鰲鼓濕地棕背伯勞婉轉多變的鳴叫聲

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

• 古國廷

如果你是一間大公司的股東，每年分到的股利讓你衣食無缺。但有些人沒跟你們這些股東商量，就決定把公司轉手或關掉，讓你享受的好處頓時成空，你會不會急得跳腳，想跟這些人拼命？

其實這種事情時常上演，出現在你我生活，而且我們都是這間公司的股東，這間公司叫做濕地。

「濕地公司」有哪些營業項目？

根據拉姆薩公約 2018 年發表報告《全球濕地展望》（Global Wetland Outlook），目前世界濕地總面積超過1,200萬平方公里，大約 330 個台灣那麼大。如果以公司來比喻，它的營業項目幾乎涵蓋大眾生活的所有面向。

這間跨國公司裡面有水資源部門，每年供給 42,000 立方公里的淡水，其中 3,900 立方公里的水給農業、工業和民生使用。

它同時設有漁業部門，業務範圍包括內陸漁業、養殖漁業、沿岸漁業，其中內陸和養殖漁業的業績年年上升。內陸漁業 1950 年全世界漁獲 200 萬噸，到 2012 年增加至 1,160 萬噸，這些漁獲有 95% 來自發展中國家，是當地重要的營養來源。養殖漁業漁獲 1950 年為 100 萬噸，2008 年成長到 5,200 萬噸，占全球漁業的45.7%。

「濕地公司」也設有防災工程部門，能夠減少暴風雨和淹水帶給人類的威脅。例如美國麻州查爾斯河 3,800 公頃的濕地，減少當地水災衝擊所帶來的效益每年約 1,700 萬美元。濕地也能固碳減緩氣候變遷，其中泥炭地僅占全世界面積的 3%，卻是全世界儲碳最多的地方，其儲存數量約是大氣中碳含量的 75%。

它也有旅遊部門，各種類型濕地讓人們休閒娛樂，並為當地帶來豐厚收入。例如 2002 年的研究估計潛水活動每年為夏威夷帶來 5,000萬至 6,000萬美元的收入；2016 年研究估計澳洲大堡礁每年觀光收入約 52 億澳幣。「濕地公司」的業務不只這些，還包括水循環、氮循環、磷循環；提供「住宅」給許多生物居住，也蘊育世界多樣的文化。

「濕地公司」營收要怎麼計算？

如果我們是一家公司的股東，都會關注他們的財報了解營運狀況，是否能為我們帶來收益。那濕地為人類生活帶來的各種服務，是否也能用金額量化這些服務的價值？例如維護濕地的生態功能，要如何計算對我們好處值多少？

如果要計算維護濕地生態功能的價值，可以用市場價值評估法。所謂市場價值評估法，就是當我們知道一個生態服務對既有商業活動有影響，並且能夠精確知道影響程度，就能以商業活動回推該生態服務的價值。

例如當我們知道維護濕地生態功能，可以讓當地漁獲增加，並且能夠計算漁貨增加的數量；那我們就可以將漁貨增加的數量，乘上漁貨在市場上的價格，藉此估算維護濕地生態功能的效益。

但如果要計算的服務沒有相對應商業活動，則可以用非市場價值評估法，例如旅行成本法、特徵價格法、直接評估法等等。

誰在計算「濕地公司」營收？

其實將自然生態服務換算成貨幣金額可以回溯至 1960 年代。但直到生態經濟學家 Robert Costanza 等人於1997 年在《Nature》發表研究，這類方法才漸漸為人所知。他們研究指出全球生態服務所帶來的價值估計約 16兆至 54兆美元。

在此之後，有越來越多相關的文章和研究報告陸續發表。這些研究者在不同時期，各自參考不同的文獻資料、運用不同研究方法，研究對象涵蓋各種生態系統和地理環境。

時間來到 2007 年，聯合國進行生態系統暨生物多樣性經濟倡議計畫（The Economics of Ecosystems and Biodiversity，以下簡稱TEEB），並於 2010 年和 2011 年發表研究結果。該計畫同時發展出生態服務價值資料庫（Ecosystem Service Value Database，以下簡稱 ESVD 資料庫），裡頭記錄多種生態價值研究的資料。

Rudolf de Groot等人為更了解包括濕地在內各種自然生態系，帶給人類的服務有多少價值，於是集結荷蘭、美國、肯亞、英國、澳洲、比利時和以色列等國的學者，匯集全世界 320 篇相關研究報告並結合 ESVD 資料庫，將其研究結果刊登於 2012 年《Ecosystem Services》期刊。

十種生態系分類，1350筆生態價值估算結果

Rudolf de Groot 等人選定海洋、珊瑚礁、海岸、海岸濕地、內陸濕地、湖泊、熱帶雨林、溫帶林、林地和草原共 10 種生態系。而生態系的服務種類是依據TEEB報告分類，包含提供資源、調節、棲地和文化共四大類，以下再細分共 22 個子分類，這 22 種服務底下又再細分超過 90 種細項。例如提供資源這一大類底下包括食物這個子分類，食物這個子分類底下又包括魚類、肉類等。

然後再將 320 篇研究報告資料一一納入ESVD資料庫中，共有 1,350 筆生態價值估算結果。ESVD資料庫不是只有收錄生態價值估算結果，還包括估算研究過程的各種資料，包括研究所採用的評估方法、評估所使用的貨幣單位、折現率、研究地點描述等等，還有其他計算過程備註。

ESVD 資料庫的生態服務價值是由非常多評估方法計算出來，部分研究以不同年份的當地貨幣做為最初估算單位。為讓資料庫內的資料能互相比較和加總，因此需以各國的平均物價指數（GDP deflator）將研究結果轉換成 2007 年的當地貨幣，然後再用購買力平價（purchasing power parity）把 2007 年當地貨幣轉換成 2007 年的國際元。

計算出來的「濕地公司」營收有多少？

該資料庫內容有 25%是關於內陸濕地、21% 是海岸濕地（特別是紅樹林）、14%是珊瑚礁。資料庫地區分布亞洲 28%，非洲 26%，歐洲 12%，拉丁美洲和加勒比海 12%，北美洲 12%，大洋洲 8%。

研究結果是以各種生態系服務每年每公頃帶來的貨幣價值呈現，貨幣單位為 2007 年國際元，其中珊瑚礁生態系約為 35 萬國際元，海岸生態系（包括海灘）約 2.9 萬國際元，海岸生態濕地約 19 萬國際元，內陸濕地 約 2.5 萬國際元，河流和湖泊等淡水生態系約 4,300 國際元。（註：1 單位 2007 年國際元的購買力，等同於 1 美元在 2007 年美國的購買力。因此可以把內文研究數據，想像成以 2007 年的美金計價。）

Rudolf de Groot 等人在期刊中特別強調，因為缺少文獻資料和標準化程序可以遵循，資料庫中 1,350 個生態價值研究結果，只有 665 個有充足的資訊可以轉換成共同貨幣一起統計，另外超過一半生態服務無法納入計算。因此在這裡呈現「濕地公司」的生態價值是被低估的。

「濕地公司」營收計算方式準不準確？

在這1,350筆生態價值評估的結果，即使同一個生態系估算出來整體價值差異很大。原因包括研究範圍不同，研究地點其生態條件和社會經濟背景也大不相同。評估價值的研究方法不一樣，也造成結果上的差異。此外同一個生態系中的各個服務會相互影響，很難獨立計算單一服務時排除其他服務帶來的貢獻，所以各服務加總時可能有重複計算的問題。

而這320篇研究期刊和報告也有可能產生選擇上的偏誤。像是與生態價值低的地方相比，研究者更容易選擇生態價值高的地方來研究。相較沒有明確結果的研究，統計結果顯著的研究報告更容易在期刊上發表。另外研究報告一開始在選擇的研究方法，就會影響最終價值的估算結果。

估算「濕地公司」營收有甚麼意義？

其實將濕地等自然生態的功能和服務，轉換成貨幣價格，招來不少質疑和批評。有些人認為自然生態無可替代，怎麼能夠換算成金錢；另一派人則是質疑研究結果的準確性。

Rudolf de Groot 等人在期刊中表達自己的看法。他們認為政府、企業和消費者在日常選擇時，已經有意無意地為濕地、森林和種種自然生態定價。通常這些定價價格非常低，甚至趨近於零。完全沒有考量這些生態系豐富的服務與貢獻，反映在我們選擇中。於是我們把自然生態簡化各種單一功能的設施，完全沒有考慮這些選擇背後，需承擔豐富生態消失的代價。

大多數自然生態的價值無法用市場價值計算，只能用其他非市場評估方法衡量。即使如此，還是遠遠低估生態消失所付出的代價、復育的成本，這代表我們生活中享受的各種便利和好處，是從弱勢者和未來世代拿來的。

Rudolf de Groot等人認為，將生態系統服務估價，並不是要為它們定價，或是將其視為商品在市場上面買賣。生態系統服務是屬於所有人的，不能也不應該被這樣私有化拿來交易。

把生態系統服務用貨幣方式表現，是要呈現它對人類社會的益處，這些益處會因為破壞而消失，因保育而留存。用貨幣價格表示是必要的溝通工具，能夠有說服力地傳達訊息，讓土地利用或資源利用時，能權衡考量出更好的決策。

當看完那麼多研究學者用各種方式估算「濕地公司」價值之後，你覺得濕地究竟是一片荒蕪的賠錢貨，還是無價的珍寶呢？

參考資料：

• Ramsar Convention Secretariat. (2018). The Global Wetland Outlook.
• Costanza, R., d’Arge, R., De Groot, R.S., Farber, S., Grasso, M., Hannon, B., Limburg, K., Naeem, S., O’Neill, R.V., Paruel, J., Raskin, R.G.,
• Sutton, P., Van den Belt, M., 1997. The value of the world’s ecosystem service and natural capital. Nature 387, 253–260.
• De Groot, R.S., Brander‚ L., van der Ploeg‚ S., Costanza‚ R., Bernard‚ F., et al. (2012). Global estimates of the value of ecosystems and their
• services in monetary units. Ecosystem Services, 1(1), 50–61.
• Ecosystem service valuation database
• 吳珮瑛 (2005)，生物多樣性資源價值的評估方法。

※本文亦刊載於環境資訊中心

本文由科技部補助，泛科學獨立製作

李柏昱 | 國立臺灣大學 地理環境資源學系

濕地作為水陸交界帶，能緩解雙方對彼此造成的衝擊，一方面淨化陸地汙染物，另一方面則減緩洪水與海浪對陸地的災害。目前臺灣對濕地的了解多側重於淨化能力，本專訪邀請長年投入濕地保育研究的國立臺灣師範大學方偉達教授，介紹濕地另一大被忽略的功能：「減洪防災」，並分享濕地的復育經驗，從終歸納展望未來臺灣社會如何與濕地共存共容。

大地之腎，淨化還能減洪

各國因各地國情不同，對濕地有不同的界定標準，依據1971年聯合國《拉姆薩濕地公約》中，各國共同對濕地作出比較明確的定義：「濕地是指沼澤（marsh）、泥沼地（fen）、泥煤地（peatland）或水域所構成之地區，無論是天然或人為、永久或暫時、靜止或流動的、淡水、鹹水或兩者混和，其水深在低潮位時不超過6公尺者。」目前臺灣一共有82處的國家重要濕地，保護著臺灣各地水與土的交界地帶。

過去，濕地由於其強大的淨水功能而被國人所熟知，並被賦予「大地之腎」的美稱。不過濕地還有另一項較少被提及與重視的功能：減洪（flood mitigation）。濕地由於是水與土之間的緩衝，對於臺灣的強降雨事件，造成河川水位亟漲，山洪暴發時，能發揮相當良好的滯洪功用，減少洪水的洪峰流量，讓水得以在此入注、下滲涵養地下水層，如果洪水水量超過濕地可容納量，濕地中的草叢、樹木，也能減緩水流，減弱洪水的破壞力。

在沿海地區，海岸濕地對陸地的保護效果也相當明顯。濕地如紅樹林在大浪來襲時，可以產生碎波效應，減少巨浪對陸地的沖蝕；此外，颱風來臨時也能預防海水倒灌，可以說是一道綠色長城，也不為過。世界上很多國家從過去人工大量營造防波堤、消波塊，改進為利用自然的紅樹林攔阻洪水，就是看上濕地對於減洪的卓越功能。

依據長期觀察之觀點而言，濕地做為自然且富有生命力的自然堤防，最大的優勢在於不會像人工堤防、水壩、抽水站等硬體工程，會隨歲月流逝而淤積、折損及毀壞，不需要投入大量人力與經費進行維護。復育濕地基本上是更聰明且永續的作法。目前臺灣各都市積極建設滯洪池，方教授認為也可改善其功能成為人工濕地，讓滯洪池吸水功能更佳，不僅僅是蓄水池，栽種植物之後，也能扮演都市中珍貴的綠色生態廊道的角色。

不過，方教授說「濕地固然可以起到相當程度的防洪作用，但是一定要搭配其他生態工程進行整體規劃及營造」，單靠濕地無法百分之百的杜絕洪水，但濕地如和其他的防洪設計能相輔相成，濕地數量越多，越能減少洪水的發生機率，例如桃園臺地有三千多個埤塘，就能有效分散颱風來襲造成洪水的風險。

濕地復育，必須因地制宜

濕地復育是長時間投入，且必須耐心耕耘的過程。第一階段必須恢復濕地的物理功能，例如在已荒漠化的土地上重新引進流水、進行土壤的改良；第二是引入生物的功能，包含植物的栽培，逐步由下而上建立生態金字塔，最終能吸引鳥類或其他較大型動物。方教授說：「復育是需要時間的仿自然推演，任何的復育工作都不能操之過急；以人為方式進行復育，絕不是立竿見影之事。」

儘管濕地有眾多優點，復育更需要較長時間和經費的付出，但是方偉達教授提醒，濕地的復育必須因地制宜，一旦在錯誤的地點進行復育，反而會弄巧成拙，濕地反而變成阻擋水流的障礙。例如關渡自然保留區的濕地本來的植物是蘆葦和茳茳鹹草，不會阻擋水流，但是過去當地地層下陷造成土壤鹽化，加上1964年，政府為了排洪的原因，炸掉了關渡獅子頭隘口，結果漲潮時的潮水帶來的海水倒灌的問題，水筆仔大量生長之後，阻擋水流反而不利於基隆河疏洪。此外，新竹的白地粉社區也有類似問題，在河道引進水筆仔之後，因為剛好是種在河口處，之後因為灌排不易的問題，反而開始發生淹水的問題。

另外相反的情況是，復育的濕地因為地點過於低漥，颱風來襲之後，栽種的植物幼苗被山洪沖刷殆盡，復育必須重頭開始。這些案例顯示，在人工濕地復育之前，當地的水質和水文（例如說，河川流速、颱風時的水位高度）都要調查清楚之後，才能動工。復育地區地勢太高，濕地植物會有缺水的現象；如果太低漥，颱風來臨之後，人工栽種的植物又會被沖走。如果地點選擇適當，濕地本身便具備自我復元的功能，莫拉克颱風高屏溪沿岸被沖走的濕地植物，現在又長回來了，新海人工濕地植物雖然被沖走，經過補植之後，現在也恢復了。

現代都市如何與濕地共存共榮？

隨著臺灣經濟快速發展，都市快速擴張，過去被認為會滋生蚊蠅、雜草叢生的濕地，由於沒有開發利用的價值，幾乎都被填平、排乾另作他用，例如過去桃園臺地有11.8％的面積是埤塘，但現在只剩下3.8％。如此一來，都市與水之間就失去了原本存在的緩衝地帶，洪水得以直逼人類為自我保護，所築起的堤防，這些高強度保護的城市，不淹則已，一旦潰堤，就是場大災難。

因此，在2014年6月通過的濕地法，引進國外共營共榮的概念，希望能促進臺灣濕地的復育。其中關鍵的「自主治理」理念來自美國印第安納大學諾貝爾經濟學獎得主歐斯壯（Elinor Ostrom）女士，她認為什麼都管的大政府，最後會變成什麼都管不好，不如由在地的社區民眾自己組織起來治理所身處的環境，能發揮比政府介入更強大的力量。因此，臺灣的濕地復育，必須先向下扎根，透過環境教育讓民眾知道濕地並不骯髒，健康的濕地有清淨流水、不會孳生蚊蟲。有關單位應讓民眾體認濕地的重要性與價值感，由下而上開始進行濕地保育工作。

方偉達教授感嘆，人的天性本身就喜歡玩水，但曾幾何時，人類不再親近水，反而開始害怕水，看到濕地就嫌它髒、想將它填平，並築起高牆（心牆），遠遠地離開河流。要避免現代人跟自然越來越疏離，我們更應該在都市中營造自然環境，暫且不管減洪淨化等遠大目標，從個人層次來說，當人們心情煩悶時，看到濕地平靜的池水，何嘗不是種心靈的療癒良方呢？ （本文由科技部補助｢新媒體科普傳播實作計畫─重大天然災害之防救災科普知識教育推廣｣執行團隊撰稿）

本文原發表於行政院科技部-科技大觀園「專題報導」。歡迎大家到科技大觀園的網站看更多精彩又紮實的科學資訊，也有臉書喔！

責任編輯：鄭國威｜元智大學資訊社會研究所