本研究主要探討是否能夠利用高解析度QuickBird衛星影像，以影像分類法來判釋邊坡保護工程。如果判釋正確性高的話，可以進而以半自動或全自動方式長時間週期性的調查大量的邊坡，藉此可以節省人力、時間和經費。
　　本文之研究區域為第二高速公路的部份南部路段，北起梅山交流道南至竹崎交流道。本文判釋時是以各別邊坡做為研究單位，先將影像裁切成各別邊坡之研究範圍，再將各別目標物取樣做分類。主要分類的方法是使用監督式的高斯最大概似分類法，分類使用的參數除了多光譜各波段以及全色態的DN值外，另加入NDVI值以及紋理值之參數以增加分類之精度，目標物則分為水泥工程（或格框地錨）、樹林、道路、草地、坡趾排水溝等五類。分類完之後，除了進行樣品之分類精度比較外，也進行整個邊坡分類之精度比較。
　　研究發現加入紋理資訊後，的確可以提高分類之精度。但是紋理資訊的選擇是很重要的一個關鍵，若加入過多的紋理資訊可能會導致干擾而降低了分類的精度，造成反效果。分類結果，訓練區整體精度（OA）最高可達99.79%、最低90.58%，Kappa指標最高可達0.996、最低0.855；整張邊坡影像之整體精度（OA）最高可達94.46%、最低81.00%，Kappa指標最高可達0.916、最低0.706。

　　This thesis mainly discusses the possibility of using QuickBirds satellite images to classify the protection treatment of the slopes along the freeways. If the result is good enough, a semiautomatic or completely automatic method may be developed to monitor the treatment method along the freeways periodically.
　　The study region is from Meishan to Juchi of the 2nd southern Freeway of Taiwan. In the process, first, the satellite images are cut to fit the requirement of this research. Then, unsupervised classification was employed to find the suitable number of classes to be classified. Next, all the targets are classified by the Gaussian Maximum Likelihood Classifier. Besides the 4 of the multispectral bands, 1 panchromatic band, NDVI and textures are also added as the parameters for classification. The targets are cement ground (including frame anchor), woods, grass land, road, the drain ditches on the slopes and along the toe of the slopes. The accuracy of the classification work is assessed by overall accuracy and kappa coefficient.
　　It can certainly increase the accuracy of classification by adding in texture information. But the way of choice the texture information is very important, because it may decrease the accuracy of classification when too much texture information is added in. For the training sites, the overall accuracy is between 99.8% and 90.6%, the kappa coefficient is between 0.996 and 0.855. For overall slopes, the overall accuracy is between 94.5% and 81.0%, the kappa coefficient is between 0.916 and 0.706. However, it is expected that the growth of the vegetation on the slopes will affect the result of classification very much in future.

1. Belokon, W.F. , Emmons , M.A. , Fowler , W.H., Gilson, B.A., Hernandez, G., Johnson, A.J., Keister, M.D., McMillan, K.W., Noderer, M.A., Tullos, E.J. and White, K.E., “Multispectral Imagery Reference Guide”, Logicon Geodynamics,Inc. ,1997
2. Cohen, J. ”A Coefficient of Agreement for Nominal Scales”, Educ. Psychol. Measurement, 1960
3. Conners, R.W. and C.A. Harlow, “Toward a Structural Textureal Analyzer Based on Statistical Methods, Computer Graphics and Image Processing”, Vol. 12, pp: 224-256. ,1980
4. Defries, R.S. and J.R.G. Townshend, “NDVI-Drived Land Cover Classification at a Global Scale”,International Journal of Remote Sensing,15(17):3567-3586 ,1994
5. Eastman, J. and M. Fulk,. “Long Sequence Time Series Evaluation Using Standardized Principal Components”, Photogrammetric Engineering & Remote Sensing,59(6):991-996 ,1993
6. Haralick, Robert M. and Shapiro, Linda G., “Computer and robot vision” Vision. Vol. 1 & 2. Reading, Massachusetts: Addison-Wesley Publishing Company, Inc ,1992
7. Hay, G.J., K.O. Niemann, and G.F. Mclean, “An Object-Specific Image- Texture Analysis of H-Resolution Forest Imagery”, Remote Sens. Environ., Vol. 55, pp.108-122. ,1996
8. Julesz, B. and J.R. Bergen, “Textons, the fundamental elements in preattentive vision and perception of textures”, The Bell System Tech. J., J. 62, pp. 1619-1645 ,1983
9. Loveland, T.R. and J.W. Merchant,D.O. Ohlen, J.F. Brown, “Development of a Land_Cover Characteristics Database for the Conterminous” , Photogrammetric Engineering & Remote Sensing,57(11):1453-1463 ,1991
10. Lyon, J.G. , D. Yuan,R.S. Lunetta, and C.D. Elvldge, “A Change Detection Experiment Using Vegetation Indices” , Photogrammetric Engineering & Remote Sensing,64(2):143-150 ,1998
11. Marceau, D.J., P.J. Howarth, J.-M.M. Dubois, and D.J. Gratton, ”Evaluation of the Grey-Level Co-Occurrence Matrix Method For Land-Cover Classification Using SPOT Imagery”, IEEE Trans. On Geosci. And Remote Sensing, Vol. 28, No.4, pp. 513-519. ,1990
12. Montserud, R.A. and Leamans, R., “Comparing global vegetationmap with the kappa statistic. Ecol. Model”. 62, 275–293. ,1992
13. Running, S.W. , T.R. Loveland, L.L. Pierce , R.R. Nemani , and E.R. Hunt, Jr. “A Remote Sensing Based Vegetation Classification Logic for Global Land Cover Analysis” , Remote Sensing of Environment. 51:39-48 ,1995
14. Sklansky, J., “Image Segmentation and Feature Extraction, IEEE Trans. Syst., Man Cybern.,Vol.8,pp238-247. ,1978
15. Thomas M. Lillesand, Ralph W. Kiefer, “Remote Sensing and Image Interpretation”, 5th edition, John Wiley ＆ Sons, New York. ,2004.
16. Wang, L., and D.C. He, “A new Statistical Approach for Texture Analysis” , Photogrammetric Engineering & Remote Sensing, Vol. 56, No.1, pp. 61-66. ,1990.
17. Williamson,H.D., “The Discrimination of Irrigated Orchard and Vine Crops Using Remotely Sensed Data”, Photogrammetric Engineering and Remotely Sensed Data,Photogrammetric Engineering and Remote Sensing,Vol.61,NO.1pp:77-82. ,1989
18. Xiao,Q. and H. Raafat, “Remote Sensing Image Classification By A Gis Guided Spatial Analysis”, Geoscience and Remote Sensing Symposium, IGARSS '92. International on Pages: 1606 – 1608 ,1992
19. Zhao, L. , F.Y. Tan , W.Q. Quek , P. Chen ,and S.C. Liew, “Landuse Study of the Sentosa Island using SPOT Images” , IEEE International,(2):963-965 ,1997
20. 吳俊龍，「以影像紋理與色彩資訊輔助地物分類之研究－以台北地區為例」，台北大學地政學研究所碩士論文，2004
21. 李德河、紀雲曜、田坤國，「泥岩之基本特性及泥岩邊坡之保護措施」，地工技術雜誌，第48期，p35～47，1994。
22. 李德河、楊沂恩、林宏明、許昭景，「南部軟岩區國道邊坡穩定工法之研究－南二高邊坡保護工法之探討與新工法研擬」，南部軟岩區邊坡穩定工法研究成果發表會論文集，p129～152，2003。
23. 周明中「紋理輔助高解析度衛星影像分析應用於偵測入侵性植物分布之研究」，中央大學土木工程研究所碩士論文，2004
24. 林信輝，「水土保持植生工程」，高立圖書有限公司，2001
25. 林榮章，「都會區多解像力遙測影像之紋理分析」，中興大學土木工程研究所碩士論文，1999
26. 姜如憶，「自動化訓練樣區選取於水稻田判釋之研究」，逢甲大學土地管理研究所碩士論文，2004
27. 洪如江，「初等工程地質學大綱」，財團法人地工技術研究發展基金會，p145-147，2001年2月
28. 洪皓仁，「衛星影像分類方法之研究－以鳳山溪上游集水區為例」，中興大學水土保持學研究所碩士論文，2000
29. 徐家盛，「多種尺度遙測影像於農業土地利用分類精確度探討」，中華大學土木工程研究所碩士論文，2003
30. 高玉惠、余騰鐸、曾清涼，「運用小波轉換於影像自動判釋：以崩塌地判釋為例」，加積造山作用及大陸地殼的增生研討會，2004
31. 張志平，「南二高公路邊坡保護工法之特性研究」，屏東科技大學水土保持研究所碩士論文，2003
32. 張志立、蕭國鑫、吳啟南、徐偉城、廖子毅、陳正興，「模擬華衛二號影像應用於地理資訊系統萃取資料之研究」，航測及遙測學刊，第九卷，第四期，p1～11，2004年12月
33. 張志君，「高解析衛星影像數值製圖之研究」，高雄應用科技大學土木工程與防災科技研究所碩士論文，2003
34. 捷鳥QuickBird衛星網站（http://www.quickbird.com.tw）
35. 莊政斌，「影像分割技術於高解析衛星影像分類之應用」，中央大學土木工程研究所碩士論文，2004
36. 郭秀玲，「紋理分析於農地利用判釋之研究-以苗栗縣大湖鄉為例」，逢甲大學土地管理研究所碩士論文，2003
37. 郭麟霂，「寒帶沼地高光譜影像分類之研究」，交通大學土木工程研究所碩士論文，2000
38. 陳文福、鄭新興，「遙測與GIS應用於集水區大型坡地開發之變遷分析」，水土保持學報，第二十九卷，第一期，p41～59頁，1997
39. 陳冠字，「紋理分析在彩色影像分類上之應用」，中華大學機械與航太工程研究所碩士論文，2002
40. 陳繼藩，「SPOT衛星影像空間（紋理性）與光譜特性相結合之土地分類法」，行政院國家科學委員會專題研究計畫成果報告，國立中央大學太空遙測中心，1992
41. 傅桂霖，「衛星影像紋理分析在山坡地監測管理之應用」，中興大學水土保持學研究所碩士論文，2004
42. 黃瑞宇，「遙測影像判釋模組建立之研究－以SPOT衛星影像為例」臺灣大學地理學研究所碩士論文，1997
43. 楊龍士、雷祖強、周天穎，「遙感探測理論與分析實務」，文魁資訊出版，2006年3月
44. 葉俊佑「高解析度衛星影像應用於國道邊坡保護工程調查之研究」，成功大學資源工程研究所碩士論文，2004
45. 廖瑞堂，「山坡地護坡工程設計」，科技圖書出版，2001
46. 劉孝恆「監督性模糊分類法於遙測影像分類及變遷偵測之研究」，中央大學土木工程研究所碩士論文，1998
47. 蔡哪文，「利用高解析度衛星影像於都市土地覆蓋之研究」，文化大學地學研究所碩士論文，2002
48. 黎瑋，「紋理分析於遙測影像分類之研究」，中央大學土木工程研究所碩士論文，1997
49. 蕭百齡，「類神經網路與SPOT衛星影像分類之研究」，屏東科技大學熱帶農業研究所碩士論文，1998
50. 魏曉萍，「QuickBird衛星影像探討分類方法之研究」，中華大學土木工程研究所碩士論文，2003
51. 蘇容瑩，「利用史波特衛星影像及數值地形模型做地層分類－以旗山地區為例」，成功大學資源工程研究所碩士論文，2000