Download presentation
Presentation is loading. Please wait.
Published byRegina Driessen Modified 5年之前
1
以多項式羅吉斯迴歸推估 土壤有效深度 Classification of Effective Soil Depth by Using Multinomial Logistic Regression Analysis 指導教授 詹勳全 研究生 張建輝
2
簡報大綱 前言 文獻回顧 研究材料與方法 土壤有效深度分析 結論與建議
3
研究動機與目的 臺灣屬山多平地少之海島,隨著都市土地開發有限,人口密度 增加,因此人民便傾向於山坡地進行開發。而因地質環境不佳、 土地利用不當以及臺灣颱風、豪雨不斷造成坡地災情嚴重,影 響人民生命財產安全。 坡地災害中土壤深度是淺層崩塌之重要影響因子,當坡度越大、 土壤深度越深時,表示該區域有較大之土體剪應力,即有較高 之崩塌潛勢(詹孟浚,2014);土壤深度越淺,即植物根系無 法有效穩固土壤,亦可能為崩塌之因素。 政府為管制山坡地土地利用情形,減少山坡地災害的發生,進 而有了山坡地土地可利用限度查定之法定工作出現,並將土壤 深度設為其判定之因子。 然土壤深度量測費時費力,且其化育過程是一複雜之過程,故 多數坡災潛勢研究均忽略其影響或僅以一常數代替之。
4
山坡地土地可利用限度 由右圖可知查定工作以平均坡度及土壤有效深度為主要判定因子,如:平均坡度為六級坡則土地分級為五級宜林地;平均坡度為五級坡而土壤有效深度為甚淺層則土地分級亦為五級宜林地。由此可知平均坡度及土壤有效深度影響土地分級判定程度大。
5
空間製圖單元 製圖單元 產製方法 優點 缺點 地域單元 先以斜坡單元進行劃分,再依地質特性進行單元區分。
單元內地質型態突出,單元間有明顯區別。 耗費時間長且僅適用於小範圍區域。 地貌單元 以航照影像進行地貌分類,並以分類之土地資源為單元分界。 土地系統劃分基礎,曾大量用於土地資源調查。 具主觀性,適合小比例尺有限範圍。 斜坡單元 以流域之水系及分水嶺為界線,並以其他地貌特徵圖層進行人工界線編修。 適用於崩塌潛勢研究。 耗費時間長且難以表示土壤之變化。 行政單元 以國家、縣市等行政區域為單元分界。 適用區域型研究。 不能反映地形地貌特徵。 網格單元 不考慮任何地形地貌特徵,僅將研究區域分割為矩形網格,並以此為單元分界。 方便快速、網格大小能依研究需求改變。 無法呈現連續數值之原始型態。 特別條件單元 將分級後之因子進行套疊,使單元劇有相同條件。 適用於向量資料。 產生大量單元,使分析困難。
6
土壤深度推估方法 分析方法 方法簡介 優點 缺點 物理基礎法 以質量守恆之方式,結合土壤生成函數及土壤擴散模式,進行土壤深度推估。
於稜線或山脊之準確率高。 需現地資料才能分析且計算。 推理法 透過優勢種與平均土壤深度間之關係,概估土壤深度。 適用環境條件均一區域。 不適用坡地開發率高之地區。 環境相關法 以統計方法結合環境因子,找出其與土壤深度之關係,進而推估出土壤深度。 模式建立快速、客觀且有依據。 對實測資料精度要求高。 空間內插之 克利金法 透過已知點位,依其空間特徵屬性,進行線性推估,並內插出未知範圍之土壤深度。 可忽略地形作用之影響。 實測點需均勻密布。
7
研究區域 研究區域為後龍溪流域上游集水區 夏季雨量多、濕熱氣候 均為山坡地範圍
8
多項式羅吉斯迴歸 λ:參照類別邏輯值 α:截距 β:自變項 κ:迴歸係數值 Pj:依變項機率值 PJ:參照類別機率值
9
模式評估方法-分類誤差矩陣 正確率介於0至100%,值越大代表模式正確率越高 實際 類別 預測類別 甚深層 深層 淺層 甚淺層 生產者準確率
N1 N2 N3 N4 N5 N6 N7 N8 N9 N10 N11 N12 N13 N14 N15 N16 整體 準確率 正確率介於0至100%,值越大代表模式正確率越高
10
模式評估方法-Kappa指數 Kappa值介於-1至1,值越大代表分類結果並不因僥倖而形成一致性 Kappa指數 吻合度 小於0.0 不好
Kappa指數 吻合度 小於0.0 不好 0.0~0.2 極低 0.2~0.4 一般 0.4~0.6 中等 0.6~0.8 高 0.8~1.0 幾乎完全 Landis and Koch (1977) Kappa值介於-1至1,值越大代表分類結果並不因僥倖而形成一致性
11
現場點位調查 調查原則: 1. 點位選取應避開崩塌地、坡腳處 2. 本研究點位選取除天然地形範圍外亦包含農耕區域 3. 隨機選取調查點位進行調查 4. 土鑽鑽孔時,應垂直水平面,而非與坡面垂直 5. 以GPS紀錄點位及量測土壤有效深度 表土 土壤深度 岩層 土壤深度 類別 >90 (cm) 甚深層 50-90 深層 20-50 淺層 <20 甚淺層
12
現場點位調查 土壤有效深度類別 點位數量 甚深層 71 深層 108 淺層 162 甚淺層 16
13
分析樣本選取 建模點位 驗證點位 7:3 調查點位 SPSS
14
因子篩選及處理 地形 母岩 氣候 植生 化育時間 苗栗縣山坡地土壤調查報告(1983) 坡度 地形曲率 NDVI 坡向 高程 受限於研究區域空間尺度,母岩、氣候及化育時間因子多呈現同一樣貌或一定數值範圍內,故僅採用地形及植生因子。
15
因子篩選及處理 為避免因子間值域差距過大,導致模式分析趨向某一結果,將連續數值因子進行正規化處理。 而地形曲率與NDVI因子之值域範圍因包含負值,則以K-means轉換成類別因子,保留其值域負值所代表之意義。 Xmax:因子之最大值 Xmin:因子之最小值 初始 群集中心 歐基里德 距離測度矩陣 重新計算群集中心
16
因子篩選及處理
17
多項式羅吉斯迴歸分析 P1:甚深層機率值 P2:深層機率值 P3:淺層機率值 P4:甚淺層機率值 λ:羅吉值 建模點位 SPSS 多項式
P1:甚深層機率值 P2:深層機率值 P3:淺層機率值 P4:甚淺層機率值 λ:羅吉值 建模點位 影響因子 羅吉值 SPSS 多項式 羅吉斯迴歸
18
建模分析成果 建模組 實際類別 預測類別 甚深層 深層 淺層 甚淺層 準確率 39 8 3 1 76.5% 5 53 74.6% 11 93
77.5% 2 80.0% 整體準確率:76.6%;Kappa指數:0.65 (高) 驗證組 實際 類別 14 4 70.0% 26 6 70.3% 30 71.4% 66.7% 整體準確率:70.5%;Kappa指數:0.57 (中等)
19
建模分析成果 多數不準確之點位多為農業使用,可能因整地增加客土,使土壤深度增加;或耕種不當造成土壤流失。
20
土壤有效深度分布圖繪製
21
研究區域內子集水區特性分析 子集水區 海拔 坡度 凹、凸坡 農地開發率高或 森林使用為主 象鼻嘴 低海拔 五級坡 凹坡 農業 大湖溪 中海拔
六級坡 森林 小南勢 新店 上島 凸坡 後龍溪上游 汶水溪 東洗水溪 高海拔
22
子集水區特性分析-海拔 隨著高程增加,氣溫隨之下降且早晚溫差大,雨量亦有增加趨勢,因此有較快之土壤生成速率。
23
研究區域內子集水區特性分析 子集水區 海拔 坡度 凹、凸坡 農地開發率高或 森林使用為主 象鼻嘴 低海拔 五級坡 凹坡 農業 大湖溪 中海拔
六級坡 森林 小南勢 新店 上島 凸坡 後龍溪上游 汶水溪 東洗水溪 高海拔
24
子集水區特性分析-坡度 兩組整體趨勢相近,均以淺層為比例高者,因與其均屬陡坡,土壤不易堆積有關
25
研究區域內子集水區特性分析 子集水區 海拔 坡度 凹、凸坡 農地開發率高或 森林使用為主 象鼻嘴 低海拔 五級坡 凹坡 農業 大湖溪 中海拔
六級坡 森林 小南勢 新店 上島 凸坡 後龍溪上游 汶水溪 東洗水溪 高海拔
26
子集水區特性分析-凹凸坡 兩者主要差異於淺層之比例,因上島為凸坡特性,因此土壤不易堆積,占較少之比例。
27
研究區域內子集水區特性分析 子集水區 海拔 坡度 凹、凸坡 農地開發率高或 森林使用為主 象鼻嘴 低海拔 五級坡 凹坡 農業 大湖溪 中海拔
六級坡 森林 小南勢 新店 上島 凸坡 後龍溪上游 汶水溪 東洗水溪 高海拔
28
子集水區特性分析-農業、森林 兩者主要差異於深層及淺層之比例,因汶水溪為農地開發率高之特性,受坡地開墾及農路闢建之影響,增加土壤流失率,導致土壤深度較淺。
29
結論與建議 土壤有效深度推估模式經分類誤差矩陣及Kappa指數評估得知 驗證組整體準確率為70.5%,應具可信度;Kappa指數為0.57, 屬於中等吻合度。根據整體準確率及Kappa指數,顯示在分析 案例內,於模式中置入坡度、坡向、地形曲率、高程及NDVI等 因子具有良好預測成效。 透過集水區特性分析,除坡度因子因屬較陡之坡度,導致整體 趨勢趨於淺層為主外,其餘土壤有效深度推估模式之因子均符 合其相關理論,亦表示本研究於因子選取及處理方式是適當的。 本研究因受限於研究區域空間尺度影響,並無置入氣候、母岩 及化育時間因子,建議後續研究可將其列入模式中,探討不同 氣候、母岩及化育時間下之土壤差異。 臺灣屬於多雨濕潤之環境,然多數土壤深度研究較少考量土壤 沖蝕之因素,本研究為考量降雨沖蝕造成土壤流失之情形,透 過NDVI因子分析植生覆蓋程度,以植生多寡衡量降雨沖蝕之程 度,經結果評估成效良好,建議後續研究可加入NDVI因子進行 分析。
30
本研究主要以何種統計迴歸進 行土壤有效深度推估? 本研究以何種方式將地形曲率 及NDVI因子轉換為類別因子 形式?
問題 本研究主要以何種統計迴歸進 行土壤有效深度推估? 本研究以何種方式將地形曲率 及NDVI因子轉換為類別因子 形式? (1)正規化 (2)K-means
Similar presentations