走在汽車革命的路上論文書籍站
國立雲林科技大學 環境與安全衛生工程系 洪肇嘉、謝祝欽所指導 徐筱雯的 VOCs 之受體模式優化－以忠明測站為例 （2021），提出臺中市空氣污染防制計畫書關鍵因素是什麼，來自於來源解析、因子貢獻、正矩陣因子法、多線性引擎。
而第二篇論文弘光科技大學 職業安全與防災研究所 羅金翔所指導 許明哲的 中部海線固定源周遭粗細微粒濃度與大氣數位能見度之關聯分析 （2020），提出因為有 微粒、數目濃度、數位能見度、關聯分析、固定污染源的重點而找出了 臺中市空氣污染防制計畫書的解答。
VOCs 之受體模式優化－以忠明測站為例
為了解決臺中市空氣污染防制計畫書 的問題，作者徐筱雯 這樣論述：
臺中市為人口密集的都會區，污染源較為複雜，因此為能瞭解臺中市揮發性有機化合物 (Volatile Organic Compounds, VOCs) 對其區域之影響，藉由科學工具解析 VOCs 污染來源與貢獻量。本研究針對 2015－2019 年台中忠明光化測站VOCs 逐時數據進行污染來源解析，透過正矩陣因子法 (Positive Matrix Factorization, PMF) 之最小二乘法及 Source Finder (SoFi) 置入 (Multilinear Engine 2, ME-2) 之共軛梯度法，兩者不同的計算方式進行 VOCs 來源及貢獻解析並比較其差異性，最後結合各
年之氣象條件以條件機率函數 (Conditional Probability Function, CPF) 推估 VOCs 污染來源方位並判斷其合理性。研究結果顯示，2015－2019 年台中忠明光化測站 VOCs 平均濃度有逐年略微下降之趨勢，在烷、烯、炔及芳香烴四大類物種，佔比以烷類為主，以芳香烴下降幅度最為明顯。透過 PMF 與 Source Finder (SoFi) 置入 ME-2 皆解析六種主要來源，包括溶劑使用、汽油蒸發、老化氣團、工業源、車輛尾氣及其他，其中溶劑使用為主要貢獻，其次為汽油蒸發及老化氣團。綜合 PMF 與 ME-2 兩種計算方法結果可獲得相似趨勢和貢獻量。五年各因
子來源濃度相關係數由高至低 R2=0.63－0.99，多呈現高度相關，其中溶劑使用五年相關係數皆為 0.99 且來源貢獻範圍以 31－35 (%) 佔最大宗，進一步確定溶劑使用為當地主要污染來源之一。根據 CPF 推估污染來源方位，溶劑使用來自除西南向以外的所有方向，推測與鄰近工業區的金屬製品製造業、化學製品製造業、汽車及其零件製造業、塑膠製品製造及印刷業有關；汽油蒸發來自南方，可能因該測站以南人口密度高於其他方位，汽機車輛較多，因此與加油站分布、公車轉運站及捷運站等多處停車場位置有關；老化氣團主要源於北方至東北方，氣團由后里台地與東勢丘陵構成之缺口進入，受三面環山之影響造成氣團囤積；工業源主
要源於北北東到南方，以潭子加工出口區、太平工業區、大里工業區、及仁化工業區影響較為顯著；車輛排放受鄰近區域道路呈蜘蛛網狀分佈密集且又有南北向主要道路國道 1 號及往彰化的快速道路台 74 縣圍繞之影響。其他因子為混合來源，受各污染源影響並沒有明顯的方向性。
中部海線固定源周遭粗細微粒濃度與大氣數位能見度之關聯分析
為了解決臺中市空氣污染防制計畫書 的問題，作者許明哲 這樣論述：
近年來用電需求增加導致需要增加電廠發電量，但目前台灣發電廠多以火力發電為主，其對於空氣品質影響甚大，而民眾對於空氣品質好壞最容易察覺到的就是能見度的降低，每當能見度降低時民眾就會要求火力發電廠降載，以減少污染排放，但當出現污染源周遭空氣品質監測站數值良好，而民眾肉眼觀測能見度差的情況，主因在於民眾以肉眼觀測範圍內的能見度惡化，且會受到觀測標的物不同，並與個體偏好而產生不同結果，空氣品質監測站數值屬於單一定點污染濃度，無法呈現大範圍污染趨勢，因此導致環保單位與民眾在空氣品質與能見度之間的關聯認定上產生較大落差，而影響能見度最主要的污染因素為污染源排放之懸浮微粒或相關前驅物吸收可見光，且懸浮微粒
對能見度的影響程度又會因氣象條件、微粒大小等因素而改變，因此本研究透過數位能見度數值用以類比肉眼觀測能見度，並透過篩選條件分類(如粒徑大小、相對濕度、風速)釐清不同情況下空氣品質監測站污染數值與數位能見度兩者間的關聯。透過環境保護署與本研究架設的攝影機拍攝大氣環境數位影像，並以圖像範圍內的環境目標特徵點進行裁切擷選，將裁切後的影像導入Sobel演算法分析得到數位能見度數值，對照環境保護署與台灣電力股份有限公司監測站的PM2.5、PM10數值，計算細微粒(PM2.5)與粗微粒(PM2.5-10)質量濃度，並依照容易影響懸浮微粒消光特性的變因(如相對濕度、風速)，使用SPSS(Statistica
l sroduct and service solutions)軟體(第28版)分析彼此關聯。本研究結果發現，在具城市環境特徵的沙鹿空氣品質監測站，細微粒(PM2.5)和粗微粒(PM2.5-10)與數位能見度皆呈現負相關，相對濕度大於75%且低風速時，細微粒(PM2.5)與數位能見度最有關聯(R2=0.5)；近海邊的龍井空氣品質監測站，不論是在相對濕度大於或小於75%，或低、中風速下，細微粒(PM2.5)都與數位能見度有較好關聯(R2=0.4-0.53)。龍井空氣品質監測站與沙鹿空氣品質監測站之PM2.5、PM10、相對濕度、風速皆呈現正相關，且彼此關聯程度不錯(R2=0.59-0.78)，但
兩監測站之數位能見度關聯相當差(R2=0.14)，表示雖然同一區域微粒數值相當，但若觀測的標的物不同，則兩者的數位能見度數值也不會相同。弘光監測站與沙鹿空氣品質監測站及龍井空氣品質監測站PM2.5、PM10、相對濕度皆呈現正相關，但關聯較差(R2=0.04-0.27)，可能由於弘光監測站位處地勢較高且離固定污染源較遠，導致與同屬海線地區的兩個監測站所呈現結果有所差異。沙鹿空氣品質監測站PM2.5、PM10在相對濕度小於75%且低風速時，與相對溼度大於75%且低、中、高風速時，與數位能見度的迴歸模型，F檢定與t檢定具有顯著性，p值皆小於0.05。龍井空氣品質監測站PM2.5在相對濕度大於或小於7
5%，或低、中風速時，以及PM10在相對濕度大於75%且中風速時，與數位能見度的迴歸模型，F檢定與t檢定具有顯著性，p值皆小於0.05。比較沙鹿空氣品質監測站和龍井空氣品質監測站，數位能見度、PM2.5、PM10、相對溼度、風速的迴歸模型，F檢定與t檢定具有顯著性，p值皆小於0.05。比較弘光監測站PM2.5、PM10，與沙鹿空氣品質監測站和龍井空氣品質監測站的迴歸模型，F檢定與t檢定具有顯著性，p值皆小於0.05。本研究證實當民眾肉眼觀測大氣環境能見度，需有特殊氣象條件才能與周遭鄰近空氣品質監測站數值變化趨勢有所對應，不宜將細微粒(PM2.5)濃度當作判斷能見度好壞的唯一標準。