Loading [MathJax]/extensions/tex2jax.js

0

1
2

文字

分享

0
1
2

內地核是固態還是液態?何不問問地震波!——幫地球照一張 X 光(2)

震識:那些你想知道的震事_96
・2017/09/26 ・2653字 ・閱讀時間約 5 分鐘 ・SR值 527 ・七年級

文/洪瑞駿|國立中央大學地球科學學系-地球物理研究所碩士,對地球科學充滿好奇與想像的南部仔,因為 2006 屏東雙主震搖起對地震學的熱誠,目前在地震源與構造實驗室當個快樂的研究助理,夢想是當科學家(菸)。

編按:在前篇要怎麼知道地球的內部構造?何不問問神奇地震波!——幫地球照一張 X 光(1)一文中,提到人們開始利用地震儀探索地球內部構造,在這數十年的歲月中,又有哪些突破性的進展呢?讓我們繼~~續~~看~~下~~去!

圖/BY Apollo 17 @ wikimedia commons

「消失」的震波

如果我們將地震儀繞著地球一圈擺放,便可發現,在震央距(註 1) 某些範圍沒有 S 波訊號,僅有微弱的 P 波通過,而且震波抵達的時間比預期慢(圖ㄧ)。這便引起地震學家的注意了,畢竟如果地球內部若是均勻一致,S 波又怎麼會消失?到時(波傳到的時間)又怎麼會變慢?

對科學家而言,往往最感興趣的就是調查「不合理」的事物。1914 年,古騰堡(Beno Gutenberg)從這樣的觀測結果,推測地球內部應該有個「地核」(就如同蛋的蛋黃般)存在,使震波紀錄在地函-地核交界處出現不連續(命名為古氏不連續面,以紀念古騰堡,註 2)。從下方圖一右邊的震波走時曲線(詳見上篇介紹)可以清楚看到這個不連續的位置,筆者以紅色箭頭標示出這個異常位置,可以發現在震央距 143˚~180 ˚ 位置抵達的 P 波到時比預期晚,而且 S 波消失了,這意味著震波通過了另一個構造(事實上就是穿過了地核,當時古騰堡用 P’ 來表示)。遲到的 P 波,代表的是通過地核時「波速變慢」嗎?從觀測結果來說似乎是對的,但也不完全正確,因為介質的變化太大了,事情其實頗為複雜。

-----廣告,請繼續往下閱讀-----
圖一、若將地震儀繞地球一圈放,在各地的震波紀錄,可以清楚看到P波及S波傳遞的情形,其中在103˚~143˚圖中灰色範圍)直達的 波和 波都消失(綠色波)。圖/作者修改自IRIS

至於「S 波消失」這件事,很明顯的外核(當時認為是地核)是種「S 波無法穿透的物質」。從震央距 103˚ 開始,P 波和 S 波就會打到地核,S 波無法穿過地核而無法被接收;此外根據物理定律,P 波也因為入射角/出射角的偏離而無法被清楚記錄。直到143˚ 出現穿越地球而過的 P 波,我們稱這段範圍為陰影帶(沒有直接傳遞的 P 和 S 波),只會有些許的繞射波(註 2)被記錄到(圖三)。根據古騰堡當時的估算,這個核的深度大概是 2,900 公里,這與現代認為的 2,889 公里,僅有些微的差距。

圖二、左:若按照過去的液態地核模型,則在 103˚~143˚會出現所謂『陰影帶』,地震波無法到達這個位置。右:萊曼發現的幾個出現在陰影帶內的反射波(紅色箭頭),暗示應該有一個介面在地球深處,把震波彈回地表(Lehmann, 1936)。

「漏看」的震波

接著,在發現地核後,一直到 1930 年代前,科學家們認為有著一層地殼、地函、和液態地核。然而,進一步的發現則要等到約30 年後的 1929 年,紐西蘭的強震說起。當另一端南半球的震波穿越地球到達歐洲,丹麥地震學家萊曼(Inge Lehmann)發現到另一種不同的波相,她推測這個這個波是從震源一路穿過地球核心而來,且震波速度又與古騰堡發現的P’不盡相同。這個波相過去被視為是繞射波,然而從頻率、震幅等幾個特性暗示它與繞射波有所不同(萊曼因此稱為 P3’)。

此外,從記錄中看到在 103˚~143˚ 這段陰影帶內,其實藏著清楚的反射波,這暗示有一個介面,把震波從地核彈回地表(圖三),然而這在古騰堡發表的走時圖中並未加以討論。萊曼試著解釋這個波相,她曾在這篇 1936 年經典的文獻中寫道:

An explanation o f the P 3 ‘ wave is required, since now it can hardly be considered probable that it is due to diffraction. A hypothesis will be here suggested which seems to hold some probability, although it cannot be proved from the data at hand. We take it . . . that inside the core there is an inner core in which the velocity is larger than the outer core.

(譯)既然了解不太可能是繞射效應造成,我們便需要解釋 P3’ 波。在此提出了一個假說,雖然現在尚缺乏有力的資料證明,但我們認為…在地球核心裡面還從在一個速度更快的內核。

萊曼大膽假設,如果這個核裡面還有一個內核的話,就可以解釋她看到的現象,她假設地函 10 km/s 每秒以及地外核 8 km/s,再放入一個速度較快的內地核(圖三)。當時她僅利用直線與三角函數來計算,卻已經可以完美解釋大部分的現象!她於 1936 年發表了內地核的看法。不過,當這樣的假設通過驗證後,萊曼並沒有近一步推算更多參數(例如確切的地內核速度、大小、組成等)。後來在 1938 年當古騰堡與芮克特重新檢驗這個模型後,基本上也同意內地核的想法。

-----廣告,請繼續往下閱讀-----

接著經過幾年的驗證與討論後,越來越多的地震學者支持這樣的模型,1939 年傑佛瑞斯和布林提出了地球速度模型時(著名的 Jeffreys-Bullen Velocity Table),也將固態內地核列入考慮。

圖三、萊曼所提出的包含地內核的地球模型,能解釋陰影帶內(灰色區域)出現的反射波以及P3’(紅色箭頭)。修改自Lehmann, 1936。

由於儀器進步、日益廣泛運用,以及科學家們的細心觀察,加上時有大膽的假設與嚴謹求證。短短數十年的光景,人類已經逐漸「摸透」地球內部的主要構造。然而,並非所有研究發展都如此順遂。回溯到 1910 年代左右的時間點,除了地震學的發展外,還有個剛起步萌芽的假說:韋格納(Alfred Lothar Wegener)提出大陸會移動的想法。可惜當時人們無法解釋驅動大陸運動的成因,他的假說便被束之高閣,等到二次世界大戰後,海洋探勘的興起才能將這塊拼圖湊齊,加上地震學對於地球內部的掌握,進一步發展起板塊學說(Tectonics)以及地體動力學(Geodynamics),以至於現代,我們才能對地球有個初步的認識。

註解

  1. 震央距係指從震央開始為起點計算與測站的距離。由於地球很大,我們改用圓周角度來表示。因此通常將地球圓周分為360˚來表示距離(類似經度的概念)。
  2. 最早將此介面命名為「古氏不連續面」的典故雖已不得而知。一般在學術界也多以「核-函邊界」予以稱呼。考慮到此為科普文章,且台灣的地科教科書也多以古氏不連續面作為介紹,故本文還是用此稱呼來表示核函邊界(可參考龔慧貞老師在科學月刊 552 期的說明)。
  • Bolt, B. A. (1987) 50 years of studies on the inner core. EOS., Vol. 68, 6.
  • Bolt, B. A. & E. Hjortenberg (1994) Memorial Essay Inge Lehmann (1888-1993) Bull. Seismol. Soc. Am. Vol. 84, 1.
  • Lehmann, I. (1936) P’, Publ. Bur. Cent. Seismol. Int. Trav. Sci. Ser. A, 14, 87.
  • Lehmann, I. (1987) Seismology in the days of old. EOS., Vol. 68,3.
  • 龔慧貞,2015。談談「古氏」與「雷氏」不連續面。科學月刊 552 期。

本文轉載自震識:那些你想知道的震事,原文為《幫地球照一張 X 光 (II)地震學家如何用地震波了解地球構造?》,也歡迎追蹤粉絲頁震識:那些你想知道的震事了解更多地震事。

-----廣告,請繼續往下閱讀-----
-----廣告,請繼續往下閱讀-----
文章難易度
震識:那些你想知道的震事_96
38 篇文章 ・ 9 位粉絲
《震識:那些你想知道的震事》由中央大學馬國鳳教授與科普作家潘昌志(阿樹)共同成立的地震知識部落格。我們希望透過淺顯易懂的文字,讓地震知識走入日常生活中,同時也會藉由分享各種地震的歷史或生活故事,讓地震知識也充滿人文的溫度。

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

9
3

文字

分享

0
9
3
快!還要更快!讓國家級地震警報更好用的「都會區強震預警精進計畫」
鳥苷三磷酸 (PanSci Promo)_96
・2024/01/21 ・2584字 ・閱讀時間約 5 分鐘

本文由 交通部中央氣象署 委託,泛科學企劃執行。

  • 文/陳儀珈

從地震儀感應到地震的震動,到我們的手機響起國家級警報,大約需要多少時間?

臺灣從 1991 年開始大量增建地震測站;1999 年臺灣爆發了 921 大地震,當時的地震速報系統約在震後 102 秒完成地震定位;2014 年正式對公眾推播強震即時警報;到了 2020 年 4 月,隨著技術不斷革新,當時交通部中央氣象局地震測報中心(以下簡稱為地震中心)僅需 10 秒,就可以發出地震預警訊息!

然而,地震中心並未因此而自滿,而是持續擴建地震觀測網,開發新技術。近年來,地震中心執行前瞻基礎建設 2.0「都會區強震預警精進計畫」,預計讓臺灣的地震預警系統邁入下一個新紀元!

-----廣告,請繼續往下閱讀-----

連上網路吧!用建設與技術,換取獲得地震資料的時間

「都會區強震預警精進計畫」起源於「民生公共物聯網數據應用及產業開展計畫」,該計畫致力於跨部會、跨單位合作,由 11 個執行單位共同策畫,致力於優化我國環境與防災治理,並建置資料開放平台。

看到這裡,或許你還沒反應過來地震預警系統跟物聯網(Internet of Things,IoT)有什麼關係,嘿嘿,那可大有關係啦!

當我們將各種實體物品透過網路連結起來,建立彼此與裝置的通訊後,成為了所謂的物聯網。在我國的地震預警系統中,即是透過將地震儀的資料即時傳輸到聯網系統,並進行運算,實現了對地震活動的即時監測和預警。

地震中心在臺灣架設了 700 多個強震監測站,但能夠和地震中心即時連線的,只有其中 500 個,藉由這項計畫,地震中心將致力增加可連線的強震監測站數量,並優化原有強震監測站的聯網品質。

-----廣告,請繼續往下閱讀-----

在地震中心的評估中,可以連線的強震監測站大約可在 113 年時,從原有的 500 個增加至 600 個,並且更新現有監測站的軟體與硬體設備,藉此提升地震預警系統的效能。

由此可知,倘若地震儀沒有了聯網的功能,我們也形同完全失去了地震預警系統的一切。

把地震儀放到井下後,有什麼好處?

除了加強地震儀的聯網功能外,把地震儀「放到地下」,也是提升地震預警系統效能的關鍵做法。

為什麼要把地震儀放到地底下?用日常生活來比喻的話,就像是買屋子時,要選擇鬧中取靜的社區,才不會讓吵雜的環境影響自己在房間聆聽優美的音樂;看星星時,要選擇光害比較不嚴重的山區,才能看清楚一閃又一閃的美麗星空。

-----廣告,請繼續往下閱讀-----

地表有太多、太多的環境雜訊了,因此當地震儀被安裝在地表時,想要從混亂的「噪音」之中找出關鍵的地震波,就像是在搖滾演唱會裡聽電話一樣困難,無論是電腦或研究人員,都需要花費比較多的時間,才能判讀來自地震的波形。

這些環境雜訊都是從哪裡來的?基本上,只要是你想得到的人為震動,對地震儀來說,都有可能是「噪音」!

當地震儀靠近工地或馬路時,一輛輛大卡車框啷、框啷地經過測站,是噪音;大稻埕夏日節放起絢麗的煙火,隨著煙花在天空上一個一個的炸開,也是噪音;台北捷運行經軌道的摩擦與震動,那也是噪音;有好奇的路人經過測站,推了推踢了下測站時,那也是不可忽視的噪音。

因此,井下地震儀(Borehole seismometer)的主要目的,就是盡量讓地震儀「遠離塵囂」,記錄到更清楚、雜訊更少的地震波!​無論是微震、強震,還是來自遠方的地震,井下地震儀都能提供遠比地表地震儀更高品質的訊號。

-----廣告,請繼續往下閱讀-----

地震中心於 2008 年展開建置井下地震儀觀測站的行動,根據不同測站底下的地質條件,​將井下地震儀放置在深達 30~500 公尺的乾井深處。​除了地震儀外,站房內也會備有資料收錄器、網路傳輸設備、不斷電設備與電池,讓測站可以儲存、傳送資料。

既然井下地震儀這麼強大,為什麼無法大規模建造測站呢?簡單來說,這一切可以歸咎於技術和成本問題。

安裝井下地震儀需要鑽井,然而鑽井的深度、難度均會提高時間、技術與金錢成本,因此,即使井下地震儀的訊號再好,若非有國家建設計畫的支援,也難以大量建置。

人口聚集,震災好嚴重?建立「客製化」的地震預警系統!

臺灣人口主要聚集於西半部,然而此區的震源深度較淺,再加上密集的人口與建築,容易造成相當重大的災害。

-----廣告,請繼續往下閱讀-----

許多都會區的建築老舊且密集,當屋齡超過 50 歲時,它很有可能是在沒有耐震規範的背景下建造而成的的,若是超過 25 年左右的房屋,也有可能不符合最新的耐震規範,並未具備現今標準下足夠的耐震能力。 

延伸閱讀:

在地震界有句名言「地震不會殺人,但建築物會」,因此,若建築物的結構不符合地震規範,地震發生時,在同一面積下越密集的老屋,有可能造成越多的傷亡。

因此,對於發生在都會區的直下型地震,預警時間的要求更高,需求也更迫切。

-----廣告,請繼續往下閱讀-----

地震中心著手於人口密集之都會區開發「客製化」的強震預警系統,目標針對都會區直下型淺層地震,可以在「震後 7 秒內」發布地震警報,將地震預警盲區縮小為 25 公里。

111 年起,地震中心已先後完成大臺北地區、桃園市客製化作業模組,並開始上線測試,當前正致力於臺南市的模組,未來的目標為高雄市與臺中市。

永不停歇的防災宣導行動、地震預警技術研發

地震預警系統僅能在地震來臨時警示民眾避難,無法主動保護民眾的生命安全,若人民沒有搭配正確的防震防災觀念,即使地震警報再快,也無法達到有效的防災效果。

因此除了不斷革新地震預警系統的技術,地震中心也積極投入於地震的宣導活動和教育管道,經營 Facebook 粉絲專頁「報地震 – 中央氣象署」、跨部會舉辦《地震島大冒險》特展、《震守家園 — 民生公共物聯網主題展》,讓民眾了解正確的避難行為與應變作為,充分發揮地震警報的效果。

-----廣告,請繼續往下閱讀-----

此外,雖然地震中心預計於 114 年將都會區的預警費時縮減為 7 秒,研發新技術的腳步不會停止;未來,他們將應用 AI 技術,持續強化地震預警系統的效能,降低地震對臺灣人民的威脅程度,保障你我生命財產安全。

-----廣告,請繼續往下閱讀-----

討論功能關閉中。

1

2
0

文字

分享

1
2
0
【成語科學】滄海桑田:無時無刻不在改變的地貌
張之傑_96
・2023/06/30 ・1217字 ・閱讀時間約 2 分鐘

東晉的葛洪,號抱朴子,是位道家人物,也是位醫藥學家、博物學家。

他寫過一本《神仙傳》,書中介紹女神仙麻姑,說她壽命極長:

「已見東海三為桑田」(已三度見到東海變成桑田)。

這就是成語「滄海桑田」的由來。

桑田,泛指農田。圖/Envato Elements

滄海桑田,字面的意思是:大海變成桑田,桑田變成大海。桑田,泛指農田。這個成語比喻環境變遷,人事無常,讓我們造個句吧。

-----廣告,請繼續往下閱讀-----
  • 新北市五股區一帶,原有大片沼澤,現已消失殆盡,不免有滄海桑田之嘆。
  • 滄海桑田,有時我們有生之年就能看到,新竹香山的海埔新生地就是個例子。

知道了成語滄海桑田的含意,也學會了怎麼使用這個成語,接下去要談談它的科學意義了。小朋友首先得了解,滄海桑田確有其事,不僅僅只是個形容詞而已。

當年章老師在國中任教時,曾帶領學生到山上採集昆蟲標本。在山路一側的崖壁上,無意中看到貝類化石。細看之下,有牡蠣、貽貝、蛤蜊、海扇等,還有棘皮動物類的海膽。牠們可都是海洋生物,怎會跑到山上?章老師趁機給同學們上了一堂地球科學課程。

地球從地表到地心分成三層:地殼、地函和地核。圖/維基百科

地球從地表到地心,明顯分成三層:地殼、地函和地核。地殼由板塊拼合而成,可說是「浮」在地函上。約 600 萬年前,菲律賓海板塊向北移動,撞向歐亞板塊,將中國大陸東南沿海的大陸斜坡抬高,逐漸形成一座島嶼——就是我們台灣啊!到 300 萬年前,大致已成為今天的樣貌。

既然台灣島是大陸斜坡隆起形成的,我們在山上找到海洋生物化石也就不足為奇了。菲律賓海板塊撞向歐亞板塊,這一造山運動迄今仍在進行,中央山脈每年仍升高約 3 公分呢!

-----廣告,請繼續往下閱讀-----

台灣海峽很淺,大部份不到 100 公尺。冰河時期,大量的水變成冰,堆積在南北極和高緯度地,造成海水減少,海面下降,這時台灣海峽就露出海面。冰河期結束,大地回暖,海面上升,台灣和大陸再次隔海相望。自從台灣島形成以來,已不知分合多少次了。

2022 年台灣的樣子!圖/維基百科

最近的一次冰河期,發生在距今 2.5~1.8 萬年前,海面較現今約低 130 公尺,台灣海峽變成陸地,許多動物從大陸徒步遷徙到台灣,包括大象、犀牛和古人類(左鎮人)。左鎮人距今約 1 萬年,和北京周口店發現的山頂洞人差不多同一時期。

我們能想像台灣島是從海中隆起的嗎?我們能想像台灣海峽曾經乾涸成陸地嗎?滄海桑田豈只是個形容詞而已!

-----廣告,請繼續往下閱讀-----
所有討論 1
張之傑_96
103 篇文章 ・ 224 位粉絲
張之傑,字百器,出入文理,著述多樣,其中以科普和科學史較為人知。