全臺戴奧辛哪裡最濃？成大研發AI模型告訴你

成大副教授吳治達與團隊應用地理人工智慧技術，發展集成混合空間推估模型，成果刊登在國際期刊。圖／成大提供

你知道空氣中有多少戴奧辛嗎？成大測量及空間資訊學系副教授吳治達，利用過往監測資料及AI技術，發展出最新式的推估模型，可以高解析度模擬全臺大氣戴奧辛的分佈，研究中並發現當PM2.5濃度愈高、製造業密度愈高及緯度愈低時，容易出現較高濃度的戴奧辛，全臺以雲嘉南及高雄的戴奧辛濃度較高，但近年已有大幅改善。

吳治達表示，戴奧辛是75種多氯戴奧辛（PCDD）及135種多氯呋喃（PCDF）的羣集。當焚化含有氯的塑膠廢棄物時即可能產生，隨着煙囪中的燃燒廢氣遠距離傳播到空氣中，然後沉降到土壤或水底泥中，被植物或水生動物吸收或食入，再透過食物鏈的轉移最終累積在生物體中。

他表示，環保署在全臺設有監測站，但限於經費，密度無法太高，團隊纔會嘗試打造高精度環境大氣中戴奧辛濃度的推估模型。這項研究在國家科學及技術委員會計劃經費支持下，成果已發佈在國際頂尖期刊《危險材料（Journal of Hazardous Materials）》 。

成大與明志科技大學環境與安全衛生工程系助理教授許金玉、國立陽明交通大學環境與職業衛生研究所所長紀凱獻及副教授潘文驥、菲律賓大學迪裡曼分校助理教授白嘉維共同合作，使用地理人工智慧（Geo-AI）技術開發「集成混合空間推估模型（EMSM）」，用來模擬全臺空氣中戴奧辛的空間分佈與時間變異狀況。

團隊建立的EMSM是全球第一個利用Geo-AI所開發而成的集成混合空間推估模型，以2006年至2016年環保署監測站每日戴奧辛監測濃度做爲建模資料依據，運用機器學習的優勢，整合與堆疊多種空間推估方法學於一體（包含空間內插法、土地利用迴歸等）， 最後透過模型可解譯性技術SHAP（SHapley Additive exPlanations）所定義的重要地理空間變數資訊，來模擬全島長時期、高解析度下的大氣戴奧辛濃度變化。

EMSM模型能在大範圍觀測下，以高解析度( 50公尺的網格)呈現全臺每日的環境大氣戴奧辛濃度分佈圖，高達87%準確度模擬出戴奧辛在大氣中的長期時空變化趨勢，相較於其它空間推估方法學，擁有更好的解釋能力與穩定度。

此外，研究團隊還通過機械學習中的變量篩選方式發現，PM2.5（細懸浮微粒）、製造業以及緯度系是影響戴奧辛濃度變化的主要重要因子，當PM2.5濃度愈高、製造業密度高及緯度愈低時，較容易發現高濃度的戴奧辛，植物綠化則會減少戴奧辛的出現。

成大團隊研發的集成混合空間模型，模擬出臺灣本島戴奧辛分佈年度變化情況，可以看出近年的濃度明顯下降。圖／成大提供

成大團隊研發的集成混合空間推估模型（EMSM）顯示2015年臺灣全年戴奧辛平均濃度分佈，雲嘉南和高雄是濃度較高的區域。圖／成大提供