【活動側寫】從「量測」到「推理」：空間資訊與遙感探測技術講座活動報導

延續上午「地理資訊防災運用」的實務脈絡，東部研習下午場邀請國立臺灣大學土木工程學系徐百輝教授擔任主講，以「空間資訊與遙感探測技術」為題，帶領同學從測繪技術演進、GIS 系統架構、衛星遙測與災害監測，到 AI 與地理資訊整合的最新趨勢，建立一套能夠「看懂資料、問對問題、做出判讀」的空間思維。講座共分六大單元，內容兼具工程尺度的精準、跨域視野的開闊，以及對新世代資料治理的前瞻提醒。

一、引言：AI 時代的競爭，不只在模型，更在資料

徐百輝教授以直白而有力的比喻開場：空間資料是一種資產，其重要性就像大型語言模型訓練所需的文本資料一樣——資料品質與可用性，往往決定了後續能長出多大的應用樹冠。也因此，資料被收集、被整理、被開放的目的，不只是「存起來以備不時之需」，而是讓更多人能在共同的資料基礎上，發展新的研究與服務。

談及自身經歷，徐教授回顧自師大畢業後投入 GIS 領域，曾擔任防災中心資訊組組長，主導早期防災 GIS 系統的建置，涵蓋預警與災情支援等核心模組；後續在學會與學界推動遙測與 GIS 的整合，形塑今日「以時空資訊支援治理」的技術路線。教授並補充「Geomatics」概念：它結合 geography 與 mathematics（或更精準地說，結合地理、測量、計算與資訊工程），用來取代傳統 surveying 的狹義想像，指向更完整的空間資訊科學版圖。

二、測量技術的演進：從腳踏實地，到空中與雲端

在測量技術的梳理上，徐教授將「實地測量」作為起點，逐步帶出航空攝影測量、無人機、LiDAR、移動測量車與 GPS 等關鍵技術，讓同學理解：測繪不只是工具更新，而是一場「解析度、效率與限制條件」的長期競賽。

講座指出，航空攝影測量長期支撐臺灣高精度底圖建置，通用電子地圖亦奠基於航照影像的編修成果；部分縣市曾投入巨額經費製作更精細比例尺地形圖，但高成本使其難以全面推行。無人機測繪則被視為近年最具改變性的轉折之一：技術門檻降低，設備價格下降，使小尺度、高頻率的地表監測更可行；但同時也面臨國安與資安管制日益嚴格的現實，凸顯「技術可行」與「制度可行」必須同時成立。

談到 LiDAR 光達，徐教授以解析度差異點出其不可替代性：相較衛星影像常見的十至數十公尺尺度，空載或無人機搭載 LiDAR 能提供更細緻的地表高程資訊，對於地形起伏、坡地災害、地表變形等議題特別關鍵。至於移動測量車與 GPS/RTK 技術，則進一步補上「沿線、近地、動態」的測繪能力，讓空間資料能快速回應工程與治理需求。教授也幽默提醒：手機 GPS 已經很努力了，但它不是測量儀器——拿它做現勘很實用，拿它做厘米級承諾就有點「逼人過勞」。

三、空間資訊系統（GIS）：圖層不是疊圖，而是把世界拆成可運算的問題

進入 GIS 單元，徐教授把同學熟悉的「圖層」概念重新定義：GIS 的核心並非把圖疊起來變漂亮，而是把世界拆成可運算的資料結構——每個圖層都有座標、有屬性、有規則，才能被查詢、被推論、被分析。教授特別提出一個重要的方向：未來圖資管理將逐步從「圖幅」走向「圖層」，使用者透過 API 精準取得所需資料，並在雲端環境中完成更即時的分析與整合。這樣的轉變，意味著空間資訊的供應方式將更像「資料服務」，而不是「檔案交付」。

同時，講座也聚焦二維與三維資訊的整合：影像（特別是時間序列影像）提供比向量更豐富的環境線索，能用來觀察變化、辨識異常、追蹤趨勢；三維模型則能把視域、日照遮蔽、通訊站選址、甚至電動車耗能估算等議題帶入更接近真實世界的尺度。教授以導航、BIM 融合、屋頂太陽能評估、微波通訊站視域分析等案例，說明三維 GIS 正從「展示」走向「決策」。

在競賽與研究建議上，徐教授也給出務實提醒：競賽關鍵不在技術堆疊，而在創意與可用性；能用簡單方法證明一個問題、提出可落地的建議，就已經很有價值——甚至「證明不可行」也能是重要貢獻，因為它替下一個團隊省下了昂貴的時間成本。

四、遙測技術與衛星影像：用光譜看世界，讓物質自己說話

遙測單元從「感測器」的概念談起：如同眼睛接收訊號再由大腦處理，衛星與航載感測器透過電磁波的反射與輻射特性，辨識地表物質。徐教授強調「反射率」的重要性：不同物質具有獨特光譜特徵，這是影像分類與地表辨識的科學基礎。

在臺灣衛星發展脈絡方面，教授回顧從華衛到福衛的命名演變，並談及福衛系統在自主研發與應用面向的里程碑，也提到以「齊柏林」命名的衛星所承載的公共溝通意義——齊柏林老師以空拍影像直擊環境議題，示範了「不用把觀眾變成遙測專家，也能把問題說清楚」的影像敘事能力。

講座亦系統整理遙測影像的四種解析度（空間、輻射、光譜、時間），並比較免費影像資源（如 Sentinel、Landsat）的可用性與限制，帶出衛星小型化與星座化的趨勢：當影像更新頻率提高，監測便更接近「連續觀測」，也更能支援災害事件的時序分析。

五、衛星監測與災害分析：看見災害，不一定要看見「災害本體」

在災害監測的單元，徐教授用一個很「研究現場」的現實提醒同學：雲會擋住衛星，這不是浪漫，是工作量。以馬太鞍溪堰塞湖事件為例，影像取得常受雲量影響，研究者必須在時間序列中耐心尋找可用影像，並透過崩塌跡象、地表變化、水體特徵等「間接證據」逐步推論堰塞湖形成與演變。這種方法論也點出遙測在災害分析中的典型特性：不一定能直接看到答案，但可以建立可被驗證的推論鏈。

教授進一步談到水量估算的關鍵：面積只是表象，水量才是風險核心；若能結合前後期地形資料，比對差異即可朝更可靠的水量推估邁進。除了山區災害，講座也延伸至都市變遷與治水策略案例，說明時間序列影像如何協助理解城市擴張、河道工程與淹水風險的空間因果。並以氣爆事件、淹水模擬與避難策略（含垂直避難條件）等議題，展示遙測與 GIS 在災害復原與治理評估上的實用性。

六、AI 在 GIS 與遙測的實務：下一代的 GIS，可能是一個「會問問題也會做分析」的系統

壓軸單元聚焦 AI 與空間資訊的融合。徐教授以 AI 發展脈絡（專家系統、神經網路、深度學習到生成式 AI）說明技術如何從「能分類」走向「能生成、能協作」，並指出目前關鍵趨勢之一是 AI Agent 與 GIS 的整合：未來使用者可能只需用自然語言描述需求、提供資料，系統便能自動完成分析流程與參數設定，讓沒有 GIS 背景的人也能用得起空間分析——這不代表 GIS 專業會消失，而是專業的價值將更集中在「問題定義、資料治理、結果解釋與風險溝通」。

教授也提醒同學：AI 很強，但不等於永遠正確；資料品質、清理流程與可解釋性仍是研究與實務的底盤。講座透過多個案例（影像分類、物件偵測、點雲分類、交通標線辨識、災害影像地理定位、超解析度提升等）說明 AI 如何擴大遙測資料的可用性，同時也不避諱指出限制：錯誤仍需人工判斷，官方資料也可能有問題，研究者必須對資料保持「禮貌的懷疑」。

結語：把空間資訊變成公共能力

總結而言，本場「空間資訊與遙感探測技術」講座不只是一場技術總覽，更像一次把遙測技術、GIS及AI串成同一條知識鏈的示範課。徐百輝教授以豐富的系統建置與防災實務經驗，讓同學理解：空間資訊的價值，最終要回到能否支援決策、改善治理、降低風險，以及更清楚地與社會溝通。當資料變得更即時、工具變得更智慧，下一步要比的，可能不是誰會更多按鈕，而是誰更能把問題問得漂亮——因為問對了，地圖就會開始說人話。