Exposure Assessment of Fine Particulate Matters with Smart Spatial Interpolation Based on Low-Cost Sensors

論文翻譯標題: 結合環保署與空氣盒子數據開發智慧空污暴露推估模式
  • 林 昱廷

學生論文: Doctoral Thesis

摘要

近年來?多流行病學研究證實暴露於環境中的細懸浮微粒PM2 5會對人體健康造成影響。然而,過去研究對於PM2 5的暴露推估仍然存有不確定性。大多數研究使用政府監測站提供的監測資料,透過各種空間內插方法來推估PM2 5的濃度,例如克利金法和反距離加權法。而PM具有高度的時空變化性,在不同地形條件、天氣型態下,變化性可能會更高。傳統政府監測站由於建置成本高,無法大量設置,以至於無法確實捕捉到PM的高時空變化。即使使用了較為準確的空間內插方法,仍然會受到監測站的分布所影響,使用了不具代表性的監測站,進而導致錯誤評估。本研究將結合環保署與空氣盒子數據開發智慧空污暴露推估模式,降低以往推估的不確定性,可以因時因地選用比較具有代表性的環保署監測站,來推估所暴露的PM2 5濃度。 本研究蒐集了13年的環保署監測站資料與2年多的空氣盒子資料,並建立成資料庫。將蒐集的空氣盒子進行集群分析,以PM2 5、PM10、溫度、相對濕度以及經緯度作為參數,劃分出台灣的暴露分區。本研究以2月、5月、8月、11月代表四個季節,以此四個月份空氣盒子資料得到四季的暴露分區。模式會依據暴露者的暴露時間及所在位置,找出所屬位置之暴露分區,篩選出區域內所有的環保署監測站,以反距離加權法推估暴露濃度,即為本研究所開發的智慧空污暴露推估模式。 本研究將以上四個月份的環保署資料以當月的暴露分區進行推估,透過留一法交叉驗證,與克利金法以及傳統反距離加權法比較,驗證本研究開發模式的準確性。結果顯示本研究開發模式的推估誤差比較低,有較準確的推估能力。最後本研究將模式工具化,可與健保資料庫結合,更精準的評估PM2 5對人體健康造成的影響,提供更有說服力的證據,可供空污管制政策作參考依據。
獎項日期2019
原文English
監督員Pi-cheng chen (Supervisor)

引用此

'