| 年度 |
108年度 |
| 主管單位 |
行政院農業委員會水土保持局 |
| 執行單位 |
逢甲大學土木工程學系 |
| 預算來源 |
科技經費 |
| 執行經費(仟元) |
NT$1200.00 |
| 執行期間(起＆迄) |
2019/1/1~2019/12/31 |
| 計畫主持人 |
李秉乾 |
| 計畫重點描述 |
本團隊過去在農委會水土保持局(以下簡稱水保局)相關計畫中，已透過建立易損性模式，針對坡地崩塌發生之可能性進行研究，針對陳有蘭溪、旗山溪、荖濃溪集水區（以下簡稱陳荖旗）等示範區進行相關資料蒐集彙整，完成雙變量坡地易損性分析，針對不同類型之坡面導出不同雨量觸發因子(最大小時降雨和總有效累積雨量)及崩塌地文因子(地質、坡度、坡向、河道遠近、植生、歷史崩塌)之易損性曲線，並與降雨危害曲線整合為一套崩塌風險警戒機制模式。
過去本計畫所發展之雙變量坡地易損性曲面是建立在有限的颱風事件中，不能將其視為適用於所有豪大雨及颱風事件，因為不同的災害事件代表不同災害規模(Scale disaster)，這對重點聚落而言將會造成不同程度的災害問題，因此本計畫期於今年度計畫中將盤點2008-2018全台重大颱風豪雨事件，經資料探索，初探各事件於陳荖旗的雨量範圍，並針對雨量範圍決定事件規模，以挑選具有各規模代表性之事件的衛星影像進行環境資料(地文資料)的萃取，以擴增崩塌事件資料庫。另一方面，隨著機器學習及人工智慧(AI)技術的興起，如何將本計畫過去所累積大量之崩塌資料庫(事件、雨量、地文資訊、崩塌地判釋等)與人工智慧技術有效的融合亦將是本計畫今年目的之一：精進求取崩塌比率之研究，由於人工智慧演算法建立通常需要一個包含大量資料的資料庫做為支撐，因此對於擴大資料數據集及資料數據之品質控管則就相對重要，本計畫將利用人工智慧類神經網路建立崩塌比率評估模型，基本上，其具有包含許多外部神經元的主要架構，該概念可以使用類似的神經網絡結構來構建更複雜的深度網絡，其優勢為大量資料能夠即時回應、處理及快速運算，減少人工求取參數之成本，且其能夠在獲取到新的資料後再次調整自身參數，以保持良好的推估模式及精準度。經過上述的人工智慧技術於崩塌比率評估模式精進後，後續亦可整合於本計畫過去所發展之崩塌風險警戒機制模式，以達到協助防災應變決策之目的。 |
| 必要工作項目 |
1. 自適性坡地崩塌易損評估模式誘發因子檢討與更新: 盤點2008-2018全台重大颱風豪雨事件，經資料探索，初探各事件於陳荖旗集水區過去不同型態之降雨事件的雨量範圍，並針對雨量範圍決定事件規模，以挑選具有各規模代表性之事件的衛星影像進行環境資料(地文資料)的萃取，以擴增崩塌事件資料庫。
2. 自適性坡地崩塌易損評估模式建立: 本研究提出了疊加式的類神經網路模型其包含一個基礎模型，以及用來微調基礎模型的多個外掛式參數，本計畫將會以四個工作細項進行模式之建立，分別是(1)基礎模型的建置、(2)基礎模型的訓練，(3)外掛式參數的訓練，以及(4)外掛式參數的儲存資料結構 。
3. 崩塌風險警戒機制模式於精密防災之應用與實測 : 並試作兩場規模不同之颱風豪雨事件於本團隊前期計劃中評估之15處於陳荖旗集水區重點聚落對象或新增3處新的重點聚落以評估崩塌易損評估模式於不同集水區間之自適性。 |
| 預期成果產出 |
1. 本研究發展自適性坡地崩塌易損評估模式，預期可建立颱洪事件對於災前崩塌警戒之量化評估模型，其亦具有外掛式參數之設定，可因應不同颱風豪雨事件規模下適配不同之崩塌災害評估模式，使評估精確度及合理度增加。
2. 結合全國之速報資料以及過去事件影像崩塌判釋資料之研析，評估坡面單元類別以及崩塌災害發生之關聯性，並用於訂定崩塌警戒值之依據，目的可推廣至全國坡面單元以及崩塌警戒管理之實務應用，
3. 建構坡地崩塌警戒管理及提供未來減災應用之參考，提升國內坡地崩塌量化分析、警戒與災害評估之研究發展。 |
| 對應方案課題 |
- (舊)課題二：推動防災產業鏈結
- (舊)課題四：精進防災科研技術
|
| 檔案下載 |
全文報告
中英文摘要
精簡報告
成果海報
|