搶救千年藻礁生態，環保團體籲規畫保留區

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

• 作者 / 何郁庭（H編）

桃園沿海約有 27 公里長的藻礁海岸線，範圍包含了白玉藻礁、大潭藻礁及觀新藻礁等珍貴的藻礁地形。為了避免中油第三天然氣接收站在大潭地區動工，珍愛藻礁團體自 2020 年底開始發起公投案，並收到 70 萬份連署書，通過成案門檻。

公投即將於今年（2021）八月底舉行，到目前為止，藻礁生態、能源轉型及迴避開發工程在社會中遲遲未有共識，無論學界還是民間，都需要更多的公共討論，來釐清各項子議題的疑義。

4 月 14 日，由台灣環境資訊協會、荒野保護協會，以及數個民間環保團體主辦三接與藻礁保育、能源轉型關係〈對焦會議〉，邀請各方專業人士，提供研究數據及關鍵資訊，以期促成公共對話的平台，進而在公投之前，尋求能源、生態的雙贏之道。本文整理第三天然氣接收站（以下簡稱三接）與藻礁保育、能源轉型關係對焦會議的生態部分的演說，同時紀錄相關領域專家對民眾普遍的疑慮釋疑。

你說的「保育」是什麼？

生態報告場次的第一位講者，是長期致力於水域生態系研究的林幸助教授。林幸助一開始便表明了生態系服務的兩難，指出人類在開發的過程中，只能經由相對完善的規劃和政策，減少自然資源的耗損。並點出三接各方在爭議時，常常忽略的一個重點：「所謂保育，是保育藻礁礁體，還是保育藻礁生態系？」

「地質藻礁」指的是由殼狀珊瑚藻歷經千年累積形成的礁體，它是死的、靜態的，要由沙埋才能保護。「生態藻礁」指的是生存於藻礁礁體基質或空隙內的動植物，及其以營養關係為主所形成的藻礁生態系，它是活的、是動態的，也就是所謂的「生態功能」，沙埋會導致它失去功能。

藻礁生態系的現況與三接開發的應變之道

若現在反對開發的原因，是為了保育藻礁生態系，那麼，則需要從藻礁生態系現在正在面對的威脅開始說起。依照林幸助老師團隊的調查結果，以及環保署的公開資料，目前對藻礁生態系最大的影響為工業汙染及漂沙問題，其中又以漂沙對殼狀珊瑚藻的危害最明顯。

林幸助也說明自己的研究團隊使用穿越線調查法，建立桃園藻礁的生物多樣性基礎調查報告，另援引觀塘工業區(港)及鄰近藻礁區域生態調查及監測的工作結案報告書，以辯證大潭藻礁地區的生物多樣性，可能並不如媒體新聞及環團所認為得高。另外，就殼狀珊瑚藻的碳吸存能力議題，林幸助也以數據揭示，台灣地區殼狀珊瑚藻的固碳能力，僅紅樹林的 5%，不但無法稱做藍碳，還可能變成碳釋放^[1]。

此外，這次公投的內容只說移除三接，但完全沒有提及後續要如何保護^[註1]。林幸助認為，如果汙染、漂沙問題若不處理，即便移除三接，環境也不會變好，可能還會更加惡化。若中油採用工程迴避措施開發，承諾改善保育大潭藻礁生態多樣性的問題，有望讓生態系及地質藻礁都獲得保育，也最趨近生態系服務最佳化的方向。

劃設海洋保護區的原則

第二位演講者溫國彰副教授表示，目前台灣的海洋保護區政策，僅在範圍內禁止漁業活動，但並未對各項污染和廢水進行規範，反觀澳洲對於海洋保護區的政策與規範，制定得更為縝密，操作上也相當細緻。海洋保護區劃設的核心概念是用最小的範圍，保護最大的生物多樣性。將此概念帶入藻礁的議題中，若要根據多樣性設立保護區，永安與大潭 G2 是最優先要劃設的範圍。

人為開發造成不可逆的族群改變

溫國彰的研究團隊針對台灣北部、南部的進行人工海岸線及天然海岸線的魚類組成進行調查與比較，發現人工海岸魚類組成以岩礁魚類為主，天然海岸以珊瑚礁魚類居多。而高珊瑚覆蓋率的人工建物，仍會造成珊瑚和魚類的組成差異。也就是說，人工開發後的海岸，藻礁、珊瑚會再進入棲地，但族群組成與原始組成不同。

觀塘工業區對聲景生態的影響，充滿未知

魚類在求偶或宣示領域等行為上，都會在水下發出聲音，而魚類的幼生（魚苗）也會依循水下聲音，尋找適宜居住的棲地。專精於聲景生態學的林子皓助研究員，正是透過水下聲音的頻譜紀錄，分析水中生物的活動，進而了解生態系的變化與人為衝擊。

林子皓先是說明工業港口與一般水下聲音的差異，在於工業港口的水下聲音充斥各式船隻的引擎聲以及人為噪音。林子皓認為三接開發的人為噪音，可能對當地魚類生態系造成的重大威脅，而人們對水下聲景的研究甚少，這次開發造成的聲景破壞，很可能在瞭解聲音頻譜的重要性前，就先重創了當地的水生環境。

不只如此，林子皓對於港口建設時的泥沙輸送問題，抱持悲觀態度，目前藻礁已面臨嚴重漂沙問題，若加上堤防與填區的施工，藻礁將面臨不同程度的沙埋與侵蝕，對當前生態系而言，可能是雪上加霜。再者，興建觀塘專用港，必然會導致波浪、水流的改變，這些開發帶來的影響，都將對生態造成可預期的衝擊。

儘管大潭地區的生物多樣性調查，就結果而言，低於附近的觀新藻礁、白玉藻礁，但從聲景的觀點來看，生物多樣性相當高。即便像溫國彰所說，人工開發後的海岸，會有珊瑚重新進入棲地，但魚群組成也可能與原來的生態系組成不同。林子皓透過聲景研究發現當地生態的獨特性，加上考量建港可能會增加的壓力，建議在開發前應更完整釐清生態風險。

用科學呈現客觀事實，爭議前請先回歸原點

最後，許皓捷副教授則表示，科學家面對此類議題時，必須先完整呈現客觀的事實，然後才是價值判斷，因此在各方爭議前，仍須回到「定義」的階段，確認衝突點是否相同。在文獻回顧上，應先從取樣調查的隨機抽樣開始回顧，在援引資料前，也要確認研究是否基於合理假設推論，且結果符合統計學的基本概念。而關於生態學調查的結果，除了種類多樣性之外，同時也需要注意群聚結構的獨特性，以及物種數之於單位面積的關係。

「藻礁議題，是為了保育地質／地景，還是保育藻礁生態？」許皓捷副教授說明，如果兩個問題同時討論，並在不同場合揀選適合自己立場的論述，那聚焦討論時，只會混成一團，無法達到有效的溝通，找出最適合生態系服務的解方。

許皓捷就沙埋歷史的生態意義多加著墨，近期才露出的大潭藻礁，是否可以根據現有的科學證據，確認其生態系統可承受工程意外的程度？另外，明星物種柴山多杯孔珊瑚的族群，確實存在間斷分布？抑或是根本沒有明瞭牠的分布範圍為何呢？從更根本的問題，回過頭檢驗學者及各方團體的立場，是否建立在客觀合理的前提之下。

各界意見凝聚，試圖找出真正問題

會議最後開放各方，對四位教授提出疑問。在提問環節，普遍對文獻來源、調查方法有較多質疑，並且仍趨向將大潭藻礁還於自然，保留其生態特殊性及地質多樣性。

但也有民眾認同生態多樣性、藻礁生態系的服務價值多元，並提出「人類要如何取捨？」的問題。目前較缺乏輸沙工程對海岸影響的調查，關於這個部分，現有的科學證據似乎還不能提供一個確切的解方。

今年 4 月 1 日於立法院舉行的藻礁保護公聽會，中央研究院生物多樣性研究中心退休研究員邵廣昭在會議上也表示藻礁目前的生態保育狀況良好，且因應國內的關注與未來趨勢，大潭藻礁勢必會受到嚴格的保護。

從民眾的提問，及學者們的回應及主張，約略可以看出不同的立場和想法。不過，學界與環保領域的高牆是否有消弭？所謂專業和一般民眾之間，對相同的議題是否有所共識？關於這點，也許未來還值得繼續觀察。

註解

1. 公投主文：您是否同意中油第三天然氣接收站遷離桃園大潭藻礁海岸及海域？（即北起觀音溪出海口，南至新屋溪出海口之海岸，及由上述海岸最低潮線往外平行延伸五公里之海域）

1. derne, V., Geraldi, N.R., Macreadie, P.I. et al. Role of carbonate burial in Blue Carbon budgets. Nat Commun 10, 1106 (2019). https://doi.org/10.1038/s41467-019-08842-6

作者 / 劉少倫
東海大學生命科學系副教授

自從 17 世紀工業革命推動了全球化的工業發展，將原本封存在地底或深海地層中的石化燃料（例如煤、天然氣等），轉化成大量溫室氣體（主要是二氧化碳），釋放到大氣；這些溫室氣體，宛如掙脫地獄枷鎖的惡魔，在人類的貪婪中，以非常快的速度加熱全球氣溫，並加劇全球氣候的改變。

這幾年，我們對極端氣候的感觸似乎更為強烈，聽著以下這些新聞：南歐和東京夏季更久更高溫的熱浪、北極圈創紀錄的夏季高溫、南北極冰川大量的崩解、臺灣五月竟然創下比夏季更高的溫度、澳洲大堡礁珊瑚因高溫白化將在未來死去 60-80% 等。

每一年，新聞媒體都說這些極端氣候打破過去幾百年來的紀錄，非常「異常 (abnorm)」。

但是，隨著每一年這樣的新聞重複的發生，未來的一年又再次創下過去幾百年來的高溫紀錄，這些極端氣候的新聞已經可以說不再異常，甚至可以說這些極端氣候的新聞變成習以為常地「正常 (norm)」。因石化燃料使用及工業發展，在我們享受它們帶來的舒適便利和經濟發展的生活時，其暗黑破壞性猶如喪鐘般替人類末日開始倒數計時。

藍碳是什麼，少年PI的藍眼淚？

在 1990 年，聯合國環境署 (United Nations Environment Programme)、聯合國糧食及農業組織 (Food and Agricultural Organization of the United Nations) 及聯合國教育、科學及文化組織下的政府間海洋學委員會 (Intergovernmental Oceanographic Commission, UNESCO) 共同發表聲明，指出全球海洋有 55% 的初級生產者應被視為「藍碳 (blue carbon)」。

其中，海草、紅樹林和鹽草等沿岸生態系封存大氣二氧化碳的量更遠高於熱帶雨林。但相較於熱帶雨林，這些藍碳生態系卻是以 5-10 倍的速度快速的消失，將對全球暖化狀況雪上加霜。在氣候變遷的威脅下，也因這樣的報告，激起全球政府跟海洋學界一股對這些沿岸藍碳生態系的保育重視跟研究，尤其著重在海草、紅樹林和鹽草等維管束植物為主的生態系。

到底藍碳是什麼？海洋中怎樣的初級生產者才可以被視為藍碳？

要回答這個問題，我們首先得了解「碳吸存（carbon sequestration；抑或翻譯成碳匯及碳截存）」。當維管束植物或藻類進行產氧光合作用的同時，能夠將大氣中的二氧化碳固定，使用太陽光能，藉由光合作用化學反應產生葡萄醣（C₆H₁₂O₆；或6(CH₂O)）及氧氣（反應式一）。因為葡萄醣主要是以碳為分子骨幹，並由生物合成，故又稱之為有機碳。

反應式一（光合作用）：

CO₂ + 2H₂O + >8 Photons → CH₂O + H₂O + O₂

由光合作用產生出來的有機碳葡萄醣，能進一步成為主要原料，在維管束植物（例如海草、紅樹林和鹽草）體內用以合成另一種有機碳分子木質素 (lignin)，支撐維管束植物生長。當維管束植物死去後，木質素是一種非常難被微生物分解利用的有機碳。

因此，這些不易分解的木質素就好比一個天然的碳吸存裝置，能抵抗微生物分解並最終埋葬於地底沉積物中，不再釋放回大氣中，達到降低大氣二氧化碳的目的，這樣碳吸存的過程我們稱為「碳埋葬 (carbon burial)」。此外，在大洋中生長的小型浮游藻類，死掉後會沉降到微生物作用不活躍的低溫深海，使得微藻殘骸無法被微生物分解而最終埋葬於深海中，這樣的碳吸存方式稱之為「生物幫浦 (biological pump)」。

整體而言，當二氧化碳藉由光合作用固定合成出有機碳後，這些有機碳能夠藉由碳埋葬或生物幫浦方式被長期儲存而不被微生物利用轉化為二氧化碳再度釋放回大氣中，這就是碳吸存的概念。相較於陸域生態系，因為海草、紅樹林、鹽草及大洋小型浮游微藻等生態系身處藍色海洋中，又具備碳吸存的功能，故以藍碳稱之。

眼淚變珍珠，鈣化的藍眼淚

在海洋中，從碳吸存的定義思考，假如初級生產者死後不能夠被碳埋葬（碳封存），或是無法有效降低大氣二氧化碳，我們就不能把它們視為藍碳。生活在海洋中的大型海藻（簡稱海藻），因不具備木質素，又大多生長在岩岸導致殘骸不易被沉積物包埋，也不像小型浮游微藻可藉由生物幫浦方式進行碳吸存，傳統認為它們藻體死亡後會快速被微生物分解，再度以二氧化碳方式釋放回大氣中，所以它們在藍碳科學討論中一直乏人問津。

但近年來，隨著更多的研究，海洋生物生態學家逐漸體認到沿岸這些大量生長的海藻，其實可以藉由不同的方式具備碳吸存的生態功能，可以說是一個長期被低估的藍碳生態系。在這幾年的研究，到底海洋生物生態學家學到了什麼，讓我們得以重新認識這群默默協助我們降低大氣二氧化碳的功臣？

海藻碳吸存的其中一種方式，就是藉由鈣化作用累積碳酸鈣。在所有海藻中，約有 5% 的物種能進行鈣化作用，於藻體內累積碳酸鈣，泛稱為「鈣化海藻」；其中，以紅藻中的珊瑚藻科藻種佔最大宗且具有最多樣的鈣化海藻，珊瑚藻科的殼狀珊瑚藻更能夠層層推疊，建構與珊瑚礁在規模上不相上下的巨大生物礁體 (super reef)，例如臺灣西北海岸的桃園藻礁。

在水中，海藻無法像陸上的維管束植物，可藉由氣孔進行氣體交換而獲得源源不絕的二氧化碳。此外，因為海水弱鹼性的環境（約 pH 8.2），當二氧化碳溶於海水中，主要是以碳酸氫根負離子 (HCO₃^–) 形式存在，而非二氧化碳形式。

因此，當海藻進行光合作用時，面臨到二氧化碳取得不易的難題，勢必要有辦法退而求其次的使用碳酸氫根負離子，以供光合作用所需。為了解決這個難題，海藻所演化出的鈣化作用就是一種能夠幫助它本身使用碳酸氫根負離子，以提供光合作用所需的二氧化碳。在鈣化海藻細胞中，可借助細胞膜上的質子鈣反向轉運蛋白（H⁺/Ca²⁺ antiporter），將鈣離子濃縮在細胞間隙，產生高鹼度區域，使細胞間隙成為催化碳酸鈣累積的區域（反應式二）。

反應式二（鈣化作用）：

CO₂ + Ca²⁺ + H₂O → CaCO₃ + 2H⁺

在質子鈣反向轉運蛋白運輸鈣離子到細胞間隙的同時，另一方面則將氫正離子運輸到細胞外產生出高酸性區域，使氫正離子能夠與細胞外海水中的碳酸氫根負離子反應，使鈣化海藻間接使用水中的碳酸氫根負離子，產生出高濃度二氧化碳擴散至細胞內（反應式三）。

反應式三（碳酸氫根負離子使用）：

2H⁺ + 2HCO₃^– → 2CO₂+ 2H₂O

希望以上這些複雜的化學反應式在還沒有把你搞得暈頭轉向前，你已看出鈣化海藻利用細胞間隙的碳酸鈣累積的策略，竟然可以協助藻體細胞獲得高濃度的二氧化碳，供光合作用所需。

落碳歸根，化作藻礁護地球

到這裡為止，我們不禁會聯想過去所學的鈣化作用反應，當鈣離子與碳酸氫根負離子反應，除了合成出碳酸鈣，也會釋放出大量的二氧化碳（反應式四）。

反應式四（動物鈣化作用）：

Ca²⁺ + 2HCO₃^– → CaCO₃ + CO₂ + H₂O

既然如此，那鈣化作用豈不是不能降低大氣中的二氧化碳，反而增加大氣二氧化碳的濃度？沒錯，骨骼形成的確是一種釋放二氧化碳的過程。然而，別忘了，鈣化海藻是能夠行光合作用的生物，雖然藻體因鈣化作用間接使用了水中碳酸氫根負離子，而產生細胞外高濃度二氧化碳，但這些二氧化碳會進一步被藻體的光合作用反應使用殆盡。

因此，當我們結合反應式一的光合作用、反應式二的鈣化作用和反應式三的碳酸氫根負離子使用，鈣化海藻的光合作用確確實實是一個降低外界二氧化碳，產生碳酸鈣、葡萄醣跟氧氣的化學反應（反應式五）。

反應式五（鈣化海藻光合作用）：

Ca²⁺ + 2HCO₃^– → CaCO₃ + CH₂O + O₂

想像一下，當殼狀珊瑚藻以約 7500 年的時間，將碳酸鈣層層堆疊建構出如桃園藻礁長達 27 公里的藻礁，這些礁體可以說是一個長期封存大氣二氧化碳的碳吸存裝置。除了殼狀珊瑚藻建構的藻礁，同樣屬於珊瑚藻科的有節珊瑚藻，更在近年被發現竟然也有合成木質素的能力，趨同演化下，以抵抗強浪的拍打。

因此，可以想見珊瑚藻死後的有機碳也能像維管束植物一般，碳埋葬於淺海沉積物中。整合文獻資料，根據粗算，珊瑚藻的有機碳（例如木質素）或無機碳（例如碳酸鈣），全球每年約有 1.6 × 10⁹ 公噸的碳可藉由它們的碳埋葬或生物礁體建構被吸存起來。

把碳封起來，環境救回來

海藻還有另一種進行碳吸存的方式，是藉由將生長在岩岸的海藻藻體，剝落後漂移沉降到能夠碳吸存的環境中被保存下來。舉例來說，許多褐藻（例如昆布、馬尾藻或囊藻）具有氣囊結構，能夠使剝落的藻體在海洋中漂移一段時間。但這些氣囊結構，以馬尾藻為例，實驗指出約在藻體剝落 5 小時以後，就會在洋流外力影響下崩解使得藻體沉降。

因此，當這些剝落的藻體漂移沉降到淺海沉積物上，在尚未被微生物完全分解前，即已埋葬於這些沉積物中。根據最近研究指出，利用穩定碳同位素分析技術，科學家發現在淺海海草床或紅樹林的沉積物中，約有 50-60% 的碳是來自於海藻或其它非維管束植物之初級生產者，顯示絕大多數海藻雖不具木質素，但其有機碳確實能夠搶在微生物分解前被封存於這些淺海沉積物中。

此外還有個非常類似生物幫浦的機制可以幫助碳封存。生長在沿海岩岸的海藻，如果位於海底峽谷附近，其剝落的藻體很容易由淺海經海底峽谷一路滑落到深海，或漂移到大洋並沉降至深海，使得這些藻體在深海低溫下埋葬於深海沉積物中，不受到微生物分解。由文獻資料粗算得知，藉由海藻有機碳在淺海碳埋葬或深海沉降方式，可貢獻全球每年約有 1.73 × 10⁸ 公噸的碳被封存起來。其中，約有 88% 是由深海沉降所貢獻的。

同樣也是粗略估算，在沿海生態系中的維管束植物（海草、紅樹林和鹽草）的有機碳，全球每年約有 1.21 × 10⁸ 公噸的碳可藉由淺海碳埋葬封存起來。相較於海藻的碳吸存能力，顯然海藻具有與沿海這些維管束植物相當或更高的碳吸存量。綜合這些研究，我們開始了解到，沿岸海藻可藉由四種不同的方式來達到碳吸存的生態功能，分別為鈣化作用礁體建構、木質素合成、淺海碳埋葬及深海沉降。

檢視台灣的藍碳生態系

不像沿海生態系中的維管束植物，海藻的碳吸存長期被學界所忽視。有鑑於雨後春筍般的研究證據，Krause-Jensen 等人於 2018 年在國際著名期刊 《Biology Letters 》以藍碳大象來描述海藻在藍碳中的貢獻，並呼籲學界應開始正視海藻在全球藍碳舞台已佔有舉足輕重的地位。

排除海藻在藍碳的貢獻，好比鴕鳥心態，將無法有效的進一步管理保育這些能夠減輕氣候變遷的藍碳生態系，並可能輕忽並破壞這些藍碳生態系；當這些尚未被好好了解的藍碳生態系消失後，將有可能是全球氣候變遷下壓垮駱駝的最後一根稻草。

舉例來說，臺灣最近鬧得沸沸揚揚的大潭藻礁生態系保育議題，政府希望在這個區域建置第三天然氣接受站，以提高臺灣未來石化燃料天然氣的使用量進行發電。然而，在這樣工程政策的背後，似乎並未意識到大潭這一片藻礁在藍碳中的貢獻，使得臺灣不僅無法遵守全球在 2015 年所簽訂巴黎協議以降低溫室氣體的排放外，可能更進一步摧毀能夠降低溫室氣體的藍碳生態系。

臺灣四周環海，具有多樣的沿海藍碳生態系，包括墾丁的海草生態系、西海岸的紅樹林生態系、西北部的藻礁生態系及東海岸鄰近海底峽谷的海藻生態系。然而，對於臺灣周遭這些藍碳生態系的碳吸存，許多基礎研究資料仍舊不明。在氣候變遷下的臺灣，了解我們四周海域藍碳的價值，是臺灣人身為全球公民一份子責無旁貸的責任。

1. Martone P.T., Estevez J.M., Lu F., Ruel K., Denny M.W., Somerville C., Ralph J. 2009. Discovery of lignin in seaweeds reveals convergent evolution of cell-wall architecture. Current Biology 19: 169-175.
2. van der Heijden L.H., Kamenos N.A. 2015. Reviews and syntheses: calculating the global contribution of coralline algae to total carbon burial. Biogeosciences 12: 6429-6441.
3. Krause-Jensen D., Duarte C.M. 2016. Substantial role of macroalgae in marine carbon sequestration. Nature Geoscience 9: 737-742.
4. Krause-Jensen D., Lavery P., Serrano O., Marbà N., Masque P., Duarte C.M. 2018. Sequestration of macroalgal carbon: the elephant in the blue carbon room. Biology Letters 14: 20180236.

本文轉載自MiTalkzine，原文《海洋中默默耕耘的藍碳大象》

歡迎訂閱微雜誌MiTalkzine，加入 MiTalker 的行列，一起來認識這個星球上千萬種各式各樣的微生物吧！

訂閱連結：https://goo.gl/Qo59iG