姓名

台灣山區常遇地震、豪雨、人為因子等因素造成邊坡不穩定，當中因豪大雨造成的坡體滑動影響最大，因此本論文將探討降雨量與邊坡位移之間的關係。本論文蒐集Sentinel-1衛星影像，運用DInSAR將2幅不同時期SAR影像進行干涉處理，透過因地形變位所產生的相位轉換為位移數據，其精度可達到公分級別，可藉此監測山區邊坡變位。 研究結果發現，以精密水準資料驗證DInSAR之趨勢接近，證明DInSAR技術具有一定參考性。由時序趨勢圖得知各點發生地表沉降的時間點大多為每年的5至8月期間，因正逢梅雨季及颱風季，導致發生豪大雨的頻率增加，因此較容易造成較大的邊坡位移。 人工神經網路建立之模型中，大部分組合的相關係數R達到0.7以上，因此透過人工神經網路能夠成功捕捉到邊坡位移量與降雨量之間的關聯性，於坡度40~55%之地區以12天累積降雨量的相對重要性較高，坡度介於5~40%之地區則皆以24天累積降雨量的相對重要性較高，由結果顯示監測點於地表越陡峭時，造成邊坡滑動之降雨事件的滯後時間越短，反之則越長。 長短期記憶模型分析中，地表坡度較緩之監測點的相關係數R較為理想，能達到0.6至0.85，而各監測點建立的預測模型結果中，各點訓練集之訓練狀況良好，而測試集之預測變位值與真實值趨勢接近，並且地表坡度較緩之監測點的預測能力較為良好。