Loading [MathJax]/extensions/tex2jax.js

0

0
0

文字

分享

0
0
0

台灣如何運用地圖防災?

陳 慈忻
・2012/12/07 ・1164字 ・閱讀時間約 2 分鐘 ・SR值 550 ・八年級

地圖在我們的日常生活中無所不在,用Google map找熱門餐廳位置、搭乘公車要看看路線圖,車上裝的全球定位系統(Global Positioning System ,簡稱GPS)導航是地圖。

交通部長毛治國在2012年11月9日表示,未來民眾於颱風警報期間撥打「166」、「167」,可以免費諮詢氣象預報,可見台灣人對於災害的警覺心增加,更在意災害風險。但是你有沒有想過:地圖可以在災害風險上有什麼用處?

「天然災害潛勢地圖」象徵台灣災害風險概念提升,是地圖在災害防治上應用的實例。什麼是「潛勢地圖」?潛勢地圖能用圖片的形式,讓閱讀者看到災害可能發生的位置、可能影響的範圍,達到防災目的。

透過災害潛勢地圖可以規劃收容場位置、疏散避難路線,同時還能在災前提供政府作為國土計畫、都市計畫的依據。像這樣應用性質的防災作業,事實上背景作業相當繁雜,從資料的產生到地圖完成,需要政府、學術界,甚至於私人企業協助。

-----廣告,請繼續往下閱讀-----

今年度台灣天然災害潛勢地圖已經有1,159張的成果,防災項目包括土石流、淹水、海嘯、坡地崩塌等。

1張地圖上要能呈現眾多防災資訊,不像旅遊地圖能用一般的繪圖軟體完成,那麼地圖繪製者是如何辦到的呢?

根據2012年國土資訊系統通訊中《天然災害潛勢地圖製作與應用》的研究,災害潛勢地圖可以透過地理資訊系統(GIS)相關軟體繪製,地理資訊系統能夠整合具有空間座標的資訊,並且可在地圖上設計不同的分析及呈現方式。

同一種災害的潛勢地圖,會有那些不同的呈現方式,達成不同的效果呢?就水災而言,常見的災害潛勢地圖包括「災害雨量門檻值」的縣市圖幅及「淹水潛勢地圖」。

-----廣告,請繼續往下閱讀-----

這兩種地圖各自有不同的作用,「災害雨量門檻值」圖幅能呈現不同地區達到淹水危險標準的雨量值,協助單位在氣象事件發生時,迅速應變防災作業;「淹水潛勢地圖」需要結合歷史災害調查資料,以及地形、地質、雨量、土地使用方式等空間資訊整合來分析淹水可能發生的位置,能幫助災前治理排水及防洪設施、預備疏散作業。

「災害」1詞係由人的角度出發;從大自然的角度,它可以是大地萬物活躍的表徵,也可以是對人類活動的反應。自然活動持續的發生,加上人類活動產生的「自然反應」逐漸強化的情況下,空間資訊平台能整合防災資訊、加強風險管理。

(本文原發表於行政院國家科學委員會-科技大觀園「科技新知」。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!)

資料來源:張志新、傅鏸漩、王俞婷、陳怡臻、吳啟瑞、包正芬、黃俊宏(民101),天然災害潛勢地圖製作與應用,國土資訊系統通訊,82,46-59。

-----廣告,請繼續往下閱讀-----
-----廣告,請繼續往下閱讀-----
文章難易度
陳 慈忻
55 篇文章 ・ 1 位粉絲
在丹麥的博士生,專長是用機器學習探索人類生活空間,正在研究都市環境變遷與人類健康的關係。曾擔任防災科普小組編輯、社會創新電子報主編。

0

0
0

文字

分享

0
0
0
拆解邊緣AI熱潮:伺服器如何提供穩固的運算基石?
鳥苷三磷酸 (PanSci Promo)_96
・2025/05/21 ・5071字 ・閱讀時間約 10 分鐘

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。

-----廣告,請繼續往下閱讀-----

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。

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。/ 圖片來源:MotionArray

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)」!

-----廣告,請繼續往下閱讀-----

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。

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。

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。/ 圖片提供:研華科技

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。

-----廣告,請繼續往下閱讀-----

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。

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。/ 圖片來源:MotionArray

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)。

-----廣告,請繼續往下閱讀-----

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。

-----廣告,請繼續往下閱讀-----

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。

-----廣告,請繼續往下閱讀-----
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。/ 圖片提供:研華科技

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

-----廣告,請繼續往下閱讀-----
-----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
225 篇文章 ・ 313 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

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

-----廣告,請繼續往下閱讀-----

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
1262 篇文章 ・ 2411 位粉絲
PanSci的編輯部帳號,會發自產內容跟各種消息喔。

0

1
2

文字

分享

0
1
2
九二一地震,台灣人永不忘記的傷痛——災後重建的社會與未來
研之有物│中央研究院_96
・2022/12/11 ・4974字 ・閱讀時間約 10 分鐘

本文轉載自「研之有物」,為「中研院廣告」。

  • 採訪撰文|田偲妤、王怡蓁
  • 責任編輯|田偲妤
  • 美術設計|蔡宛潔

震盪整個台灣的巨響

1999 年 9 月 21 日凌晨 1 點 47 分,一場芮氏規模 7.3 強震將眾人從睡夢中驚醒。震央位於南投縣集集鎮,主因是車籠埔斷層逆向抬升導致全臺多處災情慘重,史稱九二一大地震。

中央研究院「研之有物」專訪院內社會學研究所林宗弘研究員,他與國家地震工程研究中心、國內外學者攜手合著《巨震創生:九二一震災的風險分析與制度韌性》統整臺灣 20 年來地震科學研究成果,記錄受災社區的重生故事。一起了解這場世紀強震,如何促使臺灣災害科學與政策改革向前跨出一大步!

地震災害中隱藏的風險

圖|iStock

地震可說是最致命的天災,1989 至 2019 年間,全球前 25 起死亡人數最多的災難,地震就佔了半數以上。而臺灣更是好發地震的高風險區,根據全球地震模型估計,臺灣幾乎全島都有地震風險,在全球地震危害度排行上名列前茅。

-----廣告,請繼續往下閱讀-----

其中,九二一地震是臺灣二戰後最嚴重的震災,導致 2444 人不幸罹難、近 11 萬戶房屋全倒或半倒,財產損失超過新臺幣 3 千億。

難以預測的地震造成生命財產的一夕損失,如再加上人為缺失、制度不健全,以及社會本身的貧富差距、階級與族群不平等因素,將加劇災害的嚴重程度。

為防範悲劇再度發生,中研院社會學研究所研究員林宗弘,與國家地震工程研究中心劉季宇博士、國家災害防救科技中心前主任陳亮全教授、師大環境教育研究所林冠慧教授等共同作者,參考聯合國政府間氣候變遷專門委員會(IPCC)多篇文獻,採用包含以下 4 組風險因子的「風險函數」來評估震災隱藏的各種風險。

風險=

-----廣告,請繼續往下閱讀-----

f (危害度 (hazard,+), 暴露度 (exposure,+), 脆弱度 (vulnerability,+), 韌性 (resilience,-),…)

究竟臺灣面臨哪些受災風險與制度缺失?人們如何走出地震陰霾?面對災難我們還可以做什麼?讓我們從 4 組風險因子出發,深入發掘問題癥結!

傷亡主因:無法承受地震的建築物倒塌

地震發生時,我們最先感受到的通常是房屋的晃動。如房屋無法承受震度而倒塌,還是地震引發火災、山崩或土壤液化等災害,都將導致民眾生命財產的損失。

「危害度」與「暴露度」是從地震造成的各種災害,探討如何減緩災害對生命財產的衝擊程度。

九二一地震發生後,全臺的死亡與重傷案例高達 87% 至 96% 是建築物倒塌所致,其中又以「集合住宅」的死傷最為嚴重。

-----廣告,請繼續往下閱讀-----

以臺北東星大樓為例,雖然離震央遙遠,卻傳出房屋全倒,造成 73 死、138 傷、14 失蹤的嚴重災情。為何集合住宅會發生大量死傷?這跟臺灣長期落後的法規有關。

九二一地震造成臺北東星大樓倒塌,孫家兄弟受困 6 天奇蹟生還。歷經建商判刑、住戶抗爭、黑道介入等風波,終在 2009 年重建完工。
圖|Wikimedia

「很多制度改革都是被災難推著走的」,林宗弘指出問題癥結。1970 年代以前的建築規範主要沿用日治時期的法規,落後的法規趕不上日新月異的建築技術,更難以規範黑心建商,直到 1964 年白河地震發生後,才刺激政府推出新的建築規範。

然而,70、80 年代正好是臺灣經濟起飛的時期,大量湧入城市的移居人口有高度的居住需求,許多倉促興建的公寓大樓在法規不健全的情況下相對脆弱。

此外,民間還存在許多故意或無心的違法情事,例如黑心建商偷工減料、民眾因風水或生意需求而打掉樑柱等,建築結構的破壞升高了受災風險。

-----廣告,請繼續往下閱讀-----

不幸的是,根據國家地震工程研究中心等機構的初步調查,至 2022 年第 2 季,臺灣興建達 30 年以上的老屋數量已超過 460 萬戶,其中隱藏不少危老集合住宅,但礙於產權複雜、都更不易,是防災工作中急待解決卻也最棘手的問題!

如果民眾無法接受拆除危老房屋,還有其他替代方案嗎?國家地震工程研究中心邱聰智博士等研究發現,「危老補強」是大樓管委會、多數民眾較能接受的折衷方案,可在房屋既有結構下進行耐震補強,費用比重建便宜許多。

可惜在建築師簽證、檢驗或補強成本無人願意承擔的情況下,立意良善且成本低廉的危老建築補強政策,尚缺乏激勵民眾參與的制度創新,是目前防災制度上相對弱勢、值得持續思索對策的一環。

創傷心靈的重建

地震不僅震垮房產,還揭露人心脆弱無助的一面,對於社會弱勢族群來說更是雪上加霜。

-----廣告,請繼續往下閱讀-----

風險因子之中的「脆弱度」、「韌性」帶我們檢視災民所處的社會、經濟與身心條件,探討如何發揮人際網絡相互扶持的力量,緩解社會不平等加劇的受災風險

其中,災後的心理復健長期遭到漠視,面對親友驟逝、身體傷痛、家園破滅且頓失經濟依靠等變故,災民得承受排山倒海的身心壓力,需要專業人士適時伸出援手。

臺大心理系吳英璋與陳淑惠等教授看見九二一災民的需求,成立「臺大 921 心理復健小組」,並號召其他院校的心理學家、臨床醫師與社工人員積極投入救災。

1999 年的臺灣社會仍對「災難與創傷心理學」相當陌生,小組成員抱持從做中學的精神累積經驗,開啟了臺灣災難心理衛生元年。

主要服務據點位於受災最嚴重的臺中東勢,由多位臨床心理博士開設「東勢 921 災後身心聯合門診」,也投入在地種子教師的培訓工作,傳授篩檢高危險族群、輔導孩童因應災難創傷的方法。

-----廣告,請繼續往下閱讀-----

許多心理輔導人員更陪伴失依孤兒成長,參加孩子們的畢業典禮、婚禮,建立如同親人般堅定的情誼。

災民最常諮商的主題中,有 72% 是因震災而產生的身心症狀、家庭經濟困境,屬於創傷後壓力疾患之一。國際上對於災後心理復原有 5 項介入原則:安、靜、能、繫、望,如今已成為國內因應疫情、公安災難的主要介入策略。

大型災害心理防治的 5 大原則與目標
圖|研之有物(資料來源|Steven E. Hobfoll et al, 2007

在 5 項心理介入原則中,「能」指的是「促進效能感」,引導災民重新察覺自己有調節情緒、處理人際關係、修復財產與接受職業訓練等能力,有助災民逐步重返正常生活。

而「繫」則是指「促進聯繫感」,協助災民獲得與所愛者、社交族群的聯繫,從中找到解決問題、接納情緒、分享創傷經驗等支持管道。

-----廣告,請繼續往下閱讀-----

研究團隊分析九二一震災村里追蹤資料後發現,東勢在震災後 20 多年間,是災區自殺率最低的鄉鎮,證實社區緊密的人際網絡、專業的心理諮商與陪伴,有助降低社會脆弱度、強化災後復原韌性。

災後重建——社區營造的集體力量

社區營造也是災民展現生命韌性的案例之一。過去有人質疑社區營造對災區重建的效益,但林宗弘等學者實際比較南投埔里 33 個里 1999 至 2012 年的家庭平均所得後發現,農村重建和社區營造補助同時投入的里,平均家戶所得明顯提升。

社區營造的目標在於發掘地方資源、發現新價值,提升社區的自信與自主性,為災後重建注入活水。而農村聚落的重建補助主要用來修復硬體設施,缺乏創造新產業價值的作為,也無法留住青壯年人口。

南投縣埔里鎮的桃米社區即是經典的災後創生案例。在九二一地震前,桃米社區是埔里鎮最窮的村里之一,震災重建後卻成為當地 33 個里中,平均家庭所得排行前 5 名的村里,擁有著名的紙教堂與生態園區,吸引每年多達 40 萬遊客造訪。

南投埔里鎮 33 個里 1999 至 2012 年家庭平均所得趨勢圖,農村重建和社區營造補助同時投入的里,平均家戶所得明顯提升。其中,社造成功的桃米里更從平均 56 萬上升至平均 87 萬,於 2010 年成為埔里收入最高的社區。
圖|研之有物(資料來源|林宗弘、李俊穎)

究竟桃米社區如何成功翻身?關鍵在於社區營造帶起的三層面連結:

內部組織由下而上動員、外部組織跨區交流合作、國際資源跨國援助

桃米社區在災後,由行政院勞工委員會「以工代賑」計畫支付基本工資,鼓勵居民投入家園重建與社區營造工作。

長期與社區合作的新故鄉基金會,也與特有生物研究保育中心、世新大學觀光系合組區域活化運籌團隊,協助居民學習當地生態知識、發展生態旅遊,並於 2001 年啟動生態旅遊試營運,讓「桃米生態村」日漸廣為人知。

2008 年,在新故鄉基金會廖嘉展先生等人的牽線下,日本鷹取紙教堂落腳桃米社區。這座教堂是日本名建築師坂茂為阪神大地震災民所建的精神地標,而神戶災區也在九二一地震後捐贈近千戶組合屋給南投縣。

紙教堂的移地重建不僅展現了人性普世的友愛光輝,新成立的紙教堂新故鄉見學園區,更是結合軟硬體綜效的社會基礎建設,在五年內為社區創造 1.3 億產值、近 200 個就業機會,成為九二一災後復興的象徵。

桃米社區紙教堂新故鄉見學園區
圖|柚子(數位島嶼)

社會互救!強化韌性應對未來的災難

從 4 組風險因子綜合歸納出潛在的震災風險後,再從歷史制度論分析國家與社會關係對防災制度演化的影響可知:

如果國家與公民社會皆具備動員能力,且願意化解利益分歧、共同投入防救災,將可強化制度韌性,減少下一次震災的風險。

九二一震災後各領域制度韌性之相對評估
圖|研之有物(資料來源|林宗弘)

例如在九二一地震後,政府與民間在撤離與搶救政策改革、公有基礎設施與建築補強重建方面,展現較強的制度韌性,從而推動《災害防救法》的立法,在災害發生後能較有系統、有法源依據地實施緊急應變措施,包含動員軍隊、徵用民間機具等。

林宗弘對於震災搶救過程記憶猶新,九二一地震發生時他剛好在成功嶺服役,從事救災物資的運輸補給工作。當時消防署的救災分工尚不完備,再加上許多消防單位也被震垮,屋漏偏逢連夜雨,導致最初的救災工作不是很系統化地進行。

中研院社會學研究所林宗弘研究員
圖|研之有物

九二一地震讓救災工作獲得重視,後來的桃芝颱風、莫拉克颱風也強化了風災與水災的救災經驗,臺灣現在的救災工作已提升到國際水準。國家及民間力量能在短時間內投入撤離與搶救作業,並提供緊急醫療、臨時安置、心理重建等服務。

然而,還是有一些問題是目前國家與民間都難以解決的,例如危老建築存在很高的暴露度風險,如不進行都市更新或建築補強,難保不會成為下個災難現場。

雖然中央政府有推動國土規劃政策,但都市更新是地方政府職權,需要地方行政單位的積極介入,否則將陷入民間業主與營建財團的利益衝突,使都更停頓或變質。

四面環海的臺灣位處地震帶、颱風必經路徑上,也是全球貿易與交通要衝,導致我們難逃地震、颱風、疫情三大災難的襲擊。惟有掌握各種潛在風險、了解當前的強項與弱勢,才能從國家政策與公民網絡著手,做好面對下一場災難的萬全準備!

延伸閱讀

-----廣告,請繼續往下閱讀-----
研之有物│中央研究院_96
296 篇文章 ・ 3652 位粉絲
研之有物,取諧音自「言之有物」,出處為《周易·家人》:「君子以言有物而行有恆」。探索具體研究案例、直擊研究員生活,成為串聯您與中研院的橋梁,通往博大精深的知識世界。 網頁:研之有物 臉書:研之有物@Facebook