結合多光譜衛星影像與機器學習方法建立颱風事件崩塌地自動化辨識系統與崩塌因子分析(4/5)

台灣因地理位置特殊，其地質、地形與氣候等條件，每年颱風、梅雨挾帶充沛降雨量常造成山崩、土石流等坡地災害。近年來，極端降雨事件發生的頻率逐漸增加，而極端降雨所引發的災害型態，已由過去單純局部區域的洪水、土砂災害，轉變為大規模區域的洪水與土砂複合型災害同步發生。例如2009年的莫拉克與2015年的蘇迪勒颱風。而隨著空間資訊技術的進步，衛星遙測影像因為拍攝範圍廣、拍攝週期短，常被用作坡地災害監測。尤其近年來，台灣自製福爾摩沙衛星二號及福爾摩沙衛星五號提供了更高時空解析度的台灣地區衛星影像。因此，本研究嘗試結合多光譜衛星影像與各種機器學習方法建立颱風事件崩塌地自動化辨識系統，與國家實驗研究院國家太空中心(NSPO)合作，應用及推廣福爾摩沙衛星二號及福爾摩沙衛星五號資料，進行坡地災害發生前後快速辨識之方法開發。同時，在崩塌辨識系統建立完成後，透過衛星影像分析歷史坡地災害型態。其次，透過本研究室原創開發之颱風特徵指標(Typhoon Type Index)及颱風特徵與降雨型態(Rainfall pattern)分類，探討不同類型或條件下對於崩塌地空間分布的影響。並進一步建立颱風特性與降雨特徵等致災因子對於坡地災害的空間與規模分佈的預測模式，期望可作為坡地災害辨識、災害情資分析、防災應變以及災害風險預警應用。