iVOD / 159275

Field Value
IVOD_ID 159275
IVOD_URL https://ivod.ly.gov.tw/Play/Clip/1M/159275
日期 2025-03-17
會議資料.會議代碼 委員會-11-3-26-3
會議資料.會議代碼:str 第11屆第3會期社會福利及衛生環境委員會第3次全體委員會議
會議資料.屆 11
會議資料.會期 3
會議資料.會次 3
會議資料.種類 委員會
會議資料.委員會代碼[0] 26
會議資料.委員會代碼:str[0] 社會福利及衛生環境委員會
會議資料.標題 第11屆第3會期社會福利及衛生環境委員會第3次全體委員會議
影片種類 Clip
開始時間 2025-03-17T12:24:35+08:00
結束時間 2025-03-17T12:34:33+08:00
影片長度 00:09:58
支援功能[0] ai-transcript
video_url https://ivod-lyvod.cdn.hinet.net/vod_1/_definst_/mp4:1MClips/597499b2503050fb5bc567654520eaebad7e46c29134393cb6aeebfddff728efe588b5cd50b116635ea18f28b6918d91.mp4/playlist.m3u8
委員名稱 張智倫
委員發言時間 12:24:35 - 12:34:33
會議時間 2025-03-17T09:00:00+08:00
會議名稱 立法院第11屆第3會期社會福利及衛生環境委員會第3次全體委員會議(事由:邀請環境部部長、衛生福利部、教育部、經濟部、台灣電力公司、台灣中油公司就「氣象變異致國內空品惡化,精進預報與跨部會應變作為」進行專題報告,並備質詢。 【3月17日、19日及20日三天一次會】)
transcript.pyannote[0].speaker SPEAKER_01
transcript.pyannote[0].start 8.73846875
transcript.pyannote[0].end 13.44659375
transcript.pyannote[1].speaker SPEAKER_01
transcript.pyannote[1].start 13.59846875
transcript.pyannote[1].end 14.35784375
transcript.pyannote[2].speaker SPEAKER_01
transcript.pyannote[2].start 18.23909375
transcript.pyannote[2].end 36.02534375
transcript.pyannote[3].speaker SPEAKER_01
transcript.pyannote[3].start 36.41346875
transcript.pyannote[3].end 41.57721875
transcript.pyannote[4].speaker SPEAKER_01
transcript.pyannote[4].start 42.28596875
transcript.pyannote[4].end 59.16096875
transcript.pyannote[5].speaker SPEAKER_01
transcript.pyannote[5].start 59.46471875
transcript.pyannote[5].end 79.93409375
transcript.pyannote[6].speaker SPEAKER_01
transcript.pyannote[6].start 80.17034375
transcript.pyannote[6].end 109.21221875
transcript.pyannote[7].speaker SPEAKER_01
transcript.pyannote[7].start 109.80284375
transcript.pyannote[7].end 125.04096875
transcript.pyannote[8].speaker SPEAKER_01
transcript.pyannote[8].start 125.32784375
transcript.pyannote[8].end 126.64409375
transcript.pyannote[9].speaker SPEAKER_01
transcript.pyannote[9].start 127.09971875
transcript.pyannote[9].end 127.69034375
transcript.pyannote[10].speaker SPEAKER_01
transcript.pyannote[10].start 128.33159375
transcript.pyannote[10].end 130.44096875
transcript.pyannote[11].speaker SPEAKER_01
transcript.pyannote[11].start 130.93034375
transcript.pyannote[11].end 137.69721875
transcript.pyannote[12].speaker SPEAKER_00
transcript.pyannote[12].start 137.74784375
transcript.pyannote[12].end 194.78534375
transcript.pyannote[13].speaker SPEAKER_01
transcript.pyannote[13].start 193.23284375
transcript.pyannote[13].end 193.63784375
transcript.pyannote[14].speaker SPEAKER_01
transcript.pyannote[14].start 194.39721875
transcript.pyannote[14].end 255.19784375
transcript.pyannote[15].speaker SPEAKER_00
transcript.pyannote[15].start 229.75034375
transcript.pyannote[15].end 230.20596875
transcript.pyannote[16].speaker SPEAKER_01
transcript.pyannote[16].start 255.90659375
transcript.pyannote[16].end 258.47159375
transcript.pyannote[17].speaker SPEAKER_00
transcript.pyannote[17].start 258.57284375
transcript.pyannote[17].end 294.65159375
transcript.pyannote[18].speaker SPEAKER_01
transcript.pyannote[18].start 294.93846875
transcript.pyannote[18].end 304.97909375
transcript.pyannote[19].speaker SPEAKER_01
transcript.pyannote[19].start 305.85659375
transcript.pyannote[19].end 306.27846875
transcript.pyannote[20].speaker SPEAKER_01
transcript.pyannote[20].start 306.54846875
transcript.pyannote[20].end 308.87721875
transcript.pyannote[21].speaker SPEAKER_01
transcript.pyannote[21].start 311.56034375
transcript.pyannote[21].end 348.34784375
transcript.pyannote[22].speaker SPEAKER_00
transcript.pyannote[22].start 348.41534375
transcript.pyannote[22].end 355.11471875
transcript.pyannote[23].speaker SPEAKER_01
transcript.pyannote[23].start 355.23284375
transcript.pyannote[23].end 358.06784375
transcript.pyannote[24].speaker SPEAKER_01
transcript.pyannote[24].start 358.18596875
transcript.pyannote[24].end 370.82534375
transcript.pyannote[25].speaker SPEAKER_01
transcript.pyannote[25].start 371.24721875
transcript.pyannote[25].end 388.74659375
transcript.pyannote[26].speaker SPEAKER_01
transcript.pyannote[26].start 389.47221875
transcript.pyannote[26].end 402.02721875
transcript.pyannote[27].speaker SPEAKER_01
transcript.pyannote[27].start 402.61784375
transcript.pyannote[27].end 404.79471875
transcript.pyannote[28].speaker SPEAKER_01
transcript.pyannote[28].start 404.99721875
transcript.pyannote[28].end 406.63409375
transcript.pyannote[29].speaker SPEAKER_01
transcript.pyannote[29].start 406.78596875
transcript.pyannote[29].end 407.49471875
transcript.pyannote[30].speaker SPEAKER_01
transcript.pyannote[30].start 407.81534375
transcript.pyannote[30].end 408.20346875
transcript.pyannote[31].speaker SPEAKER_01
transcript.pyannote[31].start 408.33846875
transcript.pyannote[31].end 415.08846875
transcript.pyannote[32].speaker SPEAKER_01
transcript.pyannote[32].start 415.22346875
transcript.pyannote[32].end 419.49284375
transcript.pyannote[33].speaker SPEAKER_01
transcript.pyannote[33].start 419.93159375
transcript.pyannote[33].end 423.12096875
transcript.pyannote[34].speaker SPEAKER_01
transcript.pyannote[34].start 423.82971875
transcript.pyannote[34].end 428.58846875
transcript.pyannote[35].speaker SPEAKER_00
transcript.pyannote[35].start 428.58846875
transcript.pyannote[35].end 428.60534375
transcript.pyannote[36].speaker SPEAKER_00
transcript.pyannote[36].start 428.89221875
transcript.pyannote[36].end 438.81471875
transcript.pyannote[37].speaker SPEAKER_01
transcript.pyannote[37].start 438.79784375
transcript.pyannote[37].end 456.63471875
transcript.pyannote[38].speaker SPEAKER_00
transcript.pyannote[38].start 456.63471875
transcript.pyannote[38].end 456.68534375
transcript.pyannote[39].speaker SPEAKER_01
transcript.pyannote[39].start 457.30971875
transcript.pyannote[39].end 457.34346875
transcript.pyannote[40].speaker SPEAKER_00
transcript.pyannote[40].start 457.34346875
transcript.pyannote[40].end 465.94971875
transcript.pyannote[41].speaker SPEAKER_01
transcript.pyannote[41].start 466.55721875
transcript.pyannote[41].end 481.03596875
transcript.pyannote[42].speaker SPEAKER_00
transcript.pyannote[42].start 481.03596875
transcript.pyannote[42].end 490.94159375
transcript.pyannote[43].speaker SPEAKER_01
transcript.pyannote[43].start 490.94159375
transcript.pyannote[43].end 499.93596875
transcript.pyannote[44].speaker SPEAKER_00
transcript.pyannote[44].start 499.49721875
transcript.pyannote[44].end 502.38284375
transcript.pyannote[45].speaker SPEAKER_01
transcript.pyannote[45].start 502.38284375
transcript.pyannote[45].end 514.66784375
transcript.pyannote[46].speaker SPEAKER_00
transcript.pyannote[46].start 514.29659375
transcript.pyannote[46].end 531.27284375
transcript.pyannote[47].speaker SPEAKER_01
transcript.pyannote[47].start 518.12721875
transcript.pyannote[47].end 518.36346875
transcript.pyannote[48].speaker SPEAKER_01
transcript.pyannote[48].start 520.47284375
transcript.pyannote[48].end 520.67534375
transcript.pyannote[49].speaker SPEAKER_01
transcript.pyannote[49].start 530.51346875
transcript.pyannote[49].end 536.30159375
transcript.pyannote[50].speaker SPEAKER_00
transcript.pyannote[50].start 536.30159375
transcript.pyannote[50].end 555.55596875
transcript.pyannote[51].speaker SPEAKER_01
transcript.pyannote[51].start 556.14659375
transcript.pyannote[51].end 573.12284375
transcript.pyannote[52].speaker SPEAKER_01
transcript.pyannote[52].start 573.32534375
transcript.pyannote[52].end 573.62909375
transcript.pyannote[53].speaker SPEAKER_01
transcript.pyannote[53].start 574.06784375
transcript.pyannote[53].end 580.15971875
transcript.pyannote[54].speaker SPEAKER_01
transcript.pyannote[54].start 580.81784375
transcript.pyannote[54].end 592.86659375
transcript.pyannote[55].speaker SPEAKER_00
transcript.pyannote[55].start 592.86659375
transcript.pyannote[55].end 594.57096875
transcript.pyannote[56].speaker SPEAKER_01
transcript.pyannote[56].start 593.62596875
transcript.pyannote[56].end 594.03096875
transcript.pyannote[57].speaker SPEAKER_00
transcript.pyannote[57].start 596.73096875
transcript.pyannote[57].end 598.30034375
transcript.whisperx[0].start 8.769
transcript.whisperx[0].end 13.994
transcript.whisperx[0].text 好主席呃各位委員各位官員好大家午安好有請彭部長有請部長
transcript.whisperx[1].start 19.778
transcript.whisperx[1].end 40.07
transcript.whisperx[1].text 今天要討論的是有關於台灣空污的相關的問題最近的新聞也明確的表示出來就是說肺癌成為國人十大癌症死因之首每年新增的人數1.7萬人
transcript.whisperx[2].start 42.455
transcript.whisperx[2].end 61.308
transcript.whisperx[2].text 新增人數1.7萬人死亡超過1萬人那尤其現在最重要的就是大家認為這個肺腺癌肺癌的原因跟這個居住地方的PM2.5濃度有相當重要的一個關係那就這個本部環境部提出來的資料
transcript.whisperx[3].start 62.589
transcript.whisperx[3].end 79.472
transcript.whisperx[3].text 就說現在來講我去年的p2.5的數字有下降到12點12點多的一個部分喔是相較去年來講我是前年來講是比較好可是本席有這邊喔有提供有提到一個資料就是說就
transcript.whisperx[4].start 80.653
transcript.whisperx[4].end 106.793
transcript.whisperx[4].text 這個瑞士空氣品質檢測公司IQ Air的部分他寫說而且公司也有報導這樣的資料台灣在全球空污的排名結果是第54名將於2023年退後9名所以這邊要請教部長的部分是說為何我們環境部內部的資料跟我們國際瑞士空氣品質檢測公司兩方的資料
transcript.whisperx[5].start 109.855
transcript.whisperx[5].end 137.456
transcript.whisperx[5].text 感覺起來台灣的空汙的品質是退後八名而且在這邊這個環境部的資料是寫說他的這個PA2.5的指標是12點多可是這裡的數字是17.5我想要請教一下這個部長這跟我們現在訂的12規定的12的PA2.5的這個標準相差很大是不是可以請部長說明這兩個資料的差別
transcript.whisperx[6].start 138.597
transcript.whisperx[6].end 152.312
transcript.whisperx[6].text 好 謝謝張委員提出這個意見因為這個IQ Air我跟委員報告它是一個瑞士的一家做空氣品質監測的公司它的產品是屬於這種小型的比較便宜的 比較容易偵測的所以大家都會可以採用
transcript.whisperx[7].start 153.533
transcript.whisperx[7].end 170.341
transcript.whisperx[7].text 那它在台灣也有一些策站然後它的使用的資料會整合我們環境部的資料那通常這種自動的數字它一定會比較高它缺乏的QA QC或上游在某一種條件之下例如說濕度很高PM2.5就容易變得高
transcript.whisperx[8].start 171.061
transcript.whisperx[8].end 198.952
transcript.whisperx[8].text 所以他的統計的量他會相對的就會偏高那我們也跟委員報告因為他本身是一個賣空氣淨淨機還有微星感測器的私人公司我們尊重他在國際上發這種新聞但是以台灣我們是採用國際標準的用這個手動來監測然後校正自動的兩個都一起看所以我們是12.8我們才是比較符合國際統一的標準的方法好謝謝部長的解釋所以部長的意思是說這家公司他就是為了要
transcript.whisperx[9].start 200.292
transcript.whisperx[9].end 219.059
transcript.whisperx[9].text 這個開創市場所以他故意把這個檢測的標準把它提高可是我還是要跟部長報告就是說我個人認為監測的品質的這個數字可以受公平我也不認為說一個國際型的這個公司他會故意就針對一些監測的數字來去做調整
transcript.whisperx[10].start 222.38
transcript.whisperx[10].end 237.91
transcript.whisperx[10].text 針對他認定的那臺灣所以你也不認為說臺灣的空氣品質在國際世界排名是第54名有退後8名所以你手上的資料是進步嗎所以意思就是說我認為評斷的指標可以嚴格或是是比如說他認為的是比如說超過30
transcript.whisperx[11].start 238.991
transcript.whisperx[11].end 254.684
transcript.whisperx[11].text 或超過20是比如說嚴重或不嚴重可是我個人是認為他在檢測的過程中他不會因為說好像要開發市場就故意做更嚴格的或是更錯誤的數據所以我是請部長可以解釋一下說
transcript.whisperx[12].start 256.025
transcript.whisperx[12].end 283.774
transcript.whisperx[12].text 是不是你覺得台灣是進步沒有退後我們其實過去從8年前大概20維克PM2.5到了現在12.8那也跟委員報告這進步是很大的但是說真的也到了一個瓶頸我們往下降其實需要很多的努力所以目前我們認為是說我們台灣的空瓶並沒有像這個他評估的這麼超而且我們其實標準都是依照跟著國際趨勢一樣在走的我們的方法學要把它先定義清楚那他把
transcript.whisperx[13].start 284.534
transcript.whisperx[13].end 308.651
transcript.whisperx[13].text 他是把很多的策戰的數據做一個平均那我們認為如果討論上以台灣的數字來看的話17.5是沒有辦法代表台灣實際上的空氣品質的好謝謝部長那這部分我還是當然部長有解釋我們還是屬於尊重好那接下來我們其實時間的關係我們來看一個表好就針對我們跳下一個表
transcript.whisperx[14].start 311.564
transcript.whisperx[14].end 339.983
transcript.whisperx[14].text 好來上一個表上一個表其實那我上次也看到部長有參加一個會議他說民眾的期待希望空污的品質更積極解決資訊盲點那也特別提到汽機車環境的空污比煙囪多以及生活室內空污影響比戶外多結果後來我看到這個環境部有做這樣的一個表盤點我國空污的來源的現況規劃精準管制的一個方向那這個表大概的意思就是說境外輸入
transcript.whisperx[15].start 341.363
transcript.whisperx[15].end 356.848
transcript.whisperx[15].text 傳輸的這個空氣品質才是造成台灣空氣品質的一個最主要的原因請問那個部長是嗎對這個是把台灣的所有的境外跟境內各種來源做出一個統計調查出來的結果對所以這個部長這個是沒有問題的沒有問題
transcript.whisperx[16].start 358.308
transcript.whisperx[16].end 385.271
transcript.whisperx[16].text 可是部長我看到我這邊有圈一個紅色的框框所以為什麼現在民眾跟環境部跟政府認定為空汙的來源標準造成空汙標準會嚴重的有落差我這邊圈了一個台灣過去大家認為就是因為錯誤的能源政策火力發電火力全開可是在這個報告這個資料裡面只有寫說電力業造成的空汙只佔全台灣空汙
transcript.whisperx[17].start 386.472
transcript.whisperx[17].end 401.41
transcript.whisperx[17].text 的影響的比例只有2.3%請問部長你不會覺得這跟一般人民的認知落差太大啦尤其在你的這個今天的報告裡面還寫出因為空氣的污染你還要要求我們台灣的很多的發電廠比如說協和電廠
transcript.whisperx[18].start 402.651
transcript.whisperx[18].end 416.663
transcript.whisperx[18].text 等等這些發電廠要他控制發電造成的空污可是你比如說協和、麥寮等這些電廠結果在你自己環境部的個人認為這部門的認為它影響的部分只有2.3%那我請教部長因為一個2.3%的影響而去勞斯動眾來去請台灣的發電量要降低這樣不是跟人民的落差很大嗎
transcript.whisperx[19].start 429.059
transcript.whisperx[19].end 456.196
transcript.whisperx[19].text 包委員其實我們的這個降載喔是很多年來都是這樣在做那以前這個電力業的比例是更高那也其實台電也整個就降下來了所以意思是說台電現在已經降下來了所以台電的占比只有100%只有2.3%你的意思是說人民這個騎車開車占的交通人員12%所以人民要來改善還有一些生物啊生物人員占3.9所以台灣的動物也是造成空污的指標
transcript.whisperx[20].start 457.653
transcript.whisperx[20].end 465.771
transcript.whisperx[20].text 是這樣子嗎對這個是經過科學驗證這是有經過我們的專家學者討論出來用各種的大型的模式算出來的結果
transcript.whisperx[21].start 466.584
transcript.whisperx[21].end 490.544
transcript.whisperx[21].text 我只能跟部長講這個跟一般人民的想法差太多也跟現在環境部在跟各個部會協調如果是這樣的話那你為什麼要去請台電有一些火力發電少發電他才占100%的2.3啊還要這麼老實當中應該是解決其他的問題相關的問題啊因為他們是固定污染源比較好控制那其他的移動污染源相對的是比較辛苦的所以我但是未來我們會全部一起來推動
transcript.whisperx[22].start 491.184
transcript.whisperx[22].end 517.432
transcript.whisperx[22].text 所以我還是要拜託台中火力發電造成台中的空汙非常嚴重這是全民的共識啊可是我相信不過委員那個共識跟實際上的知識所以人民的共識不對環境部說的環境部要幫人民改一個觀念就是說其實電力火力發電對人民的健康沒有影響只有在全台灣的空汙只有2.3%報告委員那個每個地方不一定所以委員你不要套我話
transcript.whisperx[23].start 518.092
transcript.whisperx[23].end 536.028
transcript.whisperx[23].text 就是說不要把我挖坑給我跳其實是基本上不一樣的天氣形態不一樣的條件是會不一樣的但是我也必須說現在我們的這種移動污染源遠超過固定污染源了所以這個是我們下一個階段要努力的目標那部長有沒有對你講的這些移動污染源有任何的一些未來的進進方式
transcript.whisperx[24].start 536.748
transcript.whisperx[24].end 554.638
transcript.whisperx[24].text 這個是我們現在在研究啦但是報告委員這個很難推動因為例如說像我在韓國曾經介紹他們的細胞簡訊今天空氣不好請大家不要開車到市區去這個在台灣反而空氣不好我要開自己的車進去不要吸到空氣所以這個觀念的轉換呢的確要有一些方法的那這個部分呢我們會來討論
transcript.whisperx[25].start 556.189
transcript.whisperx[25].end 579.874
transcript.whisperx[25].text 好那我要最後要跟部長講今天外面的霧茫茫那今天的空氣品質AQY指標在新北跟台北市其實都超過100都代表空氣品質差不好不好的一個狀況所以希望環境部還是要努力所以今天部長我今天有帶一個禮物給你這個這個是橘色橘色的口罩這個是我找到的橘色口罩第二個是
transcript.whisperx[26].start 580.885
transcript.whisperx[26].end 592.581
transcript.whisperx[26].text 粉紅色的口罩那我希望說部長可以拿到這個資訊就希望我們的空氣秉持不要到橘色跟紅色那這邊可以給你讓你繼續來關心我們台灣的這個空污的問題好嗎好謝謝委員謝謝好謝謝張偉謝謝部長