Browsing by Author "Liu, Tsung-Ni"

Now showing 1 - 1 of 1

應用自組織映射神經網路於環境品質模型之建構：以都市熱島因子資料為例
(2025) 劉宗妮; Liu, Tsung-Ni
本研究探討自組織映射神經網路（Self-Organizing Map, SOM）於環境品質評估的應用潛力，以都市熱島環境因子作為變數進行分群。過去環境品質評估以專家法為主，但當環境資料涉及多個面向的議題時較難以專家法訂定指數，故本研究以非監督式方法對環境資料進行分群，藉由資料本身的特徵區分不同環境樣態。相較於傳統統計方法在處理非線性與高維資料時的侷限性，以類神經網路分群方法SOM能有效映射高維資料至二維空間並保留拓樸關係，在視覺化與探索隱藏資料結構上具有更大的潛力。相似環境樣態的區塊本研究稱之為環境均質區，相較於綜合的指數，環境均質區可更直觀的應用於民眾理解及政策決策。研究區選定縣市合併前的原台中市，整合以下變數：NDVI、NDBI、NDWI、LST、建蔽率、容積率、地表粗糙度、道路密度、與工業區及大型開放空間距離等10項變數，建置SOM模型。為評估模型有效性，以Z-score大於0.5作為都市熱區範圍與分群結果進行比對驗證，並透過Random Forest（RF）進行後驗的解釋與分群合併依據。研究結果顯示SOM能有效捕捉都市相對高溫區域，以多年分LST作為變數捕捉長期熱區範圍的正確性達73%，以不同年份環境變數之環境熱區範圍正確性則介於59-66%間。本研究以2014年SOM模型進行後處理，透過RF模型進行分群合併後以新分群作為訓練標籤，模型之Accuracy達90.5%，Macro 平均 F1-score 為 90.4%，不同分群特徵重要性不同，顯示新分群在解釋邏輯上具有差異。綜合上述，以SOM作為分群方法並結合RF於探索都市環境熱區中展現良好適用性，可作為後續綜合環境品質評估模型建構之新方向與方法論基礎。