前往主要內容
工商時報LOGO

地理人工智慧與空氣污染

圖為智慧感測物聯網平台,透過手機能得知空氣品質情況。圖/本報資料照片
圖為智慧感測物聯網平台,透過手機能得知空氣品質情況。圖/本報資料照片

已將目前網頁的網址複製到您的剪貼簿!

文/吳治達 國立成功大學測量及空間資訊學系副教授

日光、水、空氣是生命生存的三要素。太陽太大、天氣太熱可以躲在室內冷氣房不出門;水質不好可使用濾水器或改喝瓶裝水;然而人類生活的當下每分每秒都需要空氣,呼吸空氣這件事沒有選擇與替換的空間,更凸顯了改善空氣污染問題的重要性。

大氣的流動、排放源的分布、區域氣候、地形的變化,在在都會影響空氣污染的擴散與變化,使空污濃度在空間分布上具有很大的差異。因此,了解每個人日常生活中的空氣污染暴露程度,降低與空污有關的疾病風險,實為當前環保單位的重要目標之一。

在行政院環境保護署長期的努力之下,目前台灣有70餘個學術研究等級的空氣品質監測站,但仍有實際應用上的限制。舉例來說全嘉義市唯一的空品站,位於嘉義大學新民校區大樓,如果測站數據等於民眾空污暴露程度,在這樣的情況下,不論你是住在大馬路旁、或是居住地鄰近公園綠地,全市轄內27餘萬人每天的空污暴露程度就會全部相同,但很顯然的這與現實不符。

但換個角度來說,設立高品質空品站,不論儀器設備或長時期的維運均所費不貲。由於大部份的空污來自於人為排放源,例如工業區、交通、住宅區、火力發電場、機場、港口等。如果我們有方法知道,這些土地利用排放源在大範圍區域的分布資訊,建立排放源與測站量測的空污濃度間的關係模式,再經過驗證方法確定模式模擬的成果穩定可靠。

未來只要我們知道某一地周邊土地利用排放源的分布狀況,就可以把資訊代入推估模式,獲得該地區空氣污染濃度的模式推估值。這是在面對監測站不足的挑戰時,一個經濟且有效了解空污分布的可行解方。

地理人工智慧就是快速獲得這些土地利用排放源在大範圍區域分布資訊的關鍵技術。這個新興模式分析技術,已被廣泛應用在各個環境科學的研究領域中。

可透過衛星、航照、無人機等來源的影像圖層、地理資訊系統等空間資訊技術與功能來整合排放源資訊。同時,透過人工智慧中的機器學習以及集成學習等先進演算方法建置地理人工智慧模型,可以更準確、有效的解釋空氣污染與周邊土地利用排放源之間,複雜的線性或非線性關係,有效模擬空氣污染在大範圍、大區域濃度梯度的變化情形。

筆者的研究團隊陸續發展了四種地理人工智慧為基礎的空間推估方法學。最新的「集成混合空間模型」模式則取各家之長,不只蒐集1994年至今近30年的台灣長期歷史監測數據,經由空間統計方法推估空氣污染的濃度,並搭配GIS及遙感探測等空間資訊技術,取得的工業、交通、住宅等一般空氣污染排放源,也特別納入寺廟燒香、燒金紙與中式餐廳大火快炒等,台灣特有排放源。經過演算法的機器學習模型建置後,再重新進行一次集成模型擬合,進而完成最終的集成混合空間模型來模擬台灣空氣污染的時空變異。

我們採用的地理人工智慧空氣污染推估方法學已實際應用於模擬過去近30多年台灣全島多項空氣污染物質的時空變化,包含:細懸浮微粒、二氧化氮、臭氧、一氧化碳等。整體而言,我們發展的地理人工智慧空污模型可以在90%以上準確度的情況下,模擬1994年迄今每一天、台灣每個角落空氣污染的濃度分布。

以電腦算運的實務來說,我們會把台灣全島劃分為4千多萬個50公尺正方的網格,而透過我們的模型,地面上每一個50公尺正方的範圍就可有一個空氣污染濃度的推估值。這些模擬成果也可實際應用於分析空污對國人的在地健康衝擊、以及擬定台灣空氣污染防治政策的科學依據。

期望這些科研究成果對國內空污議題能有些許的正面幫助,讓大家共同重視空氣污染帶來的種種挑戰。

您可能感興趣的話題

返回頁首
LOADING

本網頁已閒置超過3分鐘。請點撃框外背景,或右側關閉按鈕(X),即可回到網頁。