公共政策網路參與平臺

年計畫經費

0(千元)

落後原因分析

無

機關因應對策

無

年度目標

1.因應氣候變遷及極端氣候對森林樹木及環境之衝擊，監測森林擾動棲地及收集植物性狀資料，以供恢復森林生態系統功能參考;了解氣候變遷對高海拔易受影響生態系之衝擊，作為高海拔生態系保育評估依據，維護高海拔生態功能。2.建置大量野生物基礎資料，納入公開資料庫，進行外來入侵種分類評估，建立生物多樣性熱點長期監測模式，維持重要生物多樣性資訊的監測、蒐集與分析，掌握全國狀態，發展生物多樣性應用研究，提高生物多樣性和生態系帶來的惠益，維護生物多樣性的未來價值，同時加強在地及多元的教育與參與行動，使生物多樣性價值成為民眾及政府主流意見。3. 提升人工林育林體系，建立樹木基因、形態及化學特徵，輔助優良苗木評估；發展高經濟價值森林特產物，並持續開發原生高價值利用物種;強調森林生態系其他生物服務功能及價值，建立林木林產以外的森林獲益模式。4. 建置永續林業產製加工發展網鏈，改進林業生產技術，推動人工林永續產業產製加工發展，擇選 4 項林業技術研發改善予業界使用，研發竹林省工收穫模組化生產技術; 研發技術優化林業循環及創生發展，革新產製加工技術3項於產業運用，完成山區無線寬頻網路推動策略藍圖1式。5. 整合疏伐、林木收穫、生長模擬及私有林管理決策支援系統，並透過地理資訊系統與空間分析技術，進行森林長期變遷分析；發展森林蓄積量調查技術;依據氣候與環境治理之策略，建立適宜臺灣森林環境之實踐方案。

重要執行成果

計畫亮點:「1.透過林試所樹木醫學中心病蟲害通報資料庫，完成近十年都市林重大病蟲害資料庫建立及數據分析，針對都市林重要病蟲害，應用大數據分析，建立檢索圖資系統；同時應用掌握生活史中較脆弱之時期及物侯學資料，建立重要害蟲物候曆預警監測體系，以作為決定防治時機之依據與參考，提供都市林智慧管理及風險評估。2.建立都市林病蟲害綜合管理平臺，內容包括標的評估、都市林常見病蟲害種類、樹種及樹木健康敘述、影響塌壞可能性的樹木缺陷與狀況等，透過勾選方式算出風險等級。 3.以最適SAVI直方圖門檻分類法、配合影像套疊交談式比對，萃取臺市城市地區綠地覆蓋區，並製作臺北市常態化地表高(NDSM)，完成臺北市城市地區樹木與草地覆蓋區分布地理資訊主題圖，後利用衛星影像的全色波段的最低門檻值，完成臺北市城市地區都市林-綠與水1:1500空間分布圖。4.進行都市林三種重要土媒病原菌分子定量檢測技術的開發，並應用於都市林土壤環境病原菌存在情形的檢測及監測。發展國內缺少的都市林樹木病原菌檢測方法，有助於未來國內都市林樹木立地環境土壤健康管理，減少都市樹木受病原菌威脅的風險。5.運用無人機快速，大尺度，且高解析度之優勢，優化蓄積量推估之技術，以降低林產物處分與森林調查之成本。6.至景美女中進行「紙要妳來」製漿造紙系列推廣課程與活動微課程，成果豐碩。7.利用紙張回收再利用，加入特殊香氛精油微膠囊技術的「香氛手工紙材料包製作技術」技轉。9.針對11種具有輪緣狀或切現狀薄壁細胞之散孔材種模型機器學習訓練，準確率達98%以上，驗證準確率達95%以上。10.發展符合私有林農需求的決策支持系統，協助使用者可以更快速有效的獲取決策資訊。11.利用空載光達及高光譜資料發展森林蓄積量調查技術。本年度計畫應用空載光達點雲資料建立森林蓄積量推估模式，主要利用己建置完成樹冠高度模型及林分三維結構資訊，進行林型點雲資料特徵化分類。並針對光達資料建立樹形推估模式，結合林分結構指標及地面調查資料，建立最適化建模技術以利用於全區森林蓄積量推估。」 / 關鍵成果:「1.為精進都市森林分布健康監測技術，使用地景結構指標分析系統完成臺北市城市地區水與綠地景結構格局，在面積分布、密度、連續、形狀複雜度與聚集結構與生態功能分析方法與成果，有利於後續研究於都市韌性分析，與增強管理之科學數據基礎。2.都市林健康風險空間智慧平台與有害生物綜合管理研究針對三種重要土媒病原菌的標誌性基因片段進行選殖，有助於應用在未來病原菌的診斷鑑定與檢測。3.建立韌性都市樹種篩選與環境管理監測技術部分，建立臺灣都市林樹木的滲透勢-膨壓喪失點水勢回歸模型1式，以及建立都市林土壤生態經營管理之綠資材添加技術。4.都市複層林生態網絡強化與管理研究建構多層次複層林，營動物、昆蟲棲地及穩定食物來源的生態系以及都市人民休憩、防災及環境教育的場域，建立市民生活永續空間。5.完成森林資源調查中有關無人機應用、傳統羅盤儀與智慧輪尺調查比對、林地實物虛化技術對於疏伐決策的幫助、都市林經營中樹木風險評估與檢測對於未來職涯發展幫助等體驗課程，回收143份問卷；完成雲林地區造林面積約2.5 ha、枋寮地區面積約150公頃造林地調查工作，用為後續室內教材。6.將無人機航拍影像與動態差分定位之技術結合，使不同尺度之遙航測及地面調查資料得以結合，提升資訊分析與利用率。7.多功能林木收穫機於平地人工林森林作業之應用。8.散孔材影像機器學習訓練，訓練模式可達98%，木材機器訓練影像辨識研究成果後續可應用於林務人員漂流木註記，減緩現場壓力，降低誤判機率。9.運用地面光達及ICT技術，將伐採、造材與後端製材加工結合，嘗試以物聯網之概念，促進實現客製化生產之可能性。10.蒐集分析現有森林調查系統，比較其應用特性，利用較具有潛力應用之系統軟體進行調查表單案例設計。11.初步建立全區森林蓄積量推估模型。12.研究發現使用資料擴增與扁平化kernal卷積核進行高光譜遙測影像訓練樣本輸入，搭配36或72波段之8bit或16bit影像資料，並設定較高之Batch_size，提升深度學習模型於高光譜遙測影像之演算效率與正確性。13.目前在IPCC林型類別整體分類正確率可達76%，林務局林型類別整體分類正確率可達84%，純林樹種之分類正確率可達95%，演替中森林覆蓋之分類正確率則約達86%。」