疫情中開箱臺灣航空產業，讓我學到的 7 件事——《我的青航時代》暑期航空營

本文與 研華科技 合作，泛科學企劃執行

我們都看過那種影片，對吧？網路上從不缺乏讓人驚嘆的機器人表演：數十台人形機器人像軍隊一樣整齊劃一地耍雜技 ，或是波士頓動力的機器狗，用一種幾乎違反物理定律的姿態後空翻、玩跑酷 。每一次，社群媒體總會掀起一陣「未來已來」、「人類要被取代了」的驚呼 。

但當你關掉螢幕，看看四周，一個巨大的落差感就來了：說好的機器人呢？為什麼大街上沒有他們的身影，為什麼我家連一件衣服都還沒人幫我摺？

這份存在於數位螢幕與物理現實之間的巨大鴻溝，源於一個根本性的矛盾：當代AI在數位世界裡聰明絕頂，卻在物理世界中笨拙不堪。它可以寫詩、可以畫畫，但它沒辦法為你端一杯水。

這個矛盾，在我們常見的兩種機器人展示中體現得淋漓盡致。第一種，是動作精準、甚至會跳舞的類型，這本質上是一場由工程師預先寫好劇本的「戲」，機器人對它所處的世界一無所知 。第二種，則是嘗試執行日常任務（如開冰箱、拿蘋果）的類型，但其動作緩慢不穩，彷彿正在復健的病人 。

這兩種極端的對比，恰恰點出了機器人技術的真正瓶頸：它們的「大腦」還不夠強大，無法即時處理與學習真實世界的突發狀況 。

這也引出了本文試圖探索的核心問題：新一代AI晶片NVIDIA® Jetson Thor™ ，這顆號稱能驅動「物理AI」的超級大腦，真的能終結機器人的「復健時代」，開啟一個它們能真正理解、並與我們共同生活的全新紀元嗎？

為何我們看到的機器人，總像在演戲或復健？

那我們怎麼理解這個看似矛盾的現象？為什麼有些機器人靈活得像舞者，有些卻笨拙得像病人？答案，就藏在它們的「大腦」運作方式裡。

那些動作極其精準、甚至會後空翻的機器人，秀的其實是卓越的硬體性能——關節、馬達、減速器的完美配合。但它的本質，是一場由工程師預先寫好劇本的舞台劇 。每一個角度、每一分力道，都是事先算好的，機器人本身並不知道自己為何要這麼做，它只是在「執行」指令，而不是在「理解」環境。

而另一種，那個開冰箱慢吞吞的機器人，雖然看起來笨，卻是在做一件革命性的事：它正在試圖由 AI 驅動，真正開始「理解」這個世界 。它在學習什麼是冰箱、什麼是蘋果、以及如何控制自己的力量才能順利拿起它。這個過程之所以緩慢，正是因為過去驅動它的「大腦」，也就是 AI 晶片的算力還不夠強，無法即時處理與學習現實世界中無窮的變數 。

這就像教一個小孩走路，你可以抱著他，幫他擺動雙腿，看起來走得又快又穩，但那不是他自己在走。真正的學習，是他自己搖搖晃晃、不斷跌倒、然後慢慢找到平衡的過程。過去的機器人，大多是前者；而我們真正期待的，是後者。

所以，問題的核心浮現了：我們需要為機器人裝上一個強大的大腦！但這個大腦，為什麼不能像ChatGPT一樣，放在遙遠的雲端伺服器上就好？

機器人的大腦，為什麼不能放在雲端？

聽起來好像很合理，對吧？把所有複雜的運算都交給雲端最強大的伺服器，機器人本身只要負責接收指令就好了。但……真的嗎？

想像一下，如果你的大腦在雲端，你看到一個球朝你飛過來，視覺訊號要先上傳到雲端，雲端分析完，再把「快閃開」的指令傳回你的身體。這中間只要有零點幾秒的網路延遲，你大概就已經鼻青臉腫了。

現實世界的互動，需要的是「即時反應」。任何網路延遲，在物理世界中都可能造成無法彌補的失誤 。因此，運算必須在機器人本體上完成，這就是「邊緣 AI」（Edge AI）的核心概念 。而 NVIDIA  Jetson 平台，正是為了解決這種在裝置端進行高運算、又要兼顧低功耗的需求，而誕生的關鍵解決方案 。

NVIDIA Jetson 就像一個緊湊、節能卻效能強大的微型電腦，專為在各種裝置上運行 AI 任務設計 。回顧它的演進，早期的 Jetson 系統主要用於視覺辨識搭配AI推論，像是車牌辨識、工廠瑕疵檢測，或者在相機裡分辨貓狗，扮演著「眼睛」的角色，看得懂眼前的事物 。但隨著算力提升，NVIDIA Jetson 的角色也逐漸從單純的「眼睛」，演化為能夠控制手腳的「大腦」，開始驅動更複雜的自主機器，無論是地上跑的、天上飛的，都將NVIDIA Jetson 視為核心運算中樞 。

但再強大的晶片，如果沒有能適應現場環境的「容器」，也無法真正落地。這正是研華（Advantech）的角色，我們將 NVIDIA Jetson 平台整合進各式工業級主機與邊緣運算設備，確保它能在高熱、灰塵、潮濕或震動的現場穩定運行，滿足從工廠到農場到礦場、從公車到貨車到貨輪等各種使用環境。換句話說，NVIDIA 提供「大腦」，而研華則是讓這顆大腦能在真實世界中呼吸的「生命支持系統」。

這個平台聽起來很工業、很遙遠，但它其實早就以一種你意想不到的方式，進入了我們的生活。

從Switch到雞蛋分揀員，NVIDIA Jetson如何悄悄改變世界？

如果我告訴你，第一代的任天堂Switch遊戲機與Jetson有相同血緣，你會不會很驚訝？它的核心處理器X1晶片，與Jetson TX1模組共享相同架構。這款遊戲機對高效能運算和低功耗的嚴苛要求，正好與 Jetson 的設計理念不謀而合 。

而在更專業的領域，研華透過 NVIDIA Jetson 更是解決了許多真實世界的難題 。例如

• 在北美，有客戶利用 AI 進行雞蛋品質檢測，研華的工業電腦搭載NVIDIA Jetson 模組與相機介面，能精準辨識並挑出髒污、雙黃蛋到血蛋 
• 在日本，為避免鏟雪車在移動時發生意外，導入了環繞視覺系統，當 AI 偵測到周圍有人時便會立刻停止 ；
• 在水資源珍貴的以色列，研華的邊緣運算平台搭載NVIDIA Jetson模組置入無人機內，24 小時在果園巡航，一旦發現成熟的果實就直接凌空採摘，實現了「無落果」的終極目標 。

這些應用，代表著 NVIDIA Jetson Orin™ 世代的成功，它讓「自動化」設備變得更聰明 。然而，隨著大型語言模型（LLM）的浪潮來襲，人們的期待也從「自動化」轉向了「自主化」 。我們希望機器人不僅能執行命令，更能理解、推理。

Orin世代的算力在執行人形機器人AI推論時的效能約為每秒5到10次的推論頻率，若要機器人更快速完成動作，需要更強大的算力。業界迫切需要一個更強大的大腦。這也引出了一個革命性的問題：AI到底該如何學會「動手」，而不只是「動口」？

革命性的一步：AI如何學會「動手」而不只是「動口」？

面對 Orin 世代的瓶頸，NVIDIA 給出的答案，不是溫和升級，而是一次徹底的世代跨越— NVIDIA Jetson Thor 。這款基於最新 Blackwell 架構的新模組，峰值性能是前代的 7.5 倍，記憶體也翻倍 。如此巨大的效能提升，目標只有一個：將過去只能在雲端資料中心運行的、以 Transformer 為基礎的大型 AI 模型，成功部署到終端的機器上 。

NVIDIA Jetson Thor 的誕生，將驅動機器人控制典範的根本轉變。這要從 AI 模型的演進說起：

1. 第一階段是 LLM（Large Language Model，大型語言模型）：
   我們最熟悉的 ChatGPT 就屬此類，它接收文字、輸出文字，實現了流暢的人機對話 。
2. 第二階段是 VLM（Vision-Language Model，視覺語言模型）：
   AI 學會了看，可以上傳圖片，它能用文字描述所見之物，但輸出結果仍然是給人類看的自然語言 。
3. 第三階段則是 VLA（Vision-Language-Action Model，視覺語言行動模型）：
   這是革命性的一步。VLA 模型的輸出不再是文字，而是「行動指令（Action Token）」 。它能將視覺與語言的理解，直接轉化為控制機器人關節力矩、速度等物理行為的具體參數 。

這就是關鍵！ 過去以NVIDIA Jetson Orin™作為大腦的機器人，僅能以有限的速度運行VLA模型。而由 VLA 模型驅動，讓 AI 能夠感知、理解並直接與物理世界互動的全新形態，正是「物理 AI」（Physical AI）的開端 。NVIDIA Jetson Thor 的強大算力，就是為了滿足物理 AI 的嚴苛需求而生，要讓機器人擺脫「復健」，迎來真正自主、流暢的行動時代 。

其中，物理 AI 強調的 vision to action，就需要研華設計對應的硬體來實現；譬如視覺可能來自於一般相機、深度相機、紅外線相機甚至光達，你的系統就要有對應的介面來整合視覺；你也會需要控制介面去控制馬達伸長手臂或控制夾具拿取物品；你也要有 WIFI、4G 或 5G 來傳輸資料或和別的 AI 溝通，這些都需要具體化到一個系統上，這個系統的集大成就是機器人。

好，我們有了史上最強的大腦。但一個再聰明的大腦，也需要一副強韌的身體。而這副身體，為什麼非得是「人形」？這不是一種很沒效率的執念嗎？

為什麼機器人非得是「人形」？這不是一種低效的執念嗎？

這是我一直在思考的問題。為什麼業界的主流目標，是充滿挑戰的「人形」機器人？為何不設計成效率更高的輪式，或是功能更多元的章魚型態？

答案，簡單到令人無法反駁：因為我們所處的世界，是徹底為人形生物所打造的。

從樓梯的階高、門把的設計，到桌椅的高度，無一不是為了適應人類的雙足、雙手與身高而存在 。對 AI 而言，採用人形的軀體，意味著它能用與我們最相似的視角與方式去感知和學習這個世界，進而最快地理解並融入人類環境 。這背後的邏輯是，與其讓 AI 去適應千奇百怪的非人形設計，不如讓它直接採用這個已經被數千年人類文明「驗證」過的最優解 。

這也區分了「通用型 AI 人形機器人」與「專用型 AI 工業自動化設備」的本質不同 。後者像高度特化的工具，產線上的機械手臂能高效重複鎖螺絲，但它無法處理安裝柔軟水管這種預設外的任務 。而通用型人形機器人的目標，是成為一個「多面手」，它能在廣泛學習後，理解物理世界的運作規律 。理論上，今天它在產線上組裝伺服器，明天就能在廚房裡學會煮菜 。

但要讓一個「多面手」真正活起來，光有骨架還不夠。它必須同時擁有強大的大腦平台與遍布全身的感知神經，才能理解並回應外在環境。人形機器人的手、腳、眼睛、甚至背部，都需要大量感測器去理解環境就像神經末梢一樣，隨時傳回方位、力量與外界狀態。但這些訊號若沒有通過一個穩定的「大腦平台」，就無法匯聚成有意義的行動。

這正是研華的角色：我們不僅把 NVIDIA Jetson Thor 這顆核心晶片包載在工業級電腦中，讓它成為能真正思考與反應的「完整大腦」，同時也提供神經系統的骨幹，將感測器、I/O 介面與通訊模組可靠地連結起來，把訊號傳導進大腦。你或許看不見研華的存在，但它實際上遍布在機器人全身，像隱藏在皮膚之下的神經網絡，讓整個身體真正活過來。

但有了大腦、有了身體，接下來的挑戰是「教育」。你要怎麼教一個物理 AI？總不能讓它在現實世界裡一直摔跤，把一台幾百萬的機器人摔壞吧？

打造一個「精神時光屋」，AI的學習速度能有多快？

這個問題非常關鍵。大型語言模型可以閱讀網際網路上浩瀚的文本資料，但物理世界中用於訓練的互動資料卻極其稀缺，而且在現實中反覆試錯的成本與風險實在太高 。

答案，就在虛擬世界之中。

NVIDIA Isaac Sim™等模擬平台，為這個問題提供了完美的解決方案 。它能創造出一個物理規則高度擬真的數位孿生（Digital Twin）世界，讓 AI 在其中進行訓練 。

這就像是為機器人打造了一個「精神時光屋」 。它可以在一天之內，經歷相當於現實世界千百日的學習與演練，從而在絕對安全的環境中，窮盡各種可能性，深刻領悟物理世界的定律 。透過這種「模擬-訓練-推論」的 3 Computers 閉環，Physical AI (物理AI) 的學習曲線得以指數級加速 。

我原本以為模擬只是為了節省成本，但後來發現，它的意義遠不止於此。它是在為 AI 建立一種關於物理世界的「直覺」。這種直覺，是在現實世界中難以透過有限次的試錯來建立的。

所以你看，這趟從 Switch 到人形機器人的旅程，一幅清晰的未來藍圖已經浮現了。實現物理 AI 的三大支柱已然齊備：一個劃時代的「AI 大腦」（NVIDIA Jetson Thor）、讓核心延展為「完整大腦與神經系統」的工業級骨幹（由研華 Advantech 提供），以及一個不可或缺的「教育環境」（NVIDIA Isaac Sim 模擬平台） 。

結語

我們拆解了那些酷炫機器人影片背後的真相，看見了從「自動化」走向「自主化」的巨大技術鴻溝，也見證了「物理 AI」時代的三大支柱——大腦、身軀、與教育——如何逐一到位 。

專家預測，未來 3 到 5 年內，人形機器人領域將迎來一場顯著的革命 。過去我們只能在科幻電影中想像的場景，如今正以前所未有的速度成為現實 。

這不再只是一個關於效率和生產力的問題。當一台機器，能夠觀察我們的世界，理解我們的語言，並開始以物理實體的方式與我們互動，這將從根本上改變我們與科技的關係。

所以，最後我想留給你的思想實驗是：當一個「物理 AI」真的走進你的生活，它不只是個工具，而是一個能學習、能適應、能與你共同存在於同一個空間的「非人智慧體」，你最先感受到的，會是興奮、是便利，還是……一絲不安？

這個問題，不再是「我們能否做到」，而是「當它發生時，我們準備好了嗎？」

研華已經整裝待發，現在，我們與您一起推動下一代物理 AI 與智慧設備的誕生。
https://bit.ly/4n78dR4

本文由 美國穀物協會 委託，泛科學企劃執行。

你加過「酒精汽油」嗎？

2007 年，從台北的八座加油站開始，民眾可以在特定加油站選加「E3 酒精汽油」。

所謂的 E3，指的是汽油中有百分之 3 改為酒精。如果你在其他國家的加油站看到 E10、E27、E100 等等的標示，則代表不同濃度，最高到百分之百的酒精。例如美國、英國、印度、菲律賓等國家已經開放到 E10，巴西則有 E27 和百分之百酒精的 E100 選項可以選擇。

為什麼要加酒精呢？

單論玉米乙醇來說，碳排放趨近於零。為什麼呢？因為從玉米吸收二氧化碳與水進行光合作、生長、成熟，接著被採收，發酵成為玉米乙醇，最後燃燒成二氧化碳與水蒸氣回到大氣中。這一整趟碳循環與水循環，淨排放都是 0，是個零碳的好燃料來源。

當然，我們無法忽略的是燃料運輸、儲藏、以及製造生產設備時產生的碳足跡。即使如此，美國農業部經過評估分析，2017 發表的報告指出，玉米乙醇生命週期的碳排放量比汽油少了 43%。

「玉米乙醇」納入 SAF（永續航空燃料）前瞻性指引的選項之一

航空業占了全球碳排的 2.5%，而根據國際民用航空組織（ICAO）的預測，這個數字還會成長，2050 年全球航空碳排放量將會來到 2015 年的兩倍。這也使得以生質原料為首的「永續航空燃料」SAF，開始成為航空業減碳的關鍵，及投資者關注的新興科技。

只要燃料的生產符合永續，都可被歸類為 SAF。目前美國材料和試驗協會規範的 SAF 包含以合成方式製造的合成石蠟煤油 FT-SPK、透過發酵與合成製造的異鏈烷烴 SIP。以及近年討論度很高，以食用油為原料進行氫化的 HEFA，以及酒精航空燃料 ATJ（alcohol-to-jet）。

每種燃料的原料都不相同，因此需要的技術突破也不同。例如 HEFA 是將食用油重新再造成可用的航空燃料，因此製造商會從百萬間餐廳蒐集廢棄食用油，再進行「氫化」。

就引擎來說，我們當然也希望用到穩定的油。因此需要氫化來將植物油轉化為如同動物油般的飽和脂肪酸。氫化會打斷雙鍵，以氫原子佔據這些鍵結，讓氫在脂肪酸上「飽和」。此時因為穩定性提高，不易氧化，適合保存並減少對引擎的負擔。

至於酒精加工為酒精航空燃料 ATJ 的流程。乙醇會先進行脫水為乙烯，接著聚合成約 6~16 碳原子長度的長鏈烯烴。最後一樣進行氫化打斷雙鍵，成為長鏈烷烴，性質幾乎與傳統航空燃料一模一樣。

ATJ 和 HEFA 雖然都會經過氫化，但 ATJ 的反應中所需要的氫氣大約只有一半。另外，HEFA 取用的油品來源來自餐廳，雖然是幫助廢油循環使用的好方法，但供應多少比較不穩定。相對的，因為 ATJ 來源是玉米等穀物，通常農地會種植專門的玉米品種進行生質乙醇的生產，因此來源相對穩定。

但不論是哪一種 SAF，都有積極發展的價值。而航空業也不斷有新消息，例如阿聯酋航空在 2023 年也成功讓波音 777 以 100％ 的 SAF 燃料完成飛行，締下創舉。

汽車業也需要作出重要改變

根據長年推動低碳交通的國際組織 SLoCaT 分析，在所有交通工具的碳排放中，航空業佔了其中的 12%，而公路交通則占了 77%。沒錯，航空業雖然佔了全球碳排的 2.5%，但真正最大宗的碳排來源，還是我們的汽車載具。

但是這個新燃料會不會傷害我們的引擎呢？有人擔心，酒精可能會吸收空氣中的水氣，對機械設備造成影響？

其實也不用那麼擔心，畢竟酒精汽油已經不只是使用一、二十年的東西了。美國聯邦政府早在 1978 就透過免除 E10 的汽油燃料稅，來推廣添加百分之 10 酒精的低碳汽油。也就是說，酒精汽油的上路試驗已經快要 50 年。

有那麼多的研究數據在路上跑，當然不能錯過這個機會。美國國家可再生能源實驗室也持續進行調查，結果發現，由於 E10 汽油摻雜的比例非常低，和傳統汽油的化學性質差異非常小，這 50 年來的車輛，只要符合國際標準製造，都與 E10 汽油完全相容。

解惑：這些生質酒精的來源原料是否符合永續的精神嗎？

在環保議題裡，這種原本以為是一片好心，最後卻是環境災難的案例還不少。玉米乙醇也一樣有相關規範，例如歐盟在再生能源指令 RED II 明確說明，生質乙醇等生物燃料確實有持續性，但必須符合「永續」的標準，並且因為使用的原料是穀物，因此需要確保不會影響糧食供應。

好消息是，隨著目標變明確，專門生產生質酒精的玉米需求增加，這也帶動品種的改良。在美國，玉米產量連年提高，種植總面積卻緩步下降，避開了與糧爭地的問題。

另外，單位面積產量增加，也進一步降低收穫與運輸的複雜度，總碳排量也觀察到下降的趨勢，讓低碳汽油真正名實相符。

隨著航空業對永續航空燃料的需求抬頭，低碳汽油等生質燃料或許值得我們再次審視。看看除了鋰電池車、氫能車以外，生質燃料車，是否也是個值得加碼投資的方向？

參考資料

• Corn to Power Airplanes? Biden Administration Sets a High Bar. – The New York Times
• 台灣中油全球資訊網-加油站查詢
• https://grains.org.tw/最新科學研究：玉米燃料乙醇大幅減少溫室氣體排/
• USDA Releases New Report on Lifecycle Greenhouse Gas Balance of Ethanol
• https://scijournals.onlinelibrary.wiley.com/doi/10.1002/bbb.2225
• 本田・GE100% 可持續燃料航空引擎測試成功
• 阿聯酋航空邁向永續 完成 100％ SAF 驅動單一引擎首航
• https://tcc-gsr.com/module-1/transforming-transport-and-mobility/

本文由 我的青航時代－2023航發會×暑期航空營 委託，泛科學企劃執行。

座落在熱帶和亞熱帶氣候帶的台灣，地形複雜，天氣的變化多端，比另一半翻臉的速度還快。在地面上的人們尚且需要天氣預報，才能順利規劃日常生活起居；在天空中翺翔的飛機，同樣也必須仰賴航空氣象的資訊，才能完成一趟安全的飛行。一起來瞭解航空氣象扮演的重要角色吧！

努力讓「不測風雲」變得可測

過去不少令人觸目驚心的空難憾事，如 2014 年復興航空 222 號班機空難受颱風麥德姆風雨影響墜毀、2020 年空軍黑鷹直升機因天氣驟變失事，都與天氣因素有關。根據台灣國家運輸安全調查委員會的報告，台灣近 10 年的民用航空運輸重大飛航事故分析中，「天氣」是其中僅次於人員因素的事故原因。

因此要守護機組人員與乘客的安全，能否及時提供可靠的機場氣象觀測、預報及警報，供飛航作業人員參考，便至關重要。

那麽氣象資訊是怎麽來的呢？幕後功臣就是設置於台灣各處民航機場，堅守各自崗位的航空氣象臺。目前全島共有 5 個航空氣象臺（松山、桃園、高雄、豐年及金門）與 5 個任務臺（蘭嶼、綠島、恆春、北竿、南竿）^[註1]負責監測航空氣象。

航空氣象人員的職責，就是蒐集、整理、分析和解釋飛航所需的機場及航路之預測、預報、警報及顯著危害天氣資訊。他們是飛航安全背後的强力後援，全天候守視飛航情報區天氣變化及提供諮詢。

氣象資訊從哪來？來認識氣象觀測的好幫手們

要即時準確地進行氣象觀測，絕對少不了各種氣象裝備的幫忙！任憑氣象七十二變，氣象人員也能透過氣象觀測隨時掌握情況，確保航空安全。飛航服務總臺在各民航機場都有設置的自動氣象觀測系統（Automatic Weather Observation System，簡稱 AWOS），是一個多功能的好幫手。它可以觀測風向、風速、能見度、跑道視程、雲量、雲高、溫度等等各種項目，讓氣象人員可以用來進行機場天氣測報和航機管制作業。

飛機在起飛降落時，最擔心遇到增加飛行難度的風切（Wind Shear）。風切指的是大氣中不同兩點之間，風速或風向的劇烈變化。低空風切（Low-level wind shear）則是指 1600 呎（500 公尺）以下空氣層中的風切，可能造成飛機難以操控而被迫重飛，甚至失速導致飛航事故，因此需格外注意。

針對棘手的風切問題，氣象臺在松山機場和桃園國際機場設置了 低風切警報系統（Low Level Wind-Shear Alert System，簡稱 LLWAS），利用機場周邊沿跑道兩側及跑道延伸線外之多個 20 公尺以上測風塔進行風場觀測。當風場變化達到風切發生條件時，系統立刻就會透過文字、圖形和聲音等警告資訊，提醒氣象觀測員及塔臺管制員，發布風切警報警示進場和離場的機師做好因應措施。

1985 年在桃園國際機場架設的都卜勒氣象雷達（Doppler weather radar），長得就像一個巨型氣球，是當時全亞洲首座供作業用的 C 波段氣象雷達，掃描範圍可達 300 公里。它就像個盡責可靠的氣象觀測員，負責台灣北部機場和附近航路天氣的即時監測與預警，可以掌握劇烈天氣如颱風、雷雨、風切和亂流等天氣現象的發展和移動，提供資訊給飛航相關人員作業參考，確保飛行安全。

「有字天書」——航空氣象報告内容大解密！

如果你拿到一份航空氣象報告，恐怕會以為這是一串亂碼。由各種英文字母縮寫和數字組成的航空氣象電碼，其實有著國際規範的通用格式。只要懂得解讀，就會發現裏頭包含了風向、風速、能見度、雲層狀況、溫度露點及氣壓等多項氣象資訊。按照其用途，航空氣象報告可以分成不同的類型，以下簡單介紹其中幾種。

依照機場的作業規模，航空氣象臺會每半小時或每小時發布機場例行天氣報告（Meteorological Terminal Aviation Routine Weather Report，簡稱 METAR），供飛行員和航管員使用來評估該地區當前的天氣狀況。當天氣變化達特定條件時，則會發布機場特別天氣報告（Aviation Special Weather Report，簡稱 SPECI）。另外，觀測員也會發布未來 2 小時天氣預報，提供航機進行作業因應規劃。

若需要預測更長程的天氣變化，臺北航空氣象中心也會每天四次更新機場預報（Terminal Aerodrome Forecasts，簡稱 TAF），其有效時間長度分為 30 小時／24 小時／18 小時等三類，讓航空公司可以用來擬定航班飛行計劃，作為航機調度、載重、油料和旅客安排的參考。

安全至上！如何從惡劣天氣中全身而退

在航空業中，天氣變化不只是出門要記得帶傘這點程度的不便，更會影響航班的安排規劃。如果預計會有暴雨或風暴，航空公司可能會取消或延誤航班，以確保乘客和機組人員的安全。當風速和風向發生改變，機師也可能需要改變飛行路線和高度，以大大降低航程的風險。

但你是否也有過類似經驗：明明天氣很好，來到機場卻遇上航班延誤的消息，而感到困惑不解？這些讓旅客滿肚子哀怨的情況，其實也都是為了安全考量，所作的因應安排。因為即使機場所在地的天氣肉眼可見的良好，並不代表機場適合起飛降落。

例如飛機降落前到達一定高度時，機師必須完全看得見跑道及地面狀況，覆蓋在機場起降航道附近的低雲、雷雨區，都可能造成能見度下降，造成飛機不能按時降落。飛行時，若航路前方有雷雨天氣，基於安全考量，機師通常會繞過或飛越，也就增加了航行時間導致班機誤點。靠山邊的機場如蘭嶼機場，常因地形產生風切亂流，導致飛機降落困難，不得不重飛或返航，延誤航班。

此外，同樣是飛往某地的航班，也可能發生有些能走，有些卻被告知走不了的情況。這是因為航機機型大小不同，適航標準也不同。即使是相同的機型，也會因駕駛員的證照類別、航空公司所訂的安全標準之差異，綜合機場條件、天氣和駕駛員對航機狀態的判斷後，對班機行程做出不一樣的決策。

氣象服務網與 APP 在手，航空氣象即時就有

飛航服務總臺也緊跟時代脚步，建設各項線上即時的氣象資訊服務，包括「航空氣象服務網」和「航空氣象資訊 APP」。航空氣象服務網主要讓航空公司簽派員、飛行員及航空相關人員申請註冊使用，以查詢全球各主要機場即時天氣測報及預報資料。在網站首頁，也有機場即時天氣資料、台灣地區機場適航狀態、即時衛星雲圖等資訊，開發讓一般民衆查詢。

航空氣象資訊 APP 也應行動裝置普及誕生，可供航空從業人員下載使用。一般民衆也能透過 APP 取得全球各大機場即時天氣資訊、東亞地區衛星雲圖及臺灣地區雷達回波圖等資料。

【註解】

1. 任務臺業務分別由豐年 （業管蘭嶼、綠島）、高雄（業管恆春）、松山（業管北竿）及桃園（業管南竿）航空氣象臺負責管理。

參考資料

1. 飛航服務總臺：航空氣象服務介紹
2. 飛航服務總臺：臺北航空氣象中心
3. 飛航服務總臺：氣象裝備
4. 台灣飛安統計（2012 – 2021）。國家運輸安全調查委員會。
5. 飛航服務總臺：桃園機場都卜勒氣象雷達介紹
6. 航空氣象服務網
7. 「2020 飛航解密 暢遊天際」系列講座 – 臺北航空氣象中心主任余曉鵬精彩演講內容
8. Wikipedia – 航空例行天氣報告
9. Wikipedia – 終端機場天氣預報