民國115年 普通考試 環保行政 環境規劃與管理概要考古題

民國115年 普通考試 環保行政 環境規劃與管理概要收錄考選部官方試題，共 4 題可線上瀏覽，考選部未公告本科目答案。

官方資料

題目與答案

第1題

鑒於線性消費模式對環境及資源造成不良影響，為降低產品生命週期對 環境之衝擊並有效利用資源，生產者在「循環經濟（Circular Economy）」 模式中扮演關鍵性角色。因此，要求生產者對其產品整個生命週期負責 之「延伸生產者責任（Extended Producer Responsibility, EPR）」制度，被 視為落實循環經濟及聯合國永續發展目標「負責任的消費與生產 （Responsible Consumption and Production）」（SDG 12）的重要環境治理 機制之一。 請基於EPR 制度之核心理念，說明EPR 在推動塑膠污染管理之實施原 則為何？（25 分）

參考解答（AI 生成，非官方）

  • 一、EPR 之核心理念：延伸生產者責任（Extended Producer Responsibility, EPR）係將產品廢棄階段之外部成本內部化，要求生產者對產品從原料取得、設計、製造、消費到回收處理之全生命週期負起責任，並藉由制度誘因促使生產者在設計端即導入易回收、易拆解、低毒性與再生料使用之概念；常見工具包括回收清除處理費、環境化費率、押金退還（deposit-refund）、回收目標與生產者責任組織（Producer Responsibility Organization, PRO）。
  • 二、塑膠污染管理之實施原則：（一）生命週期原則（life-cycle thinking），責任範圍涵蓋塑膠原料、包裝容器、漁具、農膜至最終處置；（二）污染者付費原則（polluter pays principle），由生產者負擔回收、清運與處理成本；（三）外部成本內部化，費率須反映材質之回收難易度與環境衝擊，避免由納稅人與環境承擔。
  • 三、環境化費率設計（eco-modulation）：依塑膠材質單一性、可回收性、再生料含量、是否含塑化劑或複合材質、體積重量等因子調整費率，對易回收者給予優惠、對難回收者加重收費；並搭配再生料含量要求（recycled content mandate）與回收率目標，形成「設計—回收—再利用」之閉環誘因，促使生產者由被動回收轉為主動設計改變。
  • 四、源頭減量與設計改變：要求減少不必要之塑膠包裝、採單一材質、去除複合貼合與有色塑膠、改善標示與可拆解性，並限制一次性塑膠、氧化分解塑膠與微塑膠之使用；同時建立產品註冊、申報、流向追蹤與資訊公開制度，以數位化追溯確保責任可歸屬，並使回收體系之處理量能與物質流相匹配。
  • 五、治理架構與限制：需結合廢棄物清理法、資源回收再利用法等法規、跨部會分工、PRO 與回收業者之價值鏈合作，並將進口商、電商業者納入生產者定義以防搭便車（free rider）；常見限制為費率偏低不足以反映外部成本、稽查與申報量能不足、黑市回收與跨境塑膠流動，建議定期檢討費率、公開稽核結果並與 SDG 12 之指標（如人均物質足跡、回收率）連結。

第2題

假設某工廠之主要製程可簡化為以下方程式XCO2 → X+CO2，其中投入 原料為XCO2、製程之碳排能源投入為Y、製程產品為X、製程碳排放 為CO2。若該工廠因應淨零能源轉型政策，已將Y 全部改善且採用無碳 排放之綠色或再生能源投入。 請以工業減廢管理論點，說明該工廠可能之減碳技術為何？（25 分）

參考解答（AI 生成，非官方）

  • 一、問題界定：製程方程式 XCO2 → X＋CO2 顯示，CO2 之產生可分為能源投入 Y 之燃燒或電力排碳，以及原料 XCO2 參與化學反應本身所釋出之製程本質排放（process emissions）。題目已將 Y 全部改為無碳之綠色或再生能源，能源端排放趨近於零，剩餘排放主要由化學計量決定，故減碳重點須由「能源替代」轉向「製程內減量」與「碳之捕獲再利用」。
  • 二、工業減廢管理之論點：工業減廢（industrial waste minimization）強調依「源頭減量→製程內回收→廠內回收→廠外再利用→處理→處置」之層級（waste management hierarchy）決定優先順序，並以物質流分析（material flow analysis, MFA）與物料平衡找出損失環節，配合清潔生產（cleaner production）與綠色化學（green chemistry）原則，降低單位產品之資源投入、能耗與污染物產出。
  • 三、源頭面減碳技術：（一）原料替代與反應路徑改變，以低碳或無碳原料（如氧化物、氫氧化物、碳酸鹽、生質碳源）取代 XCO2，或改採電化學、催化、生物程序以降低反應自由能需求；（二）製程效率提升，提高轉化率與選擇率、減少副產物與未反應物料，並以觸媒改良、反應器設計與連續式製程降低單位產品能耗與廢棄物。
  • 四、管末與循環面減碳技術：（三）碳捕獲與利用（CCU）及封存（CCS），捕獲製程 CO2 後純化，作為甲醇、碳酸鹽、聚合物等化學品原料，或進行礦化封存（mineral carbonation）與地質封存；（四）循環再利用與產業共生（industrial symbiosis），將 CO2 或副產物回用至製程或供鄰近產業作為原料，並以餘熱回收、熱整合（pinch analysis）、熱泵與高效率設備提升整體能源效率。
  • 五、配套與限制：應建立碳足跡盤查（ISO 14064）、能源管理系統（ISO 50001）與生命週期評估（LCA），避免減碳措施造成污染轉移或碳洩漏；主要限制包括反應熱力學與動力學之先天限制、CCU 之額外能耗與成本、綠電與綠氫供應穩定性，以及捕捉後 CO2 之運輸與封存場址不足，宜以碳定價、差別費率與研發補助等政策工具搭配推動。

第3題

進行環境風險評估時，針對不確定性（Uncertainty）之量化（Quantify）， 可採用方法之一為「蒙地卡羅模擬技術（Monte Carlo Simulation Techniques）」。請說明「蒙地卡羅模擬技術」之運作機制與用意為何？ （25 分）

參考解答（AI 生成，非官方）

  • 一、定義與定位：蒙地卡羅模擬（Monte Carlo Simulation）係以隨機抽樣進行不確定性傳遞（uncertainty propagation）之數值方法。其有別於傳統以單點估計值（point estimate）計算風險，改將輸入參數視為具有機率分布之隨機變數，重複抽樣代入風險模型，據以獲得輸出結果之機率分布，屬機率式風險評估（probabilistic risk assessment）之核心工具。
  • 二、運作機制與步驟：（一）建立風險模型，如危害商數 HQ＝暴露劑量÷參考劑量，或致癌風險＝暴露量×致癌斜率因子；（二）辨識關鍵不確定參數並設定機率分布，常用常態、對數常態、均勻、三角與貝他分布；（三）設定參數間之相關性（rank correlation）；（四）進行隨機抽樣，可採簡單隨機抽樣或拉丁超立方抽樣（Latin Hypercube Sampling）以提升效率；（五）大量迭代，通常執行 1,000 至 10,000 次以上。
  • 三、輸出與統計詮釋：模擬後可得輸出變數之機率密度函數與累積分布函數，並計算平均值、中位數、標準差、變異係數、各百分位數（如 P50、P95）、超越機率（probability of exceedance）與信賴區間；亦可進行敏感度分析（如龍捲風圖 tornado diagram、Spearman 等級相關），辨識對輸出影響最大之參數，作為後續研究與監測之優先順序。
  • 四、用意：其目的在於量化不確定性、呈現風險之可能範圍而非虛假精確之單一數值，支援風險管理決策（例如以保守之 P95 作為管制基準）、評估超過法規限值或可接受風險之機率、增進與利害關係人溝通之透明度，並可作為情境分析與成本效益分析之輸入。
  • 五、限制與精進：常見限制為輸入分布假設與資料品質不足（garbage in, garbage out）、忽略參數相關性、未涵蓋模型結構不確定性（model uncertainty）與深度不確定性（deep uncertainty）、計算量較大且結果不易重現；宜輔以敏感度分析、情境分析、專家判斷、模式比對與完整之抽樣紀錄，並以保守假設進行二階（two-dimensional）模擬以區分變異性與不確定性。

第4題

數學規劃（Mathematical Programming）係指透過建立數學模型，系統性 分析決策變數之最佳組合，以達成特定目標函數最大化或最小化之方 法。其中，「線性規劃（Linear Programming）」專注於處理線性最佳化問 題，強調在資源有限條件下，進行最有效率之資源配置與運用，以達成 整體效益最大化。 某地方環保機關清潔隊因人力資源有限，為確保各項專案任務能於預定 期限內完成，須評估部分專案採行委外辦理之可行性，並進行整體執行 規劃。該清潔隊評估各專案採自行執行或委外執行（委外獎勵金已扣除 相關委外成本）時，皆可獲得相應之淨獎勵金（Net Reward），其各專案 之淨獎勵金及所需人力工時如下表所示。目前清潔隊自行執行專案時， 可支配之總人力工時為4,800 小時，且各專案須採整體決策方式辦理， 不得拆分執行，亦即每一專案僅能選擇由清潔隊完全自行執行或完全委 外辦理，不得部分自行執行、部分委外。 請以線性規劃之數學模式（Formulation），說明該清潔隊應如何規劃各專 案之執行決策，以使該清潔隊整體獎勵收益達到最大化（僅需說明計算 方式，無需實際求解）。（25 分） 專案 A B C D E 自行執行 淨獎勵金 30,000 10,000 26,000 18,000 20,000 委外執行 淨獎勵金 6,000 2,000 8,000 9,000 4,000 人力工時 需求（小時） 1,300 1,000 1,400 1,600

參考解答（AI 生成，非官方）

  • 一、模式設定：設專案 i＝A、B、C、D、E，決策變數 x_i 為 0-1 變數，x_i＝1 表由清潔隊自行執行、x_i＝0 表委外辦理。因專案不得拆分，屬二元整數規劃（binary integer programming），為線性規劃之特例。自行執行淨獎勵金 S_i＝（30,000、10,000、26,000、18,000、20,000）元，委外淨獎勵金 O_i＝（6,000、2,000、8,000、9,000、4,000）元，人力工時需求 h_i＝（1,300、1,000、1,400、1,600、h_E）小時。
  • 二、目標函數：Max Z＝Σ_i [x_i·S_i＋(1－x_i)·O_i]＝Σ_i O_i＋Σ_i x_i·(S_i－O_i)。因 ΣO_i＝29,000 元為常數，不影響最適解，可化簡為 Max Z'＝Σ_i x_i·(S_i－O_i)，其中 (S_i－O_i) 即自行執行相對於委外之增量收益，具機會成本意涵，分別為 24,000、8,000、18,000、9,000、16,000 元。
  • 三、限制式與變數範圍：人力工時限制為 Σ_i x_i·h_i ≤ 4,800；x_i ∈ {0, 1}，∀i。模式隱含假設包括：委外辦理不佔用清潔隊自有工時、各專案淨獎勵金與工時需求為已知確定值、專案間無相互依存或排他關係、各專案獎勵金可加總且無規模經濟效果。
  • 四、求解方式：因僅 5 個專案，可列舉 2^5＝32 種組合，逐一檢查自行執行工時合計是否超過 4,800 小時，再就可行組合比較 Z 值取最大者；亦可採分支界限法（branch and bound）、Excel Solver 或 Python（PuLP）求解。若將 x_i 放寬為 0 ≤ x_i ≤ 1 之線性規劃鬆弛（LP relaxation），可能出現非整數解，須再以整數規劃求解，不可直接四捨五入。
  • 五、資料缺漏與延伸：題目未提供專案 E 之人力工時需求，h_E 僅能以參數符號表示，題目資料缺漏，無法得出唯一數值，須先補足 E 之工時方能求得最適組合。另可延伸進行敏感度分析（工時上限變動對 Z 之影響，即影子價格 shadow price）、增列預算或人力上限之多重限制式，或改採多目標規劃以兼顧效率與公平。