Loading [MathJax]/extensions/tex2jax.js

0

0
0

文字

分享

0
0
0

災害預測新技術 (三):沙塵蓋目 不速之客千里而來

李柏昱
・2013/03/17 ・2133字 ・閱讀時間約 4 分鐘 ・SR值 569 ・九年級

-----廣告,請繼續往下閱讀-----

沙塵暴:千里而來的不速之客台灣每年的11月至隔年3、4月,容易遭受來自中國的沙塵暴侵襲,城市籠罩在一片霧茫茫的白色沙塵之中,遠方景物模糊不清,新聞提醒老人與小孩盡量避免外出活動…。為了更了解這種「不遠千里而來」的自然災害,我們邀請到文化大學楊之遠教授與環保署環境監測及資訊處朱雨其處長,深入淺出地介紹各種空氣污染物與沙塵暴的成因與威脅,以及面對這些飄浮在空氣中的威脅,目前是如何進行監測與預報呢?

空氣污染物知多少

在討論沙塵暴前,我們必須先知道,大氣中有哪些東西會對我們的健康造成威脅?

環保署目前主要監測的空氣污染物可以分為氣狀污染物與粒狀污染物,前者包含氮氧化物(NOx)、硫氧化物(SOx)、一氧化碳(CO)、揮發性有機物(VOCS)等等,而後者指空氣中的懸浮粒子,依粒徑大小可分為懸浮微粒(PM10)與細懸浮微粒(PM2.5)。

氣狀污染物主要來自人為排放,例如工業製程與汽機車引擎產生的廢氣。其中,氮氧化物與VOC會與陽光進行光化學作用,形成臭氧(O3)。臭氧在高空能阻礙紫外線照射地面,然而,在地面附近的臭氧會對眼睛,呼吸道有刺激作用。

-----廣告,請繼續往下閱讀-----

粒狀污染物的來源可分為自然與人為。自然來源包含海洋、火山、森林大火等等。而人為來源包含工廠、汽機車與工程施工的揚塵等等。

粒狀污染物中,PM 2.5指微粒直徑等於或小於2.5μm,相當於頭髮直徑的28分之一,由於鼻毛無法過濾如此細小的顆粒,附著於顆粒上的細菌或病毒可能間接侵入肺部造成感染。每逢沙塵暴侵襲台灣,可觀測到各地測站PM10大幅飆升(約為平常的5~10倍),由於沙塵多屬較粗的顆粒,通常 PM2.5增加不如PM10顯著(約為平常的2~3倍)。

黃沙滾滾:沙塵暴的形成

台灣平均每年遭遇兩次到三次較為嚴重的沙塵暴。世界上主要的沙塵暴來源主要有四個:澳洲、撒哈拉、中亞以及中國內陸的沙漠。

沙塵暴來源地地區的地表土質鬆軟、乾燥、無植被,在沒有積雪的情況下,搭配特定的氣象條件,如強烈的地面風、垂直不穩定的氣象條件及沒有降雨降雪,便會造成沙塵揚起,懸浮於大氣當中,高度可達1000公尺至3000公尺,再藉由西風帶的氣流向東傳送至日本、韓國,甚至抵達美國。

-----廣告,請繼續往下閱讀-----

每逢冬末春初,尤其每年二月至四月,是沙塵暴最頻繁的時間。其中少數會影響台灣,這些沙塵暴主要來自中國的甘肅、內蒙古、黃河河套地區,這些沙塵可能伴隨東北季風一起南下。

沙塵暴對於人體的威脅

由於沙塵暴漂洋過海來台灣時,主要以PM10為主,能來到台灣的細小的PM2.5並不顯著,有研究發現,沙塵暴影響期間,台灣本地可觀測到少見或甚至未曾出現過的真菌,但是否由沙塵所挾帶,需要進一步研究證實。

沙塵暴可能攜帶生物性的物質,這表示沙塵暴也有可能攜帶病毒與微生物來到台灣,提高健康風險以及疾病傳播,甚至造成生態環境的破壞。

另外,沙塵暴過後數天內,過敏性病人急診人數大量增加;而根據1994年至2007年台北的統計資料,沙塵暴來襲期間,會增加非意外死亡和心血管疾病死亡的人數,其中年長者更易受到沙塵暴的影響,故台灣對於沙塵暴的侵襲不可不慎。

-----廣告,請繼續往下閱讀-----

空污防治最前線:台灣空氣品質監測站

目前,環保署一共有76個空氣品質監測站,遍布台灣本島與金門、馬祖、澎湖三個外島,即時監測懸浮微粒濃度、氮氧化物、硫氧化物、臭氧等空氣污染物。這些測站的數據都是上網即時公開,民眾能透過網路了解當下的空氣品質狀況。

同時,這些空氣品質測站可說是偵測境外污染物的最前線。境外污染物包含東南亞生質燃燒,以及中國的沙塵暴與酸雨等等。

76個測站中,部分測站由於本地污染源少,或者因為地理位置,境外污染物來襲時首當其衝,因此可作為背景測站。背景測站若偵測到污染物便可能是境外污染。

目前,環保署的背景站包含鹿林山、馬祖東引以及東沙群島。過去幾次沙塵暴侵襲台灣時,馬祖測站的懸浮微粒濃度為比台灣本島早數個小時提高,因此可視為沙塵暴即將來襲的預警。此外,本島的萬里石門、觀音、三義等測站也屬於背景測站。

-----廣告,請繼續往下閱讀-----

沙塵暴監測與預報

目前環保署設有專門小組蒐集全球的觀測資料,如地面的沙塵觀測、衛星影像與各地的空氣品質,利用電腦預測模式,預測這波沙塵暴何時到達台灣,以及抵達時PM2.5懸浮微粒的濃度會有多高。

目前環保署在進行沙塵預報作業時,主要參考6個分別來自台灣、美國、日本、韓國與中國的沙塵模式,其中便以環保署與台灣大學大氣科學系發展的沙塵模式為最主要的參考依據。

這種研判沙塵影響台灣的方法,在時間點預估表現不錯,但是實際抵達台灣的濃度難以掌控。由於侵襲台灣的沙塵暴會先經過中國許多省分,如果能取得中國的觀測資料,對於實際評估沙塵威力將頗有幫助,建立兩岸監測合作機制已經列入環保署2013年的目標。

沙塵暴本來是自然現象,但是經過中國這幾十年來的過度砍伐森林、過度放牧等,沙漠化土地面積增加,使沙塵暴來源地更接近台灣,沙塵暴侵襲台灣的時間更快。目前中國已經開始正視沙塵暴的威脅,開始推動造林與其他監測空氣品質的措施。而台灣除了降低本身的污染物,對於境外污染物亦須做好防護措施,以將風險降至最低。

-----廣告,請繼續往下閱讀-----

延伸閱讀:

楊之遠 2001。大陸沙塵暴影響台灣地區空氣品質之監測與預報。物理雙月刊23(3): 416-421。
趙馨、詹長權 2003。大陸沙塵暴與背景測站懸浮微粒成分特徵之研究。環境保護署委託之專題研究成果報告(編號:EPA-92-U1L1-02-101),未出版。
行政院環保署環境監測與資訊處 2012。行政院環境保護署環境監測及資訊發展25周年紀實。台北市:環保署。

-----廣告,請繼續往下閱讀-----
文章難易度
李柏昱
81 篇文章 ・ 2 位粉絲
成大都市計劃所研究生,現為防災科普小組編輯。喜歡的領域為地球科學、交通運輸與都市規劃,對於都市面臨的災害以及如何進行防災十分感興趣。

0

1
0

文字

分享

0
1
0
拆解邊緣AI熱潮:伺服器如何提供穩固的運算基石?
鳥苷三磷酸 (PanSci Promo)_96
・2025/05/21 ・5071字 ・閱讀時間約 10 分鐘

本文與 研華科技 合作,泛科學企劃執行。

每次 NVIDIA 執行長黃仁勳公開發言,總能牽動整個 AI 產業的神經。然而,我們不妨設想一個更深層的問題——如今的 AI 幾乎都倚賴網路連線,那如果哪天「網路斷了」,會發生什麼事?

想像你正在自駕車打個盹,系統突然警示:「網路連線中斷」,車輛開始偏離路線,而前方竟是萬丈深谷。又或者家庭機器人被駭,開始暴走跳舞,甚至舉起刀具向你走來。

這會是黃仁勳期待的未來嗎?當然不是!也因為如此,「邊緣 AI」成為業界關注重點。不靠雲端,AI 就能在現場即時反應,不只更安全、低延遲,還能讓數據當場變現,不再淪為沉沒成本。

什麼是邊緣 AI ?

邊緣 AI,乍聽之下,好像是「孤單站在角落的人工智慧」,但事實上,它正是我們身邊最可靠、最即時的親密數位夥伴呀。

當前,像是企業、醫院、學校內部的伺服器,個人電腦,甚至手機等裝置,都可以成為「邊緣節點」。當數據在這些邊緣節點進行運算,稱為邊緣運算;而在邊緣節點上運行 AI ,就被稱為邊緣 AI。簡單來說,就是將原本集中在遠端資料中心的運算能力,「搬家」到更靠近數據源頭的地方。

-----廣告,請繼續往下閱讀-----

那麼,為什麼需要這樣做?資料放在雲端,集中管理不是更方便嗎?對,就是不好。

當數據在這些邊緣節點進行運算,稱為邊緣運算;而在邊緣節點上運行 AI ,就被稱為邊緣 AI。/ 圖片來源:MotionArray

第一個不好是物理限制:「延遲」。
即使光速已經非常快,數據從你家旁邊的路口傳到幾千公里外的雲端機房,再把分析結果傳回來,中間還要經過各種網路節點轉來轉去…這樣一來一回,就算只是幾十毫秒的延遲,對於需要「即刻反應」的 AI 應用,比如說工廠裡要精密控制的機械手臂、或者自駕車要判斷路況時,每一毫秒都攸關安全與精度,這點延遲都是無法接受的!這是物理距離與網路架構先天上的限制,無法繞過去。

第二個挑戰,是資訊科學跟工程上的考量:「頻寬」與「成本」。
你可以想像網路頻寬就像水管的粗細。隨著高解析影像與感測器數據不斷來回傳送,湧入的資料數據量就像超級大的水流,一下子就把水管塞爆!要避免流量爆炸,你就要一直擴充水管,也就是擴增頻寬,然而這樣的基礎建設成本是很驚人的。如果能在邊緣就先處理,把重要資訊「濃縮」過後再傳回雲端,是不是就能減輕頻寬負擔,也能節省大量費用呢?

第三個挑戰:系統「可靠性」與「韌性」。
如果所有運算都仰賴遠端的雲端時,一旦網路不穩、甚至斷線,那怎麼辦?很多關鍵應用,像是公共安全監控或是重要設備的預警系統,可不能這樣「看天吃飯」啊!邊緣處理讓系統更獨立,就算暫時斷線,本地的 AI 還是能繼續運作與即時反應,這在工程上是非常重要的考量。

所以你看,邊緣運算不是科學家們沒事找事做,它是順應數據特性和實際應用需求,一個非常合理的科學與工程上的最佳化選擇,是我們想要抓住即時數據價值,非走不可的一條路!

邊緣 AI 的實戰魅力:從工廠到倉儲,再到你的工作桌

知道要把 AI 算力搬到邊緣了,接下來的問題就是─邊緣 AI 究竟強在哪裡呢?它強就強在能夠做到「深度感知(Deep Perception)」!

-----廣告,請繼續往下閱讀-----

所謂深度感知,並非僅僅是對數據進行簡單的加加減減,而是透過如深度神經網路這類複雜的 AI 模型,從原始數據裡面,去「理解」出更高層次、更具意義的資訊。

研華科技為例,旗下已有多項邊緣 AI 的實戰應用。以工業瑕疵檢測為例,利用物件偵測模型,快速將工業產品中的瑕疵挑出來,而且由於 AI 模型可以使用同一套參數去檢測,因此品管上能達到一致性,減少人為疏漏。尤其在高產能工廠中,檢測速度必須快、狠、準。研華這套 AI 系統每分鐘最高可處理 8,000 件產品,替工廠節省大量人力,同時確保品質穩定。這樣的效能來自於一台僅有膠囊咖啡機大小的邊緣設備—IPC-240。

這樣的效能來自於一台僅有膠囊咖啡機大小的邊緣設備—IPC-240。/ 圖片提供:研華科技

此外,在智慧倉儲場域,研華與威剛合作,研華與威剛聯手合作,在 MIC-732AO 伺服器上搭載輝達的 Nova Orin 開發平台,打造倉儲系統的 AMR(Autonomous Mobile Robot) 自走車。這跟過去在倉儲系統中使用的自動導引車 AGV 技術不一樣,AMR 不需要事先規劃好路線,靠著感測器偵測,就能輕鬆避開障礙物,識別路線,並且將貨物載到指定地點存放。

當然,還有語言模型的應用。例如結合檢索增強生成 ( RAG ) 跟上下文學習 ( in-context learning ),除了可以做備忘錄跟排程規劃以外,還能將實務上碰到的問題記錄下來,等到之後碰到類似的問題時,就能詢問 AI 並得到解答。

你或許會問,那為什麼不直接使用 ChatGPT 就好了?其實,對許多企業來說,內部資料往往具有高度機密性與商業價值,有些場域甚至連手機都禁止員工帶入,自然無法將資料上傳雲端。對於重視資安,又希望運用 AI 提升效率的企業與工廠而言,自行部署大型語言模型(self-hosted LLM)才是理想選擇。而這樣的應用,並不需要龐大的設備。研華的 SKY-602E3 塔式 GPU 伺服器,體積僅如後背包大小,卻能輕鬆支援語言模型的運作,實現高效又安全的 AI 解決方案。

但問題也接著浮現:要在這麼小的設備上跑大型 AI 模型,會不會太吃資源?這正是目前 AI 領域最前沿、最火熱的研究方向之一:如何幫 AI 模型進行「科學瘦身」,又不減智慧。接下來,我們就來看看科學家是怎麼幫 AI 減重的。

-----廣告,請繼續往下閱讀-----

語言模型瘦身術之一:量化(Quantization)—用更精簡的數位方式來表示知識

當硬體資源有限,大模型卻越來越龐大,「幫模型減肥」就成了邊緣 AI 的重要課題。這其實跟圖片壓縮有點像:有些畫面細節我們肉眼根本看不出來,刪掉也不影響整體感覺,卻能大幅減少檔案大小。

模型量化的原理也是如此,只不過對象是模型裡面的參數。這些參數原先通常都是以「浮點數」表示,什麼是浮點數?其實就是你我都熟知的小數。舉例來說,圓周率是個無窮不循環小數,唸下去就會是3.141592653…但實際運算時,我們常常用 3.14 或甚至直接用 3,也能得到夠用的結果。降低模型參數中浮點數的精度就是這個意思! 

然而,量化並不是那麼容易的事情。而且實際上,降低精度多少還是會影響到模型表現的。因此在設計時,工程師會精密調整,確保效能在可接受範圍內,達成「瘦身不減智」的目標。

當硬體資源有限,大模型卻越來越龐大,「幫模型減肥」就成了邊緣 AI 的重要課題。/ 圖片來源:MotionArray

模型剪枝(Model Pruning)—基於重要性的結構精簡

建立一個 AI 模型,其實就是在搭建一整套類神經網路系統,並訓練類神經元中彼此關聯的參數。然而,在這麼多參數中,總會有一些參數明明佔了一個位置,卻對整體模型沒有貢獻。既然如此,不如果斷將這些「冗餘」移除。

這就像種植作物的時候,總會雜草叢生,但這些雜草並不是我們想要的作物,這時候我們就會動手清理雜草。在語言模型中也會有這樣的雜草存在,而動手去清理這些不需要的連結參數或神經元的技術,就稱為 AI 模型的模型剪枝(Model Pruning)。

-----廣告,請繼續往下閱讀-----

模型剪枝的效果,大概能把100變成70這樣的程度,說多也不是太多。雖然這樣的縮減對於提升效率已具幫助,但若我們要的是一個更小幾個數量級的模型,僅靠剪枝仍不足以應對。最後還是需要從源頭著手,採取更治本的方法:一開始就打造一個很小的模型,並讓它去學習大模型的知識。這項技術被稱為「知識蒸餾」,是目前 AI 模型壓縮領域中最具潛力的方法之一。

知識蒸餾(Knowledge Distillation)—讓小模型學習大師的「精髓」

想像一下,一位經驗豐富、見多識廣的老師傅,就是那個龐大而強悍的 AI 模型。現在,他要培養一位年輕學徒—小型 AI 模型。與其只是告訴小型模型正確答案,老師傅 (大模型) 會更直接傳授他做判斷時的「思考過程」跟「眉角」,例如「為什麼我會這樣想?」、「其他選項的可能性有多少?」。這樣一來,小小的學徒模型,用它有限的「腦容量」,也能學到老師傅的「智慧精髓」,表現就能大幅提升!這是一種很高級的訓練技巧,跟遷移學習有關。

舉個例子,當大型語言模型在收到「晚餐:鳳梨」這組輸入時,它下一個會接的詞語跟機率分別為「炒飯:50%,蝦球:30%,披薩:15%,汁:5%」。在知識蒸餾的過程中,它可以把這套機率表一起教給小語言模型,讓小語言模型不必透過自己訓練,也能輕鬆得到這個推理過程。如今,許多高效的小型語言模型正是透過這項技術訓練而成,讓我們得以在資源有限的邊緣設備上,也能部署愈來愈強大的小模型 AI。

但是!即使模型經過了這些科學方法的優化,變得比較「苗條」了,要真正在邊緣環境中處理如潮水般湧現的資料,並且高速、即時、穩定地運作,仍然需要一個夠強的「引擎」來驅動它們。也就是說,要把這些經過科學千錘百鍊、但依然需要大量計算的 AI 模型,真正放到邊緣的現場去發揮作用,就需要一個強大的「硬體平台」來承載。

-----廣告,請繼續往下閱讀-----

邊緣 AI 的強心臟:SKY-602E3 的三大關鍵

像研華的 SKY-602E3 塔式 GPU 伺服器,就是扮演「邊緣 AI 引擎」的關鍵角色!那麼,它到底厲害在哪?

一、核心算力
它最多可安裝 4 張雙寬度 GPU 顯示卡。為什麼 GPU 這麼重要?因為 GPU 的設計,天生就擅長做「平行計算」,這正好就是 AI 模型裡面那種海量數學運算最需要的!

你想想看,那麼多數據要同時處理,就像要請一大堆人同時算數學一樣,GPU 就是那個最有效率的工具人!而且,有多張 GPU,代表可以同時跑更多不同的 AI 任務,或者處理更大流量的數據。這是確保那些科學研究成果,在邊緣能真正「跑起來」、「跑得快」、而且「能同時做更多事」的物理基礎!

二、工程適應性——塔式設計。
邊緣環境通常不是那種恆溫恆濕的標準機房,有時是在工廠角落、辦公室一隅、或某個研究實驗室。這種塔式的機箱設計,體積相對緊湊,散熱空間也比較好(這對高功耗的 GPU 很重要!),部署起來比傳統機架式伺服器更有彈性。這就是把高性能計算,進行「工程化」,讓它能適應台灣多樣化的邊緣應用場景。

三、可靠性
SKY-602E3 用的是伺服器等級的主機板、ECC 糾錯記憶體、還有備援電源供應器等等。這些聽起來很硬的規格,背後代表的是嚴謹的工程可靠性設計。畢竟在邊緣現場,系統穩定壓倒一切!你總不希望 AI 分析跑到一半就掛掉吧?這些設計確保了部署在現場的 AI 系統,能夠長時間、穩定地運作,把實驗室裡的科學成果,可靠地轉化成實際的應用價值。

-----廣告,請繼續往下閱讀-----
研華的 SKY-602E3 塔式 GPU 伺服器,體積僅如後背包大小,卻能輕鬆支援語言模型的運作,實現高效又安全的 AI 解決方案。/ 圖片提供:研華科技

台灣製造 × 在地智慧:打造專屬的邊緣 AI 解決方案

研華科技攜手八維智能,能幫助企業或機構提供客製化的AI解決方案。他們的技術能力涵蓋了自然語言處理、電腦視覺、預測性大數據分析、全端軟體開發與部署,及AI軟硬體整合。

無論是大小型語言模型的微調、工業瑕疵檢測的模型訓練、大數據分析,還是其他 AI 相關的服務,都能交給研華與八維智能來協助完成。他們甚至提供 GPU 與伺服器的租借服務,讓企業在啟動 AI 專案前,大幅降低前期投入門檻,靈活又實用。

台灣有著獨特的產業結構,從精密製造、城市交通管理,到因應高齡化社會的智慧醫療與公共安全,都是邊緣 AI 的理想應用場域。更重要的是,這些情境中許多關鍵資訊都具有高度的「時效性」。像是產線上的一處異常、道路上的突發狀況、醫療設備的即刻警示,這些都需要分秒必爭的即時回應。

如果我們還需要將數據送上雲端分析、再等待回傳結果,往往已經錯失最佳反應時機。這也是為什麼邊緣 AI,不只是一項技術創新,更是一條把尖端 AI 科學落地、真正發揮產業生產力與社會價值的關鍵路徑。讓數據在生成的那一刻、在事件發生的現場,就能被有效的「理解」與「利用」,是將數據垃圾變成數據黃金的賢者之石!

👉 更多研華Edge AI解決方案
👉 立即申請Server租借

-----廣告,請繼續往下閱讀-----
-----廣告,請繼續往下閱讀-----
文章難易度

討論功能關閉中。

1

4
1

文字

分享

1
4
1
臺灣的空污問題與眾不同,如何使空污預報更精確?先瞭解大氣邊界層和感測物聯網吧!
研之有物│中央研究院_96
・2022/10/16 ・6113字 ・閱讀時間約 12 分鐘

-----廣告,請繼續往下閱讀-----

本文轉載自中央研究院研之有物,泛科學為宣傳推廣執行單位。

  • 採訪撰文/陳儀珈
  • 責任編輯/簡克志
  • 美術設計/蔡宛潔

你以為的大氣,不是真實的大氣!

大氣邊界層是人類的生活範圍,也是大部分空氣污染物存在的地方。然而,傳統氣象學模擬的大氣邊界層結構並不符合臺灣的真實情況,因此真實的空氣污染現象和理論的模擬預測間往往存在顯著的差異,導致污染防制策略缺乏精確的指引。

中央研究院「研之有物」專訪院內環境變遷研究中心研究員兼空氣品質專題中心執行長周崇光,他是建立空品專題中心的主要推手,研究團隊從大氣結構出發,試圖改善臺灣空氣品質的診斷及預報,這項計畫集結了來自民生公共物聯網國家高速網路與計算中心環境保護署等跨部門的資源,以下讓我們一起看周崇光怎麼說。

中研院環變中心研究員兼空品專題中心執行長周崇光。圖/研之有物

根據國際貨幣基金組織(IMF) 2021 年的報告,臺灣位列全球第 22 大經濟體,這個只有 3.6 萬平方公里的小小島國,一年內卻可以創造出高達 7,855.89 億美元的市場價值。

-----廣告,請繼續往下閱讀-----

在美國國家航空暨太空總署(NASA)公布的地球夜景照中,我們彷彿可以看見,高樓一棟棟升起、工廠一座座建成、百貨一間間林立,在又長又窄的西半邊,從北到南形成臺北、臺中和高雄三大都會區。

西部臨海,東部靠山,這個寬度可能不到 100 公里的窄長地區,不僅聚集了臺灣 2,300 萬人的極大多數人口,凝聚出商業與工業的巨大產能,更集結了大量、複雜的「空氣污染物」。中研院「研之有物」專訪周崇光研究員,請他從空氣品質與都市氣象學的角度,細細剖析空污議題在這座海島上的獨特之處。

ASA 在 2016 年 12 月 31 日拍攝的夜景照,可看出臺灣有北、中、南三大亮區。圖/NASA

臺灣雖然小,但空汙問題好複雜!

臺灣國土面積僅有 3.6 萬平方公里,以大氣尺度來看非常的小,然而,我們在空氣污染面臨的挑戰卻異常艱鉅。

臺灣不僅處於許多境外污染源的下風處,接受來自各方的空氣污染物,各大都會區也因為地形的關係吃足了苦頭,整個中西部更是在窄長的地域中,面臨來自山、海的多重影響。

-----廣告,請繼續往下閱讀-----

以下圖的臺中都會區為例,臺中位處於中央山脈西側的中央,本身是一個有數個開口的盆地,被多重大氣動力機制所影響,包含季風、海陸風、山谷風以及熱島環流,形成極度複雜的區域環流。

盆地內的空氣污染物原本就不容易擴散,再加上複雜的大氣環流和大氣化學反應,讓臺中的空氣品質狀況非常、非常的複雜,無法使用現有的大氣理論進行簡單的描述,使得大氣科學家極為不易於觀測和研究臺中的空污情形。

「這裡就像是巫婆煉湯一樣。」周崇光這麼說。

臺中位處於中央山脈西側的中央,本身是一個有數個開口的盆地,被多重大氣動力機制所影響,包含季風、海陸風、山谷風以及熱島環流,形成極度複雜的區域環流。圖/研之有物(資料來源/周崇光)

臺灣在東北風的影響下,不適合傳統的高煙囪理論

周崇光笑著說,到處觀察「煙囪」是他的職業病。

-----廣告,請繼續往下閱讀-----

大陸環境的大氣結構相對簡單,自歐洲工業革命開始,傳統大氣科學的理論都告訴人們:越高、風越大,只要把煙囪建得高高的,就可讓風把污染物吹散、吹到很遠的地方。

平坦的大陸環境中,把煙囪建高可以讓煙流擴散及傳輸至很遠的地方。圖/rawpixel

「到了大陸國家,你會發現他們煙囪排出來的煙,經常是非常穩定的水平煙流,可以飄得很遠,這種煙流挾帶著空氣污染物飛到 10 幾公里外都不是問題!」,然而反觀臺灣的煙囪,卻很少出現這樣的水平煙流。

中研院空品專題中心對臺中火力發電廠的煙流觀測顯示,傳統高煙囪設計反而容易讓煙流進入「污染累積區」,在高度 450~800 公尺左右,橘色區域的空氣層風速僅有 0.5~3 公尺/秒。不同折線表示有兩個時段,分別是觀測當天凌晨 1 點到 3 點(紅線),以及晚上 19 點到 21 點(黃橘線)。圖/研之有物(資料來源/周崇光)

根據中研院空品專題中心對火力發電廠的煙流觀測資料,如果臺灣的煙囪蓋得跟大陸國家一樣高,有時候反而容易造成空氣污染物的累積。

從上圖可知,當臺灣處在微弱東北風的大氣環境之中,西部沿海風速最快的大氣區域(藍底),大約落在 200~400 公尺高之間,此區的風速大約為 5~6 公尺/秒左右,以東北風為主,是空氣污染物的「最佳擴散區」。

-----廣告,請繼續往下閱讀-----

若是再往上,到了 450~800 公尺左右,風速驟然下降(橘底),僅有 0.5~3 公尺/秒。這個區域的大氣就像是被下層的東北風與上層的南風「夾擊」一樣,在兩個不同方向的風的對切之下,形成一個風速很低的「污染累積區」。

因此,若臺灣真的按照傳統的大氣理論建造高煙囪時,反而會讓煙囪的高溫煙流進入污染累積區;換個做法,如果煙囪低一點,才可以被強風吹散。

不過周崇光話鋒一轉:低煙囪設計要相當謹慎,也很難推行。高溫煙流排出去會有很明顯的白煙(水蒸氣凝結),一般人都不喜歡看到白煙離居住地太近,因此實務上還會特別做加熱設計,讓煙流先往上浮,再擴散,等於加高了煙囪的高度,這在工程上稱為「有效煙囪高度」。降低煙囪高度除了有視覺污染的問題,污染排放點離民眾越近,當工廠發生緊急異常排放時,異常事件的衝擊風險也會越大。

和傳統理論不一樣?那就做出臺灣自己的資料吧!

這麼經典的高煙囪理論,為什麼不能用在臺灣?

-----廣告,請繼續往下閱讀-----

周崇光表示,大氣科學的理論大都源自於美國、歐洲,使得傳統大氣理論都更適用於大陸環境之下,因此難以直接應用於臺灣地狹人稠的海島結構,而中研院空品專題中心的目標之一,就是發展出屬於臺灣的「空污氣象學」。

周崇光提到:「臺灣跟大陸國家的空間條件實在差太多,所以我們必須要更精確知道,臺灣空氣污染物的高度分布到底長什麼樣子,才能更有效的管制並改善空品狀況。」

既然臺灣無法參考大陸型國家的大氣狀況,那麼小一點的、近一點的國家呢?韓國、日本的有沒有參考的價值?

周崇光笑著說,「你知道嗎?臺中盆地也才 10 幾公里,但是外圍的中央山脈高達 3,000 公尺以上!」就算是韓國、日本,它們的地理空間也比臺灣大多了,而且地形也沒有這麼複雜。

-----廣告,請繼續往下閱讀-----
臺中盆地的衛星空照圖。圖/Wikipedia

當這麼多的工廠、車輛都擠在這小小的區域,究竟會對臺灣的空氣品質造成多嚴重的後果?某種程度來說,這也許是個細思極恐的問題呀。

因此,為了國內空污氣象學的發展,搞懂臺灣的大氣邊界層(Atmospheric boundary layer)是刻不容緩的工作。

大氣邊界層除了是人類的生活範圍,也是大部分的空氣污染物存在的地方,又被稱為行星邊界層(Planetary boundary layer)。在氣象學中,大氣邊界層指的是「直接受到地表作用影響」的大氣,高度從地表一直到數百至數千公尺不等,是大氣層中最靠近地球表面的部分。

然而,傳統氣象學所模擬出來的大氣邊界層結構並不符合臺灣的真實情形,因此,大氣科學家必須釐清大氣邊界層的氣象參數、動力機制,未來才能夠更精準的找到影響都市氣象以及空氣品質的關鍵因子。

但周崇光也感慨的說,「坦白講,目前臺灣還沒有辦法很『系統化』的改善邊界層的模擬條件,但我們仍然不斷的在努力,透過很多很多的調查、研究、模擬參數,漸漸地發展出半經驗、半理論的結構,最終的目標是歸納成一個系統性的成果,作為臺灣空污氣象學最扎實的理論基礎。」

-----廣告,請繼續往下閱讀-----

從大規模的調查研究、積極補足知識的缺口、重新建立理論模型,到回頭檢視國家的空污防制策略,大氣科學家必須腳踏實地的、一步一步的,藉由大氣科學研究的力量,才能讓空氣品質管制更上一層樓。面對迫切的空氣污染防制議題、空污氣象學理論的不足,「空氣品質專題中心」也應運而生。

中研院在「大氣物理與化學」的研究群早已相當成熟,有著極為厚實的研究經驗和基礎,然而為了讓研究目標更明確、進一步聚集研究能量並進行跨部門的合作,中研院以提出空污議題的科學解釋與建議對策為目標, 2021 年 1 月在環境變遷研究中心之下成立空氣品質專題中心,成為全國規模最大的空氣品質專業研究機構。

除了宣示中研院對空污議題的重視之外,如此一來,研究預算的匡列、人力的評估,都有更紮實、更有架構的基礎。擺脫以往研究員們「自動自發」的空品研究,在中心的管理之下,空污的學術研究更能夠產生聚焦效果。

更精確的空氣品質預報

如果大家點入行政院環保署的空氣品質監測網,可以發現,目前來自中央監測的空氣品質預報的解析度並不高,由於空品狀況站數僅有 85 站,只能以「北部」、「竹苗」、「宜蘭」、「花東」、「中部」、「雲嘉南」、「高屏」等大範圍空品區進行未來三日的預報,尚無法以「縣市」或更小的區域為單位提供精準的預報。

全國空氣品質指標的測站點位圖,可看出共有 85 個測站。圖片資訊日期為 2022 年 9 月 13 日。圖/空氣品質監測網
未來三日空品區預報,目前僅能呈現大範圍空品區預報。圖片資訊日期為 2022 年 9 月 13 日。圖/空氣品質監測網

因此,為了提供更先進的空氣品質預報,致力掌握國內 PM2.5 及 O3 等空氣污染物濃度變化情形的「高解析度空氣品質診斷與預報模式發展計畫」,是空品專題中心相當關鍵的研究計畫之一,此計畫是行政院前瞻基礎建設中「民生公共物聯網數據應用及產業開展計畫」的一個分支,集結了中研院、國家高速網路與計算中心、環保署等跨部門資源。

該計畫預計發展一套 1 km*1 km 高解析度的 72 小時空氣品質預報模式,並描繪空氣污染物的 3D 空間分布,預期能夠對臺灣地區 PM2.5 及 O3 生成與傳輸過程進行更精確的模擬,進而應用於空氣污染事件的預報和成因診斷。

周崇光將這個計畫比喻為一個「神經系統」,由環保署統合高達 10,000 個感測器,就像是神經系統中的神經元,負責感知大氣環境中的變化,並透過民生公共物聯網提供的神經網路,將資訊傳輸至國家高速網路中心的超級電腦,而超級電腦就像是大腦一樣,提供強大的運算力,使得空污模式得以統合氣象條件、污染物排放量、以及感測器提供的環境變化狀況,計算和預報未來幾天空氣品質的可能變化。

雖然感測器來源不一,不同層級的靈敏度也有所落差,但隨著近年技術的進步和突破,微型感測器對 PM2.5 的監測資料已經具有足供參考的準確度,目前各縣市大約都有 100 個以上的微型感測器,環保署已經在全臺灣佈建了約 10,000 個感測器,透過高密度的監測數據進行資料分析,有效掌握全臺各地的空品狀態。

環保署已佈建約 1 萬個微型感測器,可監測各地 PM2.5 狀態。圖片資訊日期為 2022 年 9 月 13 日。圖/air 空氣網

此外,此研究計畫也希望藉由感測器的大量需求,協助推動臺灣感測器的產業,與經濟部、工研院合作推動感測器的國產化。目前工研院的技術已經技轉給國內廠商,國產感測器在環保署監測網的佔有率已達將近 3 成,未來會持續輔導相關廠商。

研究計畫一邊發展預報系統,也一邊透過微型感測器資料即時驗證預報的成效。就像是如果寫考卷時,我們可以一填答就馬上得知正確答案時,就可以隨時檢討自己的計算流程到底哪裡出了問題,不斷修正,找出最正確的解方。

同理,拜微型感測器遍布全臺之賜,大氣科學家逐漸能夠快速驗證空氣品質預報的模擬結果,有朝一日,國內空污的物理化學機制以及關鍵污染源,將不再是讓人頭痛的黑盒子。目前由於 PM2.5 的感測器已相對成熟且數量足夠,因此中研院空品專題中心已成功驗證 3 km*3 km 解析度之 PM2.5 預報資料,最終目標是精確到 1 km*1 km。

影/YouTube
中研院周崇光團隊已成功驗證高解析度 72 小時 PM2.5 預報資料,每小時可模擬 3 km*3 km 空間解析度,最終目標是精確到 1 km*1 km。圖片預報日期為 2021 年 12 月 18 日~2021 年 12 月 20 日。圖/研之有物(資料來源/周崇光)

如何讓空氣品質變好,又不影響現有的生活?

在中研院環變中心周崇光研究員帶領下的空品專題中心,其中一個核心精神,就是要對社會關鍵議題有貢獻。

專注發表學術論文是科學研究的本質,也是科學進步的動力,不過進行社會議題相關的科學研究通常會更辛苦,往往會花費極大的心力與時間。

做空氣污染防制就像是「精準醫療」的概念一樣,如何讓藥物只攻擊癌細胞而不對身體的其他地方造成太大的副作用?經過科學研究的探索後,如何讓臺灣的空氣品質更好而不衝擊社會文化和經濟?

空污管制並非是一味阻擋臺灣經濟和工業發展,空品專題中心希望可以藉由科學的力量,更精準、更沒有副作用的改善臺灣空氣品質。

除了大氣科學理論和空氣污染排放清單有所不足之外,像是能源政策、交通規劃、國土計畫都需要重頭思考。周崇光說:「一路研究下去,我們開始疑惑,當初為什麼我們都傻傻的,把這麼多的大型污染源擺在海邊,讓海風把污染物往內陸帶?為什麼臺灣的國土利用那麼集中?」這一些命題,都是一環扣一環。

最後周崇光強調,「空氣品質絕對是應用導向的研究,因此,我們除了做科學,也要讓這些研究結果有願景、有視野,讓臺灣變得更好。」

-----廣告,請繼續往下閱讀-----
所有討論 1
研之有物│中央研究院_96
296 篇文章 ・ 3654 位粉絲
研之有物,取諧音自「言之有物」,出處為《周易·家人》:「君子以言有物而行有恆」。探索具體研究案例、直擊研究員生活,成為串聯您與中研院的橋梁,通往博大精深的知識世界。 網頁:研之有物 臉書:研之有物@Facebook

0

0
2

文字

分享

0
0
2
空汙來襲,創客爸爸們打造「空氣盒子」替環境把關
Research Portal(科技政策觀點)_96
・2019/04/12 ・5039字 ・閱讀時間約 10 分鐘 ・SR值 545 ・八年級

  • 作者/王宣智

空汙影響大,睡眠、智商都受其害

世界衛生組織發表「亞太地區空氣污染狀況」報告指出,全球每年有 700 萬人死於因空氣污染而引發的疾病,其中 60 萬人為兒童3

研究資料指出馬德里的空氣污染對於肺健康的傷害,其汙染程度相當於每天抽超過兩包煙8。類似的結果也出現在台灣,抽煙人口呈現持續下滑,竟然沒有減緩我國罹患肺癌的人數,近幾年肺癌的患者每年仍持續上升。

日益嚴重的空氣污染不只改變了生活環境,對民眾的生活、求職競爭力造成影響。空氣污染造成問題不僅僅是毒物體造成的生理損害,還會對心理健康、認知能力造成嚴重的負面影響。空氣污染會讓睡眠呼吸障礙加劇,在睡眠過程呼吸不順暢將會影響睡眠的品質,長期睡眠品質不佳,還會影響學習的表現11。吸入高濃度的污染物,甚至會造成智力下降或受損,依據分析 2012~2014 年間近 32,000 名中國人的智力測驗結果發現,曝露在污染空氣中時間越長,智力測驗的分數越差,其中語言及數學測驗的分數與空污程度成反比9

日益嚴重的空氣污染不只改變了生活環境,對民眾的生活也造成影響。圖/pixabay

空氣污染除了影響智力外,也對學童課程學習產生了影響,因為空氣品質不佳,被迫取消戶外課程,導致學童缺乏充足的體能活動,影響體力與健康。長期處於空氣品質不良區域的部分國小,空污影響未達停課的標準,但是欠佳的空氣品質讓家長擔心,甚至要求學童需要戴著口罩上體育課10。空氣污染對民眾已經不再是簡單的環境污染問題,空氣污染造成認知能力與學習能力退化,將影響民眾的就業力與競爭力,在知識競爭的時代,民眾認知與學習能力退化,甚至危及國家的整體競爭力。

-----廣告,請繼續往下閱讀-----

空氣污染日漸嚴重,過去號稱因東北季風帶來境外的污染,但最近幾年,吹東南風的夏季,空污仍然常常超標。政府雖然提高交通工具的環保標準,降低交通工具排氣的污染影響,但我國整體空氣品質仍呈現不佳的情況。2017 年空氣品質指標 (AQI) 良好日數超過半年的縣市僅有六個,而南投縣、雲林縣、嘉義縣、金門縣的居民每年只有不到三個月的空氣品質為良好,以高雄市為例,在 2017 年竟有高達 130 天空氣品質屬於不健康等級14

汙染成分落差大?只看平均值是不夠的!

在面對空氣污染問題時,民眾需要的是預應式措施:在預估空氣品質未變差之前,即通過管制排放等相關辦法,讓民眾呼吸的空氣能夠維持在無害的水準。然而,空氣污染預測系統的建構,需要大規模的空氣品質數據與分析研究,正如同氣象學相關研究一般,充足的分析資訊,建構適宜的分析預測系統,驗證推論與修正等持續不斷的過程,方能建構完備的預估模式。

過去台灣因為缺乏足夠的空氣品質偵測站、長時間且持續監測資料,因此對於污染源的掌握,都是在有限的科學資料基礎下建構出來的推論。

研究學者因研究需要,在特定時間、特定位置擺設儀器收集空氣品質資料,輔以政府的空氣品質測站的資料,推斷出台灣特定區域空氣污染巨觀的狀況。巨觀的資料可以提供旅行出遊的參考,但是對於民眾的日常生活,卻無法提供趨吉避兇的指引。空氣品質監測網的橋頭偵測站資料代表著高雄市橋頭區 25.94 平方公里的空氣品質平均值,但是臭氧、PM2.5、PM10、一氧化碳、二氧化硫、二氧化氮的濃度在 25.94 平方公里的區域卻是不均勻的,民眾更想了解的是,居住地附近的空氣品質。

民間力量崛起,創客爸爸們的「空氣盒子」

推動自主空氣品質監測行動的是一群新手爸爸,多數是因為家有過敏兒,才特別注意空氣品質的問題,通過號召各縣市的創客,匯聚了來自十九個縣市,共四十位創客參與製作微型偵測站,以偵測自家周遭的空氣品質。針對空氣污染問題已日漸嚴重,由科技社會、民間團體發起了參與式感測行動,以感測器與網路做為載體,通過開放資料與數據分析的方法,透過群眾觀察所得的數據,找出空氣污染問題的樣貌7

因為家有過敏兒,一群新手爸爸合作推動了自主空氣品質監測行動。圖/pixabay

空氣盒子就在這樣的背景,由創客社群和新手爸爸們所建立的 PM2.5 環境感測。高密度的建置微型感測器,才能夠掌握生活周遭的空氣狀況,民間業者適時提供資金的捐助與協助產品開發,讓空氣盒子在 2016 年正式銷售,讓非創客、不會自行組裝的一般民眾也能夠參與到自主空氣品質監測計畫。空氣盒子發展近兩年,2017 年中研究參與空氣盒子計畫的研究人員獲得政府「前瞻計畫」民生物聯網的經費補助,以用來擴充空氣盒子設置站點及較早期空氣盒子的修繕。

民間數據 vs. 官方資料,誰測的才準?

在第十次全國科技會議時政府已承諾要增加空氣污染的偵測站,強化空氣品質偵測,但是弔詭的是,在第十次全國科技會議有人建議要建立平台串聯政府與民間的資料,形成更強有力的預警系統時,官方代表的回答竟然是:

民間的免費設備偵測資料可靠度較差,偶有測錯、誤報的問題,因此採取的作法為由主管機關逐步建立高精準偵測站,佈建台灣的官方的空氣品質偵測系統。

我國政府後來通過前瞻計畫的通過民生物聯網經費,支持了自主空氣品質監測計畫,讓其計畫從創客自主行動轉變為產官學研與公民的共同合作,但也因為前瞻計畫經費的支持,致使空氣品質監測計畫需受到立法院的監督。

-----廣告,請繼續往下閱讀-----

在立法院審查 2019 年政府預算時,立法委員曾針對空氣盒子精度未能符合分析化學的敏感度、準確性及穩定性原則,其量測方法未採用較嚴謹環境工程規範,及空氣盒子量測的部分結果與政府空氣品質偵測站之數據有明顯差異等,提出了質疑。立法委員提到了一般民眾對於空氣品質量測技術差異缺乏深入的了解,且空氣品質監測計畫執行網頁上,缺乏說明空氣盒子測站與政府標準空氣品質測站兩者感測值差異之原因,當民眾在不了解差異的前提下,易將兩者數據結果視為相同,若自行資訊解讀錯誤甚至可能產生恐慌效應,因此提出應暫緩核發空氣品質監測計畫次年度的研發經費的建議6

由下而上改變社會,業餘的科學行動

針對空氣盒子量測精度的問題,筆者認為應先探討空氣盒子行動的動機與目的:提供一個即時追查 PM 2.5 濃度變化的設備,並透過開放資料和數據分析,即時追查空氣品質變化,協助預測空污擴散趨勢。換言之,空氣盒子的民眾自主行動,是透過業餘者的科學行動,補足研究過程仍欠缺的資料。

運用公眾力量,協助收集科學數據,再由專業研究人員分析數據,形成研究成果一事,在國際已經行之有年,例如韋爾斯.伍德布里奇.庫克發起的北美鳥類物候學計劃 (The North American Bird Phenology Program )或奧杜拜學會的聖誕節鳥類統計 (The Audubon Society’s Christmas Bird Count),研究資料即運用公眾的力量協助收集,再交由研究人員分析,最後產生了鳥類種群和生物多樣性指標1

奧杜拜學會的聖誕節鳥類統計,也是運用公眾力量,協助收集科學數據的民間科學活動之一!圖/pixabay

-----廣告,請繼續往下閱讀-----

這種業餘者參與的科學研究活動被稱之為公民科學 (Citizen Science),或社群科學 (Community Science)、群眾科學 (Crowd Science)、眾包科學 (Crowd-sourced Science) 或網絡科學 (Networked Science )等,泛指由業餘科學家、非領域專家、科學愛好者與志願者參與的科學活動,範圍包括科學問題的探索、新技術的發展、研究資料的收集與分析等15。公民科學透過協同合作模式,實現科學研究目標,主要由專業科學家規劃,一般大眾有系統地參與全部或部分的科學研究,擴展資料收集的廣度與數量。

業餘者的公民科學行動,除了協助科學調查完整性外,也會促成社會改變。美國紐約州的托納萬達 (Tonawanda) 市擁有紐約州大型工業設施,居住此區的民眾多數患有慢性病,在 2004 年時當地居民注意到空氣品質與社區的慢性病可能有關,因此居民開始使用簡單的設備收集空氣樣本並嘗試分析,發現空氣中具有高濃度的苯。居民依據調查結果,讓紐約環境保護局執行進一步的空氣品質測試,並確定污染來源,促使相關公司增加洩漏偵測裝置與採取污染防治手段17,最終讓空氣中的苯含量降低86%。

多方合作,空氣監測不該分你我

台灣空氣品質監測服務計畫的參與者有民間業者 Edimax、開源和公益社群 LASS、中央研究院、g0v 零時政府組織社群、環保署、一般民眾或機構等,參與的方式包括了硬體的開發與改善、開發共同性的連接介面、設置空氣品質監測站,並分享即時空氣品質資訊、雲端平台資訊的收集整合、空氣品質呈現的模式與優化等,讓政府、民眾、企業或開源碼社群,分享部分的空氣品質監測資料,並進行串聯。

在空氣品質的呈現上,軟體社群的參與者開發出整合空氣品質資訊、地圖資料與 NCEP 氣象資訊的軟體平台,讓民眾透過網頁或手機應用程式,即可隨時監看各據點的空氣品質資訊,進階的使用者甚至可以通過風向資訊,自行推測空氣品質的變化。

-----廣告,請繼續往下閱讀-----

從公民科學的角度來看,空氣品質監測活動是另一種大規模的公民科學協同合作模式。圖/flicker

從公民科學的角度來看,空氣品質監測活動是另一種大規模的公民科學協同合作模式,產官學研與民眾透過不同的方式,參與到了空氣品質監測的任務中,並透過可溝通的應用程式資訊接口(API),讓空氣品質監測行動的參與者,分享彼此的監測資料12

收集到的空氣品質資料,提供給研究人員做為空氣品質分析或建立空氣品質預測模型使用,如張艮輝 (2018) 的社群式多尺度空氣品質模式 (CMAQ) 或莊秉潔 (2018) 的高斯煙流軌跡模式 (GTx),期望研究者能夠通過空氣盒子行動所收集到的空氣品質變化數據,找到適宜台灣的空氣品質預測模型,建立可有效預測空氣品質的完善系統,讓台灣民眾能夠如同獲天氣預報一般,取得準確的空氣品質預報資訊。

善用大數據,盡早防範空氣汙染

空氣污染問題不再僅僅影響民眾呼吸道健康,同時還影響著人們的睡眠、學習能力、語言認知與數學能力,造成民眾學習能力弱化,從長遠來看將會影響著國家的科研競爭力或國家競爭力。

在面對空氣污染問題時,民眾需要的是預應式措施而不是反應式措施,期待在空氣品質變差前,即通過管控措施降低空污的影響。然而,空氣污染預測系統,需要大規模的數據與研究,驗證分析空氣品質預測系統。空氣污染是令人苦惱的環境議題,但是台灣卻因為空氣品質測的公民科學運動,成為發展空氣品質預測模式最佳的基地,以極高的密度建置了微空氣品質監測站—空氣盒子,累積了大量空氣品質資訊,可作為發展空氣品質預測系統的基礎。

自主空氣品質監測行動是一種新形態的公民科學,業餘者不再是被動式的參與科學研究,通過主動式定義社會問題,串聯技術社群,建立收集數據的工具,累積科學研究資料。因為,新公民科學的漸漸成型,未來科學研究將由數據缺乏問題轉換為分析人才缺乏,正如空污議題在台灣,不再是缺乏數據,而是缺乏活用數據並轉換為有效的預測模式的人才。

  1. Akiko Busch. (2018). 意外的守護者:公民科學的反思. (王惟芬譯) (初版). 新北市: 左岸文化
  2. Pseric. (2017). 空氣盒子 EdiGreen AirBox 即時監測台灣各地區 PM 2.5 空氣品質資訊
  3. 民視新聞. (2018a). WHO最新數據!每年700萬人死於空污疾病
  4. 民視新聞. (2018b). 空污影響智力?國際研究:髒空氣讓人變笨
  5. 立法院. (2018). 立法院第9屆第6會期教育及文化委員會第8次全體委員會議
  6. 李秉芳. (2018). 「空氣盒子」錯了嗎?數據和環保署的不一樣,立委說要刪預算惹議
  7. 林婷嫻. (2017). 空氣盒子推手:空氣變髒了,難道沒有辦法嗎?
  8. 陳文茜. (2017). 印度空氣汙染超上限30倍,對肺的損害超過每日吸兩包香菸.
  9. 陳豐偉. (2014). 台灣該放「空污假」!空氣太髒會害老人失智、小孩變笨.
  10. 黃旭磊. (2017). 空污嚴重一年只剩20天可上戶外課?高市府駁斥
  11. 黃筱珮. (2016). PM2.5真恐怖!北醫研究發現,空汙會致睡眠呼吸障礙、還會變笨
  12. 零時政府組織. (2018). g0v 零時空汙觀測專案
  13. 維基百科. (2018). 公眾科學. In 維基百科
  14. 環保署. (2018). 空氣品質指標
  15. Gura, T. (2013). Citizen science: amateur experts. Nature, 496(7444), 259–261.
  16. Phys.org. (2018). Air pollution kills 600,000 children each year: WHO
  17. Ron Williams. (2016). The Air Sensor Toolbox | Citizen Scientists Measure Air Quality
  18. Wikipedia. (2018). Citizen science. In Wikipedia
-----廣告,請繼續往下閱讀-----
Research Portal(科技政策觀點)_96
10 篇文章 ・ 9 位粉絲
Research Portal(科技政策觀點)為科技政策研究與資訊中心(STPI)以重要議題導向分析全球科技政策與科技發展趨勢,呈現研究觀點與產出精華。