黑面琵鷺E77出現在嘉義鰲鼓濕地

• 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。

• 作者 / 林子平

幾年前，有一則蝴蝶遷徙的新聞，引起了我的興趣。澎湖有位民眾發現住家的花園內有隻蝴蝶，身上被標示了日期和日本地名，原來是一隻從日本富山縣標放的青斑蝶，歷經46天從日本飛行了2,277公里來到台灣。富山縣自然博物館負責人說：「這隻青斑蝶創下了富山縣蝴蝶的最長距離飛行紀錄，飛到翅膀已破裂，令人感到心碎。」

創下地表上最長昆蟲遷徙紀錄的是帝王斑蝶。每年會有上億隻帝王斑蝶在接近冬天時，由北美寒冷的洛磯山往南遷徙至溫暖的墨西哥，並在春天來臨時往北飛回洛磯山，但因為不順風，長達4,800公里、歷時四個月的長途遷徙，讓生命週期僅有一個多月的蝴蝶沒辦法在有生之年飛抵目的地，中途還得暫停德州來繁衍下一代，一共要歷經三代接棒才能返回洛磯山。

在台灣新竹苗栗等地山區，多達五十萬隻的紫斑蝶，也會在秋末準備南飛度冬，常落腳在高雄茂林。「氣溫是蝴蝶長程遷徙的一個很重要的因素，溫暖的環境讓蝴蝶能夠生存並產卵，還能讓剛孵化的幼蟲找到豐富的食物。」嘉義大學生物資源學系黃啟鐘教授這麼告訴我，他對昆蟲生態及植物病蟲害都很有研究。

「也許是遺傳基因，這裡的氣溫一直刻劃在牠們的記憶之中，驅動著牠們歷代返回。」黃教授說，「雖然蝴蝶一代只有一個多月的生命，但為了下一代，牠們長途遷徙到最適合幼蟲出生的氣溫及生態環境，等到春天清明節前，經數代後剛羽化之成蝶，就開始往北飛，回到牠們此生未曾到過的故鄉。」

生物為了生存而追尋溫度

昆蟲願意冒這樣的風險長途跋涉，那人類也有這種追求溫度的本能嗎？

我們得從現代人類的起源「智人」（Homo sapiens）的發展談起。科學家普遍認為，在二十萬年前智人起源於非洲。直到了四萬年前，智人已經遍布歐亞大陸。科學家一直在探索，究竟是什麼原因造成我們這個物種「遠離非洲」。

亞利桑那大學地球科學系Jessica Tierney教授透過氣候重建資料，並比對化石及石器的狀況，推論八萬年前非洲東北部溫暖且溼潤，適合居住。然而，在七萬年前，氣候開始變得寒冷而乾燥，艱難的氣候條件，使人類在六萬年前走出非洲進行大遷徙，這才讓歐亞大陸有人類出現。

無獨有偶，德國科隆大學Frank Schäbitz教授等人則是透過衣索比亞湖岩芯來重建氣候，同樣也發現，在距今六萬到一萬四千年間非洲氣候的極度乾燥達到頂峰，使智人最終在距今五萬到四萬年間抵達歐洲。

除了因為溫度而遷徙之外，比智人更早，比「露西」（Lucy）^[註1]更晚的「直立人」（Homo erectus），大概在一百萬年前開始會用火來獲取他們想要的溫度。除了用來烹煮食物，火還可以使身體溫暖來度過寒冬，得以生存。

今日，我們為了舒適追求溫度

以前的人類，就像會遷徙的蝴蝶及候鳥一樣，追求溫度是為了活命，是最基礎的生理需求 ^[註2] 。然而，時至今日，人們追求溫度的目的已經不同。

經濟學家西托夫斯基（Tibor Scitovsky）認為，近代人類的第一個需求，就是「舒適」^[註3]。

近代的人們會為了追求更舒適的氣溫而遷徙。對英國君主來說，白金漢宮是他們的冬季宮殿，溫莎城堡則是夏日宮殿，讓他們在不同的季節中得以維持長時間舒適的居住環境。另外則是觀光旅遊，近代西歐人（如德、法、荷）冬天移動至地中海旁溫暖的國家西班牙、希臘旅遊，或是更遠的東南亞國家，以求得數日的舒適氣溫。

然而，人們逐漸覺得為了追求舒適而頻繁地遷徙和移動有點麻煩，因此反過來想要讓日常生活居住的空間及場域能配合人的需要，常保舒適，於是開始思考如何打造一個四季都舒適的居住空間。在寒冷的國家，增加牆面的厚度，提高隔熱性，來達到保溫的效果，或在屋頂做一個閣樓，能阻擋大雪的低溫直接傳到室內。而在炎熱的國家，則利用室內通風、窗戶遮陽，來確保室內維持舒適，並透過選用適合的植栽、設置水域來調節戶外氣溫，讓人們在戶外行走或活動時都感到舒適。

溫度控制全面強力介入

這些使居住環境舒適的方法，其實都不需要耗用能源及資源，我們稱為被動式設計（passive design，或稱誘導式設計）。它雖然能讓冬天暖一點，夏天涼一點，但是沒辦法維持在一個恆定的氣溫。

因此，人們又想更進一步控制生活及居住環境的溫度，我們開始利用能源及資源來介入控制。一開始是耗費較少電力及資源的手段，例如溫帶國家燒柴的暖爐，熱帶國家使用的電風扇，而後一些更耗能源的設備出現了，如冷氣或暖氣的設備及系統，這些都屬於主動式控制（active control）。以冷氣或暖氣來改變氣溫，讓我們不必大老遠遷徙及移動，可以四季都維持在恆溫舒適的狀況。

而在生活環境中，我們也開始控制各種溫度。例如控制液體的溫度，把冬天冰冷的水加熱，洗澡才舒服；或是使用電冰箱讓飲料涼一些，使用電熱水瓶來保持最適合入口的水溫。

人類當然不會滿足於基本的溫度，我們對於溫度的控制只會愈加精確及全面。我們希望冷暖氣控制的溫度是恆定的，最好一年四季，一天二十四小時，都能維持相同的溫度。我們還希望冬天冰冷的廁所能溫暖些，所以現在廁所的馬桶座不但可以加熱，甚至還可以整晚持續保溫，讓你隨時都能享受剛剛好的溫度。

人類除了舒適，還要刺激

然而，有時人對溫度需求的還不只是為了舒適。追求「刺激」，則是西托夫斯基提出的人類第二個需求—人們追求溫度，有時只是想要有不一樣的體驗。

就像長年低溫的寒帶國家中，一旦有個難得的溫暖晴天，人們就會傾巢而出到公園做日光浴。同樣的，像台灣一樣位處於熱溼氣候區的人們，偶有山區下雪的機會，許多人會不畏寒冷地上山賞雪，這就是本於氣候刺激造成的新鮮感。

不過，如果是為了刺激而想要控制環境，就可能造成不必要的能源浪費。冬天時，人們湧入滾燙的三溫暖或烤箱，這麼高的溫度絕對算不上是舒適吧，但人們希望透過這樣的生理刺激來滿足心理的需求。

又比如說在寒帶地區滑雪是常態，但位在熱帶國家興建一個室內滑雪場，甚至是單純造雪讓人們遊玩，就是要讓人們能感受到溫帶國家寒冷的天氣能帶來的體驗。

你追求的是什麼呢？

你或許有過這樣的經驗：當你滑著手機上的社群、新聞、影片，你點擊的每個按鈕，停留的每段時間，都在告訴媒體你喜歡的是什麼；不久之後，頁面上跳出的內容你都喜歡極了，不順眼的內容都消失了，這一切彷彿為你量身打造，你就這麼瀏覽下去。回過神才發現時間已過了大半，你接受了不重要（甚至錯誤）的資訊，買了你不需要的東西。

讓我們從虛擬環境切換到實體空間。當我們進入一個室內空間，你直覺地按下空調開關，它也許就記憶著你上次設定的溫度。先進的系統還能觀察現在室內有多少人、你是靜止或移動的、你以前喜歡什麼樣的溫度，就幫你調得好好的。太冷的時候，你也許會選擇穿上外套，而不是起身去調整溫度設定，或是反映給管理者知道。

這就是舒適圈，為你量身打造客製化的體驗。舒適的感受可能掠奪你的專注力，讓你忘了你真實的需求。

從智人遠離非洲到歐亞大陸，到近代人類移動到舒適的地點、建立舒適的住居，都是有意識地了解需求，因為，這都有風險，也需要付出代價。

然而，當空間內的氣溫控制變成輕鬆自在的生活常態，卻可能導致我們不認真去思考我們的需求。我們得自問：「為什麼要設定在這個溫度呢？」是為了舒適，還是為了刺激，還是只是習慣性地延續你昨天的設定，或是直接由人工智慧幫你決定？

一個根本的問題是，舒適究竟是怎麼一回事？是生理的需求，還是心理的滿足？每個人對舒適需求的差異，又是怎麼產生的？是體質的差異，過去的經驗，還是個人的喜好？

唯有理解舒適的起源，我們才能客觀地檢視我們的觀點及行為，並做出適當的調整與改變。下一節，就讓我們從一盤蛋炒飯，來談談什麼是舒適吧。

消暑涼方03：動物和原始人只為生存而追尋溫度，但現代人卻是為了舒適而改變溫度。嘿，享受舒適的同時，也為地球上其它生物想想吧！

註釋

• 註1： 露西是在衣索比亞發現的南方古猿標本。也就是由盧貝松執導且在台北取景的《露西》片中，那位將人腦用到100%且具有超能力的主角，在片尾回到遠古時期時見到的人類祖先。
• 註2： 馬斯洛需求理論（Maslow’s hierarchy of needs），是由亞伯拉罕．馬斯洛（Abraham Harold Maslow）於1943年提倡的理論，他劃分出五種等級的需求：自我實現、尊重、社會、安全、生理。生理屬於為基礎的需求，如食物、呼吸、基本維生環境等—溫度就是屬於最基礎的生理需求。
• 註3： 西托夫斯基認為人有舒適和刺激兩種需求，舒適又分為個人舒適（personal comforts）及社會舒適（social comforts）兩種。

——本文摘自《跳出溫度舒適圈》，2022 年 9 月，商周出版，未經同意請勿轉載。

• 本文改寫自社團法人中華民國野鳥學會新聞稿

黑面琵鷺全球數量持續上升！「2022 黑面琵鷺全球同步普查」的成果顯示，全球黑面琵鷺族群已來到 6,162 隻，其中在臺灣共記錄到 3,824 隻，再次創下歷史新高紀錄，其中嘉義地區的黑面琵鷺數量成長最為明顯。

過去不常有黑面琵鷺度冬的縣市如桃園、花蓮、臺東等，今年也都發現有零星個體度冬，顯示黑面琵鷺數量不只上升，度冬範圍也明顯持續擴張。

黑面琵鷺數量再次刷新歷史紀錄

「黑面琵鷺全球同步普查」由香港觀鳥會所發起，每年定期於一月召集各國調查員協力同步調查，而臺灣是黑面琵鷺最重要的度冬地，由中華民國野鳥學會負責統籌，聯繫全國鳥友協力進行調查，並由林務局推動的「國土生態綠網計畫」支持全臺灣的黑面琵鷺普查工作。

2022 年全球普查於 1 月 8 日至 9 日期間進行，全球數量持續突破紀錄，共調查到 6,162 隻黑面琵鷺，今年各度冬區的數量都有增加，整體相較 2021 年大幅增加 940 隻，其中臺灣是成長幅度最明顯的地區，全臺共調查 3,824 隻，超過全球總數六成，相較去年增加 692 隻（增加 22.1%），族群數量保持上升的趨勢，更持續三年刷新歷史最大量紀錄。

普查首次13個縣市皆記錄有黑面琵鷺

臺灣的黑面琵鷺主要度冬在西南沿海，超過九成以上的族群集中分布在臺南、嘉義、高雄及雲林，其中今年臺南的數量有 2,158 隻 (56.4%)，主要在七股與安南（四草）地區；嘉義有 962 隻 (25.2%)，主要在布袋和鰲鼓濕地；高雄有 369 隻 (9.7%)，主要在茄萣、永安濕地及高屏溪口；雲林的數量有 227 隻 (5.94%)，主要在口湖以及濁水溪口南岸。

屏東、金門及宜蘭有穩定的小族群度冬，其中屏東有 36 隻 (0.9%)，主要在大鵬灣與田厝；金門有 29 隻 (0.8%)，主要在慈湖、浯江溪口與西湖；宜蘭有 27 隻 (0.7%)，主要集中在頭城下埔。

特別的是，今年有較多零星的黑面琵鷺出現在其他縣市，包含臺北、桃園、新竹、彰化、花蓮及臺東等地都同時有 1-5 隻不等的度冬個體，總共 13 個縣市都有記錄到黑面琵鷺，是同步普查有史以來首次的紀錄。

黑面琵鷺分布範圍持續擴大

從各區數據的變化來看，黑面琵鷺在臺灣不只是數量持續增加，也持續擴大度冬棲地範圍。今年臺南、高雄、雲林的數量維持在小幅度的變化，數量增加最顯著的區域則在嘉義布袋，總數量為 783 隻，對比去年棲地乾旱的狀態，今年水域環境狀況較佳，增加了 564 隻，也首度刷新嘉義地區普查的最大量。

屏東往年並無黑面琵鷺度冬，自 2021 起已有連續兩年的度冬紀錄，未來應有機會建立長期穩定的度冬地。而今年最特殊的現象，莫過於往年不常有黑面琵鷺度冬的縣市，今年卻同時有許多零星個體度冬，破除「零鴨蛋」的魔咒，讓各地調查員也非常的驚喜，例如臺東是首次普查當日記錄到黑面琵鷺，桃園、彰化、花蓮也是普查期間未有紀錄多年。從零到有，從少變多，種種跡象皆證實黑面琵鷺在臺灣的度冬範圍越來越擴散。

保育工作有賴公私協力

農委會林務局近年推動國土生態綠網計畫，結合公私部門合作推動友善棲地，包含沿海濕地環境的保全；台江國家公園鼓勵友善棲地的魚塭養殖，也推動在地的生態旅遊，並改善保護區內的棲地環境。黑面琵鷺族群逐年攀升是民間、政府與國際間共同協力的保育成果，相較於 30 年前的滅絕危機已有大幅度的改善，然而對比其他族群健全無虞的物種，全球僅六千隻的黑面琵鷺仍是需要注目的受脅鳥類，棲地保育不能懈怠。近期正值黑面琵鷺的北返季節，期待未來族群數量持續上升，早日脫離瀕危名單。

合作夥伴：

感謝基隆市野鳥學會、台北市野鳥學會、桃園市野鳥學會、新竹市野鳥學會、苗栗縣自然生態學會、臺灣野鳥協會、彰化縣野鳥學會、雲林縣野鳥學會、嘉義市野鳥學會、嘉義縣野鳥學會、鰲鼓濕地森林園區解說團隊、台南市野鳥學會、台灣黑面琵鷺保育學會、台南市生態保育學會、高雄市野鳥學會、茄萣生態文化協會、屏東縣野鳥學會、宜蘭縣野鳥學會、花蓮縣野鳥學會、台東縣野鳥學會、金門縣野鳥學會、澎湖縣野鳥學會等單位協助調查。

補助單位：
行政院農業委員會林務局、台江國家公園