█ 建築史與地理資訊系統應用期末海報線上展

2023-空氣汙染之長期趨勢分析: 以臺中市為例,許家瑋

研究背景
我們都聽過空氣污染,空氣污染的危害也是一個需要關注的議題。根據世界衛生組織的統計,每年有700萬人死於空氣污染,其中PM2.5與癌症的相關性最高。
因此,對空氣污染的評估和預防是不容忽視的。台中市是台灣發展良好的城市之一,然而,由於火力發電廠和高密度的交通,台中市每年產生大量的污染物。從1994年到2020年,PM2.5濃度都超過了台灣空氣污染標準(每立方公尺15微克)。然而,全台中市只有5個標準國家空氣品質監測站,對於人口250萬的大城市來說,相當稀少,使得對於距離監測站非常遠的地方,這些站點的數據無法反映真實情況。
因此,由於站點的限制,近年來,空間分析(GIS)、土地利用回歸(LUR)和機器學習等方法被應用來彌補上述缺憾。這些方法能夠利用有限的站點數據,進行空間分布分析、預測和模擬,以更準確地評估城市中的空氣污染情況。透過這些技術的應用,我們可以獲得更全面、精確的空氣污染資訊,有助於制定更有效的防治措施,保護人民的健康和環境的可持續發展。
研究目的
本研究的目的是進行空間長期趨勢分析。我們將結合多年的土地利用回歸(LUR)估計結果,將這些層合併在一起,開發一種方法來計算每個格點中的係數和P值。其中係數反映了濃度與時間之間的關係,而P值則表示了其統計顯著性。通過這種方式,我們可以觀察不同區域濃度的變化趨勢,並進一步了解空氣污染的演變情況。這將有助於我們更好地瞭解污染物的分布模式,並提供指導城市空氣品質管理和防治措施的依據。
研究成果
根據研究成果,我們可以得出以下結論: 在變數選擇方面,農田、SO2、寺廟、溫度和工業住宅對PM2.5濃度有正向影響,而海拔和NDVI則對其有負向影響。在機器學習方面,經過Adjusted R2和RMSE(均方根誤差)的比較後,我們確定隨機森林(RF)是最好的建模方法,因此我們選擇使用它進行模型建立。在訓練、測試、10折交叉驗證和使用2021年數據的外部驗證中,調整的R2值均超過0.8,而RMSE值均較低,這表明模型沒有過度擬合或錯誤估計。空間趨勢分析的最終結果顯示,台中西南地區的係數遠低於其他地區,表明該地區的空氣質量改善得最為顯著。p值分析顯示,大部分地區的p值都低於0.05,表明台中各地區的空氣污染情況發生了顯著改善。從趨勢分析結果與地標的關聯性中可以觀察到,寺廟、餐廳、熱電廠、工廠和交通道路等設施與係數較高的地區較為匹配,意味著諸如這些政策的實施對於空氣淨化產生了重大影響。

研究成果



留言