Loading [MathJax]/extensions/tex2jax.js

0

0
0

文字

分享

0
0
0

在氣候變遷的影響下,更要聰明的與水一起生活──《科學月刊》

科學月刊_96
・2018/05/19 ・2921字 ・閱讀時間約 6 分鐘 ・SR值 508 ・六年級

-----廣告,請繼續往下閱讀-----

  • 范賢娟/科普寫作者

氣候變遷是個讓現代人感受深刻的議題,許多人都為此感到憂心。臺灣大學生物環境系統工程學系童慶斌教授則根據研究表示,我們所面對的是過去不曾見過的現象,很難從經驗中去找答案。然而,只要善用科學知識並具分析與整合的能力,說不定可從中找到發展的新契機,甚至開拓新的產業、聰明生活。

今(2018)年 3 月 24 日,童慶斌在高雄科工館舉辦的《健康科學大師在科工講座》跟聽眾分享「在氣候變遷的影響下,我們如何聰明的用水生活」。演講一開始他針對題目「用水生活」一詞更正,覺得或許用「與水生活」會更好,其中深意請讀者慢慢閱讀體會。

圖/pxhere

臺灣獨特的自然環境

臺灣山多且高,河川短急,降水後很快便流到海洋,雖然這在多人眼中是缺點,但從另外一個角度來思考,萬一淹水時就可以快速地排水恢復。在水資源供給上的缺點卻變成在淹水議題的一個優點,這是臺灣地形一個很有特色的地方。

臺灣的天氣是雨季(5~10月)與乾季(11~4月)明顯,尤其南部地區一年約 2500 公釐的降雨量有 90% 是集中在雨季,乾季僅有 10%。因此正常來講,4 月會是臺灣最缺水的時刻。如果 5、6 月適逢乾梅,7、8 月又少颱風,那就會有更嚴重的缺水問題,因此在水資源管理上會是個考驗,因為大量的雨水很快就流掉了,能收集的很有限。而在全球暖化的影響下,極端旱澇交互出現,這些極端的氣候事件規模越來越大、頻率越來越高,的確增加了風險管理的難度。

-----廣告,請繼續往下閱讀-----

猶記得 2009 年莫拉克颱風來前原本預計會對北部帶來較大的風雨,南部則希望能給極度乾渴的水庫帶點水,原本 8 月 7 日水利單位還召開抗旱會議,沒料到 8 月 8 日南部受到旺盛西南氣流影響帶來大量的雨水,留下許多歷史紀錄。想看看:

一個水庫管理者,從極度乾涸的低水位,看到幾個小時內水庫水位不斷上升,他怎麼知道未來流入的水量是水庫可以容受,還是要即早洩洪?

石門水庫。圖/wikimedia

災難處理雖不完美,但恢復很快

2001 年的納莉颱風曾在 9 月 17 日造成臺北大淹水,當初捷運的擋水閘門以百年回歸頻率洪峰的規模設計,沒想到輕易被超越,大量泥水進入包括臺北火車站的捷運地下空間,雖讓許多機具受損,但也及時成為蓄水池使得地表淹水不至於更嚴重。臺北捷運當時有 10 多個站體空間都淹水,但經過 3 個月的搶修,最後在該年 12 月 15 日全線恢復通車,這樣的復原速度相當快。

童慶斌強調,世界上很少有地區像臺灣一樣雨量那麼大、那麼集中,臺灣的都市防洪設計標準是每個小時排水量大約 70 公釐,不過近年來的降雨常常超過此數字,自然會淹水。不過,國外有些區域時雨量 20 公釐就開始淹水,所以臺灣現有的排水設施絕對比多數地方還好,雖然在面對越來越多的短時大量降水,現有設施還是稍嫌不足。

圖/wikimedia

因此,應思考還能如何進行輔助,而非全然否定掉現有的方式,否則將會越改越糟。童慶斌建議,不要光靠一個中央集中方式來處理,例如可以讓建築物在降水時都可吸收儲存部份的水量。納莉風災時的水淹捷運站雖是個諷刺,代價太昂貴,但也的確可考慮建造人工溼地、蓄水池等方式,這些積少成多的做法,多少可以緩衝大雨來時的傷害。

-----廣告,請繼續往下閱讀-----

然而,實際執行會遭遇許多困難,例如若利用建築短暫的滯留降雨,就牽涉到建築法規的修改,故需要跨層級、跨領域、跨部會的溝通,這在現行體制下很不容易完成。童慶斌還建議大家心態上不要奢求大雨時完全不淹水,要達到這樣的成本太大;反之該抱持著如果雨量太大太急就能接受淹水事件,但要有良好的預警系統保護人命安全,而災後也可快速復原。

圖/flickr

善用知識與資訊,防災更聰明

這些應變策略不該只是憑著個人經驗來思考,童慶斌建議要參考現在各部門既有的各項資料,然後根據「政府間氣候變化專門委員會(Intergovernmental Panel on Climate Change, IPCC)」對氣候變遷風險的架構考慮三個面向作系統性的分析:一是危害(hazard),例如強降雨、乾旱等;二是脆弱度(vulnerability)用來表示我們所關心人事物的本身特質,例如在強降雨下是否容易淹水或坡地崩塌等;三是暴露(exposure),指的是在空間上的分布,也就是所關心的人事物是否會於該處出現。

藉由指標分析與空間分布,可呈現氣候變遷下的熱點區域及各地區可能遭受特定災害的風險程度。藉由風險圖的等級區分及展示,了解風險區位相對分布,即可提供政府單位決策者參考。

圖說:IPCC氣候變遷風險。(IPCC第五次評估報告)圖/永續發展研究室

在童慶斌的分析架構當中,這不光是政府的事情,也要邀請利害關係人(包括決策者、科學家、民眾等)針對關鍵議題來討論,公私協力一起製作出危害地圖與風險地圖,進一步擬定策略。目前政府各單位已經建置許多資訊雲,但如何讓這些既有的「雲」凝結成「雨」降落下來,使其功用發揮,則似乎仍有段距離。或許從政府角度來說要思考該如何做不容易,但可以考慮放手讓資訊公開透明且正確,鼓勵有興趣的軟體開發者想辦法去開發相關的資訊服務應用,這說不定是最容易水到渠成的事情。

-----廣告,請繼續往下閱讀-----

而這些應用也不光用在防災,也可讓我們擁有更好的生活。例如你想去哪邊旅遊後,帶點名產回家烹煮,有個 APP 參考當地氣象、農產菜價之後,能提供一些建議。這些訊息的整合,可以讓我們更積極地迎向知天、順天、樂天的生活。然而,也有人會擔心有些資訊公開後會有重大影響,譬如知道哪些地段常淹水,說不定水災風險高的地方房價低靡,造成現行屋主抱怨。

不過換個角度來看,過去汐止常淹水,房價曾經低靡許久,但後來政府意識到淹水嚴重性,推動員山子分洪道工程,2005 年完工之後多次啟用分洪,汐止淹水的問題就徹底解決,房價也水漲船高。因此,不須過度擔心資訊公開後短暫的衝擊,而該放長時間去看這樣才有助於讓大家正視問題,一起尋求解法。

哪些區域在那些情況下可能會淹水,這些都應該可以運用資訊來表明。圖/wikimedia

順應自然、掌握知識運用創意

童慶斌不斷提醒大家,臺灣特殊的環境讓我們所面臨的危機比其他地區還大,而國人在其中應變調適很快,恢復能力很強,因此在國際上跟別人分享臺灣經驗是很有價值的。未來就看國人在順應自然的時候,能不能掌握知識並用更富有創意的眼光去設想未來情景,結合臺灣產業在軟體、製造業的專長,譬如說設想水下生活、城市梯田等方式,用系統的方法與知識服務來支援發展調適路徑,以達成有品質的永續未來。

 

〈本文選自《科學月刊》2018年5月號〉

-----廣告,請繼續往下閱讀-----

什麼?!你還不知道《科學月刊》,我們48歲囉!

入不惑之年還是可以當個科青

 

 

-----廣告,請繼續往下閱讀-----
文章難易度
科學月刊_96
249 篇文章 ・ 3742 位粉絲
非營利性質的《科學月刊》創刊於1970年,自創刊以來始終致力於科學普及工作;我們相信,提供一份正確而完整的科學知識,就是回饋給讀者最好的品質保證。

0

1
0

文字

分享

0
1
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

-----廣告,請繼續往下閱讀-----

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
1

文字

分享

0
3
1
氣候變遷讓缺水、淹水更嚴重,臺灣做好準備了嗎?——專訪水利署賴建信署長
鳥苷三磷酸 (PanSci Promo)_96
・2023/10/31 ・3262字 ・閱讀時間約 6 分鐘

-----廣告,請繼續往下閱讀-----

本文由 經濟部水利署 委託,泛科學企劃執行。

「30年後,我們將面對更嚴峻的缺水考驗。」水利署署長賴建信接受我們採訪時坦承地說。

水利署署長賴建信

近年,全臺西部地區都曾遇過「供五停二」的停水措施,,缺水問題更早已是全球問題。根據 2021 年發表在 Nature Communication 上的論文,2016 年全球有 9.33 億的城市人口面臨缺水問題,約為總人口的 12 %;依據過往趨勢推測,至 2050 年,全球將有 16.93-23.73 億的城市人口面臨缺水問題,相當於 2050 年總人口的 17%-24%。

為什麼全球缺水問題會如此嚴重呢?賴建信署長認為首要是「氣候變遷」改變了降雨強度與頻率,並舉生活中的經驗來說明氣候變遷:

「生活在臺灣地區的我們,會感覺到最近好像很久都不會下雨,然後不下雨的時候很熱,但一下雨,雨滴大到打在身上都會痛。」而近期紐約暴雨造成地鐵淹水癱瘓,也是氣候變遷造成的。

-----廣告,請繼續往下閱讀-----

氣候變遷讓降雨更加極端

賴署長說:「可以說以後的降雨會非常集中在特定某幾天。就像剛剛講的,就是突然暴雨,然後接下來一個大乾旱。 」

無論是缺水還是淹水,氣候變遷造成的影響都不容忽視,賴署長表示,不只是降雨頻率會更低,降雨地區也會更加不平均,降雨的強度也會有所提升。

依照聯合國政府間氣候變化專門委員會最糟糕的預測(SSP5-8.5),到了這個世紀中,臺灣暴雨強度會比世紀初提升 20%,世紀末會提升 40%,即便是最優預測(SSP1-2.6),也會在世紀中提升 15.7%。

據上所述,氣候變遷讓全人類無法迴避「降雨不均造成的地區性缺水」,以及「降雨強度提升造成的地區性水災」這兩個問題。雖然個人、企業與政府都為了減緩氣候變遷有所作為,但賴署長也表示,我們該「從科學擁抱殘酷現實,對未來做最壞打算」。

簡單來說,若所有締約國都遵守聯合國氣候變遷大會(COP)的決議完成減碳工作,那氣候變遷也只是不再加劇,並不會立刻恢復到過去的型態,而只要有其中幾項沒有達成,那全世界就得面對更嚴峻的情況。

-----廣告,請繼續往下閱讀-----

回到開頭賴署長所說的 30 年,我們還有時間做好基礎建設,降低氣候變遷對人民造成的影響。「從2016年開始,我們就思考這些問題,思考說臺灣未來面對的自然環境,我們應該如何因應、構築一個怎麼樣的未來。所以當時我們就開始思考包括區域調度、多元水源等相關計畫。」

賴署長提到的「區域調度」相關計畫,即是目前正在進行的「珍珠串計畫」。

地區性缺水解決方案—「珍珠串計畫」

「珍珠串計畫」預計把台灣西部像珍珠一樣珍貴的水源,用聯通管線串聯起來,讓珍貴的水資源可以妥為應用。

臺灣降雨時間和空間差異極大,桃園至屏東等西部地區,在 5 月至 10 月是豐水期,11 月到隔年 4 月是枯水期,然而北北基與宜蘭等東北地區,卻是完全相反,10 月至隔年 4 月有東北季風帶來的豐沛雨量,此時若能將東北地區的水調度至西部地區,將能緩解西部地區缺水。而未來面對更加極端的降雨情況,也能提供一定的支援。

珍珠串計畫的聯通管線預計將在 2028 年全數完成,而在 2021 年旱災中搶先開通的「桃園—新竹備援管線」,從桃園每日調度 20 萬噸的水給新竹,在旱災期間總計調度 2300 萬噸,約是 0.6 座寶山第二水庫的蓄水量,不僅讓新竹地區免於限水所苦,也讓新竹科學園區的科技業能維持生產。

-----廣告,請繼續往下閱讀-----
寶山第二水庫。圖/Wikipedia

不僅管線串聯,更要開創「多元水源」

有了聯通管串聯,就能解決缺水問題嗎?賴署長給出否定答案:「如果只有一種供水方式,突然有意外就完了。當然要有多股水源,多條管線。」

過往開發新水源,直覺想到的是蓋水庫,不過蓋水庫不僅要謹慎評估該地是否有充足水源,考慮安全性及經濟性是否合理,更要謹慎評估對環境生態的影響,通常一座水庫從規劃到興建完成,需耗時數十年的時間。

為了因應氣候變遷與逐步增加的用水量,水利署目前已朝「多元水源」的方式來尋找新水源,像是南化與寶山第二水庫藉由「溢流堰加高」擴增蓄水量,臺中水楠經貿園區淨化污水再利用的「再生水」,以及以及高屏溪的「伏流水」與新竹的「海淡水」,這些多元水源將與水庫水、川流水及地下水等傳統水源共同支撐起全臺用水。

此外,水利署也正想辦法讓洪水資源化,臺灣山高水急,大雨過後的洪水大部分都流向大海,只有少部分可被水庫收集,像是「河槽人工湖」就能增加收集水量,來供應日常使用,或補注超抽的地下水。

地區性強降雨解決方案—從「不淹水」轉變為「耐災韌性」

受氣候變遷影響,近年臺灣短延時強降雨頻率提高,低窪地區或排水系統也時常發生淹水,顯現目前臺灣防洪工程的不足。

-----廣告,請繼續往下閱讀-----

過去臺灣由於預算有限,治水策略多以建護岸、堤防或下水道為主,然而這種作法有其極限,即便已完成防洪工程的區域,也未必能面對未來極端降雨的情況,為此,水利署改變過往治水策略,從「不淹水」轉變為「耐災韌性、與水共生」,而在多年來中央與地方政府的聯合推動下,各地開始邁向「逕流分攤」的方式來治理水患。

「逕流」是指下雨時地表土壤無法吸收的水份,在地表形成的水流。「逕流分攤」是在淹水較為嚴重的河段,於新建(或改建)公共設施時,以不妨礙設施功能,建設洪水期間可收集逕流的滯洪池。此外,為提升土地耐淹能力,「出流管制」政策也要求開發單位,必須提升建築物的透水、保水與滯洪能力。

以日本東京鶴見川為例,由於東京市的發展,導致土地保水、滲透能力降低,洪水尖峰流量增加,更容易發生淹水。為此日本將橫濱日產體育館建置成兼具滯洪功能的公共設施,來應對鶴見川的洪峰流量,館場下方的滯洪池高度高達五公尺,平日則作為停車場使用。

橫濱日產體育館。圖/Wikipedia

「我們希望所有的土地都能更有效地利用,例如我們學校的操場,如果下面是一個蓄水池,那大雨下來是不是就不容易淹水了?」賴署長表示,近期開工的鹿港洛津國小的地下停車場兼滯洪池工程,正是「逕流分攤」的案例。

風暴將至,我們能做好準備嗎?

賴署長略為嚴肅地說:「我不期待氣候型態會回到 30 年前。」並重提了在 IPCC 的最優預測(SSP1-2.6)下,臺灣仍必須在 2050 年面對暴雨強度提高 15.7% 的情況。

-----廣告,請繼續往下閱讀-----

無論我們怎麼做,風暴已確定到來,那麼我們能事先做好準備嗎?賴署長說:「我認為我們能做到的,是使用適當的方法趨吉避凶。」隨著科學進步,模擬變得越來越精準,但終究還是預測,存在不確定性,雖然 2050 年最優預測是暴雨強度提高 15.7%,但上限呢?真的就只有前面提到的 20% 嗎?賴署長提醒我們要面對氣候變遷的現實,並在面臨風暴來臨之前做好準備,這個準備不只要能面對預估強度,更要有足夠的韌性,來面對超越預期的情況。

最後,賴署長說:「每個巨大的改變,一定是從一個微小的生活習慣,比如說開始固定運動,或是固定減少能源浪費。」也許現在看來微不足道的小動作,都將是未來的「重要一步」,就像蝴蝶效應一樣。

相信科學數據,擁抱不確定性,積極做出因應,這不僅是賴署長個人的想法,也是水利署全體的信念,唯有如此,才能在超乎預期的「風暴」來臨之前,做出最好的選擇。

-----廣告,請繼續往下閱讀-----

1

1
0

文字

分享

1
1
0
有施打 mRNA疫苗,住院與死亡風險較低
台灣科技媒體中心_96
・2022/05/08 ・1007字 ・閱讀時間約 2 分鐘

圖/envato elements

2022 年 03 月 16 日,國際期刊《刺胳針》(Lancet)刊登一篇研究「Comparative analysis of the risks of hospitalisation and death associated with SARS-CoV-2 omicron (B.1.1.529) and delta (B.1.617.2) variants in England: a cohort study」,主要是想透過英國衛生安全局(UKHSA)的 COVID-19 國內確診數據,分別從就診、住院和死亡的數據上比較相對風險,了解 Omicron 相較於 Delta 的嚴重程度。

這篇研究,是由英國劍橋大學的湯米・尼伯格教授(Tommy Nyberg)團隊,收集 2021 年 11 月至 2022 年 1 月間,英國國內監測 COVID-19 感染後的確診數據,並比較 Omicron 和 Delta 對不同年齡階段、不同免疫狀態的人群感染的嚴重程度,包括就診、住院治療及死亡風險的變化。

mRNA 疫苗保護力強?

圖/envato elements

其中在比較 mRNA 疫苗施打的結果上,研究發現,施打 mRNA 疫苗加強免疫系統,對防止 Omicron 的住院和死亡,具有高度保護作用。

數據顯示,「有施打 mRNA 疫苗」發生住院與死亡的風險比值(HR)是「未施打疫苗」的 22%。(HR for hospital admission 8–11 weeks post-booster vs unvaccinated: 0·22 [0·20–0·24])也就是與「未施打疫苗」相比,「施打 mRNA 疫苗」的 8 到 11 週後,發生住院的風險下降了約 78%。

-----廣告,請繼續往下閱讀-----

解讀時,要注意!

該研究是在比較「施打 mRNA 疫苗」與「未施打疫苗」發生住院與死亡風險,使用的是風險比(Hazard Ratio, HR),是指在相同時間裡兩個風險率的比值。

針對 mRNA 疫苗的數據,解讀上需小心。圖/envato elements

如同前面提到,在 Omicron 的研究結果中,「有施打 mRNA 疫苗」會發生住院與死亡的風險,是「未施打疫苗」的 22%。意思是與「未施打疫苗」相比,「有施打 mRNA 疫苗」發生住院的風險下降了約78%。

這邊的 22%,是來自「有施打 mRNA 疫苗」 vs. 「未施打疫苗」兩個群體,發生住院狀況的風險比值,而不是指「未施打疫苗者」發生重症與死亡的發生率。也就是說:「400 萬人未施打疫苗,其中會有將近 80 萬人重症或死亡。」這是錯誤的歸納且與該研究觀察結果無關。

此外,我們也無法透過上述的風險比較,回推「未施打疫苗」群體,發生重症或死亡的比例。

-----廣告,請繼續往下閱讀-----
-----廣告,請繼續往下閱讀-----
所有討論 1
台灣科技媒體中心_96
46 篇文章 ・ 328 位粉絲
台灣科技媒體中心希望架構一個具跨領域溝通性質的科學新聞平台,提供正確的科學新聞素材與科學新聞專題探討。