無人載具 (unmanned aerial vehicle; UAV) 航拍能提供大範圍且高解析度之多光譜或高光譜影像，包含：可見光 (red-green-blue; RGB)、近紅外光 (near-infrared; NIR) 與3D 點雲等影像資訊。

本研究透過光譜分類技術與數值地表模型 (digital surface model; DSM)，評估不同影像分類技術對於水稻倒伏災損判釋的準確度，以期提出具有快速、簡易及準確性高的影像災損判釋方法，提供農業災害勘查與鑑定之空間輔助工具。本研究應用UAV 航拍影像，首先透過UAV 專業影像處理軟體Pix4D Mapper，產生DSM 與正射影像，透接著依據影像監督分類、標準差植生指數 (normalized difference vegetation index; NDVI) 分類及DSM 分類，針對2017年6 月分連續超大豪雨對台中市霧峰地區水稻所造成之災損倒伏情形，進行水稻倒伏災損影像判釋技術之發展。

結果顯示，UAV 航拍所得之可見光RGB 正射影像，能清楚觀測水稻災損範圍與相對的災損情形，針對大範圍之災區勘災作業，本研究推薦應用影像監督分類技術進行災損判釋，其水稻災損倒伏率比對申請救助之災損率的正確率約為92% (以符合農業天然災害救助辦法中倒伏率20% 為評估基準需求)。

另外，再輔以現地災損查核，以加強災損判釋的正確性。因此，本研究建議，現今農業災害的勘災與災損救助作業，應透過階層分工的概念，發揮各類技術的最大功效，運用最精簡的時間與人力，以提供最快速與最高品質的災損評估成果。

(台灣農業研究，第六十九卷，第一期／109年3月出版)