整合多元環境資訊與智慧空品感測物聯網數據建構高時空解析度AQI空間 分布推估模式(Ⅱ)

隨著近年「臺灣空氣品質感測物聯網」建置完成，截至2021年微型感測器布建數量已高達10,000台，其感測數據在時間與空間上都具備了良好的分析應用價值，但考量設施的維護成本，目前布建地點多集中在污染好發的工業區，民生環境監測卻顯稀少，空品資料在空間分布上不連續的問題，已成為當前急需解決的重要課題。 本研究旨在整合多元的環境資訊及物聯網空品感測數據，應用新興的地理與時間加權迴歸克利金（Geographically and Temporally Weighted Regression Kriging，GTWRK）推估模型，及深度學習演算法發展高時空解析度的AQI空間推估模式，並搭配實地場域的量測驗證，比較兩套模型的效能，再透過模型參數最佳化，調整提升模型準確度，最後總結兩模型的殘差空間分佈，提出感測器最適化布建建議。 本研究已完成地理與時間加權迴歸演算法開發，並考量空氣品質的時間連續特性，採以單向時空權重進行回歸模擬，利用GWR、GTWR以及GTWRK三種空間統計方法進行AQI建模，其中GTWRK模型擁有較佳的空間推估能力以及良好的殘差表現，平均殘差為-0.02 (μg/m3)，可見GWRK對於模型殘差修正有良好的貢獻。