環保署推動空氣污染防制基金科技研究計畫，補助13所大專院校進行23個空污研究計畫，於9日舉辦成果發表會，發表包括空污檢測技術、人工智慧排煙影像辨識、低溫選擇性氧化還原觸媒（SCR）等成果。環保署副署長強調，政策的背後都需要研究技術支持，也期待這些研發成果可以投入空污治理，加速邁向「無毒家園」的目標。
產學合作 新技術、研究助政策達成
環保署與空氣污染問題奮戰多年，因空污的來源、成因複雜，為了研擬出精準的管制減量策略，自2020年起對外徵求研究計畫，讓學術界研究成果與實務需求相互配合。昨日舉行「空氣污染防制基金科技研究計畫成果發表研討會」，選出五項研究進行口頭發表。
環保署副署長蔡鴻德表示，任何政策都需要有研究基礎、新技術的支持，空污排放管制也和目前國家政策「淨零排放」有關，如碳捕捉技術已成為降低製程碳排的關鍵之一，而台灣在相關領域具備高度研發能力，須搶先推動技術及認證的深化，才能達到淨零與無毒家園政策目標。
政策減量目標行不行？ 雲科大團隊模擬結果：勉強達標
環保署制定的空污減量政策目標，要在2023年達到全國細懸浮微粒PM2.5年平均濃度要低於每立方公尺15微克（15µg/m³），依照目前的減量策略，我們有機會達標嗎？
雲林科技大學透過空氣品質模式模擬，評估縣市空氣污染防制計畫管制成效，環境與安全衛⽣⼯程系教授張艮輝指出，以當前減量策略模擬，全國年平均濃度可以在2023年達標，但多數台中以南的縣市仍會超標。雖然這些縣市都有在大幅減量，但礙於背景濃度仍較高，效果不明顯。
此外，另一大空品監測項目「臭氧」更需關注，因為西部縣市恐怕全部無法達到臭氧八小時平均值60ppb的標準。張艮輝建議，因目前管制策略偏向改善PM2.5濃度，較不著重臭氧濃度的改善，可透過改變氮氧化物（NOx）與非甲烷碳氫化合物（NMHC）排放減量比例與幅度，協同控制PM2.5與臭氧污染。
新技術效果顯著 監測與減量工作或將大幅進展
要成功達成空氣污染治理目標，監測技術與減量技術缺一不可。在監測方面，中央大學開發出亞洲首套線上「TD-GC/MS」檢測方法，國⽴中央⼤學化學系教授王家麟表示，現行特殊性工業區針對揮發性有機物（VOCs）的監測採樣，除了臭氧前驅物（PAMs）是逐時自動監測，其他52項有害空氣污染物（HAPs）是六天一次，無法即時回饋數據，這套系統可以每小時即時分析103項PAMs+HAPs有機物質，協助溯源與預警，精進工業區空污管理。
減量方面，隨著氮氧化物排放標準加嚴，許多業者必須增設選擇性氧化還原（SCR）設備來降低排放，但各種產業製成的熱處理程序不同，導致實際操作上遇到許多問題。
逢甲大學就研發出一款低溫選擇性氧化還原觸媒，有別於常見的觸媒反應溫度約250°C，新型觸媒可低至150°C，且耐久性與耐毒性更好。逢甲⼤學環境⼯程與科學系特聘教授陳志成說，此SCR系統經廢棄物焚化處理廠實測，於低反應溫度時可將廢氣氮氧化物濃度從389ppm降低至8～20ppm，遠低於我國排放標準。
團隊建議，除了不同製程的廠商應選擇不同的SCR設備，政府更應針對污染源的規模、設備與燃料種類制定不同的氮氧化物排放標準，才能有效控管。
人工智慧學習影像辨識 可成科技執法利器
為了釐清空品實際量測結果與民眾感受落差的問題，台灣大學從能見度下手，透過影像辨識與機器學習，整合空氣品質監測數據，建立空品影像資料庫，可預期推估出民眾的「體感」狀況，做為政策的社會溝通手段，協助判斷民眾對空品的感受。
同樣是影像辨識的新技術，東海大學運用人工智慧學習影像模式，可即時判斷出固定污染源的煙霧排放狀況。只要拍下照片後，透過卷積層神經網路（Convolution）就能精準分析煙霧的不透光率，東海⼤學環境科學與⼯程學系教授陳鶴⽂表示，這項技術可改善當前稽查人員「目測判煙」的爭議，由人工智慧協助檢驗排放是否符合標準，未來可進一步運用於船舶、交通等場域。
