台灣到底有沒有受過隕石撞擊？

• 作者／賴昭正｜前清大化學系教授、系主任、所長；合創科學月刊

我擔心人工智慧可能會完全取代人類。如果人們能設計電腦病毒，那麼就會有人設計出能夠自我改進和複製的人工智慧。 這將是一種超越人類的新生命形式。

——史蒂芬．霍金（Stephen Hawking）　英國理論物理學家

大約在八十年前，當第一台數位計算機出現時，一些電腦科學家便一直致力於讓機器具有像人類一樣的智慧；但七十年後，還是沒有機器能夠可靠地提供人類程度的語言或影像辨識功能。誰又想到「人工智慧」（Artificial Intelligent，簡稱 AI）的能力最近十年突然起飛，在許多（所有？）領域的測試中擊敗了人類，正在改變各個領域——包括假新聞的製造與散佈——的生態。

圖形處理單元（graphic process unit，簡稱 GPU）是這場「人工智慧」革命中的最大助手。它的興起使得九年前還是個小公司的 Nvidia（英偉達）股票從每股不到 $5，上升到今天（5 月 24 日）每股超過 $1000（註一）的全世界第三大公司，其創辦人（之一）兼首席執行官、出生於台南的黃仁勳（Jenson Huang）也一躍成為全世界排名 20 內的大富豪、台灣家喻戶曉的名人！可是多少人了解圖形處理單元是什麼嗎？到底是時勢造英雄，還是英雄造時勢？

在回答這問題之前，筆者得先聲明筆者不是學電腦的，因此在這裡所能談的只是與電腦設計細節無關的基本原理。筆者認為將原理轉成實用工具是專家的事，不是我們外行人需要了解的；但作為一位現在的知識分子或公民，了解基本原理則是必備的條件：例如了解「能量不滅定律」就可以不用仔細分析，即可判斷永動機是騙人的；又如現在可攜帶型冷氣機充斥市面上，它們不用往室外排廢熱氣，就可以提供屋內冷氣，讀者買嗎？

CPU 與 GPU

不管是大型電腦或個人電腦都需具有「中央處理單元」（central process unit，簡稱 CPU）。CPU 是電腦的「腦」，其電子電路負責處理所有軟體正確運作所需的所有任務，如算術、邏輯、控制、輸入和輸出操作等等。雖然早期的設計即可以讓一個指令同時做兩、三件不同的工作；但為了簡單化，我們在這裡所談的工作將只是執行算術和邏輯運算的工作（arithmetic and logic unit，簡稱 ALU），如將兩個數加在一起。在這一簡化的定義下，CPU 在任何一個時刻均只能執行一件工作而已。

在個人電腦剛出現只能用於一般事物的處理時，CPU 均能非常勝任地完成任務。但電腦圖形和動畫的出現帶來了第一批運算密集型工作負載後，CPU 開始顯示心有餘而力不足：例如電玩動畫需要應用程式處理數以萬計的像素（pixel），每個像素都有自己的顏色、光強度、和運動等, 使得 CPU 根本沒辦法在短時間內完成這些工作。於是出現了主機板上之「顯示插卡」來支援補助 CPU。

1999 年，英偉達將其一「具有集成變換、照明、三角形設定／裁剪、和透過應用程式從模型產生二維或三維影像的單晶片處理器」（註二）定位為「世界上第一款 GPU」，「GPU」這一名詞於焉誕生。不像 CPU，GPU 可以在同一個時刻執行許多算術和邏輯運算的工作，快速地完成圖形和動畫的變化。

依序計算和平行計算

一部電腦 CPU 如何計算 7×5+6/3 呢？因每一時刻只能做一件事，所以其步驟為：

• 計算 7×5；
• 計算 6/3；
• 將結果相加。

總共需要 3 個運算時間。但如果我們有兩個 CPU 呢？很多工作便可以同時（平行）進行：

• 同時計算 7×5 及 6/3；
• 將結果相加。

只需要 2 個運算時間,比單獨的 CPU 減少了一個。這看起來好像沒節省多少時間，但如果我們有 16 對 a×b 要相加呢？單獨的 CPU 需要 31 個運算的時間（16 個 × 的運算時間及 15 個 + 的運算時間），而有 16 個小 CPU 的 GPU 則只需要 5 個運算的時間（1 個 × 的運算時間及 4 個 + 的運算時間）！

現在就讓我們來看看為什麼稱 GPU 為「圖形」處理單元。圖一左圖《我愛科學》一書擺斜了，如何將它擺正成右圖呢？ 一句話：「將整個圖逆時針方向旋轉 θ 即可」。但因為左圖是由上百萬個像素點（座標 x, y）組成的，所以這句簡單的話可讓 CPU 忙得不亦樂乎了：每一點的座標都必須做如下的轉換

x’ = x cosθ + y sinθ

y’ = -x sinθ+ y cosθ

即每一點均需要做四個 × 及兩個 + 的運算！如果每一運算需要 10^-6 秒，那麼讓《我愛科學》一書做個簡單的角度旋轉，便需要 6 秒，這豈是電動玩具畫面變化所能接受的？

人類的許多發明都是基於需要的關係，因此電腦硬件設計家便開始思考：這些點轉換都是獨立的，為什麼我們不讓它們同時進行（平行運算，parallel processing）呢？於是專門用來處理「圖形」的處理單元出現了——就是我們現在所知的 GPU。如果一個 GPU 可以同時處理 10⁶ 運算，那上圖的轉換只需 10^-6 秒鐘！

GPU 的興起

GPU 可分成兩種：

• 整合式圖形「卡」（integrated graphics）是內建於 CPU 中的 GPU，所以不是插卡，它與 CPU 共享系統記憶體，沒有單獨的記憶體組來儲存圖形／視訊，主要用於大部分的個人電腦及筆記型電腦上；早期英特爾（Intel）因為不讓插卡 GPU 侵蝕主機的地盤，在這方面的研發佔領先的地位，約佔 68% 的市場。
• 獨立顯示卡（discrete graphics）有不與 CPU 共享的自己專用內存；由於與處理器晶片分離，它會消耗更多電量並產生大量熱量；然而，也正是因為有自己的記憶體來源和電源，它可以比整合式顯示卡提供更高的效能。

2007 年，英偉達發布了可以在獨立 GPU 上進行平行處理的軟體層後，科學家發現獨立 GPU 不但能夠快速處理圖形變化，在需要大量計算才能實現特定結果的任務上也非常有效，因此開啟了為計算密集型的實用題目編寫 GPU 程式的領域。如今獨立 GPU 的應用範圍已遠遠超出當初圖形處理，不但擴大到醫學影像和地震成像等之複雜圖像和影片編輯及視覺化，也應用於駕駛、導航、天氣預報、大資料庫分析、機器學習、人工智慧、加密貨幣挖礦、及分子動力學模擬（註三）等其它領域。獨立 GPU 已成為人工智慧生態系統中不可或缺的一部分，正在改變我們的生活方式及許多行業的遊戲規則。英特爾在這方面發展較遲，遠遠落在英偉達（80%）及超微半導體公司（Advance Micro Devices Inc.，19%，註四）之後，大約只有 1% 的市場。

事實上現在的中央處理單元也不再是真正的「單元」，而是如圖二可含有多個可以同時處理運算的核心（core）單元。GPU 犧牲大量快取和控制單元以獲得更多的處理核心，因此其核心功能不如 CPU 核心強大，但它們能同時高速執行大量相同的指令，在平行運算中發揮強大作用。現在電腦通常具有 2 到 64 個核心；GPU 則具有上千、甚至上萬的核心。

結論

我們一看到《我愛科學》這本書，不需要一點一點地從左上到右下慢慢掃描,即可瞬間知道它上面有書名、出版社等，也知道它擺斜了。這種「平行運作」的能力不僅限於視覺，它也延伸到其它感官和認知功能。例如筆者在清華大學授課時常犯的一個毛病是：嘴巴在講，腦筋思考已經不知往前跑了多少公里，常常為了追趕而越講越快，將不少學生拋到腦後！這不表示筆者聰明，因為研究人員發現我們的大腦具有同時處理和解釋大量感官輸入的能力。

人工智慧是一種讓電腦或機器能夠模擬人類智慧和解決問題能力的科技，因此必須如人腦一樣能同時並行地處理許多資料。學過矩陣（matrix）的讀者應該知道，如果用矩陣和向量（vector）表達，上面所談到之座標轉換將是非常簡潔的（註五）。而矩陣和向量計算正是機器學習（machine learning）演算法的基礎！也正是獨立圖形處理單元最強大的功能所在！因此我們可以了解為什麼 GPU 會成為人工智慧開發的基石：它們的架構就是充分利用並行處理，來快速執行多個操作，進行訓練電腦或機器以人腦之思考與學習的方式處理資料——稱為「深度學習」（deep learning）。

黃仁勳在 5 月 22 日的發布業績新聞上謂：「下一次工業革命已經開始了：企業界和各國正與英偉達合作，將價值數萬億美元的傳統資料中心轉變為加速運算及新型資料中心——人工智慧工廠——以生產新商品『人工智慧』。人工智慧將為每個產業帶來顯著的生產力提升，幫助企業降低成本和提高能源效率，同時擴大收入機會。」

附錄

人工智慧的實用例子：下面一段是微軟的「copilot」代書、谷歌的「translate」代譯之「one paragraph summary of GPU and AI」。讀完後，讀者是不是認為筆者該退休了？

GPU（圖形處理單元）和 AI（人工智慧）之間的協同作用徹底改變了高效能運算領域。GPU 具有平行處理能力，特別適合人工智慧和機器學習所需的複雜資料密集運算。這導致了影像和視訊處理等領域的重大進步，使自動駕駛和臉部辨識等技術變得更加高效和可靠。NVIDIA 開發的平行運算平台 CUDA 進一步提高了 GPU 的效率，使開發人員能夠透過將人工智慧問題分解為更小的、可管理的、可同時處理的任務來解決這些問題。這不僅加快了人工智慧研究的步伐，而且使其更具成本效益，因為 GPU 可以在很短的時間內執行與多個 CPU 相同的任務。隨著人工智慧的不斷發展，GPU 的角色可能會變得更加不可或缺，推動各產業的創新和新的可能性。大腦透過神經元網路實現這一目標，這些神經元網路可以獨立但有凝聚力地工作，使我們能夠執行複雜的任務，例如駕駛、導航、觀察交通信號、聽音樂並同時規劃我們的路線。此外，研究表明，與非人類動物相比，人類大腦具有更多平行通路，這表明我們的神經處理具有更高的複雜性。這個複雜的系統證明了我們認知功能的卓越適應性和效率。我們可以一邊和朋友聊天一邊走在街上，一邊聽音樂一邊做飯，或一邊聽講座一邊做筆記。人工智慧是模擬人類腦神經網路的科技，因此必須能同時並行地來處理許多資料。研究人員發現了人腦通訊網路具有一個在獼猴或小鼠中未觀察獨特特徵：透過多個並行路徑傳輸訊息,因此具有令人難以置信的多任務處理能力。

註解

（註一）當讀者看到此篇文章時，其股票已一股換十股，現在每一股約在 $100 左右。

（註二）組裝或升級過個人電腦的讀者或許還記得「英偉達精視 256」（GeForce 256）插卡吧?

（註三）筆者於 1984 年離開清華大學到 IBM 時，就是參加了被認為全世界使用電腦時間最多的量子化學家、IBM「院士（fellow）」Enrico Clementi 的團隊：因為當時英偉達還未有可以在 GPU 上進行平行處理的軟體層，我們只能自己寫軟體將 8 台中型電腦（非 IBM 品牌！）與一大型電腦連接來做平行運算，進行分子動力學模擬等的科學研究。如果晚生 30 年或許就不會那麼辛苦了?

（註四）補助個人電腦用的 GPU 品牌到 2000 年時只剩下兩大主導廠商：英偉達及 ATI（Array Technology Inc.）。後者是出生於香港之四位中國人於 1985 年在加拿大安大略省成立，2006 年被超微半導體公司收購，品牌於 2010 年被淘汰。超微半導體公司於 2014 年 10 月提升台南出生之蘇姿豐（Lisa Tzwu-Fang Su）博士為執行長後，股票從每股 $4 左右，上升到今天每股超過 $160，其市值已經是英特爾的兩倍，完全擺脫了在後者陰影下求生存的小眾玩家角色，正在挑戰英偉達的 GPU 市場。順便一題：超微半導體公司現任總裁（兼 AI 策略負責人）為出生於台北的彭明博（Victor Peng）；與黃仁勳及蘇姿豐一樣，也是小時候就隨父母親移居到美國。

（註五）或。

延伸閱讀

• 「熱力學與能源利用」，《科學月刊》，1982 年 3 月號；收集於《我愛科學》（華騰文化有限公司，2017 年 12 月出版），轉載於「嘉義市政府全球資訊網」。
• 「網路安全技術與比特幣」，《科學月刊》，2020 年 11 月號；轉載於「善科教育基金會」的《科技大補帖》專欄。

如果天空少了月亮？文學家應該會很難過，音樂家也會少了創作的題材，沒有中秋節就少了月餅，也沒有烤肉。不過夜晚少了一個大光害，天文學家絕對會很高興！

潮汐變小、一天變短

地球上的潮起潮落，主要是月球繞地球運行造成的。太陽也會影響地球的潮汐，不過對地球的潮汐力只有月球的 46%。如果沒有月球的話，造成地球潮起潮落就只剩下太陽，滿潮和乾潮的幅度就會變小。

月球讓地球產生的潮汐，使地球愈轉愈慢。數十億年前，地球剛形成時，地球自轉的速度比現在快許多；因為月球的潮汐力，讓地球自轉的速度漸漸變慢，慢到現在的一天 24 小時。如果沒有月球，地球的一天可能不到 10 小時。

左搖右晃的地球

月球就像是走鋼索的人握的平衡桿，讓地球自轉軸保持穩定，如果少了月球這個平衡桿，地球自轉軸左搖右晃的幅度就會變大。

目前地球自轉軸相對於公轉平面的傾斜角是 23.4 度，因為月球的存在，這個傾角的變化幅度不大，大約在 22.1 度和 24.5 度之間。傾角讓太陽直射地球的位置在北回歸線和南回歸線間移動，讓地球出現四季變化。

如果沒有月球，地球的自轉軸變動的幅度就會變大，自轉軸的變動會對我們有什麼樣的影響？假設兩個極端的例子，地球的自轉軸傾角是 0 度和 90 度。

如果地球傾角是 0 度，太陽永遠直射赤道，地球上不會有北回和南回歸線，地球將不再有四季變化。

如果地球傾角是 90 度，太陽直射的區域會從北極到南極，也就是北回歸線位在北緯 90 度（也就是北極點），而南回歸線在南緯 90 度（南極點）。這種情況下，地球四季變化會非常劇烈，北半球夏天時，北極不會結冰，溫度比現在還高，南半球冰凍的區域比現在還大，這種極端氣候絕對不利現在地球上生物的生存。

月球替地球擋子彈

月球是地球的衛星，一直以來它都保護著我們的地球。用望遠鏡看月球，會發現月球上有許多坑洞，這些坑洞幾乎都是隕石撞擊後形成的隕石坑，表示月球在早期受到許多的撞擊。如果少了月球擋下這些隕石，這些隕石可能就會撞上地球。

隕石撞擊對地球的生命影響很大。6600 萬年前，一顆 10 公里左右的隕石撞擊地球，造成恐龍滅絕。恐龍滅絕後，哺乳類才能興起，人類才有機會出現在地球上。

那些沒有被月球擋下的隕石，如果撞上地球，可能會改變地球物種的演化，人類說不定就不會出現在地球！ 最後，如果沒有月亮，阿姆斯壯和另外 11 名阿波羅太空人也就無法登陸月球。人類少了探索月球的寶貴經驗，要直接踏上其他行星表面（例如火星），難度會高許多，甚至變得不可能！

文/WhyJ

今年2月15日發生在俄羅斯車里雅賓斯克的隕石撞擊，無疑是近年來最令人驚異的天文事件。巧合的是，一般認為也是由隕石撞擊所致、在1908年發生的通古斯加大爆炸，同樣也位於俄羅斯。這或許是俄羅斯幅員遼闊的「幸運」之處吧！但話說回來，只要把時間尺度拉長，不難歸納出世界上任何地方都可能遭受隕石撞擊的結論。那麼台灣呢？應該也會有吧？

（隕石坑分布圖。圖出處： http://osm2.cartodb.com/tables/2320/public#/map）

這答案或許不是那麼單純。除了歷史文獻紀錄外，最能佐證隕石撞擊的證據就是隕石坑了。上圖所列之來源網站，利用美國Lunar and Planetary Institute所登錄的隕石坑資訊，做出了隕石坑分布的具象化圖表。從圖中不難看出全世界的隕石坑分布並不平均，而台灣則是連一個坑都沒有。影響圖中隕石密度的最大原因很可能是研究數據的不平均，例如比較難深入的熱帶雨林區隕石坑的紀錄，遠比整個歐陸要少得多；不過台灣沒有隕石坑的原因，卻很有可能是下面兩點：

1. 台灣島的形成年代（精確的說是台灣島最後一次被造山運動推擠出海面至今）區區不過數百萬年，相較於澳洲、北美等古老陸塊動輒數十億年的年紀顯然年輕許多，自然還沒有足夠多的時間累積被隕石撞擊的機會。
2. 台灣島的侵蝕速率極大，這意味著如果隕石落在山區，其隕石坑可能過不了幾千年就會被侵蝕作用以山崩、土石流的形式消除。

或許各位曾經聽過，台灣有兩個地方還真的有可能是隕石坑的候選地點，一是嘉明湖，而另外一個是澎湖；不過請不要高興得太早，這兩個地方充其量只有圓形的外觀像隕石坑，深入調查之後，就會發現要把它們歸類為隕石坑，或許太過武斷。

（嘉明湖。圖出處：作者）

先看位於中央山脈南段，現在已成熱門登山路線的嘉明湖。在2000年前時，陳肇夏等人從地形與採樣證據分析後，遂提出嘉明湖為隕石撞擊坑的想法；但隨著嘉明湖被越來越多的研究者關注，採樣的樣本越來越多，但這些新樣本卻不支持陳肇夏等人的結論。因此，已有不只一位地質學者認為嘉明湖應只是在上次冰河時期被冰河挖出來的冰斗，跟隕石坑無關。

（澎湖地圖。圖出處：Google map）

而澎湖群島呢？幾個島連成環狀的地形，而在中心的大倉嶼剛好可以充當比較大的複式隕石坑中心會出現的中央峰，就如同下圖所表現的隕石坑中心突起一樣。
（複式隕石坑。圖出處： NASA）

的確，從地形上判斷，澎湖群島看起來像極了隕石坑，而聯合報在也2005年引用了這個說法。如澎湖群島真的是隕石坑，那麼它在地球上也可算是屈指可數！但很抱歉的，地球上的其他大隕石坑，除了具有地形證據外，都還會有其他物理資料的佐證。其中最具說服力的，應該就是所謂「重力異常」的分布情形了！

重力異常的概念其實非常簡單：首先我們會假設地球是個完美的橢球體，而且內部的任何一層結構（例如地函、地殼等）都具有固定的厚度與均勻的密度，不會隨著經緯度而變化。如此一來，藉由簡單的牛頓萬有引力定律與數學計算，我們可以知道這個「完美地球」上任何經緯度的地表重力值。不過可惜的是，地球並非完美，分層的厚度與密度會隨著區域而變，最顯而易見例子像是在山脈區域，地殼的厚度會比平原或大洋區來得高；而在火山活動地區，組成火山的火成岩密度也比「完美地球」中假設的地殼平均密度（約為2.7 g/cm3）來得高。在實際測量過某地的重力加速度量值之後，減去「完美地球」預測的此地重力加速度，所得差值就是所謂的重力異常。簡而言之，這種方法可以調查地底下任何一種結構分層的厚度或密度，並且間接的了解地表下的岩性與岩石物理狀態分布情形。

在大隕石坑存在的地區，由於岩石受壓後產生的不同構造從隕石坑中心開始呈環狀擴散，因此重力異常值也會出現以撞擊中心為圓心，數圈「高低起伏」的波形。例如著名的墨西哥希克蘇魯伯隕石坑，據信是造成恐龍滅絕的最可能元兇，雖然地表看不出隕石坑的樣子，但從重力異常的資料中卻可以發現環狀的分布。

（希克蘇魯伯隕石坑的重力異常資料。圖出處：Wikipedia-“Chickulub Crater”）

反觀澎湖的重力異常，以謝獻祥等人在2009年發布的資料顯示，根本沒有環形排列的狀況，有的只是一個重力異常偏高的區塊，如下圖。

這樣的區塊用不著以隕石坑解釋，只需要火山噴發，把密度較高的岩漿噴出地表，由於岩漿的密度較「完美地球」模型中假設的地殼平均密度高，就能夠使此區域量到比其他區域還要大的重力值了！
（澎湖群島及附近區域的布蓋重力異常資料。圖片來源：Hsieh et al., 2009）

由這些證據看來，或許目前的台灣真的沒有一個地方，可以藉由隕石坑的故事來提高知名度！但以後會不會有，誰也說不準，就讓我們拭目以待！（考慮到隕石撞擊帶來的可能性大規模破壞，或許不要拭目比較好…）

參考資料來源：

• 陳肇夏等(2000),〈南部中央山脈的嘉明湖窪地是否為一隕石坑?〉(只有摘要)
• 郭雅欣(2008),「嘉明湖是隕石坑嗎?」
• 聯合報(2005)，〈學者:澎湖群島可能是隕石坑〉
• Hsien-Hsiang Hsieh et al.(2009), Moho Depth Derived from Grav ity Data in the Tai wan Strait Area.

• 作者／陳子翔｜師大地球科學系、EASY 天文地科團隊創辦者

看到下圖密布於太陽系的小行星軌道，你是否會對小行星撞地球這樣的災難感到擔心呢？

事實上面對小行星的撞擊風險，科學家也是嚴陣以待。畢竟即便是一顆直徑只有數十公尺的小行星撞上地球，其威力也足以摧毀一座城市。更何況還有許多直徑數百公尺，甚至數公里的近地小行星（near-Earth asteroids）存在。因此，對於這些小行星的觀測、研究與監控就顯得格外重要。

揪出藏身夜空中的小行星

對近地小行星監測的第一步，就是要先找出「它們在哪裡」。如同在戰場上比起收到敵方要發動攻勢的情報，更可怕的就是連敵人是誰、敵人在哪裡都還不清楚就被暗中襲擊了。

然而棘手的是，由於直徑小，反照率低的特性，小行星的亮度往往非常低，需要仰賴觀測性能強大的天文台才有辦法看見它們。但大型天文台的觀測視野卻通常很小，難以有效率的「掃描」廣大的夜空，而且這些天文台本來就有很多天文研究工作要進行，能撥給小行星觀測的時間也相當有限。

有鑑於這些因素，專門設立搜尋近地小天體的計畫與望遠鏡，就成了更合適的選項。像是林肯近地小行星研究小組（Lincoln Near-Earth Asteroid Research, LINEAR）、卡特林那巡天系統計畫（Catalina Sky Survey, CSS）以及泛星計畫（Pan-STARRS）等。它們扮演「小行星獵人」的角色定期掃視夜空，尋找移動中的可疑光點。目前透過這些計劃發現的近地小行星已經多達數萬個。

用自動化的監測系統，找出小行星中的「危險份子」

發現這些小行星的下一步，就是由觀測資料計算出它們的軌道，並找出哪些小行星對於我們的威脅比較大。而面對數量龐大的近地小行星資料，NASA 噴射推進實驗室（Jet Propulsion Laboratory, JPL）早在 2002 年就開發出一套名為「哨兵（Sentry）」的監測系統，運用設計好的演算法，自動化的評估每個近地小行星撞擊地球的機率，並列出對地球威脅比較大的小行星名單。

以目前的速率來看，每年大約有 3000 個新的近地小行星被發現。而未來隨著更多更先進的天文台投入小行星搜尋的計畫，可以預期小行星的發現數量還會出現顯著的成長。因此就在不久前，NASA 的天文學家已發展出下一代更先進的小行星監測系統：哨兵 II（Sentry II），以因應未來更龐大的資料，同時也對已經使用了近 20 年的哨兵系進行補強。

監測系統升級上線，更完善的為地球把關

就如同各種應用程式都會進行版本更新，並在更新中修正上一個版本的缺點，這次哨兵 II 系統的升級，也從哨兵一代系統多年累積的經驗進行修正。

首先，第一代哨兵系統只有計算萬有引力對小行星軌道的影響，並沒有考量其他外力，例如來自太陽的輻射壓等等。這些力量雖然相對微小，但積少成多、聚沙成塔，長期下來也能影響小行星運行的軌道。另一方面，由於小行星本身會自轉，因此小行星的受光面和背光面會不停改變方向，如此一來熱輻射對小行星造成的力，也會隨著轉動而變化，這個效應被稱作「亞爾科夫斯基效應」（Yarkovsky Effect）。而哨兵 II 的演算法都有將這些因素納入考量，讓小行星的軌道估計算更為精準。

再來，當小行星的非常靠近地球時，受到地球引力的影響，軌道以及速度都會大幅改變。其原理與太空探測器借助行星的引力來改變自身的軌道和加減速的「重力彈弓」效應相同。

然而太空探測器上面有很多精密的儀器提供科學家精準的定位，小行星卻只能透過地面觀測來估算出它的軌道，科學家其軌道掌握的精確度當然就比較差。而當小行星接近地球時，軌道的計算誤差就會被大幅放大。一個小行星飛掠地球時幾百公尺的誤差，到了下一次來訪時可能就成了幾千公里的差別了。而這幾千公里，就有可能是「撞上地球」和「安全通過」的差距。好消息是，由於在軌道計算上考量的因素更全面，演算法也更加精密，讓哨兵 II 即使在面對這樣的狀況，也能計算出更為精準的結果。

最後，哨兵 II 系統在計算小行星的撞擊風險時，判斷的方式也相較上一代系統更縝密。如同任何觀測與測量，小行星的軌道也會存在誤差，而哨兵 II 會從小行星軌道的誤差範圍內隨機取樣進行計算，以檢查小行星有沒有撞上地球的可能性。相比於第一代哨兵系統預先將有撞擊風險的軌道推算出來後才評估撞擊機率的做法，這樣的更新能降低漏網之魚出現的可能性。

持續探索可能的威脅

小行星、彗星等天體的撞擊一直以來都是很多科幻作品的題材。從科學的角度來看，太陽系中也的確存在非常多小天體，可能對地球上的生命構成威脅。雖然對於近地小天體的災害預防，當今的科學與科技還遠達不到萬無一失的程度，但過去三十年，人類對近地小行星的認識已有了顯著的進展。從搜尋小行星的各個計畫，到針對小行星的太空探測任務，以及本篇文章介紹的兩代哨兵監測系統，都帶給我們許多重要資訊，立下人類面對小行星撞擊風險時不可或缺的基石。

延伸閱讀

• 災難片成真！？小行星「貝努」行蹤飄忽，撞地球的機率有多大？
• 夜空中的守望者－ 望遠鏡如何保衛地球? 科學月刊 600期
• 天文觀測的新挑戰──談泛星計畫

參考資料

• NASA’s Next-Generation Asteroid Impact Monitoring System Goes Online
• A novel approach to asteroid impact monitoring and hazard assessment