蘭嶼的美麗瑰寶：條紋球背象鼻蟲和牠幼生期的寄主植物

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。

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。

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）」！

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。

以研華科技為例，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。

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。

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。

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）。

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。

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。

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

• 本文轉載自特有生物研究保育中心，《自然保育季刊》第 118 期
• 作者／曹德祺｜國立中山大學海洋科學系博士候選人

刺毒魚類是什麼？有刺的魚 ≠ 刺毒魚類

海洋是生命的發源地，其環境複雜多樣，孕育出多種多樣的海洋生物。在漫長的演化過程魚類發展出多樣適應環境的機制，包括物理性、化學性及生物性的調適，其中刺毒（venoms）屬於較為複雜的化學性防禦機制。

然而具有尖刺的魚類就等於是刺毒魚類嗎？答案是「否」的。

刺毒魚類的硬棘上附有毒腺，除了能為掠食者帶來物理性（刺傷）傷害以外，並會造成化學性（毒液）的二次傷害，毒腺所分泌的毒液會使傷口產生更為強烈的疼痛感，是一種特殊的防禦機制。

可能比你想像中多：世界上的刺毒魚類有多少？

全世界的魚類約有 30,000 多種，曾被報導過的刺毒魚類約有 2,500 多種（表 1），約占所有魚類的 8%，其主要可分為四大類，分別為：

(一)軟骨魚類中的銀鮫目（Chimaeriformes）、異齒鯊科（Heterodontidae）、角鯊科（Squalidae）

(二)軟骨魚類中的燕魟亞目（Myliobatoidei）

(三)硬骨魚類中的鯰形目（Siluriformes）

(四)硬骨魚類中的鰭棘魚類（Acanthomorphs）(Smith and Wheeler 2006；邵廣昭 2021)。

第一類刺毒軟骨魚類的毒刺主要分布於背鰭上，數量 1 至 2 根。

第二類為魟類，現生種類約 200 多種，毒刺分布於尾柄上（Nelson et al. 2016），當其尾柄上的毒刺擊中掠食者後，毒液會經由外皮鞘（integumentary sheath）的破壞而全數釋出（Fenner 2004）。著名的電視節目主持人鱷魚先生 Steve Irwin 就是被大型魟類尾部的毒刺傷及心臟而喪命的。

第三類為鯰形目魚類，大多為淡水種類，其中有毒的種類大約為 1,500 種，毒刺分布於胸鰭及背鰭（Wright 2009），其毒刺外緣具鋸齒（圖 1A）。

鯰形目魚類在美洲具較高的多樣性，占所有種類的 60%（Nelson 2006）。臺灣產12種，淡水的種類有鈍頭鮠科（Amblycipitidae）1 種、鯰科（Siluridae）1 種、鬍鯰科（Clariidae）2 種、鱨科（Bagridae）2 種，鱨科的種類因背鰭（1 根毒刺）、胸鰭（2 根毒刺）具毒刺，故俗稱為三角姑；

海水的種類有鰻鯰科（Plotosidae）1 種，及海鯰科（Ariidae）5 種，兩者的俗稱分別為沙毛及成仔丁，毒刺的位置與鱨科一致。

A. 線紋鰻鯰（Plotosus lineatus）胸鰭硬棘。 B. 瞻星魚（Uranoscopus sp.）匙骨上的棘。C. 褐臭肚魚（Siganus fuscescens）背鰭硬棘。 D. 托爾逆鈎鰺（Scomberoides tol）背鰭硬棘。縮寫：gr，groove 溝槽。

第四類為鰭棘魚類，由六個類群所組成，分別為蟾魚目（Batrachoidiformes）、鮋亞目（Scorpaenoidei）、刺尾魚亞目（Acanthuroidei）、䲁亞目（Blennioidei）、逆溝鰺亞科（Scomeroidinae）及鱷亞目（Trachinoidei），雖然僅有 585 至 650 種，但相對於前面的三個大類群，毒刺的形態則顯得更為多樣化，毒腺可發現於牙齒、主鰓蓋骨（opercle）、匙骨（cleithrum） （圖 1B）、背鰭、腹鰭和臀鰭多個部位（Smith and Wheeler 2006）。

A. 中華鬼鮋(Inimicus sinensis )背鰭硬棘。 B. 魔鬼簑鮋(Pterois volitans )背鰭硬棘。C. 眉鬚鱗頭鮋（Sebastapistes　strongia）背鰭硬棘。 D. 眉鬚鱗頭鮋頭部的棘。縮寫：gr, groove 溝槽；vg, venom gland 毒腺。

臺語有云：「一魟、二虎、三沙毛」

在海岸活動頻繁的臺灣，亦不乏關於刺毒魚類的諺語：一魟、二虎、三沙毛、四斑五、五象耳、六倒吊，或者是四臭肚、五變身苦；四變身苦、五成仔丁。

不管何種版本，「魟、虎、沙毛」均是刺毒危險程度的前三名。

諺語中的魟，是泛指所有尾部具有毒刺結構的燕魟亞目魚類，身體呈圓盤形，大部分種類尾巴為細長的鞭狀，依不同種類尾部毒刺的數量可達 2 根或以上，大部分漁民在捕獲後，均會把尾部的毒刺去除。多數的魟類為底棲性魚類，部分種類更具潛藏於沙中的習性，因此在沙灘嬉水遊玩時，須多加注意腳下情況以免誤踩而被其刺傷。

沙毛指的是線紋鰻鯰（Plotosus lineatus），廣泛分布於臺灣沿海並常被釣獲，其體表光滑無鱗不易被抓住，故處理時須多加注意以免被刺傷；其幼魚常成聚集成群，被稱為鯰球。

二虎：多樣性豐富的刺毒魚類大家族

虎魚泛指臺灣產鮋亞目（Scorpaenoidei）的種類，其英文俗名有 scorpionfishes、stonefishes 、 waspfishes 等，有關 scorpionfishes 名稱的由來，或許命名者對其毒刺如蝎子螫到的觸感有著很深刻的體會。

除了虎魚這俗名外，石狗公、石頭魚亦為牠們常見的中文俗稱，因其偽裝（camouflage，一些種類會利用特化的皮瓣偽裝成礁石及表面的生物）或保護色，致使體態、體色與棲地環境極為相似而得名。

該類群是著名且危險的刺毒魚類，毒刺十分發達（圖 2），雖然鮋亞目魚類的頭部具有不少的棘（圖 2D），但具毒腺的部位僅為背鰭、腹鰭及臀鰭之硬棘（圖 2A-C） （Nelson et al. 2016），為海洋刺毒魚類的最大宗（Low et al. 1993；Church and Hodgson 2002；Vetrano et al. 2002；Fenner 2004），臺灣大約有 42 屬 100種（邵廣昭 2021）。

多數種類為底棲性魚類，棲息於沿海岩礁地形，行動緩慢並常靜止於礁石上，即使靠近之亦不動如山，其體色與環境十分相似不易被察覺，因此在潮間帶或岩礁海岸活動時，稍一不慎則有可能誤踩而遭其刺傷。目前被刺傷的個案僅國外有報導，被刺傷者大部分為漁業從事人員（Haddad et al.　2003），臺灣雖暫無相關學術文章報導，但大部分地區的海洋活動亦相對頻繁，相信有不少被刺傷的個案。

鮋亞目魚類毒素均為蛋白質（Kiriake et al. 2013），結構並不穩定，遇熱後因蛋白質變性而失去毒性（伍漢霖 2006），亦有研究顯示斑點鮋（Scorpaena guttata）的毒素在 50°C 的條件下處理，短期內即失去活性（Schaeffer et al. 1971），表示魚肉在加熱煮熟後可食用。

俗稱獅子魚（Lionfish, Turkeyfish）的危險刺毒魚類亦同屬於鮋亞目家族的成員（簑鮋類 Pteroini），但與石狗公、石頭魚的不同之處在於其十分花枝招展的外觀，平常毫不躲藏、並徐徐地遊弋於礁石間。

因其華麗的外觀而常見於觀賞魚市場，亦因此經由水族觀賞魚途徑被棄養放生（Hamner et al. 2007;Betancur et al. 2011;Johnson et al. 2016），魔鬼簑鮋（Pterois volitans）自 1980 年起現踪於佛羅里達（Florida） （Freshwater et al. 2009），延長及發達的毒刺使其在當地幾乎沒有天敵，並逐漸擴張遍布整個大西洋西岸形成穩定的族群（Betancur et al. 2011；Ferreira et al. 2015；Johnson et al. 2016），而其驚人的食量對當地魚類族群造成極大的威脅，與另一種獅子魚—斑鰭簑鮋（P. miles）為知名的入侵物種。

毒刺的部位、結構及釋出毒液的機制

刺毒魚類的毒刺結構可發現於胸鰭、腹鰭、背鰭、臀鰭、尾柄、牙齒、主鰓蓋骨、肩帶上的匙骨等部位。大部分毒刺均由硬棘（spine）、溝槽（groove）及毒腺（venom gland）所組成。刺毒魚類這類用毒動物不同於河魨，其毒素由自體產生（河魨毒素由食物累積於體內），經毒腺分泌，藉由硬棘導引或注射到防禦對象身上（Bulaj et al. 2003；Fenner 2004；Smith and Wheeler 2006）。

毒腺附著於硬棘上，硬棘具溝槽。毒液的釋放是一種被動形式,並不能主動發射，當毒腺受壓迫時，毒液釋出並沿著溝槽導流至防禦對象的傷口上。被刺後傷口附近立刻產生劇烈疼痛感，隨後延伸擴散,會伴隨噁心、嘔吐、呼吸困難等症狀（伍漢霖 2006）。疼痛感可持續數小時之久，過敏體質者更會休克、甚至死亡。

如何預防刺傷，刺傷後應該如何處理？

刺毒魚類並不會主動利用毒刺進行攻擊，因此進行海岸活動或沿海作業時，應注意隨時週遭環境並穿戴相關保護措施（如手套、涉水鞋等）避免身體裸露、降低被刺傷的機會；若在必要情況下須接觸具尖刺且種類不明的魚類時，應避免徒手直接捕捉並藉由工具謹慎處理之。

刺毒魚類另一個對人類造成危害的地方，在於其造成的傷口可能會因為細菌感染而產生二次傷害，嚴重者會導致局部組織壞死、敗血症，甚至感染創傷弧菌（Vibrio vulnificus），而創傷弧菌感染後惡化快速，其所引致的併發症通常具較高的死亡率。

刺毒魚類的毒性依種類及釋放量而有所不同，而毒素主要為蛋白質，其結構不穩定,易受熱、酸鹼所破壞而失去毒性。遭刺傷後應盡快移除毒刺，在適當的條件下擠出毒液，使用熱、酸、鹼條件處理傷口，破壞毒素的活性，並做好傷口的清潔及消毒的工作，防止細菌的感染。

刺毒魚類所造成的傷害反應因人而異，經過現場初步處理後，應盡早送醫處理。

野外活動時要注意

刺毒魚類約占所有魚類的 8%。牠們形態多樣，彼此並非姐妹群關係，亦即起源於多個祖先，換言之，刺毒機制是多次獨立演化出來的，刺毒魚類一共可分為四個大類群，軟骨魚和硬骨魚各占兩大類，包括軟骨魚中的：（一）銀鮫目、異齒鯊科、角鯊科，（二）燕魟亞目；以及硬骨魚類中的(三)鯰形目，(四)鰭棘魚類。毒刺結構可發現於多個部位，如胸鰭、腹鰭、背鰭、臀鰭、尾柄、牙齒、主鰓蓋骨、肩帶上的匙骨等。

因為臺灣為海島地形，海岸線曲折漫長，周邊海域均有刺毒魚類的分布，民眾於海域進行經濟或休閒活動時均有機會接觸到刺毒魚類。雖然刺毒多為被動的防禦機制，並不是主動攻擊的手段，但部分刺毒魚類具備十分良好的偽裝能力，在靜止的狀態下難以被察覺，因此在野外活動時應隨時注意周遭環境是否存在刺毒魚類，並穿戴相關防護衣物、鞋子，避免誤觸而受傷，增加海域活動的安全性。

若不幸被刺毒魚類刺傷，在現場進行緊急處理後，應盡早求醫，以策安全。

本文由 桃園國際機場 委託，泛科學企劃執行。

與嘈雜的都市環境相比，機場區域有空間開闊、植被生長旺盛的草坪，相當利於動植物生存，也因此經常吸引到各種鳥類聚集覓食或棲息。

這代表機場周遭通常會有更豐富的生態環境，生態環境豐富原非壞事，但機場內仍必須以飛航安全作為最優先考量，如何讓鳥類與飛機共存，兼顧生態與安全，共享這片天空，成為所有機場共同關注，持續努力的課題。

不過，機場周圍的鳥類會造成什麼安全危害呢？這就要先說說「鳥擊」了！

鳥擊，俗稱吸鳥，顧名思義指的是鳥類與飛行狀態下航空器相撞。就像各種交通工具會發生撞擊意外一樣，鳥擊造成的損害可大可小，損害程度和撞擊位置、鳥種大小、速度、數量息息相關，嚴重的話可能會影響飛航安全。

鳥擊發生在機場內部起飛、降落及地面活動的「空側」區域，只有工作人員才會遇到，一般人較難接觸。這次，我們有幸能採訪深耕鳥擊防制多年的桃園機場資深航務師——林玉茹航務師，來帶我們一探究竟。林航務師曾草擬「民用機場設計暨運作規範」，更在 107、108 年連續獲得財團法人台灣飛安基金會鳥擊防治績優單位的獎項肯定。不僅如此，在疫情期間更是帶領團隊兼顧飛航安全與服務品質，同時滿足大量航機停駐、空側工程進度穩定及航班營運需求，可說是經驗豐富的空側專家。

飛機每一次的起飛與降落，都是最危險的時刻

「飛機在各種飛行階段都有可能遭遇鳥擊，但最常發生的還是在起飛爬升與進場降落階段。」林航務師說完，我們仍丈二金剛摸不著頭腦，只能繼續追問為什麼這段時間最容易發生鳥擊？

林航務師聽完後，親切地補充說明：「鳥類日常活動飛行高度多在 300 呎以內，這與飛機在起降階段的活動範圍大幅重疊，再加上機場周遭的環境適合鳥類生活，使得鳥擊事件多在機場周遭發生。」

為確保飛航安全引擎製造商在設計時就會考慮鳥擊發生的情況，但「有考慮」不代表「一定安全」，一旦遇上集結的鳥群或體型過大的鳥種，還是有可能造成意外，因此，現在一旦獲報疑似鳥擊事件，桃園機場便會關閉跑道直至處理完畢。

溫柔地向鳥類借道

機場周遭本來就是鳥類居住的區域，是我們跟鳥類借道。雖然桃園機場航班往來密集，但在鳥擊防制上，主要還是以人道的方式，進行長期的環境整治，林航務師說：「像是透過機場空側區域定期割草、整理環境積水、排水溝清淤加蓋等方式，讓鳥兒離開最危險的區域。」除了長期整治外，桃園機場每日也會定時鳴笛驅離鳥類，以確保當下航班的飛航安全。

此外，飛機在起降時，必須開啟起落架照明燈，除了能讓塔台地面人員確認起落架有放下，更有嚇走鳥類的效用。而桃園機場也透過空域監控及禽鳥活動監測，同時利用雷達系統長期收集的鳥類活動數據，來協助改善驅鳥作業。

林航務師說：「隨著航空科技進步，減少噪音的飛機更容易與鳥類產生碰撞。」若不密切注意鳥類對飛航安全的影響，未來可能面臨更多的衝突，而那並非是你我所想遇見的未來。

「我們要更了解鳥類，才能找到共生的可能。」林航務師表示，我們是跟鳥類借道，並不是霸佔這片天空，為了進一步了解鳥類的習性，除了由桃園機場航務員紀錄的報告外，桃園機場也與專家合作，提供機場地區的鳥相報告，協助我們更了解鳥類的一切。

成為鳥類的朋友，才能共享這片天空

雖然所有機場都同樣有鳥擊的困擾，但由於地理位置和環境因素的差異，同樣的防制手段並不見得能夠產生同樣的防治效果，而待鳥群出現後再驅離始終是治標不治本。唯有從理解鳥類生態著手，才能針對採取相應措施，而這也正是「鳥相報告」重要的原因。

為了凸顯鳥相報告的重要性，林航務師說：「鳥類活動難以掌控，也不像飛機一樣設有雷達能預警撞擊。」

桃園機場的鳥相報告，從最早與台大森林系到近年與桃園市野鳥學會合作，桃園機場一直都委請專業人員定期巡視觀察場內生態與活躍鳥種，目的就是協助鳥擊防制人員釐清最重要的兩個關鍵：「為什麼」以及「怎麼做」。

在經過長年數據收集及生態觀察後，目前桃園機場確認的常見鳥類約有 26 種，而每種鳥類常見季節、活動區域、移動時飛行高度、活動時機都不盡相同，但聚集於機場不外乎兩大原因：覓食以及棲息。在透過野鳥學會專業人士了解不同物種的習性之後，鳥擊防制人員便能根據該時期常出現的鳥種來採取不同手段達到最好防制成效。

舉例來說，常見的黃頭鷺喜歡等待捕食除草後出現的昆蟲，防制人員便著重棲地管理，避免在日間航務繁忙階段進行草坪修剪，並維持跑道周遭的草長在 30 公分左右，但草坪長度也得注意不能過長，否則便容易吸引到雉雞出現；夏季活動的台灣夜鷹則喜歡在跑道上蟄伏取暖，在入夜至清晨階段最為活躍，必須加強夜間燈光驅趕及減少場內繁殖；鴿子雖然體型不大，但由於賽鴿習慣，金屬製的腳環往往在鳥擊發生時容易造成航機的損害。

鳥相觀察報告讓鳥擊防制人員在理解環境因素是如何影響常見鳥群活動後，更能根據自然規律調整驅鳥方式，從棲息地與築巢地著手減少鳥類駐地誘因，進而達到維繫飛航安全的目的，桃園機場今年更納入蟲相調查，目的就是為了更進一步從食物鏈源頭著手。

生態保育有責但飛航安全不可妥協

保育固然重要，但機場終究得以飛安優先、將提供良好的飛航環境為最優先考量。林玉茹解釋，其實航務人員也非常清楚不可能完全抓光或避免鳥類在機場出現，威嚇及消滅終究是最終手段，與生態專家合作的目的也在於此。

林航務師指出，國外機場的鳥類防制被稱為「Bird Control」（鳥類控制），展現出防制最主要的目的是控制而非殘殺，而桃園機場現在許多防制措施也並非以致命為主，像是在水溝上及跑道旁設置鳥網時，她便要求鳥網越鮮豔、設置越明顯越好，「畢竟我們的最終目的不是要抓牠，而是希望讓鳥看到這裡有網子後請牠自動讓道。」

鳥相報告的導入也是出於這項初衷。桃園機場希望透過了解鳥類習性，儘可能在降低航機鳥擊威脅前提下兼顧生態環境保育。林玉茹航務師笑著表示，各項數據也是得仰賴懂得鳥類的生態環境專家協助才能更好理解其中資訊，在與野鳥學會合作後，雙方也更加理解彼此都是在為相同目標努力。

「鳥類比起人類更早存在於天空，但飛航安全終究無法妥協，未來也將持續朝向『共享天空』、兼顧生態保育與鳥類防制的目標前進。」

1. 桃園機場 – 野生動物活動通告
2. 鳥兒不要來！桃園國際機場鳥擊防制作業
3. 《由航空器鳥擊風險與鳥種特性分析機場鳥害防制－以桃園國際機場為例》