摘要:
為減少海岸公路及港區因越波(浪襲)所造成的災害,本研究計畫需透過網路攝影監視系統資料,配合影像判釋技術分析易越波區域受波浪襲擊情況,並發展影像判釋越波警示技術。本研究計畫區域為「台11線人定勝天路段」與「花蓮港區防波堤」兩區域,需透過已架設之攝影系統,蒐集影像資料及分析溯升與越波情況,並回傳交通部運輸研究所(以下簡稱運研所),以作為越波警示之依據。
本研究為4年期計畫,本年度(民國112年)為第2年期,於第1年期「建置影像判釋溯升/越波技術(日間)」(簡稱前期計畫)之基礎上,本年度主要需完成夜間越波影像判釋技術。此外,本年度亦需針對人定勝天路段,透過機器學習方式發展溯升/越波模型,導入臺灣近岸海象預測系統 (TaiCOMS2.0)資料,推估公路溯升情況,並與既有海岸公路浪襲預警系統結果進行比對以評估其成效。
於前期計畫基礎下,本年度已於人定勝天路段建置日/夜間影像判釋溯升系統。透過光學/熱成像兩種攝影設備佈放,已成功蒐錄本年度瑪娃、杜蘇芮、卡努、蘇拉及海葵等颱風事件期間日/夜間影像資料。其中,熱成像能補足光學影像夜間無法順利蒐錄影像之缺點,且因其為拍攝熱感溫度變化機制,使其於雨天前期溫差仍處較大條件下仍可有效拍攝溯升影像。然而,就影像判釋分析結果而言,發現熱成像雖可於夜間蒐錄影像並進行水線判釋,惟因其需有顯著溫差條件下才能有效合理判釋,並非所有時段均能達到警戒效果。本計畫為使影像判釋溯升技術能應用於海岸公路浪襲警戒,已於本年度建立自動化影像判釋溯升系統,並依據兩年度影像分析成果,訂定影像水線判釋門檻值,藉以自動化判釋時能夠獲得可靠的水線分析成果。此外,亦將此自動化結合影像警戒線判斷,發布越波警戒燈號,以利實務上公路浪襲警戒所用。
此外,依據前期計畫針對既有浪襲預警系統精進規劃成果,進行本年度預警系統之強化作業。引入機器學習(高斯過程)方法,建立外海海象與近岸溯升關係(納入波向考量),已建立人定勝天路段溯升機器學習模型。透過TaiCOMS2.0海象預報資料的輸入,已可以順利進行溯升預報產製。進一步將其預報結果和影像判釋與感測器結果進行比對,整體來說,影像分析與溯升預報相對於感測器觀測資料而言仍有部分誤差存在,但大多仍可在誤差區間內,應可作為未來精進預報模型與影像分析之參考。