摘 要 台灣地區主要的糧食作物為水稻，因此政府每年都需耗費大筆經費與人力來估算水稻田的產量與面 積。本研究採用QuickBird 高解析度衛星影像搭配紋理資訊(Texture Information)和常態化差異植生指數 (NDVI)作為影像分類時的輔助資訊，而分類器部份則使用倒傳遞類神經網路(Back Propagation Neural Network, BPNN)作為影像空間特徵分類器，其主要目的則是以自動判釋技術來分辨衛星影像中水稻田的 區域，如此將有效的降低水稻田產量與面積的估算成本。然而過去的研究很少人討論水稻田分類時田埂 判釋之問題，而水稻田埂為區隔出水稻與非水稻一個重要的地理界線，因此若能提高田埂判釋精度則水 稻田坵塊特徵將會明顯的被區隔出來。因此本研究提出改良式樹狀多層邏輯判識方法，進而改善倒傳遞 類神經網路對於田埂特徵的判釋成果，並以兩種不同的狀況分析作為說明案例:(1)案例a:利用倒傳遞類神 經網路將光譜影像一次分為三類(水稻、非水稻以及田埂)，(2)案例b:使用樹狀倒傳遞類神經網路的概念 逐一分離出水稻、非水稻以及田埂的識別結果(以圖層的邏輯判識規則)，兩者一起比較並探討其優缺點。 研究結果顯示，本研究所提出之改良式樹狀多層邏輯判識方法，可提高分類器效能，進而解決了田埂判 釋問題，而此方法也可大幅度改善坵塊面積的計算成果。

ABSTRACT Rice is one of the major corps of Taiwan. Accordingly, in the past, governments put great efforts on estimating the size of paddy rice. The objective of this study is to classify the area of paddy through satellite images by our spatial information system.In the present study, the material adopted is QuickBird satellite images. Owing to the low resolution of QuickBird satellite images, the texture information and NDVI were used as auxiliary material to enhance the quality of the images. On the other hands, leeve is one of the most important component to extract information on evaluating the area of paddy rice. Thus, it is decided to use two different cases to study the outcomes of extracting the leeves: Case (a) using BPN to classify the image into three category(paddy rice, leave, non-paddy rice) and Case (b)using Tree-Neural Network concept to step-by-step output the paddy rice, leave, non-paddy rice. The results are drawn and rational discussions are made.