跳到主要內容區塊
 
:::
:::

環境品質指數整合評估

發佈日期 : 2023-10-27 最後更新日期 : 2026-07-02
周瑋珊 ,  n4896106@thl.ncku.edu.tw ,  (06)2371938 #426
康兆凱 ,  kangck@thl.ncku.edu.tw ,  (06)2371938 #321
陳平 ,  boyy@ncku.edu.tw ,  (06)2371938 #251

國內以往針對陸域、海域等地面水體或底泥品質良窳之判別,多僅檢視監測數據是否超出相關對應之地面水體分類之水質標準或底泥品質指標,或輔以觀察各檢項之合格率高低,然管理單位或一般民眾無法僅單從監測數據瞭解環境水體或底泥品質健康狀態,亦即缺少明顯易懂之整合性指數以供檢視環境污染之影響程度。因此,本所近年參照美國環保署針對國家海岸評估水質指數的學術理論基礎,並應用Matlab、SPSS與Mann-Kendall 等統計及演算分析軟體,進行監測數據加值應用與整合強化,並導入燈號概念圖像進行資料數據視覺化,以聚焦各項指標表現良窳,反饋至環境管理資料之可視化暨提供管理單位決策科學化應用。

 環境整合性指數建立與評估

整合國內外常用的相關海岸與河川水體品質、底泥、棲地環境與生物指數(如圖1與圖2及圖3),研訂一套整合型環境品質指數評估準則,藉此建立複合式指標評估模組。

圖1.環境整合性指數建立與評估方法

 
圖1.環境整合性指數建立與評估方法
圖1.環境整合性指數建立與評估方法
圖2.雲林離島工業區環境整合性指數建立與評估範例    圖2.雲林離島工業區環境整合性指數建立與評估範例

圖2.雲林離島工業區環境整合性指數建立與評估範例

圖3.安平港區水體品質指數建立與評估範例 圖3.安平港區水體品質指數建立與評估範例 圖3.安平港區水體品質指數建立與評估範例

圖3.安平港區水體品質指數建立與評估範例

 監測數據視覺化/管理可視化/決策科學化

針對大量河川、海洋等長期環境水質或底質監測數據,透過監測數據視覺化分析,將水體或底質品質污染指數導入燈號視覺化概念,將巨量的監測數據經彙整萃取後以表格圖像化展現成果如圖4~圖6,可強化精進各類型調查數據之展示與長期趨勢演變預測,便於管理單位擷取及獲悉具代表性的關鍵指標,支援污染削減管理策略擬定。
圖4.海岸水體品質數據視覺化成果範例

圖4.海岸水體品質數據視覺化成果範例

圖5.河川水體品質數據視覺化成果範例

圖5.河川水體品質數據視覺化成果範例

圖6.底泥沉積物品質數據視覺化成果範例

圖6.底泥沉積物品質數據視覺化成果範例

 環境監測數據加值應用與整合強化

應用Matlab、SPSS與Mann-Kendall 等統計與演算分析軟體及AI分析,進行環境監測數據加值應用與整合強化,俾利檢討檢測數據之合理性與進行長期環境監測數據時空變化趨勢研析,成果範例展示如圖7、圖8、圖9。圖10則是針對雲林離島SEC5,7,9,11測線之海域水質資料,透過機器學習XGBoost (eXtreme Gradient Boosting, 極限梯度提升法)與SHAP (SHapley Additive exPlanations)等模型,分析海域水質葉綠素a之關鍵水質影響因子特徵。
圖7.以Matlab演算法結合地理資訊系統(GIS))展示水質空間分佈趨勢成果範例

圖7.以Matlab演算法結合地理資訊系統(GIS))展示水質空間分佈趨勢成果範例

圖8 以SPSS 統計法進行長期水質監測資料探勘成果範例圖8 以SPSS 統計法進行長期水質監測資料探勘成果範例

圖8 以SPSS 統計法進行長期水質監測資料探勘成果範例

圖9 以NotebookLM展示台南將軍區青鯤鯓扇形鹽田海草復育區水質與底質成果範例

圖9 以NotebookLM展示台南將軍區青鯤鯓扇形鹽田海草復育區水質與底質成果範例

圖10 以機器學習XGBoost與SHAP方法探索影響海域水質葉綠素a之關鍵因子成果範例

圖10 以機器學習XGBoost與SHAP方法探索影響海域水質葉綠素a之關鍵因子成果範例