空氣中存在多少戴奧辛？成功大學測量及空間資訊學系吳治達副教授與團隊應用地理人工智慧（Geo - AI）技術，發展出集成混合空間推估模型（簡稱EMSM），可高解析模擬全台大氣戴奧辛分布，研究顯示，雲嘉南及高雄是台灣大氣戴奧辛濃度較高區域。
成大吳治達副教授與團隊應用地理人工智慧（Geo - AI）技術，發展集成混合空間推估模型（EMSM）方法學，成果刊登在國際頂尖期刊。(成大提供)
成大團隊指出，EMSM是全球第一個利用地理人工智慧開發的「集成混合空間推估模型」，以2006年至2016年環保署監測站每天戴奧辛監測濃度做為建模資料依據，運用機器學習優勢，整合與堆疊多種空間推估方法學於一體，模擬台灣長時期、高解析度下大氣戴奧辛濃度變化。
吳治達指出，戴奧辛是75種多氯戴奧辛（PCDD）及135種多氯？喃（PCDF）的群集，當焚化含有氯的塑膠廢棄物時即可能產生，隨著煙囪中的燃燒廢氣遠距離傳播到空氣中，然後沉降到土壤或水底泥中，被植物或水生動物吸收或食入，再透過食物鏈的轉移最終累積在生物體中。
然而，環保署受限於經費規畫，監測點位設定有限，無法長時間採集空氣樣本做準確評估，因此，成大空間資訊學系吳治達副教授及團隊，企圖打造高精度環境大氣中戴奧辛濃度的推估模型，用來模擬全台空氣中戴奧辛的空間分布與時間變異狀況。
集成混合空間模型，模擬台灣本島戴奧辛分布年度變化情況。(成大提供)
此外，研究團隊還通過機械學習中的變量篩選方式發現，PM2.5（細懸浮微粒）、製造業以及緯度係是影響戴奧辛濃度變化的主要重要因子，當PM2.5濃度愈高、製造業密度高及緯度愈低時，較容易發現高濃度的戴奧辛，植物綠化則會減少戴奧辛的出現。
吳治達表示，雖然目前模型已能夠在空間推估表現良好，但團隊仍持續研究更細緻的細度化方法，包括時間和空間分布呈現，提供更詳細和精確的資訊，也企圖加入新的演算法與資料匯集，期望盡早填補未來板塊的預測。他強調，這項研究成果希望帶給公部門、醫療單位相關實用訊息外，還能提供給民眾實用參考及做好日常預防準備。
