土地利用變遷為時間、空間及人類活動等交互作用所形成，人類活動會影響環境的變化，人與土地的關係十分緊密；工業革命後，隨著科技、醫療的進步，人類活動的影響已漸漸地改變了原本平衡的狀態。近年來氣候變遷對自然環境與社會經濟產生負面的影響，此為人類與環境互動所產生潛在的後果，而氣候變遷的影響越來越劇烈，極端災變的發生頻率增加，進而影響到人類的活動狀態。
針對未來氣候變化的影響，土地利用變化時常被忽略，了解土地受到人類活動影響後所造成的變化，對未來的土地利用所造成的變化是否會加劇災害的規模，因此了解未來土地利用變化，進行未來土地利用變遷模擬為必要工作。土地利用變化與自然災害發生具關聯性本研究將透過土地利用變遷與風險指標的選擇與推估，檢視都市未來在面對氣候災變時的調適能力。
本研究將以新竹地區做為研究區域，藉由DPSIR模型建立與IPCC AR5中氣候風險的因子相關的指標作為土地利用變遷驅動因子，並將研究地區分割為20M*20M之網格，透過TerrSet軟體模擬未來年期新竹市土地利用型態，透過模擬的結果檢視調適能力。

Land use change is formed by the interaction of time, space and human activities. Human activities will affect environmental changes, and the relationship between people and land is very close. After the industrial revolution, with the advancement of science and technology and medical care, the impact of human activities has gradually changed its original equilibrium state. In recent years, climate change has had a negative impact on the natural environment and social economy. This is a potential consequence of the interaction between humans and the environment. The impact of climate change is becoming more and more severe, and the frequency of extreme disasters is increasing, which in turn affects human activities. state.
Regarding the impact of future climate change, land use changes are often ignored. It is necessary to understand the changes caused by the impact of human activities on the land and whether the changes caused by future land use will aggravate the scale of disasters. Therefore, it is necessary to understand future land use changes and conduct Simulation of future land use changes is necessary. Land use changes are related to the occurrence of natural disasters. This study will examine the city's future adaptability in the face of climate disasters through the selection and estimation of land use changes and risk indicators.
This study will use the Hsinchu area as the research area. Use the DPSIR model to establish indicators related to climate risk factors in IPCC AR5 as driving factors for land use change. The study area will be divided into 20m*20m grids. By using TerrSet simulates the land use pattern of Hsinchu City in the future , and examines the adaptability through the simulation results.

一、中文文獻
1.內政部營建署(2013)。土地使用領域行動方案102-106 年。檢自：https://ws.ndc.gov.tw/Download.ashx?u=LzAwMS9hZG1pbmlzdHJhdG9yLzEwL3JlbGZpbGUvNTU2Ni83MDkxLzAwNjA2OTBfNC5wZGY%3D&n=NC7lnJ%2FlnLDkvb%2FnlKjpoJjln5%2FooYzli5XmlrnmoYgtMTAzMDUucGRm&icon=..pdf
2.王路晰（2021）。整合脆弱度於社會-生態的生產地景韌性之評估。國立臺北大學不動產與城鄉環境學系碩士論文，新北市。
3.江皇宋（2019）。臺北市永續發展指標之研究。國立臺北大學自然資源與環境管理研究所在職專班碩士論文，新北市。
4.江立揚（2019）。應用系統思維探討整體開發之洪災脆弱度評估—以桃園航空城計畫為例。國立臺北大學都市計劃研究所碩士論文，新北市。
5.行政院經濟建設委員會(2012)。國家氣候變遷調適政策綱領。檢自： https://www.ndc.gov.tw/cp.aspx?n=5E865E40CA33E974&upn=5A6FC15150F6BF01
6.李永展（2016）。脆弱度、回復力與生態足跡之鏈結：雲林縣之實證研究（E10255）【原始數據】取自中央研究院人文社會科學研究中心調查研究專題中心學術調查研究資料庫。doi:10.6141/TW-SRDA-E10255-1
7.李岑晏(2022)。自動駕駛技術於交通行動服務應用下之城市空間可及性暨公平性研析。國立成功大學都市計劃學系研究所碩士論文，臺南市。
8.李竑逸(2020)。氣候變遷下離島土地調適環境效率評估之研究：以金門縣為例。國立清華大學環境與文化資源學系所碩士論，新竹市。
9.李曉雲(2020)。新北市環境認證指標與永續發展關係探討。國立臺灣大學工學院環境工程研究所碩士論文，臺北市。
10.柳文成、陳志鴻、涂芹嬌、蔡萬春、吳澄維、卓昱宏（2013）。都市區域洪水減災調適策略之研究。內政部建築研究所委託研究報告。
11.林庭逸（2018）。以多尺度觀點建構流域之水災風險評估準則系統─以基隆河流域為例。國立臺北大學都市計劃研究所碩士論文，新北市。
12.秦寂梅(2022)。沿海高風險區後撤性調適策略對洪災風險變遷之影響—以嘉義縣東石鄉與布袋鎮為例。國立成功大學都市計劃學系研究所碩士論文，臺南市。
13.張力方（2014）。都市脆弱度的空間分析與能值評估-以台灣西海岸平原洪災為例。國立臺北大學都市計劃研究所博士論文，新北市。
14.張政亮(2006)。馬可夫鏈模型(Markov Chain Model)在地理學研究之運用。國教新知，53(1)，72-86。
15.張政亮、張瑞津(2006)。運用馬可夫鏈模型與細胞自動機理論模擬植生復育之研究：以九九峰地區為例。地理研究，45。
16.陳又寧（2016）。郵輪停靠對港口城市的影響-以基隆港為例。國立交通大學運輸與物流管理學系碩士論文，新竹市。
17.陳建元、游繁結、羅俊雄、陳添建、李文正(2005)。細胞自動機的介紹及其在土石流災害模擬的初步應用。中華水土保持學報，36(3)，293-300。
18.陳婕雯（2018）。土地利用變遷與洪水調節服務功能之關係時空變化研究。國立臺北大學都市計劃研究所碩士論文，新北市。
19.陳瑞玲、吳杰穎、林文苑、林建宏（2014）。都市洪災脆弱度因子與都市規劃防範策略之探討。臺灣建築學會「建築學報」，89 ，75~92 。
20.莊子逸（2014）。整合模糊德爾菲法與模糊層級分析法評估淹水災害風險 -以宜蘭縣為例。國立宜蘭大學土木工程學系碩士班碩士論文，宜蘭縣。
21.莊喻淳（2019）。運用馬可夫鍊細胞自動機模型模擬土地利用變遷-以鳳山溪流域為例。國立中央大學土木工程學系碩士論文，桃園縣。
22.國家災害防救科技中心(2024)。氣候變遷災害調適策略。檢自：https://dra.ncdr.nat.gov.tw/Frontend/Disaster/StrategyIndex?Category=CountryStrategy
23.鄒克萬、張曜麟(2004)。都市土地使用變遷空間動態模型之研究。地理學報，35、35-51。
24.許耿銘（2017）。都市水患風險脆弱性之初探臺南市空間與非空間因素的分析。政治科學論叢，74，149-192。
25.黃子芩（2021）。探討萎縮都市下的土地使用變遷模式。國立臺北大學都市計劃研究所碩士論文，新北市。
26.湯孔玲（2012）。因應台灣氣候變遷都市建築颱洪災害脆弱度之研究。國立聯合大學建築學系碩士班碩士論文，苗栗縣。
27.曾憲揚（2011）。預防性聯合永續指標建構之研究－以歐盟為例。國立中山大學企業管理學系研究所博士論文，高雄市。
28.新竹市政府(2021)。新竹市國土計畫。檢自：https://urban.hccg.gov.tw/ch/home.jsp?id=3&parentpath=&mcustomize=announcement_view.jsp&toolsflag=Y&dataserno=202104280009&t=Announcement&mserno=201601300009
29.詹昀潔（2014）。都市化對都市脆弱度影響之分析—以台北都會區1971年~2011年之洪災為例。國立臺北大學都市計劃研究所碩士論文，新北市。
30.劉家彤(2018)。探討都市土地使用型態與淹水潛勢之空間關聯-以原臺中市為例。國立臺北大學都市計劃研究所碩士論文，新北市。
31.趙益群、李欣輯、陳永明、陳俊哲、許至璁（2020）。土地利用變遷模式建立與災害評估應用測試（NCDR 108-T20）。國家災害防救科技中心。
32.趙益群、李新輯、蕭逸華、陳永明(2023)。土地利用變遷工具於未來都市淹水衝擊之應用研究。中國土木水利工程學刊，35(7)，695-704。
33.蔡綽芳、柳文成、董娟鳴、陳柏翰、陳志鴻(2017)。氣候變遷下減洪規劃應用於都市計畫通盤檢討之探討--以新北市蘆洲都市計畫區為例。臺灣建築學會「建築學報」，99 ，49-71。DOI:10.3966/101632122017030099011
34.閻克勤、蔡宜穎、紀思寧（2014）。影響桃園市陂塘土地利用變遷因素之研究。建築與規劃學報第十五卷，第二/三期，193-214。
35.賴政佑（2017）。颱洪災害脆弱度與調適能力之研究-以台中市為例。逢甲大學都市計畫與空間資訊學系碩士論文，台中市。
36.環境保護署(2021)。氣候風險定義。檢自：https://adapt.epa.gov.tw/TCCIP-1-B/TCCIP-1-B-6.html
37.環境部(2023)。國家氣候變遷調適行動計畫(112-115年)。
38.蘇于婷（2015）。應用DPSIR理論建立濕地永續管理策略- 以彰濱濕地為例。東海大學環境科學與工程學系碩士論文，台中市。
39.顧嘉安（2010）。以馬可夫鍊細胞自動機模型模擬極端洪水對都市土地利用型態之影響─以台北市為例。國立成功大學都市計劃學系碩博士班碩士論文，台南市。

二、英文文獻
1.Areu-Rangel, O. S., Cea, L., Bonasia, R., & Espinosa-Echavarria, V. J. (2019). Impact of Urban Growth and Changes in Land Use on River Flood Hazard in Villahermosa, Tabasco (Mexico). Water, 11(2). https://doi.org/10.3390/w11020304
2.Arsanjani, J. J., Helbich, M., Kainz, W., & Boloorani, A. D. (2013). Integration of logistic regression, Markov chain and cellular automata models to simulate urban expansion. International Journal of Applied Earth Observation and Geoinformation, 21, 265-275.
https://doi.org/10.1016/j.jag.2011.12.014
3.Avashia , V., & Garg, A . (2020). Implications of Land Use Transitions and Climate Change on Local Flooding in Urban Areas: An Assessment of 42 Indian Cities. Land Use Policy, 95. https://doi.org/10.1016/j.landusepol.2020.104571
4.Behera, M. D., Borate, S. N., Panda, S. N., Behera, P. R., & Roy, P. S. (2012). <Modelling and analyzing the watershed dynamics using Cellular Automata (CA) Markov model-A geo-information based approach. Journal of Earth System Science, 121(4), 1011-1024.
5.Chan, K. Y., Abu-Salih, B., Qaddoura, R., Al-Zoubi, A. M., Palade, V., Pham, D.-S., Ser, J. D., & Muhammad, K. (2023). Deep neural networks in the cloud: Review, applications, challenges and research directions. Neurocomputing, 545. https://doi.org/10.1016/j.neucom.2023.126327
6.Clegg, G., Dias, N., Amaratunga, D., Haigh, R., & Panda, A. (2019). Integration of CCA and DRR for flood resilience: A review of good practices in the United Kingdom. UNITED NATIONS OFFICE FOR DISASTER RISK REDUCTION (UNDRR)
7.Dzoga, M., Simatele, D. M., Munga, C., & Yonge, S. (2020). Application of the DPSIR Framework to Coastal and Marine Fisheries Management in Kenya. Ocean Science Journal, 55(2), 193-201.
https://doi.org/10.1007/s12601-020-0013-y
8.Ehara, M., Hyakumura, K., Kurosawa, K., Araya, K., Sokh, H., & Kohsaka, R. (2018). Addressing maladaptive coping strategies of local communities to changes in ecosystem service provisions using the DPSIR framework. Ecological Economics, 149, 226-238.
9.European Environment Agency (1999). Retrieved from https://www.eea.europa.eu/publications/TEC25
10.Feyen, L., J.I. Barredo, & Dankers, R. (2009). Implications of global warming and urban land use change on Flooding in Europe International Urban Water Conference, Heverlee, BELGIUM.
11.Gabrielsen, P., & Bosch, P. (2003). Environmental indicators: typology and use in xiareporting. EEA, Copenhagen.
12.Huang, J., Yang, Y., Yang, Y., Fang, Z., & Wang, H. (2022). Risk assessment of urban rainstorm flood disaster based on land use/land cover simulation. Hydrological Processes, 36(12). https://doi.org/10.1002/hyp.14771
13.Intergovernmental Panel on Climate Change (2014). AR5 Climate Change 2014: Impacts, Adaptation, and Vulnerability. Retrieved from https://www.ipcc.ch/report/ar5/wg2/
14.J. Ronald Eastman.(2016).TerrSet Manual – Geospatial Monitoring and Modeling System. Clark University
15.Landis, J. R., & Koch, G. G. (1977). The Measurement of Observer Agreement for Categorical Data. Biometrics, 33(1), 159-174.
16.Koffi, B., Brou, A. L., Kouadio, K. J. O., Ebodé, V. B., N'Guessan, K. J.-Y., Yangouliba, G. I., Yaya, K., Brou, D., & Kouassi, K. L. (2023). Impact of climate and land use/land cover change on Lobo reservoir inflow, West-Central of Côte d'Ivoire. Journal of Hydrology: Regional Studies, 47. https://doi.org/10.1016/j.ejrh.2023.101417
17.Kong, B., He, B., Nan, X., Deng, W., & Li, A. (2016). The Evaluation of Water Resources Sustainable Utilization in Kosi Basin Based on DPSIR Model. In Geo-Informatics in Resource Management and Sustainable Ecosystem (pp. 537-548). https://doi.org/10.1007/978-3-662-49155-3_56
18.Kristensen, P. (2004). The DPSIR framework.(p. 10). Denmark: National Environmental Research Institute.
19.Lee, Y., & Brody, S. D. (2018). Examining the impact of land use on flood losses in Seoul, Korea. Land Use Policy, 70, 500-509. https://doi.org/10.1016/j.landusepol.2017.11.019
20.Leta, M. K., Demissie, T. A., & Tränckner, J. (2021). Modeling and Prediction of Land Use Land Cover Change Dynamics Based on Land Change Modeler (LCM) in Nashe Watershed, Upper Blue Nile Basin, Ethiopia. Sustainability, 13(7). https://doi.org/10.3390/su13073740
21.Li, X., & Gong, P. (2016). Urban growth models: progress and perspective. Science Bulletin, 61(21), 1637-1650. https://doi.org/10.1007/s11434-016-1111-1
22.Martins, J. H., Camanho, A. S., & Gaspar, M. B. (2012). A review of the application of driving forces – Pressure – State – Impact – Response framework to fisheries management. Ocean & Coastal Management, 69, 273-281. https://doi.org/10.1016/j.ocecoaman.2012.07.029
23.Nguyen, H. D., Fox, D., Dang, D. K., Pham, L. T., Viet Du, Q. V., Nguyen, T. H. T., Dang, T. N., Tran, V. T., Vu, P. L., Nguyen, Q.-H., Nguyen, T. G., Bui, Q.-T., & Petrisor, A.-I. (2021). Predicting Future Urban Flood Risk Using Land Change and Hydraulic Modeling in a River Watershed in the Central Province of Vietnam. Remote Sensing, 13(2). https://doi.org/10.3390/rs13020262
24.Oliveira de Barros, K., Alvares Soares Ribeiro, C. A., Marcatti, G. E., Lorenzon, A. S., Martins de Castro, N. L., Domingues, G. F., Romario de Carvalho, J., & Rosa Dos Santos, A. (2018). Markov chains and cellular automata to predict environments subject to desertification. J Environ Manage, 225, 160-167. https://doi.org/10.1016/j.jenvman.2018.07.064
25.Parker, D. C., Manson, S. M., Janssen, M. A., Hoffmann, M. J., & Deadman, P. (2008). Multi-Agent Systems for the Simulation of Land-Use and Land-Cover Change: A Review. Annals of the Association of American Geographers, 93(2), 314-337. https://doi.org/10.1111/1467-8306.9302004
26.Patrício, J., Elliott, M., Mazik, K., Papadopoulou, K.-N., & Smith, C. J. (2016). DPSIR—Two Decades of Trying to Develop a Unifying Framework for Marine Environmental Management? Frontiers in Marine Science, 3. https://doi.org/10.3389/fmars.2016.00177
27.Pontius, R. G. (2000). Quantification Error Versus Location Error in comparison of categorical maps. PHOTOGRAMMETRIC ENGINEERING & REMOTE SENSING, 66, 1011-1016.
28.Sang, L., Zhang, C., Yang, J., Zhu, D., & Yun, W. (2011). Simulation of land use spatial pattern of towns and villages based on CA–Markov model. Mathematical and Computer Modelling, 54(3-4), 938-943. https://doi.org/10.1016/j.mcm.2010.11.019
29.Waddell, P. (2007). UrbanSim: Modeling Urban Development for Land Use, Transportation, and Environmental Planning. Journal of the American Planning Association, 68(3), 297-314. https://doi.org/10.1080/01944360208976274