撰稿 / 黃愷翊 (科學推展中心特約編輯)
國立成功大學測量與空間資訊學系教授吳治達團隊與德州農工大學超級基金研究中心（Texas A&M University Superfund Research Center）合作，結合該中心在美國德州休士頓地區的Hartman Park社區內進行移動採樣的數據與成大團隊發展的地理人工智慧技術，以分析苯污染的重要來源，並模擬苯污染在社區中的濃度分布及變化。研究成果已經刊登於國際期刊《危險物質》（Journal of Hazardous Materials）。
團隊成員包括成大食品安全衛生暨風險管理研究所所長陳秀玲、美國德州農工大學景觀設計及都市計畫學系教授 Galen D. Newman、中央研究院環境變遷研究中心副主任龍世俊與成大測量系博士生 Aji Kusmaning Asri等，目前研究團隊仍持續分析德州達拉斯地區的污染情況。
苯（Benze）為空氣污染中的健康殺手
在造成空氣污染的因子中，苯（Benze）作為研究特別關注的成分，因為苯已經被國際癌症中心（IARC）確認為致癌物，會帶來各種健康風險，包括貧血、損害骨髓、增加感染機會、過度出血和免疫系統受損。此外，過去研究也指出，長期暴露於苯污染中與白血病、肺癌、惡性腫瘤和心血管疾病有顯著相關性。因此了解苯污染的來源及分佈為解決空氣污染的重要步驟。
美國德州休士頓的Hartman Park社區正面臨空氣污染威脅
一般而言，在我們的生活當中，車流量大的公路、工業區或加油站旁，都是相對來說接觸到苯機會較大的地方。美國德州休士頓的Hartman Park社區即為一個極端的例子，因為社區內以及鄰近地區有高密度的工業及儲油槽設施，高度空氣污染區，更被評為全美空氣品質排名倒數第六的城市。嚴峻的空氣污染對該地區的居民的健康安全造成高度風險，加上當地多為西班牙裔且社經地位相對較低的居民，嚴重的空污環境更加劇了社會資源分佈不均與環境正義等問題，調查環境空氣品質在此狀況下顯得刻不容緩。
人工智慧加上大數據機器學習，偵測準確率高達98%
研究團隊運用機器學習為基礎加上整合學習模型的方法，將實際監測社區住宅區的污染物的數據，結合地理資訊統、衛星地標、土地利用排放源分布圖層及氣象等多達300項的環境因子，並透過五種機器學習算法（即XGBR、GBR、LGBMR、CBR、RFR）組合成的新開發集成學習模型進行分析，展開人工智慧運算。研究進行了模型穩健性評估、過擬合測試、10倍交叉驗證、內部和分層驗證，最後集成模型能夠解釋苯空間變異性高達約98.7%（調整R2=0.987）。通過嚴格的驗證，確認了模型表現具有高度穩定性，即可精準判斷Hartman Park社區苯污染物來源與分布。
苯污染模式顯示交通與石化工業恐為元兇
從研究結果顯示，以時間上來說，早上時段苯的濃度較高，可能與工業與交通密集時段有密切相關，特別是與工業區相鄰的高速公路通常在早上常會交通壅塞。另一方面，通過分析空間模式，研究發現不管是工業區附近或住宅區都監測到超過1 ppb的苯擴散（如圖一）。
