109 專技高考高等考試 測量技師 地理資訊系統 考古題詳解

核心觀念

本題考查 GIS 的資料不確定性（uncertainty）如何轉化為可閱讀的視覺訊息。空間資料可能有位置、範圍或分類誤差；非空間屬性可能有測量誤差、估計誤差或資料來源可信度差異。視覺化的目的，是讓使用者辨識資料品質與不確定程度，而非把誤差藏在單一確定值或一般圖例中。

定量不確定性可用數值表示，例如位置標準差、信賴區間、機率或誤差範圍；定性不確定性則可用類別表示，例如高、中、低可信度，或「已確認／推估／未知」。符號的視覺變數可包含色相、明度、透明度、紋理、線寬、模糊程度及位置散布等。

解題方法

採用「選兩種不同資料，分別指出不確定性來源與對應的視覺編碼」作答。兩例宜涵蓋不同資料型態，例如點位資料與面狀統計資料，並交代圖例或註記，避免使用者把視覺效果誤認為真實地理差異。

例一：測量控制點的平面位置不確定性

控制點以點圖層表示，其坐標可能因測量精度、儀器、控制網條件或資料來源不同而有不同位置誤差。若點位有定量的標準差或誤差橢圓，可採下列方法：

• 以誤差橢圓表示位置不確定性；橢圓的方向與長短軸呈現誤差方向與大小。
• 以半透明圓形或緩衝區表示位置可能範圍，半徑依標準差或指定信賴水準設定。
• 以點符號的模糊程度、透明度或大小呈現精度等級；精度較低者採較淡、較模糊或較大的不確定範圍符號。

核心觀念

本題比較兩種名稱相同、目的卻不同的「LOD」：

• CityGML 的 LOD（Level of Detail，細緻度）：描述三維城市模型中地物幾何與語意的表達層級，主要反映城市尺度下的空間解析程度，以及可表達的建物外部形態。
• BIM 的 LOD（Level of Development，發展程度）：描述 BIM 元件在設計、施工與營運流程中的資訊成熟度，包含幾何表示的完整性及其相關資訊的可靠程度。

因此，CityGML LOD 與 BIM LOD 名稱相近，但分類依據與用途不同，不能直接一對一對照。CityGML 著重「城市模型表達到多細」；BIM 著重「模型元件發展到何種程度、可用於哪些決策」。

解題方法

作答宜分成三部分：先比較兩種 LOD 的目的、對象與內容，再指出兩者的對應關係不能僅以級別配對，最後提出以需求為導向的轉換流程。轉換時，應同時處理幾何簡化或細化、語意分類、座標與尺度、拓樸及屬性資訊。

CityGML LOD 與 BIM LOD 比較

CityGML 2.0 常見的建物 LOD 概念如下：

• LOD 0：以地形或建物輪廓等方式作為低細緻度表達。
• LOD 1：以簡化的稜柱或區塊表示建物整體體量，通常不細分屋頂形狀。
• LOD 2：表達較具體的屋頂形態，並可區分屋頂、外牆及地面接觸面等表面。
• LOD 3：進一步細緻表達建物外部構造，例如門、窗等外部細節。
• LOD 4：在 LOD 3 外部表達基礎上，增加室內空間及內部構造資訊。

CityGML 各版本的 LOD 定義與規格有所差異，實際轉換前應確認採用的版本與應用規範。BIM 的 LOD 定義也須依專案採用的標準或交付規範判讀；常見的 LOD 100 至 500 用來描述元件資訊發展程度，並非 CityGML LOD 的另一套同尺度細緻度分級。

兩者的異同與對應關係

相同處：兩者皆有分級概念，可用來溝通模型的資訊程度，並協助判斷模型是否適用於特定應用。

不同處：CityGML LOD 主要回答「建物在城市模型中以何種幾何與語意細緻度表達」；BIM LOD 主要回答「元件目前發展到何種程度，其資訊是否足以支援特定專案工作」。

核心觀念

本題考查將向量圖徵轉成網格資料時，如何決定每個網格儲存哪一個向量圖徵的屬性。常見情形是多邊形網格化：一個網格可能只被某一多邊形覆蓋，也可能同時與數個多邊形相交，因此必須訂定屬性指派規則。

三種策略的判斷依據如下：

解題方法與示意圖

以下以兩種土地使用分區表示：甲區（A）與乙區（B）。方框代表一個網格；分界線將該網格切分為兩區。

┌─────────────────┐
│ A │
│ │
│ │
├─────────────────┤
│ B │
└─────────────────┘

此例中，網格中心落在 A 區，而 A、B 在網格內各占一半。三種策略因判斷依據不同，結果可以不同。

(A) 中心點取向

**作法：**以網格中心點作為代表位置，判斷中心點落在哪一個向量圖徵內，再將該圖徵的屬性指派給整個網格。

┌─────────────────┐
│ A │
│ ● │ ●：網格中心
│ │
├─────────────────┤
│ B │
└─────────────────┘

網格屬性：A

本例中心點在 A 區，因此整個網格標記為 A。此法計算簡單、處理速度快，適合需要快速建立網格資料，或希望以網格中心代表該格位置的情況，例如將行政區或土地使用分區轉成規則網格。

**注意：**中心點所在圖徵不一定是網格中覆蓋面積最大的圖徵。如果邊界彎曲或破碎，中心點可能落在只占網格小部分的圖徵內。

(B) 優先取向

**作法：**先訂定圖徵間的優先順序；當一個網格與多個圖徵相交時，指派優先順位最高者的屬性。優先順序可依資料的業務規則設定，例如災害風險等級由高至低，或土地使用類別的處理順位。

┌─────────────────┐
│ A │
│ │
│ │
├─────────────────┤
│ B │
└─────────────────┘

若規則為 B 優先於 A：
網格屬性：B

核心觀念

本題考查空間內插的基本假設、計算方式與適用情境。已知若干位置的觀測值，要估計未觀測位置的值；兩種方法都利用空間位置與觀測值，但對空間關聯的處理方式不同。

• 反距離加權法（IDW）：依距離遠近對已知點加權，距離越近，權重越大。它是確定性內插法，權重由距離公式指定，不以資料估計空間統計模型。
• 克利金法（Kriging）：利用觀測資料的空間自相關結構建立變異函數或半變異函數，再決定內插權重。它是地統計內插法，通常可提供估計誤差或估計變異數。

解題方法

1. 反距離加權法

對待估位置 $s_0$，取其周圍 $n$ 個已知點 $s_i$，以距離的反比冪次作為權重：

其中，$Z(s_i)$ 是第 $i$ 個已知點的觀測值，$d(s_i,s_0)$ 是該點至待估位置的距離，$p>0$ 是冪次參數。$p$ 越大，近點影響越強；$p$ 越小，較遠點的影響相對增加。實務上也可限制搜尋半徑或鄰點數。

例如，待估點附近有兩筆觀測，距離分別為 $1$ 與 $2$，觀測值分別為 $10$ 與 $20$，取 $p=2$，則權重為 $1$ 與 $1/4$，估計值為：

IDW 的結果是已知值的加權平均；若待估位置與某已知點重合，通常直接採用該點觀測值，避免距離為零造成權重無限大。

2. 克利金法

克利金法假設觀測值具有空間自相關：位置越接近的點，其值通常越相似，而相似程度可由空間統計模型描述。以普通克利金為例，估計式同樣是加權和：

但權重 $\lambda_i$ 不是單純由距離反比指定，而是依據半變異函數模型及觀測點間的空間關係求得。半變異函數可寫為：

核心觀念

本題考查資料立方（Data Cube）與地理資訊系統（GIS）的定位、資料組織方式、分析能力及彼此的應用關係。兩者都用於取得、管理與分析地理空間資訊，但著眼層次不同：

• Data Cube 是一種將大量地球觀測資料依空間、時間及觀測屬性等維度，整理成可索引、可查詢、可運算資料集合的資料組織與供應模式。典型資料立方會將影像像元或格網資料對齊到共同的空間格網，並提供時間序列及多波段、感測器或產品等維度的存取。
• GIS 是處理地理參考資料的系統與方法，涵蓋資料輸入、儲存、管理、查詢、分析、視覺化及成果輸出。GIS 可處理向量、柵格、表格及其屬性資料，並支援圖層套疊、網路分析、地形分析及空間統計等工作。

因此，Data Cube 偏重大規模、多時相地球觀測資料的組織與分析供應；GIS 則是範圍更廣的地理資料處理與決策支援環境。

解題方法

比較此類名詞題，可依序從「資料對象、資料組織、主要功能、典型用途、彼此關係」切入。先指出兩者都以空間定位為基礎，再說明資料立方專注的資料類型與處理特性，最後交代它如何納入 GIS 工作流程。這樣可同時呈現差異與整合關係，避免只將兩者簡化成互相競爭的軟體或格式。

Data Cube 與 GIS 的異同及關聯

相同處：

1. 兩者都處理具有地理位置或空間參考的資料，能支援空間查詢、分析與成果呈現。
2. Data Cube 可納入 GIS 工作流程；GIS 也能利用 Data Cube 提供的影像與分析結果。