第五章 衍生性污染物空品模擬

本章建立衍生性空氣品質項目(衍生性PM_2.5、PM10、O3等)之光化模式，應用於興達電廠之健康風險評估(HRA)工作。除了探討評估電廠運轉各情境之衍生性污染物濃度增量之外，同時也應用在大範圍之健康風險計算，建立以發生率為指標的健康風險模型，以結合第三章原生性污染物之健康風險評估工作，完整呈現各情境的可能影響。 本項工作依招標規範要求須使用網格模式，因此本計畫不考慮其他軌跡、箱型模式等選項。本計畫本計畫檢討現行應用中與發展中的模式，選擇合適的模式進行評估。其次依據目前可取得最完整的原始資料以建立模式所需要的排放、氣象、邊界、初始以及地理檔案。 初步報告階段達成之成果，包括模式性能評估水準、各情境排放的增量濃度分析，以及下階段風險模型所需參數之準備。

5.1 模式選用與考量

光化網格模式是目前最能完整反映大氣中衍生性空品項目之模式類型，模擬範圍可以到數百~千公里，解析度可以自數百公尺到數十公里，時間尺度由逐時到全年的模擬，均能在單一模式內完成。 化學反應包括光化反應、有機物反應、氣固態異相反應、液相反應，乾、濕沉降及雨、雪去除機制。次模式包括在線生物源、在線揚沙模式、在線海洋飛沫模式、重大點源次網格模式等等，可模擬大型點源可能造成都市及區域性之衍生性污染(環保署模式支援中心，2020年)，為重要的模式工具之一。 全球目前運作中的光化網格模式包括美國環保署發展維護的CMAQ模式(Community Model for Air Quality)、美國Rambol-Environ公司持續發展的CAMx模式(Comprehensive Airquality Model with eXtension)，大陸中科院研發之NAQPMS模式、日本研究單位發展的SPRINTARS模式、日本早期的CFORS模式(Chemical Weather Forecast System)、澳洲SCIRO機構發展的TAPM/CTM模式(The Air Pollution Model and CTM Chemical Transport Model)、以及歐洲CAMS整合維運的CHIMERE/ DEHM/ EMEP/ EURAD-IM/ GEM-AQ/ LOTOS-EUROS/ MATCH等7項叢集預報模式等等。 依據環保署模式支援中心之模式說明(環保署模式支援中心，2014年)，該文納入的網格模式包括TAQM、Models-3(CMAQ)、CAMx、UAM-V等網格模式，其中CMAQ與CAMx仍陸續有發展計畫，可以順利搭配新版氣象模式WRF，且持續發展氣象偶合模式。考量到模式原始碼的取得、計算資源的配合等因素，國內環評及環保單位規劃常使用的網格模式僅包括前述CMAQ及CAMx模式。至於二模式的表現，在全球各地都有比較的研究，主要的差異評析比較如表5.1-1，說明如后。

5.1.1 一般性模式表現之比較

CAMx及CMAQ模式比較結果顯示二模式的表現，其在空間、時間變化、以及數量級等方面，都沒有顯著的差異，在垂直擴散、沉降計算等，如果採取較佳的模擬方式，都可以達成較佳的模擬結果。 由表中分析可知，CAMx通常較CMAQ更為保守，沉降損失較低、對於硫酸鹽環境衝擊分析也較高。另在煙流次網格模組的處理方式，也較CMAQ符合實際。

5.1.2 煙流次網格(Plume in Grid PinG)模式之比較

以網格模式時間步階約5~15秒而言，點源在空間中排出並佔有的體積遠小於模式的網格解析度，如果直接套用模式既定的機制，除了造成瞬間均勻擴散至點源所在的網格空間，因濃度與周圍網格有顯著差異，引發平流機制數值計算誤差與不穩定性，此外空間分布因濃度驟減也會造成化學反應的嚴重低估，也會造成質量平衡計算的錯誤。 為解決點源的計算問題，過去曾經使用提高局部網格解析度、不同解析度混合、或者使用在線式的次網格計算(PinG)等方式(Karamchandani et al., 2011)。早期美國環保署專家認為PinG模式應使用在網格間距大於4~5 Km的粗網格計算，對於避免點源造成濃度突增的計算問題、以及過

表5.1-1 CAMx及CMAQ模式差異之比較

文獻 項目 CAMx CMAQ 評析 1997加州南灣案例模擬比較 (Ralph et al., 2005) 銨鹽 細粒銨鹽偏差0~-86% 總銨鹽-5~-53% 細粒銨鹽估計較準，但總銨鹽低估-50~-60% 各有軒輊 硝酸鹽 高估20~118% 偏差-44~ +45% CMAQ略佳 細粒硫酸鹽 -31~21% 低估-10~44% CAMx略佳 總硫酸鹽 -27~-45% -45~-55% CAMx略佳 2010年1月中國(薛等人，2014年) 光化速率計算 在線(6.0) 離線(4.7.1) 全年計算在線計算較為方便 水平平流計算 PPM Hyamo 差異不大 水平擴散計算 顯式同步 Multiscale 近距離差異不大 垂直對流計算 隱式尤拉 Vyamo 隱式準度較高 垂直擴散計算 隱式尤拉 ACM2_inline 隱式準度較高 氣膠化學機制 CF aero5 CF較為保守 乾沉降機制 Wesely89 Aero_depv2 Wesely損失較小 相同條件下(PM_2.5、硫酸鹽及硝酸鹽)模擬值之比較 較高(16.5、45.67、34.14%) 較低 電廠排放以SN為主，硫酸鹽及硝酸鹽為主要衍生性PM 德州臭氧模擬(Byun; Byun et al. 2007) 垂直擴散 K K+PBL 相似律 垂直擴散對臭氧模擬具敏感性 密爾瓦基都會2002年1/4/7/10月(Baker and Timin, 2008) 細懸浮微粒成分模擬與實測值比較(PS,PN) 偏差4~-71% 誤差1.05~1.47 偏差2~37% 誤差1.07~1.33 硫酸鹽符合度較高 細懸浮微粒成分模擬相對結果 細粒硫酸鹽較高 細粒硝酸鹽、銨鹽、元素碳、有機碳較高 二模式相關係數r2 硫酸鹽0.82、硝酸鹽0.59、銨鹽0.78、 元素碳0.89、有機碳0.93 珠江三角洲2004年10月(Shen et al., 2011) 對實測臭氧的相關係數 0.74 0.73 CAMx略佳 常化偏差 8.8% -8.5% CAMx略高 常化誤差 37.9% 36.7% CMAQ略佳 傳輸、乾沉降、化學反應及垂直擴散 CAMx較高 二模式R=0.92 CMAQ模擬結果普遍較CAMx為低，相差17% 入流邊界對CAMx較敏感 東北亞2016 /12比較(Itahashi et al., 2018) 硫酸鹽 較高 較低 增加金屬催化反應仍無增加氧化 CMAQ低估肇因濕沉降損失 SO2 較高 低估 CMAQ低估肇因乾沉降損失 煙流次網格模式 在線式能考慮多煙陣重疊 離線式預處理 CAMx略佳 資料來源：各參考文獻。本計畫彙整

度的臭氧滴定效應有其必要性，而對於細網格，當時則認為模式的機制已可解決前述粗網格問題，再加上模擬經驗顯示大型點源對臭氧的敏感性不高，因而在CMAQ系統中並未予以重視(Godowitch, 2002)。 在美國環保署2017年發表的研究成果中(Baker and Woody, 2017)，由PinG模式可以補捉到煙流對高空臭氧的滴定效應，然而該研究也再次重申電廠煙流對地面臭氧並非主要貢獻源，PinG對地面臭氧峰值增量的模擬沒有太大助益。而由於背景衍生性(細)懸浮微粒濃度來源眾多，即使模式與觀測都能證實電廠煙流對原生性污染物(SO2)的貢獻，但衍生性粒狀物(尤其是硝酸鹽)則不易建立因果關係。 相對而言，CAMx從一開始就選擇以在線、次網格方式進行大型煙流的模擬，從早期依照EPRI資助SCICHEM模式研究成果所發展的GREASD次模式，到後來的IRON模式可供選擇。化學機制包括23條氣相反應與氣膠模組、沉降模組等。CAMx有其優異性能。

5.1.3 美國官方之評論

依據2012年美國模式從業人員研習會中該國環保署空氣品質規劃及標準辦公室(OAQPS)同仁的簡報說明(Baker, 2012)，就氣相、液相化學反應機制、光解速率、無機化學、SOA機制、原生性碳粒、汞化學、非汞毒性化學物質、乾沉降、質傳、排放處理與偶合、模擬量測工具、次網格煙流化學、氣象資料處理、網格架構、平行計算等近20個面向，比較CMAQ 5.0 與 CAMX 5.4的做法。其中CMAQ有28項新的創舉，CAMx則有10項。 不過該簡報結論談到，因為比較一定是在某個時間點，而2個模式卻仍舊持續在發展之中，因此無法有所定論，究竟哪個模式比較優秀。 依據美國環保署的官方網站(USEPA, 2015)，CMAQ模式的說明是放在CAMx的前面，這可能是因為前者是美國環保署官方所發展維護，而後者為民間公司所發展。不過網站也特別說明CAMx在次網格煙流模式與來源分配測量工具的特性與能力。

5.1.4 CAMx/CMAQ最新版本與發展重點

依據Environ官方網站的內容(CAMx, 2015)，CAMx最新版本為Version 6.50 (Posted April 30, 2018)，最新特色包括：  輸出檔可以選擇與CMAQ系統相容之netCDF格式  氣膠化學機制除了原來的ISORROPIA之外，亦可以選擇新的EQSAM機制，由於該機制之參數乃採解析解，能有效提高計算速度達7%。  化學程序分析(Chemical Process Analysis CPA)，過去須另外撰寫特殊變數與程式碼，以分析統計化學機制之途徑。新版CPA可經由CAMx的化學機制編譯程式納入程式系統中，自動執行機制分析。 其他CAMx的特色尚有：  使用Hybrid 1.5-D計算二次氣膠中揮發基底(Volatility Basis Set VBS)，原來SOAP (Secondary Organic Aerosol Partitioning) 處理方式仍然留為選項，更新可以計算苯所反應生成的SOA與VBS。VBS只適用在2 mode CF氣膠機制，化學機制CB6r2與CB05中有VBS所需的化學反應係數。  可接受上層邊界條件之輸入，以銜接全球模式的計算結果。  CB6機制內加入額外的鹵素反應(CB6r2h) 另依據CMAS網站的內容(CMAQ, 2020)，CMAQ最新版本為Version 5.3.1最新特色包括：  PM成份及分組漸趨完整，以利與實測比較分析。  臭氧及PM的化學機制囊括了局部尺度到全球尺度之現象  由生態模式角度及數據需求，建制土地與大氣交互作用模組  由CCTM即可直接控制排放源的對照(加減)與標準化(乘除) 其他特色：  模擬工具：Integrated Source Apportionment Method(ISAM), Direct Decoupled Method, 與Sulfur Tracking(STM)  社群貢獻的程式：VBS與APT 計算模組  模式更新： SOA yield、Aerosol、Wind blown dust, CSQY_DATA files  Sulfate inhibition effect in aqueous chemistry
 Gas-phase chemistry  雙向交換：NH3、Hg 、NH3 dry deposition  WRF land use options  Vertical advection time step

5.1.5 本計畫之考量

由於不論哪一個模式，在環評應用中，都必須符合環保署所訂的性能規範，經過環保署認可的程序。雖然在測站上的表現上會趨於一致，然而由初步比較分析可知，個別模式在增量的模擬結果仍然會有性質與數量上的差異。 目前環保署委託台灣地區空氣品質預測及分析計畫使用的模式為WRF搭配CMAQ(如環保署近期委託辦理「臺灣空氣品質模式數據平台」計畫(成功大學，2019，即所謂公版模式計畫)，然而由於台灣地區地狹人稠，對煙流的解析度有其特殊的模擬需求，同時考量應用在個案的環境影響分析，台灣地區之CMAQ模擬有必要持續更新。 回顧過去CAMx 的Plume in Grid模組多年來在台灣地區有很好的應用，而且持續發展進步中。相較而言官方版本的CMAQ多年來並沒有針對此一主題有所突破，可能因為CMAQ是學術社群CMAS負責維護發展，對於特定大型煙流模擬並沒有投注持續的發展資源。 本計畫主要考量電廠污染源為大型點源，CAMx具有目前最佳的點源次模式。然為配合環保署管理政策，本計畫亦同步建置新版的CMAQ模式以為因應，以便能在前述公版模式公開前能有所準備。

5.2 模擬條件設定

5.2.1 氣象條件之模擬

對於多尺度的氣象模擬，目前選項以wrf為主。主要考量該模式為美國政府及學界持續投入發展、在國內各大學也列為教學研究之主要工具，具有較廣泛的支援。本計畫之模擬方式說明如下： 一、版本選擇之考量 CAMx模式對wrf版本並沒有選擇性。CMAQ的氣象前處理MCIP (5.0)模式則有較高標準的限制，除了土地使用類別之外，對於wrfout的標題、模擬起始時間、時間標籤等，也會檢查其一致性(4.1~4.2)。以下分析使用新版的wrf (4.1.3 2019)進行，可以符合MCIP的要求。 二、模擬個案(時間)及範圍(空間) 針對TEDS年代選擇2016年全年，模式自2015/12/15開始模擬，每批次5天，各批次間重疊1天。 空間上採巢狀網格設定，分別為東亞地區(解析度81 Km)、東南大陸(解析度27 Km)、臺澎金馬(解析度9 Km)、以及臺灣本島(解析度3 Km)等4層。各層皆以臺灣中央山脈為中心點採對稱分布。 三、模式初始及邊界條件、四階同化選項 土地利用資料使用美國國家調查局地表資料庫(USGS)，其依照USGS的24種土地種類進行分類。土地使用分類在CMAQ模式系統中也會需要。 初始邊界場資料依據美國國家環境預測中心(National Center for Environmental Prediction, NCEP)的6小時再分析場FNL 資料，解析度為1.0°×1.0°。 網格及測站FDDA依據NCEP的高空(ds351.0)及地面(ds461.0)之氣象觀測彙整結果，以及氣象局與環保署地面測站風速、風向與氣溫數據。OBSGRID同化程式採 Multiquadric scheme方法修正初始模擬預測值，使模擬結果更接近實際的觀測資料，而各層於每6小時進行一次修正。 四、模擬結果檢討 依照空氣品質規範要求檢討wrf 2016年模擬結果如表5.2.1-1所示，各月份測站的符合度，皆可達89%以上，可以符合規範60%以上要求。

表5.2.1-1 wrf 模擬結果之測站符合度檢討 月 6項綜合符合度 溫度 風速 風向 MBE MAGE MBE RMSE WNMB WNME 1 94.9% 90.1% 98.9% 94.5% 96.7% 91.2% 97.8% 2 95.4% 91.2% 98.9% 91.2% 96.7% 95.6% 98.9% 3 97.1% 92.3% 98.9% 96.7% 97.8% 97.8% 98.9% 4 97.3% 91.2% 98.9% 95.6% 98.9% 100.0% 98.9% 5 98.2% 96.7% 98.9% 96.7% 97.8% 98.9% 100.0% 6 97.8% 96.7% 98.9% 94.5% 96.7% 100.0% 100.0% 7 97.6% 95.6% 98.9% 94.5% 97.8% 98.9% 100.0% 8 98.7% 96.7% 98.9% 98.9% 98.9% 100.0% 98.9% 9 98.0% 95.6% 98.9% 96.7% 96.7% 100.0% 100.0% 10 97.3% 94.5% 98.9% 93.4% 96.7% 100.0% 100.0% 11 96.9% 93.4% 98.9% 95.6% 97.8% 96.7% 98.9% 12 95.4% 89.0% 98.9% 93.4% 96.7% 95.6% 98.9% 1.值偏差(Mean Biased Error, MBE)；2. 配對值絕對值偏差(Mean Absolute Gross Error, MAGE)；3. 配對值均方根誤差(Root Mean Square Error, RMSE)；4. 風向配對值標準化偏差(Wind Normalized Mean Bias, WNMB)；5. 風向配對值標準化絕對值偏差(Wind Normalized Mean Error, WNME)

3項氣象要素中，對高空煙流模擬以風向最為重要，此處的符合度也較高，其次為風速。氣溫的符合度雖然較低一些，然而也可以維持在九成的符合度，雖然會影響光化反應的速率，然而因本電廠位居臺灣南部，即使是12月冬季，氣溫仍然偏高，預期光化反應的模擬對溫度將不會有敏感性。

5.2.2 空氣品質之初始與邊界條件(ICBC)

網格模式雖採巢狀網格之做法，可以有效減少境外污染造成的干擾，但仍要有最大範圍模擬所需的空氣品質初始(IC)與邊界條件(BC)。CAMx可以使用MOZART或GEOS-chem等全球模式之模擬結果，CMAQ除了使用全球模式模擬結果，也可以選用固定值之組合(profile)做為敏感性測試。 本計畫以MOZART模式結果做為D1(CMAQ)與D2(CAMx)之ICBC。MOZART模式為NCAR、NOAA轄下 Geophysical Fluid Dynamics Laboratory (GFDL)與德國漢堡大學 Max Planck Institute for Meteorology (MPI-Met)多年來合作發展應用的全球3維大氣化學成分模式，除了應用在對流層之外，平流層及中氣層範圍亦涵括在內。 MOZART可以接受包括NWS的NCEP (National Centers for Environmental Prediction)、歐洲的ECMWF(European Centre for Medium-Range Weather Forecasts)、NASA GMAO(Global Modeling and Assimilation Office ) 的GCM等模式輸出，其結果多年來也用在WRF-CHEM模式的邊界與初始條件。 化學機制方面，標準的MOZART-4有85個氣態污染物，12個氣膠成分，39條光化反應以及157條氣態反應，碳鍵機制採lump法，VOCs包括3個烯烴與烷烴類物質，以及4碳以上與芳香烴類物質(BIGALK, BIGENE及TOLUENE)。 該模式水平空間解析度視不同機器平台略有差異，一般而言介於2.5~2.8度之間，高度為Non_Hydrostatic SIGMA-P座標從最底層(1000HPa到模式頂層0) 有57層，檔案儲存的時間解析度則為6小時。模式作業系統之輸出至2018/1/26為止。 由於CAMx採雙向巢狀方式模擬，只需要處理D1的ICBC，CMAQ目前只有公開單向巢狀網格模式，因此D1模擬完之後，另就模擬結果進行進一步處理，裁剪出D2範圍之BC檔，以此類推，直到D4範圍。 由於CAMx及CMAQ的批次模擬，皆會將瞬時化學成份詳細值，寫入結果中，此檔案即為下一批次模擬的初始檔IC，不必另外處理。

5.2.3 排放量數據

網格模式使用排放量的檢核重點包括開發計畫本身要探討的污染排放、還包括本地與境外之背景排放量。本計畫之作法分項說明如下： 一、開發計畫污染源排放 除未來之燃氣計畫與中間期程之外，網格模式要探討的重點在於既有燃煤機組排放對環境的衝擊，除最大值之外，也將追蹤煙流的走向，依據質量不滅原則探討煙流排放到底何去何從，包括濃度及沉降形式與區位。未來計畫將採環評承諾濃度計算，現況則按照TEDS10之2016年數據，包括各機組逐時之變化情形。 電廠排放將開啟CAMx PiG次模式進行在線計算。 二、本地背景污染源排放 電廠煙流造成環境氧化物及粒狀物濃度影響，同時煙氣轉化也倚靠背景既有其他污染源所造成的氧化物及粒狀前驅物，因此當地背景排放對電廠增量之估算亦非常重要。 本計畫將採環保署公開之TEDS10.0資料庫，包括其排放時間變化、業別等設定，輸入排放模式進行數據檔案之準備。本地前50大點源將開啟CAMx PiG次模式進行在線計算。面源之NO2及VOCs(以PAR為代表)空間分布如圖5.2.3-1所示。

(a)NO2 (b)PAR 圖5.2.3-1 2016年9月d4範圍TEDS10基準排放量之分布(gmole/hr)

由圖中可以看到NO2在高速公路與都會區有較高的排放量，應為柴油車與高速行駛車輛之排放。南高屏地區則以高雄市臨港地區較高，相較北部新北、桃園等大範圍高NO2排放量地區，南、高、屏地區的NO2排放量較低(面、線源)。 圖中顯示PAR的分布則較為均勻，也是北部排放較南部為高。此外山區排放量不低，應為植物呼吸作用之排放。 三、東亞地區之污染排放 本計畫將採日本環境研究所公開之REAS資料庫(REAS, 2020)，除了考慮其於2019/12/4公開REAS3.1版之外，其資料年代(2015)也與本計畫基準年2016最為接近，同時該機構對於東亞電廠逐月的排放量有較佳的掌握，與本計畫關切項目有相同的目標。 進一步分析該排放數據庫，發現具有顯著的月份差異，大體上粒狀物、硫氧化物與氮氧化物等與能源有關項目是秋冬季高、夏季低，可能與大陸與東北亞地區的冬季取暖現象有關，而氨氣(生物源指標)則以夏季較高、冬季較低。因此本計畫乃以各網格排放量之月均值與氣溫變化的回歸關係為基準，套用WRF模擬各地逐時之氣溫，建立東亞排放量之逐時變化，以降低2015年與2016年之間的可能差異。 REAS在船舶排放部分有所不足，此項目將參考芬蘭氣象研究所之研究，該研究應用各主要港口AIS數據，配合衛星觀測反衍，推估全球2015年逐日之船舶網格排放量(Jalkanen, 2020)。

5.3 性能評估符合度

將wrf模擬結果、MOZART模擬結果、東亞以及TEDS10排放數據處理結果，輸入CAMx與CMAQ模式進行模擬，與測站實測值進行比較，檢討是否符合空品模式模擬規範之性能評估目標要求。本計畫初步完成了2016年CAMx與CMAQ背景濃度的模擬與必要之校調，結果之符合程度說明如表5.3-1所示。 此處為提高模式模擬的符合度，適度針對測站所在網格排放進行調整，未來將依照模式模擬規定方式提出調整的數量及項目。

表5.3-1 2016年網格模式模擬台灣地區測站模式性能之符合度(a) CAMx 月份 總評 O3 PM10 PM_2.5 NO2 NMHC SO2 MB MNB MNE MFB MFE MFB MFE MNB MNE MNB MNE MNB MNE 01 81.9 100 93.0 100 89.7 96.6 63.8 84.5 74.1 98.3 57.1 100 86.2 100 02 81.3 56.9 98.3 100 89.7 100 87.9 96.6 74.1 100 44.4 100 81.0 100 03 60.8 29.3 12.1 25.9 82.8 100 94.8 98.3 67.2 98.3 22.2 100 25.9 94.8 04 73.9 20.7 69.0 100 87.9 100 100 100 74.1 100 63.0 100 31.0 96.6 05 67.9 13.8 48.3 100 60.3 100 96.6 100 74.1 89.7 55.6 100 29.3 93.1 06 62.2 17.2 36.8 73.7 46.6 100 79.3 96.6 65.5 84.5 63.0 96.3 32.8 96.6 07 62.0 17.2 29.3 91.4 34.5 100 74.1 94.8 75.9 82.8 70.4 100 25.9 96.6 08 65.9 22.4 44.8 100 50.0 100 74.1 93.1 72.4 82.8 74.1 96.3 34.5 98.3 09 66.8 10.3 50.0 100 65.5 100 72.4 94.8 79.3 87.9 66.7 100 27.6 98.3 10 59.3 10.3 34.5 93.1 50.0 100 69.0 86.2 69.0 91.4 22.2 100 15.5 91.4 11 70.0 17.2 58.6 100 82.8 100 51.7 84.5 77.6 98.3 48.1 100 69.0 96.6 12 70.5 15.5 75.9 100 69.0 100 77.6 96.6 67.2 98.3 29.6 96.3 56.9 96.6 全年 68.5 27.5 54.0 90.3 67.2 99.7 78.4 93.8 72.5 92.7 51.3 99.1 42.8 96.6

表5.3-1 2016年網格模式模擬台灣地區測站模式性能之符合度(b) CMAQ 月份 總評 O3 PM10 PM_2.5 NO2 NMHC SO2 MB MNB MNE MFB MFE MFB MFE MNB MNE MNB MNE MNB MNE 01 68.7 5.2 22.8 82.5 39.7 100 70.7 98.3 93.1 98.3 89.3 100 87.9 100 02 73.3 8.6 50.0 98.3 48.3 100 74.1 98.3 93.1 98.3 92.6 100 89.7 100 03 74.5 6.9 31.0 89.7 79.3 100 86.2 100.0 93.1 100 92.6 100 87.9 100 04 69.7 3.4 27.6 56.9 60.3 100 82.8 100.0 91.4 100 96.3 100 87.9 100 05 70.7 19.0 41.4 93.1 19.0 100 72.4 100.0 89.7 100 96.3 100 87.9 100 06 74.5 43.1 61.4 96.5 8.6 100 77.6 100.0 96.6 100 92.6 100 89.7 100 07 74.9 53.4 81.0 100.0 0.0 100 60.3 98.3 94.8 100 96.3 100 89.7 100 08 74.7 48.3 89.7 100.0 0.0 100 58.6 96.6 94.8 100 92.6 100 87.9 100 09 74.7 50.0 62.1 100 10.3 100 75.9 98.3 96.6 100 81.5 100 87.9 100 10 75.7 58.6 67.2 87.9 17.2 100 82.8 98.3 93.1 100 92.6 100 86.2 98.3 11 80.8 87.9 84.5 100 20.7 100 79.3 98.3 93.1 100 96.3 100 89.7 100 12 49.3 0 1.7 72.4 1.7 100 56.9 98.3 67.2 87.9 55.6 96.3 1.7 79.3 全年 71.7 32.0 51.6 89.7 25.3 100.0 73.1 98.7 91.3 98.7 89.5 99.7 81.0 98.1 單位：% 非配對峰值常化偏差(Maximum peak normalized Bias, MB)、配對值常化偏差(Mean Normalized Bias, MNB)、配對值絕對常化誤差(Mean Normalized Error, MNE)、配對值分數偏差(Mean Fractional Bias, MFB)、配對值絕對分數誤差(Mean Fractional Error, MFE)

5.4 細懸浮微粒增量評估結果 如前所述，CAMx及CMAQ二者網格模式模擬PM_2.5大都能符合性能評估的要求，就PM_2.5前驅物項目(NO2、NMHC、SO2)CMAQ亦大都能符合，CAMx則尚有1/3有待努力。 初步報告階段完成了2016年燃煤機組增量之模擬，其年均值如圖5.4-1所示，未來健康風險計算亦將以年均值為基準，說明如下： 一、濃度分布特徵之比較 圖中顯示2個模式模擬增量濃度的分布有很高的相似性，電廠增量分布範圍大多以高雄市為主，主要向南延伸，向北也是在平原範圍擴散。 就二者之差異CMAQ濃度分布較為廣一些，最高濃度範圍可以到達高屏溪所在之縣市界，CAMx則主要落在高雄市北側丘陵地到南、高2市交界處。

(a)CMAQ模式模擬結果 (b) CAMx模式模擬結果 圖5.4-1 興達燃煤機組2016年全年平均PM_2.5濃度分布之比較

此外在中、低濃度分布情形，CMAQ模擬結果較CAMx能達到台灣更北位置，影響到中部以南的南部地區，而CAMx模擬則以嘉義縣以南範圍；在山區的濃度似乎以CAMx可以模擬到更高海拔的範圍，在屏東臺東交界，CAMx也可以模擬煙流過山的效果，這些似乎在CMAQ模擬結果中並不多見。 整體而言，就範圍的保守性而言，似乎CMAQ較CAMx偏向保守。 二、濃度值之比較 2模式模擬燃煤電廠增量最大年均值濃度，CMAQ為1.0 μg/m³，CAMx則為0.35μg/m³，前者為後者的3倍之多，但仍在同一數量級範圍。由於電廠增量非常微量，差異以倍數來論計似過於嚴苛，然因未來套用健康風險係數亦為線性，因此模式選擇將直接影響結果的保守性。 除了最大值，圖5.4-2比較了2個模式在各縣市範圍內之平均值，由於CMAQ向北擴散較CAMx嚴重，因此最高濃度發生在台南、嘉義，高雄市幅員遼闊因此平均濃度並且最大。2個模式之間差距還是很大，唯獨在南投及臺東，CAMx較CMAQ更容易過山，因此2模式的比例較其他縣市略高一些。

圖5.4-2 興達燃煤機組2016年PM_2.5濃度增量之縣市平均

進一步探討鄉鎮區平均濃度，如圖5.4-3所示，由於全國有300多個鄉鎮區，此處僅案2模式的平均結果，繪出前20大。圖中顯示，一如前述濃度分布圖所示，前20大幾乎全是高雄市轄區內各分區(關廟、龍崎為臺南市範圍)，且濃度分布相當均勻，前20大濃度CMAQ最大值0.95μg/m³，最低0.86μg/m³，CAMx也介於0.25~0.32μg/m³之間。未來似無必要切割範圍到鄉鎮區等級。

圖5.4-3 興達燃煤機組2016年PM_2.5濃度增量之鄉鎮區平均(前20大)

5.5 臭氧增量評估結果 前述性能評估結果顯示臭氧模擬尚待改進，臭氧之增量模擬結果，將於期中報告再補充。

5.6 衍生性污染物健康風險評估規劃 本計畫規劃探討興達電廠鄰近區域，其與空氣污染物暴露相關之慢性疾病發生率在時間與空間上之變異與分佈，以評估電廠污染物減量所對應之疾病負擔。方法及步驟依序為：

1. 解析興達發電廠週遭鄉鎮市區，其主要慢性疾病發生率之空間分佈。
2. 以單一年份為時間解析度，探討興達發電廠週遭鄉鎮市區，其主要慢性疾病發生率之時間趨勢。
3. 利用次級健康資料庫(secondary health database)，透過合適流行病學調查方法設計，如生態研究法(ecological study)或世代追蹤法(cohort study)，並結合空氣污染模式推估結果，評估衍生性空氣污染物暴露與主要慢性疾病發生率之相關性研究。 根據美國健康影響研究所(Health Effects Institute, HEI)公布2019年全球空氣品質報告(State of Global Air Report)，與PM_2.5長期暴露有較高相關性的5種疾病為缺血性心臟病、中風、下呼吸道感染、慢性阻塞性肺疾病及第二型糖尿病，本計畫將分析上述5種疾病近幾年發生率之時間與空間分佈結果後，再以基底為臺南市、高雄市及屏東縣各行政區之模擬年平均PM_2.5濃度，建立臺灣地區本土化之疾病發生機率風險係數，評估單位污染物濃度增減，衍生疾病發生率之變化。

5.6.1 疾病發生率調查 本計畫將分析健保資料庫承保資料檔(LHID2000)(2007-2017)之變項，作為5種疾病發生(缺血性心臟病、中風、下呼吸道感染、慢性阻塞性肺疾病及第二型糖尿病)的判斷依據，並同時獲得基本人口學資料，如：年齡、性別、職業別、投保金額、健保投保地區別、眷屬關係以及歷年加保紀錄；另確認健保資料庫中個案是否死亡，可以分別使用承保資料檔(H_NHI_ENROL)中退保別為退保且不再加保則視為死亡，或者使用死因統計檔(H_OST_DEATH)進行確認。為確認是否個案為實際居住於該區域內，以分析年間個案的大部分就診醫療院所區域進行辨識，以醫事機構基本資料檔(H_BHI_MEDFA)為辨識基準。 在生活型態與個人疾病就醫情形、病史部分、相關共病症，可以從門診明細檔(H_NHI_OPDTE)、門診醫令檔(H_NHI_OPDTO)、住院明細檔(H_NHI_IPDTE)、住院醫令檔(H_NHI_IPDTO)、藥局明細檔(H_NHI_DRUGE)、藥局醫令檔(H_NHI_DRUGO)或相關檔案中取得。 疾病就醫情況係使用國際疾病分類標準第九版及第十版為基礎，判斷資料庫中因5種疾病進而就醫之民眾，其相關ICD編碼如表5.6.1-1。由於本計畫使用門診明細檔為主要判斷檔案，唯多數民眾常因同一疾病多次就診，因此將以該年度第一次就診做為受試者主要疾病就診日期，以排除同一民眾多次就診所產生之資訊偏差，因此本計畫規劃採就診人數為主要計算主體，而非就診人次。

表5.6.1-1 5種主要疾病對應之ICD-9/10編碼 病因 (Cause) ICD10分類號碼 ICD9分類號碼 缺血性心臟病 (Ischemic heart disease) I20-I25.9 410-414.9 中風 (Stroke) G45-G46.8 I60-I63.9, I65-I66.9, I67.0-I67.3, I67.5-I67.6, I68.1-I68.2, I69.0-I69.3 430-435.9, 437.0-437.2, 437.5-437.8 下呼吸道感染 (Lower respiratoryinfections) A48.1, A70,B97.4-B97.6, J09-J15.8, J16-J16.9, J20-J21.9, P23.0-P23.4, U04-U04.9 079.6, 466-469, 470.0, 480-482.8, 483.0-483.9, 484.1-484.2, 484.6-484.7, 487-489 慢性阻塞性肺疾病 (Chronic obstructive pulmonary disease) J41-J44.9 491-492.9,496-499 第二型糖尿病 (Diabetes mellitus type 2) E11-E11.1, E11.3-E11.9

另為精確取得個人之人口學變項，將根據承保檔中所記錄之出生日期，定義出受試者其因疾病就醫時之實際年齡，同時擷取出性別、投保金額、投保類別等其中重要基本特徵。由於健保資料庫並未提供抽菸、喝酒此類重要生活習慣之資訊，因此預計將使用慢性肺阻塞以及酒精性肝病，做為抽菸與喝酒之替代指標(surrogate)。 最後分析出臺南市、高雄市及屏東縣各鄉鎮市區的5種疾病標準化疾病發生率之時間與空間分佈，作為後續以疾病發生率為指標的健康風險模型輸入參數之用。

5.6.2 PM_2.5濃度縣市平均值初步成果 本節探討目前的PM_2.5濃度縣市平均值初步模擬成果，如圖5.6.2-1，行政區平均值的分布，與一般空品測站的順序有很大的出入。過去分析結果顯示臺灣地區PM_2.5年均值大略由北向南遞增，以高屏地區較高，然由行政區平均值來看，高雄市與屏東縣卻落在中後段順序。 最末段之宜蘭、花東等，行政區平均亦在末段。中部的南投，就測站而言其濃度順位應在前面，然而行政區平均卻落在末段。由於這些縣市，包括南投、高屏，山區面積都非常遼闊，顯見模式模擬在山區應為低值，造成顯著的稀釋效果。前段縣市幾乎全部是平原地區，嘉義市、彰化縣、新竹市，乃至於雲林縣及臺南市，山區面積相對都較少。 由於臺灣地區疾病發生率大多以都會區較高，配合平原區濃度較高，有可能可以推導出正相關之疾病發生斜率係數，尚待取得前述5種疾病發生率數據後再進一步分析。

圖5.6.2-1 網格模式模擬2016年PM_2.5濃度之縣市平均值