全台戴奧辛哪裡最濃？成大研發AI模型告訴你

成大副教授吴治达与团队应用地理人工智慧技术，发展集成混合空间推估模型，成果刊登在国际期刊。图／成大提供

你知道空气中有多少戴奥辛吗？成大测量及空间资讯学系副教授吴治达，利用过往监测资料及AI技术，发展出最新式的推估模型，可以高解析度模拟全台大气戴奥辛的分布，研究中并发现当PM2.5浓度愈高、制造业密度愈高及纬度愈低时，容易出现较高浓度的戴奥辛，全台以云嘉南及高雄的戴奥辛浓度较高，但近年已有大幅改善。

吴治达表示，戴奥辛是75种多氯戴奥辛（PCDD）及135种多氯呋喃（PCDF）的群集。当焚化含有氯的塑胶废弃物时即可能产生，随着烟囱中的燃烧废气远距离传播到空气中，然后沉降到土壤或水底泥中，被植物或水生动物吸收或食入，再透过食物链的转移最终累积在生物体中。

他表示，环保署在全台设有监测站，但限于经费，密度无法太高，团队才会尝试打造高精度环境大气中戴奥辛浓度的推估模型。这项研究在国家科学及技术委员会计划经费支持下，成果已发布在国际顶尖期刊《危险材料（Journal of Hazardous Materials）》 。

成大与明志科技大学环境与安全卫生工程系助理教授许金玉、国立阳明交通大学环境与职业卫生研究所所长纪凯献及副教授潘文骥、菲律宾大学迪里曼分校助理教授白嘉维共同合作，使用地理人工智慧（Geo-AI）技术开发「集成混合空间推估模型（EMSM）」，用来模拟全台空气中戴奥辛的空间分布与时间变异状况。

团队建立的EMSM是全球第一个利用Geo-AI所开发而成的集成混合空间推估模型，以2006年至2016年环保署监测站每日戴奥辛监测浓度做为建模资料依据，运用机器学习的优势，整合与堆叠多种空间推估方法学于一体（包含空间内插法、土地利用回归等）， 最后透过模型可解译性技术SHAP（SHapley Additive exPlanations）所定义的重要地理空间变数资讯，来模拟全岛长时期、高解析度下的大气戴奥辛浓度变化。

EMSM模型能在大范围观测下，以高解析度( 50公尺的网格)呈现全台每日的环境大气戴奥辛浓度分布图，高达87%准确度模拟出戴奥辛在大气中的长期时空变化趋势，相较于其它空间推估方法学，拥有更好的解释能力与稳定度。

此外，研究团队还通过机械学习中的变量筛选方式发现，PM2.5（细悬浮微粒）、制造业以及纬度系是影响戴奥辛浓度变化的主要重要因子，当PM2.5浓度愈高、制造业密度高及纬度愈低时，较容易发现高浓度的戴奥辛，植物绿化则会减少戴奥辛的出现。

成大团队研发的集成混合空间模型，模拟出台湾本岛戴奥辛分布年度变化情况，可以看出近年的浓度明显下降。图／成大提供

成大团队研发的集成混合空间推估模型（EMSM）显示2015年台湾全年戴奥辛平均浓度分布，云嘉南和高雄是浓度较高的区域。图／成大提供