中興電工gis的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列線上看、影評和彩蛋懶人包

運用無人機影像於農地作物判釋及灌溉用水量推估之研究

為了解決中興電工gis的問題，作者簡大為 這樣論述：

臺灣地區河川短而湍急，降雨量豐沛年平均達2,500公釐，惟時空分布極不均勻，約78%雨量集中於5月至10月汛期。受全球氣候變遷影響，年總降雨量變化不大，然降雨日數減少，強降雨頻仍難以蓄留，久旱未雨則各標的用水競爭緊張，水資源管理面臨極大挑戰。為社會經濟整體穩定發展，水利主管機關於旱象依始即需啟動協調與滾動式檢討可用水資源，農田水利機關需掌握事業範圍土地利用複雜之農業作物類別，迅速精準地推估關注灌溉用水量加強管理調控。本研究嘗試以近年發展迅速之無人機具靈活執行任務、高機動性且低成本特性，分別搭載可見光及多光譜感測鏡頭取得影像資料，改善傳統人工調查耗時或遙測影像取得不易，配合現行農田水利地理資訊

系統管理田間坵塊最小單元，運用深度學習VGG16及VGG19方法於無人機可見光、多光譜R+G+B、PCA、NDVI影像進行土地利用判釋分類，完成調查現況作物種植情形任務，進而即時推估所需灌溉用水量。無人機影像應用深度學習對土地利用判釋整體精確度可達80％，受限取得影像之空間解析度不同，可見光影像VGG19分類整體精確度92.19%為最高；進一步運用灌溉率及CROPWAT模式推估合理灌溉用水量，以農田水利地理空間資訊電腦視覺呈現，搭配掌水操作與水閘設施管理調控，可於枯旱時期水資源管理適切排程供給調配灌溉水量，強化精進農業用水效能。

以機器學習理論建置氣候因子和天氣災害因子與潛在水稻損失預測模型

為了解決中興電工gis的問題，作者徐韻如 這樣論述：

聯合國指出21世紀極端的氣候將會更頻繁與廣泛，氣候變遷所造成的災害已成為全人類的安全問題。近年人工智慧(AI)的興起及機器學習(ML)應用，在環境應用方面的影響也不遑多讓。在農產業水稻方面，雖有天氣預測支援農民進行相關防護措施，但突如其來的天災降臨時，造成的水稻損失是逐年增加。若能提早得知天災造成的水稻潛在損失，即能提早做好災前的應變，減少人民財產損失。本研究旨在導入ML之概念，利用ML軟體，如：SPSS，做環境衝擊因數對水稻造成的災害預測及氣候模擬分析。將氣象因子及天然災害因子列為變數，再藉由獨立樣本T檢定及類神經網路進行變數篩選。利用機器學習理論基礎之決策樹進行模型訓練，並使用特徵曲線(

ROC)圖及曲線下面積(AUC)衡量模型的準確度及預測價值，再利用IPCC RCP 4.5預測值進行長短期預測。本研究所得決策樹結果共有四種模式，做為水稻潛在損失之長短期預測使用。在短期預測之結果方面單一月份預測成果和實際值差異過大，但單一事件的預測結果卻很精準，水害可使用模式一；寒害可使用模式三；病蟲害可使用模式二。而在長期預測分析結果共有兩部分：第一部分(2020)結果得知，預測值與實際值差異率為83%。相較於以觀測值進行水稻潛在損失金額的預測結果優，表示此模式適合以未來氣象預測值進行水稻潛在損失的預測。第二部份(2017-2019)結果得知，預測值與實際值差異率為68%。兩部分之結果相差

15%，代表以一個時間區段進行水稻潛在損失的預測結果較佳。農委會或農糧署等相關單位應可根據不同目的（短期、長期預測）進行本論文模式一至四之選擇。短期（月預測）可依災害類別如：水害使用模式一、寒害使用模式三、病蟲害使用模式二；而長期（年預測）預測亦可使用模式一。