108 地方特考四等 測量製圖 地理資訊系統與數值製圖概要 考古題詳解

核心觀念

1. 地圖簡括化（Map Generalization）之本質 當大比例尺地圖縮編為小比例尺地圖時，圖面空間按比例平方縮小，而符號繪製尺寸有其「人眼最小可辨識極限」（一般線粗約 $0.15\,\text{mm}$、點符號最小直徑約 $0.4\,\text{mm}$、相鄰線條間距最小約 $0.2\,\text{mm}$）。為了在圖面容量（Capacity）減少與視覺清晰性（Legibility）受限的情況下，保留地理環境的關鍵特徵與空間關係，必須對要素進行有目的之抽稀、合併、簡化與位移。

2. 簡化（Simplification）之定義 在線要素或面要素的邊界上，依據特定演算法（如道格拉斯-普克演算法 Douglas-Peucker Algorithm）去除多餘、非本質的冗餘節點（Vertices），捨棄次要細節，同時保留該要素基本走向、宏觀幾何形態與特徵拐點的運算過程。

3. 聚合簡化（Amalgamation）之定義 在空間上位置相鄰、屬性相同或相容的多個獨立面狀要素（Polygons），因比例尺縮小導致相互間隔低於最小圖形辨識閾值時，將其彼此間隔填補並熔接（Dissolve/Merge）為一個幾何形態連續、面積較大的單一面要素之運算過程。

---

解題方法

本題屬於典型之「觀念定義與比較型」申論題。解題架構宜採取「分別界定定義」$\to$「闡述縮編作用（目的與正面功能）」$\to$「剖析幾何、屬性及拓樸之正面與負面影響」之三層推進邏輯，最後輔以兩者之綜整對照：

1. 切入維度切分：

• 幾何與維度（Dimension）：簡化維持線/面要素的原始維度（1D 仍為 1D、2D 仍為 2D），節點數減少；聚合簡化是「多面（Multi-polygons）整合成單面（Single polygon）」，涉及空間連續性的改變。
• 作用（Role）：著眼於解決縮編造成的「符號擁擠（Congestion）」與「解析度不足（Coalescence）」。
• 影響（Impact）：從「資料儲存量」、「空間形態特徵」、「度量精度（長度/面積）」及「拓樸關係（相鄰、相交）」等角度全面剖析。

2. 理論架構引用： 引用國際製圖學界 McMaster & Shea（1992）之簡括化運算子體系（Generalization Operators），確立答題的學理高度。

---

選項分析

本題為申論題，非選擇題。作答的核心評分關鍵在於能否精準區隔以下概念，不可混為一談：

1. 簡化（Simplification）vs. 平滑化（Smoothing）：簡化重在「剔除冗餘點位、保留轉折角點」；平滑化則是「消除尖銳轉角、使曲線圓滑（如使用 Spline 或貝茲曲線）」，不可將平滑化誤答為簡化。
2. 聚合簡化（Amalgamation）vs. 集聚（Aggregation）：聚合簡化專指「面要素與面要素」熔接為單一面；集聚（Aggregation）在嚴謹定義中多指「點要素群或離散要素」轉化為「面要素」（例如眾多建築物點轉為聚落面）。答題時須凸顯 Amalgamation 在「面要素融合」上的幾何特質。

---

解題技巧

1. 掌握縮編兩大衝突根源：

• 比例縮小帶來的「幾何衝突（Spatial Conflict）」：物體變太小看不清、靠太近重疊。
• 簡化解決的是「線條本身的過度彎曲與密集頂點」；聚合簡化解決的是「多個近鄰要素之間的間隙不可辨」。

2. 答題結構化原則： 申論題作答切忌寫成無分段長篇大論。必須嚴格使用「一、（一）、1.、（1）」階層化標題，並針對題目要求之「意義」、「縮編作用」、「縮編影響」精確對應作答，考官閱卷時能迅速給分。

---

【答案】

一、簡化（Simplification）的意義、作用與影響

(一) 意義 簡化是指在保持線狀要素（如道路、河流、海岸線）或面狀要素邊界的整體趨勢、特徵轉折點及空間拓樸關係的前提下，依特定容許誤差值（Tolerance），選擇性剔除線段上的冗餘頂點（Vertices），降低形狀細緻度

核心觀念

本題考核地理資訊系統（GIS）與主題地圖製圖學（Thematic Cartography）中，面量圖（Choropleth Map）之連續性統計資料分級方法（Data Classification Methods）。核心觀念包含：

1. 等距法（Equal Interval）：依據資料全距（Range）進行均等劃分，注重級距數值間隔的均勻性。

• 組距（Interval Size, $I$）計算公式： $I = \frac{X_{\max} - X_{\min}}{k}$ 其中 $X_{\max}$ 為資料最大值、$X_{\min}$ 為最小值、$k$ 為設定之分級數。各級邊界值為 $X_{\min} + m \cdot I$（$m = 1, 2, \dots, k$）。

2. 自然分斷法（Natural Breaks / Jenks Optimization Method）：依據資料天然群聚（Clustering）與中斷（Breaks）特徵分級，數學本質為珍克斯最佳化演算法（Jenks Optimization Algorithm），追求「組內差異最小化、組間差異最大化」。

• 總離差平方和（Sum of Squared Deviations from Array Mean, $SDAM$）： $SDAM = \sum_{i=1}^{n} (X_i - \bar{X})^2$
• 各組內離差平方和之總和（Sum of Squared Deviations from Class Means, $SDCM$）： $SDCM = \sum_{j=1}^{k} \sum_{i=1}^{n_j} (X_{ij} - \bar{X}_j)^2$
• 變異擬合良度（Goodness of Variance Fit, $GVF$）： $GVF = \frac{SDAM - SDCM}{SDAM} = 1 - \frac{SDCM}{SDAM}$ 演算法目標為透過迭代計算求得使 $SDCM$ 最小化（即 $GVF$ 最大化，值介於 0 至 1 之間）的分級端點。

---

解題方法

本題為申論說明題，作答策略採取「演算法原理及數學意涵 $\rightarrow$ 優點 $\rightarrow$ 缺點 $\rightarrow$ 綜合比較」的層次化架構進行論述：

1. 先破題：說明資料分級在製圖上的目的與重要性（簡化大量屬性數據、凸顯空間空間分布格局）。
2. 算法剖析：

• 清楚寫出兩者的計算邏輯與數學表達式。
• 自然分斷法必須強調珍克斯（George F. Jenks）的變異數最佳化原理，不可僅帶過為「憑感覺找斷點」。

3. 優缺點對比：針對資料分布特性（常態、偏態、均勻）、地圖判讀便利性、跨時空資料可比性等面向進行優缺點比較。

---

選項分析

本題為地方特考四等之申論題，非選擇題，無選項分析。

---

解題技巧

1. 專業關鍵字拿分：閱卷老師評閱自然分斷法時，評分指標在於是否提及「珍克斯（Jenks）最佳化演算法」及「組內變異最小、組間變異最大（$SDCM$ 與 $SDAM$）」。
2. 適用情境對比法：說明等距法時，務必聯想到「均勻分布資料、比例尺刻度常識（如氣溫、降雨量）」；自然分斷法務必聯想到「多峰分布、有明顯離群值或群聚特徵之資料（如人口密度、房價）」。
3. 版面整潔與圖表加分：申論題在分述兩者之後，於文末附上對照總結表，有助閱卷老師迅速掌握答題重點。

---

【答案】

一、前言

在數值製圖與地理資訊系統（GIS）的面量圖製作中，資料分級（Data Classification）旨在將連續性的屬性數據分組為有限的級別，藉由色階或符號的大小呈現空間差異。分級方法的選擇直接影響地圖判讀的效果與空間型態的展現。

---

二、等距法（Equal Interval）之演算法與優缺點

1. 主要演算法

等距法是將資料的整體數值範圍（全距）均等地切割為預先設定的 $k$ 個級別。

• 計算步驟：

1. 找出數據集合中的最大值 $X_{\max}$ 與最小值 $X_{\min}$。

核心觀念

1. 最小製圖單元（Minimum Mapping Unit, MMU）：在地圖學與地理資訊系統（GIS）中，指圖面上能夠被獨立描繪、分類並納入地圖圖層的「最小空間實體尺寸」（通常以面積或最小線性長度/寬度表示）。它是製圖概括化（Cartographic Generalization）的核心標準，小於此門檻的實體將被忽略或併入相鄰的類別中。
2. 遙測空間解析度（Spatial Resolution）：指感測器所能分辨地表目標物的最小單元，通常以「地面取樣距離」（Ground Sampling Distance, GSD）或單一「像元」（Pixel）所涵蓋的地表面積表示。
3. 採樣與辨識門檻：依照取樣定理（Nyquist-Shannon Sampling Theorem）與遙測判讀經驗法則，要從影像中正確辨識並分類一個地表物件，該物件的尺寸必須涵蓋數個像元以上，絕不能等同於單一像元。

---

解題方法 本題為標準的觀念整合題，切入點應分為兩大部分：

1. 名詞定義與製圖意涵：精確定義 MMU，並從製圖可讀性（Legibility）、資料一致性（Consistency）與比例尺約束切入說明其功能。
2. 與遙測空間解析度之關聯性：從「解析度作為幾何極限」、「取樣辨識門檻（倍數關係）」、「後分類濾波處理（如 Sieve/Clump）」以及「製圖比例尺鏈結」等四個層面建立兩者的邏輯聯繫。

---

選項分析 本題為申論題，非選擇題，無選項分析。答題時須依序就「MMU 的意義」與「與空間解析度的關聯性」分項條列，層次分明。

---

解題技巧

1. 避免常見陷阱：考場常見錯誤為「將最小製圖單元視為等於影像的單一像元大小」。必須明確強調 MMU 必然大於像元大小，通常為單一像元面積的數倍至十數倍以上。
2. 結合實務流程：在論述兩者關聯時，提及「後分類處理（Post-classification processing）」中的多數濾波（Majority filter）或碎斑消除（Clump & Eliminate / Sieve），可大幅提升答案的專業度與深度。

---

【答案】

一、最小製圖單元（Minimum Mapping Unit, MMU）的意義

1. 基本定義： 最小製圖單元（MMU）是指在特定地圖比例尺或空間圖層中，被選取、數位化、分類並予以獨立表現的「最小特徵尺寸」（通常以地表面積表示，如 $0.1\text{ ha}$、$1\text{ ha}$，或最小多邊形寬度）。凡面積小於此設定門檻之地表斑塊，依規定均不予單獨劃分。

2. 製圖目的與功能：

• 維持圖面清晰度（Legibility）：防止圖面充斥過於微小的碎斑，避免造成人眼視覺疲勞或混淆，符合製圖美學與實用性。

核心觀念

本題評量地理資訊系統（GIS）中空間資料模型與空間分析的核心基礎，涵蓋兩大主題：

1. 網格資料模型（Raster Data Model）的資料結構：

• 空間離散化（Spatial Discretization）：將地理空間劃分為規則排列的二維網格單元（Cell 或 Pixel），以列（Row）與行（Column）組成的矩陣（Matrix）儲存空間資訊。
• 空間幾何參考：包含原點坐標（Origin）、像元解析度（Cell Size / Resolution，$\Delta x, \Delta y$）、行列數（Dimensions）、坐標參考系統（CRS）。
• 屬性值編碼：每一像元儲存單一數值，可代表連續型變數（如高程 DEM、坡度、地表溫度）或離散類別型變數（如土地利用類型、土壤分區）。

2. 網格疊圖分析（Raster Overlay Analysis）：

• 基於湯姆林（C. Dana Tomlin）提出的地圖代數（Map Algebra）​理論。
• 疊圖核心為局部運算（Local Operations / Cell-by-cell Operations）：多個共空間（Co-registered）圖層在相同位置的像元之間進行數學、邏輯或統計運算。
• 前置空間一致性條件：空間參考、網格邊界範圍（Extent）、像元大小（Cell Size）必須一致，必要時需經重取樣（Resampling）。

---

解題方法

本題為標準的專業申論題，答題架構應分為兩大部分清晰展開：

1. 第一部分：剖析網格資料模型的基本資料結構

• 從「幾何結構」（矩陣、原點、解析度、坐標轉換公式）切入。
• 說明「屬性結構」（連續型、離散型、值屬性表 VAT、無資料值 NoData）。
• 簡述「儲存與壓縮機制」（Run-Length Encoding, Quadtree 等），展現回答深度。

2. 第二部分：說明網格疊圖（Overlay）分析之流程與方法

• 步驟一：空間對齊與前置處理（坐標轉換、網格重對齊 Snap Raster、重取樣 Resampling）。
• 步驟二：像元對像元（Cell-by-cell）運算機制。
• 步驟三：主要運算型態（算術運算、布林邏輯運算、條件關係運算、組合疊圖）。
• 給出具體實務範例（如：加權評估法 Suitability Analysis、選址分析）。

---

選項分析

本題為申論題型，無選項。閱卷評分重點在於：

1. 是否完整列出網格結構的組成幾何要素與坐標映射關係。
2. 是否明確指出網格疊圖是以「地圖代數中的局部運算（Cell-by-cell）」為核心。
3. 是否提及疊圖分析前的關鍵前置條件（像元大小一致、重取樣、空間坐標配準）；漏答此點通常是考生無法拿到特優（18分以上／滿分20分）的主因。

---

解題技巧

1. 善用數學映射關係強化幾何定義： 網格中任意像元之行列索引 $(r, c)$ 與實體世界坐標 $(X, Y)$ 的幾何關係式： $X = X_{origin} + c \times \Delta x$ $Y = Y_{origin} - r \times \Delta y$ 寫出此公式可向閱卷委員展現扎實的數值製圖學理基礎。
2. 對比思維： 疊圖運算時，適度與向量疊圖（求交點、切割多邊形、拓樸重建）做簡短對比，突顯網格疊圖「結構簡單、計算快速、無拓樸重建負擔」的特性。
3. 分點分項，標題化論述： 閱卷速度極快，必須將大標題、次標題清楚標示，讓閱卷老師一眼看到核心關鍵字（如：地圖代數、像元、重取樣、布林運算、加權疊加）。

---

【答案】

一、網格資料模型（Raster Data Model）之基本資料結構

網格資料模型是利用規則網格陣列來逼近與記錄連續空間現象或離散分區的資料結構，其基本架構由以下要素構成：

1. 幾何結構（Geometric Structure）：

• 網格矩陣（Matrix）：空間被劃分為二維的列（Rows, $r$）與行（Columns, $c$）矩陣，總像元數為 $\text{Rows} \times \text{Columns}$。
• 網格原點（Origin）：通常以矩陣左上角（Top-Left Corner）為基準原點 $(X_{origin}, Y_{origin})$。
• 空間解析度（Spatial Resolution / Cell Size）：網格單元的地面幾何尺寸（寬度 $\Delta x$ 與高度 $\Delta y$），決定資料的幾何精度與檔案大小。