民國115年 高考三級 林業技術 森林生態學考古題
民國115年 高考三級 林業技術 森林生態學收錄考選部官方試題，共 4 題可線上瀏覽，考選部未公告本科目答案。
題目與答案
何謂物種忠誠度（Species fidelity）？（5 分）請比較Braun-Blanquet 忠
誠度分級法、Phi correlation（ ）、Indicator value（IndVal）決定物種忠誠
度的方法。（20 分）
參考解答（AI 生成，非官方）
- 一、物種忠誠度（species fidelity）指某一物種對特定植群類型或群落的偏好與專一程度，即該物種是否固定出現於某群落而少見於其他群落。實務上常以出現度（constancy，物種在該群落樣區中出現的比例）與專一性（specificity，該群落中該物種個體數占其全部個體數的比例）共同衡量。忠誠度高者具指示植物（indicator species）潛力，可作為植群分類、生育地評估與環境監測的依據。
- 二、Braun-Blanquet 忠誠度分級法：以物種在某一植群單位中的出現率作定性分級，傳統分為5級（5級：出現率大於80%；4級：61至80%；3級：41至60%；2級：21至40%；1級：小於20%），另以 r（稀有）與＋（偶見）標示低出現者。優點為操作簡便、適合野外快速判讀與植群表（vegetation table）整理；缺點是只看是否出現，未納入該物種在其他群落中的分布，故高出現率並不等於高專一性。
- 三、Phi correlation（φ 相關係數）：將「物種存在／不存在」與「樣區是否屬於某群落」建構2×2列聯表，φ＝(ad－bc)／√[(a＋b)(c＋d)(a＋c)(b＋d)]，值域為－1至1；0表示無關聯，接近1表示物種與該群落高度共現，接近－1表示回避。優點為對稱、可跨群落比較並可檢定顯著性；缺點為對稀有種與樣本量敏感，小樣本易高估關聯強度。
- 四、Indicator value（IndVal）：由Dufrêne與Legendre（1997）提出，IndVal＝100×A×B；A為專一性（該物種個體數在各群落間的平均比例），B為忠誠度（該物種出現的樣區比例），取各群落最大值，並以隨機置換檢定（permutation test）判斷顯著性。優點為同時納入豐度與出現率、具統計檢定；缺點為需足夠樣區數，對稀有种與樣區大小設定不穩定。
- 五、比較與應用：BB法屬定性分級、直觀但主觀性高；φ為對稱關聯係數，適合群落間比較；IndVal兼具量度與統計檢定，為目前主流。三者對「忠誠」的定義不同（出現率、共現關聯、專一性乘忠誠度），建議並用並相互驗證；同時須以足夠樣本、相同樣區面積與一致調查強度為前提，避免僅憑單一指標即認定指示種。
森林生態學中兩族群的相互作用可表示為九種組合的關係，其中涉及正
向作用及負向作用，請說明該兩種作用的意義以及兩族群九種組合關係
的相互作用。（25 分）
參考解答（AI 生成，非官方）
- 一、正向作用（positive interaction）指一方或雙方因對方存在而獲得利益（＋），如提供棲地、遮蔽、授粉、固氮或資源補貼；負向作用（negative interaction）指一方或雙方因對方而受害（－），如資源競爭、捕食、寄生或毒他作用。以（＋、－、0）的組合可將兩族群關係系統化為九類，0代表無明顯影響。
- 二、中性作用（neutralism，0,0）：雙方均無明顯得失，如生態區位差異大、資源不重疊的兩種森林鳥類。偏利共生（commensalism，＋,0）：一方得利、另一方無影響，如附生植物（epiphyte）著生於喬木、藤本攀附樹幹，或鳥類利用樹洞築巢。偏害／拮抗作用（amensalism，0,－）：一方受害、另一方無感，如樟樹等分泌毒他物質（allelopathy）抑制林下草本，或大型草食獸踐踏地被。
- 三、互利共生（mutualism，＋,＋）：雙方相互依存、缺一不可，如菌根菌（mycorrhiza）與林木根系、豆科植物與根瘤菌、榕樹與榕小蜂。原始合作（protocooperation，＋,＋）：雙方受益但非必然依存，如鳥類或哺乳類取食果實並傳播種子、螞蟻與蜜腺植物。兩者符號相同，差別在於專一性與依存程度，為九組合中常被併列說明者。
- 四、競爭作用（competition，－,－）：兩族群爭奪光、水、養分與空間，如不同樹種幼苗在冠層孔隙中競爭，或引入種與原生種競爭。可用Lotka-Volterra競爭模型、生態區位分化與競爭排除原則說明；森林經營上常以疏伐、密度控制與混植調節競爭強度，避免單一優勢種排除他種。
- 五、捕食（predation，＋,－）：如鳥類捕食昆蟲、草食獸取食葉片與果實；寄生（parasitism，＋,－）：如槲寄生（mistletoe）、小蠹蟲（bark beetle）與林木，擬寄生（parasitoid）介於兩者之間。九類關係之正負號常隨密度、環境與生活史階段改變，且間接效應（如營養級聯）不易由單一配對判定，須以長期監測與操控實驗驗證，並據以擬定保育與經營策略。
假設一個山坡地有森林（forest）、草地（grass）、崩裸地（bareland）等三
種地類，在三個不同時間點監測得到的地類面積紀錄如下表。您為生態
評估者，請解讀並說明資料表內各項數據所反映的極端氣候事件造成地
類變動的情況，（10 分）以計算並說明該山坡地森林的抗擾動能力
（Resistance）、恢復力（Recovery）、以及韌性（Resilience）。（15 分）
註解：表中符號
表示「地類的變動方向」，端點及箭頭位於同一行
（row），代表相鄰兩個時間點地類沒有改變，相對的，端點及箭
頭在不同地類者，表示從端點地類改變為箭頭方向的地類。
參考解答（AI 生成，非官方）
- 一、題目所稱之地類面積紀錄表於本題並未實際附上，屬題目資料缺漏，無法得出唯一數值。考生作答時應先說明：解讀須先建立三期（t1、t2、t3）之轉移矩陣（transition matrix），列為起點地類、行為終點地類，矩陣元素為面積或比例；對角線代表未變動（端點與箭頭同列），非對角線代表地類轉換，據以判讀極端氣候事件（如豪雨、崩塌、乾旱）造成之變動方向與規模。
- 二、資料表解讀要領：先看乾擾期（t1至t2）非對角線元素，若崩裸地面積明顯增加、森林與草地轉出至崩裸地，表示事件以崩塌、沖蝕為主；再看回復期（t2至t3），若崩裸地轉回草地或森林，表示植群逐步回復。並應區分「淨變化」與「總轉移量」，後者以非對角線元素加總衡量擾動強度，避免淨值掩蓋同時雙向轉換。
- 三、抗擾動能力（Resistance）公式：R＝1－(D／D0)，D為事件造成之森林面積減少量，D0為事件前森林面積；或以R＝S_t2／S_t1表示留存比例，值愈接近1代表愈能抵抗擾動。若採相對損失率LR＝(S_t1－S_t2)／S_t1，則R＝1－LR。由於表中數值缺漏，僅能列出公式與步驟，無法算出數值。
- 四、恢復力（Recovery）公式：Rec＝(S_t3－S_t2)／(S_t1－S_t2)，即回復期回補面積占損失面積之比例，值域0至1，大於1表示超越原狀；亦可換算為回復時間（return time）。韌性（Resilience）通常指系統受擾後回復原狀態之能力與速率，可表示為Rec除以回復所需時間，Rec＝(S_t3－S_t2)／(t3－t2)再標準化，或以回復速率常數k配合指數回復模型S(t)＝S_t1－(S_t1－S_t2)e^(－k(t－t2))估算。
- 五、判定規則與限制：R高、Rec高、回復時間短者，韌性最佳；R低但Rec高者屬「易受擾但可回復」；R高而Rec低者可能長期停留在替代狀態（alternative state）。另須注意面積守恆、地類定義一致性、監測間隔長短與尺度效應，且面積資料無法反映林分品質與生物多樣性，宜輔以樣區調查。因題目資料缺漏，無法得出唯一數值，作答時應明確標示假設與計算流程。
為森林生態保育業務需求，主管機關需要繪製森林植群高度空間資訊地
圖。你身為負責官員，請說明可以取得植群種類與高度資訊的科技及其
理論邏輯，（10 分）以及基本的資料處理或分析方法及注意事項，以滿
足資訊應用的需求目標。（15 分）
參考解答（AI 生成，非官方）
- 一、植群種類與高度資訊的取得，主要結合「光譜」與「三維結構」兩類遙測。種類資訊靠多光譜（multispectral）或高光譜（hyperspectral）影像，依葉片色素、水分與細胞結構造成之特徵光譜（spectral signature）差異，配合植生指數（如NDVI）進行分類；高度資訊靠光達（LiDAR）或影像立體視差，取得點雲（point cloud）後計算冠層高度。
- 二、科技與理論邏輯：空載或無人機光達（airborne／UAV LiDAR）以雷射脈衝往返時間測距，取得地表與樹冠之三維點雲，將數位表面模型（DSM）減去數位地形模型（DTM）得冠層高度模型（CHM, canopy height model）。UAV 攝影測量以運動恢復結構（SfM）與多視角立體視覺（multi-view stereo）重建點雲；衛星光學（如 Sentinel-2）提供大範圍種類分類，星載光達（如 GEDI）提供冠層高度樣本；合成孔徑雷達（SAR）具穿透雲霧能力，可輔助結構資訊。
- 三、種類辨識理論：以野外樣區調查建立訓練樣本（training samples），擷取光譜、紋理（texture）、地形與高度特徵，採監督式分類如隨機森林（random forest）、支持向量機（SVM）或卷積神經網路（CNN），輸出植群型圖；高度則由CHM統計值（平均、最大、百分位高度）與單木分割（individual tree crown delineation）取得樹高與冠幅。
- 四、資料處理與分析流程：先做輻射校正、大氣校正與幾何校正，統一座標系統（如TWD97／TM2）與網格解析度；再進行點雲濾除（ground filtering）、內插產生DTM／DSM、計算CHM，並以移動窗口或分水嶺法（watershed）分割樹冠；最後以混淆矩陣（confusion matrix）、整體精度、Kappa係數評估分類，以RMSE評估樹高，並與地面樣區比對。
- 五、注意事項與應用：坡度陡峻、陰影遮蔽與點雲密度不足會造成高度低估；季節、物候與雲霧影響光譜穩定性，宜於同一物候期取像；需注意座標與高程基準一致、分類類別定義明確、樣本代表性與空間自相關；並須遵守遙測與無人機飛航法規、個資與林地權屬限制。成果可製作植群型圖、冠層高度圖與生物量推估，供森林生態保育、棲地評估與經營規劃使用。