Loading [MathJax]/extensions/tex2jax.js

0

0
2

文字

分享

0
0
2

第五次生物大滅絕的元兇是二氧化碳!?——《地球毀滅記》序言

天下文化_96
・2019/03/04 ・3528字 ・閱讀時間約 7 分鐘 ・SR值 552 ・八年級

史上發生的五次生物大滅絕

地球歷史上曾發生五次全球性的生物滅絕,所有動物在突然間幾乎被除滅盡淨,這就是所謂的「五大滅絕事件」。

依據過往定義,「大滅絕」指的是地球上過半數物種,在一百萬年內完全遭到消滅。但現在發現很多例子裡,生物滅絕的速度遠較此為快。更精細的地質年代學已經把地球歷史上,幾次最嚴重的全面浩劫發生時期縮短到數千年,甚至更短期內就滅絕殆盡。要形容這樣的事情,更貼切的說法是「哈米吉多頓」[註1]

在這個陰鬱悲戚的兄弟會裡頭,最著名的成員名喚「白堊紀末大滅絕」。(非鳥類的)恐龍在六千六百萬年前滅絕,就是它幹的好事。然而,白堊紀末這場禍事只是生命歷史最晚近的一次大滅絕;在臨近曼哈頓島的懸崖上,我看到某場火山災劫留下的石質餘燼,這場災劫比恐龍之逝還要早一億三千五百萬年,當時的鱷類及全球的珊瑚礁生態系嚴重受創,世界此後完全不同。

所謂的「大滅絕」,是指一百萬年內(或在更短的期間內),地球上超過半數物種完全遭到消滅。圖/pxhere

在此之前,還曾發生三次主要大滅絕,但這些更古老的災難全被「霸王龍(Tyrannosaurus rex)末日」搶盡鋒頭,在大眾想像裡幾乎總是受到忽視。說來也不無道理,首先,恐龍是化石紀錄裡極富魅力的角色,是地球歷史的天王巨星,鑽研更早期那些更不受矚目時代的古生物學家,都把恐龍鄙為華而不實的特大號怪獸。

因為如此,在媒體分給古生物學的稀少版面上,恐龍就霸占了一大半。更何況,恐龍連滅絕的方式都獨具風格,牠們生命最後一刻,是因直徑六英里的小行星撞擊墨西哥而中止的。過去三十年,地質學家搜遍化石紀錄,試圖尋找其他四場主要大滅絕是遭毀滅性小行星撞擊的證據,卻總是鎩羽而歸。

-----廣告,請繼續往下閱讀-----
儘管地質學家過去三十年來搜遍了化石紀錄,卻依舊沒有任何證明表示其他四場大滅絕是因毀滅性小行星撞擊所致。圖/pixabay

誰才是大滅絕真凶?二氧化碳脫穎而出

某些非此領域的天文學家,仍主張小行星週期性撞上地球,是造成過去每一次大滅絕的原因,但這些假設實際上完全得不到化石紀錄的支持。事實上,全球浩劫最可靠也最常見的推手,是氣候與海洋的劇烈變化,驅動力就是地質力量自身。

過去三億年來,三場最慘烈的大滅絕都與大陸等級的大規模熔岩流有關,這是超乎人類想像的熔岩噴發,連地球系統[註2]的宏偉機制都會因此故障。地球生命具備適應能力,但能力總有限度;火山有本事把整片大陸徹底翻轉,也有本事製造出毀天滅地等級的氣候與海洋亂象。這些罕有的天翻地覆大噴發發生時,是地球最最淒慘的時期,火山噴出的二氧化碳灌飽大氣,地球化成地獄般的腐爛墳墓,海水也因高溫酸化而缺乏氧氣。

大規模熔岩流造成過去三億年中三場最慘烈的大滅絕。圖/pxhere

然而,無論火山或小行星,似乎都不必為較早的大滅絕負責任;板塊事件[註3]、甚至生物自身,或許才是過度消耗二氧化碳、毒害海洋的元凶。大陸規模的火山活動可能讓二氧化碳指數狂飆,但在更早,也可說更為神祕的滅絕事件裡,二氧化碳濃度反而大幅減少,地球被囚禁在冰牢中。最常把這顆行星發展進度打亂的,不是其他天體的轟然撞擊,而是地球系統窩裡反;由此看來,地球的不幸大多都是禍起蕭牆。

地球的不幸大多都是禍起蕭牆。圖/pixabay

幸運的是,打從複雜生命體出現以來,上述這些超級災變鮮少發生,地球在超過五億歲月裡僅遭殃五次(大約發生於四億四千五百萬年前、三億七千四百萬年前、兩億五千兩百萬年前、兩億一百萬年前,以及六千六百萬年前)。但在我們這個世界裡,這些往事卻蕩起令人驚恐的回音──畢竟這個世界正經歷數千萬年來未有的、甚至是數億年來未有的劇變。「二氧化碳濃度高的時期,特別是二氧化碳濃度急遽升高的時期,恰巧與大滅絕重合,(此事)很明顯,」華盛頓大學古生物學家暨二疊紀末大滅絕專家瓦爾德(Peter Wald)如是說:「就是造成生物滅絕的原因。」

-----廣告,請繼續往下閱讀-----

如果人類繼續瘋狂排碳?然後你就熱死了

人類文明很積極在證明,要把埋藏岩石裡的巨量碳元素快速釋放到大氣,超級火山可不是唯一途徑。碳與遠古生命共同埋存了數億年,現代人把這些碳挖出來,送進活塞或發電廠,一把火燒盡。這就是現代文明大規模進行物質代謝的方式。

如果我們堅持完成這任務,把能燒的都燒光,猶如人造超級火山般讓大氣充滿碳,那麼世界將會變得很熱,真的很熱,就像過往曾發生的那樣。現在最酷熱的熱浪體驗,就將成為普遍狀況,而世界許多地方仍然會有更高的熱浪,把氣溫推往未知之境,呈現超越人類生理強韌極限的新威脅。

人類活動正讓大氣充滿碳。圖/pixabay

倘若事情果真至此,我們這顆行星會回歸遠古的某種模樣,雖然這在化石紀錄裡曾數度現形,但我們卻對之全然陌生。氣溫高的時代未必是逆境,在恐龍滿天下的白堊紀,大氣裡二氧化碳濃度高得驚人,地球因此遠比現代溫暖。只是,一旦氣候或海洋化學的改變是突然出現的,就會對生命造成莫大傷害。最糟的情況下,地面上放眼所及,盡毀於這些突發的氣候變化造成的結果:

熱到足以致命的各大洲內陸、酸化缺氧的海洋,以及橫掃全球的大規模死亡。

面對碳循環劇變,把握時間、鑑往而知今

這就是地質學近年來所揭示的事實,也是現代社會最關注的未來隱憂。地球歷史上最慘烈的五章,都與碳循環劇變有關;漫長光陰裡,這個基本元素在生物體內與地層中(以及這兩個儲藏庫之間)不斷遊走,但若把碳突然大量注入大氣與海洋,會讓維繫生命的化學過程整個當機。

-----廣告,請繼續往下閱讀-----

正因如此,久遠之前的大滅絕如今成為學術界備受矚目的研究課題。寫作本書期間,我與許多科學家接觸,這些人大部分都不把地球歷史的「瀕死經驗」當成純粹學術問題,而是想藉由鑑往而知今,瞭解地球這顆行星面對我們正加諸的這些衝擊,會如何反應。vip-popki.net/en

圖/pixabay

學術界正在進行的這些對話,卻顯然與大眾文化的認知大相逕庭。關於二氧化碳是否為推動氣候變化的要角,當前的討論好像認為兩者關聯僅限於理論或電腦模型;然而,我們現在進行的實驗曾快速把大量二氧化碳排入大氣,這種狀況事實上已在地質歷史中多次重演,從未有善終。

除了各家氣候模型一致的可怕預測之外,還有地質史上由二氧化碳造成的氣候變化的例證,我們要深以為借鏡。這些事件能為現代人面臨的危機提供指引甚至診斷,就像胸痛病人告知醫生,自己有心臟病史一樣。但是,把這個類比拉得太遠也會有風險。地球自誕生以來曾呈現多種不同樣貌,雖然在某些顯見而令人擔心的面向上,現今地球及其未來展望,與地球史上一些最駭人的篇章呼應;但在更多方面,我們所面臨的生物危機是空前絕後的。

幸好我們仍有時間,縱然人類這物種已證明自己的毀滅性,我們的所作所為還是遠不及過往全球災變的恣意破壞與屠殺。那些是地球歷史的死蔭幽谷,而人類的墓誌銘還不必添上「造成第六次大滅絕」這條血淋淋的控訴;在噩耗多於佳音的世界裡,這已經算是好消息了。

-----廣告,請繼續往下閱讀-----

 

譯注

  1. 哈米吉多頓(Armageddon)出自聖經〈啟示錄〉16:16,是世界末日時上帝與惡魔決戰的戰場,後來引申為「世界末日」之意。
  2. 地球系統(earth system)指地球上互相影響的物理、化學與生化過程。
  3. 板塊事件(tectonic events)指地殼構造出現變化。

 

 

本文摘自《地球毀滅記:五次生物大滅絕,誰是真凶?》,天下文化,2018 年 9 月出版。

-----廣告,請繼續往下閱讀-----
文章難易度
天下文化_96
142 篇文章 ・ 624 位粉絲
天下文化成立於1982年。一直堅持「傳播進步觀念,豐富閱讀世界」,已出版超過2,500種書籍,涵括財經企管、心理勵志、社會人文、科學文化、文學人生、健康生活、親子教養等領域。每一本書都帶給讀者知識、啟發、創意、以及實用的多重收穫,也持續引領台灣社會與國際重要管理潮流同步接軌。

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

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

3
1

文字

分享

0
3
1
溫室效應有救了?把二氧化碳埋進地底吧!  
鳥苷三磷酸 (PanSci Promo)_96
・2024/03/25 ・1389字 ・閱讀時間約 2 分鐘

本文由 台灣中油股份有限公司 委託,泛科學企劃執行。 

近年全球對於氣候變遷的關注日益增加,各國紛紛宣布淨零排放(Net Zero Emissions)的目標,聯手應對氣候變遷所帶來的挑戰。淨零排放是指將全球人為排放的溫室氣體量和人為移除的量相抵銷後為零。而「碳捕存再利用技術(Carbon Capture Utilization and Storage,簡稱 CCUS)」技術被視為達成淨零重要的措施之一。 

CCUS 示意圖。圖/INPEX CCS and CCUS Business Introduction Video 2022 

「碳捕存再利用技術 CCUS」是什麼? 

CCUS 技術可以有效地將二氧化碳從大氣中捕捉並封存,進而減少溫室氣體的排放。CCUS 包含捕捉、運輸、封存或再利用三個階段,也就是將二氧化碳抓下來,並且存起來或是轉換成其他有價值的化學原料。關於如何捕捉二氧化碳,可以參考我們先前拍的影片《減碳速度太慢?現在已經能主動把二氧化碳抓下來!?抓下來的二氧化碳又去了哪裡?》。 

至於捉下二氧化碳之後,該存放在哪裡呢?科學家們看上一個經過數千萬年驗證、最適合儲存的地方——地底。沒錯,地底可不只有石頭跟蜥蜴人,只要這些石頭中存在孔隙,就可以儲存氣體或液體。最常見的就是天然氣與石油。現在,我們只要將二氧化碳儲存到這些孔隙就好。 

-----廣告,請繼續往下閱讀-----

封存的地質條件也很簡單,第一,要有一層擁有良好空隙率及滲透性的「儲集層」,通常是砂岩。第二,有一層緻密、不透水且幾乎無孔隙的岩石,用來阻擋儲集層的氣體向上逸散的「蓋層」,常見的是頁岩。只要儲集層在下,蓋層在上,就是一個理想的儲存環境。 

臺灣哪裡適合地質封存? 

臺灣由東往西,從西部麓山帶、西部平原、濱海到臺灣海峽,都有深度達 10 公里的廣大沉積層,並且砂岩與頁岩交替出現,可說是良好的儲氣構造。 

至於臺灣適合封存二氧化碳的地點,有個很直接的作法,就是參考石油、天然氣的儲存場域就好,也就是所謂的「枯竭油氣層」。將開採過的天然氣或石油的空間,重新拿來儲存二氧化碳。而臺灣的油氣田,主要集中在西部的苗栗與臺南一帶,在 1959~2016 年,累計產了 500 億立方公尺的天然氣,和超過 500 萬公秉的凝結油。 

臺灣油氣田位置圖。圖/《科學發展》2017 年 6 月第 534 期
鐵砧山每年封存 10 萬噸二氧化碳(相當於通霄鎮 1/3 人口一年的二氧化碳排放量)。圖/台灣中油

而至今這些枯竭油氣田,適合來做二氧化碳的封存。例如苗栗縣通霄鎮的鐵砧山是臺灣目前陸上發現最大的油氣田,不只是封閉型背斜構造,更擁有厚實緻密的緻密蓋岩層。在原有油氣田枯竭後,從民國 77 年開始轉為天然氣儲氣窖利用原始天然氣儲層調節北部用氣的方式,已持續超過 35 年。因此中油也正規劃在鐵砧山氣田選擇合適的蓋層和鹽水層,進行小規模的二氧化碳注入,作為全國首座碳封存的示範場址。並同時進行多面向的長期監測,驗證二氧化碳封存的可行性與安全性。 

-----廣告,請繼續往下閱讀-----

更多詳細內容及國際 CCUS 案例,歡迎觀看影片解惑! 

-----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