「數位孿生」(Digital Twin)係國家科學及技術委員會空間資訊科技學門過去幾年來的重點研究主題之一。在空間資訊的研究領域中，數位孿生的主要概念是藉由各項空間科技以獲取真實世界的半即時／即時監測資訊後，透過物理、化學、統計或人工智慧的建模方法，於網路數位空間建構一個虛擬的世界，經營管理者可在這個虛擬世界進行各種政策或情境模擬並學習經驗，進而協助其在真實世界做出更正確的環境管理決策。

在各項環境議題中，空氣污染為近年最受重視的全球環境議題之一，因為人類生命的過程中無時無刻不能沒有空氣、也幾乎無法挑選所吸的空氣。與其它環境危害因子相比，空氣污染具有三維分布的特性，除了在水平空間上會有濃度的差異外，垂直高度的改變亦會影響其污染程度的高低。當前環保署的監測站僅於固定高度進行空污監測，並未提供垂直剖面上的變化資訊。再加上室外和室內的空氣品質具有高度相關性，這對於長時間(約有90%以上的時間)待在室內的民眾、尤其是居住在多為高樓層建築的大都會地區的人來說，如何準確推估空氣污染在水平及垂直維度上的三維分布，進而更精確估計都市居民的空污暴露濃度及其對健康的影響效應，是當前一項重大的挑戰。

在國家科學及技術委員會的經費支持下(MOST 111-2121-M-006-004-)，國立成功大學測量及空間資訊學系吳治達教授與團隊基於「數位孿生多維空間資訊整合於空氣污染應用」的核心概念，經由無人機與物聯網感測器獲取空氣污染，並利用地理人工智慧(Geo-AI)技術，發展集成混合空間推估模型(Ensemble Mixed Spatial Prediction Model，EMSM)，以估算三維空污分布。現階段EMSM模型的技術已臻完備，目前已實際應用於解析全臺細懸浮微粒(PM_2.5)、苯、臭氧及環境戴奧辛等空氣污染物之空間分布，其中PM_2.5及苯的研究成果刊登於Science of the Total Environment 以及Chemosphere；臭氧及環境戴奧辛之成果則獲刊載於國際頂尖期刊Journal of Hazardous Materials。

以環境戴奧辛推估為例，吳治達教授團隊與跨領域且來自不同學校的專家學者合作，包含明志科技大學環境與安全衛生工程系許金玉副教授、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，吳教授指導的研究所畢業生)，築基於環保署監測站2006年至2016年間每日戴奧辛監測濃度做為建模資料依據，在考量氣象、地形、綠地、水體以及土地排放源如住宅、商業、工業、農田、道路、餐飲及寺廟等四百餘個變數的影響下，透過EMSM模型，在整合空間內插、土地利用迴歸、機械學習及集成學習等空間推估方法學之優勢於一體進行建模，最後透過可解譯性技術(SHapley Additive exPlanations，SHAP)篩選之重要地理空間變數資訊，進而模擬臺灣本島長時期、高解析度的環境戴奧辛濃度的空間變異與時間變化。


圖一：成功大學測量及空間資訊學系吳治達教授研究團隊。後排左四 研究生林廷威(本研究第二作者)；左五 吳治達教授；右五 博士生 Aji Kusumaning Asri(本研究第四作者)；右四 碩士生 Jennieveive B. Babaan(本研究第三作者)。

吳教授團隊建立的EMSM模型，為全球首例利用Geo-AI技術綜整多項空間推估方法學之優勢與特性，進而開發而成的集成混合空間推估模型。EMSM模型具有優秀的空間推估能力，能在臺灣本島大範圍的研究試區下，以50公尺*50公尺的網格解析度，推估全臺每日的環境戴奧辛濃度梯度分布，相較於其它空間推估方法學，EMSM模型具有高達87%的準確度以及更穩定的推估效能。建模過程中經由機械學習變量篩選方式得知，PM_2.5、製造業、緯度及植物綠化係是影響臺灣環境戴奧辛濃度變化的主要重要因子，在PM_2.5濃度高、製造業密度高及緯度低的地區，較容易發現高濃度的環境戴奧辛，另一方面植物綠化則會減少戴奧辛的出現。觀察模型模擬的推估圖可發現，中南部縣市的環境戴奧辛濃度相對較高；並且冷季(春天與冬天)之環境戴奧辛濃度比暖季(夏天與秋天)高。


圖二：EMSM模型模擬之研究期間(2006年至2016年)與四季環境戴奧辛平均濃度分布圖(圖摘自Hsu et al. 2023)。


圖三：六都環境戴奧辛推估成果3D示意圖(圖摘自Hsu et al. 2023)。

戴奧辛EMSM模型成果除獲成大新聞中心、台灣科技媒體中心、華視新聞網、經濟日報、yahoo新聞、科技新報、中央廣播電臺、人間福報、中央社、聯合新聞網、中時新聞網、蕃新聞、LINE Today、波新聞、國語日報等新聞媒體報導外，亦獲Elsevier國際知名出版社旗下ScienceDirect研究電子報(2023年九月號)中『研究捷報』專欄介紹。


圖四：Elsevier旗下ScienceDirect研究電子報(2023年九月號)介紹戴奧辛Geo-AI模型成果。

參考文獻

1.  翁藍莉（民112年6月27日）。「成大吳治達副教授團隊「集成混合空間推估模型」解析戴奧辛時空變化　成果刊載國際期刊」。國立成功大學新聞中心。民112年6月27日，取自：https://web.ncku.edu.tw/p/406-1000-255348,r3530.php?Lang=zh-tw&fbclid=IwAR2JOdl-glR3Dar0Mwu1zwo5eQkPXRzWZFkkSC5qoFkHGif9524XEIp1z6k。
2. 研究捷報：恭喜國立成功大學測量及空間資訊學系團隊發表戴奧辛集成混合空間推估模型研究於 Elsevier 旗下環境科學領域頂尖期刊《Journal of Hazardous Materials》（民112年9月8日）。ScienceDirect研究電子報(2023年九月號)。
3. Babaan, J., F. T. Hsu, P. Y. Wong, P. C. Chen, Y. L. Guo, S. C. C. Lung, Y. C. Chen, C. D. Wu*. 2023. A Geo-AI -based Ensemble Mixed Spatial Prediction Model with Fine Spatial-Temporal Resolution for Estimating Daytime/Nighttime/Daily Average Ozone Concentrations Variations in Taiwan. Journal of Hazardous Materials 446: 130749 (IF=14.22; Environmental Science, Rank=9/279, Q1, JIF%=96.95%).
4. Hsu, C. Y., T. W. Lin, J. B. Babaan, A. K. Asri, P. Y. Wong, K. H. Chi, T. H. Ngo, Y. H. Yang, W. C. Pan, C. D. Wu*. 2023. Estimating the Daily Average Concentration Variations of PCDD/Fs in Taiwan Using a Novel Geo-AI Based Ensemble Mixed Spatial Model. Journal of Hazardous Materials 458:131859 (IF=14.22; Environmental Science, Rank 9/279, Q1, JIF%=96.95%).
5. Hsu, C. Y., H. X. Xie, P. Y. Wong, Y. C. Chen, P. C. Chen, C. D. Wu*. 2022. A mixed spatial prediction model in estimating spatiotemporal variations in benzene concentrations in Taiwan. Chemosphere 301: 134758 (SCI, IF=8.94; Environmental Sciences, Rank=33/279, Q1, JIF%=88.35%).
6. Wong, P. Y., H. J. Su, S. C. C. Lung, C. D. Wu*. 2023. An ensemble mixed spatial model in estimating long-term and diurnal variations of PM_2.5 in Taiwan. Science of the Total Environment 866, 161336 (SCI, IF=10.75; Environmental Sciences, Rank=26/279, Q1, JIF%=90.86%).