新竹科學園區砷空氣污染之空間性影響及風險評估

國 立 交 通 大 學

環境工程研究所

碩士論文

新竹科學園區砷空氣污染之空間性影響及風險評估

Spatial Impact and Risk Assessment for Atmospheric

Arsenic Pollution from Hsinchu Science-based

Industrial Park

研 究 生：賴旻韓

指導老師：高正忠教授

新竹科學園區砷空氣污染之空間性影響及風險評估

Spatial Impact and Risk Assessment for Atmospheric Arsenic

Pollution from Hsinchu Science-based Industrial Park

研 究 生：賴旻韓 Student：Min-Han Lai 指導教授：高正忠 Advisor：Jehng-Jung Kao

國立交通大學

環境工程研究所

碩士論文

A Thesis

Submitted to Department of Environment Engineering College of Engineering

National Chiao Tung University in partial Fulfillment of the Requirements

for the Degree of Master of Science

in

Environment Engineering July 2009

Hsinchu, Taiwan, Republic of China

摘要

新竹科學園區為台灣的科技重鎮，然而區內公司不少製程中使用含有 高毒性的砷化物，且在近期公佈了數年前曾偵測到高濃度的砷化物，因而 引起大眾的重視，除了應建議園區廠商儘速推動無砷製程及公佈監測資 訊，更應儘速建立一套模式供分析砷等具毒性空氣污染對周遭民眾的影響 及風險評估模式。本研究因而發展一套空氣污染模式與健康風險評估方 法，以供評估科學園區空氣砷污染排放物對於周界居民的健康風險影響。 本研究主要採用 AERMOD 模式模擬砷污染分析，在建立模式所需資 料後，即以園區固定污染源排放資料模擬各模式網格的濃度增量分布，並 提出方向性污染程度時數、方向性各污染程度影響區域及方向性最大小時 濃度影響區域三種方法探討不同風向下砷污染物的濃度分布情形，及以等 去除率法分析達成一些預期周界濃度所需的去除率，且以致癌風險及致癌 負荷評估健康風險的空間分佈與差異。 本研究分別以 2002 年、2008 年排放資料及結合兩者為 WA、WB 及 WC 三種情境，並以 2002 年及 2007 氣象資料進行模擬，模擬結果發現遠 低於監測值，顯示排放清單並不完整，環保單位有必要建立更完整的清 單。而在方向性污染衝擊分析中，發現高污染濃度部分以東風下的時間最 長。在各風向平均濃度分析中，WA 以東南東風下影響區域最廣，於 WB 及 WC 則以西南西風影響區域最廣。而各風向最大小時濃度除了靜風外， 主要以南風至北北西風等 8 個風向影響最廣。以等去除率進行周界預期濃 度分析，發現需要高達 80%去除率方能降至 0.2 ng/m3_{，加上排放清單不完} 整，預期所需要的減量將更大。致癌風險分析則發現部分地區所承受風險 較高。

Abstract

In Hsinchu Science-based Industrial Park (SBIP), semiconductor and opto-electronic factories use a significant amount of chemicals with arsenic compounds in their manufacturing processes. High ambient arsenic concentration measured in few yeas ago were recently reported and attracted great attention from the public. Other than promoting non-arsenic manufacturing processes and reporting regular monitoring data, analyzing air toxic pollution distribution and assessing residential exposure and health risks are desired. The AERMOD model was thus applied in this study to establish a model to simulate spatial arsenic pollution distribution. Three methods of directional pollution level hours, directional impact area, and directional hourly maximal concentration are developed for assessing the directional impacts of the arsenic emission from SBIP on adjacent residents. The uniform removal method is applied to estimate the required percentage reductions of source pollutants for achieving several expected ambient criteria. Two risk assessment measures are then applied to estimate the residential exposure and health risks for different scenarios.

This study uses two arsenic emission data sets in 2002 and 2008 to establish scenarios WA and WB, and scenario WC for both data sets is also analyzed. The pollution distributions of the three scenarios are simulated based on 2002 and 2007 meteorological data. The simulated results are significantly lower than those sampled from random monitoring at surrounding locations. The emission data sets are obviously incomplete and should be exteneded. Based on the directional impact analysis, the largest number of hours with high pollution occurs under the eastern wind direction. According to the average concentration distribution in each direction for scenario WA, the ESE wind influences the largest area, while the WSW wind influences the largest area for scenarios WB and WC. For the maximal hourly concentration distribution in each direction, except the calm wind, the areas influenced by eight wind directions such as sourth and NNW are significantly larger than those for other wind directions. For achieving the expected ambient arsenic concentration lower than 0.2ng/m3, about 80% reduction of all pollution sources is required. Since the emission data sets are incomplete, a higher removal rate is required for the complete set. Regarding the health risk, certain parts of the studied area have higher risks than those in other parts of the area.

Keywords: air pollution dispersion model; arsenic; directional impact; health

致謝

不久前自己才是個剛踏入研究所的菜鳥，剛開始我幾乎什麼東西都不 懂，但經過這兩年恩師高正忠的指導，我學了很多東西，特別是「抓重點」 這個高氏理論，無論任何問題只要抓到重點，再困難的事都可迎刃而解， 我想未來出了社會後，老師所傳授的東西，一定也可以幫助我繼續成長下 去。另外，也特別感謝母校中興大學的望熙榮老師與林明德老師，你們給 予學生論文與研究上的指正，使學生受益良多，在此致上最誠摯的敬意。 而研究期間，特別要感謝亦師亦友的子欽學長，在寫論文、跑程式的 過程中，幫我解決了許多困難，另外也學到以前從未玩過的網球、桌球； 也感謝冠華學長在程式上的指導與幫助，替我省了不少 De Bug 的時間； 感謝宥禔學姊，老師不在的期間，您就好像我的第二位老師，無論是在研 究還是生活上的問題，沒有你我一定沒辦法如此順利的度過這兩年。這兩 年之中要感謝的人真的很多很多，感謝實驗室陪我一路走過來的立偉、士 澤、展帆、京澄、雅如、坤哥，沒有你們實驗室不會時時充滿歡笑聲，還 有陪我一起吃飯、念書、熬夜、睡覺、打電動的仕強，你讓我認識到金門 人是很有趣的；感謝我的同學們，OK、馬路、籤王、阿猴、珖儀、仲豪、 蝦味先、排…排骨飯、金門王、百珊、育安、小雞、姿吟、建廷，你們為 這兩年的生活帶來了很多很多的歡樂；感謝學弟妹們，恰恰、大王、家馨、 信元、海菜、玉米頭、燒餅，系排就靠你們帶領新的學弟妹們奪冠吧!新進 的學弟們岳奇、科智，你們也要加油，別讓進度追著你們。最後感謝我的 父母、弟弟、妹妹以及椀謹，感謝你們一路陪伴，讓我感受到家的溫暖。 在此獻上我最真心的祝福與感謝，僅將此論文獻給曾經幫助過我、 關心過我與陪伴過我的人。

目錄

中文摘要 ... i 英文摘要 ... ii 誌謝 ... iii 目錄 ... iv 圖目錄 ... vi 表目錄 ... vii 第一章 前言 ... 1 1.1 研究緣起 ... 1 1.2 研究目的 ... 3 1.3 論文內容 ... 3 第二章 文獻回顧 ... 4 2.1 砷化物特性及污染探討 ... 4 2.1.1 砷化物 ... 4 2.1.2 國外空氣砷污染研究 ... 6 2.1.3 國外空氣砷污染研究 ... 6 2.2 空氣污染模式與模擬 ... 8 2.2.1 空氣污染模式 ... 8 2.2.2 砷空氣污染模式模擬 ... 9 2.2.3 AERMOD 模式之應用 ... 10 2.3 風險評估 ... 11 第三章 研究流程與方法 ... 13 3.1 研究流程 ... 13 3.2 案例區簡介 ... 18 3.3 AERMOD 模式建立 ... 21

3.3.1 AERMOD 模式簡介 ... 21 3.3.2 氣象資料收集與整理 ... 23 3.3.3 AERMET 氣象資料及數位地形資料處理 ... 24 3.3.4 AERMOD 模式運算 ... 26 3.4 污染物空間性分佈分析方法 ... 26 3.4.1 方向性污染衝擊分析 ... 27 3.4.2 情境分析 ... 27 3.5 空間性風險評估 ... 30 第四章 結果與討論 ... 32 4.1 方向性污染衝擊分析結果 ... 32 4.2 AERMOD 模擬 ... 35 4.3 排放情境分析 ... 35 4.4 方向性分析 ... 38 4.5 周界期望濃度分析 ... 46 4.6 空間性風險評估 ... 49 第五章 結論與建議 ... 58 5.1 結論 ... 58 5.2 建議 ... 61 參考文獻 ... 63 附錄一 ... 70 附錄二 ... 72 附錄三 ... 74

圖目錄

圖 1 研究流程圖 ... 15 圖 2 新竹科學園區周界砷污染監測點及排放口 ... 16 圖 3 新竹地區人口戶數圖 ... 20 圖 4 AERMET 所使用之氣象資料預處理程序 ... 23 圖 5 AERMOD 運算流程 ... 25 圖 6 新竹與苗栗地區鄉鎮圖 ... 33 圖 7 案例區全年風花圖 ... 34 圖 8 情境 WA 2002 年最大小時濃度結果... 36 圖 9 情境 WB 2007 年最大小時濃度結果 ... 37 圖 10 情境 WC 2007 年最大小時濃度結果 ... 38 圖 11 情境 WA、WB 方向性分析結果 ... 41 圖 12 情境 WC 方向性分析結果 ... 42 圖 13 依平均濃度分析各情境方向性砷污染空間性風險 ... 48 圖 14 情境 WA 2002 年風險分析結果 ... 50 圖 15 情境 WA 2002 年致癌負荷結果 ... 51 圖 16 情境 WB 2007 年風險分析結果 ... 53 圖 17 情境 WB 2007 年致癌負荷結果 ... 54 圖 18 情境 WC 2007 年風險分析結果 ... 56 圖 19 情境 WC 2007 年致癌負荷結果 ... 57

表目錄

表 1 砷及其衍生物的毒性 ... 5 表 2 新竹周界砷污染濃度監測結果... 17 表 3 新竹科學園區內砷污染監測情形 ... 18 表 4 情境 WA 2002 年東風及東南東風砷污染比例比較 ... 43 表 5 情境 WB 2007 年西南西風及北北東風砷污染比例比較 ... 43 表 6 情境 WB 2007 年周界期望濃度分析結果 ... 47 表 7 情境 WC 2007 年周界期望濃度分析結果 ... 47

第一章 前言

1.1 研究緣起

發展高科技產業園區是近年來政府的重要政策及新興產業潮流，從 1980 年新竹科學園區成立至今，廠商規模已達到 390 家（新竹科管局， 96 年），緊接著台中科學園區與台南科學園區自 2004 始亦陸續營運及擴 建中，雖然提昇經濟發展，但亦排放了一些污染物威脅居民健康。根據 文獻指出（林，96 年），目前高科技科學工業園區可能會排放砷、鎘， 鉛…等重金屬，以中部科學園區為例，其砷污染在週界採樣中介於 1.8 與 37.4 ng/m3_{之間，是園區營運前的 12.4 倍之多（張等，96 年），新竹} 科學園區亦曾在五年前周界採樣點中測得砷濃度高達 120ng/m3_{（Chein et} al., 2006），這是在國際上文獻中很少見到的高濃度，雖然其檢測方法受 到質疑，但由煙道的數據來看，當時大氣中確有可能會發生高濃度情形， 空氣中的重金屬與氣膠除了會傷害人體的呼吸系統及皮膚組織外，長期 也會引發各種癌症病變，砷長期暴露嚴重者可導致癌症，如肺癌、皮膚 癌…等病變（潘等，90 年）。若依目前新竹科學園區與中部科學園區的 採樣結果為例，其致癌風險已高於萬分之一，實有加緊建立評估及管制 策略的必要性，再者科技園區製程所使用的氣體種類與一般傳統產業差 異大，現行的空污法規並不通盤適用，除了加速促進廠商採用無砷製程， 更應儘速擬定一套完整的污染濃度模擬及風險評估模式，以期能掌握污 染物的流佈、選擇適當的採樣點與時間提高監測數據的有效性及確保該 空品區之空氣品質與居民健康。 在評估風險之前，必須先了解污染物的流佈，一般是採用模式模 擬，污染物模擬的工具很多，如 ISC3（USEPA, 1995）、AERMOD(USEPA, 2004)、TAQM(劉等，91 年)、Model-3(USEPA, 1999)等空品模式均具備 有此能力，唯 TAQM 與 Model-3 屬於中大尺度空品模式，所需資料及運 算方式較為複雜，故暫不採用，而過去國內常用的 ISC3 模式在美國已不

用，已為 AERMOD 所取代，目前亦有許多文獻說明 AERMOD 比起 ISC 更加的準確，如謝(97 年)指出 AERMOD 比 ISC 的模擬結果更加地接近 測站的觀測值；Yang et al.(2007)曾以 AERMOD 及 ISC 模擬追蹤劑的擴 散情形，結果顯示 AERMOD 比 ISC 更加的精準。本研究因而採用 AERMOD 模式來模擬污染物的空間性分佈。 健康風險評估常用來解釋污染物所造成負面健康效應的影響程度 及某排放源對大眾健康效應衝擊的大小，評估結果除可供各環保機關作 為管制各種具有危害潛勢污染物質之參考依據，亦有助於政府及民眾了 解所承受的健康風險。如賴(90 年)曾以人體暴露量調查的方式來評估焚 化爐因農作物的產銷關係所造成的風險傳輸情形。健康風險亦常使用模 式來評估，如 USEPA(2007)所推出之 THERdbASE v1.2；美國加州環保 署空氣品質資源局(2007)所開發之 HRA v2.0e(Health Risk Assessment, HRA)，可用於計算潛在致癌風險，其亦可用於評估非致癌健康風險的急 性或慢性指標；以及 PIONEER Environmental Consultant (2007)所發展之 Smart RISK，皆是可用以評估健康風險的模式，然而這些方法的調查分 析所需的成本人力及時間均頗高且費時，故並不太適合此研究。本研究 採用較簡易的方法評估，以致癌風險(USEPA, 1992)評估，致癌風險定義 為終生平均日暴露量乘上致癌斜率或污染物濃度乘上致癌單位風險值， 由於實際暴露量不易評估，故本研究以 AERMOD 模擬出污染物濃度取 代之，再定義致癌負荷為致癌風險值乘上各網格的人口，網格人口則以 住址點 GIS 資料來估算各網格人口分布情形。致癌負荷可用以反應各區 域空間性健康風險。 本研究以三種砷污染排放情境評估不同情境下的污染物分佈，再以 方向性污染衝擊來探討各種風向下污染物分布及影響區域，並針對新竹 科學園區案例進行分析，以瞭解高科技園區砷排放之污染情形及其所可

1.2 研究目的

本研究主要目的為建立一套可用以評估新竹科學園區砷污染空間 分佈及風險的方法。主要研究目的有以下兩項： 1. 建立砷污染評估模式：用以評估新竹科學園區砷污染的空間分佈；由 於砷污染的空間分佈是風險評估及監測位置選址的主要依據，然而目 前並沒有適當的模式可供模擬推估砷污染物的空間分佈，本研究因而 以美國環保署 AERMOD 模式(USEPA, 2004)模擬周界受體點污染狀 況，以三種砷排放情境來模擬，進而推估在不同時間下，新竹科學園 區砷污染的擴散與空間分佈情形。 2. 發展適當的方法評估及分析砷污染所造成的風險：砷污染會增加慢性 疾病及生命危害的風險，然而由於國際砷污染嚴重區域並不多，而相 關的風險研究更是不多，因此有必要建立一個可供評估國內科學園區 砷污染風險的方法，且將考量人口曝露量，推算致癌負荷，分析週遭 區域可能承受的健康風險，以供政府及相關主管機關研擬砷監測、評 估及管制策略時參考。

1.3 論文內容

本論文之後續章節中，第二章主要回顧空氣品質模式與應用、風險 評估及空間性風險分析；第三章說明本研究的流程與方法，包括案例區 簡介，如何以AERMOD(USEPA, 2004)建立新竹科學園區砷污染空氣污染 模擬模式和空間分佈分析方法，以及空間性風險評估方法；第四章說明 砷污染空間分佈分析及空間性風險評估；最後第五章總結本研究並提供 後續研究建議。

第二章 文獻回顧

在本章中主要回顧及討論與本研究相關之文獻，除了探討過去已有的 相關研究成果，並探討本研究所擬定的研究方向的可行性。相關重要文獻 主要分為砷化物、空氣污染模式與應用、風險評估等主題。以下一一說明 之。

2.1 砷化物特性及污染探討

本節將先說明砷化物特性，然後介紹國內外文獻中有關砷污染或監 測情形。以下一一說明之。

2.1.1 砷化物

砷對於人體的影響主要來源為水與空氣，並且砷在人體中具有累積 性，為造成人體砷中毒的主要效應（劉，84 年）。而潘等（91 年）也說 明急性砷暴露會引起腹瀉、嘔吐及肝和腎臟毒性，更甚者會導致急性腎 管狀細胞壞死、腎衰竭等；長期暴露在砷污染下則有皮膚黑色素沈積、 皮膚炎、角質化、脫毛等病變出現。慢性砷中毒亦可導致腎臟病變及骨 隨受損，嚴重者可能導致癌症，如肺癌、皮膚癌、肝癌、膀胱癌、腎癌， 以及心血管、末梢血管病變。國際癌症研究署(International Agency for Research on Center, IARC)(IARC, 2004)亦已將無機砷列為致癌物質。

由環保署危害物質危害數據資訊資料庫（環保署，97 年），可查知砷

化物毒性以無機砷最高，揮發性有機砷次之，有機砷為最低，如表1。無

機砷中又以砷化氫及三價砷毒性最高，砷化氫容易與血紅素結合，造成紅 血球溶解及血管內溶血現象和貧血，接著對於腎及其他器官造成危害。目 前國內毒化物中僅列管三氧化二砷（即俗名砒霜）及鉻化砷酸銅。

空氣中的砷來源一般由金屬冶煉、石油燃燒，以及火山活動所造成的 居多，而其中又以人為活動所產生的砷比起自然產生的還要高（WHO, 2001），一些高科技產業中，如半導體業、光電業、玻璃基板業在製程中 常使用之砷酸、砷化氫並未作列管，且砷亦有可能經由製程中轉化。當砷 化物經過工業使用排放後勢必對於環境造成一定的影響，且由於砷具有高 毒性，因此需發展適當之方法評估其對於週遭居民之影響。 表 1、砷及其衍生物的毒性  物種  價數 LD50（mg/kg，大鼠口 服）  Arsine    砷化氫  AsH3 ‐3  3  Arsenic(V) oxide  五氧化二砷  As2O5 +5  8  Arsenites  亞砷酸鹽  H2AsO3‐ +3  14  Arsenic(III) oxide  三氧化二砷  As2O3 +3  15.1  Arsenates  砷酸鹽  H2AsO4 ‐ Na2HAsO4‧7H2O +5  /  20  Arsenic acid  正砷酸  H3AsO4 +5  48  Arsenic  砷（固態）  As 0  763  MMA*  一甲基砷酸  ‐‐ ‐‐  700‐1800  DMA*  二甲基砷酸  ‐‐ ‐‐  700‐2600  （本研究整理自環保署危害物質危害數據資訊資料庫）  *：除了 MMA 及 DMA 為有機砷外，其餘皆為無機砷。

2.1.2 國外空氣砷污染研究

Thomaidis et al.（2003）研究指出在雅典市中心旁採樣到含砷的 PM2.5 濃度為0.16 至 29.3 ng/m3，並推測與市中心旁工業區活動與車輛活動所 造成的污染有關；Gidhagen et al.（2002）研究指出在智利中部與北部測 到土壤及河川中含高量的砷，推測與銅、金冶煉廠所造成含砷的 PM10 有關；Sanchez-Rodas et al.（2006）研究指出在 2001 年及 2002 年西班牙 西南部的維爾瓦省（Huelva）測到含砷的 PM10濃度範圍分別為1.6 至 29.4 ng/m3及1.3 至 79.8 ng/m3，並指出當吹南風及西南風時造成煉銅廠下風 處的都市累積高濃度的砷，而當吹西風及西北風時砷濃度則降低了許 多；Chiaradia et al.(2000)則指出在日內瓦檢測到空氣中砷濃度為 0 至 2 ng/m3，並推測與當地焚化爐運作及石化燃料燃燒有關；Polissar et al. （2001）曾在加拿大監測到小於 10 ng/m3含砷的 PM2.5，並推測與非鐵 （nonferrous）冶煉場所排放的空污有關。 由前述文獻可知，這些研究場所雖與國內科園區的污染特性不同， 但可看出砷污染常因特定工業活動而排放到環境中，且受到風向影響到 下風處的居民，除了污染分佈，風向的影響亦是研究應分析的重要因子。 而由於過去文獻較少探討砷污染風險之空間性分佈，因此，本研究發展 一套砷污染空間風險分析之方法。

2.1.3 國內空氣砷污染研究

台灣有關砷污染較嚴重的事件為 1950 年代末期中南部居民長期飲 用含砷濃度0.17 至 0.8 ppm 之地下水，導致罹患烏腳病（ATSDR, 1994）， 亦因而有一些國內學者投入研究，唯這是水污染，與本研究所要分析的

有關國內空氣中的砷污染，張等（96 年）在 95 年東海行政大樓檢 測到含砷粒狀物濃度37.4 ng/m3，並且認為是因近期中部科學園區發展迅 速造成砷污染濃度頗高，亦引起媒體的重視與報導。林（96 年）因而於 96 年在中科周界六個測點偵測空氣中砷濃度，監測數據範圍為 3.71 至 5.51 ng/m3並與94 年其他單位同樣測點所偵測的砷濃度比較，雖沒有測 得類似張等(96 年)所測的濃度，亦不了解其監測點是否有分析風場與適 合性，但結果顯示少數測點濃度有升高的趨勢，且表示有必要針對中科 周圍進行長時間監測以了解其對於周界砷污染濃度之影響。 Tsai et al.（2003）研究發現在台南一火力發電廠旁測點監測到含砷 粒狀物濃度在冬季晚上濃度比夏季還要高，推測在冬季晚上發生氣溫逆 轉（temperature inversion）的現象，導致砷污染物在地表累積，另在夏 季時所測到的砷粒狀物質量比例比冬季高，推測為夏季吹西南西風使得 在燃煤火力發電廠下風處之測點所測到的粒狀物砷含量較高，且最高曾 測到12.4 ng/m3 含砷之粒狀物濃度，並推測在當時低風速的條件下（小 於0.8 m/s）污染物擴散速度較慢，使得偵測濃度較高。 Chein et al.（2005）在 2002 年 9 月與 10 月監測新竹科學園區 20 間 半導體或光電業製造廠煙囪砷排放量，最大約為 0.1427 g/hr，並於園區 周界 15 個測點監測含砷粒狀物濃度，發現園區周界砷污染濃度最高為 120 ng/m3，由於數據太高，亦因而引起媒體的重視與注意，唯由於其 採樣方式並非標準方法，因而受到其他專家執疑，但由於排放濃度頗高， 據信當時的濃度亦應不低，亦因而進行此研究評估科學園區空氣砷污染 的影響。科學園區管理局雖儘速重測，但是在很短的時間下重測，且是 在媒體揭露引起注意後才重測，點數也很少，故也並沒有測得高數據， 本研究因而亦將依研究成果評估監測的適用性。王（96 年）在 94 年及 95 年於新竹科學園區內設置數個監測點，其中監測到含砷粒狀物濃度範

圍為0.003 至 0.013 μg /m3，並認為科學園區內砷粒狀物主要由交通活動 所造成，園區內半導體廠所排放砷污染貢獻次之。不過，王並沒有實際 去檢測油品中的含砷量，也因而對於此結論，本研究群仍存疑。

2.2 空氣污染模式與模擬

本節首先說明空氣污染模式，之後介紹有關砷空氣污染模式模擬以及 AERMOD 模式之應用。以下一一說明之。

2.2.1 空氣污染模式

一般欲了解空污的流佈情況，經常採用空品模式來模擬之，所謂空 品模式，乃是利用數學或定量的方式，以計算或模擬污染物由排放源釋 出後在大氣中傳送、擴散及反應所形成的濃度場之時空分佈（空氣品質 模式支援中心，96 年）。所以空品模式乃是模擬污染源所排放污染的 擴散濃度與量的空間分佈，而一個模式往往包含許多不同傳輸擴散機制 或過程(如煙流上升、擴散、沉降等)的計算方法，有時同一個過程就有 許多不同的演算法可供選擇，但不同的方法其結果自然也可能不一樣。 針對不同用途的空品模式不少，用於模擬固定污染源的常用空品模 式包括Model-3(USEPA, 1999) 、TAQM(劉等，91 年)、ISCST3（USEPA, 1995）及 AERMOD(USEPA, 2004)等。

Model-3（Third-Generation Air Quality Modeling System）(USEPA, 1999;空氣品質模式支援中心，92 年）為美國常用的大尺度、短時之空品 模式，雖亦可適用於較長時間，但模擬計算時間會較長，模式適用於模 擬機制頗複雜的空污流佈及相關模擬，是美國法規接受的模式之一，且 經常用於科學性調查。適用於都市與區域性尺度，一般針對較適合短期 （一星期內）模擬。TAQM（Taiwan Air Quality Model）模式（劉等, 91

一般用於 7 天內之逐時模擬。此兩個模式由於較複雜，即使模擬短時間 的運算時間仍頗長，而本研究需要模式全年及分季的影響，故均不太適 用於本研究。

ISC3（Industrial Source Complex Model 3rd edition）模式(USEPA, 1995;空氣品質模式支援中心，92 年）是 USEPA 所曾建議的模式之一， ISC 系列模式中發展最完整的穩態（steady-state）高斯煙流模式，可廣泛 的應用在各種類型的高斯煙流模式及污染源（點源、面源、線源、體源）， 可用於短期（一小時）或長期（一年）及區域性（傳輸距離五十公里內） 的模擬。然而模式只單純考慮物理機制，並未考慮污染物化學性質，因 此只適合模擬惰性污染物，為此模式的缺點之一。唯此模式目前已為 AERMOD 所取代。

AERMOD（AMS/EPA Regulatory Model）模式(USEPA, 2004)是由 USEPA 及美國氣象學會（American Meteorology Society, AMS）所組成之 法 規 模 式 改 進 委 員 會 （AMS/EPA Regulatory Model Improvement Committee, AERMIC）共同發展，目的為取代模擬誤差較大的 ISC3 模式， 應用最新的擴散理論與運算技術，進而提高模式所預測的準確度，並以 較簡單之方式將複雜地形中氣流及延散（Dispersion）的觀念導入模式 中，並基於行星邊界層紊流結構、尺度以及觀念等所解析之空氣污染擴 散現象來發展此套新的空氣品質模式（USEPA, 2004）。本研究欲針對小 尺度區域及長時污染物擴散情形來模擬，因而採用目前美國環保署所發 展之最新空品模式AERMOD 來模擬空污分佈情形。

2.2.2 砷空氣污染模式模擬

Gidhagen et al.（2002）曾利用 HIRLAM 模式（High Resolution Limited Area Model）模擬智利中、北部 8 座銅、金冶煉場所排放的砷粒狀物濃

數據與模擬結果一致，而在北方三個監測點數據較模擬結果高出許多， 推測在智利北部土壤含砷表土受到再懸浮（resuspension）作用導致所監 測到含砷的粒狀物濃度比模擬濃度還高。 Chein et al.(2005)假定一支於新竹科學園區內之煙囪，並以五種排放 率以 ISCST3 進行砷污染分佈模擬，結果顯示當砷排放率為 10-2 kg/h 所 模擬的濃度為130 ng/m3；由於ISC 已停用，本研究因而以 AERMOD 來 進行砷污染空間分佈分析。

2.2.3 AERMOD 模式之應用

在AERMOD 與 ISC 之比較上，Yang et al.（2006）曾比較 ISC 與 AERMOD 兩模式用於模擬追蹤劑的擴散情形，結果顯示 AERMOD 比起 ISC 更加地精準。Silverman et al.(2007)利用 AERMOD 與 ISC 來模擬兩 種工廠所排放的氯化亞甲基與聯氨擴散情形，並評估其對於周界居民所 可能產生的健康風險。Orloff et al.（2005）也利用 ISC 與 AERMOD 兩模

式模擬氰化物濃度，並與觀測值比對，結果顯示 AERMOD 比 ISC 更加 符合觀測數據。謝（97 年）以 ISC 與 AERMOD 兩模式模擬火力發電廠 所排放之二氧化硫，並與測站觀測值比對，結果顯示 AERMOD 比 ISC 更加接近測站的觀測濃度。礦與許(94 年)以 AERMOD 與 ISC 兩模式對 於平坦地形與複雜地形進行比較，結果顯示 AERMOD 模擬結果較佳， 且修正ISC 不必要的保守與假設。 在 AERMOD 之應用上，曹等（97 年）利用 AERMOD 來模擬商業 活動及移動污染等產生之污染物擴散，並結合空氣資源整合效益模型， 來探討空氣品質改善對於民眾的個人終身壽命增加與節省醫療成本之效 益，結果顯示 PM10每下降 1μg/m3對於個人終身平均壽命增加與醫療支

Bajwa et al.(2008)利用 AERMOD 來模擬養猪戶的廢水處理單元所逸散的 氨氣擴散與乾沉降情形。Kesarkar et al.(2006)利用天氣預報系統與 AERMOD 結合來模擬 PM10擴散情形。由於過去文獻皆指出 AERMOD 較ISC 更為精確，且已於多個研究中應用。因此，本研究採用 AERMOD 模式來模擬污染物擴散情形，進而據以分析污染物風險情形。

2.3 風險評估

WHO （ 2008 ） 定 義 風 險 評 估 主 要 包 括 危 害 確 認 （ hazard identifyicaion）、危害描述（hazard characterization）、風險描述（risk characterization）以及暴露評估（exposure assessment）等四部分。暴露 評估指個體或群體對於接觸化學物質的定質或定量。一般是指用來描述 接觸化學物的強度、頻率、時間，甚至用來評估化學物質的攝取或吸收 率及暴露途徑（如口、皮膚、呼吸等），並計算實際吸收的劑量（USEPA, 1992；WHO, 2008）。本研究主要探討以空品模式模擬污染分佈，並據以 評估居民可能的暴露風險。 國際上雖然己有不少單位提出砷污染的百萬分之一風險值，但濃度 值不盡相同，例如美國加州空氣資源委員會（California Air Resources Board, CARB）設定 0.303 ng/m3（CARB, 1990）的風險為百萬分之一；

而Calabrese and Kenyon （1991）則定義砷污染的大氣空氣品質目標值

（Ambient Air Level Goal, AALG）為 0.0466 ng/m3，此值亦表示風險為百

萬分之一，是目前所查到的文獻中最嚴格的一個值。美國環保署 IRIS

（Integrated Risk Information System）（USEPA, 2006）則提出終身暴露在

0.2 ng/m3無機砷的環境下致癌風險為百萬分之一、2 ng/m3的風險為十萬

分之一、20 ng/m3的風險為萬分之一，風險值呈線性關係。世界衛生組

織（World Health Organization, WHO）對於砷的終身暴露風險所公佈的 值為每1μg/m3的風險為1.5 × 10–3人，0.66 ng/m3的風險是百萬分之一、

6.6 ng/m3 的風險是十萬分之一、66 ng/m3 的風險是萬分之一（WHO, 2000），風險值亦呈線性比例關係。本研究參考這些值訂定情境分析所達 到的周界目標濃度。 美國環保署（1992）定義致癌風險為終生平均日暴露量乘以致癌斜 率或污染物濃度乘以致癌單位風險值。由於長期暴露在砷空污下，容易 導致癌症，因此本研究以模式所模擬出砷濃度，應用此方法來估算居民 之暴露風險。  

第三章

研究方法

本研究重點在於使用美國 AERMOD(USEPA, 2004)建立推估新竹科 學園區砷污染擴散模式，進而分析污染物的空間分佈，及評估居民空間 上之健康風險，並作為後續規劃監測計畫的依據。本章將首先說明本研 究的流程及簡介案例區，之後介紹 AERMOD 模式及如何建立案例區的 砷污染擴散模式，進而說明如何分析砷污染空間分佈及進行空間性風險 評估，上述內容於以下各節一一說明之。

3.1 研究流程

本研究流程如圖1 所示，主要分為資料收集與整理、AERMOD 模式 建立、砷污染空間分佈分析、健康風險計算方法、居民健康風險之空間 性評估等五大步驟，以下一一摘要說明之： 1. 資料收集與整理：主要收集國內外固定污染源之空間分佈分析之方 法、模式模擬、健康風險計算方法、居民曝露風險之空間性評估等相 關文獻。且收集案例研究所需要的資料，包括全新竹縣、市之人口住 址點資料、地面觀測、探空等氣象資料、數位高程地形資料、園區固 定污染源排放等資料。

2. AERMOD 模式建立：以美國環保署之 AERMOD 模式(USEPA, 2004) 模擬周界受體點污染分佈情形，依據模擬新竹科學園區周界污染分佈 之需求收集模式所需的輸入資料，首先將氣象站取得之地面觀測資 料、探空資料及地面數位高程資料作預處理，同時將新竹縣市圖層以 五百平方公尺大小的網格劃分，再以園區固定污染源排放資料來建立 模式。

3. 砷污染空間分佈分析：以 2002 年、2008 年排放資料及結合兩者為 WA、WB 及 WC 三種情境，並以 2002 年及 2007 氣象資料進行模擬 科技園區砷排放造成周界污染之狀況，且考量不同風向下砷污染濃度 分佈情形以及空間性之差異。 4. 健康風險計算方法：文獻中有很多空氣污染健康風險之計算方法，而 這類方法常用一些模式及工具來計算風險，考量這些方法分析上較為 繁瑣不適用，因此本研究將探討適合計算新竹科學園區砷污染健康風 險的方法。

5.

居民健康風險之空間性評估：將AERMOD 模式所模擬之砷污染空間 分佈，配合人口分佈情形，套用所採用的砷污染健康風險計算方法， 以評估砷污染對於居民所造成風險之時間與空間分佈。

表2、新竹周界砷污染濃度監測結果

資料整理自新竹市環保(98 年) a. Daily average wind speed(m/s). b. Prevailing wind direction and hours. c. May have problem for monitored result.

Time Item E1 E2 E3 E4 E5 E6 E7 E8

97.05.15-16

TSP-As 2.28 2.61 2.71 2.16 2.13 2.7 PM2.5-As 1.74 1.77 1.98 1.61 1.59 2.54

Sa 2.8 1.1 1.1 1.2 1.3 0.6

Db SW13 N23 NE23 NE17 SE6 NE9 97.05.22-23 TSP-As 0.76 PM2.5-As 0.66 Sa 1.5 Db NE3 97.06.04-05 TSP-As 2.41 PM2.5-As N.D. Sa Db 97.06.16-17 TSP-As 2.27 0.47 2.75 2.54 3.16 PM2.5-As 2.24 N.D. 2.88 2.06 3.09 Sa 1.5 0.3 0.2 0.2 1.3 Db SW12 SE8 NW5 NW5 NW7 97.07.23-24 TSP-As 0.96 0.63 0.91 1.98 0.81 PM2.5-As 0.86 0.3 0.94c 1.29 0.34 Sa 2.2 0.7 0.3 0.7 0.4 Db NW13 S12 SW8 NW12 SW12 97.08.12-13 TSP-As 0.55 0.5 0.73 0.95 1.69 1.8 2.92 0.54 PM2.5-As 0.53 0.19 0.57 0.7 1.83c 1.52 2.01 0.34 Sa 2.6 1.2 0.5 0.8 0.3 0.7 1 0.7 Db SW22 SW19 SW18 SW19 N5 NW10 NW13 NW11 97.09.17-18 TSP-As 4.48 1.04 0.15 0.51 0.38 PM2.5-As 3.78 0.65 N.D. N.D. 0.16 Sa 0.7 1.4 1.4 2.8 0.6

Db SE10 N19 NE20 SE9 SE18

97.10.16-17

TSP-As 1.84 N.D. 0.45 1.52 1.98

PM2.5-As 1.27 N.D. 0.25 0.83 1.55

Sa 1.6 0.8 0.8 0.7 0.8

Db NE7 NE10 NE8 SE10 NE21

97.11.12-13

TSP-As 0.82 2.92 1.32 2.71 N.D. 0.59 1.97 0.83 PM2.5-As 0.45 2.33 0.69 1.99 N.D. 0.29 1.42 0.28

Sa 3 1.6 0.7 1.5 1.3 1.2 1.1 1.6

Db SE18 NW19 NW17 NE24 NE14 NE14 SE11 N20 97.12.08-09

TSP-As 1.09 2.1 1.56 1.57 1.54

PM2.5-As 0.43 0.61 0.65 0.31 0.97

Sa 1 0.9 0.9 0.8 1

Db NW17 NW11 NE20 SE19 NE24

98.01.12-13

TSP-As 4.11 10.4 4.44 6.52 7.21

PM2.5-As 3.36 6.42 3.11 5.01 6.82

Sa 3.1 2.5 1.4 1.7 2.9

表3 新竹科學園區內砷污染監測情形 採樣點 日期 風向 濃度(ng/m3) W1 95.09.26-27 N 4.0 W2 95.09.26-27 NE 4.0 W3 95.09.27-28 E 4.0 W4 95.09.27-28 NE 4.0 W5 95.10.24-25 E 4.0 W6 95.10.24-25 NE 4.0 W7 95.10.25-26 SE 4.0 W8 95.10.25-26 N 3.0 W9 96.01.30-31 NE 6.0 W10 96.01.30-31 SE 7.0 W11 96.01.31-02.01 N 13.0 W12 96.01.31-02.01 N 12.0 W13 96.05.23-24 SW 5.0 W14 96.05.23-24 S 4.0 W15 96.05.24-25 SW 4.0 W16 96.05.24-25 W 3.0 資料整理自王(97 年）

3.2 案例區簡介

新竹科學工業園區(科園區管理局，97 年)涵蓋位置包括部份新竹市 東區及新竹縣寶山鄉地區，為台灣重要的高科技工業園區，主要產業有 半導體、電腦、通訊、光電、精密機械與生物技術業等。其中以半導體、 發光二極體及光電顯示器的玻璃基板製造等製程中，使用不少砷化氫 (Arsine)、正砷酸(Arsenic acid)等物質，除了易造成氣態砷化氫污染外， 這類砷化物也容易形成粒狀三氧化二砷(Arsecic)造成更多的污染(林，96 年)。表 2 為新竹市環保局在 97 年 5 月至 98 年 1 月期間，針對如圖 2 所 示的新竹科學園區周界8 個點監測砷污染濃度，其中在 E8 點曾測到總砷 粒狀物濃度7.21ng/m3（新竹市環保局，98 年），表3 則整理自王（97 年）

更曾測出高達120ngm-3的濃度，唯其大氣周界濃度分析方法受到學者的 質疑，另外，在 95 年 2 月間亦於中部科學園區(張等，96 年)測出 37.4 ng/m3，因而引起大眾注意科學園區的砷污染排放問題，雖然預期科園區 目前的砷污染應該沒有數年前那麼高了，但對於砷污染仍有必要加以評 估，並建立模式模擬砷污染的空間分佈，及分析其對附近民眾的影響， 包括污染分佈情境，並建立模式作為監測規劃的依據。 科學園區空氣污染主要除了會影響鄰近地區，亦會隨著風帶至更遠 的地區，本研究主要以科學園區周遭一定距離為分析範圍，主要涵蓋新 竹市及新竹縣地區，位於台灣省西北部，新竹市行政區域劃分為東、北、 香山等 3 區。竹縣行政區域劃分為竹北市、寶山鄉、新豐鄉、湖口鄉、 竹東鎮、新埔鎮、關西鎮等 13 區。新竹市至民國 97 年 7 月底止全市人 口數402,695 人（新竹市政府，97 年），其中以東區人口數 191,646 人為 最高，人口密度以北區8,935 人/km2為最高。而新竹縣至民國97 年 7 月 底為止全縣人口數500,023 人（新竹縣政府，97 年），其中以竹北市人口 數及人口密度最高。由於科學園區及大專院校等，在新竹縣巿的流動人 口亦很多，可能至少超過十萬人。 本研究採用新竹市及新竹縣住址點地理資訊資料（新竹市政府，97 年；新竹縣政府，97 年），新竹市有 156,706 個住址點，而實際戶數為 132,260 戶，平均每戶(不含流動人口)約 3.04 人；新竹縣有 113,562 個住 址點，而實際戶數為 150,478 戶，平均每戶約 3.32 人。新竹巿的住址點 中包含不少工商業住址及空戶，故較實際戶數多，由於刪除工商業住址 不是一件容易且費時的事，故本研究假設多出來的住址點為平均分布， 因此新竹市的住址點數每一點所代表的戶數以乘0.844(=132,260/156,706) 來推估。而新竹縣的住址點數由於尚未針對每一個住址定位，例如一個 樓房只有一個住址定位點，但實際可能有很多戶，為了計算出較符合實 際人口分布情形，假設每個村里的戶數為平均分布，因此由各村里戶數

除以各村里的住址點數，即可算出每個住址點的平均戶數。在計算風險 時，首先計算每一個網格（大小為 ）內的住址點數，再 依上述比例換算戶數，並據戶數多寡以顏色深淺做區分，所得結果如圖 3 所示，可看出人口主要集中在新竹市東區及竹北市，而戶數最多的地 方位於新竹市東區。 圖3 新竹地區人口戶數圖

3.3 AERMOD 模式建立

3.3.1 AERMOD 模式簡介

本研究採用之AERMOD(AMS/EPA Regulatory Model )(USEPA, 2004) 模式是由美國環保署（USEPA）及美國氣象學會（American Meteorology Society, AMS）所組成之法規模式改進委員會（AMS/EPA Regulatory Model Improvement Committee, AERMIC）共同發展，其目的在於發展一

套可取代誤差較大的ISCST3(USEPA, 1995)法規模式，採用與 ISCST3 相 同的輸入與輸出結構，並運用最新的計算技術及擴散理論來提高模式所 預測之結果的準確性，並保持法規應用與執行上的簡便性。 基於以上概念，新的空氣品質模式 AERMOD 因而誕生，該模式的 原理在附錄一中說明。國內外亦已有一些AERMOD 相關研究，如 Sattler et al.(2007)使用 AERMOD 來評估污水處理場的臭味物質逸散濃度，並考 慮季節對於濃度預測之影響。Yang et al.(2007)依據追蹤劑監測數據比較 AERMOD 與 ISC3 等模擬結果的差異，結果顯示 AERMOD 比 ISC 更加 準確；謝（97 年）利用 AERMOD 與 ISC 來模擬台中火力發電廠所排放

的 SO2，並利用台電測站的觀測值來做比對兩者模擬結果的準確度，顯

示AERMOD 的模擬結果較 ISCST3 接近觀測結果，且適合用以模擬污染

物的污染擴散情形。

AERMOD 模 式 主 要 包 含 三 個 部 分 ， 分 別 為 處 理 氣 象 資 料 的 AERMET (USEPA, 2004) 模式、處理地形資料的 AERMAP (USEPA, 2004)

模式，及AERMOD 擴散模式。AERMET 由地面及探空測站所測量的氣

象資料產生兩個模式所需的氣象輸入檔，其一為逐時邊界層參數檔，另 一為大氣參數垂直分佈數據檔。若是污染源煙囪處在複雜的地形中，則

查局（U.S. Geological Survey, USGS）的 DEM(Digital Elevation Model) 數位地形資料作為輸入檔，用以產生受體點位置及高程數據資料檔。最 後再由 AERMOD 將上述兩個模式之輸出檔合併，並且配合污染源資料 計算出各個受體點的污染擴散情形。 依礦與許（94 年）指出，與 ISCST3 模式比較，AERMOD 具有以下 重要特色：

1. 能處理行星邊界層（planetary boundary layer, PBL：指地球大氣層的 最低層，主要受地球(行星)表面所影響）內模擬垂直方向的非均相 性質； 2. 可對於地表排放源做特殊處理； 3. 可模擬不規則面污染源排放情形； 4. 考慮對流邊界層內下浮力煙流與建築物下洗作用； 5. 在穩定邊界層內垂直混合的限制。 其亦指出該模式修正其他模式對於中等至複雜地形中所產生的地 形效應的模擬方法，並且仍能保有其簡單性。該模式需要先針對氣象 資料及數位地形資料分別作預處理，以 AERMET 氣象前處理模式建 立 AERMOD 輸入檔，之後再依據固定污染源排放資料來進行模式運 算。以下各節將一一詳細說明如何以 AERMOD 建立研究案例區的砷 空氣污染模擬模式。

Surface observations

Extracted surface observations(HUSWO)

Upper air soundings

Extracted soundings(FSL)

Meteorological data preprocess

AERMET input

Merged data 24-hours blocks

Surface file

with PBL parameters Profile file Albedo

Bowen Ratio Surface Roughness length

AERMOD input QA1_error Stage I Stage II Stage III AERMET processing QA success QA success QA success QA error QA error A. B.  

1_{QA: Quality assessment}

圖4 AERMET 所使用之氣象資料預處裡程序(整理自 User’s guide for AERMOD, 2004)

3.3.2 氣象資料收集與整理

圖4 所示為模式氣象資料預處理示意圖，模式需要提供氣象資料， 本研究地面氣象資料是採用新竹地區的氣象觀測站，分別採用2002 與 2007 年的逐時氣象資料（大氣研究資料庫，97 年），前者主要模擬及評 估2002 年砷污染的影響及空間分佈，並依據 2002 及 2007 的氣象條件規 劃監測點，且比較季節性與時空差異；由於新竹沒有探空觀測資料，故

採用板橋測站(大氣研究資料庫，97 年)的探空觀測資料。模式以這兩個 資料計算大氣穩定度及混和層高度，本研究擷取大氣壓力、溫度、相對 濕度、風速、風向、露點溫度等逐時氣象資料，以及擷取高程、大氣壓 力、風速、風向、對流層壓力等探空觀測資料作為模式所需之地面觀測 與探空觀測資料輸入檔。

3.3.3 AERMET 氣象資料及數位地形資料處理

AERMOD 輸入檔資料預處理包括以 AERMET 模式進行氣象資料前 處理及數位地形資料網格建立地形資料，以下一一說明之： 一、 AERMET 氣象資料前處理：如圖 4 B 區塊所示，AERMET 模式 主要分為三個步驟來處理氣象資料。 （1） 首先擷取先前預處理好的地面觀測及探空觀測資料，並進 行數據缺漏及格式檢查，若有錯誤應重新檢視輸入檔案格 式及資料完整性。 （2） 將上述數據以 24 小時為週期合作檔案，並檢查數據缺漏及 格式，若有錯誤，則應重新檢視輸入格式及資料完整性。 （3） 最後產生 AERMOD 模式所需的邊界層參數資料，同時必

須考慮測站的地面反照率（Albedo）、鮑文比（Bowen Ratio）

及地表粗糙度(Roughness Length)等參數，而鮑文比的設置 是參考美國環保署氣象前處理模式（Complex Terrain Dispersion Model, CTDM）所使用的方法（如附錄一說明）， 依據氣象站每月累積雨量來判斷地表的潮溼程度（乾燥、 一般或潮溼）選擇鮑文比，進而依照實際氣候及土地利用 情況將參數輸入至模式中，並進行數據缺漏及格式檢查。 二、 數位地形資料網格：污染物在傳輸的過程中，容易受到地形起伏

地區的地形，並配合模擬的網格大小建置地形高程資料。本研究 所採用數位地形高程資料為工研院能資所所提供之新竹地區

之數位高程資料，並利用 ERDAS IMAGINE(Leica,

2005)及 Grapher(Golden software INC., 2007)等軟體將 UTM 座標 及高程值讀出，進而利用網格差值計算轉換產生 網格的高程資料，最後將網格座標點及高程值匯出成電子檔供模 式所使用。 Input Input AERMET ．Generates PBL2_parameters

．Passes Measured Profiles

DEM3 _Data

．Generates Terrain and Recepotor Data Interface ．Similarity Relationships ．Interpolated Profiles ．Concentration ．Computations AERMOD NWS1 UTM Coord.5 Elevation Pass Obs.4 PBL2_parameters WS6_{, TURB}7_{, PTG}8

1_{NWS：National Weather Service Station} 2_{PBL：Planetary Boundary Layer}

3_{DEM：Digital Elevation Model}

4_{Pass Obs.：Passes all meteorological observations} 5_{UTM Coord.：UTM coordinates}

6_{WS：Wind Speed}

7_{TURB：Turbulent Fluctuations} 8_{PTG：Potential Temperature Gradient}

 

圖5 AERMOD 運算流程(整理自 User's Guide For The AERMOD,2004)

3.3.4 AERMOD 模式運算

AERMOD 模式的運算流程如圖 5 所示（USEPA, 2004），首先進行 AERMET 氣象預處理模式及 DEM 資料處理，接著運算 AERMOD 擴散

模式。其中AERMET 包含產生行星邊界層參數與測站資料擷取與轉換， 而行星邊界層參數數據可由現場觀測數據或由氣象測站所觀測之資料來 取得。首先將地面反照率、表面粗糙度、鮑文彼等地表特性參數，以及 風速、風向、溫度、雲量等氣象參數輸入至AERMET 模式中，計算出行 星邊界層參數，如：摩擦速度(u*)、Monin-Obukhov 長度（L）、對流速 度尺度（w*）、溫度尺度（Θ*）、混和層高度（zi）、地表熱通量（Ｈ）等。 將以上參數連同氣象觀測資料輸入AERMOD，透過相似關係計算出 風速(u)、水平和垂直方向的紊流強度（σｖ，σｗ），溫度潛勢梯度（dΘ/dz）、 溫度潛能（Θ）等垂直輪廓數據；且輸入固定污染源之排放率、煙流溫 度、煙囪高度、煙流出口速度、煙囪內徑等數據，並對邊界層輪廓參數 進行內插，計算出污染物濃度。另外與先前處理好的 DEM 資料配合欲 計算的受體點網格座標及高程值、污染源資料，將數據輸出格式作為 AERMOD 的輸入檔，計算地表高程對於大氣擴散的影響，並配合氣象輸 入檔來計算污染物濃度的分佈情形。

3.4 污染物空間性分佈分析方法

空氣污染物的空間性分佈會受到風向所影響，因此本研究依不同風 向分析方向性污染衝擊(directional pollution impact, DPI)，並探討不同污 染排放情境下的情形，最後進行污染物的風險分析，以下各小節將一一 說明之。

3.4.1 方向性污染衝擊分析

空氣污染物的擴散會受風速與風向的影響，使得污染物在大氣中會 產生稀釋與累積等現象。然而在固定時間內，穩定的風速、風向會將煙 流推向下風處而形成高污染濃度的累積（Shorvailar et.al., 1969; Singer et.al., 1970），同時會造成氣流擾動，使得污染物受水平傳輸與擾動而導 致會有不同的分佈（Seaman, 1999）。因此本研究依不同風向分析污染物 之分佈，以及作為後續風險分析之依據。 本研究以2002 年及 2007 年風向資料進行分析，將全年 8760 個小時 依照16 種風向分別分析，例如：北風全年一共發生 500 個小時，則將此 500 個小時記錄為 N 風向，其餘風向則依此類推，此外，風速低於 0.5 m/s 之時間則歸類為靜風。分析污染物在不同風向下的空間分佈及居民潛在 之健康風險。

3.4.2 情境分析

情境分析主要分為排放量、風向與周界標準三個主題來分析，排放 量部分欲探討不同排放量下的可能影響；風向部份則探討不同風向下的 污染物在不同地區的分佈;而在周界期望標準部份，由於國內目前尚未有 砷的周界標準，因此將參考各國所訂定之周界標準及健康風險值進行探 討，且以所設定之周界期望標準來分析適當的排放量。依上述共歸納為 八項情境，如下一一說明之： 1. 排放量

情境WA：以 Chein et al.（2005）所監測數據為依據

此情境參考Chein et al.（2005）中所監測 2002 年新竹科學園區廠

商砷污染排放濃度，以前述 AERMOD 空氣品質模式來模擬新竹地區砷污 染分佈情形，唯本研究雖發文向科管局要當時的監測報告，但科管局 雖表示願提供，但要求人員不可自行公佈，違反政府應向人民公開有

可能損及人民權益資訊的精神，故研究人員最後決定以合理假設的方 式來進行此研究。 情境WB：以近期砷排放監測數據為依據 台灣至今並未針對砷污染排放有作明確規範，而科學園區半導體業、光 電業、玻璃基板業等製程這幾年發展迅速，這類高科技產業不少會排放砷污 染物，且已與 2002 年的情境不太相同，故本研究以近期新竹市環保局所 監測 2008 年之砷污染排放數據來模擬砷污染的分佈情形，藉以瞭解目 前砷污染的程度。 情境 WC：將以上兩種排放情境之數據合併 情境WB 雖然是近期環保局所監測的數據，但發現模擬結果與實 際監測數據並不符合，顯示仍有不少未偵測到的污染源，雖然 Chein et al.(2005) 所監測的時間點不同，但與近期環保局所監測之排放口不 同，故結合二組數據模擬較多污染源的情境，唯發現即使如此，仍然 與實際監測值有所差異，亦顯示有必要再清查排放清單，這些結果將 於後續章節中說明之。 2. 風向 主要依據風向分析不同風向下的污染物分佈與影響。 DT 法： 此情境為分析16 個風向及靜風下各污染濃度範圍在全年發生的 總時數，例如：全年一共有500 個小時為北風，而污染物濃度在北風 下有200 個小時在 0.046 ng/m3至0.2 ng/m3之間；藉以了解各風向下各 污染物濃度範圍所發生的時間差異。

DA 法： 此情境為分析16 個風向及靜風下，各污染平均濃度所影響的網格 數，例如：北風的風向下，平均濃度大於0.2 ng/m3的格子有300 格； 藉以了解各風向下，污染物全年所影響的區域大小。 DM 法： 此情境為分析16 個風向及靜風下，以最大小時濃度來分析，不同 風向下，各污染程度所影響的區域大小，唯因最大濃度屬極端值，一 般發生機率亦較低，主要用以呈現最差(worst)情形，較不易與其他情 境作比較。 3. 周界期望濃度 周界濃度高會影響居民健康，但周界濃度若要求太低，亦需要考量可行性 及處理成本。台灣地區對於砷空氣污染物之周界濃度目前並不明確，目前 只有在其他空氣污染物下有訂定周界濃度標準為200 ng/m3，然而這明顯 是一個不太適用於砷的標準；而國際上由於有砷污染的地方不多，因此 其他國家亦少有砷的周界標準，目前僅知歐盟針對砷空氣污染有訂定周 界標準為6 ng/m3（European Union, 2008）。 健康風險值方面，由所收集的資料發現國際上對於砷污染物的健康風

險值並不同，早期美國加州空氣資源委員會（California Air Resources Board,

CARB）設定 0.303 ng/m3（CARB, 1990）的風險是每百萬分之一人;而

Calabrese and Kenyon (1991）則定義砷污染的大氣空氣品質目標值 （Ambient Air Level Goal, AALG）為 0.0466 ng/m3，此值亦表示風險為百

萬分之一，是所有文獻中最嚴格的一個值。美國環保署（USEPA, 2006）公

佈終身暴露在0.2 ng/ m3的環境下的致癌風險為每百萬分之一人、2 ng/m3 的風

險為每十萬分之一人、20 ng/m3 的風險為每萬分之一人，風險值呈線性關係。

世界衛生組織（World Health Organization, WHO）則公佈每 1 μg/m3的風 險為1.5 × 10–3人、0.66 ng/m3的風險是每百萬分之一人、6.6 ng/m3的風

險是每十萬分之一人、66 ng/m3的風險是每萬分之一人（WHO, 2000）， 風險值亦呈線性比例關係。 參考上述的歐盟周界標準及國外一些健康風險值，由於 0.046 ng/m3AALG 值過嚴，雖然監測值有超過 6 ng/m3，但可能由於污染源的 資料不全，本研究模式模擬結果很少超過6 ng/m3，因而最後以下列三種 情形來分析不同周界期望標準下所容許的排放情形: 情境S2：2 ng/m3 情境S0.6：0.6 ng/m3 情境S0.2：0.2 ng/m3

3.5 空間性風險評估

空氣污染物對於人體健康會產生一定程度的影響，嚴重時甚至會致 命，因此有必要評估空氣污染物對於人體可能造成的健康風險。本研究 參考Grattt（1996）之方法來進行空氣污染物之風險評估。風險計算方法 如下： CRi = Qc × (x/Q) × URFx × MPc (3.2) 其中Rc為終身致癌風險，單位為每百萬人中可能有一人致癌的機會 （10-6）；Qc為c 污染源排放率，單位為每單位時間之質量；（x/Q）為稀 釋因子；URFx為單位致癌風險係數，可經由查表得知；MPc為污染物傳 輸之多途徑係數。而 主要是將污染物之排放率轉換為污染濃 度，此部分可直接改為以模式模擬結果取代；由於分析污染物傳輸途徑 較複雜且不易計算，因此本研究將MPc假設為1。則式（3.2）可改為下 式 (3.3)： CRi = Ci × URFAs (3.3) 其中Ci為由AERMOD 模式所模擬出網格 i 之砷空氣污染物濃度 （μg/m3）；URFAs為砷之單位致癌風險，即暴露每一單位致癌物質會導

致終身致癌的可能性(Lifetime Cancer Probability, LCP)，可由 USEPA 訂 立之IRIS（Integrated Risk Information System）（USEPA, 2008）查知砷污

由於高濃度區不見得是健康風險高的區域，例如高濃度區可能居民 並不多，而一些地方的污染濃度分佈雖不是最高，但人口相當集中，這 樣反而造成較高的健康風險。因此，本研究除了以3.3 式評估各網格砷 污染的風險值外，更進一步以風險負荷之情形來分析砷污染空間性風險 評估，評估方式如下。 LCi = CRi  ×  Pi (3.4)  其中LCi 為第 i 個網格致癌負荷值，單位為人；CRi 為第 i 個網格的 致癌風險，由式3.3 計算而得；Pi 為第 i 個網格人口數。依上述計算方式 可推估各網格中之健康風險，並根據此空間性風險之分佈探討受影響地 區之健康風險。

第四章

結果與討論

本章主要說明依前一章描述的研究流程與方法所得之結果，針對科學 園區砷排放分析其所造成的風險，首先進行方向性污染衝擊分析，然後依 不同情境分析砷污染的濃度分佈，探討在不同砷排放與季節風向情境下對 於園區鄰近地區居民所造成的影響與健康風險。以下一一說明之。

4.1 方向性污染衝擊分析結果

由於不同方向會影響不同的區域，如圖6 所示，科學園區位於新竹市 東南方，因此其污染排放在不同風向下會影響不同區域，以下是一些風向 會影響的區域: 1. 東北風：主要是影響寶山鄉，因此對於寶山鄉居民在東北風季下 可能會有較高的暴露風險； 2. 西南風：主要可能影響竹北市、芎林鄉、竹東鎮等地區； 3. 西北風：主要可能影響竹東鎮及寶山鄉； 4. 東南風：主要是影響新竹市區的居民。 由於近期公佈的砷污染高排放數據是在 2002 年所監測數據，故首先 分析2002 年的全年風向分佈情形，圖 7(a)為 2002 年全年之風花圖結果， 全年盛行東北風、北北東風及東風，分別發生1667、1469、952 小時，此 三種風向佔全年所有風向時間的 47%。圖 7(b)為 2007 年全年之風花圖結 果，全年盛行東北風、北北東風及東風，全年發生時間分別為995、2098、 893 小時，佔全年各風向時間的 46%。

4.2 AERMOD 模擬

主要收集 2002 年及 2007 年氣象站之地表觀測及探空觀測數據，並且 依照模式之需求轉換為模式之氣象輸入檔。數位地形資料檔的部份，則將 所收集到的地形檔轉換為0.5km×0.5km網格高程資料，並供模式模擬用， AERMET 及 AERMOD 相關參數設定分別列於附錄二及三。 

4.3 排放情境分析

1. 情境 WA： 以Chein et al.（2005）所監測數據模擬 2002 年砷污染空間性分佈情 形，結果如圖 8 所示，模式所計算出最大小時濃度發生在竹北市， 為 3.26 ng/m3，大於 2 ng/m3 多集中在竹北市以及新竹科學園區附 近，而0.6 ng/m3至2 ng/m3間則以新竹市、竹北市、寶山鄉等區域 為主，此結果亦顯示新竹地區之居民以竹北市、新竹市、寶山鄉等 居民具有較高的健康風險，唯此圖主要是顯示全年的最大小時濃 度，基本上屬極端值，需要再與結果發生時數與區域範圍方能作更 詳細的風險評估。此外，比對表2 及表 3 新竹周界所監測到砷濃度， 可以發現所模擬之最大小時濃度仍遠比隨機監測的周界濃度低，推 測可能仍有不少污染源並未被納入監測，使得模擬結果有低估的現 象，也致使周界隨機監測到之數據比模式所模擬全年最大濃度的結 果還高。環保單位有必要建立更完整的污染排放清單。 2. 情境 WB： 以近期新竹市環保局所監測之砷污染排放數據來模擬 2007 年砷污 染空間分佈情形，結果如圖 9 所示，模式所計算出最大小時濃度發 生在新竹科學園區與寶山鄉交界的部分為 7.73 ng/m3，其餘大於 6 ng/m3的濃度多集中在園區周界，顯示園區周界居民在某些時間上所 承受的健康風險是較高的。然而，由表2 及表 3 所監測到之砷污染 濃度來看，在許多時間測量到的砷污染濃度大於10 ng/m3的情況不

少，顯示由環保局所監測的砷污染排放口模擬之結果是低估的情 況，在此推測可能有許多砷污染源並未被監測，使得模擬結果低於 監測的結果。 3. 情境 WC： 由於 WA 與 WB 所模擬結果都遠比監測值小很多，故結合 WA 及 WB 兩種排放情境數據模擬 2007 年砷污染空間分佈情形，結果如圖 10 所示，最大小時濃度為 7.73ng/m3發生在科學園區與寶山鄉交界 處，雖然 2ng/m3 以上的污染分佈比起情境 WB 的結果有明顯的增 加，但模擬的結果仍與隨機周界監測低，故有必要進一步調查還有 那些砷污染源未被納入。

圖10 情境 WC 2007 年最大小時濃度模擬結果

4.4 方向性分析

1. DT 法： 以排放情境WA 及 2002 年氣象資料模擬砷污染分佈並依 DT 法分析， 結果如圖11(a)所示，此圖為本研究群所創，稱之為方向性衝擊影響玫瑰圖 (Impact Rose)，主要以類似風花圖之方式來呈現方向性污染程度時數（DT） 及方向性各污染程度影響區域（DA），圖中最外圈數字為各風向所發生的 總時數，並以長條圖的寬度來表示發生時間長短，越寬即發生時間越長， 各方向的標示，表示受影響的方向區域及刮號內的為受那一個風向所影

圖中長條長度於DT 法時表示污染程度的時數，於 DA 法時表示所影響之 區域的格網數目，亦即區域大小，圖右邊之長條為靜風下的類似資訊。 砷污染最高濃度範圍為0.6-2 ng/m3，此範圍發生時數以在東風下發生 最多共298 個小時，亦即在科學園區西方新竹市東區及香山區受較高濃度 影響的時數較多，唯只約佔全年的3.4%；濃度在 0.2-0.6 ng/m3間的時數， 仍以在東風下的時間最多，有550 個小時；而 0.046-0.2 ng/m3所發生的時 數以北北東風及東北風下最多，皆超過 1200 小時，此亦與全年風向中以 東北風及北北東風為主相符合，唯如圖7(a)所示，東風雖然也有一定比例， 但並沒有上述二個風向多，不過東風下反而造成較高濃度時間較多，這是 由於東風的風速較慢，因而污染濃度較高，而東北風及北北東風雖然較 多，但風速較快，擴散效果較好，導致濃度較低但影響範圍較大。由此結 果可看出新竹地區西部及西南部所受影響最為明顯，特別是新竹市區有超 過1400 個小時砷污染皆超過 0.2 ng/m3，可能對於新竹市居民影響不小。 以排放情境WB 及 2007 年氣象資料模擬砷污染分佈並以 DT 法分析， 結果如圖11(d)所示，砷污染最高濃度區間為大於 6 ng/m3，發生在東北東 風，有6 個小時，而濃度區間在 2-6 ng/m3的時數，也以靜風發生40 小時、 東北東風發生了 33 個小時最長，此結果亦顯示高濃度的砷污染主要影響 園區周界以及西南西方的寶山鄉。濃度區間在0.6-2 ng/m3，此範圍發生時 數亦仍以在東風下最多，為 239 個小時，但比情境 WA 在 2002 年氣象資 料下的結果少59 小時；而濃度在 0.2-0.6 ng/m3所發生的時數亦仍以東風下 的時間最多，有310 個小時；而 0.046-0.2 ng/m3所發生的時間以北北東風 為最多，有 1282 個小時，此與全年風向以北北東風為主相符，類似 2002 年的情況，東風所佔的比例雖然遠比北北東風低，但是東風所造成高濃度 時間較多。另外在靜風的情況下，砷污染大於0.2 ng/m3的時間亦有326 個 小時，此部分主要影響園區周遭的居民。 以排放情境WC 及 2007 年氣象資料模擬砷污染分佈並以 DT 法分析， 結果如圖12(a)所示，砷污染最高濃度範圍為大於 6 ng/m3，以東北東風下

的6 個小時最長；而濃度區間在 2.0-6.0 ng/m3，此範圍發生時數以在靜風 下最多，為 89 個小時，主要影響科學園區周界區域，如新竹市東區、寶 山鄉、竹東鎮等；而濃度0.6-2 ng/m3間的時數仍以在東風下時間最多，有 449 個小時；濃度在 0.2-0.6 ng/m3 間以北北東風的 641 個小時最多；而 0.046-0.2 ng/m3濃度間，也以北北東風的1330 個小時最多，而靜風下超過 0.2 ng/m3 的時間有 367 個小時。此結果與情境 WB 比較，顯示當污染源增 加時，各污染程度於各風向下時間都增加許多，唯仍然與隨機監測結果並 不相符，未來有必要再確認污染排放清單的完整性，及進一步檢討模式的 適用性。

圖11 情境 WA 及情境 WB 方向性分析結果: (a)情境 WA 方向性污染程度

時數法；(b)情境 WA 方向性污染程度影響區域法；(c)情境 WA 最大小時濃

度方向性影響區域法；(d)情境 WB 方向性污染程度時數法；(e)情境 WB

圖12 情境 WC 方向性分析結果

: (a)情境 WC 方向性污染程度時數法；(b)情境 WC 方向性污染程度影響區 域法；(c)情境 WC 最大小時濃度方向性影響區域法

表4 情境 WA 2002 年東風(E)及東南東(ESE)風砷污染比例比較 砷濃度範圍 （ng/m3） E ESE 發生時數 (hr) 各濃度發生比例 (%) 發生時數 (hr) 各濃度發生比例 (%) 0.046-0.2 100 10.55 18 2.65 0.2-0.6 550 58.02 432 63.72 0.6-2.0 298 31.43 226 33.33 2.0-6.0 0 0 2 0.29 Total 948 678 表5 情境 WB 2007 年西南西(WSW)風及北北東(NNE)風砷污染比例比較 砷濃度範圍 （ng/m3） WSW NNE 發生時數 (hr) 各濃度發生比例 (%) 發生時數 (hr) 各濃度發生比例 (%) 0.046-0.2 40 61.54 1282 77.93 0.2-0.6 17 26.15 258 15.68 0.6-2.0 8 12.31 103 6.26 2.0-6.0 0 0 2 0.12 total 65 1645 2.DA 法： 接下來以 DA 法分析影響範圍，以排放情境 WA 及 2002 年氣象資料 模擬砷污染分佈並以DA 法分析，結果如圖 11(b)所示，砷污染各風向下平 均濃度(註:以各風向濃度值平均，並非全年的平均值)的最高濃度區間為 0.2-0.6 ng/m3，此範圍發生在東南東風下，影響的區域為23 格(每格 0.5 km 0.5 km)近 6 平方公里，顯示最高濃度主要發生在科學園區西北西方向的 新竹市東區及北區，然而這與 DT 法分析高濃度污染發生時間以東風較長 不一致，由圖7 及表 4 可看出，雖然東風較東南東風發生時間長，但是東 南東風在高砷污染濃度的比例較東風高，因此東南東風下污染濃度較東風 還高；而方向性平均濃度區間在0.046-0.2 ng/m3以東南風所影響的區域較 廣，有372 格，主要為科學園區西至西北部的新竹市區、竹北市等地區。 此結果與 DT 法結果比較，發現全年盛行雖然以北北東風及東北風為主，

然而並不是以這兩風向所影響的顯著方向性平均濃度區域最廣，可由圖7(a) 看出，此乃北北東風及東北風風速較快，導致擴散效果好，因此污染濃度 並不大。 以排放情境WB 及 2007 年氣象資料模擬砷污染分佈並以 DA 法分析， 結果如圖11(e)所示，砷污染方向性平均濃度較高範圍為 0.046-0.2 ng/m3， 明顯低於情境 WA 在 2002 年氣象資料下的模擬結果，此範圍主要以西南 風影響的 50 格最多，亦包括科學園區東北方向的竹北市、竹東鎮、芎林 鄉所等區域超過60 個格點。與 DT 法結果比較，北北東風及東北風等風向 所影響的區域並無西南風向影響廣，由表5 可看出，雖然西南西風一共只 發生88 個小時，然而西南西風在較高濃度的砷污染比例較北北東風要高， 因此西南西風影響區域較大但是時間不長。 以排放情境WC 及 2007 年氣象資料模擬砷污染分佈並以 DA 法分析， 結果如圖12(b)所示，砷污染方向性平均濃度最高區間為 0.2-0.6 ng/m3，主 要發生在東南東風下，影響的區域為 29 格，包括科學園區西北西方的新 竹市東區、北區、香山區等區域；濃度在0.046-0.2 ng/m3間則以東南風、 南南東風所影響的區域較大，一共超過700 格，與上述情境 WB 比較，園 區西至西北方的新竹市區及竹北市所受到的影響範圍增加。 3.DM 法： 接下來以DM 法分析影響範圍，以排放情境 WA 及 2002 年氣象資料 模擬砷污染分佈並以 DM 法分析，結果如圖 11(c)所示，砷污染各風向下 最大小時濃度的最高區間為 2.0-6.0 ng/m3之間，發生在南風的情況下有6 格相當於 1.5 平方公里，主要發生在科學園區北方的新竹市東區及竹北市 等；其餘則發生在靜風下有4 個格點在此濃度區間；而 0.6-2.0 ng/m3濃度 間，也以靜風下此濃度區間的區域數最大，有256 個格點，此外，在此濃 度範圍下，西風至北風等五個風向皆有60 個格點；在 0.2-0.6 ng/m3濃度間，

個格點次之。由以上結果可知在極端的情況下，高濃度的砷污染多發生在 科學園區周界及園區的北方及東至東南方，因靜風風速慢使得污染物排放 後不易經過良好的擴散，使得高污染物濃度的情形多集中在此條件下；而 東北風至南南東風等六個風向下，可由圖7（a）的全年風花圖可看出，這 類風向在低風速發生的時間較長，導致較容易有較高濃度的情形。 以排放情境 WB 及 2007 年氣象資料模擬砷污染分佈並以 DM 法分 析，結果如圖 11(f)所示，砷污染的最大小時濃度的最高區間為大於 6.0 ng/m3，北風及東北東風皆只有一個格點，而2.0-6.0 ng/m3濃度間，以靜風 下有 16 格，東風下有 3 個格點次之；在 0.6-2.0 ng/m3濃度間，以靜風下 192 格，西南風、東風各有 39 格及 37 格；0.2-0.6 ng/m3_{濃度間，靜風下有} 690 格，北北東風及南風下各有 129 格及 124 格；而 0.046-0.2 ng/m3濃度 間，靜風下有 2226 格，其餘如北北東風至南風等八個風向皆有 450 個格 點以上。由以上結果可知在極端情況下，高濃度的砷污染多發生在園區周 界及園區南方、西南西方；園區的西方至西南方則濃度較低，由圖7（b） 的全年風花圖可看出，東風及北北東風風速較快，導致某些時刻較低濃度 的砷污染的範圍較大。 以排放情境 WC 及 2007 年氣象資料模擬砷污染分佈並以 DM 法分 析，結果如圖 12(c)所示，砷污染最大小時濃度區間為大於 6.0 ng/m3，北 風及東北東風下皆有1 個格點；而 2.0-6.0 ng/m3濃度間，靜風下有43 格， 南風下有12 個格點；濃度範圍在 0.6-2.0 ng/m3間，靜風下有738 格，其餘 如東北風至西南風等九個風向皆有 50 個格點以上；而 0.2-0.6 ng/m3濃度 間，靜風下有 2,106 格，其餘如北北東風至南風等八個風向皆有 350 個格 點以上；濃度在0.046-0.2 ng/m3間，靜風下有2,779 格，西風下有 811 格， 其餘風向皆至少有250 個格點以上。與情境 WB 結果比較，當排放源增加 時各污染範圍所影響的區域皆有明顯的增加，因此有必要建立更完整的排 放源清單，方能更合理的評估園區周界區域之受影響程度。