中大以機器學習技術分析PM2.5 有助空污疾病診斷
（中央社記者陳至中台北17日電）中央大學太空及遙測研究中心教授林唐煌參與的跨校團隊，以機器學習技術分析建立台灣本島PM2.5元素成分的時空分布模型，協助空污導致疾病的診斷，研究成果登上國際期刊。
中央大學太今天發布新聞稿，林唐煌、台灣大學公共衛生學院教授吳章甫和國內多所學術研究機構組成的團隊，將最新研究成果發表於國際期刊「大氣污染研究（Atmospheric Pollution Research）」，獲得學術界重視。
研究團隊指出，空氣污染對人體健康影響日益嚴重，細懸浮微粒（PM2.5）能深入人體呼吸道並進入血液循環，對心肺與全身健康造成威脅。PM2.5的毒性與健康風險不僅取決於總濃度，更與其內含化學元素組成密切相關。
林唐煌等人針對台灣本島28個空氣品質監測站，自2021年6月至2022年5月間，蒐集了涵蓋四季的PM2.5樣本，並分析其中12種元素（包括鉛、鎳、鐵、硫等）的濃度變化。
研究團隊以典型統計「廣義相加模型（GAM）」，用以移除氣象因子造成的PM2.5成分時間變異；再以機器學習「極限梯度提升法（XGBoost）」，分析剩餘變異與土地利用型態、地形及周邊排放源等空間變數的關聯性，更全面捕捉PM2.5元素成分的高解析度時空分布。
研究發現，鉛的濃度分布主要受到工業建築用地和道路長度影響。硫（S）、鈣（Ca）、鎳（Ni）與鉛（Pb）元素的高濃度地區集中於台灣中南部，顯示應針對當地潛在污染源加強監控與管理。
林唐煌表示，整合典型統計與機器學習，在環境健康研究中有相當的應用潛力，可為區域性空污減量政策的制定及熱點監控，提供重要參考依據。未來研究團隊將進一步結合風險資料，深入探討空污成分對大眾健康的影響。（編輯：張雅淨）1140917
本網站之文字、圖片及影音，非經授權，不得轉載、公開播送或公開傳輸及利用。
