115 高普考高考三級 林業技術 森林生態學 考古題詳解

核心觀念

**物種忠誠度（species fidelity）**是指某物種與特定植物社會、群落或植群類型的關聯程度，尤其反映該物種是否較集中出現於某一群落。忠誠度高的物種有助於辨識、描述及區分植群；但忠誠度描述的是物種與群落的關聯，不等同於物種在該群落中的絕對數量，也不必然代表統計顯著。

本題比較三種做法：

1. Braun-Blanquet 傳統忠誠度分級：以植群學判斷作序位分類。
2. Phi correlation（$\phi$）：以物種出現與否及群落歸屬計算相關程度。
3. Indicator value（IndVal）：結合物種對群落的專一性與在群落內的出現頻率。

解題方法與三種方法比較

一、Braun-Blanquet 忠誠度分級法

Braun-Blanquet 將物種對某植群單位的忠誠程度分成五級，由低至高如下：

**判定方式：**比較物種在不同群落中的出現頻度、豐度與生長狀況，再依其對特定群落的偏好程度歸級。第 3 至 5 級通常視為具群落指示或診斷價值的物種。

**特點：**分類直觀，能納入生態學者對物種生態幅度、豐度及活力的綜合判斷；但屬序位尺度，分級仰賴專家判斷，跨研究比較時較難完全一致，也沒有單一固定數值公式。

二、Phi correlation（$\phi$）

$\phi$ 以二元資料計算物種出現與否和群落歸屬間的關聯。針對一個目標群落，可整理成 $2\times 2$ 列聯表：

其相關係數為：

其中，$a$ 為目標群落中物種出現的樣區數，$b$ 為其他群落中物種出現的樣區數，$c$、$d$ 分別為對應的未出現樣區數。$\phi$ 的範圍為 $-1$ 至 $+1$：

• $\phi>0$：物種與目標群落呈正關聯，數值越大，忠誠度越高。
• $\phi=0$：沒有線性關聯。
• $\phi<0$：物種較少出現在目標群落，呈負關聯。

實際植群分析常將各群落的樣區數標準化為相同規模，再計算 $\phi$，以減少群落樣區數不平衡對結果的影響。若未平衡化，較大的群落可能在估計中佔較大權重，因此跨群落比較時須交代樣區規模的處理方式。

**特點：**提供連續數值，較傳統分級客觀、可比較；但主要依據出現／未出現資料衡量關聯，不直接納入豐度或覆蓋度。正的 $\phi$ 表示正關聯，但是否達統計顯著仍須另行檢定。

三、Indicator value（IndVal）

IndVal 由 Dufrêne 與 Legendre 提出，將物種對目標群落的**專一性（specificity）與忠誠度／群落內出現頻率（fidelity）**相乘。對物種 $i$ 與群落 $j$：

核心觀念

本題考查兩個不同物種族群間的種間作用。以族群的生存、生長或繁殖表現受到的影響表示作用結果：

• 正向作用（+）：該族群因另一族群的存在而受益，例如存活率、生長或繁殖成功率提高。
• 負向作用（−）：該族群因另一族群的存在而受害，例如資源取得減少、受捕食或感染寄生。
• 中性作用（0）：另一族群的存在對該族群沒有可辨識的顯著影響。

符號依序代表「族群甲、族群乙」受到的影響。例如 $(+,-)$ 表示甲受益、乙受害；$(-,+)$ 則表示乙受益、甲受害，生態作用類型相同，只是受益與受害者對調。

解題方法

將兩族群各自可能受到的影響列出：正向、中性、負向。每個族群各有三種結果，因此共有 $3 \times 3=9$ 種符號組合。再依兩族群的受益或受害狀況，判定相應的種間作用。

核心觀念

本題考查極端氣候擾動下的地類轉換，以及生態系統的三項功能：

• 抗擾動能力（Resistance）：系統遭受擾動時，原有狀態維持的程度。
• 恢復力（Recovery）：擾動後，系統由受損狀態恢復的幅度。
• 韌性（Resilience）：系統承受擾動並恢復至接近原有狀態的綜合能力。

本題以森林面積作為評估對象，原始狀態為 2000 年 4 月，極端事件後狀態為 2000 年 9 月，恢復期狀態為 2020 年 6 月。

一、地類面積與變動方向判讀

1. 極端事件前後的面積變化

2000 年 4 月至 9 月間，森林面積由 $1,500$ ha 降至 $1,200$ ha，減少 $300$ ha；崩裸地由 $300$ ha 增加至 $600$ ha，增加 $300$ ha；草地面積維持 $200$ ha。

配合圖示可判斷，主要地類轉換為：

因此，極端氣候事件造成森林地表受破壞或植被覆蓋喪失，使森林轉變為崩裸地。由於總面積始終為 $2,000$ ha，表示此處是地類間的重新分配，而非研究範圍面積改變。

2. 恢復期間的面積變化

2000 年 9 月至 2020 年 6 月，崩裸地減少 $200$ ha，其中：

• 約 $150$ ha 恢復為森林；
• 約 $50$ ha 轉變為草地。

可表示為：

以及

因此，擾動後山坡地出現自然恢復，但恢復並不完全。森林面積由 $1,200$ ha 回升至 $1,350$ ha，仍比事件前的 $1,500$ ha 少 $150$ ha；崩裸地也仍比原先多 $100$ ha。這表示部分地區已恢復為森林或草地，部分區域則仍處於崩裸地狀態。

二、森林抗擾動能力、恢復力與韌性

1. 抗擾動能力 Resistance

以極端事件前的森林面積作為基準，森林遭受事件後的相對保留比例為：

因此：

核心觀念

本題要把「植群種類」與「植群高度」兩項資訊轉成有座標、可量測、可套疊分析的空間圖層。兩者依賴的訊號不同：

• 種類辨識主要依據植被對不同波段電磁能量的反射、吸收與散射差異，以及物候、冠層紋理與環境條件。
• 高度估算主要依據雷射回波或立體影像所提供的地表與冠層三維資訊。
• 單一資料通常難以同時可靠地辨識樹種和高度，因此常將光學影像、LiDAR、地形資料與地面調查融合。

解題方法

一、可用科技及其理論邏輯

1. 光學遙測：多光譜與高光譜影像

可使用衛星、航空攝影或無人機搭載的多光譜／高光譜感測器，取得可見光、紅邊、近紅外及短波紅外等波段的反射資訊。不同植群因葉片色素、含水量、葉片與冠層結構不同，具有不同的光譜反射特徵；紅光、近紅外及紅邊反射差異也可反映植生狀態。

將波段反射值、植生指標、光譜特徵、紋理與季節變化作為分類變數，可用監督式分類方法辨識植群類別。高光譜影像波段較多，較能分辨光譜相近的種類，但資料量大，也較易受大氣、陰影與感測器雜訊影響。

2. LiDAR 光達：直接取得三維結構

航空或無人機 LiDAR 發射雷射脈衝並接收回波，依雷射往返時間測距，搭配平台位置與姿態可計算地面和植被點的三維座標。穿透冠層的部分雷射脈衝可到達地面，其他回波則反映枝葉或樹冠高度，因此可同時估計地形與冠層結構。

將點雲分類為地面點及非地面點，插值形成數值地形模型（DTM）與數值表面模型（DSM），再計算：

其中樹冠高度模型（CHM）代表地表以上的冠層高度。LiDAR 對高度的直接量測能力較佳，但樹種種類通常仍須結合光譜影像或現地資料辨識。

3. 立體攝影測量與影像匹配

以重疊航照或無人機影像進行立體匹配，可從不同視角的視差重建冠層表面，產生 DSM；再搭配既有或另行製作的 DTM 計算 CHM。此法可取得高解析度表面資訊，成本與設備門檻通常較低，但密閉林冠下不易取得地面高程，故 DTM 品質會影響樹高估值。

4. 合成孔徑雷達（SAR）及衛星 LiDAR

SAR 以微波回波反映植被的結構、含水狀態及地表條件，可作為植被類型或高度推估的輔助資料；衛星 LiDAR 可提供較大範圍的冠層高度樣本。兩者常與密集光學影像及地面樣本建立模型，推估連續的高度圖。衛星資料涵蓋廣，但空間解析度、雲雨影響、地形效應或 LiDAR 樣本稀疏等限制，須納入設計。

5. 地面調查與資料融合

於代表性樣區記錄樹種、位置、胸徑、樹高、林分結構與冠層狀況，作為分類訓練及高度模型校準、驗證資料。將光譜特徵用於種類分類、LiDAR／立體影像高度用於結構估測，再以地形、坡向、海拔及植群調查資料輔助，可建立較完整的植群種類與高度空間圖。

二、基本資料處理與分析流程

1. 明確訂定圖資規格

先定義製圖範圍、植群分類層級、最小製圖單元、空間解析度、座標系統、資料年份，以及「高度」所指的是單木樹高、冠層頂高或網格平均冠層高。規格須配合實際保育用途；