PF31-應用機器學習方法於航測影像之樹種分類研究

鄭錦桐^{1, *}、王選仲¹、吳笙緯¹、王禹翔¹、吳淑華²、鄧國楨²、黃宗仁²

¹ 興創知能股份有限公司。台北市中正區思源街18號(卓越研究大樓301室)。

² 行政院農業委員會林務局農林航空測量所。台北市中正區和平西路二段100號。

^* 通訊作者：ctcheng@thinktronltd.com

林務局農林航空測量所為負責我國航遙測圖資蒐集與產製之政府單位，除連年以先進數位航攝相機進行航空影像之拍攝外，亦提供森林資源調查與檢訂作業所需之中尺度森林覆蓋型航測資訊。現行森林覆蓋型判釋圈繪作業，需倚賴大量人力及作業時間。本研究運用近年蓬勃發展之機器學習相關技術，發展自動圈繪判釋森林樹種與森林覆蓋型之技術，降低人為主觀判釋之差異，及森林資源調查之成本。本研究以第四次森林資源檢訂調查為森林樹種樣本基礎，範圍涵蓋2,133幅DMC影像，採用卷積神經網路(CNN)與深度神經網路(DNN)混合模型，成功訓練出可自動辨識森林樹種與覆蓋型之人工智慧模型，此模型所採用之輸入因子共16項，包括：使用影像4個波段包含紅光(Red)、綠光(Green)、藍光(Blue)、近紅外光(Near Infrared，NIR)；5種光譜指標包含NDVI、SAVI、AVRI、ExGI、GCC、GLI；以及6個地文因子包含DEM、Slope、Aspect、Roughness、TPI、TRI。本研究已針對台灣重要森林覆蓋型之針葉林種9種，冷杉、鐵杉、檜木(紅檜、扁柏)、台灣杉、杉木(巒大杉、杉木等)、臺灣肖楠、柳杉、松樹(二葉松、五葉松等)與其他針；闊葉林種8種，相思樹、大葉桃花心木、臺灣赤楊、銀合歡、光臘樹、臺灣櫸、木油桐與其他闊；竹類2種，叢生狀竹與單桿狀竹，以上共19類樹種進行辨識。研究結果顯示，19類樹種辨識之整體準確率高達73%，Kappa值為0.7。本研究利用機器學習方法以DMC航攝影像資料，已訓練完成自動判釋森林覆蓋型之人工智慧模式，可輔助人工判釋作業之參考，以降低人為主觀判釋之差異及森林資源調查之成本。