其實,該介紹這些資訊的或許是氣象局或新聞媒體,但有趣的是在上面提到那則新聞中,看到了兩邊互推責任,也推動了我寫這篇文章。氣象局發布這些資訊,但資料的詮釋如何進入人們的腦子裡,仍有待加強;而媒體在告訴民眾未來颱風的動向時,也該讓我們明白「那段時間」該當心。經常看到引用日本美國的路徑圖,或者是引用 CNN 報導,我們習以為常的中度颱風,被 CNN 報的跟「怪獸」一樣,但事實是:在美國,1000毫米的累積雨量可能是某些地區好幾年的數值,而美國國家海洋大氣總署近期也不斷的宣導民眾要「高規格」看待劇烈天氣,以達減災效果;日本 NHK 更是因為早年災害訊息誤報而成立的電臺,對於防災更加重視。這些國家即便遇到這種變化多端的颱風路徑,仍然是謹慎以對、不敢輕忽,更不會有斥責預報不準的「異象」出現;我曾在311後的會議上問過 NHK 的記者,對於地震或氣象的誤報,該如何報導,NHK 記者回答我,本來這類的預報或預警就有不確定性,他們的民眾也能理解這一點。
關於綠建築的標準,讓我們先回到 1990 年,當時英國建築研究機構(BRE)首次發布有關「建築研究發展環境評估工具(Building Research Establishment Environmental Assessment Method,BREEAM®)」,是世界上第一個建築永續評估方法。美國則在綠建築委員會成立後,於 1998 年推出「能源與環境設計領導認證」(Leadership in Energy and Environmental Design, LEED)這套評估系統,加速推動了全球綠建築行動。
1990 年後,中央氣象局開始使用高速電腦,並且使用美國國家大氣研究中心 (NCAR) 為首開發的 Weather Research and Forecasting 模型做數值運算,利用系集式方法,藉由不同的物理模式或參數改變,模擬出如同「蝴蝶效應」的結果,運算出多種颱風的可能行進路線。預測時間拉長後,誤差累積也更多,行進路徑的可能性當然也會越廣。
不用為了天氣捐贈你的 D 槽,就交給電腦科學家接棒上場吧。從 CPU、GPU 間的通訊、使用 GPU 來做計算加速或是作為主要運算元件、到改寫符合新架構的軟體程式、以及資料壓縮與讀寫 (I/O)。同時還要加上「資料同化」時所需的衛星或是全球量測資料。明明是做氣象預報,卻需要等同發展 AI 的電腦科技做輔助,任務十分龐大。對這部分有興趣的朋友可以參考我們之前的這一集喔!
其實,該介紹這些資訊的或許是氣象局或新聞媒體,但有趣的是在上面提到那則新聞中,看到了兩邊互推責任,也推動了我寫這篇文章。氣象局發布這些資訊,但資料的詮釋如何進入人們的腦子裡,仍有待加強;而媒體在告訴民眾未來颱風的動向時,也該讓我們明白「那段時間」該當心。經常看到引用日本美國的路徑圖,或者是引用 CNN 報導,我們習以為常的中度颱風,被 CNN 報的跟「怪獸」一樣,但事實是:在美國,1000毫米的累積雨量可能是某些地區好幾年的數值,而美國國家海洋大氣總署近期也不斷的宣導民眾要「高規格」看待劇烈天氣,以達減災效果;日本 NHK 更是因為早年災害訊息誤報而成立的電臺,對於防災更加重視。這些國家即便遇到這種變化多端的颱風路徑,仍然是謹慎以對、不敢輕忽,更不會有斥責預報不準的「異象」出現;我曾在311後的會議上問過 NHK 的記者,對於地震或氣象的誤報,該如何報導,NHK 記者回答我,本來這類的預報或預警就有不確定性,他們的民眾也能理解這一點。