這不只是一次地理分析，而是一場關於「如何證明文明邏輯」的數位實驗。

在建構《Mountain Hydrology Atlas》（台灣山脈水文地景解碼）的過程中，我選擇了「能高越嶺古道」作為第一個 POC (Proof of Concept)。雖然資料庫 (DB) 目前僅釋出了 Schema，但這場從 0 到 1 的實證歷程，揭示了數位地景研究中最核心的挑戰與魅力。

為什麼要進行這次 POC？#

長期以來，關於古道與水文的關係多停留在定性描述（例如：路隨溪走）。我想挑戰的是：我們能否透過量化數據，證明古道選線的科學性？

為了達成這個目標，我設計了「三柱架構 (Triad Methodology)」：

  1. 邏輯 (The Logic)：方法論的建構。
  2. 證據 (The Evidence)：結構化的空間資料庫。
  3. 實踐 (The Practice)：實際的自動化分析與驗證。

第一步：與物理真實的對合 (The Realignment)#

最有趣（也最痛苦）的環節莫過於處理 DTM 數據。我發現台灣官方的 20m DTM 在處理上存在一個隱藏的「座標坑」——正值的 Y 軸解析度會導致標準 GIS 工具讀取偏移。

為什麼要做這一步？ 如果基礎的高程數據有誤，所有的「坡度效率」或「水文模擬」都是空中樓閣。我們開發了 merge_moi_dtm_to_standard.py 來校正物理座標，最終成功將能高埡口的實測誤差縮小到公尺級（2799.13m vs 2802m）。

第二步：還原消失的河道 (Hydrology Reconstruction)#

在高海拔區域，官方河網圖資往往是缺失的。我們導入了 Priority-Flood 演算法，從 DTM 中強行萃取物理流路。

考慮了什麼？ 我特別設定了「流量閾值 (Threshold)」，這決定了我們要捕捉多細微的源頭。透過這一步，我們還原了塔羅灣溪最頂端的放射狀水系，這才是當年部落選址與古道越嶺時真正面對的「大地骨架」。

第三步：解碼「路脈」與「水脈」的博弈#

當古道軌跡與物理水脈在電腦螢幕上重疊時，真正的發現才開始。透過自建的「耦合引擎」，我們偵測到古道在天池崩壁與埡口處發生了劇烈的背離（Divergence）。

這說明了什麼？ 量化證明了文明的「避位智慧」。人類在 80% 的時間裡追求節省能量（路隨水走），但在 20% 的關鍵區段（崩塌區或翻越分水嶺），文明會選擇背離水脈，尋找穩定的肩膀（肩狀稜）通過。

第四步：文明拓樸的歸納#

最後，我將聚落（如馬赫坡、波阿倫）資訊注入。我們發現「波阿倫社 (Boarung)」在拓樸學上扮演了 Gateway Hub 的角色。

為何要做每一個環節？

  • 高程分析：是為了確保物理真相。
  • 河道分析：是為了還原能量流動。
  • 部落分析：是為了賦予地景靈魂。

結語：這只是一個開始#

這次 POC 證實了「地景解碼引擎」的可行性。雖然 DB 還在持續豐富中，但這套從物理數據到文明邏輯的解構流程，已經為《Mountain Hydrology Atlas》打下了紮實的地基。

如果你對完整的數據分析細節感興趣，可以參考 Repo 中的實證報告： 👉 [能高古道實證報告全文]

專案紀錄：Antigravity (AI Agent) 實證日期：2026-05-01