111年度GIS專題中心暑期實習生成果介紹（1）

專題題目：聲感地圖與衛星影像NDVI

實習學生：陳宥榕（國立成功大學測量及空間資訊學系）

指導老師：詹大千 研究員

詹大千老師所指導暑期實習生陳宥榕同學所進行的專題研究內容包括兩個主題，其一是「聲感地圖」資料庫定位偏差評估及視覺化圖台網站，其二是針對衛星影像資料集進行NDVI計算及測試雲層偵測AI模型，簡要成果介紹如下：

1.交通運輸工具的定位偏差評估

運用「聲感地圖現行錄」中蒐集的定位點位與政府開放資料中台鐵、高鐵、捷運路網資料，透過QGIS軟體取得定位點到路網的垂直距離，將直距離與路網取交集得到定位的改正點，獲得定位偏差。實驗發現，定位偏差量以高鐵最低(7.4公尺)，台鐵最高(16.1公尺)，結果與預想上速度越快，定位偏差量越大之猜測不符合，推測有可能與計算樣本數不均有關。

2.視覺化圖台網站

使用Openlayers作為圖台開發之基礎，建立網站。可分為四個主要圖層，分別為聲景音量地圖、聲景感受地圖及場所類型地圖、交通運具地圖。

• 聲景音量地圖：以音量dBA大小進行圖徵設計，接近綠色表音量越低、接近紅色表音量越高，如果點選圖徵會以放射狀呈現更多詳細資料。

• 聲景感受地圖與場所類型地圖：以圓餅圖形式呈現，隨比例尺縮放，畫面上之圖徵分佈也會隨之變動。

• 交通運具地圖：以單點方式呈現，不隨比例尺縮放改變數量。

3.衛星影像NDVI計算

實驗資料為為舊台南市區2018年至2021年之SPOT影像，以Python程式進行衛星影像之NDVI (Normalized Difference Vegetation Index)計算，並與GVI (Green View Index)進行比較，最後利用QGIS軟體，建立GIS資料處理模組進行作業處理。

4.衛星影像雲層偵測

採用深度學習U-Net模型進行衛星影像雲層偵測，使用Kaggle上的資料集進行訓練，資料集為Landsat 8之RGB與NIR衛星影像，並包含雲層偵測之地真資料。實驗結果發現U-Net模型雲層偵測之整體精確度非常高。

資料提供：陳宥榕
說明文稿：陳宥榕、羅翊文、廖泫銘