Loading [MathJax]/extensions/tex2jax.js

0

0
1

文字

分享

0
0
1

碳都去哪兒?—《土壤的救贖》

大家出版_96
・2016/09/13 ・3062字 ・閱讀時間約 6 分鐘 ・SR值 519 ・六年級

農耕、畜牧與土壤

我們很容易誤以為土壤碳流失是相對比較現代的災難,是窮國人口躍增、富國實行工業化農業的結果。然而事實並非如此。人類的生活方式一從狩獵採集演變成農耕,就開始改變土壤和大氣中二氧化碳的自然平衡。定耕農業大約在一萬至一萬三千年前發源於世界各地的大河谷,像是底格里斯河、幼發拉底河、印度河和長江。公元前五千年左右,人類開始製造簡單的種植、收割工具。最早的工具只是挖掘用的木棍,不過在公元前二千五百年,印度河河谷已經有人用動物來拉犁了。

India_Farming
圖/By Ananth BS – originally posted to Flickr as Annadatha, CC BY 2.0, wikimedia commons.

犁田看似沒有害處,而且帶著撫慰人心的田園氣息,尤其是用牛或馬來拉犁的時候。不過拉爾(編註:拉坦.拉爾 (Rattan Lal) 俄亥俄州大學碳管理與吸存中心主任)在 2000 年的一場演講中指出:「由於在自然界中,沒有東西會定期、重複地翻起 15 至 20 公分深的泥土(犁田就會翻到這麼深),因此植物和土壤生物的演化中都沒有經歷這麼劇烈的擾動,也無法適應。」現代的機械化農業加重了這個問題:重型機具把土壤壓得更緊實,也就需要犁得更深,才能鬆動土壤。更多土壤被翻起、曝露在空氣中,土壤碳接觸到氧,結合成二氧化碳,散逸到上層大氣中。這些碳可能已經藏在地面下幾百或幾千年。

畜牧也打亂了碳的平衡。在人類馴養反芻動物之前,這些動物成群結隊在大草原上漫步,啃食草和其他植物的頂端,殷勤地撒下大量肥沃的糞便回報。牠們害怕掠食者,因此緊緊聚在一起,待在一個地點吃草的時間也絕不會太長。然而人類放牧這些牲畜的模式造成了劇烈的變化。動物不再持續在平原上遊蕩,而是被柵欄限制在一個地區,或在牧人與狗的保護下自在地吃草。在圍起的區域中,以及牧人機警的守衛下,牲畜會把地上的草吃得一乾二淨——既然已不再需要提防掠食者,牠們自然會在同一個地方晃,久到足以將植物的根拔起來。

3992286520_5a8fd88608_z
圖/Tony Fischer@flickr

然而,放任牲畜把草原吃成光禿禿的地面,會阻礙一種偉大的生物過程,也就是當初把碳大量儲存在地下的光合作用。植物吸取空氣中的二氧化碳,把二氧化碳跟陽光結合起來,轉化成植物可以使用的能量,也就是碳基糖。不是所有的碳都由植物消耗,有些是以腐植質的狀態儲存在土壤中,這個穩定的碳分子網路能在土壤裡留存幾個世紀——拉爾指出,腐植質(humus)和人類(human)有相同的字根。

-----廣告,請繼續往下閱讀-----

土壤裡的碳有許多好處,包括讓土壤更肥沃,讓土壤形成蛋糕般的質地,內部含有許多小氣室。富含碳的土壤可以緩解乾旱或洪水:下雨的時候,水被土壤吸收、留住,而不是積成水潭或流走。健康的土壤也富含微小的生物(一湯匙裡的數目高達六十億),可以分解隨著雨水滲入土壤的毒素和汙染物。拉爾認為農民不該只因為種植作物而得到報酬,由於健康的土壤對環境有益,所以他們也該因為種出健康的土壤而得到報酬。除了光合作用,沒有其他自然的過程會持續從大氣中移除那麼大量的二氧化碳。人類若要用那麼大的規模來移除二氧化碳,不是所費不貲,就是無法保證安全。光合作用能調控建造生命的碳進入土壤的穩定循環,並產生我們許許多多的生命賴以維生的另一種氣體:氧氣,因此對我們星球上的生命而言,光合作用是最基礎的自然過程。

碳都去哪了?

拉爾和他的同事發展出一種簡單粗略的方式,用來估計美國和全球土壤失去了多少的碳。我到 87 號樣區(附屬自俄亥俄州大學華特曼農業與自然資源試驗所)拜訪他的時候,他指著緊鄰試驗地一側的黑森林邊緣,說:「那片森林是我的基線。我們計算這個樣區和附近地區的土壤失去多少碳的時候,就是拿那片森林的土壤來比較。」他得到美國環保局、農業部、能源部的經費,與世界各地的學生和博士後研究員合作,比較森林地區和農耕地區的碳。

按他的計算,俄亥俄州在過去二百年間失去了 50% 的土壤碳。不過世界上農耕了數千年的地區,土壤碳流失的量遠高於此,高達 80%,甚至更多。總合來看,全球的土壤失去了 726 億公噸的碳。不是所有的碳都跑到天上去了,侵蝕也將一些碳沖進了水路。但即使現在,散逸到大氣的碳仍有 30% 是土地濫用的後果。

而大氣中二氧化碳的量已經達到十分驚人的濃度。2013 年,科學家計算出大氣中的二氧化碳達到 400 ppm,而許多專家認為大氣中的二氧化碳濃度應該比這數字低 50 ppm,才能有適合人類生活的穩定氣候。世界各地都設計、運用了許多乾淨的能源技術降低現代生活方式排放的二氧化碳,從化石燃料到風能、太陽能、生質能、海洋波能,甚至有個異想天開的計畫是利用人群體熱的能量去彌補發電廠不足的發電量。人類也用了許多策略來減少我們消耗的能量,包括提高天然氣汽車的燃料效率、建造產能超過耗能的住宅和辦公室。

-----廣告,請繼續往下閱讀-----

大自然的平衡法—光合作用

然而這些措施都無法實際減少大氣中自古累積至今的二氧化碳含量。據說有因應方案,卻很昂貴——美國環保局有個計畫是捕捉大氣中的碳,注入深井中,每噸的花費是 600 到 800 美元。大自然之母有套低科技方案,在政策制定者眼中沒那麼迷人,不過不花一分錢,那就是光合作用,和隨著光合作用自然發展而成的土壤碳。這是我們偉大的綠色希望。

確實,我們必須繼續減少使用化石燃料,用較不浪費能源的方式生活,但我們也得和光合作用合作,別再與光合作用對著幹,這樣才能拿回大氣中超量的碳。農人、牧人、土地管理者、都市計畫者,甚至有院子的人,都得盡力讓植物欣欣向榮,不要有大片光禿的土地,畢竟不毛之地無法進行光合作用。我們得照顧數十億的微生物和真菌,它們會和植物的根交互作用,將碳基糖轉換成富含碳的腐植質。我們還得保護那些腐植質,別讓風、雨水、不智的開發和其他擾動給侵蝕了。

pexels-photo-112641
土壤裡的碳就像一杯水,我們已經喝了半杯以上,但我們可以把更多水倒回杯子裡。有良好的土壤施作,就能扭轉全球暖化。圖/pexel

拉爾說這辦得到,而最有機會的,就是耕作了數千年、消耗了最多碳的地區,也就是非洲撒哈拉以南的地區、南亞和中亞,以及中美洲。他說:「土壤裡的碳就像一杯水,我們已經喝了半杯以上,但我們可以把更多水倒回杯子裡。有良好的土壤施作,就能扭轉全球暖化。」良好的土地管理措施每在土壤中增加 0.9 公噸的碳,就表示大氣中減少了 2.7 公噸的二氧化碳。拉爾相信全球的土壤每年可以隔離 27 億公噸的碳,使得大氣中的二氧化碳濃度每年下降 3 ppm。不過和我談過的其他人對改變的潛力遠比拉爾樂觀(尤其在我找的人離學術界愈來愈遠之後),他們說這目前還是新觀念,科學才剛碰到邊。

拉爾的研究中心和世界各地的試驗地合作(除了俄亥俄州,還有非洲、印度、巴西、波多黎哥、冰島和俄羅斯),針對除去空氣中的碳、重建土壤裡的碳,尋找不同氣候下的土地管理措施與土壤類型的完美組合。他和同事想出如何在全球各地的生態系重建土壤中的碳,其中甚至包括他早年的剋星,奈及利亞。由於世上有許多微氣候,各有不同的衝擊史、人類史或其他歷史,因此他們採用了各式各樣的方式。有件事放諸四海而皆準,那就是必須建立政治意願。由於種種因素,人類要改變很困難。

-----廣告,請繼續往下閱讀-----

(大家)土壤的救贖_平面72dpi

 

 

本文摘自《土壤的救贖》大家出版

-----廣告,請繼續往下閱讀-----
文章難易度
大家出版_96
14 篇文章 ・ 11 位粉絲
名為大家,在藝術人文中,指「大師」的作品;在生活旅遊中,指「眾人」的興趣。

0

0
0

文字

分享

0
0
0
拆解邊緣AI熱潮:伺服器如何提供穩固的運算基石?
鳥苷三磷酸 (PanSci Promo)_96
・2025/05/21 ・5071字 ・閱讀時間約 10 分鐘

本文與 研華科技 合作,泛科學企劃執行。

每次 NVIDIA 執行長黃仁勳公開發言,總能牽動整個 AI 產業的神經。然而,我們不妨設想一個更深層的問題——如今的 AI 幾乎都倚賴網路連線,那如果哪天「網路斷了」,會發生什麼事?

想像你正在自駕車打個盹,系統突然警示:「網路連線中斷」,車輛開始偏離路線,而前方竟是萬丈深谷。又或者家庭機器人被駭,開始暴走跳舞,甚至舉起刀具向你走來。

這會是黃仁勳期待的未來嗎?當然不是!也因為如此,「邊緣 AI」成為業界關注重點。不靠雲端,AI 就能在現場即時反應,不只更安全、低延遲,還能讓數據當場變現,不再淪為沉沒成本。

什麼是邊緣 AI ?

邊緣 AI,乍聽之下,好像是「孤單站在角落的人工智慧」,但事實上,它正是我們身邊最可靠、最即時的親密數位夥伴呀。

當前,像是企業、醫院、學校內部的伺服器,個人電腦,甚至手機等裝置,都可以成為「邊緣節點」。當數據在這些邊緣節點進行運算,稱為邊緣運算;而在邊緣節點上運行 AI ,就被稱為邊緣 AI。簡單來說,就是將原本集中在遠端資料中心的運算能力,「搬家」到更靠近數據源頭的地方。

-----廣告,請繼續往下閱讀-----

那麼,為什麼需要這樣做?資料放在雲端,集中管理不是更方便嗎?對,就是不好。

當數據在這些邊緣節點進行運算,稱為邊緣運算;而在邊緣節點上運行 AI ,就被稱為邊緣 AI。/ 圖片來源:MotionArray

第一個不好是物理限制:「延遲」。
即使光速已經非常快,數據從你家旁邊的路口傳到幾千公里外的雲端機房,再把分析結果傳回來,中間還要經過各種網路節點轉來轉去…這樣一來一回,就算只是幾十毫秒的延遲,對於需要「即刻反應」的 AI 應用,比如說工廠裡要精密控制的機械手臂、或者自駕車要判斷路況時,每一毫秒都攸關安全與精度,這點延遲都是無法接受的!這是物理距離與網路架構先天上的限制,無法繞過去。

第二個挑戰,是資訊科學跟工程上的考量:「頻寬」與「成本」。
你可以想像網路頻寬就像水管的粗細。隨著高解析影像與感測器數據不斷來回傳送,湧入的資料數據量就像超級大的水流,一下子就把水管塞爆!要避免流量爆炸,你就要一直擴充水管,也就是擴增頻寬,然而這樣的基礎建設成本是很驚人的。如果能在邊緣就先處理,把重要資訊「濃縮」過後再傳回雲端,是不是就能減輕頻寬負擔,也能節省大量費用呢?

第三個挑戰:系統「可靠性」與「韌性」。
如果所有運算都仰賴遠端的雲端時,一旦網路不穩、甚至斷線,那怎麼辦?很多關鍵應用,像是公共安全監控或是重要設備的預警系統,可不能這樣「看天吃飯」啊!邊緣處理讓系統更獨立,就算暫時斷線,本地的 AI 還是能繼續運作與即時反應,這在工程上是非常重要的考量。

所以你看,邊緣運算不是科學家們沒事找事做,它是順應數據特性和實際應用需求,一個非常合理的科學與工程上的最佳化選擇,是我們想要抓住即時數據價值,非走不可的一條路!

邊緣 AI 的實戰魅力:從工廠到倉儲,再到你的工作桌

知道要把 AI 算力搬到邊緣了,接下來的問題就是─邊緣 AI 究竟強在哪裡呢?它強就強在能夠做到「深度感知(Deep Perception)」!

-----廣告,請繼續往下閱讀-----

所謂深度感知,並非僅僅是對數據進行簡單的加加減減,而是透過如深度神經網路這類複雜的 AI 模型,從原始數據裡面,去「理解」出更高層次、更具意義的資訊。

研華科技為例,旗下已有多項邊緣 AI 的實戰應用。以工業瑕疵檢測為例,利用物件偵測模型,快速將工業產品中的瑕疵挑出來,而且由於 AI 模型可以使用同一套參數去檢測,因此品管上能達到一致性,減少人為疏漏。尤其在高產能工廠中,檢測速度必須快、狠、準。研華這套 AI 系統每分鐘最高可處理 8,000 件產品,替工廠節省大量人力,同時確保品質穩定。這樣的效能來自於一台僅有膠囊咖啡機大小的邊緣設備—IPC-240。

這樣的效能來自於一台僅有膠囊咖啡機大小的邊緣設備—IPC-240。/ 圖片提供:研華科技

此外,在智慧倉儲場域,研華與威剛合作,研華與威剛聯手合作,在 MIC-732AO 伺服器上搭載輝達的 Nova Orin 開發平台,打造倉儲系統的 AMR(Autonomous Mobile Robot) 自走車。這跟過去在倉儲系統中使用的自動導引車 AGV 技術不一樣,AMR 不需要事先規劃好路線,靠著感測器偵測,就能輕鬆避開障礙物,識別路線,並且將貨物載到指定地點存放。

當然,還有語言模型的應用。例如結合檢索增強生成 ( RAG ) 跟上下文學習 ( in-context learning ),除了可以做備忘錄跟排程規劃以外,還能將實務上碰到的問題記錄下來,等到之後碰到類似的問題時,就能詢問 AI 並得到解答。

你或許會問,那為什麼不直接使用 ChatGPT 就好了?其實,對許多企業來說,內部資料往往具有高度機密性與商業價值,有些場域甚至連手機都禁止員工帶入,自然無法將資料上傳雲端。對於重視資安,又希望運用 AI 提升效率的企業與工廠而言,自行部署大型語言模型(self-hosted LLM)才是理想選擇。而這樣的應用,並不需要龐大的設備。研華的 SKY-602E3 塔式 GPU 伺服器,體積僅如後背包大小,卻能輕鬆支援語言模型的運作,實現高效又安全的 AI 解決方案。

但問題也接著浮現:要在這麼小的設備上跑大型 AI 模型,會不會太吃資源?這正是目前 AI 領域最前沿、最火熱的研究方向之一:如何幫 AI 模型進行「科學瘦身」,又不減智慧。接下來,我們就來看看科學家是怎麼幫 AI 減重的。

-----廣告,請繼續往下閱讀-----

語言模型瘦身術之一:量化(Quantization)—用更精簡的數位方式來表示知識

當硬體資源有限,大模型卻越來越龐大,「幫模型減肥」就成了邊緣 AI 的重要課題。這其實跟圖片壓縮有點像:有些畫面細節我們肉眼根本看不出來,刪掉也不影響整體感覺,卻能大幅減少檔案大小。

模型量化的原理也是如此,只不過對象是模型裡面的參數。這些參數原先通常都是以「浮點數」表示,什麼是浮點數?其實就是你我都熟知的小數。舉例來說,圓周率是個無窮不循環小數,唸下去就會是3.141592653…但實際運算時,我們常常用 3.14 或甚至直接用 3,也能得到夠用的結果。降低模型參數中浮點數的精度就是這個意思! 

然而,量化並不是那麼容易的事情。而且實際上,降低精度多少還是會影響到模型表現的。因此在設計時,工程師會精密調整,確保效能在可接受範圍內,達成「瘦身不減智」的目標。

當硬體資源有限,大模型卻越來越龐大,「幫模型減肥」就成了邊緣 AI 的重要課題。/ 圖片來源:MotionArray

模型剪枝(Model Pruning)—基於重要性的結構精簡

建立一個 AI 模型,其實就是在搭建一整套類神經網路系統,並訓練類神經元中彼此關聯的參數。然而,在這麼多參數中,總會有一些參數明明佔了一個位置,卻對整體模型沒有貢獻。既然如此,不如果斷將這些「冗餘」移除。

這就像種植作物的時候,總會雜草叢生,但這些雜草並不是我們想要的作物,這時候我們就會動手清理雜草。在語言模型中也會有這樣的雜草存在,而動手去清理這些不需要的連結參數或神經元的技術,就稱為 AI 模型的模型剪枝(Model Pruning)。

-----廣告,請繼續往下閱讀-----

模型剪枝的效果,大概能把100變成70這樣的程度,說多也不是太多。雖然這樣的縮減對於提升效率已具幫助,但若我們要的是一個更小幾個數量級的模型,僅靠剪枝仍不足以應對。最後還是需要從源頭著手,採取更治本的方法:一開始就打造一個很小的模型,並讓它去學習大模型的知識。這項技術被稱為「知識蒸餾」,是目前 AI 模型壓縮領域中最具潛力的方法之一。

知識蒸餾(Knowledge Distillation)—讓小模型學習大師的「精髓」

想像一下,一位經驗豐富、見多識廣的老師傅,就是那個龐大而強悍的 AI 模型。現在,他要培養一位年輕學徒—小型 AI 模型。與其只是告訴小型模型正確答案,老師傅 (大模型) 會更直接傳授他做判斷時的「思考過程」跟「眉角」,例如「為什麼我會這樣想?」、「其他選項的可能性有多少?」。這樣一來,小小的學徒模型,用它有限的「腦容量」,也能學到老師傅的「智慧精髓」,表現就能大幅提升!這是一種很高級的訓練技巧,跟遷移學習有關。

舉個例子,當大型語言模型在收到「晚餐:鳳梨」這組輸入時,它下一個會接的詞語跟機率分別為「炒飯:50%,蝦球:30%,披薩:15%,汁:5%」。在知識蒸餾的過程中,它可以把這套機率表一起教給小語言模型,讓小語言模型不必透過自己訓練,也能輕鬆得到這個推理過程。如今,許多高效的小型語言模型正是透過這項技術訓練而成,讓我們得以在資源有限的邊緣設備上,也能部署愈來愈強大的小模型 AI。

但是!即使模型經過了這些科學方法的優化,變得比較「苗條」了,要真正在邊緣環境中處理如潮水般湧現的資料,並且高速、即時、穩定地運作,仍然需要一個夠強的「引擎」來驅動它們。也就是說,要把這些經過科學千錘百鍊、但依然需要大量計算的 AI 模型,真正放到邊緣的現場去發揮作用,就需要一個強大的「硬體平台」來承載。

-----廣告,請繼續往下閱讀-----

邊緣 AI 的強心臟:SKY-602E3 的三大關鍵

像研華的 SKY-602E3 塔式 GPU 伺服器,就是扮演「邊緣 AI 引擎」的關鍵角色!那麼,它到底厲害在哪?

一、核心算力
它最多可安裝 4 張雙寬度 GPU 顯示卡。為什麼 GPU 這麼重要?因為 GPU 的設計,天生就擅長做「平行計算」,這正好就是 AI 模型裡面那種海量數學運算最需要的!

你想想看,那麼多數據要同時處理,就像要請一大堆人同時算數學一樣,GPU 就是那個最有效率的工具人!而且,有多張 GPU,代表可以同時跑更多不同的 AI 任務,或者處理更大流量的數據。這是確保那些科學研究成果,在邊緣能真正「跑起來」、「跑得快」、而且「能同時做更多事」的物理基礎!

二、工程適應性——塔式設計。
邊緣環境通常不是那種恆溫恆濕的標準機房,有時是在工廠角落、辦公室一隅、或某個研究實驗室。這種塔式的機箱設計,體積相對緊湊,散熱空間也比較好(這對高功耗的 GPU 很重要!),部署起來比傳統機架式伺服器更有彈性。這就是把高性能計算,進行「工程化」,讓它能適應台灣多樣化的邊緣應用場景。

三、可靠性
SKY-602E3 用的是伺服器等級的主機板、ECC 糾錯記憶體、還有備援電源供應器等等。這些聽起來很硬的規格,背後代表的是嚴謹的工程可靠性設計。畢竟在邊緣現場,系統穩定壓倒一切!你總不希望 AI 分析跑到一半就掛掉吧?這些設計確保了部署在現場的 AI 系統,能夠長時間、穩定地運作,把實驗室裡的科學成果,可靠地轉化成實際的應用價值。

-----廣告,請繼續往下閱讀-----
研華的 SKY-602E3 塔式 GPU 伺服器,體積僅如後背包大小,卻能輕鬆支援語言模型的運作,實現高效又安全的 AI 解決方案。/ 圖片提供:研華科技

台灣製造 × 在地智慧:打造專屬的邊緣 AI 解決方案

研華科技攜手八維智能,能幫助企業或機構提供客製化的AI解決方案。他們的技術能力涵蓋了自然語言處理、電腦視覺、預測性大數據分析、全端軟體開發與部署,及AI軟硬體整合。

無論是大小型語言模型的微調、工業瑕疵檢測的模型訓練、大數據分析,還是其他 AI 相關的服務,都能交給研華與八維智能來協助完成。他們甚至提供 GPU 與伺服器的租借服務,讓企業在啟動 AI 專案前,大幅降低前期投入門檻,靈活又實用。

台灣有著獨特的產業結構,從精密製造、城市交通管理,到因應高齡化社會的智慧醫療與公共安全,都是邊緣 AI 的理想應用場域。更重要的是,這些情境中許多關鍵資訊都具有高度的「時效性」。像是產線上的一處異常、道路上的突發狀況、醫療設備的即刻警示,這些都需要分秒必爭的即時回應。

如果我們還需要將數據送上雲端分析、再等待回傳結果,往往已經錯失最佳反應時機。這也是為什麼邊緣 AI,不只是一項技術創新,更是一條把尖端 AI 科學落地、真正發揮產業生產力與社會價值的關鍵路徑。讓數據在生成的那一刻、在事件發生的現場,就能被有效的「理解」與「利用」,是將數據垃圾變成數據黃金的賢者之石!

👉 更多研華Edge AI解決方案
👉 立即申請Server租借

-----廣告,請繼續往下閱讀-----
-----廣告,請繼續往下閱讀-----
文章難易度

討論功能關閉中。

0

3
0

文字

分享

0
3
0
從「衛生紙」開始的環保行動:一起愛地球,從 i 開始
鳥苷三磷酸 (PanSci Promo)_96
・2024/12/03 ・1592字 ・閱讀時間約 3 分鐘

你是否也曾在抽衛生紙的瞬間,心頭閃過「這會不會讓更多森林消失」的擔憂?當最後一張衛生紙用完,內心的愧疚感也油然而生……但先別急著責怪自己,事實上,使用木製品和紙張也能很永續!只要我們選對來源、支持永續木材,你的每一個購物決策,都能將對地球的影響降到最低。

二氧化碳是「植物的食物」:碳的循環旅程

樹木的主食是水與二氧化碳,它們從空氣中吸收二氧化碳,並利用這些碳元素形成枝葉與樹幹。最終這些樹木會被砍伐,切成木材或搗成紙漿,用於各種紙張與木製品的製造。

木製品在到達其使用年限後,無論是被燃燒還是自然分解,都會重新釋放出二氧化碳。不過在碳循環中,這些釋出的二氧化碳,來自於原本被樹木「吸收」的那些二氧化碳,因此並不會增加大氣中的碳總量。

只要我們持續種植新樹,碳循環就能不斷延續,二氧化碳在不同型態間流轉,而不會大量增加溫室氣體在大氣中的總量。因為具備循環再生的特性,讓木材成為相對環保的資源。

但,為了木製品而砍伐森林,真的沒問題嗎?當然會有問題!

-----廣告,請繼續往下閱讀-----
從吸碳到固碳的循環

砍對樹,很重要

實際上,有不少木材來自於樹木豐富的熱帶雨林。然而,熱帶雨林是無數動植物的棲息地,它們承載著地球豐富的生物多樣性。當這些森林被非法砍伐,不僅生態系統遭到破壞,還有一個嚴重的問題–黃碳,也就是那些大量儲存在落葉與土壤有機質中的碳,會因為上方森林的消失重新將碳釋放進大氣之中。這些原本是森林的土地,將從固碳變成排碳大戶。

不論是黃碳問題,還是要確保雨林珍貴的生物多樣性不被影響,經營得當的人工永續林,能將對環境的影響降到最低,是紙漿和木材的理想來源。永續林的經營者通常需要注重環境保護與生態管理,確保砍下每顆樹木後,都有新的樹木接續成長。木材反覆在同一片土地上生成,因此不用再砍伐更多的原始林。在這樣的循環經營下,我們才能不必冒著破壞原始林的風險,繼續享用木製品。

人工永續林的經營者需要注重環境保護與生態管理,確保砍下每顆樹木後,都有新的樹木接續成長。

如何確保你手中的紙張來自永續林?

如果你擔心自己無意中購買了對環境不友善的商品,而不敢下手,只要認明FSC(森林管理委員會)認證與 PEFC(森林認證制度)認證標章,就能確保紙漿來源不是來自原始林。並且從森林到工廠、再到產品,流程都能被追蹤,為你把關每一張紙的生產過程合乎永續。

只要認明 FSC(森林管理委員會)認證與 PEFC(森林認證制度)認證標章,就能確保紙漿來源不是來自原始林。

家樂福「從 i 開始」:環境友善購物新選擇

不僅是紙張,家樂福自有品牌的產品都已經通過了環保認證,幫助消費者在日常生活中輕鬆實踐環保。選擇 FSC 與 PEFC 標章只是第一步,你還可以在購物時認明家樂福的「從 i 開始」價格牌,這代表商品在生產過程中已經符合多項國際認證永續發展標準。

-----廣告,請繼續往下閱讀-----

「從 i 開始」涵蓋十大環保行動,從營養飲食、無添加物、有機產品,到生態農業、動物福利、永續漁業、減少塑料與森林保育,讓你每一項購物選擇都能與環境保護密切相關。無論是買菜、買肉,還是日常生活用品,都能透過簡單的選擇,為地球盡一份力。

選擇 FSC 與 PEFC 標章只是第一步,你還可以在購物時認明家樂福的「從 i 開始」價格牌
-----廣告,請繼續往下閱讀-----

討論功能關閉中。

鳥苷三磷酸 (PanSci Promo)_96
225 篇文章 ・ 313 位粉絲
充滿能量的泛科學品牌合作帳號!相關行銷合作請洽:contact@pansci.asia

0

0
0

文字

分享

0
0
0
紅紅的葉子要怎麼行光合作用?紅葉和黃葉裡也有葉綠素嗎?——《樹葉物語》
時報出版_96
・2023/10/29 ・2029字 ・閱讀時間約 4 分鐘

-----廣告,請繼續往下閱讀-----

顏色會依照我們觀看的對象吸收和反射的光而有所不同。樹葉因為會吸收所有藍色和紅色系光譜,只反射綠色,因此看起來是綠色的,而讓樹葉顯現綠色的東西,便是負責養育生命的葉綠素。

需要光合作用時也只會紅通通的日本紅楓

當然,也有葉子不是綠色的。樹木一生中雖然會變換顏色,但也有一開始長葉就不是綠色的。關於這類樹木,首先想到的便是日本紅楓(Acer palmatum ‘Shojo-Nomura’)。

日本紅楓連剛冒出葉子時也不泛綠色,和它的名字一模一樣,打一開始就很紅。那麼,日本紅楓紅色的葉子裡沒有葉綠素嗎?如果缺少葉綠素,樹木無法行光合作用;若不行光合作用,將無法製造生存所需的養分,那究竟該如何生存呢?

所有樹葉裡都有葉綠素,但是除了葉綠素,還有類胡蘿蔔素、花青素和單寧等各種成分,我們需要從這裡找出頭緒。類胡蘿蔔素、花青素和單寧等成分分別呈現黃色、紅色和褐色,葉子雖然從一開始就具備多種顏色的成分,但在更需要光合作用的時候,葉綠素會上來表面;待過了秋季,逐漸接近無法行光合作用的冬季,其他顏色的成分才會開始活躍,秋楓便是如此。然而,日本紅楓即使在需要光合作用的時期,葉子也只會紅通通的,非常奇妙。

-----廣告,請繼續往下閱讀-----

淺綠色顯露出來的瞬間

圖/wikimedia

日本紅楓是人們培育出來的品種,以做為造景用的觀賞樹木。換言之,日本紅楓並不是在自然狀態下生長的樹木,而是人們為了更長時間觀賞楓樹的紅色葉子所培育的品種,讓它一年四季都能呈現紅色。雖說紅色葉子裡頭同時含有泛綠色的葉綠素,但不管再怎麼看,都看不到綠色。

我再次重申,觀察樹木需要長時間、仔細地觀察。日本紅楓葉子上的紅色氣息轉淡的現象一年大概會發生兩次,分別是開花與果實逐漸成熟時,也就是樹木最需要養分的時刻。這時的日本紅楓葉子會發生非常細微的變化,乍看之下無法得知其差異:仍然泛著紅色,仔細觀察卻能在葉子某些部分感覺到綠色的氣息。

雖然葉子顯現紅色,但葉綠素若不進行光合作用,樹木就無法存活,在開花和結果等需要大量養分的關頭更是如此,這種時候只要仔細確認日本紅楓的葉子,將能感覺到葉綠素行光合作用活動的跡象。葉子上面延展的葉脈或葉柄端的紅色會轉淡,非常顯眼。果實結果和逐漸成熟時也一樣,可以在變淡的紅色之間突然看見綠色。即便葉子是紅色的,葉綠素還是會在它非常迫切需要養分時活躍起來,無怪乎顯現了綠色。

黃金松的樹葉只有黃色嗎?

日本紅楓是人工選育的品種,但自然狀態下也有樹木不是發綠色的芽,好比名為黃金松(Pinus densiflora ‘Aurea’)的樹木。雖然松樹的葉子一年四季都是綠色,黃金松的葉子卻呈金黃色。黃金松是松樹的品種之一,是相當稀有的樹木,它只有下方呈綠色,整體看來葉子是金黃色的。據說從以前開始,只要天氣乾旱,黃金松的金黃色葉子就會變成褐色,梅雨季則變成綠色,對於觀察氣候十分必要,不過這種說法並無科學根據。儘管如此,據說以前農夫們乾脆叫黃金松「天氣木」。

-----廣告,請繼續往下閱讀-----
非常稀有的黃金松是在自然狀態下也會發金黃色、而不是綠色的芽。

韓國曾經發現幾棵自然狀態下的黃金松,特別是慶尚北道蔚珍郡周仁里的黃金松就被指定為地方紀念物,是一株受到保護的珍貴樹木。這棵黃金松曾是預測氣候的標準,村裡亦相傳若發生戰爭,它的葉子會泛紅。

蔚珍郡周仁里的黃金松和旁邊其他樹木的葉子顏色不同,一眼就能清楚看出來。這棵佇立在斜坡上的樹木已有五十歲左右,由於被指定為文化財,四周圍上了柵欄、被確實地保護著。雖然遠處就見得到它神祕的模樣,但務必近距離觀察。必須仔細觀察葉子,才能得知樹木的祕密,知道樹木如何用金黃色的葉子製造養分、使自己生長。

即便植物圖鑑裡記載「除了葉子的基部,其他都是黃色」,實際上再怎麼觀察,仍然很難說是黃色,非要講的話,比較接近綠色和黃色混合在一起的淡綠色。當然,顏色以針葉來說算特別,但不能說是黃色或金黃色。與其說黃金松的葉子是金黃色的,不如說是以綠色為底,黃色顯現得稍微強一點。

無法丟掉綠色的原因

我們談日本紅楓和黃金松,但擁有紅葉或黃葉的樹木不只這些,尤其是觀賞用的培育品種中,還有不少葉子的顏色相當五彩繽紛。然而,不管是哪種樹木,都無法完全丟掉綠色,因為綠色是葉綠素的顏色,而葉綠素是樹木的生命之窗。

-----廣告,請繼續往下閱讀-----

——本文摘自《樹葉物語》,2023 年 5 月,時報出版,未經同意請勿轉載。

-----廣告,請繼續往下閱讀-----
時報出版_96
174 篇文章 ・ 35 位粉絲
出版品包括文學、人文社科、商業、生活、科普、漫畫、趨勢、心理勵志等,活躍於書市中,累積出版品五千多種,獲得國內外專家讀者、各種獎項的肯定,打造出無數的暢銷傳奇及和重量級作者,在台灣引爆一波波的閱讀議題及風潮。