請用此 Handle URI 來引用此文件：
http://tdr.lib.ntu.edu.tw/jspui/handle/123456789/53740完整後設資料紀錄
| DC 欄位 | 值 | 語言 |
|---|---|---|
| dc.contributor.advisor | 廖國偉(Kuo-Wei Liao) | |
| dc.contributor.author | Rong-Jing Ju | en |
| dc.contributor.author | 朱容敬 | zh_TW |
| dc.date.accessioned | 2021-06-16T02:28:40Z | - |
| dc.date.available | 2022-08-31 | |
| dc.date.copyright | 2020-09-16 | |
| dc.date.issued | 2020 | |
| dc.date.submitted | 2020-08-12 | |
| dc.identifier.citation | [1] Al-Homoud, A. S., and Tahtamoni, W. W. (2000). Reliability analysis of three-dimensional dynamic slope stability and earthquake-induced permanent displacement. Soil Dynamics and Earthquake Engineering, 19(2), 91-114. [2] Baek, H. J., Lee, J., Lee, H. S., Hyun, Y. K., Cho, C., Kwon, W. T., ... and Lee, J. (2013). Climate change in the 21st century simulated by HadGEM2-AO under representative concentration pathways. Asia-Pacific Journal of Atmospheric Sciences, 49(5), 603-618. [3] Chaudhari, S. V., and Chakrabarti, M. A. (2012). Modeling of concrete for nonlinear analysis using finite element code ABAQUS. International Journal of Computer Applications, 44(7), 14-18. [4] Chen, H., and Zeng, Z. (2013). Deformation prediction of landslide based on improved back-propagation neural network. Cognitive computation, 5(1), 56-62. [5] Das, B. M., and Sobhan, K. (2010). Principles of Geotechnical Engineering Eighth Edition, SI. USA: Cengage Learning “Halaman ini sengaja dikosongkan. [6] Eberhart, R., and Kennedy, J. (1995). Particle swarm optimization. In Proceedings of the IEEE international conference on neural networks, 4, 1942-1948. Citeseer. [7] Fontan, M., Ndiaye, A., Breysse, D., Bos, F., and Fernandez, C. (2011). Soil–structure interaction: Parameters identification using particle swarm optimization. Computers and Structures, 89(17-18), 1602-1614. [8] Forber, K. J., Ockenden, M. C., Wearing, C., Hollaway, M. J., Falloon, P. D., Kahana, R., ... and Collins, A. L. (2017). Determining the effect of drying time on phosphorus solubilization from three agricultural soils under climate change scenarios. Journal of environmental quality, 46(5), 1131-1136. [9] Gallage, C., Dareeju, B., Trofimovs, J., Wang, L., and Uchimura, T. (2018). Real-time monitoring and failure prediction of a slope due to rainfall-case study. The 9th International Conference on Sustainable Built Environment, Kandy, Sri Lanka. [10] Genikomsou, A. S., and Polak, M. A. (2014). Finite element analysis of a reinforced concrete slab-column connection using ABAQUS. Structures Congress 2014, 813-823. [11] Guzmám, D. A., Mohor, G. S., Taffarello, D., and Mendiondo, E. M. (2017). Economic impacts of drought risks for water utilities through Severity-Duration-Frequency framework under climate change scenarios. Hydrology and Earth System Sciences Discussions, 1-39. [12] Hosseini, M., Naeini, S. A. M., Dehghani, A. A., and Khaledian, Y. (2016). Estimation of soil mechanical resistance parameter by using particle swarm optimization, genetic algorithm and multiple regression methods. Soil and Tillage Research, 157, 32-42. [13] Huggel, C., Clague, J. J., and Korup, O. (2012). Is climate change responsible for changing landslide activity in high mountains? Earth Surface Processes and Landforms, 37(1), 77-91. [14] Jafarzadeh, F., Shahrabi, M. M., and Jahromi, H. F. (2015). On the role of topographic amplification in seismic slope instabilities. Journal of Rock Mechanics and Geotechnical Engineering, 7(2), 163-170. [15] Jakob, M., and Lambert, S. (2009). Climate change effects on landslides along the southwest coast of British Columbia. Geomorphology, 107(3-4), 275-284. [16] Jennings, P., and Grennan, R. (2019). Assessment of slope failure and engineering behaviour of raised marine deposits of the River Clyde, Scotland. The XVII European Conference on Soil Mechanics and Geotechnical Engineering Reykjavik Iceland. [17] Jimenez‐Martinez, J., Smith, M., and Pope, D. (2016). Prediction of groundwater‐induced flooding in a chalk aquifer for future climate change scenarios. Hydrological Processes, 30(4), 573-587. [18] Khalili, A., Jha, R., and Samaratunga, D. (2017). The Wavelet Spectral Finite Element-based user-defined element in Abaqus for wave propagation in one-dimensional composite structures. Simulation, 93(5), 397-408. [19] Kim, H. G., Lee, D. K., Park, C., Kil, S., Son, Y., and Park, J. H. (2015). Evaluating landslide hazards using RCP 4.5 and 8.5 scenarios. Environmental earth sciences, 73(3), 1385-1400. [20] Kim, H. I., Keum, H. J., and Han, K. Y. (2019). Real-time urban inundation prediction combining hydraulic and probabilistic methods. Water, 11(2), 293. [21] Kirschbaum, D., Kapnick, S. B., Stanley, T., and Pascale, S. (2020). Changes in extreme precipitation and landslides over High Mountain Asia. Geophysical Research Letters, 47(4), e2019GL085347. [22] Lin, C. Y., and Tung, C. P. (2017). Procedure for selecting GCM datasets for climate risk assessment. Terrestrial, Atmospheric and Oceanic Sciences, 28(1). [23] Malek, Ž., Boerboom, L., and Glade, T. (2015). Future forest cover change scenarios with implications for landslide risk: an example from Buzau Subcarpathians, Romania. Environmental management, 56(5), 1228-1243. [24] Meisina, C., and Scarabelli, S. (2007). A comparative analysis of terrain stability models for predicting shallow landslides in colluvial soils. Geomorphology, 87(3), 207-223. [25] Mohor, G. S., and Mendiondo, E. M. (2017). Economic indicators of hydrologic drought insurance under water demand and climate change scenarios in a Brazilian context. Ecological Economics, 140, 66-78. [26] Muntohar, A. S., and Liao, H. J. (2010). Rainfall infiltration: infinite slope model for landslides triggering by rainstorm. Natural hazards, 54(3), 967-984. [27] Neaupane, K. M. and Achet, S. H. (2004). Use of backpropagation neural network for landslide monitoring: a case study in the higher Himalaya. Engineering Geology, 74(3-4), 213-226. [28] Oussama, L., Driss, O., Ahmed, B., and Driss, H. M. (2019). Particle Swarm Optimization applied to Multi-Reservoir Operating Policy in Inter-Basin Water Transfer System. In 2019 5th International Conference on Optimization and Applications (ICOA), 1-5. IEEE. [29] Sadoghi Yazdi, J., Kalantary, F., and Sadoghi Yazdi, H. (2012). Calibration of soil model parameters using particle swarm optimization. International Journal of Geomechanics, 12(3), 229-238. [30] Shrestha, S., and Lohpaisankrit, W. (2017). Flood hazard assessment under climate change scenarios in the Yang River Basin, Thailand. International Journal of Sustainable Built Environment, 6(2), 285-298. [31] Sidle, R. C. (1992). A theoretical model of the effects of timber harvesting on slope stability. Water Resources Research 28(7): 1897-1910. [32] Smojver, I., and Ivančević, D. (2011). Bird strike damage analysis in aircraft structures using Abaqus/Explicit and coupled Eulerian Lagrangian approach. Composites Science and Technology, 71(4), 489-498. [33] Stark, T. D., and Choi, H. (2008). Slope inclinometers for landslides. Landslides, 5(3), 339-350. [34] Sun, S. K., Li, C., Wu, P. T., Zhao, X. N., and Wang, Y. B. (2018). Evaluation of agricultural water demand under future climate change scenarios in the Loess Plateau of Northern Shaanxi, China. Ecological indicators, 84, 811-819. [35] Uchimura, T., Towhata, I., Wang, L., and Qiao, J. P. (2011). Miniature ground inclinometer for slope monitoring. In Proc. of The 14th Asian Regional Conference on Soil Mechanics and Geotechnical Engineering. [36] Wang, Y., Liu, X., Zhang, Z., and Yang, P. (2016). Analysis on slope stability considering seepage effect on effective stress. KSCE Journal of Civil Engineering, 20(6), 2235-2242. [37] 尹華誠 (2001)。類神經網路在產品「研發階段」可靠度管理模式之建構與分析(碩士論文)。元智大學工業工程與管理學系。 [38] 日本地滑對策技術協會 (1978)。地滑對策技術設計實施要領。1(2)。 [39] 王順正 (2005)。無線區域網路產品的可靠度分析與評估-以IEEE 802.11X基地台為例(碩士論文)。國立交通大學理學院應用科技學程。 [40] 朱英茂 (2016)。傾斜儀的誤差與修正。大地技師期刊，12，28-37。 [41] 宋裕祺、王俊穎 (2015)。結合粒子群演算法與遺傳演算法於斜張橋鋼索預力之最佳化設計。中國土木水利工程學刊，27(1)，1-10。 [42] 张晓永，藏自航 (2010)。应用ABAQUS程序进行渗流稳定作用下边坡稳定分析。岩土力学与工程学报，29(增刊I)，2927-2934。 [43] 林伯勳、胡光復、沈哲緯、辜炳寰、鄭錦桐 (2009)。最佳化方法於工程上之應用。中興工程，103，13-24。 [44] 林雪美 (2004)。臺灣地區近三十年自然災害的時空特性。臺灣師大地理研究報告，41，99-128。 [45] 施虹如、吳亭燁、蘇元風、劉哲欣、李欣輯、陳永明、張志新 (2015)。極端降雨事件下淺層崩塌潛勢衝擊評估分析。工程環境會刊，34，77-96。 [46] 洪念民 (1997)。氣候變遷對大安溪水資源營運之影響(碩士論文)。國立臺灣大學生農業工程學系。 [47] 洪瀾 (2019)。氣候變遷下跨河橋梁可靠度分析-自强大桥为例(碩士論文)。國立臺灣大學生物環境系統工程學系。 [48] 科技部災害管理資訊研發應用平台。氣候變遷情境的挑選依據？科技部網頁文章，網址：http://dmip.tw/Lthree/2017/riskapp/report/1_3.aspx?counted=1 [49] 范正成、張世駿、郭嘉峻、楊智翔、黃建霖 (2016)。氣候變遷衝擊下廣域崩塌災害風險評估及調適策略之研擬―以大甲溪流域為例。臺灣水利，第 64卷，第3期，43-51。 [50] 范正成、楊智翔、張世駿、黃效禹、郭嘉峻 (2013)。氣候變遷對高屏溪流域崩塌潛勢之影響評估。水土保持學報，44(4)，335-350。 [51] 夏园园 (2018)。基于ABAQUS有限元强度折减法的边坡稳定性分析。价值工程，37(31)，190-194。 [52] 苏永华、赵明华、蒋德松、刘晓明 (2006)。响应面方法在边坡稳定可靠度分析中的应用。岩石力学与工程学报，25(07)，1417-1417。 [53] 高健、吳婉玲、李穎 (2005)。拱垻垻肩穩定的可靠度分析。合肥工業大學學報 (自然科學版)，28(8)，905-907。 [54] 崔亮、崔可锐 (2012)。基于ABAQUS对降雨条件下非饱和土坡稳定性的研究。合肥工业大学学报（自然科学版），35(11)，1560-1564。 [55] 張志新、林又青 (2016)。坡地災害風險分級與土地調適策略擬定。災害防救科技與管理學刊，5(1)，73-93。 [56] 張斐章、張麗秋 (2015)。類神經網路導論：原理與應用。臺中市：滄海圖書資訊。 [57] 張嘉玲、陳永、燊魏、逸葳、鄭雅、庭王、文生 (2013)。以倒傳遞類神經網路探討水庫水質與集水區降雨之相關性。農業工程學報，43(4)，56-66。 [58] 陳昭維 (2017)。台9甲10.2K大崩塌安全評估及後續整體調查規劃，行政院農業委員會水土保持局委託之成果報告書 (計畫編號：SWCB-106-236)。臺北市：行政院農委會水土保持局臺北分局。 [59] 陳昭維 (2018)。台9甲10.2K大崩塌安全評估及後續整體調查規劃。行政院農業委員會水土保持局委託之期末報告書 (計畫編號：SWCB-106-236)。臺北市：行政院農委會水土保持局臺北分局。 [60] 陳韋綸 (2015)。跨河橋梁耐洪能力可靠度設計(碩士論文)。國立臺灣科技大學營建工程系。 [61] 陳鴻烈、蔡大偉 (2005)。不同模式之預測能力研究。水土保持學報，37(2)，127-137。 [62] 童慶斌、游保杉、李明旭 (2007)。強化區域水資源永續利用與因應氣候變遷之調適能力(1/2)。臺中市：經濟部水利署水利規劃試驗所。 [63] 費立沅、廖瑞堂(總策畫) (2018)。潛在大規模崩塌之調查及觀測技術手冊。新北市、台北市：經濟部中央地質調查所、青山工程顧問股份有限公司。 [64] 費康、彭劼 (2017)。CAE分析大系-ABAQUS岩土工程實例詳解。中國北京市：人民郵電出版社。 [65] 黃文仁、徐弘明、許中立 (2010)。倒傳遞類神經網路法模擬崩塌滑移特性。坡地防災學報，9(1)，33-42。 [66] 楊道昌、游保杉 (2017)。氣候變遷降雨量情境差異對洪旱衝擊評估(2/2)。經濟部水利署委託之成果報告書(計畫編號：105026)。臺北市：經濟部水利署。 [67] 經濟部水利署 (2014)。水資源領域行動方案(102-106年)。經濟部協助國家氣候變遷調適行動計畫（102-106年），1-29。臺北市：經濟部水利署。 [68] 廖洪鈞、廖瑞堂 (2000)。坡地社區開發安全監測手冊。臺北市：內政部營建署。 [69] 廖國偉 (2018)。以NB-IoT與免控制點位移量測技術進行水土保持設施之安全檢測與評估。行政院農業委員會水土保持局107年度創新研究計畫之成果報告書 (計畫編號：SWCB-106-236)。南投縣：行政院農委會水土保持局。 [70] 福圃輝旗 (1985)。表面移動速度の逆数を用いた降雨による斜面崩壊発生時刻の予測法。地すべり, 22(2), 8-13_1. [71] 谭晓慧、王建国、刘新荣、刘东甲、吴道祥 (2007)。边坡稳定的有限元可靠度计算及敏感性分析。岩石力学与工程学报，26(1)，115-122。 [72] 劉穎蓁 (2012)。應用倒傳遞類神經網路於筆記型電腦維修零件需求預測之研究(碩士論文)。臺中科技大學流通管理系。 [73] 賴忠良 (2005)。滑移型崩積層材料分類及其力學模式-以梨山地滑區為例(碩士論文)。國立交通大學土木工程學系。 | |
| dc.identifier.uri | http://tdr.lib.ntu.edu.tw/jspui/handle/123456789/53740 | - |
| dc.description.abstract | 許多研究指出在氣候變遷影響下，極端氣候事件發生的趨勢是增加的，這將使得坡地災害發生頻率增加，因鮮少研究以邊坡位移作為分析的指標，故本研究以新北市臺9甲線10.2K上邊坡之土石流潛勢溪流區域分析氣候變遷情境下邊坡風險。分析時依據過去青山工程顧問股份有限公司(青山顧問)監測的資料，SB-6的孔位位移甚大，故針對SB-6的孔位的邊坡來進行模擬與分析。2017年底青山顧問設置橫向排水工減輕坡地重量減少崩塌可能性，而在2018年6月以後地下水高降至最低，本研究將基於2018年6月至12月的資料分析氣候變遷之未來情境下的邊坡位移情況。首先利用ABAQUS物理模式進行分析，然而有限元素分析較為耗時費力，故使用倒傳遞類神經網路(Back Propagation Neural Network, BPNN)取代ABAQUS提高模擬的效率，並使用粒子群演算法(Particle Swarm Optimization, PSO)將土壤參數校正為最接近觀測的資料，後續則能利用校正後的土壤參數進行氣候變遷之未來情境的模擬分析。然而因為崩積層組成太過複雜，視為均質來校正誤差太大，發現將土壤層分成22個深度，其校正結果較為良好。另外，因為輸入因子對BPNN有所影響，所以設定3個BPNN輸入模式。3個模式中，第2種模式與第3種模式在氣候變遷之未來情境分析雨量與邊坡位移、地下水高、FS值的關聯性不錯，以及位移跟FS值的關係也合理，特別是第3種模式失效機率的計算也因為較符合觀測情形，較適合做氣候變遷之未來情境的預警模式，所以第3種模式是比較理想的模式。然而無論採用何種模式，氣候變遷之未來情境邊坡位移都比2018年高，但邊坡位移增加的量並不大，不如2017年下半的數值是大於行動值的，而是降至預警值，可推論氣候變遷之未來情境該處崩積層在自然狀況，發生立即嚴重崩塌災害的可能性不高。 | zh_TW |
| dc.description.abstract | Many studies discussed the effects of climate change on increasing extreme climate events, resulting in rising the frequency of slope disasters. Few studies used slope displacements as an indicators for evaluation under climate change. Thus, this study will focus on analyzing the impact of slope displacements under the climate change scenarios on a potential debris flow stream at provincial highway No. 9A at the 10.2-kilometer in New Taipei City. A few years ago, Land Engineering Consultants Co., Ltd. has monitored this region and found that the colluvium at the SB-6 position at the stream bank has large displacements. Therefore, the study will focus on simulating the displacement at SB-6 position in the period of June to December of 2018. ABAQUS, a physical model, is first used for analysis. Nevertheless, the analysis of finite elements is time-consuming, Back Propagation Neural Network (BPNN) is adopted to replace ABAQUS to improve the efficiency. Particle Swarm Optimization (PSO) is used to adjust soil parameters according to the observation. The adjusted soil model can be used to simulate the future scenarios under climate change. The colluvium is divided into 22 depths in simulation because assuming colluvium is homogeneous does not obtain good results. The prediction of BPNN relies on input factors, in light of this, three models are built using different input factors. In three models, the second model and third model can obtain better relationship between rainfall and slope displacements, rainfall and water-table height, and ranfall and FS value in the future scenarios from climate change, and the relationship between the FS value and slope displacements in the third model is more reasonable. Besides, the failure probability of the third model is suitable for early warning in future scenarios from climate change because the result from third model is the closest one from observation. To sum up, the third model is better than other models. However, no matter which models are the best, slope displacements in the future scenarios from climate change are higher than in 2018 averagely. The amount of slope displacements increasing is not large, and it will not be larger than displacements observed in 2017. It can be inferred that the chance of having serious slope failure at this colluvium in a natural condition of future scenario is quite low. | en |
| dc.description.provenance | Made available in DSpace on 2021-06-16T02:28:40Z (GMT). No. of bitstreams: 1 U0001-0408202017005800.pdf: 12609667 bytes, checksum: 5c6c2b492fb40b050a188eab6da4d3e0 (MD5) Previous issue date: 2020 | en |
| dc.description.tableofcontents | 中文摘要 i ABSTRACT ii 誌 謝 iii 目錄 iv 圖目錄 ix 表目錄 xv 第1章 緒論 1 1.1 研究背景 1 1.2 研究動機與目的 1 1.3 研究架構 2 第2章 文獻回顧 3 2.1 傾斜管 3 2.1.1 傾斜管的應用與介紹 3 2.1.2 傾斜管量測位移評估崩塌潛勢的相關研究 4 2.2 ABAQUS軟體模式介紹與相關研究 5 2.2.1 ABAQUS軟體模式介紹 5 2.2.2 ABAQUS軟體應用之相關研究 6 2.3 類神經網路模式與相關研究 6 2.3.1 類神經網路介紹 6 2.3.2 倒傳遞類神經網路之應用 7 2.3.3 倒傳遞類神經網路相關研究 8 2.4 最佳化的應用與相關研究 9 2.4.1 粒子群演算法介紹與應用 9 2.4.2 粒子群演算法相關研究 11 2.5 無限邊坡之安全係數 11 2.5.1 無限邊坡分析的介紹 11 2.5.2 無限邊坡分析之相關研究 13 2.6 失效機率 13 2.6.1 失效機率的介紹與應用 13 2.6.2 失效機率相關研究 15 2.7 氣候變遷 15 2.7.1 氣候變遷之定義 15 2.7.2 TaiWAP 17 2.7.3 氣候變遷之相關研究 19 第3章 研究材料與方法 22 3.1 選址概述 22 3.2 傾斜管監測結果資料 26 3.3 物理模式 35 3.4 統計模式 40 3.5 氣候變遷模式 42 3.6 無限邊坡之安全係數計算 44 3.7 失效機率之計算 44 3.8 研究方法 46 第4章 研究結果與討論 48 4.1 氣候變遷模式之模擬結果 48 4.1.1 GCM為HadGEM2-AO模式 48 4.1.1.1 歷史資料繁衍基期的溫度和雨量 48 4.1.1.2 歷史資料繁衍氣候變遷之未來情境的溫度和雨量 49 4.1.2 GCM為CSIRO-Mk3.6.0模式 54 4.1.2.1 歷史資料繁衍基期的溫度和雨量 54 4.1.2.2 歷史資料繁衍氣候變遷之未來情境的溫度和雨量 55 4.2 第1種模式之分析結果 59 4.2.1 假設41.5公尺崩積層土壤為均質之模式校正 59 4.2.1.1 BPNN訓練結果 59 4.2.1.2 BPNN網路(net)與PSO分析結果 60 4.2.2 依照有限元素分成22個深度不同土壤分析之模式校正 61 4.2.2.1 BPNN訓練結果 61 4.2.2.2 BPNN網路(net)與PSO分析結果 64 4.2.2.3 氣候變遷下之未來情境雨量代入模式之結果與討論 70 4.3 第2種模式之分析結果 79 4.3.1 假設41.5公尺崩積層土壤為均質之模式校正 79 4.3.1.1 BPNN訓練結果 79 4.3.1.2 BPNN網路(net)與PSO分析結果 79 4.3.2 依照有限元素分成22個深度不同土壤分析之模式校正 81 4.3.2.1 BPNN訓練結果 81 4.3.2.2 BPNN網路(net)與PSO分析結果 83 4.3.2.3 氣候變遷之未來情境雨量代入模式之結果與討論 89 4.4 第3種模式之分析結果 94 4.4.1 假設41.5公尺崩積層土壤為均質之模式校正 94 4.4.1.1 BPNN訓練結果 94 4.4.1.2 BPNN網路(net)與PSO分析結果 94 4.4.2 依照有限元素分成22個深度不同土壤分析之模式校正 96 4.4.2.1 BPNN訓練結果 96 4.4.2.2 BPNN網路(net)與PSO分析結果 98 4.4.2.3 氣候變遷之未來情境雨量代入模式之結果與討論 106 4.5 3種模式分析氣候變遷之未來情境風險的結果 110 4.5.1 第1種模式氣候變遷之未來情境風險 112 4.5.2 第2種模式氣候變遷之未來情境風險 114 4.5.3 第3種模式氣候變遷之未來情境風險 117 4.5.4 3種模式位移之失效機率評估 120 4.6 3種模式分析後的優劣比較 124 第5章 結論與建議 127 5.1 結論 127 5.2 建議 128 參考文獻 129 附錄一 第1種模式不同深度的PSO迭代結果 135 附錄二 第1種模式不同情境的minFS值與邊坡位移關係圖 143 附錄三 第2種模式不同深度的PSO迭代結果 151 附錄四 第2種模式不同情境的minFS值與邊坡位移關係圖 159 附錄五 第3種模式不同深度的PSO迭代結果 167 附錄六 第3種模式不同情境的minFS值與邊坡位移關係圖 175 | |
| dc.language.iso | zh-TW | |
| dc.title | 基於物理與統計模式氣候變遷下崩積層之邊坡風險分析 | zh_TW |
| dc.title | Physical and Statistical-based Colluvium Slope Risk Analysis Considering Climate Change Effects | en |
| dc.type | Thesis | |
| dc.date.schoolyear | 108-2 | |
| dc.description.degree | 碩士 | |
| dc.contributor.oralexamcommittee | 童慶斌(Ching-Pin Tung),范正成(Jen-Chen Fan) | |
| dc.subject.keyword | 氣候變遷,邊坡位移,ABAQUS,BPNN,PSO, | zh_TW |
| dc.subject.keyword | Climate Change,Slope displacement,ABAQUS,BPNN,PSO, | en |
| dc.relation.page | 182 | |
| dc.identifier.doi | 10.6342/NTU202002397 | |
| dc.rights.note | 有償授權 | |
| dc.date.accepted | 2020-08-13 | |
| dc.contributor.author-college | 生物資源暨農學院 | zh_TW |
| dc.contributor.author-dept | 生物環境系統工程學研究所 | zh_TW |
| 顯示於系所單位： | 生物環境系統工程學系 | |
文件中的檔案：
| 檔案 | 大小 | 格式 | |
|---|---|---|---|
| U0001-0408202017005800.pdf 目前未授權公開取用 | 12.31 MB | Adobe PDF |
系統中的文件，除了特別指名其著作權條款之外，均受到著作權保護，並且保留所有的權利。