【勁報記者于郁金/臺南報導】戴奧辛污染是臺灣環境保護關注重要議題，因為具有極高毒性危害人體健康及長期殘留特性；而空氣中存在著多少戴奧辛？國立成功大學測量及空間資訊學系吳治達副教授與團隊應用地理人工智慧(Geo - AI)技術，發展集成混合空間推估模型(Ensemble Mixed Spatial Prediction Model，簡稱EMSM)，可高解析度模擬全台大氣戴奧辛的分布，研究並發現當PM2.5*細懸浮微粒)濃度愈高、製造業密度愈高及緯度愈低時，容易出現較高濃度戴奧辛，研究成果刊登在國際頂尖期刊Journal of Hazardous Materials。
戴奧辛是75種多氯戴奧辛(PCDD)及135種多氯呋喃(PCDF)群集，當焚化含有氯塑膠廢棄物時即可能產生，隨著煙囪中燃燒廢氣遠距離傳播到空氣中，然後沉降到土壤或水底泥中，被植物或水生動物吸收或食入，再透過食物鏈轉移最終累積在生物體中；環保署受限於經費規劃，監測點位設定有限，無法長時間採集空氣樣本做準確評估，因此，國立成功大學空間資訊學系吳治達副教授及團隊，企圖打造高精度環境大氣中戴奧辛濃度推估模型。
成大空間資訊學系吳治達副教授團隊，與明志科技大學環境與安全衛生工程系許金玉助理教授、國立陽明交通大學環境與職業衛生研究所紀凱獻所長及潘文驥副教授、菲律賓大學迪里曼分校(University of the Philippines Diliman)Jennieveive B. Babaan助理教授(音譯：白嘉維，吳副教授指導的研究所畢業生)共同合作，使用地理人工智慧(Geo-AI)技術開發「集成混合空間推估模型(EMSM)」，用來模擬全台空氣中戴奧辛空間分布與時間變異狀況。
團隊建立EMSM是全球第一個利用Geo-AI所開發而成集成混合空間推估模型，以2006年至2016年環保署監測站每日戴奧辛監測濃度做為建模資料依據，運用機器學習優勢，整合與堆疊多種空間推估方法學於一體(包含空間內插法、土地利用迴歸等)， 最後透過模型可解譯性技術SHAP(SHapley Additive exPlanations)所定義重要地理空間變數資訊，來模擬全島長時期、高解析度下大氣戴奧辛濃度變化。
EMSM模型能在大範圍觀測下，以高解析度(50公尺的網格)呈現全臺灣每日環境大氣戴奧辛濃度分布圖，高達87%準確度模擬出戴奧辛在大氣中長期時空變化趨勢，相較於其它空間推估方法學，擁有更好解釋能力與穩定度；此外，研究團隊還通過機械學習中變量篩選方式發現，PM2.5(細懸浮微粒)、製造業及緯度係是影響戴奧辛濃度變化主要重要因子，當PM2.5濃度愈高、製造業密度高及緯度愈低時，較容易發現高濃度戴奧辛，植物綠化則會減少戴奧辛出現。
吳治達老師表示，2、3年前意識到傳統統計迴歸模型遇到瓶頸，隨著資料量增加，他也希望能夠更精細地解讀和分析，因此思考如何有更好方式進行研究；感謝學校跨域跨界鼓勵和支持，展開與電機工程學系黃仁暐教授合作；團隊從零開始學習人工智慧相關知識、學習程式編碼撰寫。
吳治達老師說，雖然目前模型已能夠在空間推估上表現良好，可模擬現在和過去2個板塊戴奧辛分佈狀態，團隊仍持續研究更細緻細度化方法，包括時間和空間分布呈現，以提供更詳細和精確資訊；此外，企圖加入新的演算法與資料匯集，期望盡早填補未來板塊預測；研究成果希望帶給公部門、醫療單位相關實用訊息外，還能提供民眾實用參考及做好日常預防準備。
校方表示，本次研究在國家科學及技術委員會計畫經費支持下，研究成果已發布在國際頂尖期刊Journal of Hazardous Materials。(https://www.sciencedirect.com/science/article/pii/S0304389423011421)(國立成功大學提供照片)
