• 易對比各縣市、各區
• 電力常用於總排放量的推估
• 資料完整 台灣電力公司_鄉鎮市(郵遞區)別用電統計資料

alt text

## # A tibble: 17,836 x 7
##    distinct_code distinct     value county county_code  year month
##    <chr>         <chr>        <dbl> <chr>  <chr>       <dbl> <dbl>
##  1 100           中正區   120215235 臺北市 1            2015     4
##  2 103           大同區    52521133 臺北市 1            2015     4
##  3 104           中山區   144194583 臺北市 1            2015     4
##  4 105           松山區   104003562 臺北市 1            2015     4
##  5 106           大安區   141428968 臺北市 1            2015     4
##  6 108           萬華區    50508416 臺北市 1            2015     4
##  7 110           信義區   100217573 臺北市 1            2015     4
##  8 111           士林區    80699597 臺北市 1            2015     4
##  9 112           北投區    95584948 臺北市 1            2015     4
## 10 114           內湖區   128829922 臺北市 1            2015     4
## # ... with 17,826 more rows

高雄 台南 台中較高

• 推測夏天用電量多但空氣乾淨
• 冬天受外來汙染源影響

• 為了要取消月份差異，將各月份平均
• 沒有顯著結果

# Give up?

涵蓋各類污染源排放量的總排放量資料庫 [TEDS9.0]排放量係以民國102年為基準年推估

推估方法

1. 直接推估方法：由量測排放污染物的濃度配合量測之體積流量推估而得
2. 質量平衡法：由物質輸入與輸出間的平衡關係進行估算。
3. 工程計算方法：利用物質成份特性及理論公式進行估算。
4. 排放係數推估法: 排放量＝排放係數×活動強度×控制因子

1. 點源：指有列管之公私場所，一般將管道排放者視為點源
2. 面源：未能列入點源及線源之分佈範圍較廣而單一排放較小的污染。
3. 線源：主要是指公路運輸工具之排放

由面源PM2.5排放量推估

## # A tibble: 20 x 8
##    county county_code year  PM2.5 Intercept   slope r_square predict_number
##    <chr>        <dbl> <chr> <dbl>     <dbl>   <dbl>    <dbl>          <dbl>
##  1 台北市           1 2019   854.   -1772.   2.64e2 0.759             12.2 
##  2 基隆市          11 2019   391.    -213.   3.77e1 0.786             12.4 
##  3 台中市          17 2019  3159.   -1088.   1.37e2 0.845             15.5 
##  4 高雄市           2 2019  3649.   -1356.   1.68e2 0.733             21.1 
##  5 台南市          21 2019  2776.   -1450.   1.86e2 0.714             21.9 
##  6 嘉義市          22 2019   291.    -317.   6.11e1 0.0889            29.5 
##  7 新北市          31 2019  2990.    -633.   8.15e1 0.133             19.4 
##  8 桃園縣          32 2019  2527.    -326.   4.44e1 0.0327            21.7 
##  9 新竹縣          33 2019  1059.   -2232.   3.23e2 0.677             17.0 
## 10 宜蘭縣          34 2019  1990.   -3633.   4.79e2 0.546              8.67
## 11 苗栗縣          35 2019  1560.    -961.   1.33e2 0.388             19.8 
## 12 彰化縣          37 2019  2089.    -205.   3.01e1 0.257             25.5 
## 13 南投縣          38 2019  2056.   -1983.   2.63e2 0.635             23.8 
## 14 雲林縣          39 2019  1741.    -237.   3.53e1 0.412             26.4 
## 15 屏東縣          43 2019  2541.    -945.   1.23e2 0.381             21.8 
## 16 澎湖縣          44 2019   802.    9390.  -1.40e3 0.814             12.2 
## 17 花蓮縣          45 2019  4437.   -1747.   2.09e2 0.312             12.0 
## 18 台東縣          46 2019  3238.    -181.   2.36e1 0.274              9.87
## 19 金門縣          50 2019  1149.   -7531.   1.07e3 0.789             18.9 
## 20 連江縣          51 2019   741.      46.5 -3.29e0 0.000188          24.7

由面源PM10排放量推估

## # A tibble: 20 x 8
##    county county_code year    PM10 Intercept   slope r_square
##    <chr>        <dbl> <chr>  <dbl>     <dbl>   <dbl>    <dbl>
##  1 台北市           1 2019   2025.    -743.   1.02e2  0.563  
##  2 基隆市          11 2019   1054.    -391.   5.97e1  0.653  
##  3 台中市          17 2019   9622.   -1446.   1.62e2  0.793  
##  4 高雄市           2 2019  10979.   -1809.   2.00e2  0.729  
##  5 台南市          21 2019   7950.   -2267.   2.58e2  0.583  
##  6 嘉義市          22 2019    873.    -360.   6.24e1  0.162  
##  7 新北市          31 2019   7905.    -268.   3.42e1  0.118  
##  8 桃園縣          32 2019   8213.   -3144.   3.53e2  0.697  
##  9 新竹縣          33 2019   3138.   -1900.   2.40e2  0.810  
## 10 宜蘭縣          34 2019   5043.    -855.   1.04e2  0.382  
## 11 苗栗縣          35 2019   4184.     -62.8  1.25e1  0.0187 
## 12 彰化縣          37 2019   5272.    -124.   2.02e1  0.165  
## 13 南投縣          38 2019   5254.   -1095.   1.33e2  0.282  
## 14 雲林縣          39 2019   4652.      19.6  4.39e0  0.00547
## 15 屏東縣          43 2019   5914.    -409.   5.25e1  0.308  
## 16 澎湖縣          44 2019   1907.    8610.  -1.14e3  0.0105 
## 17 花蓮縣          45 2019   9602.     -42.0  7.65e0  0.0159 
## 18 台東縣          46 2019   7550.    -179.   2.29e1  0.182  
## 19 金門縣          50 2019   2842.   -9446.   1.19e3  0.905  
## 20 連江縣          51 2019   1989.    -975.   1.34e2  0.187  
## # ... with 1 more variable: predict_number <dbl>

由面源PM2.5排放量推估

由面源PM10排放量推估

• TEDS 預估量與台灣空氣品質成正相關

• 電力用量與TEDS無顯著關係

  (其他變因: 產業性質、原料使用、其他能源消耗)

• TEDS 推估未來空氣品質、不確定性隨時間增加

• 可參考技術手冊做多變數回歸

• github