用Podcast訂閱本節目 
台灣學者利用集成AI演算土地利用及空氣污染的關聯，建立新式預估模型，可預測每日戴奧辛濃度變化，相關研究登上國際期刊「有害物質」。
成功大學測量及空間資訊學系副教授吳治達團隊的最新研究「使用以新型地理人工智慧為基礎的集成混合空間模型估算台灣戴奧辛的日平均變化」（Estimating the Daily Average Concentration Variations of PCDD/Fs in Taiwan Using a Novel Geo-AI Based Ensemble Mixed Spatial Model.）。該研究使用「集成混合空間模型」預估台灣全島的日平均戴奧辛濃度變化，並驗證發現這個新式預估模型的解釋力達到87%，高於過去的模型。相關內容6月17日登上國際期刊「有害物質」（Journal of Hazardous Materials.）。
吳治達告訴中央社記者，選擇「戴奧辛」作為研究對象，一來是因為它被喻為「世紀之毒」，另外就是戴奧辛的監測與分析需要龐大經費，因此不容易進行大範圍、長時間的污染監測。
吳治達指出，研究成果發現，細懸浮微粒(PM2.5)污染與戴奧辛具有高度關聯，這些資訊可作為未來環保單位加強稽查管理及監測的依據。
其實這已不是「集成混合空間模型」首次亮相，吳治達提到，過去幾年已研究過包含PM2.5、苯、臭氧等項目，戴奧辛算是第4種研究的空氣污染物。
何謂「集成混合空間模型」，吳治達解釋，其實空污模擬模式可能有好幾種不同方法，每個方法都有它的特性，也各有優、缺點；「集成」就是使用了5種不同的AI演算，再將5個結果統整起來。
吳治達說，研究是利用AI演算土地利用資訊與空氣污染物之間的關係。他舉例，若是住家旁邊有一攤香雞排店，測到的空氣污染濃度就會相對較高；系統整合了衛星影像、地理圖層及國家監測，包含住宅區、工業區等分布資訊，共有約500、600個預測因子。
也就是說，吳治達指出，透過演算，就算現場沒有設置空污監測設施，但若能有相關資訊，就能推估出當地的空污濃度及變化；此外，由於預測因子可納入在地邏輯，台灣如寺廟、慶典節日等，也能納入演算法中。
吳治達表示，本次研究對象戴奧辛，主要是透過環保署資訊、各工業區、焚化廠等相關排放紀錄來推估；只可惜部分工廠的詳細資訊其實無法取得，若能加入演算，模擬的結果會更精準。
吳治達說，現在結果呈現方式是以圖像輸出，將全台劃分成約4000多萬格、每格代表50公尺乘50公尺的地面，相較於衛星的監測約1公里乘1公里的大小，已算是非常精細；未來若是設計自動化的系統，每日自動更新預測因子，就能持續進行可能的空氣污染熱點預測。
吳治達提到，其實今年初團隊開始與美國德州合作，利用系統匯入當地工廠排放、移動式監測、土地利用等相關資料，協助達拉斯、休士頓進行苯的濃度預測；國內部分，接下來預計將與嘉義市政府合作，進行可能的污染濃度預測。
