高雄市位于台湾南部,东邻中央山脉,西临台湾海峡,空气品质除受地形及季节影响之外,也受到气候（如:季节风、海陆风）之影响。空气污染物可能受海陆风效应之影响,而在海域与陆域来回摆荡;在秋末至春末时段,亦可能受到受东北季风之影响,将空气污染物由台湾中北部向南部移动,使得高雄市空气品质劣化情形严重。本研究旨在针对台湾南部高污染地区之陆域及海域进行悬浮微粒采样及水溶性离子成份分析,针对不同离子间之相关性加以分析,并绘出物种间相关程度分布图,据以探讨受季节风及海陆风效应影响期间陆域及海域之悬浮微粒化学特性差异。本研究共实施五次空气污染物监测,季节风采样期间为2007年1月、3月,海陆风采样期间为2006年8月、11月及2007年5月。由于NaCl受海盐飞沫影响,而（NH）5O、NHNO则为衍生性二次气胶,主要来自人为污染源,其中二次硫酸盐定义为非海盐硫酸盐(Non-sea salt sulfate;NSS-SO),由[Na]与[NO]、[na]与NSS-[SO]之相关程度图显示,悬浮微粒污染源明显包括两种以上,即海洋污染及陆域人为污染,其中[Na]与NSS-[SO]相关程度图具有较佳之可辨识性。
有效的个体暴露来源解析对于有针对性地采取措施来减小个体暴露的健康危害具有重要意义.相对环境颗粒物（Particulate Matter,PM）来源解析,个体颗粒物暴露来源解析是一个较新的研究领域.本研究首次尝试将径向基函数神经网络（Radial Basis Function Neural Network,RBFN）应用于个体颗粒物暴露来源解析工作,并采用模拟数据对该方法的有效性进行了检验.模拟数据的解析结果表明:在源成分谱调查充分的情况下,对于分担率大于10%的主要源,其解析结果的相对误差均小于40%,且大多数情况下相对误差小于20%,即RBFN可以实现对个体PM暴露的主要源的较好解析;对于分担率处于5%到10%之间的次主要源,其解析相对误差大多数情况下均低于40%,但存在极个别解析相对误差高于40%的情况;对于分担率低于5%的非主要源,存在部分相对误差高于100%的情况.与化学质量平衡模型（Chemical Mass Balance,CMB）相比,RBFN可以有效区分共线性强的源.本研究为开创新的个体暴露来源解析方法提供了初步的研究基础.同时,由于对于部分非主要源和次主要源存在较高的解析误差,因此,仍需对该方法进行进一步的研究来改善其源解析性能.
暂无评论