許謹柔¹、郭慶津¹、邵寶嬅²、羅南璋³、黃凱易^{4, *}

¹ 國立中興大學森林學系碩士班研究生。402 台中市南區興大路145號。

² 林務局南投林區管理處技士。542南投縣草屯鎮史館路456號。

³ 國立中興大學實驗林管理處育林組組長。402 台中市南區興大路145號。

⁴ 國立中興大學森林學系教授。402 台中市南區興大路145號。

^* 通訊作者：kyhuang@dragon.nchu.edu.tw

針對外來入侵種造成生物多樣性喪失與社會經濟上衝擊的問題，管理者需要實施大範圍的環境監測並預測其分布位置，以採取因應對策和措施，物種分布模型 (species distribution model, SDM) 為此需求提供強力的支撐。本研究整合無人空拍機獲得之三期多光譜影像與地面調查，使用機器學習法建立 SDMs 預測外來入侵種之空間型樣和面積，以截留驗證法之獨立樣本驗證模型，從中挑選表現最優之模型，嚴謹地再針對最優者執行現場實地比對之二次驗證。本研究之目標物種為台灣十大外來入侵種—小花蔓澤蘭 (Mikania micrantha)。由於與物種分布直接相關的因果生態變量 (例如降或溫度) 之數據難以充分收集，故使用易由遙測取得的地形相關變量作為生態變量於先期模擬之替代者。這些地形變量海拔、坡度、坡向、日照陰影等係由 20m 的數值高程模型資料 (digital elevation model, DEM) 求導出，再加上道路。研究以五種機器學習法，判別分析、邏輯思複回歸、隨機森林 (random forest, RF) 和支持向量機建立SDMs。結果顯示RF 預測準確度kappa值0.87 為最高者，故以RF繪製預測分布圖用於二次驗證。經現場實地比對顯示小花蔓澤蘭實際面積為 0.18 ha，而RF預測面積為 151.54 ha，兩者落差明顯較大。因此，後續研究需持續將其他環境變數 (例如破空裸露區) 納入SDM，以反覆迭代方式優化模型，有效提升其預測準確度。