文章專區

具有「世紀之毒」的戴奧辛（dioxins），其實是多達210種化合物的總稱。由於戴奧辛的毒性高、易危害人體，又具有能在環境中長期殘留的特性，因此一直以來都是重要的環境保護議題。近期由成功大學測量及空間資訊學系副教授吳治達率領的團隊，應用了地理人工智慧（Geo-AI）技術發展「集成混合空間推估模型」（ensemble mixed spatial prediction model, EMSM），以高解析度模型模擬出全臺灣大氣中的戴奧辛分布，找出空氣中存在著多少戴奧辛。團隊在模擬後發現，當環境中的PM_2.5（細懸浮微粒）濃度愈高、製造業密度愈高、緯度愈低時，大氣中就容易出現高濃度戴奧辛。
 
戴奧辛是由75種多氯戴奧辛（polychlorinated dibenzo-p-dioxins, PCDD）及135種多氯呋喃（polychlorinated dibenzofurans, PCDF）組合而成的群集，對於人體具有高度毒性、且會在環境中累積。當人們焚燒含有「氯」的塑膠廢棄物時，戴奧辛便有可能隨之產生，並透過大氣傳播到各處。例如隨煙囪中的燃燒廢氣傳到更遠的地區，爾後沉降到土壤、水域中，被動植物吸收或吃入後再透過一層層的食物鏈累積於頂級獵食者體內。受限於經費規劃，環保局設立於各縣市的空氣品質監測站數量不多，也無法長時間採集空氣樣本以評估環境中的戴奧辛濃度。為了得知現今環境中精準的戴奧辛濃度，成功大學團隊以Geo-AI為基礎開發出的EMSM，預計將能模擬全臺空氣中戴奧辛的空間分布與時間變異狀況。
 
此EMSM以2006～2016年環保署監測站的每日戴奧辛濃度做為資料建模依據，再透過機器學習（machine learning）整合、堆疊多種空間推估方法學（如空間內插法、土地利用迴歸等）至模型中。最後以一種能解釋模型中每個特徵對於結果影響力的技術「SHAP」（SHapley Additive exPlanations）定義出的重要地理空間變數資訊，模擬臺灣全島在長期、高解析度下大氣中的戴奧辛濃度變化。團隊最初在建構EMSM時，從零開始學習人工智慧（artificial intelligence, AI）的相關知識、程式編碼，目前的EMSM已能在大範圍觀測下以高解析度（50公尺網格）呈現出全臺每日的大氣戴奧辛濃度分布，且模擬戴奧辛在大氣中長期變化的趨勢準確率高達87％。此外，團隊也發現PM_2.5、製造業密度、緯度是影響戴奧辛濃度變化的重要因子。當PM_2.5濃度愈高、製造業密度高且緯度愈低時，較容易檢測到高濃度的戴奧辛，而在綠化植物分布高的區域則戴奧辛濃度較低。
 
雖然模型現在的空間推估表現良好，已能模擬現在和過去兩個板塊的戴奧辛分布狀態，但團隊仍會持續研究使時間、空間分布呈現更細緻的方式，以提供更詳細和精確的資訊。此外，團隊也期望能加入新的演算法與資料匯集，滿足未來板塊的預測的需求，並作為實用資訊提供給民眾參考、做好日常預防準備。
 

新聞來源
翁藍莉（2023年6月27日）。成大吳治達副教授團隊「集成混合空間推估模型」解析戴奧辛時空變化 成果刊載國際期刊。國立成功大學新聞中心，https://reurl.cc/r5Ammb。