解決痛點 

正交矩陣因子分解(Positive Matrix Factorization, PMF)與(Chemical Mass Balance, CMB)受體模式主要解決了無法直接量測污染來源貢獻比例的問題。由於環境中污染物通常來自多重來源，且在大氣中經過傳輸與轉化，傳統監測方法僅能量測濃度，卻無法區分各來源的相對貢獻，其中，CMB透過已知的來源成分指紋，量化不同污染源對受體點濃度的貢獻比例，提供具物理意義的來源分配結果。PMF則利用統計方法從實測數據中解析潛在來源因子，在缺乏完整來源譜的情況下仍能推估來源結構，兩者有效解決了污染來源定量困難的問題，為空氣品質管理、排放控制策略制定及政策評估提供科學依據。

 技術簡介 

PMF與CMB為常用之受體模式，用於解析環境污染物來源貢獻。CMB基於已知污染源成分指紋，透過質量守恆原理計算各來源對受體濃度之定量貢獻。PMF則採用多變量統計方法，將觀測濃度矩陣分解為來源貢獻與來源成分因子矩陣，並納入不確定性進行加權分析，兩種方法皆能在不直接量測排放端的情況下，推估污染來源結構與比例。

▲圖說：PMF污染源貢獻百分比的圖

 應用案例 

1. 應用PMF源解析高雄小港工業區的潛在污染源。

2. 應用CMB結合PMF應用於改善彰化市二林地區之空氣品質。

 相關連結 

無

 專利名稱證號 

無

 技術產學合作或技轉單位 

無

 獲獎紀錄 

無

 技術聯絡人 

國立中山大學 前瞻產業聯絡中心

連絡電話：07-5250165#2691

聯絡信箱：gloria@mail.nsysu.edu.tw