記者林怡孜∕台南報導
在細懸浮微粒逐步改善之際，台灣臭氧濃度仍偏高，成為空氣品質治理的新挑戰。國立成功大學測量及空間資訊學系教授吳治達率領跨校跨領域團隊，結合地理人工智慧與機器學習技術，成功建立全台「非甲烷碳氫化合物（ＮＭＨＣ）」高解析空間分布推估模型，研究成果登上國際環境領域頂尖期刊（Journal of Hazardous Materials），為國內空汙前驅物管理提供重要科學依據。
研究團隊指出，ＮＭＨＣ是臭氧與二次有機氣膠的重要前驅物，但其來源多元、反應機制複雜，長期以來難以精準掌握空間變化。團隊運用環境部二０一五至二０二一年測站資料，整合交通排放、工業活動、土地利用、氣象與地形等多項因子，透過以Geo-AI為核心的「集成堆疊學習」架構，突破傳統單一模型限制，大幅提升推估精度與穩定性。
研究結果顯示，ＮＭＨＣ濃度較高區域集中在都會與人口密集帶，包括北部與南部主要城市；同時，中央山脈等森林覆蓋區因植物自然排放，也呈現偏高現象。研究進一步說明，在特定氣象與光照條件下，若氮氧化物與生物源ＮＭＨＣ在山區交會，亦可能促進臭氧生成，顯示空汙機制具有跨區域與複合來源特性。
目前全台七十八處空品測站中僅卅四站監測ＮＭＨＣ，監測密度仍有限。團隊建立的高解析推估模型，可在既有監測基礎上進行即時空間推演，都會區解析度甚至可細緻至廿公尺尺度，有助主管機關掌握熱區分布與汙染傳輸路徑，強化前驅物精準管制策略。
吳治達表示，團隊長期深耕空汙時空分析與智慧環境監測，相關技術已應用於全台臭氧即時圖資建構、農田露天燃燒熱點辨識，以及與環境部合作開發民眾可用的「空汙散步地圖」，讓科學研究成果轉化為實際環境治理與公眾健康工具。
成大表示，本次研究團隊成員橫跨空間資訊、環境工程、環境健康與公共衛生等領域，展現跨國跨域合作能量，進一步提升台灣在空氣汙染前驅物高解析監測與智慧治理上的國際能見度。
