網站：https://richliu.github.io/treecrowns/
簡報：https://richliu.github.io/treecrowns/slides/treecrowns.pptx
原始碼：https://github.com/richliu/treecrowns
人類寫的前題
現在文章大部分都由 AI 產生，但重要的事情還是要人類完成。原本主要的發想來源是 【路樹悲歌】中研院研究員揭北市樹冠2年暴減1.3萬棵 市府駁斥：反增1.3萬棵樹，內文提到「根據歐洲太空總署（ESA）的 Sentinel-2 衛星影像計算」，這就給了我靈感：我們長期關注台灣能源議題，能不能拿來計算台灣到底砍了多少樹呢？
這一代的 Opus 5.5 表現很亮眼，很快的就能做出類似的效果，若再給予引導，也知道可以輔佐以其他政府數據證明這個結果是合理的。
至於結果大出意外，其實相對砍樹造光電並不多，2019–2025 年台灣新增約 3,866 公頃的地面型太陽光電（約 149 座大安森林公園），原本是樹林的只有約 94 公頃（2.4%）。定義放到最寬也只有約 220 公頃（不到 6%）。 新增光電大多蓋在農地或低植生（49.5%）和水體（魚塭、鹽田、埤塘，31.1%）上。
但是砍樹種光電這件事因為比較有話題性，所以就很多人會關注，而忽略了農地和水體光電的問題。
以下是 AI 文，但是我加上了自已的想法，不想看的可以跳過
為什麼想做這件事
「光電砍樹」是這幾年常常吵的話題。新聞上看得到幾個怵目驚心的案例，但到底全台加起來砍了多少，一直沒有一個可以重現的數字。
我的想法很單純：
- 衛星每隔幾天就拍一次台灣，影像是公開的。
- 樹冠在衛星影像上很好認（植生指數高）。太陽能板也有自己的光譜特徵。
- 那就逐年把「哪裡是樹」「哪裡是太陽能板」畫出來，再看每塊太陽能板蓋之前是什麼。
方法參考農業部農村發展及水土保持署 BigGIS 的〈Sentinel-2 影像變異分析〉：它用 NDVI、陰影、綠度的決策樹找山坡地的地表變異。我拿同一套思路，加上太陽能板的辨識規則，把範圍擴大到全台，時間拉到 2017–2025。
先講單位：「公頃」是多大？
做完第一版之後才發現，報表上寫「ha」一般人根本看不懂。所以全文都用公頃，也附上比較：
| 1 公頃等於 | |
|---|---|
| 面積 | 10,000 平方公尺（100 m × 100 m） |
| 坪 | 約 3,025 坪 |
| 甲 | 約 1.03 甲 |
| 足球場 | 約 1.4 個標準足球場 |
| 大安森林公園 | 約 26 公頃一座 |
Sentinel-2 一個像素是 10 m × 10 m，也就是 100 個像素 = 1 公頃。
資料來源
| 資料 | 用途 |
|---|---|
| Copernicus Sentinel-2 L2A（ESA），透過 AWS Open Data / Element84 Earth Search STAC | 主要影像，10 m 解析度，2017–2025 |
| 農村發展及水土保持署 BigGIS | 分類方法參考；115 年度山坡地範圍圖 |
| 林業及自然保育署 國有林事業區圖 | 看光電有沒有蓋進國有林 |
| 經濟部能源署 太陽光電案場地號、同意備案、再生能源裝置容量 | 驗證 |
| Copernicus DEM GLO-30 | 推估坡度（六都山坡地圖沒有開放下載） |
| 國土測繪中心 正射影像 / 電子地圖 | 網站底圖 |
| taiwan-atlas | 縣市、鄉鎮界 |
全部都是公開資料。
怎麼做的
1. 下載與年度去雲合成
台灣上空雲很多，單張影像幾乎沒辦法用。所以每個 MGRS 圖幅（100 km × 100 km）每年取雲量最低的 15 景，用 L2A 內附的場景分類圖（SCL）把雲和雲影遮掉，再逐像素取中位數，得到一張「這一年的典型樣子」。
細節：
- 全台加離島要 22 個圖幅（51Q/51R 主體，加上 50Q/50R 澎湖、金門、馬祖）。
- 2022 年起 ESA 的處理基準（baseline 04.00）多了反射率偏移，要先扣掉，不然前後年份會對不上。
- 只用 SCL 遮雲不夠乾淨，所以又加一條「藍光反射率 > 0.15 視為霧霾」的規則。但這條規則會把很亮的屋頂也當成雲遮掉，在地圖上變成一個個洞。所以改成：該像素整年都沒有乾淨觀測時，退回只用 SCL。
- 合成時每 2048 × 2048 像素切一塊，和 COG 的 1024 區塊對齊，避免同一塊資料被讀兩次。
下載有多慢？ 9 年 × 22 圖幅、每年 15 景、每景好幾個波段，合成結果大約 28 GB（原始讀取量是好幾倍）。一開始以為是被限制單一 IP，實測後發現瓶頸是延遲：主機到 AWS us-west-2 的 RTT 約 166 ms，單一連線很慢。開到 128 條並行連線可以跑到約 121 MB/s；最後用 32 執行緒、兩個年份同時跑，大約 85 MB/s。結論是多開執行緒就好，不需要多個 IP。
2. 分類
每一年、每個像素分成六類：
| 類別 | 規則（簡化） |
|---|---|
| 樹冠 | 全年 NDVI 中位數 > 0.70，且第 25 百分位數 > 0.60（一整年都綠，才不會把作物算進來） |
| 太陽能板 | NDVI < 0.2、(B11−B8)/(B11+B8) > 0.3、藍光比紅光亮、近紅外暗、短波紅外 > 0.12；做形態學閉運算，面積 ≥ 20 像素（0.2 公頃） |
| 水體 | MNDWI > 0.1 且 NDVI < 0.1 |
| 陰影 | 很暗的像素（山的背光面） |
| 低植生 / 農地 | 有植生但不到樹冠門檻 |
| 裸露地 / 建物 | 其餘 |
調整的過程：
- BigGIS 原本的陰影指數（SI）在年度合成影像上很不穩，最後改成簡單的暗像素規則。
- 樹冠門檻一開始設 0.6，會把很多水稻、甘蔗田算成樹，後來提高到 0.70 / 0.60。
- 太陽能板的規則用台南七股、彰濱的已知案場校正。早期版本把水庫的深色水面誤判成浮動式光電，加了「短波紅外 > 0.12」才排除。
3. 逐像素時間序列
以 2018 年為基準年（2017 只有 Sentinel-2A 一顆衛星，觀測太少、樹冠低估，所以只當參考），對每個像素看 2018–2025 的類別序列：
- 完工年：第一次被判為太陽能板，而且隔一年還是（避免單年誤判）。
- 前身：看完工前各年的類別：
- 過半年份是樹冠 → 樹林
- 至少 1/3 年份是水體 → 水體
- 其他的看農地 / 低植生和裸露地哪個多（平手算農地）
4. 外部資料套疊與驗證
- 能源署公布的案場只有地號沒有座標，國土測繪中心的定位服務只能查門牌、查不了地號，所以沒辦法做逐案場比對，只能以鄉鎮為單位比對。
- 山坡地：非六都用官方範圍圖。六都沒有開放下載，就用 DEM 算坡度推估（和官方圖比對的精確率 0.60、召回率 0.85）。
- 國有林事業區：直接套疊。
5. 發佈
- Python（rasterio、numpy、geopandas）做分析，Jinja2 產生靜態網站。
- 前端全用現成套件：Bootstrap 5、Leaflet（地圖）、Chart.js（圖表）、simple-datatables（表格）。
- 地圖圖磚預先切成 XYZ PNG（z7–13），整個網站是靜態檔案，放在 GitHub Pages。
- 簡報用 pptxgenjs 從同一份統計數字產生，數字更新後重跑就好。
結果
新增太陽能板，蓋之前是什麼？
| 蓋之前是 | 面積 | 佔新增 | 約幾座大安森林公園 |
|---|---|---|---|
| 農地 / 低植生 | 1,912 公頃 | 49.5% | 74 |
| 水體（魚塭 / 鹽田 / 埤塘） | 1,201 公頃 | 31.1% | 46 |
| 裸露地 / 建物 | 659 公頃 | 17.0% | 25 |
| 樹林（砍樹光電） | 94 公頃 | 2.4% | 3.6 |
| 合計 | 3,866 公頃 | 149 |
另外，2018 年時就已經有約 180 公頃的光電。
每年新增
| 年份 | 2019 | 2020 | 2021 | 2022 | 2023 | 2024 | 2025 |
|---|---|---|---|---|---|---|---|
| 新增光電（公頃） | 272 | 218 | 652 | 584 | 706 | 720 | 714 |
| 其中原為樹林 | 0.4 | 1.1 | 7.2 | 44.6 | 10.1 | 8.0 | 22.8 |
2021 年後明顯加速，和全國累計裝置容量的成長同步。砍樹光電的高峰在 2022 年。
縣市
新增光電最多的是台南（1,237 公頃）、彰化（754）、嘉義縣（478）、雲林（380）、高雄（315）、屏東（271），大多是西南沿海的農地和魚塭。彰化的新增光電有三分之二蓋在水體上（漁電共生）。
砍樹光電則非常集中：花蓮約 38 公頃、屏東約 35 公頃，兩縣合計佔了 3/4。花蓮主要在鳳林、光復一帶的平地造林地，不是山坡地。
衛星前後對照
花蓮：平地造林 → 光電
| 2018 | 2025 |
|---|---|
 |  |
彰濱：水體 → 光電
| 2018 | 2025 |
|---|---|
 |  |
台南七股：農地 / 鹽田 → 光電
| 2018 | 2025 |
|---|---|
 |  |
山坡地與國有林
- 新增光電中，落在山坡地的有 394 處、約 225 公頃，其中原為樹林的約 18 公頃。
- 原為樹林的 94 公頃裡，約 76 公頃在平地。
- 落在國有林事業區內的有 20 處、約 30 公頃，原為樹林的只有 1.5 公頃，大部分原本是草生地或農地。
追問：會不會「先砍樹、放幾年、再蓋光電」？
很合理的質疑。上面的「砍樹光電」規則是「完工前過半年份是樹」。如果有人 2019 年砍樹，讓地空著到 2024 年才蓋光電，完工前的 6 年裡只有 1 年是樹，就不會被算進去。
所以我又把每個新增光電像素完工前的完整序列拿出來，分成幾層：
| 類型 | 說明 | 面積 | 累計 | 佔新增 |
|---|---|---|---|---|
| 完工前多數年份是樹 | 原本的定義 | 94 公頃 | 94 | 2.4% |
| 先砍樹、空窗多年再蓋 | ≥ 2 年是樹，之後到完工都不是樹 | 33 公頃 | 127 | 3.3% |
| 2018 年以前就已砍除 | 分析期間從沒是樹，但 2017 參考年是樹 | 17 公頃 | 144 | 3.7% |
| 只有 1 年被判為樹 | 證據薄弱，可能是分類雜訊 | 77 公頃 | 220 | 5.7% |
一些觀察：
- 「先砍樹再蓋」的空窗大多是 3–6 年。
- 空窗期間地面多半是低植生（59%），也就是長草，不是一直光禿禿的；其次是裸露地 / 建物（24%）。
- 不是每一塊都是「為了光電砍樹」。例如桃園這塊：2018 年是樹林，2020 年清除，2022 年蓋了工廠，2024 年工廠屋頂裝上光電。樹是因為蓋工廠被砍的，光電只是後來加上的。
| 2018 樹林 | 2020 清除 | 2022 工廠 | 2024 屋頂光電 |
|---|---|---|---|
 |  |  |  |
所以就算用最寬鬆的算法，砍樹光電也不到新增光電的 6%。
「樹」的定義也會影響數字
| 「樹」的定義 | 新增光電中原為此類 |
|---|---|
| 嚴格樹冠（本研究主要定義） | 約 88 公頃 |
| 寬鬆木本（含果園、檳榔、竹林） | 約 180 公頃 |
| 任何植被（含農作物） | 約 405 公頃 |
如果把果園、檳榔、竹林都算成「樹」，數字大約翻倍，但仍然只佔新增光電的 5% 左右。
可信度：和官方資料對得起來嗎？
- 能源署 419 個電業級案場（土地面積 6,685 公頃、3,987 MW），以鄉鎮為單位和衛星偵測面積比較，相關係數 r = 0.79。
- 衛星偵測到的新增光電，88% 落在有官方案場的鄉鎮。
- 每年偵測到的光電面積成長，和全國累計裝置容量的成長趨勢一致。
- 偵測面積約為官方案場土地面積的 46%。一部分是官方面積含整筆地號（周邊道路、空地），一部分是 10 m 解析度看不到小案場。
研究限制
說清楚這份分析做不到什麼：
- 只看得到地面型、0.2 公頃以上的案場。 10 m 解析度看不到屋頂型和小型案場，所以光電面積是下限。
- 「樹」怎麼定義會影響結果。 所以另外提供寬鬆定義和路徑分析的範圍（94–220 公頃）。
- 「農地 / 低植生」是很大的一類，可能包含草生地、海埔地、長藻的魚塭，不一定是正在耕作的農地。
- 2017 年資料品質較差（只有一顆衛星），只當參考。2025 年的新案場要等 2026 年才能確認，目前可能低估。
- 衛星看不到砍樹的原因。 是為了光電、為了蓋工廠、還是林木本來就到了採伐期，影像上分不出來。
- 官方案場沒有座標，只能做鄉鎮層級的驗證，沒辦法逐案場核對。六都的山坡地用 DEM 推估。
結論
- 2019–2025 年新增約 3,866 公頃地面型光電（約 149 座大安森林公園），2021 年後明顯加速。
- 主要蓋在農地 / 低植生（約一半）和水體（約三成）上，漁電共生的比例很高，特別是彰化、台南、嘉義。
- 原為樹林的約 94 公頃（2.4%）；把「先砍樹、放幾年再蓋」和證據較弱的情況都算進去，最多約 220 公頃，不到 6%。
- 砍樹光電集中在花蓮和屏東的平地造林地，不是普遍發生在山坡地。
- 光電砍樹的案例確實存在，值得個別檢討。但從全台的尺度來看，光電用地的主要議題是農地和漁塭，不是森林。
工具與開源
- 衛星影像：Sentinel-2 L2A（AWS Open Data、Element84 Earth Search STAC）
- 分析：Python、rasterio、GDAL、numpy、scipy、geopandas、pystac-client
- 網站：Jinja2、Bootstrap 5、Leaflet、Chart.js、simple-datatables，部署在 GitHub Pages
- 簡報：pptxgenjs
- 開發過程用 Claude Code 協助撰寫與除錯程式
所有程式、統計數字（JSON）和重現步驟都在 GitHub。歡迎挑錯。
本文為實驗性分析，數據僅供參考。
發佈留言