• 期刊

使用空間混合模型分析PM_(2.5)的長期變化趨勢（1994年至2020年）－以臺中市為例

研究以臺中市為例，利用空間模型推估1994至2020年PM_(2.5)濃度趨勢，並評估城市開發對空氣品質的影響。研究使用PM_(2.5)相關汙染物、氣象資料、土地利用、地標、路網、地形、植生指數等作為預測變數。結合土地利用迴歸和機器學習方法，使用隨機森林、梯度提升機、極限梯度提升、輕量梯度提升機和基於梯度提升的決策樹模型擬合預測模型。通過數據拆分、十折交叉和外部驗證確認模型穩健性，結果顯示模型穩定且可信，Adj-R^2為0.93。結果表明多數地點的「年份」變數係數為負，顯示過去25年空氣污染顯著改善。研究強調在城市開發規劃中管理和控制空氣污染的重要性。

• 期刊

應用地理人工智慧技術分析國小學區NO_2濃度分布－以嘉義市為例

二氧化氮（NO_2）污染為都市重要公共健康議題，對兒童的負面健康影響更深遠。每日上午通勤時段為室外NO_2排放量高峰期。然而有限監測站難以反映學童上學過程暴露的NO_2污染濃度。為了準確掌握國小學童就學通勤時的NO_2污染分布，本研究以嘉義市為例，運用地理人工智慧（Geo-AI）技術模擬NO_2濃度分布。蒐集2015-2020年空氣污染監測數據，以及土地利用空間相關變數，並以機器學習演算法建立推估模型。結果顯示，主模型以及嘉義市皆有高等解釋能力（分別為R^2=0.94以及0.93），推估成果準確可靠。NO_2高濃度地區位於嘉義市中心偏南側，且西區濃度略高於東區。國小學區內道路及住宅區密度與NO_2濃度呈正向關聯。

• 期刊

結合地面與無人空中載具光達推估大葉桃花心木人工林林分材積

本研究區域位於雲林縣古坑鄉大葉桃花心木（Swietenia macrophylla King）之平地人工林，以地面及無人空中載具光達（以下簡稱空載光達）推估林分性態值並評估其使用效率與準確度，並建立此樹種之樹高曲線式及地方材積式，最後藉由空載光達建立空中材積式推估蓄積量。研究結果顯示，點雲結合後可彌補地面光達對於獲取樹高及空載光達獲取胸徑及立木位置的不足，結合點雲後獲取資料的效率也有所提升，亦可透過結合點雲建立樹高曲線式及地方材積式。單獨使用空載光達也可建立空中材積式。因應不同調查目的及樣區現況選擇合適之光達系統，結合地面及空載光達點雲可有效提高調查林分性態值之效率及準確性。

• 期刊

考量距離與空氣污染暴露之國小學童通勤路徑規劃

全球約99%的人口居住地空氣污染高於世界衛生組織標準，而學童因免疫系統尚未成熟，對污染更為敏感。本研究以2022年招募之臺南市62名學童為對象，污染物資料為前人已發表於期刊的PM_(2.5)濃度推估，成果具有94％的高度解釋力。通勤路徑規劃中，最低PM_(2.5)暴露路徑平均可減少6.84%的PM_(2.5)暴露，與6.13%的通勤距離。將學童依通勤方式分類，機車接送為大宗（37位），其次為汽車接送（23位）、走路（2位），其中走路通勤平均距離雖較近，但暴露於室外的時間較機車長；而機車通勤則更容易接觸到汽機車廢氣，上述皆會導致潛在空氣污染暴露提高，需給予適當的路徑建議改善。