成大測量系吳治達團隊以AI鎖定臭氧即時分佈 助攻空汙治理

【勁報記者于郁金/臺南報導】近年來臺灣懸浮微粒質量濃度在各項措施努力下有所改善，但臭氧(一種具有氧化性、可能危害人體呼吸道與心血管健康的空氣汙染物)濃度卻仍未能如預期下降；國立成功大學測量及空間資訊學系教授吳治達帶領跨校、跨領域團隊，運用並結合地理人工智慧及機器學習等多種工具，成功建構出造成臭氧汙染重要前驅物質「非甲烷碳氫化合物」空間分布，可做為政府管制參考依據，成果已刊登在國際環境領域頂尖期刊「危險物質(Journal of Hazardous Materials)」。

團隊表示，研究依據環境部自2015年到2021年全台各地測站數據推演，非甲烷碳氫化合物(Non-Methane Hydrocarbons, NMHC)濃度較高的地區，主要集中在都會區及部分人口密集地區，包括臺北、新竹、宜蘭、臺南及高雄等地。

但值得注意的是，植物也是NMHC天然排放源之一；因此，森林茂密中央山脈地區，NMHC 濃度也相對偏高；在山區雖然車輛較少，但若有氮氧化物隨氣流飄散至此，與樹林排放NMHC結合，可能在某些條件下促進臭氧生成；不過，臭氧濃度高低仍取決於NMHC與NOx的比值及光照等多項複雜因素。

吳治達教授表示，NMHC是大氣中揮發性有機物重要組成，也是臭氧與二次有機氣膠(Secondary Organic Aerosol, SOA；屬於細懸浮微粒 PM2.5 的重要組成成分之一)生成過程中關鍵前驅物；相較於單一氣體汙染物，NMHC涵蓋來源多元、化學反應路徑複雜有機化合物混合體，其濃度分布同時受到交通排放、工業活動、土地利用型態、氣象條件與大氣傳輸機等多重因素影響，因此NMHC不僅在臭氧生成機制中扮演核心角色，也直接關係到區域空氣品質管理與前驅物管制策略制定。

研究團隊指出，環境部目前對於NMHC進行部分監測與管制，全台空氣品質測站78處中，34站有NMHC監測，但密度還是不夠，利用團隊研究成果，可依照原有監測資料進行推估，了解全台各地即時NMHC濃度變化，都會區精密度甚至可以達到20公尺。

本研究利用地理人工智慧(Geo-AI)為核心高解析NMHC空間推估架構，並首次系統性地將集成堆疊學習(ensemble stacking)應用於NMHC地理空間建模，透過整合多種機器學習模型互補特性，以更有效捕捉NMHC在來源組成與化學反應上高度非線性行為，同時降低單一模型可能產生偏誤。

吳治達教授團隊多年來持續建構空汙各項模組，並承接環境部多項研究計畫，成果也作為政府管制空汙依據，例如建構全台臭氧即時汙染圖，利用AI還能有效找出過去不易被發現農田廢棄物露天燃燒行為，目前則在與環境部合作建構民眾「空汙散步地圖」。

成大跨校跨域團隊包括空間資訊、環境工程、環境健康與公共衛生等不同專業領域，成員除了吳治達教授，還有成大測量系印尼籍碩士生 Thia Prahesti、博士後研究Aji Kusumaning Asri、台大環工所教授蕭大智、陽明交大環職衛所教授紀凱獻、新加坡國立大學蘇瑞福公共衛生學院助理教授Wei Jie Seow、中研院環變中心副主任龍世俊等。