電子報
2024年0403花蓮地震造成山區大量新生崩塌，農村水保署截至2024/04/30公布的緊急判釋成果為1,391處、943.76公頃，其中444處位於24條土石流潛勢溪流集水區內，另62處鄰近鐵公路。[1] 已經裸露的崩塌地，可以從光學衛星影像直接辨識，但另一類更值得持續關注的坡地，是表面仍有植生覆蓋、看起來「還是綠的」，卻可能已受到地震震動或後續降雨擾動。
本研究從「113年事件型崩塌目錄」挑選一處個案坡地，回溯2023/11/14至2024/10/15的衛星紅邊資料，這處坡地在2024/04/29影像中仍有植生覆蓋，到了06/28已可見明顯裸露[2]，因此適合用來討論Normalized Difference Red Edge (NDRE)、MERIS Terrestrial Chlorophyll Index (MTCI)等紅邊指標，是否能在地表明顯破壞前後留下可追蹤的光譜變化，本研究的目的不是用單一指標直接判定坡地安全或預測崩塌，而是評估它能否成為震後大範圍篩選與後續查核的輔助線索。圖1分別為2024/04/29及2024/06/28的Sentinel-2影像，目標坡地(北緯24.272306°、東經121.650000°)於左圖仍有植生覆蓋，右圖已呈明顯裸露。
中央氣象署2024/06/28 00:00–20:00累積雨量圖顯示，當天臺灣多地已有降雨，東部也有雨區（圖2）[3]，因此本研究將06/28視為「豪雨事件發展期」，而不是單純的豪雨前影像，需要注意的是圖2為全臺尺度的累積雨量分布，只能用來說明事件背景，若要判斷目標坡地在衛星取像前究竟下了多少雨，仍須再比對鄰近雨量站的逐時資料與Sentinel-2實際取像時刻。
不一定，植物葉片中的葉綠素會吸收大量紅光，到近紅外波段，因為葉片與植生冠層的內部結構會產生較強散射，反射率會快速提高，從紅光低反射到近紅外高反射之間這段明顯上升的區域，就稱為「紅邊（Red Edge）」，通常約落在680–780 nm附近。
圖3用概念光譜曲線說明植生、水體與裸露地的差異，健康植生在約700 nm附近會出現很明顯的反射率上升，這一段訊號會受到葉綠素、葉面積與冠層結構等因素影響，因此紅邊可以提供自然色影像以外的觀察角度，即使一片山坡肉眼看起來仍然翠綠，衛星仍可能從不同波段看見細微的光譜差異。[4,5]
![圖3 植生、水體與裸露地的光譜反射特徵，綠、藍、紅線分別表示植生、水體及裸露地，縱軸R為反射率，橫軸為波長（nm），植生曲線中的箭頭標示葉綠素a吸收特徵，約700nm附近可見快速上升。來源：Oiry（2025），Introduction，Figure1.8。[6]](/Content/EPaper/d1c7cdfc-16ef-4aab-ac52-da27220b600b/TMwn5圖片3.png)
不過，衛星並不是直接替每棵樹量葉綠素，它量到的是每個像元範圍內綜合的地表反射訊號，再據此計算植生指標NDRE或MTCI的變化，可能與植生狀態有關，也可能受到裸露地增加、地形陰影、季節或觀測條件影響，因此這些指標比較適合當作「哪裡值得再看一眼」的線索，不能直接等同於坡體不穩定或即將崩塌。[5]
農業應用上紅邊指標已用於作物生長監測，NDRE可輔助觀察作物冠層的葉綠素相關變化，MTCI及其他紅邊葉綠素指標也可協助評估作物或草地的葉綠素與氮素狀態，支援農田分區管理與營養診斷。[7] 不過，指標反映的是綜合光譜訊號，仍須考慮生育期、冠層與土壤背景。
國際坡地案例部分，義大利的Cignetti等人（2019）以無人機NDRE及其他影像，配合現地調查辨識活動性崩塌地的植生與濕潤環境差異，日本的Osada等人（2026）則觀察到土石流擾動後NDRE隨植生恢復而增加。[8,9]
本研究使用Google Earth Engine（GEE）上的Sentinel-2地表反射率資料，Sentinel-2具有多個紅邊與近紅外波段，可用來計算植生相關指標，表1保留本研究實際使用的波段、中心波長與空間解析度，這些波段能補足自然色影像看不到的植生光譜資訊。[10]
(一) 用兩個指標交叉觀察：NDRE與MTCI
圖4 公式中的ρ代表各波段的地表反射率，NDRE主要比較窄近紅外與紅邊波段，MTCI則利用紅光到紅邊之間的反射差異，本研究依Sentinel-2波段配置採用B8A、B5，以及B4、B5、B6計算。[11,12] 兩個指標主要針對有植生覆蓋時的光譜狀態，MTCI在B5與B4反射率差值接近零或像元以裸露地為主時，可能失去穩定的植生解釋意義，兩者對波段組合的敏感度不同，因此可相互參考，卻不能視為兩套完全獨立的證據。
(二) 為了比較不同日期，先處理雲、陰影與像元差異
衛星影像不是每一天都能直接拿來比較，雲或陰影都可能干擾結果，本研究利用Sentinel-2的場景分類層（SCL）排除主要雲及雲影等異常像元，再把不同日期的資料統一到20m分析網格，並在固定樣區內取有效像元的中位數，以降低少數極端值影響，這樣做的目的是降低影像品質差異，但SCL無法完全排除陡坡地形陰影、坡向與薄雲影響。
(一) 固定同一處坡地，再找鄰近區域做比較
目標坡地位置為北緯24.272306°、東經121.650000°，研究不是只分析一個坐標點，而是以該點所在的「113年事件型崩塌目錄」崩塌多邊形作為完整統計範圍，另在附近選擇一個鄰近對照區，作為背景變化的比較對象，位置如圖5所示。
鄰近對照區以指定點為中心，依目標崩塌多邊形的面積建立近似等面積圓形範圍，這樣做可以讓兩區在尺度上較容易比較，但兩者的形狀、坡向、坡度、植生與實際涵蓋像元仍可能不同，它可以幫助判讀背景雜訊，但不能只因為鄰近、且沒有列入崩塌圖資，就直接認定它一定是長期穩定坡地。
表2依地震與降雨時序分段，不等同於本坡地的「崩塌前／後」分段，依中央氣象署雨量紀錄，06/28研究區已開始出現雨勢，因此本報將06/28–06/29另列為「豪雨事件發展期」，06/30起才列為豪雨後追蹤，因06/28影像已確認裸露，該日不得再作為純粹豪雨前或崩塌前的植生觀測，精確判讀仍應進一步比對Sentinel-2取像時刻與逐時雨量。
(二) 把NDRE、MTCI放進完整時序一起看
圖6與圖7分別呈現目標坡地與鄰近對照區的NDRE、MTCI時序，每一個點代表當天樣區內有效像元的指標中位數，缺值不補零，各區只要當天有有效資料就顯示，圖中的直線是整段研究期間的線性趨勢，方便快速看方向，但真正判讀時仍須回到地震、降雨與地表破壞的時間點，不能只看一條趨勢線就下結論。 圖6紅點與藍點分別為目標區及鄰近對照區，點旁MM/DD為觀測日期，X軸為月刻度，研究期間為2023/11/14–2024/10/15，目標區06/28已見低值，且依中央氣象署雨量紀錄當日已開始出現雨勢，全期間下降線亦不能直接證明豪雨前漸進劣化。
圖7符號、期間與統計單元同圖6，MTCI原係依MERIS紅光與紅邊波段設計，本報以Sentinel-2光譜位置相近的B4、B5、B6計算近似MTCI。[12]
(三) 目前看到了什麼？哪些還不能下結論？
目前最明顯的現象，是目標坡地在研究後期多次出現低於鄰近對照區的NDRE與MTCI值，顯示兩區的光譜狀態已逐漸分化，值得持續追蹤（圖6、圖7）。不過，若要討論「豪雨前是否已出現前兆」，真正可用的期間應截止在06/27，0403地震後到06/27之間的有效衛星觀測仍偏少，目前不足以證明指標一路持續下降。
此外，NDRE在4月曾出現低值後又回升，MTCI的下降趨勢則在地震前就已經可以看到，這兩點都提醒我們，跨越震前、地表破壞與豪雨後的整段趨勢，不能直接全部歸因於0403地震，NDRE與MTCI雖然都使用紅邊相關波段，結果一致時可以互相參考，但因為共用部分波段，不能把它們當作兩份完全獨立的驗證證據。
1. 先確認「什麼時候開始破壞」，才能談前兆
從圖1可確認目標坡地在2024/04/29仍有植生覆蓋，到06/28已呈明顯裸露，因此可見地表破壞發生在兩次衛星觀測之間，但中央氣象署資料也顯示，06/28研究區已經開始降雨，所以06/28不是單純的「豪雨前」狀態，後續若要縮小破壞時間窗口，必須進一步比對原始衛星影像的實際取像時刻、鄰近雨量站逐時雨量，以及更高解析度影像或現地紀錄，因此06/28的低NDRE／MTCI值應視為「降雨與地表破壞發展期」的訊號，而不能拿來證明崩塌前已出現植生異常，若要真正檢驗「先出現異常、後發生崩塌」，重點應放在06/28以前、影像仍未見裸露且品質可接受的觀測，並配合逐時雨量、獨立影像或現地資料佐證。
2. 比較趨勢時，也要看資料品質
研究保留各區所有可用觀測，不強制每一天都要兩區同時有值，這可以避免浪費資料，但它也代表兩條時序線的有效日期不一定完全相同，後續應同步檢查每一天的有效像元數、有效覆蓋比例與SCL狀態，並用「共同有資料的日期」再做一次輔助比較，避免把取樣差異誤認為真正的坡地差異。
3. 鄰近對照區與分析參數仍要持續檢查
鄰近對照區除了要確認沒有與既有崩塌圖資重疊，也應進一步比對坡向、坡度、高程、原有植生與工程擾動等條件，因為光譜會受到季節與觀測條件影響，單一鄰近對照區無法排除所有干擾。
這個案例顯示，紅邊指標能呈現同一處坡地與鄰近背景在不同時間的光譜差異，適合用於震後大範圍坡地的持續追蹤與初步篩選，實務上可以把它想成一種「提醒」，當某些坡地的紅邊指標持續偏離周邊背景，就值得優先回看影像、雨量、地形及現地資訊。
但目前的證據仍不足以確認「0403地震造成漸進式植生異常，之後再由0629豪雨觸發首次崩塌」，本案例06/28正好位於降雨開始與可見地表破壞的時序交界，因此下一步最重要的是對齊衛星取像時間與逐時雨量、補足破壞日期、增加豪雨前有效觀測，並持續檢查鄰近對照區與參數設定，只有在這些時序與資料品質都更清楚後，才能進一步評估紅邊異常是否具有提早發現坡地變化的潛力。
[2] 農業部農村發展及水土保持署, “事件型崩塌目錄,” 技術研究發展平臺. [Online]. Available: https://tech.ardswc.gov.tw/Results/EventBasedLandslideInventory. Accessed: Oct. 10, 2026.
[3] 交通部中央氣象署, “2024/06/28 00:00–20:00累積雨量分布圖,” Facebook, Jun. 28, 2024. [Online]. Available: https://www.facebook.com/share/p/1BEfMBDRj2/. Accessed: Oct. 10, 2026.
[4] S. Lin, J. Li, Q. Liu, L. Li, J. Zhao, and W. Yu, “Evaluating the effectiveness of using vegetation indices based on red-edge reflectance from Sentinel-2 to estimate gross primary productivity,” Remote Sensing, vol. 11, no. 11, Art. no. 1303, 2019, doi: 10.3390/rs11111303.
[5] C. Y. S. Wong, “Plant optics: underlying mechanisms in remotely sensed signals for phenotyping applications,” AoB PLANTS, vol. 15, no. 4, Art. no. plad039, 2023, doi: 10.1093/aobpla/plad039.
[6] S. Oiry, Characterization of Intertidal Vegetation on European Coasts Using Multi-Scale Remote Sensing in Response to Natural and Anthropogenic Pressures, Ph.D. dissertation, Nantes Université, 2025, ch. 1, Fig. 1.8. [Online]. Available: https://sigoiry.github.io/PhD/Chapter1/intro.html. Accessed: Oct. 10, 2026.
[7] J. G. P. W. Clevers and A. A. Gitelson, “Remote estimation of crop and grass chlorophyll and nitrogen content using red-edge bands on Sentinel-2 and -3,” International Journal of Applied Earth Observation and Geoinformation, vol. 23, pp. 344–351, 2013, doi: 10.1016/j.jag.2012.10.008.
[8] M. Cignetti, D. Godone, A. Wrzesniak, and D. Giordan, “Structure from motion multisource application for landslide characterization and monitoring: The Champlas du Col case study, Sestriere, North-Western Italy,” Sensors, vol. 19, no. 10, Art. no. 2364, 2019, doi: 10.3390/s19102364.
[9] T. Osada, F. Imaizumi, Y. Fukuda, and M. Kokubun, “Debris-flow historical assessment using UAV-mounted multispectral cameras at Ohya landslide scar, Japan,” Landslides, vol. 23, pp. 3121–3135, 2026, doi: 10.1007/s10346-026-02801-1.
[10] Google Earth Engine, “Harmonized Sentinel-2 MSI: MultiSpectral Instrument, Level-2A (SR),” Google Earth Engine Data Catalog, Dataset ID: COPERNICUS/S2_SR_HARMONIZED. [Online]. Available: https://developers.google.com/earth-engine/datasets/catalog/COPERNICUS_S2_SR_HARMONIZED. Accessed: Oct. 10, 2026.
[11] J. Dash and P. J. Curran, “The MERIS terrestrial chlorophyll index,” International Journal of Remote Sensing, vol. 25, no. 23, pp. 5403–5413, 2004, doi: 10.1080/0143116042000274015.
[12] European Space Agency (ESA), “MTCI algorithm specification,” Sentinel Application Platform (SNAP) Documentation. [Online]. Available: https://step.esa.int/main/wp-content/help/versions/13.0.0/snap-toolboxes/eu.esa.opt.opttbx.radiometric.indices.ui/mtci/MtciAlgorithmSpecification.html. Accessed: Oct. 10, 2026.
