我們所追尋的「舒適圈」：一場生物與環境氣溫的耐力賽——《跳出溫度舒適圈》

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

• 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。

溫度對昆蟲至關重要，因此昆蟲會對溫度產生反應。

有一個普遍的通則：炎炎夏日中，你會先看到大昆蟲，接著見到小昆蟲，最後又再一次碰到大昆蟲。昆蟲愈大，愈能忍受低溫、對高溫愈難耐；因此大昆蟲喜歡在一天的清晨或傍晚的涼爽期間出現，中午的活動力較低；小昆蟲較不耐低溫，會在環境變暖時才現蹤。

昆蟲與氣溫密不可分

蘇格蘭高地的糠蚊（Ceratopogonidae）總是令人難受，但可以利用牠們對溫度的敏感度對付牠們。糠蚊蓬勃生長的溫度帶相當狹窄，介於不冷也不熱的溫度之間，因此只要你往上爬／向下走，溫度會上升／下降至牠們的舒適圈之外，就能擺脫牠們。

蟋蟀代表了溫暖的氣溫是眾所皆知的事，此外，蟋蟀的聲音頻率與溫度有直接關係。雖然因不同物種而異，但蟋蟀溫度計主要的規則是，在攝氏十三度的環境裡，蟋蟀每秒鐘叫一聲，且此頻率會隨著溫度上升而增加。

在夏天，天氣溫煦、潮溼且微風徐徐，飛蟻會成群結隊地移動。牠們結伴飛過天空，數量多到人們相信「飛蟻日」的存在，飛蟻日說的正是飛蟻同時在全國各地現蹤的日子。不過，正如我們所知，陸地上的微氣候變化甚大，因此知道飛蟻日是個迷思也不該為之震驚，只是某幾個區域的條件正巧在那幾日適合飛蟻出巡。倘若你遇見一大群飛蟻，牠們捎來的訊息是，現在的氣溫大約攝氏十三度，風速低於每秒六公尺。

螞蟻藏著天氣機密？

據某些傳說所言，螞蟻直線移動代表壞天氣即將到來，但我未觀察過也沒有科學理論能佐證這點。

更有趣的是，澳洲原住民有一個習俗，說螞蟻在蟻窩周遭蓋高牆表示大雨將至，西方也有相同的俗諺。之前的章節提過太平洋諸島的居民發現小火蟻（red ant）會在風雨來襲前堵住巢穴，天氣晴朗時則大敞家門，這在西方諺語裡也提過。我還沒觀察到這個現象，但出現在廣泛的文化圈，甚至是兩個信仰社會尚未接觸的時間點就已發展出這種說法，說它沒有參考價值還真不為人所信。

許多科學研究能支持螞蟻對溼度敏銳的觀點：研究人員曾觀察到編織蟻（weaver ant）在熱帶風暴來臨前織網。

其他物種裡，螞蟻、白蟻丘的排列和太陽脫不了關係。澳洲北部，羅盤白蟻（Amitermesmeridionalis）建造了指向北邊的蟻丘而為人所知；蟻丘細細的部分指著中午的日頭，寬闊的部分則指向清晨與向晚的太陽，這有助於調整蟻窩的溫度。

世界上有超過一萬三千種獲得命名的螞蟻物種，牠們都擁有各自的習性，我們要多關注近身物種的行為。

我時常運用一些螞蟻的方式，它們比起天氣更接近自然導航，不過兩者間有許多重疊的部分。在英國，排水性佳的草地經常可見黃土蟻（Yellow meadow ant）的身影，我家附近的白堊山丘就有很多。黃土蟻呈暗黃色，牠們的蟻窩比螞蟻本身有用多了；黃土蟻會將蟻窩向上堆到 0.5 公尺高，較為平坦的那一面通常面向東南邊，可以充當太陽能板，在涼爽的早晨收集太陽的熱量。

——本文摘自《解讀身邊的天氣密碼》，2022 年 10 月，晨星出版，未經同意請勿轉載。