台灣地區年平均降雨量約2500毫米，為世界平均值的2.5倍；但由於人口密度高，每人可分配到的水資源相當有限(圖1)，僅為世界平均的五分之一。根據ESI（Environment Sustainable Index）在2005年的評比，台灣被列為全球排名第18的缺水國家(Esty et al., 2005)。此外，近年來由於全球氣候變遷導致降雨在時間與空間上分布不均，各地水旱災頻傳，台灣也在2020年經歷了52年以來降雨最少的一年，並導致今年上半年面臨嚴重的缺水問題，各地開始實施「供5停2」的限水措施，因此如何妥善利用與分配水資源已是我們無法迴避的重要課題。

擬定水資源管理計畫時，長期與短期的水體分布狀況可作為施政者決策時的重要參據。儘管透過雨量站和水位計等監測儀器可以獲得高時間頻率及精準的量測結果，但受限於建站及長期維護成本，其設站密度及空間分布仍有其限制，故較難掌握廣域及長期的水情變化趨勢。隨著遙測技術的發展與影像品質的提升，藉由其監測範圍廣且成本低的優勢，不論是長期水資源統計分析，或是短期淹水災害評估，遙測已逐漸成為環境監測的新利器。本期電子報將為您介紹擁有豐富遙測資源的Google Earth Engine如何應用於水資源的監測，並附上範例程式碼，讓您一步步觀摩學習使用這個強大的免費工具。

掌握乾旱與洪水的熱點區位有助於水資源的分配及擬定相應措施，例如在洪氾區域興建水庫及滯洪池，於缺水區域規劃引水措施等，因此長期的水體分布情形是水資源管理的重要資料。Google Earth Engine(以下簡稱GEE)擁有巨量且多元的圖資供使用者在線分析，歐盟聯合研究中心(European commission's Joint Research Centre, JCR)的哥白尼計畫開發的全球地表水分布圖即為GEE收錄的圖資之一。JCR利用GEE強大的運算能力將1984~2018年間共計1,823 terabytes的Landsat影像進行地物的分類，並萃取水體分析於時空的變化，製成解析度30米的水體資訊圖資；其內容包括每年水體分布頻率、季節性水體變化、長期水體分布狀況等(Pekel et al., 2016)。除了自Code Editor撰寫程式匯入分析(詳見 教學)，也可以透過團隊開發的GUI介面－Explorer Global Surface Water直接查看圖資(圖2)。
另一個在GEE中使用Landsat影像進行水資源管理及分析的強大案例是荷蘭的 Deltares Aqua Monitor，其成果亦以網頁展示水體與陸地的變化狀況(圖3)。經其研究統計發現在過去30年間全球水體面積增加了115,000平方公里，陸地面積增加了173,000平方公里(Donchyts et al., 2016)。雖然各地區的水陸範圍變化原因各有異同，無法得到統一的結論，但似乎顯示除了溫室效應導致海平面上外，陸地上水體面積的減少可能將進一步惡化水資源的問題。此外，該研究也提出許多開發中國家較缺乏完善的水資源調查機制，造成過去的資料缺漏或誤差，而此部份可由Deltares Aqua Monitor校正與補足資料的完整性。

隨著土地都市化，不透水鋪面逐漸增加，導致入滲量減少、逕流量提升以及洪峰到達時間縮短，強降雨所造成的積淹水已成為台灣汛期間常見的災害型態，例如2018年台灣西南部發生的八二三水災，淹水面積達4.6萬公頃，並造成農業損失高達8.7億。遙測技術除能用以評估長期的水資源議題外，許多研究也開始利用GEE高效的預處理圖資和運算能力快速評估淹水問題(DeVries et al., 2020)，或是透過GEE內建的機器學習法訓練淹水預測模型，並結合社會與生物脆弱度指標建立淹水風險潛勢地圖(圖4)，解決開發中國家的水患問題(Schwarz et al., 2018)。
此外，聯合國災害管理和緊急應變空間資訊平台(UN-SPIDER)則為索馬利亞開發了 淹水評估的GEE APP。它使用淹水前後期的Sentinel-1雷達影像判釋淹水範圍，藉由地方的人口與作物分布資料輔助，評估可能受災的人口、農損面積以及受影響的都市面積(圖5)。在UN-SPIDER的網站已公開了完整的 程式碼，並詳細的說明每個步驟的原理，鼓勵大家一起參與和體驗程式開發。

台灣的農塘早期係為農田灌溉的重要水源，近年來由於產業結構的改變，灌溉的需求不如從前，許多農塘因此失去原本用途而荒廢。為因應氣候變遷和極端降雨造成的衝擊，水土保持局近年來大力推動活化農塘的政策，期將農塘改造成兼具灌溉、防災和休憩娛樂的多元用途(圖6)。以水資源管理來說，農塘在旱季時蓄水，雨季時發揮滯洪的功能，妥善的將水資源運用既有的「空間」轉化為良好的「時間」分配，以同時達成滯洪與保水的目的。然而在時間及預算有限的狀況下，如何快速完成各地區的農塘現況調查與數量盤點，以選出最適合的活化區位並能發揮最大效益的農塘，遙測技術在過程中已扮演了重要角色。

本期電子報將示範如何應用GEE雲端分析平台來盤點農塘，我們將統計桃園地區2018年乾季和雨季的農塘數量，並且將盤點結果以 GEE APP呈現(圖7)，另外也提供完整 範例程式碼讓大家一起實作喔！ 首先，我們分別挑選乾季與旱季兩期的Sentinel-2光學影像進行NDWI指標計算，並設定門檻值提取水體範圍，藉由物件偵測的影像處理技術(Object-Based Methods)計算農塘數量變化，篩選出面積大於一公頃的農塘(圖8)。分析結果顯示，農塘數量在乾季有155座，而雨季有173座，由此可推測農塘確實在汛期時發揮了蓄水滯洪的功能。本次GEE程式碼為初步的測試結果，其判釋的準確性可以使用不同方法進行驗證與優化，如監督式分類的地物辨識、雷達影像水體判釋技術等。未來若搭配降雨資料、土壤濕度、農作物分布等圖資，將能有更全面的考量，讓農塘發揮水資源管理的最佳效益。現在就來註冊，一起用GEE來探索水資源的議題吧！

1.Global Surface Water Explorer : https://global-surface-water.appspot.com/
2.Google Earth Engine JRC Water Occurrence Guides : https://developers.google.com/earth-engine/tutorials/tutorial_global_surface_water_02?hl=en
3.Deltares Aqua Monitor： https://aqua-monitor.appspot.com/
4.Step-by-Step - Flood Mapping and Damage Assessment using Sentinel-1 SAR data in Google Earth Engine: https://un-spider.org/advisory-support/recommended-practices/recommended-practice-google-earth-engine-flood-mapping/step-by-step
5.Flood Extraction Application： https://benardonyango16.users.earthengine.app/view/floodapp
6.Sign up for Earth Engine: https://signup.earthengine.google.com/#！/
7.GEE農塘盤點分析結果APP：https://paipei14916.users.earthengine.app/view/pond-objects
8.GEE程式碼分享連結:
https://code.earthengine.google.com/?scriptPath=users%2FswcbRTD%2FGEE%3Aobject_pond

1.　DeVries, B., Huang, C., Armston, J., Huang, W., Jones, J. W., & Lang, M. W. (2020). Rapid and robust monitoring of flood events using Sentinel-1 and Landsat data on the Google Earth Engine. Remote Sensing of Environment, 240, 111664.
2.　Donchyts, G., Baart, F., Winsemius, H., Gorelick, N., Kwadijk, J., & Van De Giesen, N. (2016). Earth's surface water change over the past 30 years. Nature Climate Change, 6(9), 810-813.
3.　Esty, D. C., Levy, M., Srebotnjak, T., & De Sherbinin, A. (2005). Environmental sustainability index: Benchmarking national environmental stewardship. New Haven: Yale Center for Environmental Law & Policy, 47, 60.
4.　Huang, J. C., Lee, T. Y., Lin, T. C., Hein, T., Lee, L. C., Shih, Y. T., ... & Lin, N. H. (2016). Effects of different N sources on riverine DIN export and retention in a subtropical high-standing island, Taiwan. Biogeosciences, 13(6), 1787-1800.
5.　Pekel, J. F., Cottam, A., Gorelick, N., & Belward, A. S. (2016). High-resolution mapping of global surface water and its long-term changes. Nature, 540(7633), 418-422.
6.　Schwarz, B., Pestre, G., Tellman, B., Sullivan, J., Kuhn, C., Mahtta, R., ... & Hammett, L. (2018). Mapping floods and assessing flood vulnerability for disaster decision-making: a case study remote sensing application in Senegal. In Earth observation open science and innovation (pp. 293-300). Springer, Cham.