0

0
0

文字

分享

0
0
0

有關「地震」到底該教什麼?走入災害情境,認識過去的震災

震識:那些你想知道的震事_96
・2018/03/19 ・3940字 ・閱讀時間約 8 分鐘 ・SR值 531 ・七年級

  • 文/單信瑜 │ 國立交通大學土木工程學系副教授

首先我先簡單聲明,我只是經常在各級政府機關和學校進行防災演講的講師,並非研究地震科學或地震工程的專家學者,同時,我對於目前國民中、小學的教育內容並不熟悉。我僅是利用自己對地震的基本認識、歷年蒐集的地震災害文獻與照片和科學和工程研究成果,做出演講的材料對政府機關人員和學校師長進行地震防災的風險溝通講師。

而這些年來我在全國各國中小校園的防災演講,總數應該有一百多場了,其中大概有一半的場次是以地震災害防救為主題,讓我有充分的機會透過和在場學員的互動,了解在國中小裡面老師們對於地震的基本認識和對防災的態度。而從上述經驗,我進一步整理了自己過去的防災教育策略,並以此文分享對防災教育的看法。

國小防災演練。 圖/教育部

很少人答對的問題:「台灣歷史上死亡人數最多的地震是哪一場地震?」

一直以來,我在各級學校對教師進行地震災害防救的相關研習,都會問學員幾個問題,例如:「台灣歷史上死亡人數最多的地震是哪一場地震?發生在哪一年?有多少人死亡?」、「台灣有多少活動斷層?」、「距離本校最近的活動斷層是哪一條?」、「本校所在縣市或區域過去曾經發生造成重大災害的地震是哪一場地震?發生在哪一年?災情有多嚴重?」、「九二一地震有多少人死亡?」等問題,幾乎都沒有在場的學員答對過

對於「台灣歷史上死亡人數最多的地震是哪一場地震?」我聽過的答案大多數是1999年的九二一地震,也有人提到過1903年的梅山地震、1964年的白河地震,但其實答案是1935年的「關刀山地震」,在這三、四年以來現場只有一位學員正確回答。

關刀山地震後關刀山頂的變化,圖中可見清楚的地表破裂(黑色陰影處)。關刀山地震,正式紀載為「1935 年新竹─台中地震」,為臺灣有紀錄以來,單次地震死亡人數最多的地震,這場規模 7.1  的大地震,造成 3276 人死亡,遠遠多於九二一地震的 2415 人。 圖/總督府殖產局〈大安溪地震調查報告〉,大江二郎編。《臺灣舊照片資料庫

甚至於在新竹縣獅潭鄉、台中市后里區、台中市神岡區這些 1935 年新竹─台中地震重災區的學校,更是沒有任何一位老師知道這重要的地震。而我自己也是在今年初造訪獅潭國小時,校長告知有來自日本的師生到公墓亂草中找到紀念碑,拓下上面的文字,並帶領著我去看這個慰靈碑才知道。至於在后里、神岡的紀念碑則是其他場合偶然才得知的。

回顧我自己的教育過程,即使自認為是一個土木工程的專業人士,但在九二一地震之前的我,即使已經在大學任教,我也像是前述的演講對象一樣,對於台灣的地震災害歷史一無所知。前述的問題,我一個也回答不出來。

-----廣告,請繼續往下閱讀-----

對我來說,這些年在演講現場的互動所累積的經驗,讓我對照到這些年在推動校園防災和縣市政府與鄉鎮市區公所防災工作面臨的困難。其中,最關鍵的就是在風險溝通上的困難,而呈現出來的就是學校師長與家長和各級政府災害防救相關業務人員對災害風險認知極度偏低。

多年前,當我剛開始接觸校園防災推動的相關工作和基層地方政府防災工作的時候,我有極強烈的感受,就是學校教職員和基層公務員都不重視防災。我可以想出很多形容詞來描述他們,例如:「沒有風險意識、不懂災害的可怕、不重視學生或民眾的安全、不願意負起應負的責任……..」甚至於更難聽的描述,像是「不見棺材不掉淚」,而我認識的許多人還繼續在用這樣的話語來形容他們所接觸過的學校教職員和基層政府公務人員。

不是不重視,而是沒人教我們正視

可是最近以來,當我和一些伙伴們深入校園去演講,到各級政府去講習,不斷地經過訪視、訪談和他們接觸,並且聽其言、觀其行之後,讓我對很多自己過去的印象改觀。實際上,有許多人已經在他們的能力範圍之內,為防災工作付出了許多。上至縣市首長、局處長,一直到鄉鎮市區長,下至公所災防辦約聘僱的職員,或是學校的校長、主任、組長一直到代課老師。

那麼問題在哪?我可以明確地說,過去我們和基層的教職員和公務員的「溝通方法」不對,「溝通內容」也不對。當彼此間沒有很快地有效建立起基本的共同價值來延續之後的溝通(包括態度、知識、技能的傳達或訓練),那麼無論是研習、演講、座談、訪視,不僅都將是無效的,甚至於有可能造成負面的效果。

-----廣告,請繼續往下閱讀-----
溝通與知識傳達的障礙是防災教育幕後工作亟待克服的癥結。 圖/www_slon_pics @Pixabay

問題也不在態度是嚴肅還是輕鬆,我們可以詼諧、也可以不苟言笑,這些需因地、因人制宜,交互運用。關鍵在於需秉持一個信念:所有在場的人,都可能因為這一場演講或訪視而改變態度;進而影響更多人,更願意投入防救災的工作,透過有效的減災、整備、應變、復原,讓很多人可以保護生命財產的安全或者快速恢復安和樂利的生活。

沒有哪個人是我們無法改變或影響的,只有我們努力不夠、方法不對。要改變別人之前,我們要先改變自己。當我們要他人「易位思考」之前,我們自己必須先「易位思考」。就像是看到某些自詡為防災專家的人且曾經為高權重的人,不斷指責社會不重視防救災,開始批判起社會大眾和政府體系時,我也只能說他們看不到自己的盲點。當我們掌握話語權時,如果不能以足夠的、充分的科學證據和災害歷史數據來佐證自己的態度和理論與指導,光是拼湊堆砌出看似宏觀的空中樓閣,終究無法從根本打動人心,甚至於指出他們可以立即著手從自己可以做起的行動;其結果必然是落入怨天尤人的惡性循環。

帶入情境思考的防災教育走入災害情境

反省個人過去經驗,我發現,要進行防救災工作的教育訓練,首先必須進行風險溝通,強化風險覺察和提升風險認知。因此,當我在各級政府單位和學校的防災研習中,不再是以講授「災害防救法令與體系」、「地區災害防救計畫檢討與編撰」、「校園災害防救計畫編撰」、「校園災害管理」等為主要內容,而是以台灣的歷史災害和災害情勢切入,包括:九二一地震、新竹─台中地震以及其他的歷史地震,或者是莫拉克風災、納莉風災、八七水災或其他歷次颱風對於當地造成的災情,或是再加上以日本在東日本大震災、阪神淡路大震災的災情和處置來作為演講主題時,我發現以歷史災害來讓聽眾進入災害情境,進行風險溝通,然後再談災害防救工作,則是相對較能達到效果的。

臺灣新聞社編輯(昭和 10 年 ( 1935 ))。[ 昭和十年台湾大震災記念画報 臺灣大震災記念畫報 ]。 圖/《數位典藏與數位學習聯合目錄
311 東日本大地震岩手縣大船渡市被海嘯破壞四散的房屋和汽車。除了臺灣地震的認識,世界各地地震經驗的介紹也能加強防災教育的完整性。 圖/wikipedia

因此,我的做法會是在這些演講中採用了許多鄭世楠教授整理的歷史地震資料,並引用馬國鳳教授團隊做的台灣未來地震危害度的預估。穿插了九二一地震、0206美濃地震的災害照片;設法從地震歷史、帶到地震工程、地震科學,再帶入地震災害管理、防救災作為,是較容易讓聽眾了解地震災害全貌和防救災工作的內涵與重要性的。不過這樣的內容往往需要兩、三個小時以上,才能夠稍具完整性。

-----廣告,請繼續往下閱讀-----

鑑古知今是防災教育的良好素材

就個人經驗來說,地震災害的教育需要先針對學校的師長著手。拋開在基礎教育中已經有的科學內容,用大量的歷史資料,甚至於納入包括日治時期「昭和十年台湾大震災記念画報」的照片,以及「昭和十年新竹州震災誌」、「昭和十年台中州震災誌」的數據等,以及鄭世楠、葉永田教授等分析與彙整的相關資料,才可以讓現場的聽眾進入當時地震的情境,並了解台灣地震的頻率與規模和不確定性超乎他們的想像。

《昭和十年台灣震災志》書影。關注歷史地震也是幫助民眾了解臺灣地震重要的一環。 圖/國史館臺灣文獻館

回過頭來思考,這些老師們和防救災業務人員們,一樣都是從我們的教育體制下完成國民教育,但是他們對於台灣的災害歷史卻幾乎一無所知。對於災害風險的認知僅及於個人或家人經歷的,因為缺乏災害歷史知識,所以媒體上報導的國外災害也並不會讓他們產生內在連結。所以,我個人認為:

要提升台灣民眾的防災素養,最重要的不只是各種防救災的避難疏散程序,還有地震災害的歷史

非常感謝馬國鳳教授邀約撰稿,讓我有機會整理一下個人在近年進行演講的經驗。希望這些淺薄的經驗能夠達到拋磚引玉的效果,讓更多真正的地震科學與工程專家,以及在社會科學方面研究災害的學者專家,能夠一起蒐集並精鍊出更好的資料作為國民教育的教材;同時也能夠一起來參與學校師資培育或研習的課程,也參與對政府官員或一般民眾的演講。希望透過更多人的努力,更能夠深化全國民眾的台灣災害風險意涵,願意付出更多的努力和資源在個人或社會的災害風險降低(Disaster risk reduction)工作上。

參考資料:

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

3
3

文字

分享

0
3
3
圖形處理單元與人工智慧
賴昭正_96
・2024/06/24 ・6944字 ・閱讀時間約 14 分鐘

-----廣告,請繼續往下閱讀-----

  • 作者/賴昭正|前清大化學系教授、系主任、所長;合創科學月刊

我擔心人工智慧可能會完全取代人類。如果人們能設計電腦病毒,那麼就會有人設計出能夠自我改進和複製的人工智慧。 這將是一種超越人類的新生命形式。

——史蒂芬.霍金(Stephen Hawking) 英國理論物理學家

大約在八十年前,當第一台數位計算機出現時,一些電腦科學家便一直致力於讓機器具有像人類一樣的智慧;但七十年後,還是沒有機器能夠可靠地提供人類程度的語言或影像辨識功能。誰又想到「人工智慧」(Artificial Intelligent,簡稱 AI)的能力最近十年突然起飛,在許多(所有?)領域的測試中擊敗了人類,正在改變各個領域——包括假新聞的製造與散佈——的生態。

圖形處理單元(graphic process unit,簡稱 GPU)是這場「人工智慧」革命中的最大助手。它的興起使得九年前還是個小公司的 Nvidia(英偉達)股票從每股不到 $5,上升到今天(5 月 24 日)每股超過 $1000(註一)的全世界第三大公司,其創辦人(之一)兼首席執行官、出生於台南的黃仁勳(Jenson Huang)也一躍成為全世界排名 20 內的大富豪、台灣家喻戶曉的名人!可是多少人了解圖形處理單元是什麼嗎?到底是時勢造英雄,還是英雄造時勢?

黃仁勳出席2016年台北國際電腦展
Nvidia 的崛起究竟是時勢造英雄,還是英雄造時勢?圖/wikimedia

在回答這問題之前,筆者得先聲明筆者不是學電腦的,因此在這裡所能談的只是與電腦設計細節無關的基本原理。筆者認為將原理轉成實用工具是專家的事,不是我們外行人需要了解的;但作為一位現在的知識分子或公民,了解基本原理則是必備的條件:例如了解「能量不滅定律」就可以不用仔細分析,即可判斷永動機是騙人的;又如現在可攜帶型冷氣機充斥市面上,它們不用往室外排廢熱氣,就可以提供屋內冷氣,讀者買嗎?

CPU 與 GPU

不管是大型電腦或個人電腦都需具有「中央處理單元」(central process unit,簡稱 CPU)。CPU 是電腦的「腦」,其電子電路負責處理所有軟體正確運作所需的所有任務,如算術、邏輯、控制、輸入和輸出操作等等。雖然早期的設計即可以讓一個指令同時做兩、三件不同的工作;但為了簡單化,我們在這裡所談的工作將只是執行算術和邏輯運算的工作(arithmetic and logic unit,簡稱 ALU),如將兩個數加在一起。在這一簡化的定義下,CPU 在任何一個時刻均只能執行一件工作而已。

-----廣告,請繼續往下閱讀-----

在個人電腦剛出現只能用於一般事物的處理時,CPU 均能非常勝任地完成任務。但電腦圖形和動畫的出現帶來了第一批運算密集型工作負載後,CPU 開始顯示心有餘而力不足:例如電玩動畫需要應用程式處理數以萬計的像素(pixel),每個像素都有自己的顏色、光強度、和運動等, 使得 CPU 根本沒辦法在短時間內完成這些工作。於是出現了主機板上之「顯示插卡」來支援補助 CPU。

1999 年,英偉達將其一「具有集成變換、照明、三角形設定/裁剪、和透過應用程式從模型產生二維或三維影像的單晶片處理器」(註二)定位為「世界上第一款 GPU」,「GPU」這一名詞於焉誕生。不像 CPU,GPU 可以在同一個時刻執行許多算術和邏輯運算的工作,快速地完成圖形和動畫的變化。

依序計算和平行計算

一部電腦 CPU 如何計算 7×5+6/3 呢?因每一時刻只能做一件事,所以其步驟為:

  • 計算 7×5;
  • 計算 6/3;
  • 將結果相加。

總共需要 3 個運算時間。但如果我們有兩個 CPU 呢?很多工作便可以同時(平行)進行:

-----廣告,請繼續往下閱讀-----
  • 同時計算 7×5 及 6/3;
  • 將結果相加。

只需要 2 個運算時間,比單獨的 CPU 減少了一個。這看起來好像沒節省多少時間,但如果我們有 16 對 a×b 要相加呢?單獨的 CPU 需要 31 個運算的時間(16 個 × 的運算時間及 15 個 + 的運算時間),而有 16 個小 CPU 的 GPU 則只需要 5 個運算的時間(1 個 × 的運算時間及 4 個 + 的運算時間)!

現在就讓我們來看看為什麼稱 GPU 為「圖形」處理單元。圖一左圖《我愛科學》一書擺斜了,如何將它擺正成右圖呢? 一句話:「將整個圖逆時針方向旋轉 θ 即可」。但因為左圖是由上百萬個像素點(座標 x, y)組成的,所以這句簡單的話可讓 CPU 忙得不亦樂乎了:每一點的座標都必須做如下的轉換

x’ = x cosθ + y sinθ

y’ = -x sinθ+ y cosθ

-----廣告,請繼續往下閱讀-----

即每一點均需要做四個 × 及兩個 + 的運算!如果每一運算需要 10-6 秒,那麼讓《我愛科學》一書做個簡單的角度旋轉,便需要 6 秒,這豈是電動玩具畫面變化所能接受的?

圖形處理的例子

人類的許多發明都是基於需要的關係,因此電腦硬件設計家便開始思考:這些點轉換都是獨立的,為什麼我們不讓它們同時進行(平行運算,parallel processing)呢?於是專門用來處理「圖形」的處理單元出現了——就是我們現在所知的 GPU。如果一個 GPU 可以同時處理 106 運算,那上圖的轉換只需 10-6 秒鐘!

GPU 的興起

GPU 可分成兩種:

  • 整合式圖形「卡」(integrated graphics)是內建於 CPU 中的 GPU,所以不是插卡,它與 CPU 共享系統記憶體,沒有單獨的記憶體組來儲存圖形/視訊,主要用於大部分的個人電腦及筆記型電腦上;早期英特爾(Intel)因為不讓插卡 GPU 侵蝕主機的地盤,在這方面的研發佔領先的地位,約佔 68% 的市場。
  • 獨立顯示卡(discrete graphics)有不與 CPU 共享的自己專用內存;由於與處理器晶片分離,它會消耗更多電量並產生大量熱量;然而,也正是因為有自己的記憶體來源和電源,它可以比整合式顯示卡提供更高的效能。

2007 年,英偉達發布了可以在獨立 GPU 上進行平行處理的軟體層後,科學家發現獨立 GPU 不但能夠快速處理圖形變化,在需要大量計算才能實現特定結果的任務上也非常有效,因此開啟了為計算密集型的實用題目編寫 GPU 程式的領域。如今獨立 GPU 的應用範圍已遠遠超出當初圖形處理,不但擴大到醫學影像和地震成像等之複雜圖像和影片編輯及視覺化,也應用於駕駛、導航、天氣預報、大資料庫分析、機器學習、人工智慧、加密貨幣挖礦、及分子動力學模擬(註三)等其它領域。獨立 GPU 已成為人工智慧生態系統中不可或缺的一部分,正在改變我們的生活方式及許多行業的遊戲規則。英特爾在這方面發展較遲,遠遠落在英偉達(80%)及超微半導體公司(Advance Micro Devices Inc.,19%,註四)之後,大約只有 1% 的市場。

-----廣告,請繼續往下閱讀-----
典型的CPU與GPU架構

事實上現在的中央處理單元也不再是真正的「單元」,而是如圖二可含有多個可以同時處理運算的核心(core)單元。GPU 犧牲大量快取和控制單元以獲得更多的處理核心,因此其核心功能不如 CPU 核心強大,但它們能同時高速執行大量相同的指令,在平行運算中發揮強大作用。現在電腦通常具有 2 到 64 個核心;GPU 則具有上千、甚至上萬的核心。

結論

我們一看到《我愛科學》這本書,不需要一點一點地從左上到右下慢慢掃描,即可瞬間知道它上面有書名、出版社等,也知道它擺斜了。這種「平行運作」的能力不僅限於視覺,它也延伸到其它感官和認知功能。例如筆者在清華大學授課時常犯的一個毛病是:嘴巴在講,腦筋思考已經不知往前跑了多少公里,常常為了追趕而越講越快,將不少學生拋到腦後!這不表示筆者聰明,因為研究人員發現我們的大腦具有同時處理和解釋大量感官輸入的能力。

人工智慧是一種讓電腦或機器能夠模擬人類智慧和解決問題能力的科技,因此必須如人腦一樣能同時並行地處理許多資料。學過矩陣(matrix)的讀者應該知道,如果用矩陣和向量(vector)表達,上面所談到之座標轉換將是非常簡潔的(註五)。而矩陣和向量計算正是機器學習(machine learning)演算法的基礎!也正是獨立圖形處理單元最強大的功能所在!因此我們可以了解為什麼 GPU 會成為人工智慧開發的基石:它們的架構就是充分利用並行處理,來快速執行多個操作,進行訓練電腦或機器以人腦之思考與學習的方式處理資料——稱為「深度學習」(deep learning)。

黃仁勳在 5 月 22 日的發布業績新聞上謂:「下一次工業革命已經開始了:企業界和各國正與英偉達合作,將價值數萬億美元的傳統資料中心轉變為加速運算及新型資料中心——人工智慧工廠——以生產新商品『人工智慧』。人工智慧將為每個產業帶來顯著的生產力提升,幫助企業降低成本和提高能源效率,同時擴大收入機會。」

附錄

人工智慧的實用例子:下面一段是微軟的「copilot」代書、谷歌的「translate」代譯之「one paragraph summary of GPU and AI」。讀完後,讀者是不是認為筆者該退休了?

-----廣告,請繼續往下閱讀-----

GPU(圖形處理單元)和 AI(人工智慧)之間的協同作用徹底改變了高效能運算領域。GPU 具有平行處理能力,特別適合人工智慧和機器學習所需的複雜資料密集運算。這導致了影像和視訊處理等領域的重大進步,使自動駕駛和臉部辨識等技術變得更加高效和可靠。NVIDIA 開發的平行運算平台 CUDA 進一步提高了 GPU 的效率,使開發人員能夠透過將人工智慧問題分解為更小的、可管理的、可同時處理的任務來解決這些問題。這不僅加快了人工智慧研究的步伐,而且使其更具成本效益,因為 GPU 可以在很短的時間內執行與多個 CPU 相同的任務。隨著人工智慧的不斷發展,GPU 的角色可能會變得更加不可或缺,推動各產業的創新和新的可能性。大腦透過神經元網路實現這一目標,這些神經元網路可以獨立但有凝聚力地工作,使我們能夠執行複雜的任務,例如駕駛、導航、觀察交通信號、聽音樂並同時規劃我們的路線。此外,研究表明,與非人類動物相比,人類大腦具有更多平行通路,這表明我們的神經處理具有更高的複雜性。這個複雜的系統證明了我們認知功能的卓越適應性和效率。我們可以一邊和朋友聊天一邊走在街上,一邊聽音樂一邊做飯,或一邊聽講座一邊做筆記。人工智慧是模擬人類腦神經網路的科技,因此必須能同時並行地來處理許多資料。研究人員發現了人腦通訊網路具有一個在獼猴或小鼠中未觀察獨特特徵:透過多個並行路徑傳輸訊息,因此具有令人難以置信的多任務處理能力。

註解

(註一)當讀者看到此篇文章時,其股票已一股換十股,現在每一股約在 $100 左右。

(註二)組裝或升級過個人電腦的讀者或許還記得「英偉達精視 256」(GeForce 256)插卡吧?

(註三)筆者於 1984 年離開清華大學到 IBM 時,就是參加了被認為全世界使用電腦時間最多的量子化學家、IBM「院士(fellow)」Enrico Clementi 的團隊:因為當時英偉達還未有可以在 GPU 上進行平行處理的軟體層,我們只能自己寫軟體將 8 台中型電腦(非 IBM 品牌!)與一大型電腦連接來做平行運算,進行分子動力學模擬等的科學研究。如果晚生 30 年或許就不會那麼辛苦了?

-----廣告,請繼續往下閱讀-----

(註四)補助個人電腦用的 GPU 品牌到 2000 年時只剩下兩大主導廠商:英偉達及 ATI(Array Technology Inc.)。後者是出生於香港之四位中國人於 1985 年在加拿大安大略省成立,2006 年被超微半導體公司收購,品牌於 2010 年被淘汰。超微半導體公司於 2014 年 10 月提升台南出生之蘇姿豐(Lisa Tzwu-Fang Su)博士為執行長後,股票從每股 $4 左右,上升到今天每股超過 $160,其市值已經是英特爾的兩倍,完全擺脫了在後者陰影下求生存的小眾玩家角色,正在挑戰英偉達的 GPU 市場。順便一題:超微半導體公司現任總裁(兼 AI 策略負責人)為出生於台北的彭明博(Victor Peng);與黃仁勳及蘇姿豐一樣,也是小時候就隨父母親移居到美國。

(註五)

延伸閱讀

  • 熱力學與能源利用」,《科學月刊》,1982 年 3 月號;收集於《我愛科學》(華騰文化有限公司,2017 年 12 月出版),轉載於「嘉義市政府全球資訊網」。
  • 網路安全技術與比特幣」,《科學月刊》,2020 年 11 月號;轉載於「善科教育基金會」的《科技大補帖》專欄。
文章難易度

討論功能關閉中。

賴昭正_96
43 篇文章 ・ 56 位粉絲
成功大學化學工程系學士,芝加哥大學化學物理博士。在芝大時與一群留學生合創「科學月刊」。一直想回國貢獻所學,因此畢業後不久即回清大化學系任教。自認平易近人,但教學嚴謹,因此穫有「賴大刀」之惡名!於1982年時當選爲 清大化學系新一代的年青首任系主任兼所長;但壯志難酬,兩年後即辭職到美留浪。晚期曾回台蓋工廠及創業,均應「水土不服」而鎩羽而歸。正式退休後,除了開始又爲科學月刊寫文章外,全職帶小孫女(半歲起);現已成七歲之小孫女的BFF(2015)。首先接觸到泛科學是因爲科學月刊將我的一篇文章「愛因斯坦的最大的錯誤一宇宙論常數」推薦到泛科學重登。

0

2
2

文字

分享

0
2
2
地震教育大會考!你有辦法逃出地牛翻身的魔掌嗎?
鳥苷三磷酸 (PanSci Promo)_96
・2023/12/16 ・2882字 ・閱讀時間約 6 分鐘

-----廣告,請繼續往下閱讀-----

本文由 交通部中央氣象署 委託,泛科學企劃執行。

  • 文/陳儀珈

網路上不乏有外國人來臺灣旅遊時,巧遇地震而大驚失色的影片紀錄;比起驚慌失措的外國旅客,畫面中的臺灣人總是顯得游刃有餘、不驚不躁。

畢竟,對於自家就在環太平洋地震帶的臺灣人來說,地震可以說是家常便飯,除非是國家級警報大響,多數臺灣人仍然都能在談笑風生間,平靜地度過地震的搖晃。

然而,這真的就代表你我真的更懂地震、更懂得如何逃命嗎?接下來,不妨來測試看看自己對地震有多了解吧!

-----廣告,請繼續往下閱讀-----

問:地震來了,要趕快尋找「黃金三角」躲起來?

921 大地震後,「黃金三角」的理論突然在臺灣瘋傳。這個理論假設當建築物倒塌的時候,會在大型家具旁邊形成一個讓人們存活下來三角空間,藉此呼籲大家躲在大型家具的旁邊來保命。如果這個家具越大、越堅硬,因為家具不容易變形或損壞,人們生存下來的機率就越大。

看到這裡,你覺得這個理論正確嗎?

這是一個在臺灣流傳多年的地震逃難說法,乍聽下來或許合理,但大家仔細想想,應該就可以發現它的嚴重漏洞:地震來襲時,你覺得人們是被崩塌的房屋壓死的機率比較高,還是比較有可能被掉落物砸傷呢?

當然是後者!

-----廣告,請繼續往下閱讀-----

因此,黃金三角理論最嚴重的錯誤之一,就是它假定建築物都會被地震「震毀」,讓屋樑、柱子倒塌,並且只關注於如何在崩塌的梁柱中尋找求生空間。但如此一來,就忽略了我們在地震期間更容易面對的非結構性的威脅,例如掉落的電燈、傾倒的衣櫃、震碎的窗戶玻璃。

除此之外,要在短短幾分鐘內找出黃金三角的位置,甚至奔跑到你認定的生存空間,也是非常不切實際的想像。在大地震來襲時,我們不讓自己跌倒都很困難了,更別說是跑向特定位置了,那是天方夜譚啊!

答:錯誤!請遵守趴下、 掩護、穩住三步驟

因此,比起尋找可能不存在的黃金三角,請盡快趴下,並尋找掩護物抓緊桌腳,盡量穩住自己的身體,才是相對安全的保命行動唷!

地震時,「趴下、掩護、穩住」才是王道!

許多專家指出,房屋搖晃時,可能造成大型家具移位,甚至是物品掉落砸傷人。
我們無法判斷家具倒下的方向,因此躲在旁邊反而可能因此被壓住。

-----廣告,請繼續往下閱讀-----

問:不用太緊張啦~反正地震來之前,國家級警報都會提醒我?

在現行的地震預警系統技術中,地震發生後,氣象署可以使用短短數秒地震波,搭配過往地震資料和地形效應形成的經驗公式,快速計算出該次地震的預估規模和預估震度。

當氣象署預估該次地震的規模超過 5 時,會透過通訊技術,將警報傳送到預估震度大於 4 級的地區民眾手機上,讓民眾可以在地震波傳到之前,聽到震耳欲聾的警報,掌握黃金的幾秒鐘避難。

然而,這不代表每一次大地震前,你我都可以提早收到地震警報!

為什麼呢?

-----廣告,請繼續往下閱讀-----

屏除手機的硬體限制,或是設定錯誤等狀況,仍有許多原因導致我們無法提早接收預警。其中,目前尚難以 100% 克服、也最常見的原因是「預警盲區」。

當我們距離震央太近時,即使氣象署已經花費極少時間完成運算、發布警報了,也有可能跟不上地震波傳遞的速度,使得地震波傳播到我們腳下之後,手機才開始警鈴大作,因此發生「震完才響」或是「邊震邊響」的狀況。

答:錯誤!警報是震後預警,不一定可以在震前警告大家唷~

擁有地震預警技術和國家級警報,並不等於臺灣民眾永遠的保命符!

地震預警並非地震預測,無法保證在地震之前警告所有民眾撤離,而且礙於地震科學和地震觀測的歷史太年輕,人類的經驗公式、對地球的了解都尚未成熟,當震源位於外海或是震源太深時,都有可能影響預警的準確性。

-----廣告,請繼續往下閱讀-----

即使地震預警技術已經是目前人類最有效的防震減災方法之一,大家仍然不可忘記做好地震避難演練,日常就必須做好各式防震的措施和準備唷!

​問:臺灣有可能發生規模大於 10 的地震嗎?

回顧 20 幾年前在臺灣造成最嚴重震災的「921 大地震」,車籠埔斷層的劇烈錯動,造成了規模 7.3 的大地震,在千萬臺灣人民的心中烙下不可抹滅的傷痛。

規模 7.3 就造成如此可怕的傷亡,如果哪天臺灣發生規模 10,甚至是規模 20 的地震,那該會有多可怕?在思考類似這類型「What if」的問題之前,我們首先要討論的是,發生這種情況的機率,到底高不高!

所謂的「規模」,是我們人類為了描述地震能量大小所發展出的單位,地震學界也發展出許多不同計算規模的方式,例如我們臺灣人最熟悉的芮氏規模,還有地震矩規模、表面波規模、體波規模等等。

-----廣告,請繼續往下閱讀-----

為了方便大家理解,本文將使用「地震矩規模」的計算方式來想像:如果臺灣發生規模 12 的地震,到底會發生什麼事情?

根據地震科學家的研究顯示,若斷層的面積越大、滑移量越長,會造成規模更大的地震,因此,在地震矩規模的公式原理中,即是透過斷層的面積和滑移量來描述地震的能量大小。

以歷史上赫赫有名的地震為例,2004 年的印尼蘇門答臘地震規模 9.3,斷層面積為 1,300 公里乘上 200 公里,滑移量為 11 公尺;1906 年的美國舊金山地震規模 7.8,斷層面積為 470 公里乘以 20 公里,滑移量為 4 公尺;臺灣人的惡夢—— 921大地震中,車籠埔斷層造成了規模 7.3 的地震,面積為 2,000 平方公里,滑移量為 3 公尺。

歷史地震斷層面積比一比!

若要催生出規模 12 的地震,以面積為 2,000 平方公里的車籠埔斷層為例,
大概需要造成 0.2 兆公里的錯移量!拜託~地球的圓周長也不過 4 萬多公里呢!

-----廣告,請繼續往下閱讀-----

答:錯誤!根據臺灣的地體構造,形成規模 8 以上地震的機率不高

由此可知,雖然根據人類的定義,可以描述出規模 12 的大地震,但我們必須考量地球各處的地體構造條件。在現實生活中,無論是斷層的面積還是滑移量,都不可能無限大!

地函深處的溫度非常高,因此隨著岩層越往地函深處移動,岩石也會變得越來越「不脆」,無法累積應力、產生地震,就像是我們難以在黏土上造成劇烈的震動一樣。

熟悉不等於理解,理解不等於會行動!

臺灣每天都能偵測到 100 次左右的地震,然而,並不代表熟悉地震的我們,都懂得如何與地震共存、不被網路謠言煽動。

即使面對錯誤的說法有一定的抗性,理解了地震的原理和避難守則,事到臨頭時,也不一定能夠及時反應。

因此,防震、防災的演練和教育必須從生活做起!每年 9 月 21 日國家防災日時,請大家務必落實地震避難演練行動,平日備好地震包、檢查家中家具的擺放位置,針對老屋建築進行防震補強。如此一來,才能在地震頻頻的島嶼上,保護好你我的生命財產安全唷!

討論功能關閉中。

0

8
4

文字

分享

0
8
4
天氣學家看《天氣之子》:雨災不只是淹水,是極端氣候下的慢性死亡
Y.-S. Lu
・2022/03/29 ・4824字 ・閱讀時間約 10 分鐘

-----廣告,請繼續往下閱讀-----

新海誠,對大家來說是這五年高品質動畫電影的代表,不管是《你的名字》、《天氣之子》,都讓大家耳熟能詳,而其中的災害主題則扣住了他的愛情主題,不論隕石來時的避難,或是氣候異常的降雨,都是非常值得討論的主題。

筆者做為大氣科學從業人員,本篇文章,想要從《天氣之子》來討論極端氣候,因為極端氣候不僅是聯合國《永續發展目標 (Sustainable Development Goals)》的主要議題,也在近年來深深地影響人們生活。

天氣之子的氣候狀況

這次新海誠用了一個很大膽的主題,也就是主角再也不是為了地球飛去宇宙深處作戰的女高中生(《星之聲》),也不是挽救過去將被隕石毀滅的村子的男高中生(《你的名字》),而是在犯罪邊緣的少年少女,而他們並未為了日本跟地球,而犧牲自己成為人柱。

從某個角度來說,人都有年輕不懂事過,為了愛犧牲理性也非意想不到,但是主角在「拯救世界」與「拯救戀人」之間,選擇戀人而放棄世界,也算是少有的故事情節,因此開映之後,的確造成了一些話題性。

不過,筆者比較有興趣的,是其中的降雨情節。日本降雨從 2021 年持續到 2024 年,的確是不可能的,除了要有足夠的水氣,以及足夠的對流將氣團推往較冷的高空外,還須要足夠的氣溶膠來形成足夠大的水滴,才有機會造成降雨。

-----廣告,請繼續往下閱讀-----

如果電影中的「神」希望靠物理作用,讓日本持續下雨三年,那我想這不會是對流造成的雨:因為在連續降雨而缺乏晴天的日本,潛熱(單純的水蒸發與植物的發散作用)與顯熱(因為地表與空氣溫差造成的熱量傳播)都將成歷史。在夏天時,缺乏地面形成低氣壓的情況下,也無法產生梅雨所需要的對流作用。

所以最有可能的,就是在太平洋上,生成一個熱帶性低氣壓造成的風暴,但又因為氣壓帶的影響,讓此風暴持續盤旋在日本外海,替日本帶來大量的水氣。

要造成三年的連續降雨,最可能的情況就是在太平洋上,生成一個熱帶性低氣壓造成的風暴。圖/envato elements

這樣的風暴若持續一整年不停歇,即使粗估每小時不到 2mm 的降雨量,一年下來也會帶給日本超過 10000mm 的降雨。日本年均降雨約在 1500mm 到 1800mm 左右,此風暴將造成四到五倍的年降雨量,這可能會對日本造成破壞力僅次於《日本沉沒》的最大自然災害。也就是說,光是一直下雨,的確有可能淹沒整個日本的都會區。實際上,2021 年的夏天,德國西部與比利時東部大小城鎮,就在低氣壓氣旋 Bernd[1] 帶來的豪雨下,受到了重大的打擊。

但可惜的是新海誠對於日本淹沒這個概念有點誇大,在影片結尾,日本的「彩虹大橋」被淹沒,彩虹大橋塔高 126 公尺[2],動畫中大約被淹沒超過一半,這邊就先估僅 63 公尺高。

這應該是天氣之子的Bug,因為要淹到 63 公尺的高度,唯一合理的解釋只有全球氣候異常,造成冰河融解。在《自然》科學期刊中,Gregory & Oerlemans (1998) 估算在全球暖化的影響下,考量到冰河區的融化量,海平面到 2100 年將會上升「數公尺」;而美國地理調查所( USGS) 在網頁簡略提到,如果全球冰層溶解,大約會是 76 公尺高[3]

-----廣告,請繼續往下閱讀-----

也就是說,在《天氣之子》中,全球極度暖化,導致海平面上升 63 公尺,這已經是勘比《2012》的世紀災難了。

另外一點,兩年半中經歷氣候變化(真的如主角講的:「我們改變了世界」)後的日本,在海平面上升 63 公尺的情況下,造成將近有 17.41% 的國土面積喪失,而情況最嚴重的則在大東京都地區。

左:災前日本。右:災後日本淹水地區。圖/
Y.-S. Lu. Data Source: Derived from GTOPO-30 tiles, https://lta.cr.usgs.gov/GTOPO30 by CC 4.0

豪雨造成的問題

豪雨可以說是地球上最容易觸發災難的關鍵氣象要素。相較於需要板塊交界的地震、需要大氣運動才能造成的颱風/颶風,以及只有高緯度地區才有的雪災,任何地方只要「會下雨」,就有可能豪雨成災。對土木界而言,水一直是問題也是重點防治對象之一。

所以,撇除不合理的海平面上升之外,這邊還可以再淺談一些《天氣之子》中可能會出現的豪雨災害。

在豪雨的侵害下,日本平地的地下水位應該會保持在地面,而山區的地下水水位也可能會偏高,土壤含水量偏高後,不僅會造成土壤重量上升,亦導致側向土壓上升,再加上日本與台灣一樣,是造山運動強烈的地方,所以坡沙土堆積淺,土石流、泥石流的情況將會十分強烈。

在日本持續降水期間,山區會有許多因為崩坍造成的堰塞湖,山區居民應全數徹離以保全生命安全。

-----廣告,請繼續往下閱讀-----

山區道路除了會因為坍方造成道路中斷,高水位也會超過道路上擋土牆的設計。擋土牆原本就是根據地區水位做估算與設計,但是在連年降雨下,水位高度將超過一般設計的強度,所以道路上的擋土牆也會有坍塌的危險。

豪雨侵襲將帶來嚴重土石流、泥沙淤積與堰塞湖。圖/台灣農委會林務局網頁

而岩層區也會因為岩隙間的水壓上升、破壞岩體,導致挖穿山間的隧道開始因為水壓,而坍塌阻塞。

由於山區的降水無法被土壤吸收保留,所以大多數的水將會匯流到平地,平地的淹水狀況將比往常更嚴重,都市內的排洪系統將完全失效;而河道的防洪牆雖然阻擋了河道暴漲,但都市內的淹水也將難以排除。

都市中的高樓雖然提供了居民可用的居住環境,但是因為大多數的高樓機房都設在地下層,所以樓房機能將損失殆盡,除了電梯無法使用,污水與糞水也將漂滿都市內部,好在連年下雨,所以這些污水早已成為龐大水體的分子,所以也不是真的很「污染」(但感性上不能接受),另外從山區湧入的人口,可能會因為人口擁擠,造成更大的社會與治安問題。

-----廣告,請繼續往下閱讀-----

除此之外,伴隨降雨而來的,還有厚重的雲層。雲層阻擋了陽光,也阻擋了植物進行光合作用,可想而知,日本的農業也會隨之被破壞,菌類養植可以繼續,也就是日本在沒有被核戰爭攻擊的情況下,卻可能必須過著有如《地鐵 (Metro2033)》的生活。

同時,在缺乏陽光的基礎下,人類無法自然產生維他命 D,兒童也將因此生長不良,更惶論因為長期陰天導至人們憂鬱症比例上升。

連日下雨缺乏陽光,容易導致人們憂鬱。圖/envato elements

在豪雨不斷的氣候異常下,原本就存在的極端天氣狀況只會更甚,日本連年降雨,就有可能是某處連年乾旱。在動畫中,日本的異常降雨,代表人類的世界可能只是將更快速地步向滅亡。畢竟現今為了減低溫室效應造成的危機,各國正在提出方法來淨零,但《天氣之子》一口氣就造成了更嚴重的氣候影響。

總而言之,《天氣之子》與其說是放棄日本拯救少女,其實更有可能是放棄全世界整救少女。

當德國遇上「天氣之子」

近年最大的洪災,便發生在 2021 年,從美洲到歐亞洲,各國都遭遇到了前所未見的洪災。

2021 年,當德國還正因為 COVID-19 感染人數下降,逐步微解封之時,七月發生的大水災,造成了人命與財物[4]的重大損失。除了高達 70 億歐元的保險賠償外,德國西部的 Ahweiler、Erftstadt、Hagen 等城鎮被淹沒、房屋被沖毀,許多河道旁的居民,也在雨災過後丟出許多被洪水泡毀的家具電器,損失慘重。

-----廣告,請繼續往下閱讀-----

雖然部份民眾將炮火轉向預警系統的失敗[5],但預警系統並非毫無作用。在德國可以裝 NINA app 做為推播使用,某些城市也會有警報廣播系統,但即便已發出手機 app 的警報,以及俗稱 Siren 的警報,民眾不一定會意識到災難的到來並進行疏散,也有民眾忽略警報選擇不避災,甚至有民眾說從未能想像德國發生「有如第三世界」的洪災,但事實上,德國大河(如萊茵河、易北河)在近 10 年內,就有過類似洪災的紀錄。

德國7月洪災淹沒了城鎮。圖/德國之聲 新聞截圖

2016 年時,德國酒鄉之一的阿爾魏勒(Ahweiler),其周邊的阿爾河(Ahr)就氾濫過一次,當年低氣壓帶來連日的綿綿大雨,造成了小部份地區被水淹沒;但是當 2021 年的洪災再次來臨,居民還是覺得很震驚,可見該地區的居民對洪災是缺乏想像的。

2021 年的這場洪災,德國城鎮的管理層級並非沒有作為,筆者居住的小鎮,在洪峰來臨前十二小時就已封閉橋樑,許多志工開始投入疏散河提居民的工作,將居民安置在大賣場,且有志工開車接送。然而,在河水暴漲的岸邊,不僅有路人無視路障通過,有更多人在岸邊拍照,紀錄淹水狀況。受災區域亦同。

但是話說回來,居民與當地警消的這種反應可能也是非戰之罪,因為許多的測站都遭遇到破紀錄的水位高,如阿爾魏勒的測站阿爾特納爾(Altenahr)在資料中寫下了「最高紀錄」[6],但是因為測站毀損,沒有具體數字;有學者則提出,這是 200 年洪災的規模。但是防災等級的提升,也意謂著公共工程經費的支出。如何在兩者間取得共識,一直是防災工程的大哉問。

德國的氣象預警也並非無作為,但並不是所有的預告都能說服人,歐洲中期天氣預報中心 (ECMWF) 的叢集預策系統 (Ensemble Prediction System)利用了氣象模擬中的不確定性,以多重運行結果進行機率預測,來替代傳統的單一運行的單一結果。然而,即便用上機率預測方法,也只能在極端的機率 (第 99 percentile) 下預測到德國西部會有 122mm/day 的最大降雨,而德國氣象中心 (DWD) 的在當日所量測到的是 144mm/day 最大降雨。

-----廣告,請繼續往下閱讀-----

嚴格說來 ,即便使用了叢集系統亦無法補捉到雨量的最大值,實屬可惜。所以氣象預報並非完全有效,加上只有 1% 的機率可以達到四分之一的年均雨量,這個機率很難說服一般人馬上進行避險。

ECMWF與DWD雨量比較。圖/Luis Samaniego @twitter

這樣一次性的暴雨時期,德國遭受了超過七十億歐元的保險賠償,並有將近 200 人死亡,可見當災難超過預測時,人類的應對是遠遠不足的。同時,德國因為二戰時期與冷戰的陰影,對政府集權相當的反感,也間接導致無法使用如台灣的細胞簡訊的方法,來廣範地疏導民眾。如何增強防民眾對災難的因應意識,有可能將也是德國接下來的課題了。

在極端氣候之下,要更有防災意識

天氣之子因為對治安黑暗面的描寫,以及主角的選擇,造成了不少的爭議,也造成觀影程度與《你的名字》有所相差,雖然對筆者而言,其氣象的狀況算是超現實,且對社會重建的描寫不夠深入,但是在氣候變遷下,人們必須思考並建立對防災的概念與意識,在降雨強度變強、極端溫度更高的情況下,災難是有可能會更嚴重的。

台灣的讀者可以多參考水土保持局的相關防災宣導與資料,建立與更新相關知識,更重要的,應該是隨時有防災意識,才能保護自己,以及保護別人。

-----廣告,請繼續往下閱讀-----

參考資料

Y.-S. Lu
4 篇文章 ・ 6 位粉絲
自從來到學界後,便展開了一段從土木人到氣象人的水文之旅。主要專業是地球系統數值模擬,地下水與地表模式的耦合系統,以及大氣氣象模擬。目前是于利希研究中心(Forschungszentrum Jülich GmbH)超級電腦中心的博士後研究員。