台灣地區自來水普及率達到90.7 %，為國民最主要的飲用水，但在屏東縣卻只有45.13 %，為台灣地區中自來水普及率最低的縣市。屏東地區無論灌溉、養殖、生活、工業等各標的用水均有利用地下水之情形，且取自地表水佔總用水量的24.27%，取自地下水者佔總用水量的70.52%，而屏東地區生活用水上主要大部分為地下水水源。一旦屏東地區居民長期飲用、使用含有重金屬的地下水，導致重金屬進入人體中，居民的健康風險有必要深入了解。
本研究以環保署全國環境水質監測資訊網中2003年到2008年共6年的屏東地區地下水水質監測數據為本次研究風險評估資料來源。其中地下水的重金屬砷、鎘、鉻、銅、鉛、鋅、錳項目進行健康風險評估。本研究風險評估採層次性方法之步驟，由第一層次至第三層次，第一層次採用最大重金屬濃度計算風險；第二層次採用重金屬濃度平均值95%的上信賴界限(以貝氏統計方法)執行風險計算；第三層次則是以重金屬濃度機率分布計算風險(以蒙特卡羅方法模擬)。
研究顯示屏東縣各鄉鎮地區地下水中重金屬濃度自2003 ~ 2008年都符合現行地下水之管制標準。屏東沿海地區重金屬平均濃度大抵高於內陸地區重金屬濃度。除了砷、鎘、錳重金屬外，其他沿海地區與內陸地區地下水各重金屬濃度無顯著差異。在重金屬之健康風險，不論致癌風險及非致癌風險皆以食入暴露途徑風險貢獻最大，皮膚接觸途徑風險貢獻較小。而重金屬暴露物種以砷、錳所佔風險比例最高。以致癌風險10-6作為是否危害的標準，評估結果所承受的風險皆高於此標準。但如果以人體尚可接受的風險10-4標準，僅有少數鄉鎮如崁頂鄉、林邊鄉在成人與兒童致癌風險高於此標準。非致癌風險以1作為是否危害的標準時，研究發現所承受的指數部分鄉鎮高於5以上，而在合理估計屏東地區38.1%鄉鎮高於此標準，但有61.9%鄉鎮風險則是低於標準。建議在高風險地區飲用地下水時加裝簡易去除設施則可以降低風險。

In Taiwan, drinking water is popularized up to 90.7% but in Pingtung County the popularization rate for drinking water is only 45.13%, which is the lowest one in Taiwan. In Pingtung area, groundwater is the most important water resources whether for irrigation, aquaculture, life, and industrial purpose are used groundwater. The water consumption from groundwater is 70.5% and from surface water is 24.3%. Therefore, once people living in Pingtung area use groundwater as drinking water the long-term consumption of groundwater containing heavy metals, leading to heavy metals accumulated in the body that is a concern for health risks.
In this study, the data for health risk assessment was taken from EPA National Environmental Information Network (the groundwater monitor data) ranging from 2003 to 2008. The groundwater data has periodically measured the concentrations of heavy metals. The concentrations of arsenic (As), cadmium (Cd), chromium (Cr), copper (Cu), lead (Pb), zinc (Zn), and manganese (Mn) in groundwater were used to asses health risk in the study. The health risk assessment was carried out by tier method. Tier one the maximum concentrations of heavy metals were used to compute heath risk. In tier two the concentrations of heavy metal was taken mean 95% upper confidence limits (using Bayesian statistical method). In tier three the concentrations of heavy metals were used probabilistic distributions to calculate health risk with Monte Carlo simulation.
The results show that the concentrations of heavy metals in groundwater met the current regulation standards in every township in Pingtung County from 2003 to 2008. In addition, most heavy metal concentrations in coastal areas are higher than the concentration in inland areas. The concentrations of arsenic, cadmium, and manganese showed significantly different between the two areas. The results of health risk assessment showed oral ingestion was most important exposure pathway both carcinogenic risk and non-carcinogenic risk. The skin exposure pathway had a minor contribution. The arsenic and manganese contributed the highest proportion of risk. Regarding carcinogenic risk, the results calculation in all scenarios were greater than 10-6 but a few townships such as Kanding Township, and Woodside Township the carcinogenic risk were greater than 10-4. Regarding non-carcinogenic risk, the results show a few townships were greater than 5 in the results from tier 1 and tier 3 calculations. Nevertheless, there were 38.1% of township was greater than 1 with tier calculation but it need notice that 61.9% of the area the risk less than 1 with tier two calculation. Therefore, in the relatively high risk area the point of use to remove heavy metals in groundwater was recommended to reduce health risk using drinking water.

摘要 I
Abstract III
致謝 V
目錄 VI
表目錄 IX
圖目錄 X
第1章 前言 1
1.1 研究緣起 1
1.2 研究動機 2
1.3 研究目的 2
1.4 研究方法 3
第2章 文獻回顧 4
2.1 地下水 4
2.1.1 地下水概述 4
2.1.2 地下水的來源 5
2.1.3 地下水的特性與種類 5
2.1.4 台灣與屏東地下水概述 6
2.1.5 屏東地區自來水普及率 7
2.1.6 地下水質監測 10
2.1.7 土壤及地下水法規標準 13
2.2重金屬 16
2.2.1 重金屬之污染特性 16
2.2.2 砷來源之基本特性和危害效應 18
2.2.3 鎘來源之基本特性和危害效應 18
2.2.4 鉻來源之基本特性和危害效應 19
2.2.5 銅來源之基本特性和危害效應 20
2.2.6 鉛來源之基本特性和危害效應 20
2.2.7 鋅來源之基本特性和危害效應 21
2.2.8 錳來源之基本特性和危害效應 22
2.3 風險評估 22
2.3.1 風險定義 23
2.3.2 風險評估 23
2.3.3 危害物質鑑定 25
2.3.4 劑量反應評估 26
2.3.5 暴露評估 27
2.3.6 風險特徵 28
2.3.7 風險特徵描述 29
2.4 不確定性分析 29
2.4.1 貝氏統計方法 31
2.4.2 蒙特卡羅方法 32
2.5 敏感性分析 34
第3章 材料與方法 35
3.1 屏東地區地質水文敘述 35
3.2 屏東地區地下水重金屬監測數據收集 35
3.3 地下水重金屬風險評估 38
3.3.1 地下水重金屬有害物質鑑定 38
3.3.2 地下水重金屬劑量反應評估 45
3.3.3 地下水重金屬暴露評估 50
3.3.4 計算地下水重金屬健康風險值 54
3.4 不確定性分析 54
3.4.1 貝氏統計方法 55
3.4.2 蒙特卡羅模擬法 56
3.5 敏感度分析 57
第4章 結果與討論 64
4.1屏東地區地下水中重金屬分布情況 64
4.1.1屏東地區 64
4.1.2 沿海地區 71
4.1.3 內陸地區 72
4.2 屏東地區居民健康風險評估 75
4.2.1 致癌風險 75
4.2.2 Cr(VI)與Cr(III)非致癌風險比較 85
4.2.3 非致癌風險 85
4.3 敏感性分析 99
第5章 結論與建議 103
5.1 結論 103
5.2 建議 104
參考文獻 105
附錄 111
作者簡介 140

丁澈士 (1998) 屏東平原地下水補注之研究現況及未來發展。高雄師範大學國際人工湖與地下水補注研討會，26頁。
王榮德、胡賦強、江錦華、吳新英 (1983) 飲用水改善前後，烏腳病發生率之研究。台灣省烏腳病防治中心，烏腳病之研究報告，第18輯，第21-25頁。
田汶玄 (2006) Aspergillus terreus固定在絲瓜上進行重金屬吸附之最適化探討。中華醫事學院生物科技研究所，碩士論文，71頁。
田巧玲 (2004) 屏東平原地表地下水聯合運用。台灣省經濟部水利署。
台灣省自來水公司
http://www.water.gov.tw/00home/home.asp.
Accessed 16 March 2009.
全國環境水質監測資訊網
http://wqshow.epa.gov.tw/. Accessed 22 January 2009.
行政院環保署 http://www.epa.gov.tw/. Accessed 19 January 2009.
行政院經建會 http://www.cepd.gov.tw/. Accessed 22 March 2009.
行政院衛生署
http://www.doh.gov.tw/cht2006/index_populace.aspx.
Accessed 20 March 2009.
行政院環保署 (2006) 土壤及地下水污染場址健康風險評估評析方法及撰寫指引。
呂金堂 (2002) 以Serratia marcescens P-125吸附重金屬之研究。大同大學生物工程研究所，碩士論文，115頁。
邱嘉川 (2005) 大型垃圾焚化爐爐溫對灰渣中重金屬分佈特性影響之研究-實廠案。台北科技大學環境規劃與管理研究所，碩士論文，129頁。
林瑞晉 (2002) 應用貝氏方法配置空氣採樣點以降低不確定性。國立台灣大學環境工程學研究所，碩士論文，120頁。
翁序伯 (2005) 重金屬污染農地淋洗處理及其土壤性質改變之研究。國立中興大學環境工程學系，碩士論文，106頁。
許惠悰 (2006) 風險評估與風險管理。新文京開發出版股份有限公司，台北，第二版。
黃國威 (2003) 地下水污染風險評估之不確定性分析與降低。國立台灣大學環境工程學研究所，碩士論文，123頁。
郭書吟 (2006) 以雜草吸收受污染土壤中重金屬之探討。朝陽科技大學生物技術研究所，碩士論文，66頁
陳拱北 (1974) 烏腳病人的分布調查研究。省衛生處委託研究的烏腳病調查研究報告，第7~25頁。
陳韋銘 (2004) 台灣地區自來水中三鹵甲烷健康風險評估，逢甲大學水利工程研究所，碩士論文，100頁。
陳文吉 (2003) 聚電解質加強超過濾移除水中重金屬之研究。屏東科技大學環境工程與科學系，碩士論文，107頁。
陳焜榮 (2001) 重金屬污染場址調查與復育技術評估之研究。雲林科技大學環境與安全工程技術研究所，碩士論文，195頁
陳家洵 (1997) 地下水污染問題之討論。國立中央大學哲學研究所應用倫理研究通訊，第三期，第19-23頁。
陸運姵 (2005) 臺灣地區土壤重金屬污染調查方法之相關性研究。逢甲大學環境與科學學科系，碩士論文，103頁。
勞工安全衛生研究所
http://www.iosh.gov.tw/. Accessed 15 April 2009.
單信瑜 (2005) 台灣地下水資源使用與水質現況。水環境教育教師研習活動講義，74頁。
張仁福 (1998) 土壤污染防治學。高雄復文圖書出版社，高雄，第一版。
張貴錢 (2003) 利用奈米零價鐵粉處理受鉻污染水體之研究。元智大學化學工程學系，碩士論文，178頁。
葉琮裕 (2002) 重金屬污染農地整治。工程污染防治，第八十四期，第184-191頁。
湯忠達 (2000) 地下水污染之暴露與健康風險評估-以桃園RCA場址為例。國立台灣大學環境工程學研究所，碩士論文，101頁。
歐陽嶠暉、游繁結、吳瑞賢、曾迪華、廖述良、張添晉 (2005) 永續水資源。國立空中大學印行，台北，初版。
鄧雅謓 (2003) 飲用水中三鹵甲烷生成及其致癌風險評估。國立台灣大學環境衛生研究所，碩士論文，125頁。
薛光展 (2007) 嘉南地區地下水含砷濃度對稻米含砷量之風險評估。國立成功大學資源工程學系研究所，碩士論文，71頁。
經濟部水利暑 (2005) 水資源白皮書。
謝添進 (2001) 台北、高屏地區土壤污染涵容能力推估。國立成功大學國立成功大學環境工程學系，碩士論文，137頁。
羅濟豪 (2000) 高雄市柴油車排放廢氣中有害重金屬元素之調查研究。國立成功大學環境工程學系，碩士論文，91頁。
蘇嘉全 (2001) 地下水資源永續利用之管理策略分析-以屏東平原為例。國立中山大學公共事務管理研究所，碩士論文，120頁。
Alloway, B. J. (1995) Chapter 2, 3: Heavy Metals in Soils. 2nd ED., Chapman and Hall Press. USA.
Ashbolt, N. J. (2004) Risk Analysis of Drinking Water Microbial Contamination Versus Disinfection by-Products(DBPs). Toxicology. 198: 255-262.
Bergin, M. S., and J. B. Milford (2000)Application of Bayesian Monte Carlo Analysis to a Lagrangian Photochemical Air Quality Model. Atmospheric Environment , 34: 781-792.
Bromley, J., N. A. Jackson, O. J. Clymer, A. M. Giacomello, and F. V. Jensen (2005) The use of Hugin to Develop Bayesian Network as an aid to Integrated Water Resource Planning. Environmental Modeling and Software. 20:231-242.
Cullen, A. C. (1995) The Sensitivity of Probabilistic Risk Assessment Results to Alternative Model Structures: A Case Study of Municipal Waste Incineration. Journal of the Air and Waste Management Association. 45:538-546
Cullen, A. C., and H. C. Frey (1999) Probabilistic Techniques in Exposure Assessment: A Handbook for Dealing with Variability and Uncertainty in Models and Inputs. Plenum Press. New York, USA.
Chen, L., and J. Shaob (2000) A Bayesian Decision Rule for Remediation Actions at Toxic Waste Sites. Statistics and Probability Letters. 50:83-88.
Dilks, D. W., R. P. Canale, and P. G. Meier (1992) Development of Bayesian Monte Carlo Techniques for Water Quality Model Uncertainty. Ecological Modeling. 62:149-162.
Ellison, A. M. (2004) Bayesian Inference in Ecology. Ecology Letters. 7:509-520.
Finley, B., V. Lau, and D. Paustenbach (1992) Using an Uncertainty Analysis of Direct and Indirect Exposure to Contaminated Groundwater to Evaluate EPA’s MCLs and Health-Based Cleanup Goals. Journal of Hazardous Materials. 32:263-274.
Feyen, L., P. J. Ribeiro, Jr., J. J. Gómez-Hernández, K. J. Beven, and F. De Smedt (2003) Bayesian Methodology for Stochastic Capture Zone Delineation Incorporating Transmissivity Measurements and Hydraulic Head Observations. Journal of Hydrology. 271:156-170.
Gelman, A., J. B. Carlin, H. S. Stern, and D. B. Rubin (2004) Bayesian Data Analysis. 2nd ED., Chapman & Hall/CRC. Boca Raton.
Hwang, J. Y. (1972) Trace Metals in Atmospheric Particulates and Atomic. Absorption Spectroscopy. Annual Chemistry. 44(A) :20-27.
Imperial College & MRC. (2003) Window Bayesian Using Gibbs Sampling, WinBUGs 1.4.3.
IRIS (Integrated Risk Information System), US EPA.
http://cfpub.epa.gov/ncea/iris/index.cfm. Accessed 25 January 2009.
IARC (International Agency for Research on Cancer), WHO.
http://www.iarc.fr/. Accessed 25 March 2009.
Jerry, D. B., S. H. Jay, S. H. Katharine, J. S. Thomas, M. K. Elaina, and P. S. Charles (1996) Exposure in a Household Using Gasoline - Contaminated Water. Journal of Occupational & Environmental Medicine. 38(1):35-38.
Lee, Peter M. (2004)Bayesian Statistics an introduction. 3rd ED., Hodder Arnold.
Liu, C.W., C.S. Jang, and C. Liao (2004) Evaluation of Arsenic Contamination Potential Using Indicator Kriging in the Yun-Lin Aquifer (Taiwan). Science of the Total Environment. 321:173~188
McKone, T. E., and P. B. Ryan (1989) Human Exposure to Chemicals through Food Chains: An Uncertainty analysis. Environmental Science & Technology. 23: 1154-1163.
McKone, T. E., and T. B. Kenneth (1991) Predicting the Uncertainties in Risk Assessment. Environmental Science and Technology. 25(10):1674-1681.
Maxwell, R. M., S. D. Pelmulder, A. F-B. Tompson, and W. E. Kastenberg (1998) On the Development of a New Methodology for Groundwater-Driven Health Risk Assessment. Water Resources Research. 34(4):833-847.
Ma, H. W., and J. N. Tsai (2001) Stochastic Risk Assessment for Dioxin Impact from a Municipal Waste Incinerator. The 14th Environmental Planning and Management Conference, Taiwan.
NRC (National Research Council), USA (1983).
NAS (US National Academy of Science), USA (1983).
Nriagu, J. O., and J. M. Pacyna (1988) Quantitative Assessment of Worldwide Contamination Air, Water and Solids by Trace Metals. Nature 333: 134-139
Ott, W. R. (1985) Total Human Exposure. Environmental Science and Technology. 19(10):880-886.
Paul, J. L., (1990) Assessing Total Human Exposure to Contaminants. Environmental Science and Technology. 24(7): 938-945.
Reckhow, K. H. (1990) Bayesian Inference in Non-Replicated Ecological Studies. Ecology. 71(6): 2053-2059.
Ramachandran, G. (2001) Retrospective Exposure Assessment using Bayesian Methods. The Annals of Occupational Hygiene. 45(8): 651-667.
Regan, H. M., H. R. Akçakaya, S. K. Ferson, V. Root, S. Carroll, and L. R. Ginzburg (2003) Treatments of Uncertainty and Variability in Ecological Risk Assessment of Single-Species Populations. Human and Ecological Risk Assessment. 9(4):1-18.
Singhal, R. L. and Z. Merali (1979) Chapter 3: Biochemical Toxicity of Cadmium. In: Mennear, J. H. ED., Cadmium toxicity. Marcel Dekker. Inc., NY.
Swall, J. L. and J. M. Davis (2006) A Bayesian Statistical Approach for the Evaluation of CMAQ. Atmospheric Environment. 40:4883-4893.
US EPA (1997) Exposure Factors Handbook.
US EPA (1989) Risk Assessment Guidance for Superfund.
US EPA (2004) Risk Assessment Guidance for Superfund.
US EPA http://www.epa.gov/. Accessed 10 March 2009.
Wilson, R. (1984) Commentary : Risks and Their Acceptability. Science Technology and Human. 9(2):11-22.
Wang, L. T., K. W. Mui, P. S. Hui, and W. Y. Chan (2008) Bayesian Assessment for Acceptable Airborne Bacteria Levels in Air-Conditioned space. Indoor and Built Environment. 17: 80-86.
Zenter, R. D. (1979) Hazards in the Chemical Industry. Chemical Engineering News. 57:25-27
Zimmermann, H. J. (2000) An Application-Oriented View of Modeling Uncertainty. European Journal of Operational Research. 122(2): 190-198.