桃園地區PM_(2.5)濃度與其他空氣汙染物相關性之研究

許鼎居

《萬能學報》 42期 (2020/07) Pp. 129-133

摘要

本研究之目的在分析桃園地區PM_(2.5)濃度與其他空氣汙染物相關性，藉由PM_(2.5)濃度時序變化，探討其與其他污染物濃度變化之相關性，嘗試找出PM_(2.5)的生成與影響因子加以抑制。首先，我們以環保署所設之空氣品質監測站其中三站：桃園站、中壢站及平鎮站為對象，選取2019年1～12月空氣品質測定報告之資料，利用多元迴歸與變異數分析，加以分析及探討。分析以上三個空氣品質監測站之結果顯示，影響PM_(2.5)相關生成因子中，得知PM_(10)對PM_(2.5)的影響最大。由桃園站之迴歸分析及變異數分析知PM_(2.5)與PM_(10)、SO_2、O_3 多元迴歸R^2=0.800，也就是說PM_(2.5)濃度變化可用PM_(10)、SO_2、O_3來預測，有80%的解釋量。其餘的生成因子影響較小。由中壢站之迴歸分析及變異數分析結果，得知PM_(2.5)與PM_(10)、CO、NO_X多元迴歸R^2=0.740，表示PM_(2.5)濃度的變化與PM_(10)、CO、NO_X之間約有74%的解釋量。而由平鎮站之迴歸分析及變異數分析結果，得知PM_(2.5)與PM_(10)、SO_2、CO多元迴歸R^2 =0.772，表示PM_(2.5)濃度的變化與NO_2、NO、PM_(10)之間約有77.2%的解釋量。在這些比較中可以發現：PM_(10)的測值高時也相對造成PM_(2.5)測值的偏高，故如何有效控制生成因子的污染量，尤其是針對高影響污染物的產生量加以降低，更是列為抑制PM_(2.5)產生的首要目標。

關鍵字

PM_(2.5)濃度 ； 空氣品質指標（AQI） ； 迴歸分析

參考文獻

Jingli Li, Yiran Hua, Lingjing Liu, QiangWang, Jiahao Zeng, Chengshui Chen(2020) PM2.5 exposure perturbs lung microbiome and its metabolic profile in mice,Science of the Total Environment Volume 721, 15 June 2020, 137432, https://doi.org/10.1016/j.scitotenv.2020.137432

Morales-Suárez-Varela, M., Peraita-Costa, I., Llopis-González, A.(2016) Systematic reviewof the association between particulate matter exposure and autism spectrum disorders.Environ. Res. 153, 150.

Weinmayr, G., Hennig, F., Fuks, K., Nonnemacher, M., Jakobs, H., Möhlenkamp, S., et al.(2015) Long-termexposure to fine particulatematter and incidence of type 2 diabetesmellitus in a cohort study: effects of total and traffic-specific air pollution. Environ.Health 14 (1), 53.

Seaton,A.(1996) Particles in the air: the enigma of urban air pollution. Am. Fam. Physician., J. of Royal Society of Medicine., 89 (11) :604-7

何丁舜，俞宗欽，葉金明，王成財，許鼎居，(2003)，臺北地區臭氧濃度空間分佈與時間變異之研究. p.95-104。