SDG3
成大測量系吳治達團隊再傳佳績 運用人工智慧建構全台非甲烷碳氫化合物即時分布圖 成果登上國際頂尖期刊
近年來台灣的懸浮微粒質量濃度在各項措施努力下有所改善，但臭氧（一種具有氧化性、可能危害人體呼吸道與心血管健康的空氣汙染物）濃度卻仍未能如預期下降。國立成功大學測量及空間資訊學系教授吳治達帶領的跨校、跨領域團隊，運用並結合地理人工智慧及機器學習等多種工具，成功建構出造成臭氧汙染的重要前驅物質「非甲烷碳氫化合物」空間分布，可做為政府管制參考依據，成果已刊登在國際環境領域頂尖期刊「危險物質（Journal of Hazardous Materials）」。Geospatial-based estimation of NMHC concentrations through an ensemble stacking Geo-AI algorithm to advance air quality assessment
團隊表示，研究依據環境部自 2015 年到 2021 年的全台各地測站數據推演，非甲烷碳氫化合物（Non-Methane Hydrocarbons, NMHC）濃度較高的地區，主要集中在都會區及部分人口密集地區，包括台北、新竹、宜蘭、台南及高雄等地。但值得注意的是，植物也是 NMHC 的天然排放源之一。因此，森林茂密的中央山脈地區，NMHC 濃度也相對偏高。在山區雖然車輛較少，但若有氮氧化物隨氣流飄散至此，與樹林排放的 NMHC 結合，可能在某些條件下促進臭氧生成。不過，臭氧濃度的高低仍取決於 NMHC 與 NOx 的比值及光照等多項複雜因素。
吳治達教授表示，NMHC 是大氣中揮發性有機物的重要組成，也是臭氧與二次有機氣膠（Secondary Organic Aerosol, SOA；屬於細懸浮微粒 PM2.5 的重要組成成分之一）生成過程中的關鍵前驅物。相較於單一氣體汙染物，NMHC 涵蓋來源多元、化學反應路徑複雜的有機化合物混合體，其濃度分布同時受到交通排放、工業活動、土地利用型態、氣象條件與大氣傳輸機等多重因素的影響，因此 NMHC 不僅在臭氧生成機制中扮演核心角色，也直接關係到區域空氣品質管理與前驅物管制策略的制定。
研究團隊指出，環境部目前對於 NMHC 進行部分監測與管制，全台空氣品質測站 78 處中，34 站有 NMHC 的監測，但密度還是不夠，利用團隊研究的成果，可依照原有的監測資料進行推估，了解全台各地即時的 NMHC 濃度變化，都會區的精密度甚至可以達到 20 公尺。
本研究利用地理人工智慧（Geo-AI）為核心的高解析 NMHC 空間推估架構，並首次系統性地將集成堆疊學習（ensemble stacking） 應用於 NMHC 的地理空間建模，透過整合多種機器學習模型的互補特性，以更有效捕捉 NMHC 在來源組成與化學反應上的高度非線性行為，同時降低單一模型可能產生的偏誤。
吳治達教授團隊多年來持續建構空汙各項模組，並承接環境部多項研究計畫，成果也作為政府管制空汙的依據，例如建構全台臭氧的即時汙染圖，利用 AI 還能有效找出過去不易被發現的農田廢棄物露天燃燒行為，目前則在與環境部合作建構民眾的「空汙散步地圖」。
成大跨校跨域團隊包括空間資訊、環境工程、環境健康與公共衛生等不同專業領域，成員除了吳治達教授，還有成大測量系印尼籍的碩士生 Thia Prahesti、博士後研究員 Aji Kusumaning Asri，台大環工所教授蕭大智、陽明交大環職衛所教授紀凱獻、新加坡國立大學蘇瑞福公共衛生學院助理教授 Wei Jie Seow、中研院環變中心副主任龍世俊等。
維護單位: 新聞中心
更新日期: 2026-02-09
成大測量及空間資訊學系教授吳治達帶領的跨校跨領域團隊，利用地理人工智慧及機器學習等多種工具，成功建構出造成臭氧汙染的重要前驅物質「非甲烷碳氫化合物」詳細分布，可做為政府管制參考依據，成果已刊登在國際環境領域頂尖期刊「危險物質（Journal of Hazardous Materials）」
成大測量及空間資訊學系教授吳治達帶領的跨校跨領域團隊，利用地理人工智慧及機器學習等多種工具，成功建構出造成臭氧汙染的重要前驅物質「非甲烷碳氫化合物」詳細分布，圖中深色部分為濃度高的地方
成大測量及空間資訊學系教授吳治達帶領的跨校跨領域團隊，運用並結合地理人工智慧及機器學習等多種工具，成功建構出造成臭氧汙染的重要前驅物質「非甲烷碳氫化合物」詳細分布，成果刊登在國際環境領域頂尖期刊，圖中左起吳治達與論文主要作者成大測量系碩士生Thia Prahesti、博士後研究員 Aji Kusumaning Asri
