metal build訂購的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列包括價格和評價等資訊懶人包

台灣大氣中細懸浮微粒之時空特性分析

為了解決metal build訂購的問題，作者陳泓銘 這樣論述：

空氣中細懸浮微粒(Fine Particulate Matters，粒徑小於2.5um，簡稱PM2.5)對於環境及人體健康的影響甚鉅，各國及世界衛生組織(WHO)均逐步訂定PM2.5空氣品質標準或管制標準。台灣環保署已於2012年5月將PM2.5納入空氣品質標準，訂定24小時平均值35ug/m3、年平均值15ug/m3之環境目標。因此，對掌握全台PM2.5在時空上之分佈並進而建立可靠的預測模型成為當前重要之工作。本研究採用空氣品質監測站2007~2011年連續監測之結果，分別針對台灣北部、中部、南部等三個地區選取5種不同背景測站(一般、交通、國家公園、工業、背景)之資料，共計16個測站，考量

包括大氣溫度、雨量、濕度、風速、一氧化氮、二氧化氮、氮氧化物、臭氧、二氧化硫、懸浮微粒及細懸浮微粒等氣象因子與污染物類型，分析全台PM2.5濃度分佈之時空之差異，以主成份分析結合多元迴歸分析及時間序列分析，建立各測站之PM2.5預測模型。分析結果顯示：主成份分析結合多元迴歸分析擁有良好預測效果，而全台各測站之主要相關因子不盡相同，北部空品區前二主要因子為NOx、PM10，中南部之空品區主要因子皆顯示空氣污染物與O3間之關係，顯示中南部之空氣品質狀況與光化生成反應影響較大。而在時間序列模型建立方面，南部測站之模型長度仍高於北、中部，顯示受污染情形仍高於其他地方，整體測站在前三期大致符合實際狀況，

後期預測結果趨近平均值，研判PM2.5具有異質性之影響，以致模型無法完整預測。最後在集群分析不同條件分群結果中，陽明測站在全台16測站中具有一定之獨特性與代表性，應與其地理環境之特殊性有關，而使用K-Means分群法將全台測站分成3群，分群結果可看出不同集群間之差異性，在氣象條件分群中大致分為背景公園站為一群，其餘則以其他都市測站為主，而在污染物分群中可看出以北部測站為主之第二集群，污染物主要以氮氧化物為主，而高屏測站為主之第三集群，則以懸浮微粒及硫化物為主，可明顯看出分群之差異性。