0

1
1

文字

分享

0
1
1

太空旅程進入尾聲!記錄下來的除了美景還有什麼?——《俯視藍色星球》下

PanSci_96
・2019/07/17 ・2613字 ・閱讀時間約 5 分鐘 ・SR值 487 ・五年級

-----廣告,請繼續往下閱讀-----

本文接續上一篇:從太空往下看!我們生活的地球究竟長怎樣呢?——《俯視藍色星球》中

漫長而奇妙的旅程

南太平洋通常很平靜,北太平洋則是完全相反。阿留申群島是個超過 1500 公里的島鏈,分屬阿拉斯加和俄羅斯,以惡劣天氣聞名,我從太空看到的景象也確實是如此。

最令我印象深刻的是奇怪的氣旋天氣型態。這些暴風不像典型的颶風那樣充滿了連續雲帶,而是由幾組涵蓋了數百公里的薄螺旋狀雲帶組成。我常在想,這些看起來很像螺旋星系的暴風最後是不是會來到美國西岸。

梅莎颱風在太平洋上空的巨大颱風眼,這是我在太空中看過最叫人震驚的景象。我們所有組員都印象深刻。圖/大石出版提供

在北太平洋也經常可以看到一種不這麼暴烈的雲,只是一整片的小點──那是分散在地表上的蓬鬆積雲。太陽在特定角度照上去時,這些細小的雲層會呈現非常有趣的型態與反光。

-----廣告,請繼續往下閱讀-----

沿著太平洋一路往下來到南美洲的尖端,則是地球上十分有趣的一個角落:火地島和麥哲倫海峽。這些地方幾乎總是被雲層覆蓋,我在太空站的 200 天裡,只有真的看到陸地兩三次。頭一次看到這些島嶼時是南半球的夏天,我想到了當時的海象是多麼危險,而費迪南.麥哲倫和法蘭西斯.德雷克爵士等人居然早在 16 世紀就能架著帆船通過這片暴風肆虐的水域。而將近 500 年後,我身為一個人類,竟然可以航行在太空中,俯看這個星球。不知道當年那些探險家可曾想過,人類終有一天會登上太空?

再往南則是環繞南極洲的水域:南冰洋。地球上再也沒有比這裡看起來更危險、更詭異的地方了。這片海域在我們繞地軌道的南邊,總是覆蓋在厚厚的雲層底下,我很少看到它露臉,不過偶爾會看到幾座冰山。如果說北太平洋出現螺旋形風暴是不尋常的,那麼南冰洋出現螺旋形風暴可以說是特異現象了。它的螺旋結構看起來比較像一個星系,而不是典型的天氣型態,我從來沒有看過地球上有類似的東西。

震撼人心的風暴

我曾經讀到 1917 年沙克爾頓爵士和堅忍號(Endur-ance)船員冒著這種詭異的風暴,划小船從南極洲逃到南喬治亞島的驚險故事。我現在從外太空這個視野絕佳的位置上看,更能體會當年他們九死一生、奇蹟似生還的境遇。

亞拉拉特山(Mount Ara-rat)是傳說中諾亞方舟停靠的地方,也是土耳其的最高峰。圖/大石出版提供

假如你可以在太空中待上 24 小時,不需要工作,所有時間都在看窗外,你一定會被不斷上演的難忘景象震驚得說不出話來。其中有一種會讓你終生難忘,我保證你不可能在地球上見到類似的東西:那就是夜晚出現的驚人雷暴。我的第一場閃電秀是 STS-130 任務期間在南美洲上方看到的,當時我簡直不敢相信自己的眼睛。

-----廣告,請繼續往下閱讀-----

在這麼大片的區域上方,我每秒鐘見到的閃光多到像國慶日的煙火一樣。我 21 歲在美國空軍接受少尉飛行員訓練時,被教導說「承平時期的任務是不會要求你在雷暴中飛行的」。假如飛行員決定要飛,那麼雷暴中的亂流、冰雹、豪雨和閃電一定會讓他很有得受。從太空實際看過雷暴的樣貌後,我只能說「好家在」我們不用在那裡面飛!無論我在太空待多久,雷暴總是讓我著迷不已。

俯瞰智利索馬雷茲島(Isla Saumarez)。圖/大石出版提供

難忘的雨林雷暴與日夜分際的晨昏線

返回地球前一個月,我來到穹頂艙,讓自己自由漂浮,不去碰任何牆壁,在飛過非洲上空時,播放歌手恩雅的〈非洲風暴〉(Storms in Africa),看著底下叢林中難以想像的精采表演。這真是絕頂的體驗。晚上看得到閃電,雲卻是幾乎看不到的。白天則可以看到暴風雲,但看不見一道道的閃電。但有時候各種條件會剛好到位,就有機會看到大自然的完整演出。

在 STS-130 任務的最後,我們得將奮進號從太空梭改裝成飛機,準備返回地球。我和組員史蒂夫.羅賓森(Steve Robinson)正在裝卸區把太空梭機器手臂放回它的載具中。這工作大部分是史蒂夫做的,我都在拍照。我們在黃昏時分飛越南美洲上方,剛剛好趕上亞馬遜盆地每天的雷暴,巨大的雷雨雲中打出一道道強烈的灰藍色閃電,我們完全沒有預料到會看見這樣的景象。

在北太平洋上空旋轉的暴風雲。這樣的漩渦狀紋路在自然界很常見。圖/大石出版提供

對大多數人來說,《魔鬼終結者》(Terminator)是一系列由阿諾.史瓦辛格主演的電影。在太空中,所謂的 terminator 是指地球表面上日夜分際的那條線,稱為晨昏線,從白色過渡成藍色再到黑色。我在傍晚駕駛噴射戰鬥機時看到很多次晨昏線。

-----廣告,請繼續往下閱讀-----

這讓我想到小學六年級的一堂天文課,老師拿著手電筒照向在教室另一端的籃球,一條長長的黑暗通道從太陽通過大氣層,延伸到黑暗的空間中,就像白天和黑夜之間的物理界線。從我在太空中的有利位置,可以清楚地看到太陽照亮了一半的地球,另一半則是漆黑一片。我們學過這個概念,卻無法在地球上看到。

我第一次看到晨昏線時不禁倒抽了一口氣。地球鮮明的藍白色在黎明中褪為柔和的色彩,然後變成我所見過最黑暗的夜晚。對我而言,這是令人難忘的太空景象。

用攝影記錄下母星地球

在太空中的任務一天天過去,我對地球也開始有了新的看法。我對攝影愈來愈感興趣,漸漸把注意力放到攝影上,想要用它來和更多人分享我的經歷。在地球上我大多是拍我的小孩,有機會的話也會拍日落、山景或海景。

我們在冬天飛過一片冰雪蒼茫的波士尼亞與赫塞哥維納。圖/大石出版提供

我從小就喜歡拍照,不過老實說,我大部分只是用相機的自動模式,偶爾在拍室內籃球賽時才會調整快門和感光度。不過在太空中我學會了很多新的技巧。在繞地軌道拍照是攝影者的夢想,我很興奮能拿著相機,進行這場畢生難得的冒險。

-----廣告,請繼續往下閱讀-----

經過了這一整趟的長期太空任務,我才開始能夠吸納太空飛行的所有景致、聲音和經驗。我是一直到得以連續好幾個月觀察地球,才真正懂得欣賞這些事情。這是眾多意料之外的驚喜之一:親眼看到水這麼大範圍地覆蓋了我們的星球,驅動了幾乎每個層面的事。我很驚訝這個星球上有這麼多地方是白色和藍色的,並且充滿了我無法想像的圖案。那一年冬天,我對我的母星的認知發生了根本上的改變。

──本文摘自《俯視藍色星球:一位 NASA 太空人的 400 公里高空攝影紀實》,2019 年 4 月,大石國際文化出版

-----廣告,請繼續往下閱讀-----
文章難易度
PanSci_96
1297 篇文章 ・ 2684 位粉絲
PanSci的編輯部帳號,會發自產內容跟各種消息喔。

0

0
0

文字

分享

0
0
0
AI 可以設計散熱,但誰敢讓它出貨?林唯耕談算力背後的物理現實
鳥苷三磷酸 (PanSci Promo)_96
・2026/08/20 ・2819字 ・閱讀時間約 5 分鐘

本文由 高柏科技 合作,泛科學撰文

林唯耕剛回台灣任教時,曾在清華大學的實驗室裡用一立方公分的「氨」做實驗。沒想到氨氣意外洩漏,那股刺鼻的氣味瞬間瀰漫整棟大樓,引來眾多師生抗議。

「從此以後,我再也不敢在實驗室裡用氨了。」他在《思想實驗室》的訪談中,帶著笑意回憶這段往事。

這段插曲聽來像是一則工程師的寓言:在理論模型中,氨是太空熱控系統的理想介質;但在現實的辦公大樓裡,它首先是逼人逃竄的臭味。公式本身沒有錯,但現實世界永遠比公式更複雜——它包含了人、成本、風險,以及必須為後果負責的工程師。

-----廣告,請繼續往下閱讀-----

高柏科技技術專家、清華大學榮譽退休教授林唯耕 ,曾任職於美國 OAO 工程部熱流組,深耕電子構裝散熱與熱管技術多年。隨著 AI 浪潮席捲全球,他鑽研一輩子的老問題再次被推向科技產業的核心:當晶片運算速度無止境攀升,那股伴隨而生的熱,究竟該往哪裡去?

熱不會讀新品發表會

科技巨頭在發表會上熱衷於談論大型語言模型、GPU 規格與驚人的算力。這些詞彙在投影片上光鮮亮麗,彷彿進步毫無邊界。然而,每一次數位運算都紮實地發生在實體晶片上。晶片會發熱、材料會疲勞老化,一旦設備過熱,系統便會降頻保護。在物理現實面前,再動聽的發表會敘事也必須低頭。

晶片會發熱、材料會疲勞老化,一旦設備過熱,系統便會降頻保護 / 圖片:envato

回顧個人電腦發展早期,晶片幾乎不需專屬散熱元件。隨後,鋁製鰭片、風扇、熱管到均溫板逐一登場。這段歷程常被視為技術升級,其實更像是對空間的極限勒索:晶片功率翻倍,發熱源的面積卻沒變大,機箱空間也不可能無限擴張。

林唯耕指出,散熱設計的核心只有三要素:功率、熱源面積與空間限制。他舉例,在標準的 1U 機箱中,若發熱面積約為三十乘三十毫米,氣冷系統在達到八百瓦時就會面臨瓶頸。這並非固定的物理常數,而是取決於空間、面積與氣流的動態平衡。最現實的代價在於,風扇轉速提升的背後,是噪音、電力損耗與空間占用。

-----廣告,請繼續往下閱讀-----

因此,「液冷技術」的興起並非單純為了追求酷炫,而是算力密度提升後的必然選擇。它能更精準地帶走晶片廢熱,卻也將新的挑戰帶入機房:漏液風險、流道堵塞、材料相容性,以及維運時的難度。工程的進步,本質上鮮少是徹底消滅問題,更多時候是選擇一組「比較值得承擔」的新問題。

太空教他的,不是把答案搬回地面

太空熱控工程之所以迷人,是因為它剝奪了地球上最常見的散熱工具。在真空宇宙中,沒有空氣能讓風扇製造對流;受光面溫度破百度,陰影處卻極度嚴寒。工程師必須純粹仰賴熱傳導、熱輻射,以及熱管與環路型熱管(LHP)來搬移熱能。

熱管運作的關鍵在於「相變」——液體蒸發時吸收大量潛熱,冷凝後重回循環。林唯耕比較了銅與水的熱傳導能力:在他設定的特定條件下,實心銅塊約能傳導 120 瓦的熱能;但若每秒有一立方公分的水發生蒸發相變,移熱量可瞬間拉升至 2.4 千瓦(kW)。他強調「每秒」的觀念,因為散熱談的是動態流動速率,而非靜態的冷卻魔法。

儘管如此,太空科技並不能直接套用到地面。太空元件因考量重量、功耗與維修難度,偏好無馬達幫浦的被動式設計;但地面 AI 伺服器面臨更高的熱負載與環境溫度,往往仍需幫浦驅動流量。當年那場「氨氣洩漏」事故正是最好的提醒:技術是否「先進」,與它是否「適合」當下的場景,始終是兩回事。

-----廣告,請繼續往下閱讀-----
他強調「每秒」的觀念,因為散熱談的是動態流動速率,而非靜態的冷卻魔法。/圖片:envato

好論文,為什麼仍可能造不出好產品

學術研究致力於證明「可行性」,而工業現場則要求「可重複性」——不僅要能運作,還得確保每台出廠的設備都不漏水。林唯耕將此定義為「從 0 到 1」與「從 1 到 100」的差別。後者涉及良率、成本、公差與客戶信任。論文中那次最完美的實驗數據,在產線上往往未必管用。

他從不避談失敗。在高柏科技早期與學界合作時,也曾遇過實驗數據無法複製,或研究方向偏離產業需求。這未必是雙方努力不夠,而是彼此對「成功」的標準不同。為了解決這道鴻溝,高柏科技推動「柏苗啟航創新培育計畫」,每年投入逾千萬資金與成大、中山、台科大等校合作,並指派專業人才在過程中持續微調、校正,確保研發貼近產線現實。

他分享了近期一項液冷工質校正專案。團隊使用非侵入式的超音波流量計進行觀測,但由於儀器預設以「水」校正,換成其他化學流體後讀數便出現誤差。最初嘗試用幫浦壓差推算,卻發現缺乏重複性,數據甚至推導出不合理的蒸發率。最後團隊回歸基本面,改用秤重法搭配能量平衡進行交叉驗證,才讓數據成功收斂。

這個故事真正的價值不在於「產學雙贏」的口號,而在於那段不夠優雅的挫折:假設失效、數據混亂、方法砍掉重練。也正是在這種時刻,企業需要的不只是會算數的人才,而是能洞察研究何時「走鐘」,並有權力喊停、要求重來的關鍵決策者。

-----廣告,請繼續往下閱讀-----

林唯耕坦言,過去在校園裡總認為「技術第一、成本第二」,進入商界後才驚覺行銷與信任關係往往才是關鍵。這番話雖然不如科技突破那樣動聽,卻是產品能否進入市場的殘酷真相。再卓越的散熱設計,若無法穩定生產或贏得客戶信任,也僅止於一份精美的報告。

AI 會給答案,誰來負責出貨?

訪談尾聲,主持人國威提出了一個時代難題:假設 AI 能在彈指間生成散熱架構、材料配方與流道設計,企業該選擇全面擁抱 AI 的速度,還是保留緩慢但穩定的工程驗證,以規避潛在的失效風險?

林唯耕拒絕落入二選一的框架。他的觀點是:兩者並存。AI 擅長處理資訊、生成草案;但工程師仍須實作原型,進行嚴苛的性能與可靠度測試,最終由人決定是否出貨。這並非盲目崇拜人類直覺,而是基於一項事實:AI 的資料庫裡,通常沒記載下一次「意外洩漏」或「材料疲勞」的細節,且模型永遠無法為量產結果擔負法律與商業責任。

在 AI 時代,最稀缺的未必是熟練下指令(Prompt)的人,而是具備這種能力的人:能預判答案可能在哪裡出錯、能設計實驗將問題「逼」出來,並且願意為最終的量產品質負起責任。

-----廣告,請繼續往下閱讀-----

大眾習慣將雲端想像成輕盈、無重量的空間。但現實中,雲端是由龐大的機房架構而成,裡面裝滿了晶片、管線、泵浦與冷卻液。虛擬算力的每一次擴張,都會在實體世界留下發熱的足跡。散熱工程師的價值,就是不讓這筆物理帳單,被埋沒在光鮮亮麗的投影片背後。

-----廣告,請繼續往下閱讀-----
文章難易度

討論功能關閉中。

鳥苷三磷酸 (PanSci Promo)_96
250 篇文章 ・ 320 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

0
0

文字

分享

0
0
0
平凡結構藏智慧,毛髮打結的微觀探索
顯微觀點_96
・2025/09/28 ・2403字 ・閱讀時間約 5 分鐘

-----廣告,請繼續往下閱讀-----

本文轉載自顯微觀點

「毛髮打結」的影像看似平凡無奇,卻不僅呈現自然界隱微的結構,還蘊藏著對生命深刻的敬意。憑藉著這幅作品,格爾德.岡特(Gerd Günther)更從全球顯微攝影大賽(2024 Global Image of the Year,IOTY)中脫穎而出,榮獲材料科學優勝獎。

圖/顯微觀點

令人驚嘆的是,獲獎者岡特的本業並非科學家或攝影師,而是一位農場主人,顯微攝影只是他「業餘」的愛好。

岡特於1958年出生於德國杜塞道夫;中學畢業後,於哥廷根大學學習農業科學,並從1986年後一直在杜塞道夫以自耕農為業。

-----廣告,請繼續往下閱讀-----

好奇的種子在顯微鏡下發芽

1970 年代,岡特中學期間,受到學校老師啟發開始接觸顯微攝影,讓他對這陌生又熟悉的結構產生濃厚興趣。當時岡特使用黑白底片,留下顯微攝影最初的記憶。直到 2000 年左右,數位時代來臨、數位相機系統問世,顯微攝影門檻下降,他才開始專注於顯微攝影的創作。

「……仔細觀察自然界中常見的事物,可以發現意想不到的特質,令人心生敬畏……我的目標是將普通的課本知識提升到知識認知和理解的層面,使欣賞成為一種享受。 」-《一粒沙中:探索大自然的設計》,安德烈亞斯‧費寧格(A. Feininger,1986

這句費寧格的話醒目地呈現在岡特架設的顯微攝影作品網站中,宛如一盞明指引創作方向的明燈,點明岡特攝影的核心理念。也透露出他的攝影品大多出自於對自然的敬畏以及日常平凡細節的好奇心,讓科學變得富有美感與哲理。

「你只需走出家門,就能進入微觀世界」,岡特認為顯微攝影最吸引人之處在於,不需長途跋涉,就能不斷發現新的結構、形狀、生命形態和色彩。而驅動他持續探索微觀世界的動力,是對大自然無盡的好奇,以及對迷人卻隱而不現寶藏的嚮往。

因此,從植物的葉脈到昆蟲的鱗片、從肥皂泡泡到礦物晶體,都是他顯微鏡捕捉的影像。為了呈現更完美的影像,他也會在閒暇時,利用各種DIY小工具改良拍攝流程,讓作品兼具科學性與美感。

-----廣告,請繼續往下閱讀-----

連結萬物平等的生命之結

2024全球顯微攝影大賽的獲獎作品《馬鬃與人髮之結》則是岡特探索微觀世界精神的最佳表現。

格爾德.岡特(Gerd Günther)。圖片/IOTY官網

這幅作品將馬鬃與人髮精心打結後(縱向人髮、橫向馬鬃),以明視野方式進行拍攝。透過150倍放大的視野,觀者得以清晰地看見兩種毛髮的粗細差異,但無論是人髮還是馬鬃,其外層覆蓋著如同魚鱗般的角蛋白鱗片,結構幾乎別無二致。

評審團盛讚這副影像是「視覺上極具感染力的證明:生命的共通性遠比差異更顯著。」

「我每天都與馬打交道,我對人髮和馬鬃在強度和外觀上的差異很感興趣」,岡特提到要創造出這幅看似簡單的作品,過程其實非常困難:要將兩根細小的毛髮打結並固定在顯微鏡下,需要極高的耐心與精細技巧。他嘗試了無數次,才終於拍到滿意的影像。

-----廣告,請繼續往下閱讀-----

對岡特而言,這件不僅包含紀實元素也蘊含情感的作品,除了象徵人類與動物之間的友誼外,人髮與馬鬃在結構上的相似性,也提醒我們所有哺乳動物,乃至所有生物之間的聯繫,遠比我們想像的緊密許多。也因此,應該對地球上所有生物都給予同等的尊重。 岡特的生活依舊以農耕為主,但科學觀察以及對顯微世界藝術性的獨到見解,讓他經營的那片農場,不再只是農務勞作的場所,而是他日復一日汲取靈感的起點,也透過顯微鏡折射出他對自然的無盡好奇。

參考資料

延伸閱讀

-----廣告,請繼續往下閱讀-----

討論功能關閉中。

顯微觀點_96
53 篇文章 ・ 13 位粉絲
從細微的事物出發,關注微觀世界的一切,對肉眼所不能見的事物充滿好奇,發掘蘊藏在微觀影像之下的故事。

0

1
1

文字

分享

0
1
1
說好的颱風呢?!氣象預報不準?要準確預測天氣有多難?
PanSci_96
・2023/09/12 ・4646字 ・閱讀時間約 9 分鐘

小心啊,打雷囉,下雨收衣服啊!

氣象報告說好是晴天的,怎麼一踏出門就開始下雨了?

昨天都說要直撲的颱風,怎麼又彎出去了?

多麼希望天氣預報能做到百分之百正確,只要出門前問一下手機,就能確定今天是出大太陽還是午後雷陣雨,是幾點幾分在哪裡?又或是最重要的,颱風到底會不會來?

-----廣告,請繼續往下閱讀-----

但你知道,現在的氣象預報,已經動用全球最強的超級電腦們了嗎?既然如此,我們現在的氣象預報能力到底有多準?我們什麼時候能徹底掌握這顆蔚藍星球上發生的所有天氣現象?

天氣預報有多困難?

雖然我們常常嫌說氣象預報不準、颱風路徑不準、預測失靈等等。但我們現在的實力如何呢?

目前美國國家海洋暨大氣總署的數據分析,對西太平洋颱風的 24 小時預測,誤差平均值約 50 英哩,也就是一天內的路徑誤差,大約是 80 公里。其他國家的氣象局,24 小時的誤差也約在 50 到 120 公里之間。台灣呢?根據中央氣象局到 2010 年的統計,誤差大約在 100 公里內。也就是臺灣對颱風的預測,沒有落後其他先進單位。

現在只要打開手機隨便開個 APP,就能問到今天的天氣概況,甚至是小區域或是短時間區間內的天氣預報。但在過去沒有電腦的時代,要預測天氣根本可以不可能(諸葛孔明:哪泥?)。

-----廣告,請繼續往下閱讀-----

近代且稱得上科學的天氣預測可追溯回 1854 年,那個只能靠人工觀測的年代,英國氣象學家為了保護漁民出海的安危,利用電報傳遞來蒐集各地居民的觀察,並進行風暴預報。後來演變成天氣預報後,卻因為有時預報不準,預報員承受了輿論與國會批判的巨大壓力,最後甚至鬱鬱離世。

19 世紀的氣象學家為了保護漁民出海的安危,會利用電報蒐集各地居民的觀察進行風暴預報。圖/Giphy

在電腦還在用打洞卡進行運算的年代,一台電腦比一個房間還大。氣象局要預測天氣,甚至判斷颱風動向,得要依賴專家對天氣系統、氣候型態的認知。因此在模擬預測非主流的年代,我們可以看到氣象局在進行預測時,會拿著一個圓盤,依據量測到的大氣壓力、風速等氣象值,進行專家分析。

當時全球的氣象系統,則是透過全球約一千個氣象站,共同在 UTC 時間(舊稱格林威治時間)的零零時施放高空探測氣球,透過聯合國的「World Weather Watch」計畫來共享天氣資料,用以分析。關於氣象氣球,我們之前也介紹過,歡迎看看這集喔。

也就是說,以前的颱風預測就是專家依靠自身的學理與經驗,來預測颱風的動向,但是,大氣系統極其複雜,先不說大氣系統受到擾動就會有所變化,行星風系、科氏力、地形、氣壓系統這些系統間互相影響,都會造成預測上的失準,更遑論模擬整個大氣系統需要的電腦資源,是非常巨大的。

-----廣告,請繼續往下閱讀-----

那麼,有了現代電腦科技加持的我們,又距離全知還有多遠呢?是不是只要有夠強的超級電腦,我們就能無所不知呢?

有了電腦科技加持,我們的預報更準了嗎?

當然,有更強的電腦,我們就能算得更快。才不會出現花了三天計算,卻只能算出一個小時後天氣預報的窘況。但除了更強悍的超級電腦,也要更先進的預測模型與方法。現在的氣候氣象模擬,會先給一個初始值,像是溫度、壓力、初始風場等等,接著就讓這個數學模型開始跑。

接著我們會得到一個答案,這還不是我們真正要的解,而是一種逼近真實的解,我們還必須告訴模型,我容許的誤差值是多少。什麼意思呢?因為複雜模型算出來的數值不會是整數,而是拖著一堆小數點的複雜數字。我們則要選擇取用數值小數點後 8 位還是後 12 位等等,端看我們的電腦能處理到多少位,以及我們想算多快。時間久了,誤差的累積也越多,預測就有可能失準。沒錯,這就是著名的蝴蝶效應,美國數學暨氣象學家 Edward Norton Lorenz 過去的演講題目「蝴蝶在巴西揮動了翅膀,會不會在德州造成了龍捲風?」就是在講這件事。

回到颱風預報,大家有沒有發現,我們看到的颱風路徑圖,颱風的圈怎麼一定會越變越大,難道颱風就像戶愚呂一樣會從 30% 變成 100% 力量狀態嗎?

-----廣告,請繼續往下閱讀-----
輕颱鴛鴦的颱風路徑潛勢圖。圖/中央氣象局

其實那不是颱風的暴風圈大小,而是颱風的路徑預測範圍,也就是常聽到的颱風路徑潛勢圖,​是未來 1 至 3 天的颱風可能位置,颱風中心可能走的區域​顯示為潛勢圖中的紅圈,機率為 70%,所以圈圈越大,代表不確定性越大。​

1990 年後,中央氣象局開始使用高速電腦,並且使用美國國家大氣研究中心 (NCAR) 為首開發的 Weather Research and Forecasting 模型做數值運算,利用系集式方法,藉由不同的物理模式或參數改變,模擬出如同「蝴蝶效應」的結果,運算出多種颱風的可能行進路線。預測時間拉長後,誤差累積也更多,行進路徑的可能性當然也會越廣。

「真鍋模型」用物理建模模擬更真實的地球氣候!

大氣模擬不是只要有電腦就能做,其背後的物理複雜度,也是一大考驗。因此,發展與地球物理相關的研究變得非常重要。

2021 年的諾貝爾物理學獎,就是頒給發展氣候模型的真鍋淑郎。他所開發的地表模式,在這六十年間,從一個沒考慮地表植物的簡單模型,經各家發展,變成現在更為複雜、更為真實的模型。其中的參數涵蓋過去沒有的植物反應、地下水流動、氮碳化合反應等等,增強了氣候氣象模型的真實性。

-----廣告,請繼續往下閱讀-----
2021 年的諾貝爾物理學獎得主真鍋淑郎。圖/wikimedia

當然,越複雜的模型、越短的時間區間、越高的空間精細度,需要更強大的超級電腦,還有更精準的觀測數據,才能預測接下來半日至五日的氣象情況。

世界上前百大的超級電腦,都已被用來做大氣科學模擬。各大氣象中心通常也配有自己的超級電腦,才能做出每日預測。那麼,除了等待更加強大的超級電腦問世,我們還有什麼辦法可以提升預報的準度呢?

天氣預報到底要怎樣才能做得準?

有了電腦,人類可以紀錄一切得到的數據;有了衛星,人類則可以觀察整個地球,對地球科學領域的人來說,可以拿這些現實資訊來校正模擬或預測時的誤差,利用數學方法將觀測到的單點資料,乃至衛星資料,融合至一整個數值模型之中,將各種資料加以比對,進一步提升精準度,這種方法叫做「資料同化 (Data Assimilation)」。例如日本曾使用當時日本最強的超級電腦「京」,做過空間解析度 100 公尺的水平距離「局部」超高解析氣象預測,除了用上最強的電腦,也利用了衛星資料做資料同化。除了日本以外,歐洲中程氣象預測中心 (ECMWF),或是美國大氣暨海洋研究中心 (NOAA),也都早在使用這些技術。

臺灣這幾年升空的福衛系列衛星,和將要升空的獵風者等氣象衛星,也將在未來幫助氣象學家取得更精準的資料,藉由「資料同化」來協助模擬,達到更精準的預測分析。

-----廣告,請繼續往下閱讀-----

如果想要進一步提升預報準度呢?不用擔心,我們還有好幾個招式。

人海戰術!用更多的天氣模型來統計出機率的「概率性模擬」

首先,如果覺得一個模型不夠準,那就來 100 個吧!這是什麼意思?當我們只用一種物理模型來做預測時,我們總是會追求「準」,這種「準確」模型做的模擬預測,稱為「決定性模擬」,需要的是精確的參數、公式,與數值方法。就跟遇上完美的夢中情人共度完美的約會一樣,雖然值得追求,但你可能會先變成控制狂,而且失敗機率極高。

「準確」的模型就跟遇上完美情人共度完美約會一樣,雖然值得追求,但失敗機率極高。圖/Giphy

不如換個角度,改做「概率性模擬」,利用系集模擬,模擬出一大堆可能的交往對象,啊不對,是天氣模型,再根據一定數量的模擬結果,我們就可以統計出一個概率,來分析颱風路徑或是降雨機率,讓成功配對成功預測的機率更高。

製造一個虛擬地球模擬氣象?

再來,在物理層面上,目前各國正摩拳擦掌準備進行等同「數位攣生 (Digital Twin) 」的高階模擬,簡單來說,就是造出一個數位虛擬地球,來進行 1 公里水平長度網格的全球「超高」解析度模擬計算。等等,前面不是說日本可以算到 100 公尺的水平距離,為什麼 1 公里叫做超高解析度?

-----廣告,請繼續往下閱讀-----

因為 500 公尺到 1 公里的網格大小也是地表模式的物理適用最小單位,在這樣的解析度下,科學家相信,可以減少數值模型中被簡化的地方,產生更真實的模擬結果。

電腦要怎麼負荷這麼大的計算量?交給電腦科學家!

當然,這樣的計算非常挑戰,除了需要大量的電腦資源,還需要有穩定的超級電腦,以及幾個 Petabyte,也就是 10 的 15 次方個位元組的儲存設備來存放產出的資料。

不用為了天氣捐贈你的 D 槽,就交給電腦科學家接棒上場吧。從 CPU、GPU 間的通訊、使用 GPU 來做計算加速或是作為主要運算元件、到改寫符合新架構的軟體程式、以及資料壓縮與讀寫 (I/O)。同時還要加上「資料同化」時所需的衛星或是全球量測資料。明明是做氣象預報,卻需要等同發展 AI 的電腦科技做輔助,任務十分龐大。對這部分有興趣的朋友可以參考我們之前的這一集喔!

結語

這一切的挑戰,是為了追求更精確的計算結果,也是為了推估大魔王:氣候變遷所造成的影響必須獲得的實力。想要計算幾年,甚至百年後的氣候狀態,氣象與氣候學家就非得克服上面所提到的問題才行。

一百年來,氣候氣象預測已從專家推估,變成了利用龐大電腦系統,耗費百萬瓦的能量來進行運算。所有更強大、更精準的氣象運算,都是為了減少人類的經濟與生命損失。

對於伴隨氣候變遷到來的極端天氣,人類對於這些變化的認知還是有所不足。2021 年的德國洪水,帶走了數十條人命,但是身為歐洲氣象中心的 ECMWF,當時也只能用叢集式系統算出 1% 的豪大雨概率,甚至這個模擬出的豪大雨也並沒有達到實際量測值。

我們期待我們對氣候了解和應對的速度,能追上氣候變遷的腳步,也由衷希望,有更多人才投入地球科學領域,幫助大家更了解我們所處的這顆藍色星球。

也想問問大家,你覺得目前的氣象預報表現得如何?你覺得它夠準嗎?

  1. 夭壽準,我出門都會看預報,說下雨就是會下雨。
  2. 有待加強,預報當參考,自己的經驗才是最準的。
  3. 等科學家開發出天候棒吧,那才是我要的準。更多想法,分享給我們吧

歡迎訂閱 Pansci Youtube 頻道 獲取更多深入淺出的科學知識!

-----廣告,請繼續往下閱讀-----
PanSci_96
1297 篇文章 ・ 2684 位粉絲
PanSci的編輯部帳號,會發自產內容跟各種消息喔。