民國115年 普通考試 環保技術 環境規劃與管理概要考古題

民國115年 普通考試 環保技術 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、核心理念:EPR 係將生產者對產品全生命週期的環境責任,從製造端延伸至消費後回收、再利用與最終處置,體現污染者付費(Polluter Pays Principle)與外部成本內部化。它不只是回收政策,更要求生產者在設計階段就考量減量、耐久、可修復、可回收與低危害,從源頭降低塑膠廢棄物與環境泄漏。
  • 二、源頭減量與生態化設計原則:塑膠污染管理應依廢棄物階層(Waste Hierarchy)以預防優先,要求生產者減少不必要包裝、提高再生料含量、採用單一材質(mono-material)、易拆解設計、移除有害添加物,並建立可重複使用(reuse)與補充包系統。此即設計為環境(Design for Environment, DfE)與設計為循環(Design for Circularity)的具體化。
  • 三、回收與責任承擔原則:生產者應負擔塑膠包裝、一次性塑膠製品、漁具或農膜等特定產品的回收、清運、分選與處理責任,可透過生產者責任組織(Producer Responsibility Organization, PRO)、押金退還制度(Deposit-Refund System, DRS)、回收目標與回收率申報來落實;責任範圍宜依產品類別與環境風險設定,避免僅將責任轉嫁消費者。
  • 四、經濟誘因與費率設計原則:EPR 費率應反映產品生命周期環境衝擊,採生態調節費率(eco-modulated fee),對易回收、含再生料、低危害產品給予較低費率,對難回收、複合材質或高泄漏風險產品加收;同時確保費收專用於收集、處理、基礎設施與創新,讓生產者有余裕投資循環設計,形成價格訊號。
  • 五、治理、資訊與監督原則:應建立生產者登記、材質與重量申報、數位產品護照(Digital Product Passport)、可追溯流向、第三方查核與違規裁罰;並納入非正式回收者與地方清潔隊的公平轉型。另需設定可量化目標(如回收率、再生料比例、塑膠泄漏減量),定期公開績效,才能連結 SDG 12 與塑膠污染治理。

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:此製程之 CO2 有兩來源,一為 Y 燃燒或外購電力之間接排放,二為 XCO2 分解產生之製程排放。Y 已全面改為無碳綠色或再生能源,僅能消除能源端排放;依化學計量,XCO2 → X + CO2 仍會產生 CO2,故減碳重點須轉向原料、製程與廢氣資源化,不能僅靠能源替代。
  • 二、源頭減量與原料替代:依工業減廢的源頭減量(source reduction)原則,優先改用低碳或非碳酸鹽原料、回收 CO2 或生質原料,調整 XCO2 的來源與純度,並以催化劑、製程整合及反應條件優化提高原子利用率,減少每單位 X 的 CO2 生成量;同時避免副反應與廢料,降低末端處理負荷。
  • 三、製程與能源效率技術:雖 Y 已無碳,仍應以能源效率、廢熱回收、熱交換網路、電氣化爐、綠色氫能與儲能降低總能資源需求,避免反彈效應;並以質能平衡、生命週期評估(Life Cycle Assessment, LCA)與清潔生產稽核找出熱點。此屬減廢管理中的「減量與再利用」,可降低間接排放與成本。
  • 四、CO2 捕獲、利用與封存:對無法避免的製程 CO2,可採碳捕獲與利用(Carbon Capture and Utilization, CCU)或碳捕獲與封存(CCS),如胺吸收、富氧燃燒、礦物碳酸化,或將 CO2 轉製化學品、燃料與建材;但須評估額外能源、吸收劑環境風險、生命周期減碳效益與長期封存監測,避免「以捕捉合理化繼續排放」。
  • 五、循環利用與管理制度:將 X 與副產物納入廠內循環,建立副產物交換、溶劑回收、水資源循環與廢棄物分類;導入 ISO 14001、物質流成本會計(Material Flow Cost Accounting, MFCA)與數位監控,設定減碳與減廢目標。技術選擇應依減廢階層排序:源頭減量優先,其次回收再利用,最後才採捕捉與處置。

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)係以機率分布描述風險評估模式中的不確定參數,透過大量隨機抽樣,將輸入的不確定性傳遞至輸出,得到風險值的機率分布。其用意在量化不確定性(uncertainty)與變異性(variability),使決策者了解「風險超過可接受水準的機率」,而非僅依單點估計。
  • 二、運作步驟:先建立風險模式,例如危害商數 HQ = EEC/PNEC 或致癌風險 Risk = CDI × SF;其次辨識關鍵輸入參數,依文獻與監測資料設定機率分布(如對數常態、三角、均勻、Beta),並處理參數間相關性;再以隨機數產生器抽取樣本,重複 N 次(如 10,000 次)計算輸出;最後統計平均值、中位數、95 百分位、信賴區間與超標機率。
  • 三、量化不確定性的用意:蒙地卡羅模擬可區分參數不確定性、模式不確定性與情境變異,輸出完整的累積分布函數(Cumulative Distribution Function, CDF),供風險管理設定保護水準、排放標準與整治目標;並可進行敏感度分析(如龍捲風圖、Sobol 指數),找出影響風險最大的參數,優先投入監測與研究,提升決策的穩健性。
  • 四、環境風險評估應用:常用於污染場址健康風險評估、空氣與水體暴露模擬、生態風險、食品安全及氣候變遷下的洪水或乾旱風險。透過情境設定(如不同暴露族群、土地利用、降雨),可比較管制前後風險分布,支援成本效益分析與風險溝通;對居民說明「機率」而非保證,避免誤解。
  • 五、限制與精進:結果高度依賴分布假設與資料品質,若以專家判斷設定範圍,可能產生主觀偏誤;變數相關性、模式結構誤差與極端事件尾部風險未必能被捕捉。故應做敏感度分析、不確定性分解、模式驗證與獨立審查,必要時採貝氏方法或二階蒙地卡羅,並以保守情境交叉檢查,不可將模擬結果視為唯一真值。

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、決策變數與資料檢核:設 x_i=1 表專案 i 由清潔隊自行執行,x_i=0 表委外,i=A,B,C,D,E。表中 A、B、C、D 的人力工時分別為 1,300、1,000、1,400、1,600 小時,惟 E 的工時未列出,應設為 h_E;題目資料缺漏,無法得出唯一數值,也不能擅自填入。以下以符號建立完整模式。
  • 二、目標函數:令 S_i 為自行執行淨獎勵金、O_i 為委外淨獎勵金。總淨獎勵收益為 Z=Σ_i [S_i x_i + O_i(1-x_i)],化簡為 Z=Σ_i O_i + Σ_i (S_i-O_i)x_i。以題給資料,S-O 分別為 A 24,000、B 8,000、C 18,000、D 9,000、E 16,000,故最大化 Z 等價於最大化 Σ d_i x_i,其中 d_i=S_i-O_i。
  • 三、限制式:人力限制為 Σ_i h_i x_i ≤ 4,800,其中 h_A=1,300、h_B=1,000、h_C=1,400、h_D=1,600、h_E 未知;全體專案不得拆分,故 x_i∈{0,1}。此為 0-1 整數線性規劃(Binary Integer Linear Programming),亦可視為 0-1 背包問題(0-1 Knapsack Problem)。若忽略不可拆分,才可放寬為 0≤x_i≤1 的線性規劃。
  • 四、計算方式:先算全部委外基準收益 ΣO_i=29,000;再以 d_i/h_i 計算每增加一小時人力所增淨收益,作為排序與分支定界的啟發式。因人力上限與不可拆分,仍須以窮舉 2^5=32 組、分支定界或整數規劃求解器求真正最佳解,不能只依比值貪婪選取。
  • 五、判定規則與資料缺口:對任一候選組合,先檢查 Σh_i x_i≤4,800,再計算 Z=29,000+Σd_i x_i,取最大者;最適解可能因 h_E 而改變。因 E 的工時缺漏,無法完成唯一數值求解,僅能建立上述模式;應補齊 h_E 後再求解,並進行敏感度分析(如 h_E 變動、獎勵金變動),以確認決策穩健性。