵塊種植紀錄，亦可作為災損判斷與補助依據，及協助基期年稻田轉作休耕之認定。

　　近年來，農業地理資訊系統等相關技術之發展已臻成熟，應用遙測（ RS, Remote Sensing ）提供即時 的全地貌面資料、 GPS 提供精準即時的點位坐標、 GIS 提供管理及運用空間資訊，故整合 GIS 、 GPS 及 RS 技術，以建立農業地理資訊系統，是掌握農業資源的利器。在國外已廣泛應用在農業生產及農業管理中的實際問題；在我國，航遙測基礎建設（ Infrastructure ）已漸趨完備，包括林務局農林航空測量所引進數位相機，開啟航空數值攝影測量應用；國家太空中心「資源衛星接收站」提供多元且穩定的衛星資料，其中福衛 2 號提供高空間解析率影像 ，應用 於農業、林業、土地利用及地質變遷等 各種資源調查 。

　　本文將綜合農糧署委辦科技計畫之研究成果，探討所發展出之多元多層次遙測稻作面積調查體系之技術，並評估實務上應用於稻作面積調查之可行性。

二 . 遙測（ RS ）之應用與限制

　　遙測（ RS ）廣義來說，包含衛星、航照、 UAV 照片等，凡不需與地面接觸的影像資料，藉由特定目標物影像的波譜反射值進行分析 以取得相關資訊者皆是。隨著 遙測的發展及方法與技術的成熟，在農業領域應用也逐步深入，從技術面來看 ，可作為農業資源調查的重要且具即時性的工具，並可作為後續農業資源分析、農業生產管理與決策之依據。

　　但遙測仍有其限制，主要是不同影像來源依其載具及感測器，有不同的空間解析率以辨別目標物的面積大小及光譜解析率以辦別目標物的品項特性，其對地表地物資訊分析亦 有不同的適用性及限制。以我國的福衛 2 號或法國的 SPOT 衛星為例，其衛照影像具有大面積涵蓋 及定期（每日）造 訪台灣地區的特性，影像獲取頻率高，可運用多光譜影像的分類技術來分辨稻作坵塊。但因其為光學影像，無法穿透雲層且受光譜解析率的限制，稻作影像易與其他植生如草地、林地等混淆，遙測衛星影像全自動化辨識水稻田的精度仍與航照人工判釋的高準確率有差距。

　　此外，國外農作物種植屬大面積栽培，其判釋技術不一定適合國內使用；台灣地區因農田經營面積小，作物種類繁多，種植時間不一，亟需發展一套屬於我國使用之遙測調查系統。

三 . 簡介多元多層次遙測稻作面積調查體系

　　為提高遙測自動判釋稻作之精度及在節省時間與人工成本的前提下，農糧署委由台灣大學、逢甲大學及工業技術研究院等研究團隊整合發展出多元多層次遙測調查系統，初步利用衛星影像進行大面積的自動判釋，再針對誤漏判坵塊或雲遮未能判釋地 區， 輔以 小區塊 高解像力航照影像，或進行地面調查，以期提供完整稻作面積調查資訊（詳圖 1 ）。

相關多元多層次遙測稻作面積調查體系，其整體作業流程及方法概述如下：

圖 1 農作物多元多層次遙測判釋示意圖

　　

（一）目標作物辨識－水稻背景知識

　　水稻自插秧到成熟收割所需的時間將隨著品種與種植環境的不同而有所差異。台灣大部分地區每年種植兩期的稻作，第 1 期稻作由插秧到收割所需的時間約為 110-140 天，而第 2 期稻作所需時間則為 100-110 天。在水稻全生育期生長時序中，地表覆蓋的型態隨著不同生長期而改變，水稻的不同生長期覆蓋情形可略分為：整地育苗期（水體）；插秧期 - 有效分蘗期（水體 漸變 植被）；最高分蘗期間 - 黃熟期（植被）；收穫期（裸露土壤），其所對應的遙測光譜的反應亦隨著各個不同生長期而有差異，可據此加以判釋分類。此外，藉由結合多時段影像及耕地坵塊資料，並參考水稻全生育期的光譜反射特性，可增加辨識水稻坵塊的準確度（ accuracy ）。

（二）遙測水稻田自動判釋系統－以衛照為例

　　本系統係結合多時段衛星影像與 GIS 資料的水稻坵塊辨識，主要流程包括水稻田 訓練樣區自動抽取、影像分類判釋 、誤差分析、人機互動判釋等作業。

　　水稻田自動判釋需參考的基本資料，包括 10 年的稻作分布資料、耕地坵塊邊界、水稻全生育期光譜資訊與遙測多時影像。遙測影像來源，主要為我國的福衛 2 號或法國的 SPOT-5 衛星影像，並以水稻生長過程中植生反應差異最大之兩個時期（插秧期及分 蘗 盛期至孕穗期）之影像疊合後進行訓練樣區光譜抽取與影像判釋。訓練樣區光譜抽取，係以水稻坵塊圖為主，利用地理資訊系統圖層套疊的技術，將欲判釋區內連續 10 年皆為水稻的坵塊位置，以自動化的方式擷取出來（詳圖 2 ）。

圖 2 原始坵塊及自動化抽取訓練樣區示意圖

　　影像分類判釋的方式是利用以坵塊為統計單元的區塊式（ parcel-based ）分類，並以 1/5000 圖幅單元為判釋同質區；分類方法有最大概似機率法及貝氏機率分類法，並輔以紋理（組織）資訊以提高分類辨識的精度。進行影像分類判釋可依據不同地域作物種植特性，先瞭解欲判釋地區之耕作時序，推論所需使用衛星影像之拍攝日期，水稻田所呈現之光譜反應， 以選擇最佳判釋技術與流程，取得最佳的判釋成果。

　　本系統將辨識水稻坵塊以機率（ probability ）方式表現，除了可以將影像分類成果轉換為水稻及非水稻的二分類別外，亦可利用影像判釋坵塊為水稻的機率，發展誤差分析方法及人機互動判釋程式，針對判釋模糊地區（如類別歸屬機率在 0.4-0.6 之間）或判釋機率太低之坵塊，輔以航照查核，以減少大量地面調查作業。航照主要來源為農委會林務局農林航空測量所配合水稻面積調查拍攝的航照影像 ，若無航照時則搭配 PDA 現地調查系統進行地面抽查（詳圖 3 ）。

圖 3 水稻田自動判釋系統整體作業 流程圖

（三）以無人飛行載具 UAV 影像輔助

　　UAV 遙 測空拍作業，因為具有體積小、機動性高、便利性大且飛航高度低（可在雲層下）等特性，可針對受到雲遮影響、反光嚴重、需要檢核及無法順利辨識區域之航照，進行自動導航之 UAV 拍攝（詳圖 4 ）， 運用更為廣角之鏡頭使所拍攝影像數量（ 1/5000 圖幅範圍）縮減為七分之一，並配合自動化影像處理及影像校正與鑲嵌作業方法，提供水稻田判釋系統輔助資訊，作為航遙測水稻田面積調查作業之一環。

　　

圖 4 UAV （左）與航空照片（右）比較圖

（四）以數位化地面調查系統輔助

　　利用 PDA 體積輕巧、攜帶方便，又可結合 GPS 當作行動電子地圖等特性，利用行動化地理資訊系統結合航測耕地圖（稻作面積調查作業底圖）、彩色正射影像檔等圖資，開發數位化地面調查系統，針對無法取得有效之航照影像地區，以人工勘查方式逐筆檢核疑問坵塊種植作物種類，以補足資料之完整性。

四 . 實證分析及評估可行性

　　綜合歷年科技計畫運用不同來源影像、分類方法對不同地區適用性進行探討，並配合農糧署航測作業進行雙線的實證測試，結果為水稻田自動判釋的整體精度依地域性不同約在 80% 至 95% （詳圖 5 ） 。惟水稻類別坵塊的漏判及誤判比例仍高，需進一步以人工判釋及地面調查補強的工作量比重仍不少。

綜觀限制衛星遙測影像自動判釋水稻類別精度的原因，主要包括：

（一）衛星影像若需多條帶資料鑲嵌，相鄰條帶間光譜反應不一，容易造成判釋困難。

（二）受氣候因素影響，要在適合影像分析之時間點獲取無雲影像，有不確定性。

（三）運用多光譜影像的分類技術來分辨稻作坵塊，所憑藉的資訊是少量的光譜波段資訊，分類精度有其限制。

（四）區塊式分類需參考耕地坵塊現況資料，而地政單位之耕地地籍坵塊與農田坵塊現況有差異。

（五） 部分地區之耕作 習性改變及耕作時序不一致問題。

基此，在 遙測水稻田自動判釋系統後，將找出潛在判釋誤差區域以進行人機互動判釋，由於人機互動判釋需以航照做為底圖，但如在缺乏航照情形下，對 為數眾多的誤、漏判坵塊，使用 UAV 影像或人工現地調查並不經濟。在實務應用上，經可行性評估之建議流程如下：

（一）在大面積有航照情況下，可優先採 用航照影像分析或 採 用衛星影像搭配 航照影像， 取得 精確之 稻作分布及實際種植面積。

（二） 在大面積無航照情況下則優先採 用衛星影像分析，取得稻作分布及遙測面積並據以推估實際種植面積作為參考。

（三）在小面積且為稻作密集區的情況下，採用 UAV 航拍作業方式可即時且有效的完成調查工作。

（四）小面積且稻作不甚密集的區域，採用人工現場調查方式最經濟且最有效率。

圖 5 水稻田自動判釋成果表

 

五 . 結語

　　農糧署採用航空測 量技術實施空中攝影以取得稻作面積資訊，惟受天候及機具影響，在航空照片的有效取得上，經常遭遇天候及機具問題， 為提升水稻生產調查作業效 率，業已 成立計畫探討應用多元多層次稻作遙測調查體系，除導入台灣福衛 2 號或 SPOT 影像，進行稻作大範圍自動判釋；並搭配使用無人載具 UAV 影像以及人工現地調查等技術，作為輔助加強航測稻作調查工作之方案，以解決目前作業的困境。

　　鑑於兩 期作的水稻種植面積調查，除作為國家糧食政策之重要資料外，個別坵塊種植紀錄常作為農業施政之參考依據，因此需有非常高準確率的精度要求。目前，稻作自動 / 半自動判釋系統仍在建置及實證階段，但展望未來，相信在克服判釋影響因素及關鍵技術後，將可順利推動，以達到全國農地規劃與永續經營管理之政策目標。