不安定土砂常分布於高度起伏較大的山區邊坡或谷地河道，近年雖有無人飛行載具 (UAV) 的使用，已使山區地形的三維建模門檻大幅降低，也被廣泛的使用於坡地調查相關業務中。然UAV的使用仍受限於UAV飛行距離、GPS訊號或遮蔽物的干擾，使得UAV應用於山區時仍有很大的限制。

為了解決UAV較無法於山區收集大面積資料的限制，藉由衛星可以大範圍拍攝影像的優勢，許多學者著手研究利用衛星影像來建構數值地表模型 (DSM)。研究結果顯示，以衛星建置之DSM成果可被廣泛應用於探討山區地形在季節性的變化 (如洪水、融雪及冰川等) 及其他相關研究 (Perko et al., 2014; Facciolo et al., 2017; Bhushan et al., 2021; Albanwan and Qin, 2022)。

本期電子報中，我們將介紹利用衛星立體像對來建置DSM的方法，並分享SkySat-C和Pléiades衛星的相關研究成果，同時也將分享水土保持局如何將這些研究成果應用於不安定土砂議題。

應用衛星立體像對技術於產製數值地表模型的原理，類同運動推斷結構技術 (Structure from motion, SfM) 耦合影像與運動資訊建構DSM之技術 (詳見電子報第64期)，亦即利用衛星拍攝兩張以上不同角度的立體像對，透過地表於影像中之視差位移，來估算地面目標物的三維坐標，以獲得地面目標物高程資訊。

然而，為了降低地形遮蔽的影響，大部分會使用參立體像對來建構DSM，參立體像對是利用衛星短時間對同一目標拍攝三張不同角度之影像，除一般的前視 (forward) 及後視 (after) 外，另增加近天頂視角 (nadir) 影像，提供前視及後視無法拍攝到的區域對應的特徵點，提高DSM之完整性及準確度，如圖2所示。

SkySat衛星是由21顆高解析度地球成像衛星所組成的衛星系統，約可於任務時旋轉54°的拍攝角度，供立體像對之拍攝。而Bhushan et al. (2021) 利用該衛星120幀的錄影模式，分別於2019年4月及10月對華盛頓州聖海倫山 (Mt. St. Helen’s) 錄影 (圖3)，並將錄影畫面依每個幀來切分為不同的立體像對，以建構聖海倫山的數值高程模型 (DEM)(圖4)。
結果顯示，SkySat衛星建構之兩時期的DEM，完整記錄2019年聖海倫山的季節性融雪和火山口地形變化過程 (圖5B)，亦可從圖中清楚看到火山口冰川範圍的輪廓 (白框)，及火山口西側之高程約下降了10 - 20 m (綠框)。

此外，Pléiades衛星除以拍攝高解析度影像為主要任務外，也可調整為參立體像對模式，對於所需建構DSM之目標區域連續拍攝三張不同角度的影像 (Pléiades衛星約可旋轉47°) 來完成DSM建置。圖6為Pléiades衛星建構之杜拜的2米DSM，圖中顯示該區域之建築物及機場跑道等構造物皆清晰可見，適合作為後續分析及判斷之大範圍資料參考及應用。

若以山崩應用案例來說，紐西蘭Mountain Research Centre (MRC) 透過比較2017年和2022年的Pléiades影像製作之2m解析度DSM (圖7)，清楚看到碧翠斯山 (Mt Beatrice) 河谷旁的山崩與河道的變化 (圖7 (B) 紅框處)，顯示此技術對於人員難以到達山崩區域之監測優勢 (Dave Petley, 2022)。

水土保持局為有效掌握業務範圍內的不安定土砂之潛勢，委託國立成功大學劉正千教授團隊，執行『土砂災害空間資訊蒐集判釋與變遷分析』計畫。該計畫於110年3月11日使用Pléiades衛星的參立體像對技術，針對荖濃溪流域內的拉克斯溪集水區，產製汛期前後面積約180平方公里之DSM，以比對汛期對此集水區地形變化之差異。而此計畫於汛期前蒐集之參立體像對、控制點及相關資訊如圖8、圖9及表1所示 (水土保持局, 2022)。

該計畫建構汛期前後之DSM，藉由檢核點 (圖9中紅點) 檢視模型之高程精度及誤差，結果顯示其高程RMSE為0.96 m (表2)，與Bhushan et al (2021) 之RMSE約1.63 m差異不大。且1 m之誤差對於水土保持局在山坡地範圍的業務來說，作為初步評估或參考已大致足夠。
因此，由Pleiades衛星參立體像對建構之DSM可作為集水區地形的大面積背景資料，未來利用多期的DSM持續補足山區地形資料，將可快篩出可能的不安定土砂的潛勢區。

總結來說，使用衛星影像進行參立體像對建模是一種有效率找出不安定土砂的方法，具有覆蓋面廣、相對成本低、安全性高和不受地面干擾等優勢。惟其仍受限於衛星影像的雲遮、陰影等限制，須取決於業務的需求及標準，經綜合考量後才能作出最佳建模的選擇。

1.　Automated 3D reconstruction from satellite images (資料來源: IS18)
2.　從衛星圖像進行3D重建 (資料來源: kitware)
3.　AW3D Building 3D data (資料來源Remote Sensing Technology Center of Japan)
4.　Pleiades 1A Satellite Image 2M DSM Dubai UAE (資料來源: Pleiades)
5.　Our changing landscape (Dave Petley, 2022) (資料來源: Mountain Research Centre)

1.　Albanwan, H., & Qin, R. (2022). A comparative study on deep‐learning methods for dense image matching of multi‐angle and multi‐date remote sensing stereo‐images. The Photogrammetric Record, 37(180), 385-409.
2.　Bhushan, S., Shean, D., Alexandrov, O., & Henderson, S. (2021). Automated digital elevation model (DEM) generation from very-high-resolution Planet SkySat triplet stereo and video imagery. ISPRS Journal of Photogrammetry and Remote Sensing, 173, 151-165.
3.　Facciolo, G., De Franchis, C., & Meinhardt-Llopis, E. (2017). Automatic 3D reconstruction from multi-date satellite images. In Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition Workshops (pp. 57-66).
4.　Perko, R., Raggam, H., Gutjahr, K., & Schardt, M. (2014). Assessment of the mapping potential of Pléiades stereo and triplet data. ISPRS Annals of the Photogrammetry, Remote Sensing and Spatial Information Sciences, 2(3), 103.