【本篇報導由資訊工程學系  賀耀華教授研究團隊提供】

　　在現今空氣污染日益嚴重的情況下，如何快速、準確地找出污染來源，成為環境監測中的一大挑戰。現有的固定式環境監測站雖能量測空氣中的PM2.5（細懸浮微粒）濃度，但由於位置固定、覆蓋範圍有限，往往只能顯示「哪裡空氣不好」，卻無法準確指出污染「從哪裡來」。

　　為了解決這個問題，本研究提出一種結合無人機（UAV）與 PM2.5 感測技術的污染源搜尋方法。透過在無人機上搭載 PM2.5 感測器，讓無人機能夠在空中靈活飛行，並即時蒐集空氣品質數據。這些數據經由本研究提出的演算法即時分析，進而動態調整無人機的飛行方向與高度，讓它能循著污染的濃度變化，快速找出污染的真正來源。

　　實驗結果顯示，這套系統能在二十分鐘內成功定位污染源，且誤差小於兩公尺，展現了極高的準確性與實用性。這項技術的發展，突破了傳統監測的限制，讓污染源的搜尋不再受地點與氣候條件影響，提供了更靈活且精確的解決方案。

　　本研究不僅為污染源監測提供了全新的技術途徑，也為智慧環境監控與智慧城市的發展奠定了基礎。未來，這項技術可望應用於工業區排放監測、交通污染追蹤，甚至環境災害的即時應變，為人類打造更乾淨、更安全的生活環境。

　　在我們的城市裡，細懸浮微粒（PM2.5）是空氣污染中最棘手的問題之一。它的來源可能來自工廠排放、交通廢氣或焚燒行為，但要精準找到「污染源」卻並不容易。傳統的空氣品質監測站雖能長期記錄濃度變化，卻受限於地點固定與監測範圍有限，往往只能告訴我們「哪裡空氣不好」，卻無法回答「污染從哪裡來」。

　　本研究團隊為此設計了一套結合無人機與PM2.5感測技術的智慧搜尋系統，讓無人機成為在空中「嗅探污染」的偵查員。利用現有的環境感測網（如環境部的空氣品質監測網或是由民間社群自發LASS感測網路）提供的空氣品質數據，引導無人機根據風向自下風處起飛，沿著煙羽擴散方向前進，一邊飛、一邊即時分析濃度變化，再自動調整搜尋方向與採樣間距。這樣的過程，就像一位會思考的空氣偵查員，不斷修正自己的搜尋路線，逐步逼近污染源（如圖一、圖二）。

　　為了讓搜尋更有效率，本研究開發了三種搜尋策略：貪婪（Greedy）演算法負責沿著濃度梯度精準前進；動態（Dynamic）演算法則依濃度變化調整移動速度與採樣頻率；混合（Hybrid）演算法結合兩者的優勢，能快速鎖定目標後再精細定位。

　　為驗證方法的有效性，本研究以高斯煙羽模型（Gaussian Plume Model）模擬真實的污染擴散情境（如圖三），並考量風速、風向、感測誤差與背景雜訊等因素。模擬結果顯示，三種演算法均能在20分鐘內將污染源定位誤差控制在2公尺以內，在效率與準確度上均明顯優於傳統的隨機或區域填充搜尋方法，其中混合演算法展現出最佳的平衡性與穩定性。

　　進一步的實驗亦證實，三種演算法在不同的排放強度、濃度分布與搜尋區域大小條件下皆具良好的適應性，並可透過多次搜尋或多無人機協作進一步降低誤差。同時，本研究也分析了感測器安裝位置對讀值準確度的影響，並運用濾波技術有效降低雜訊、提升數據品質。

　　此外，研究亦納入現實環境的多種變因，如風速、風向改變、感測誤差與雜訊干擾，並使用濾波技術來改善數據品質，提升數據穩定性。結果顯示，不論是不同的排放強度、濃度分布，或是更大範圍的搜尋場域，系統都能靈活調整、維持良好的搜尋表現。

　　這項成果不僅提供了一種即時、可行、精準的PM2.5污染源定位方案，也展現了無人機在智慧環境監控中的巨大潛力。未來，將持續拓展此技術，讓無人機能同時偵測多個污染源、進行多機協作搜尋，甚至結合地形與氣流模型，進一步提升搜尋準確度。整體而言，本研究成功整合感測網絡資料、氣象參數與智能搜尋演算法，在污染源定位上展現出高精度與高效率，為智慧環境監測提供具擴展性的解決方案，也為無人機在環境監測與城市治理領域開啟了新的應用契機。

　　這項研究不只是為了解決「哪裡的空氣不好」，更重要的是找到污染的真正源頭，從根本改善空氣品質。

圖一：初始起點與煙羽量測示意圖

 
圖二：搜尋路徑的方向會根據各感測點的 PM2.5 濃度量測結果進行調整，使無人機能朝向濃度較高的方向飛行，逐步接近污染源位置。

圖三：高斯煙羽模型（Gaussian Plume Model）模擬真實的污染擴散情境，紅色三角形代表排放源，灰色區域為煙羽擴散範圍，灰色越深表示PM2.5濃度越高。綠色方形為搜尋飛行路徑的起點，黃色圓形為預估的排放源位置，藍色線條則表示搜尋路徑。

原文出處：
Ho, Y. H., & Lin, Y. C. (2024). Searching for the fine particulate matter (PM 2.5) pollutant emission source using a drone. Measurement: Journal of the International Measurement Confederation, 232, 114726. https://doi.org/10.1016/j.measurement.2024.114726
(Impact Factor 5.6, and Q1 on both "ENGINEERING, MULTIDISCIPLINARY" and "INSTRUMENTS & INSTRUMENTATION")