燃燒的雨林，炎上的議題：關於亞馬遜的幾個問題與答案

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。

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。

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）」！

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。

以研華科技為例，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。

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。

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。

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）。

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。

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。

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

近年來，氣候變遷已經變成一個眾所皆知的熱門話題，不僅影響著我們身處的自然環境，以及人類生活，也對生物的繁殖、生長、分布等造成衝擊。不過，今天我們沒有要討論海平面上升、極端天氣等這些巨觀環境的改變，而是要來談談或許你我體內都有的——寄生蟲。

提到寄生蟲，大家比較熟悉的或許是蟯蟲、蛔蟲等，有機會寄生於人類體內的寄生蟲，而自然中許多物種之間也有寄生關係，但這與氣候變遷有什麼關係呢？

有許多研究顯示，氣溫升高會導致寄生蟲爆發事件增加，也有些研究說寄生蟲在高溫下的表現比宿主好，因此暖化可能會造成相關疾病越來越嚴峻，後來也衍生出「地球越溫暖，流行病越多」的假說。

寄生不是哩想ㄟ那麼簡單

俗話說：魔鬼藏在細節裡。腹肌藏在脂肪裡。

如同在生物課本裡學過的，寄生關係是生物間的交互作用，一種生物寄居在另一種生物的體表或體內，獲取營養得以生存、繁殖，所以也並非只有寄生蟲的事，和宿主的生理也有很大關係。找到溫度升高會影響寄生過程的哪些步驟，以及背後的機制怎麼運作，是了解氣候變遷對寄生關係影響的關鍵。

近期發表在英國皇家學會《自然科學會報》（Philosophical Transactions of the Royal Society B）的一項新研究就發現，溫度能夠調節寄生真菌在宿主水蚤體內的感染機制。

這個研究由臺灣大學氣候變遷與永續發展學程助理教授孫烜駿與美國密西根大學研究團隊合作，利用暖化實驗觀察水蚤和真菌之間的寄生關係。

他們將一種水蚤 Daphnia dentifera 作為實驗物種，水蚤平常吃藻類等浮游植物，然後也會被更大的捕食者吃掉，因此水蚤在淡水食物網中扮演著重要角色。而今天的另一個主角 —— 寄生真菌 Metschnikowia bicuspidata ，則是一種會感染多種水蚤的酵母菌。

那水蚤是怎麼被感染的呢？

宿主與寄生真菌之間的攻防戰

水蚤在濾食水中浮游植物時，寄生真菌的孢子可能會一起被牠吃進去，這時感染過程就開始了（水蚤表示：窩⋯⋯窩不知道QQ）首先，寄生真菌的針狀孢子需要先刺穿水蚤的腸道上皮細胞，才能進到體腔內開始發育、繁殖，感染初期有些水蚤還可能痊癒，否則就會進到最終感染階段，一旦水蚤體腔內充滿寄生真菌的孢子或孢子囊，便不可能康復，最終走向死亡，之後下一代孢子釋放回環境中，再被新宿主吃掉，完成感染週期。

也不是所有被吃進去的孢子都能夠成功感染宿主，必須要經過重重關卡，畢竟水蚤也不是吃素的（好啦水蚤真的吃素沒錯 XD）

而兩道最重要的關卡就是「物理屏障」與「細胞免疫」。

物理屏障是一種常見的防禦形式，例如我們的皮膚和植物的角質層，在水蚤與寄生真菌的感染過程裡，腸道上皮細胞就是抵抗孢子進入體腔的物理屏障，像是一道能夠抵抗外來敵人的城牆。

但如果孢子還是順利進到水蚤的體腔內，細胞免疫就像一支軍隊，免疫細胞士兵們會聚集到被感染的部位，開啟防禦模式，共同抵禦外敵，也就是前面提到的，有些剛被感染的水蚤有機會康復的原因。

暖化之下，寄生關係會怎麼樣

研究團隊想知道：溫度對物裡屏障和細胞免疫的影響，以及會不會影響最終感染的機率。

因此他們把水蚤放到 20°C 和 24°C 下的環境飼養，為甚麼是這兩個溫度呢？

根據先前研究，20°C 是適合水蚤生長繁殖的溫度，而 24°C 則是來自 2100 年氣候變遷預測下的平均溫度變化，自西元 1985 年起，夏季的湖面溫度以每十年 0.34°C 攀升，到本世紀末預計上升 4°C。

並將不同溫度下飼養的水蚤，分別放入有寄生真菌和沒有寄生真菌的環境，總共四種環境條件的組別。

1. 實驗組：24°C，沒有寄生真菌
2. 實驗組：24°C，有寄生真菌
3. 控制組：20°C，沒有寄生真菌
4. 控制組：20°C，有寄生真菌

接著，為了知道感染初期的情形，針對有寄生真菌的組別，研究團隊在放入真菌 24 小時後，用複式顯微鏡觀察，檢查水蚤腸道和體腔內是否有孢子，以及孢子的數量。

那要怎麼知道物理屏障和細胞免疫的防禦效果呢？

如同前段提過的，我們將作為物理屏障的腸道上皮細胞想像成城牆，免疫細胞想像成軍隊，而寄生真菌的孢子是試圖入侵的外敵。

腸道的防禦力便是用「後來在體腔內的孢子數」與「所有試圖刺穿腸道上皮的孢子數」相除；也就是「進到城牆內的敵人數」除以「所有一開始來城牆外攻擊的敵人數量」。（編按：每一百個攻擊城牆的敵人，會有多少人突破城牆的防禦進到牆內）

除此之外，團隊也觀察在不同溫度下水蚤腸壁上皮的厚度，畢竟城牆的厚度可能是防禦的關鍵。

而細胞免疫則是以「前來支援的免疫細胞數」除以「體腔內的孢子數」計算，可以想像成一個敵人需要幾個士兵一起抵抗。

除了兩道關卡的抵禦能力外，為了解水蚤的健康狀態，研究團隊紀錄牠們在感染後的死亡率和繁殖力。

溫度影響的不只是寄生關係

實驗結果發現，較溫暖環境下的水蚤腸壁上皮細胞比控制組厚，但腸壁是越厚越好嗎？

另一個結果顯示，其實較厚和較薄的腸壁上皮細胞，比較能抵抗寄生孢子的攻擊，反而是有中等腸道厚度的水蚤防禦孢子進入體腔的能力較弱。

而關於細胞免疫，則發現隨著成功進入體腔的孢子數量增加，附著在孢子上的免疫細胞總數也跟著增加，但在較溫暖環境下飼養的水蚤召集來的免疫細胞，比控制環境下來得少。也就是說，越多敵人入侵，軍隊會募集越多士兵來共同對抗，但在溫暖環境下召來的士兵較少。

那物理屏障和細胞免疫之間有什麼關係呢？

在 20°C 下，腸道上皮細胞越厚，每個寄生孢子所需要的免疫細胞數就越少，這似乎蠻容易理解的，若城牆越厚，軍隊火力就不需要太強，反之亦然。

但在 24°C 卻看不到同樣的趨勢，我們知道的只有在溫暖環境下，同樣腸道厚度免疫細胞仍比控制組少。

最後，不論是繁殖力還是存活率，都是在溫暖環境下被感染的水蚤敬陪末座。

從這個研究，我們可以得知，溫度上升不僅會改變宿主的物理屏障，也會影響細胞免疫，進而改變寄生真菌對水蚤的感染結果。在更了解溫度影響寄生關係中的哪些關鍵特徵和結果後，便能預測在暖化環境中，宿主與寄生蟲之間的交互作用，以及所導致的後果。

1. Sun, S. J., Dziuba, M. K., Jaye, R. N., & Duffy, M. A. (2023). Temperature modifies trait-mediated infection outcomes in a Daphnia–fungal parasite system. Philosophical Transactions of the Royal Society B, 378(1873), 20220009.
2. Rohr, J. R., & Cohen, J. M. (2020). Understanding how temperature shifts could impact infectious disease. PLoS biology, 18(11), e3000938.
3. Harvell, C. D., Mitchell, C. E., Ward, J. R., Altizer, S., Dobson, A. P., Ostfeld, R. S., & Samuel, M. D. (2002). Climate warming and disease risks for terrestrial and marine biota. Science, 296(5576), 2158-2162.
4. Miner, B. E., De Meester, L., Pfrender, M. E., Lampert, W., & Hairston Jr, N. G. (2012). Linking genes to communities and ecosystems: Daphnia as an ecogenomic model. Proceedings of the Royal Society B: Biological Sciences, 279(1735), 1873-1882.
5. Ozersky, T., Nakov, T., Hampton, S. E., Rodenhouse, N. L., Woo, K. H., Shchapov, K., … & Moore, M. V. (2020). Hot and sick? Impacts of warming and a parasite on the dominant zooplankter of Lake Baikal. Limnology and Oceanography, 65(11), 2772-2786.

• 駱世豪／中研院環境變遷研究中心博士後研究學者。

Take Home Message

• 歐美熱浪的主因是噴流增強了熱穹的下沉，造成熱空氣北移和累積。臺灣的熱浪則是受到副熱帶高壓的影響。
• 熱浪發生頻率變頻繁且強度變強，與溫室氣體排放造成的全球暖化效應增加有很大的關係。
• 熱浪事件對生態、糧食、經濟和健康等面向都造成威脅，全球與臺灣熱浪的持續天數和強度都有增加的趨勢。

古代傳說中，后羿射下九個太陽讓地上的氣候適宜、萬物得以生長，古代的預言已經告訴我們，炎熱的氣候條件不利於萬物的生長。而在現今全球暖化的情況下，另外九個太陽會復活嗎？以上雖是玩笑話，但今（2022）年歐洲國家就受到熱浪（heatwave）嚴重影響，葡萄牙與西班牙最高溫度達到 45℃ 以上；英國更出現 54℃ 以上的極端高溫，發布有史以來第一個紅色高溫預警，並進入緊急狀態。

據統計，歐洲各國在 6 月因熱浪死亡的人數高達 2468 人。中國的溫度也突破近 62 年的歷史同期最高夏季平均氣溫，有 23 個省分出現 40℃ 以上高溫，許多地方都出現因熱浪致死的案例。臺灣也在 7 月中出現接近 40℃ 的溫度，並在多地出現 35℃ 左右、維持數天的極端高溫。近年來熱浪的強度和發生頻率不斷提高，造成人員經濟的損傷也愈來愈多，而究竟什麼是熱浪？它形成的背後機制為何？

熱浪是什麼？

「熱浪」是夏季主要造成災害的極端事件之一，根據世界氣象組織（World Meteorological Organization, WMO）的定義：「熱浪現象是指一個地區超過該地區的歷年最高溫度平均值 5℃ 以上，並且持續 5 天以上。」一個地區能維持極端高溫並持續一段時間，背後一定有些天氣系統所導致。

如近年歐洲、北美熱浪頻傳，主要因素就是噴流（jet stream）與熱穹（heat dome）所造成；東亞主要受太平洋副熱帶高壓（subtropical high）影響；印度和亞馬遜等熱帶區域則主要是受到降雨的影響。各區域因為氣候背景與緯度位置不同，造成熱浪的成因也有所不同，接下來我們會依序介紹世界各地氣候與緯度間的相互關係。

高空之龍所環抱的氣團

當北半球夏季中高緯地區噴流向北蜿蜒形成一個像 Ω（omega）的形狀時，就有可能形成熱浪（圖一），或因為它的特殊形狀而被稱為阻塞高壓（omega blocking）。噴流是一股由西往東的氣流，通常位於對流層頂，它的水平長度達上萬公里、寬數百公里，中心風速有時可達每小時 200～300 公里。

而噴流就像一個在地上亂甩的水管，蜿蜒的波動有時往北有時往南，當噴流在北美或歐洲地區蜿蜒向北時，會形成一個 Ω 的形狀，也會造成反氣旋（順時針）式風切，進而讓大氣產生下沉運動。在此區域內不易形成對流，造成穩定且乾燥的環境，也就是所謂的熱穹，或是阻塞高壓。噴流和熱穹是相輔相成的關係，噴流增強熱穹的下沉機制，將南邊的暖空氣往北傳送，並將熱空氣累積，所以才形成熱浪。

而在東亞的夏季，氣溫主要受太平洋副熱帶高壓（subtropical high，以下簡稱副高）影響。副高中心約位於太平洋（東經 160 度、北緯 30 度左右），在它的增強過程中會向西伸擴張至中國東南沿岸，而當副高處於增強的狀態時，副高系統會再向西延伸且壟罩整個臺灣。

如上述所說，高壓壟罩的狀況下屬於對流穩定的晴朗天氣，配合上夏季的西南季風，將暖濕空氣往北傳送並堆積在副高所壟罩的區域上，最後在此區域形成熱浪現象。相較於北美、歐洲區域的乾熱浪，臺灣的熱浪屬於濕熱浪（wet heatwave）。除了極端高溫外，還有著高濕度的影響，悶熱的環境對人體有更大的傷害和影響。

另外，印度和亞馬遜熱帶區域雖屬於終年偏高溫的地區，但仍有熱浪現象產生，主要原因是降雨。熱帶地區主要氣候分為乾季與溼季，溼季通常為該地區的夏天，下雨能有助於該地區降溫，所以當降雨系統未出現、延遲或偏移，就很有可能會造成嚴重的熱浪。

熱浪造成的嚴重影響

熱浪事件對生態、糧食、經濟、健康等面向都造成諸多影響，以下將分為四類說明：

生態浩劫

根據聯合國（United Nations, UN）底下的政府間氣候變遷專門委員會（Intergovernmental Panel on Climate Change, IPCC）第六次評估報告預測，如果到了 2100 年全球的溫度升高達到 2℃，陸地上大約 18％ 的物種將面臨滅絕的高風險；如果升溫至 4.5℃，在我們有紀錄的所有動植物物種中約有一半將受到威脅。臺灣也面臨相同的狀況，當熱浪發生的頻率愈來愈高，持續時間和強度也都增加的狀況下，將發生物種多樣性減少、物種的分布改變、增加外來物種入侵機會等情況，對整體生態系平衡或農業生產造成衝擊。

糧食危機

IPCC 於 2019 年報告中指出，全球主要農產品（如玉米、小麥、大豆）產量都會受到全球暖化影響減產 1.8～4.5％。若情況持續惡化，到 21 世紀中則可能導致產量下降 5～30％。

經濟損害

美國報導指出熱浪會造成極端高溫，進而對人體產生危害，所以對於生產力（gross domestic product, GDP）也有影響。在高於平均水平的夏季氣溫下，每升高 1℃，美國各州的 GDP 就會下降 0.25％。國際信評機構標普全球（S&P Global）的報告預測，氣候變遷恐導致 2050 年前全球每年經濟產出損失 4％，臺灣位處的東亞區域則會有 1％ 左右的損失（圖二）。

人體危害

對於人體而言，熱浪最嚴重的傷害為熱衰竭（heat exhaustion）。根據臺灣氣候變遷推估資訊與調適知識平臺計畫（TCCIP）的報告指出，2003 年的歐洲熱浪估計已造成七萬多人死亡；2010 年俄羅斯熱浪則導致超過 5 萬 6000 人死亡。科學家警告：「如果各國家和企業不採取激烈行動來削減溫室氣體排放，2050 年時的英國與高溫相關的死亡人數預計將增加兩倍，而且世界將經歷更頻繁、更強烈、更危險的熱浪危機。」

越來越熱的台灣——極端高溫天氣的頻率增加

熱浪發生頻率變頻繁且強度變強，主要與溫室氣體排放造成全球暖化效應增加有很大的關係。更進一步使用溫度發生機率圖解釋（圖三），若峰值愈接近右邊，代表高溫事件發生的機率愈高；反之，若峰值愈接近左邊，低溫事件發生的機率愈高。當全球暖化效應增強時，就如同圖三所顯示的新氣候，整體機率分布相較於舊氣候來說會往右偏移，往更高溫度的地方移動，造成熱浪事件的發生機率更高。

而實際上全球的變化也是如此，根據科技部、中央研究院環境變遷中心以及國家防災中心的報告，比較全球早期（1951～1980 年）和近期（1981～2010 年）的日最高溫資料（圖四左），在機率分布圖上可以看到往右偏移的情形，表示極端高溫事件的頻率與溫度都有增加的趨勢。

臺灣的夏季日最高溫度也有相同的趨勢變化，以臺北的資料為例，比對早期（1960～1990 年）和近期（2006～2017 年）的夏季日最高溫度，能發現近期的頻率分布向右偏移，夏季日最高溫度的發生機率增加，平均值也增加近 1℃（圖四右）。全球與臺灣的平均氣溫或極端溫度發生頻率皆有增加的趨勢。

在未來（21 世紀中後期）趨勢的變化中，研究學者利用模式推估，指出以現在的熱浪門檻為標準，未來若是能將全球暖化程度控制在低暖化情境（RCP2.6），則臺灣地區的熱浪不管是在頻率、持續時間或強度上，和現今的差異不大。相反的，在高暖化情境（RCP8.5）情境下，21 世紀末臺灣整個夏季都可能處於熱浪狀態。未來若暖化情況持續增長，熱浪的發生將成為常態，而且持續天數和強度也有增加的趨勢。

TCCIP 計畫依據 IPCC 所設定的溫室氣體排放情境，進行臺灣地區的溫度模擬：在高暖化情境（RCP8.5）推估下，世紀末可能增溫超過 4℃，而北部地區增溫較南部嚴重，高溫有可能影響農作物生長與收成。臺灣在未來將面臨更嚴重的熱浪衝擊，對於能源使用、公共衛生健康等都可能帶來前所未有的考驗，而這急迫性的問題，就像電影《普羅米修斯》（Prometheus）裡女主角說的：

「如果不阻止它，我們就會無家可歸！」（If we don’t stop it, there won’t be any home to go back to!）

溫室氣體排放情境假設：「RCP」

IPCC 的報告中長使用到的濃度路徑「RCP」為 representative concentration pathways 的英文縮寫，代表不同程度暖化路徑的人為溫室氣體排放量的「情境假設」，其中假設四種不同暖化情境，由輕微到最嚴重分別為 RCP2.6、RCP4.5、RCP6.0、RCP8.5，分別代表的意義如下：

• RCP2.6：增溫最小且緩慢的情境，輻射強迫力先在 21 世紀中期達到最大值 3 Wm^-2，大約和二氧化碳濃度 490 ppm 相似，然後再緩慢下降到 21 世紀末。
• RCP4.5：輻射強迫力會在 21 世紀末達到一個穩定狀態的情境，約為 4.5Wm^-2，和二氧化碳濃度 650 ppm 相似，代表世界各國會想盡辦法做到溫室氣體減量的目標。
• RCP6.0：和 RCP4.5 相似，但輻射強迫力為 6 Wm^-2，約為二氧化碳濃度 850 ppm，代表世界各國並沒有盡全力積極做到溫室氣體減量的目標。
• RCP8.5：輻射強迫力持續的增加到大於 8.5 Wm^-2，即二氧化碳濃度會大於 1370 ppm，代表世界各國並無任何減量的動作。

• 〈本文選自《科學月刊》2022 年 11 月號〉
• 科學月刊／在一個資訊不值錢的時代中，試圖緊握那知識餘溫外，也不忘科學事實和自由價值至上的科普雜誌。