以空污感測器資料評估台北市細懸浮微粒之時空分布及其與交通流量之關係

Abstract

"背景: 台北市現今只有6個環保署監測站，因為監測站數量及分布的不足限制了以監測站的量測值來描述台北市行政區內細懸浮微粒 (PM2.5) 汙染的現象，例如: 解析度較高的PM2.5汙染時空變異特性和PM2.5汙染與交通汙染源之間的關係。近年來開始使用成本低、體積小特性、能夠廣泛設置的PM2.5微型感測器(Airbox)，提供我們一個改進解析台北市行政區內PM2.5汙染現象的機會。 目的: 本研究將探討台北市微型感測器的PM2.5時空分布情形，並且嘗試使用PM2.5微型感測器及車輛偵測器之車流量此兩種資料進一步探討台北市PM2.5濃度與車流量之關係。 材料方法: 本研究使用2020年8月至2021年7月之台北市微型感測器及環保署監測站PM2.5濃度資料，依行政區劃分比較兩者年平均與日平均的差異，並畫出逐時、逐日、逐月的時間趨勢圖，再以地理資訊系統(ArcGIS)空間分析工具的Kriging工具，分別做台北市PM2.5空間濃度推估圖來比較兩者的時空分布差異。本研究同時使用台北市交通局道路交通流量計數資料來探討PM2.5濃度與車流量之關係，我們將台北市各行政區的PM2.5的年平均逐時濃度與各行政區的年平均逐時總車流量做簡單線性回歸以量化車流量與PM2.5濃度之關係，此外將車流量結合土地利用資料來進一步建立PM2.5濃度的土地利用回歸模式(Land Use Regression, LUR)。 結果: 研究顯示台北市微型感測器校正前後的PM2.5濃度與環保署監測PM2.5濃度，在逐時、逐日及逐月均有相似的趨勢，而微感測器相較於環保署監測站能夠呈現更高解析度，例如區內的PM2.5濃度空間變異情形。 PM2.5濃度與車流量之間有顯著相關且線性回歸關係良好，台北市各行政區的R2 的值分布可達0.72至0.89之間，當總車流量每小時增加10000輛時，會使台北市12個行政區PM2.5濃度分別上升0.36μg/m3至1.64μg/m3之間。鑒於其資料完整性，針對士林區及中山區進行土地利用回歸模式建立，士林區年平均逐時土地利用回歸模式 (R2為0.87)能夠反應出士林區100公尺到5000公尺之間環域範圍內各種土地利用情況對PM2.5濃度的影響，包含宗教殯葬設施、交通設施、工業區、河川及水體、建築工地、主要道路及都市綠地及車流量對PM2.5濃度的影響。中山區年平均逐時土地利用回歸模式 (R2為0.66) 能夠反映出中山區100公尺到1000公尺之間環域範圍內各種土地利用情況對PM2.5濃度的影響，包含一般道路、宗教殯葬設施、交通設施、低密度住宅區及車流量對PM2.5濃度的影響。 結論: 本研究利用在小範圍內數量多及密度高的微型感測器(Airbox)的資料，成功解析台北市12個行政區內PM2.5濃度的時間和空間分布特性，也在結合逐時交通流量及土地利用資料後，成功建立台北市12個行政區內PM2.5濃度和交通流量存在相關性和有行政區特色的PM2.5濃度土地利用回歸模式。"