台灣學者利用整合 AI 演算土地利用及空氣污染的關聯，建立新式預估模型，可預測每日戴奧辛濃度變化，相關研究登上國際期刊「有害物質」。

成功大學測量及空間資訊學系副教授吳治達團隊的最新研究（Estimating the Daily Average Concentration Variations of PCDD/Fs in Taiwan Using a Novel Geo-AI Based Ensemble Mixed Spatial Model.）。

研究使用「集成混合空間模型」預估台灣全島的日平均戴奧辛濃度變化，並驗證發現新預估模型的解釋力達87%，高於過去模型。內容6月17日登上國際期刊《有害物質》（Journal of Hazardous Materials.）。

吳治達告訴《中央社》，選擇「戴奧辛」為研究對象，一來是因它喻為「世紀之毒」，另外就是戴奧辛監測與分析需要龐大經費，不容易進行大範圍、長時間的污染監測。

吳治達指出，研究成果發現，細懸浮微粒（PM2.5）污染與戴奧辛有高度關聯，這些資訊可為未來環保單位加強稽查管理及監測的依據。

其實這不是模型首次亮相，吳治達提到，過去幾年研究過PM2.5、苯、臭氧等項目，戴奧辛算第四種研究的空氣污染物。

何謂「集成混合空間模型」，吳治達解釋，其實空污模擬模式有好幾種不同方法，每個方法都有特性，也各有優缺點；「集成」（中國用語，台灣為整合）就是使用五種AI演算，再整合五個結果。

吳治達說，研究是利用AI演算土地利用資訊與空氣污染物的關係。他舉例，若住家旁邊有香雞排店，空氣污染濃度就會相對較高；系統整合衛星影像、地理圖層及國家監測，包含住宅區、工業區等分布資訊，共有約500~600個預測因子。

也就是說，吳治達指出，透過演算，就算現場沒有設置空污監測設施，但若能有相關資訊，就能推估出當地的空污濃度及變化；此外，由於預測因子可納入在地邏輯，台灣如寺廟、慶典節日等，也能納入演算法。

吳治達表示戴奧辛主要是透過環保署資訊、各工業區、焚化廠等相關排放紀錄推估；只可惜部分工廠的詳細資訊無法取得，若能加入演算法，模擬結果會更精準。

吳治達說，現在結果呈現方式是以圖像輸出，將全台劃分成約4千多萬格，每格代表50×50公尺地面，較衛星監測約1×1公裏已算非常精細；未來若設計自動化系統，每日自動更新預測因子，就能持續進行可能空氣污染熱點預測。

吳治達提到，其實今年初團隊開始與美國德州合作，利用系統匯入當地工廠排放、行動式監測、土地利用等相關資料，協助達拉斯、休士頓進行苯濃度預測；國內部分，接下來預計將與嘉義市政府合作，預測可能的污染濃度。

（作者：張雄風；首圖來源：）