Author 作者 吴治达／成功大学测量及空间资讯学系教授，国家卫生研究院国家环境医学研究所兼任副研究员，中兴大学永续农业创新发展中心兼任教授；林佑如／成功大学测量及空间资讯学系硕士生；曾于庭／成功大学测量及空间资讯学系研究助理。Geo-AI戴奥辛人工智慧空气污染空气监测制造业集成混合空间学习模型Take Home Message
•为厘清戴奥辛污染程度，笔者团队以新的空间分析技术「地理人工智慧」（Geo-AI）模拟了戴奥辛时空分布。
•透过以测站数据、机器学习、集成学习法建立的Geo-AI模型，团队发现污染集中在中南部，可能与工业区及农业活动有关。
•Geo-AI可准确找出戴奥辛污染热区，提供政府空污防治参考，有望应用在更多环境课题。
戴奥辛（dioxin-like compounds），是超过210种不同化合物的总称，其中包括共平面多氯联苯（partially coplanar polychlorinated biphenyls）、多氯二联苯呋喃（polychlorinated dibenzofurans, PCDFs）、多氯二联苯戴奥辛（polychlorinated dibenzo-p-dioxins, PCDDs）。戴奥辛产生的途径相当多样，大部分源於制造特定化学产品的过程，例如制造含氯的防腐剂或除草剂、冶链金属、制造水泥、火力发电厂等。在自然环境下的露天燃烧、处理废弃物（废电缆、废五金）或焚化炉燃烧垃圾、纸浆加氯漂白等过程，也都是戴奥辛的重要来源之一。

此外，这些多样的来源形式还包含工业制程产生的副产物、特定工业制程的燃烧排放、化学产品制造过程、能源利用，甚至涉及人为行为，例如露天燃烧、火灾、抽菸等。

空气中过高的戴奥辛浓度可能对人体产生严重的健康影响。长期暴露於高浓度的戴奥辛可能导致免疫系统受损、神经行为变化、皮肤病变、儿童发育问题，甚至增加罹患癌症的风险。由於戴奥辛对人体健康会产生严重的影响，因此也有「世纪之毒」之称。有监於预防胜於治疗的预防医学观念，如果我们能事先得知戴奥辛浓度的分布，一方面能透过环保政策以减少相关排放源的产生，另一方面也可以提供读者参考，主动避免接触或暴露在戴奥辛高浓度地区，对於降低人们遭戴奥辛危害的风险应有实质帮助。
人工智慧如何应用在空污研究？「地理人工智慧」（geospaital artificial intelligence,Geo-AI）是近年兴起的模式分析技术，广泛应用於环境科学研究。以空气污染模拟为例，由於空气污染主要来自人为排放，Geo-AI可利用卫星、航照、无人机等影像资料、地理资讯系统（geographic information system, GIS）的空间分析技术，快速获取土地利用排放源分布资讯。再结合空污监测站的数据，利用机器学习和集成学习等先进演算方法，建立「空气污染vs土地利用排放源分布状况」的Geo-AI推估模式（图一）。如此一来，即使是没有测站的地方，只要将土地利用排放源分布资料代入模型，即可推估空气污染浓度。随着电脑软硬体和运算效能的进步，利用Geo-AI即可准确、有效且快速的模拟大范围区域内空气污染的空间变化与分布。

虽然戴奥辛的监测资料可於环境部空气品质监测网下载，但受限於测站数量有限，大众很难透过监测站的数值直接了解自身所在地区的污染程度。面对这个挑战，本团队运用Geo-AI的概念，系统性地结合多个基础模型和机器学习（machine learning）演算法，建立效能更佳、解释能力更好的空气污染推估模型（请见