# 2023 能見度會議筆記

[TOC]
:::warning
事件 5 stage分類流程
1. ext找出時間段(人眼,code 20% 80%輔助)
3. 找5個stage，調range(用code)
3. 畫圖( 整體 | 代表性事件 )
:::

## 20230927 MT

### All
1. 找事件( 整體 | 代表性事件 )

### Lai

### Yo

## 20230704 MT(暫定事件)

### All
1. 找事件( 整體 | 代表性事件 )

### Lai
1. 源解析(代表性事件)
2. Ext.(日平均/小時平均/VC)

### Yo
1. 找5個stage
2. 氣象(代表性事件)
3.

## 20230620 MT(暫定長期趨勢)
### All
1.
### Lai
1. 盒鬚圖( 氣體 | 粒徑? | 金屬 | 無機鹽 | 光學 )
4. 源解析( 2017冬 | 2022冬 )

### Yo
2. Theil-Sen線性回歸去除季節影響( PM | 氣體 | 無機鹽 | 光學 )
3. 粒徑分布圖(Challenge)

## 20230530 MT
1. 忠明的數據獲取率和良率 確認儀器狀況
2.

## 20230523 MT
進度報告-歷年事件整理分析:
1. 發生頻率
2. 時間長短
3. 固定SOP、分類依據
4. 氣象條件
補充期中-散光係數與吸光係數的長期趨勢

---
# 季節切分
[學長們的會議筆記](https://hackmd.io/wlwj4A3bShGYoWI1ZJxAQQ?both)

# 事件演變分類依據 (by蘇蘇)
由於消光係數會受到每日的天氣變化影響，使數值波動的幅度較大，進而使事件演變階段無法進行合理的判定。因此會先行計算消光係數的異常值 (anomaly ext)，再將anomaly ext進行12小時的滑動平均，以得到消光係數的趨勢線
以事件期的anomaly ext之20以及80百分位作為分類階段的閾值：
**(一) 劣化開始**：anomaly ext低於20百分位數的平穩階段。
**(二) 上升期**：anomaly ext開始高於20百分位數，且anomaly ext的趨勢為正，表示消光係數正在上升。
**(三) 高峰期**：當anomaly ext開始高於80百分位數時進入高峰期。而anomaly ext開始低於80百分位數，且不再上升超過80百分位數時，高峰期結束。
**(四) 下降期**：anomaly ext開始低於80百分位數，且anomaly ext的趨勢為負，表示消光係數正在下降。
**(五) 結束期**：anomaly ext低於20百分位數的平穩階段。
此外篩選出的事件應視情況進行階段分類，不宜將所有事件強制以此方法分類，否則反而會忽略了特殊事件的情況。

# 計畫書製作規格

## 書面報告

1. **字體大小**
* 12號 中文新細明體 | 英文Times New Roman
2. **插入標號**
* 圖 = 圖 | 表 = 表

## 投影片
1. **字型**
* 中文/括弧 新細明體
* 數字/英文 Cambria
* 數學公式 Cambria Math
* 有些圖配合整體和諧性是使用Times New Roman

2. **文字大小**
* 大標30
* 次標30
* 內文22

3. **其他注意事項**
* 要在備忘錄紀錄在計畫書的哪一頁，並將重點記錄下來
* 要有故事性
* 風格要統一，減少動畫及卡通圖

# 預定進度及查核點說明
## 第三次進度報告
112 年 7 月底前提出
1. 完成兩測站五季各即時數據及化學成份分析整理
2. 臭氧的事件與非事件日濃度變化
3. 就過去幾年資料整理分析於不同季節中能見度不良事件比例，另就能見度差事件分析其氣象參數、污染物特性（微粒-粒徑、數目、組成特性、前驅物特性等）、地形等，建立系統性資料，以利後續管理機制之發展
4. 比較不同PM成分濃度之量測結果，如下圖???
5. 若計畫於採樣期間有發生境外污染事件日，請挑出能見度劣化期間並針對粒徑變化或是排放情況協助分析
6. PM1.0在臺中地區的污染來源大概是什麼
7. 針對能見度影響因子（諸如粒徑、**VOC成分**、PM成分、濕度影響等），與能見度之影響因果關係，建議建立各項因果關係，以利判定能見度劣化成因及空氣品質分析。

---
境外污染SOP 選出日期可以參考 [台中市政新聞](https://www.taichung.gov.tw/8868/8872/9962)

## 期末報告
112 年 11 月 30 日前
提出
1. 完成兩測站各即時數據及化學成份分析整理
2. 完成兩測站能見度影響因子與貢獻探討

#
可以加的圖 (有看到什麼不錯的可以放上來)
1. 
2. 
3. 

## Idea
[Open air](https://bookdown.org/david_carslaw/openair/sections/intro/intro.html)

1. 長期趨勢
* [Theil-Sen estimates](https://davidcarslaw.github.io/openair/reference/TheilSen.html): 針對有顯著下降的物種進行進一步分析，討論其下降對能見度是否帶來影響
* 計算SOR、NOR、ALWC並比較歷年趨勢
* 要粒徑分布的資料，計算消光重建
2. event
根據**奕翰的分事件依據**，應該可以去比較
* 春夏秋冬事件的差異
* 事件可以分成 PM1主導 | PM1-2.5主導 | 均增加 三類去討論其差異
* 或許可以多做幾年 甚至長期? 但長期的粒徑資料無法merge，可能沒辦法做上面那項，資料處理也很麻煩
3. Deweather之後的trend
4. 加沙塵暴進去
5. 春季新增事件
6. 手動採樣期分析

# 要和老師討論的方向
## 長期趨勢
1. 要粒徑資料 (raw data) ->才可以跑PMF | 比較長期粒徑分布
2. DN-VC 後比較歷年趨勢
3. 事件 | [其他分類依據?]
* 發生頻率 - 是否受到季節影響
* 時間長短
* 固定SOP、分類依據
* 氣象條件
* 事件劣化的強度 -> 看是因為氣候影響 還是改善不夠
4. PMF (化學 | 粒徑)
* 分季節
* 分年分(再分月份)
* 提PMF困境：數據量大 一次跑一個月應該差不多
*

5. 境外污染事件 (class by 台中市政府) [台中市政府](https://www.taichung.gov.tw/10179/12878/?q=%E5%A2%83%E5%A4%96%E6%B1%A1%E6%9F%93&btnsearch=%E6%9F%A5%E8%A9%A2#gsc.tab=0&gsc.q=%E5%A2%83%E5%A4%96%E6%B1%A1%E6%9F%93&gsc.page=1)
6. PSCF
7.

---
## 和老師討論的結果
1. 延續原來東西
2. 長期趨勢
* 多年的季節特徵
* 長期+子琦的Deweathered(智宇)
* 衛星資料的長期 和資料比對
* 氣候(ex:聖嬰現象) 是否影響到空氣污染
* 抓取怪異的趨勢--> 做錯(Q掉) 或是 特殊事件(放進事件討論)
3. 先做簡單的 如果有趨勢 再來用其他方法訂出事件
* 盡量不要人工
* 境外的角色：不是我們造成的事件 可以看是否為境外 看一下境外造成事件的占比
4. PMF(basic | IGOR)
* 考量VOC反應性 (IGOR | 四維的)
* 楊老師、丁老師有IGOR 可以先試用
* PMF統一方法
* 1. 只有做今年 交今年的PMF結果
* 2. 沒做 只拿俊發的結果來回應委員
* 3. 長期趨勢 哪幾年比較酷 可以拿出來做PMF
* 化學部分 著重在手動採樣跑PMF
* ICP比較正確
* 怕手動的data Q的不好
* 手動數據若怪怪的 就不要再做下去
* 化學成分和粒徑分布一起丟 會解得比較好
5. 境外污染事件可以後面一點做 比較像是找到不是我們自己造成的事件 再來討論境外污染
6. 設定目標 到11月底 哪些可以做完
* 減少機制面 著重在如何應用
* 列出時間表 弄一個Google calender
*

## 事件
1. PM1和大顆粒主導事件討論
2. PMF
3. GR_surf + CS rate
4. 化學成分分析
5. Start | Increase | Peak | Decrease | End
---

1. 逆軌跡PSCF可以用在事件的分析
2. hy_split? NOAA 逆軌跡演算
3. 不同季節的事件
* 和長期作法類似

4.
## 子哲
1. 臭氧跟VOC的關聯: 若相關性佳，可以透過VOC的來源制定臭氧的減量策略(PMF+PSCF)
3. 健康風險評估(VOC、O3)
4. SOAP & SOC 的相關性
5. AOC=Ox/CO
6.
---
1. 延伸冠頡的內容
2. AOC要跑楊老師的MCM
3. 希望可以了解VOC對Nitrate和O3的角色
4. 哪些排放源 需要管制(機制 期中報告已提出 大概就是那樣)
* 有無季節性的差異
*

## 警示和改善
1.

---
1. 獨立一個章節 整合前面提到的警示和改善
2. 找顧問審閱？楊樹章？
3. PMF比較重要 對於警示和改善

## 我們各自的研究@@
### Sylvie

### Harry
1. 化學+粒徑對消光的PMF 討論不同情況下的AAE

1. 重算ALWC，重抓PBL資料
2. Theil-Sen trend
5. Deweather