與災共生（一）：當國土落實規劃

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

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

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。

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＝

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。

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。

「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。

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。

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。

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。

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。

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。

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。

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。

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。

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

• 林宗弘、劉季宇、陳亮全等著（2022）。巨震創生：九二一震災的風險分析與制度韌性。臺大出版中心。
• 【研之有物】災前改善社會不公，更是真正地救人一命
• IPCC. 2012. Managing the Risks of Extreme Events and Disasters to Advance Climate Change Adaptation. New York: Cambridge University Press. 
• Turner, B. L. II et al. 2003. A Framework for Vulnerability Analysis in Sustainability Science. Proceedings of the National Academy of Sciences of the United States of America 100(14): 8074-8079.
• Lei, Yongdenget al. 2014. Rethinking the Relationships of Vulnerability, Resilience, and Adaptation from A Disaster Risk Perspective. Natural Hazards 70: 609-627.
• Hobfoll, Steven E. et al. 2007. Five Essential Elements of Immediate and Mid-Term Mass Trauma Intervention: Empirical Evidence. Psychiatry: Interpersonal and Biological Processes 70(4): 283-315.
• 私有建築物耐震階段性補強資訊網

新海誠，對大家來說是這五年高品質動畫電影的代表，不管是《你的名字》、《天氣之子》，都讓大家耳熟能詳，而其中的災害主題則扣住了他的愛情主題，不論隕石來時的避難，或是氣候異常的降雨，都是非常值得討論的主題。

筆者做為大氣科學從業人員，本篇文章，想要從《天氣之子》來討論極端氣候，因為極端氣候不僅是聯合國《永續發展目標 (Sustainable Development Goals)》的主要議題，也在近年來深深地影響人們生活。

天氣之子的氣候狀況

這次新海誠用了一個很大膽的主題，也就是主角再也不是為了地球飛去宇宙深處作戰的女高中生（《星之聲》），也不是挽救過去將被隕石毀滅的村子的男高中生（《你的名字》），而是在犯罪邊緣的少年少女，而他們並未為了日本跟地球，而犧牲自己成為人柱。

從某個角度來說，人都有年輕不懂事過，為了愛犧牲理性也非意想不到，但是主角在「拯救世界」與「拯救戀人」之間，選擇戀人而放棄世界，也算是少有的故事情節，因此開映之後，的確造成了一些話題性。

不過，筆者比較有興趣的，是其中的降雨情節。日本降雨從 2021 年持續到 2024 年，的確是不可能的，除了要有足夠的水氣，以及足夠的對流將氣團推往較冷的高空外，還須要足夠的氣溶膠來形成足夠大的水滴，才有機會造成降雨。

如果電影中的「神」希望靠物理作用，讓日本持續下雨三年，那我想這不會是對流造成的雨：因為在連續降雨而缺乏晴天的日本，潛熱（單純的水蒸發與植物的發散作用）與顯熱（因為地表與空氣溫差造成的熱量傳播）都將成歷史。在夏天時，缺乏地面形成低氣壓的情況下，也無法產生梅雨所需要的對流作用。

所以最有可能的，就是在太平洋上，生成一個熱帶性低氣壓造成的風暴，但又因為氣壓帶的影響，讓此風暴持續盤旋在日本外海，替日本帶來大量的水氣。

這樣的風暴若持續一整年不停歇，即使粗估每小時不到 2mm 的降雨量，一年下來也會帶給日本超過 10000mm 的降雨。日本年均降雨約在 1500mm 到 1800mm 左右，此風暴將造成四到五倍的年降雨量，這可能會對日本造成破壞力僅次於《日本沉沒》的最大自然災害。也就是說，光是一直下雨，的確有可能淹沒整個日本的都會區。實際上，2021 年的夏天，德國西部與比利時東部大小城鎮，就在低氣壓氣旋 Bernd^[1] 帶來的豪雨下，受到了重大的打擊。

但可惜的是新海誠對於日本淹沒這個概念有點誇大，在影片結尾，日本的「彩虹大橋」被淹沒，彩虹大橋塔高 126 公尺^[2]，動畫中大約被淹沒超過一半，這邊就先估僅 63 公尺高。

這應該是天氣之子的Bug，因為要淹到 63 公尺的高度，唯一合理的解釋只有全球氣候異常，造成冰河融解。在《自然》科學期刊中，Gregory & Oerlemans (1998) 估算在全球暖化的影響下，考量到冰河區的融化量，海平面到 2100 年將會上升「數公尺」；而美國地理調查所( USGS) 在網頁簡略提到，如果全球冰層溶解，大約會是 76 公尺高^[3]。

也就是說，在《天氣之子》中，全球極度暖化，導致海平面上升 63 公尺，這已經是勘比《2012》的世紀災難了。

另外一點，兩年半中經歷氣候變化（真的如主角講的：「我們改變了世界」）後的日本，在海平面上升 63 公尺的情況下，造成將近有 17.41% 的國土面積喪失，而情況最嚴重的則在大東京都地區。

豪雨造成的問題

豪雨可以說是地球上最容易觸發災難的關鍵氣象要素。相較於需要板塊交界的地震、需要大氣運動才能造成的颱風／颶風，以及只有高緯度地區才有的雪災，任何地方只要「會下雨」，就有可能豪雨成災。對土木界而言，水一直是問題也是重點防治對象之一。

所以，撇除不合理的海平面上升之外，這邊還可以再淺談一些《天氣之子》中可能會出現的豪雨災害。

在豪雨的侵害下，日本平地的地下水位應該會保持在地面，而山區的地下水水位也可能會偏高，土壤含水量偏高後，不僅會造成土壤重量上升，亦導致側向土壓上升，再加上日本與台灣一樣，是造山運動強烈的地方，所以坡沙土堆積淺，土石流、泥石流的情況將會十分強烈。

在日本持續降水期間，山區會有許多因為崩坍造成的堰塞湖，山區居民應全數徹離以保全生命安全。

山區道路除了會因為坍方造成道路中斷，高水位也會超過道路上擋土牆的設計。擋土牆原本就是根據地區水位做估算與設計，但是在連年降雨下，水位高度將超過一般設計的強度，所以道路上的擋土牆也會有坍塌的危險。

而岩層區也會因為岩隙間的水壓上升、破壞岩體，導致挖穿山間的隧道開始因為水壓，而坍塌阻塞。

由於山區的降水無法被土壤吸收保留，所以大多數的水將會匯流到平地，平地的淹水狀況將比往常更嚴重，都市內的排洪系統將完全失效；而河道的防洪牆雖然阻擋了河道暴漲，但都市內的淹水也將難以排除。

都市中的高樓雖然提供了居民可用的居住環境，但是因為大多數的高樓機房都設在地下層，所以樓房機能將損失殆盡，除了電梯無法使用，污水與糞水也將漂滿都市內部，好在連年下雨，所以這些污水早已成為龐大水體的分子，所以也不是真的很「污染」（但感性上不能接受），另外從山區湧入的人口，可能會因為人口擁擠，造成更大的社會與治安問題。

除此之外，伴隨降雨而來的，還有厚重的雲層。雲層阻擋了陽光，也阻擋了植物進行光合作用，可想而知，日本的農業也會隨之被破壞，菌類養植可以繼續，也就是日本在沒有被核戰爭攻擊的情況下，卻可能必須過著有如《地鐵 (Metro2033)》的生活。

同時，在缺乏陽光的基礎下，人類無法自然產生維他命 D，兒童也將因此生長不良，更惶論因為長期陰天導至人們憂鬱症比例上升。

在豪雨不斷的氣候異常下，原本就存在的極端天氣狀況只會更甚，日本連年降雨，就有可能是某處連年乾旱。在動畫中，日本的異常降雨，代表人類的世界可能只是將更快速地步向滅亡。畢竟現今為了減低溫室效應造成的危機，各國正在提出方法來淨零，但《天氣之子》一口氣就造成了更嚴重的氣候影響。

總而言之，《天氣之子》與其說是放棄日本拯救少女，其實更有可能是放棄全世界整救少女。

當德國遇上「天氣之子」

近年最大的洪災，便發生在 2021 年，從美洲到歐亞洲，各國都遭遇到了前所未見的洪災。

2021 年，當德國還正因為 COVID-19 感染人數下降，逐步微解封之時，七月發生的大水災，造成了人命與財物^[4]的重大損失。除了高達 70 億歐元的保險賠償外，德國西部的 Ahweiler、Erftstadt、Hagen 等城鎮被淹沒、房屋被沖毀，許多河道旁的居民，也在雨災過後丟出許多被洪水泡毀的家具電器，損失慘重。

雖然部份民眾將炮火轉向預警系統的失敗^[5]，但預警系統並非毫無作用。在德國可以裝 NINA app 做為推播使用，某些城市也會有警報廣播系統，但即便已發出手機 app 的警報，以及俗稱 Siren 的警報，民眾不一定會意識到災難的到來並進行疏散，也有民眾忽略警報選擇不避災，甚至有民眾說從未能想像德國發生「有如第三世界」的洪災，但事實上，德國大河（如萊茵河、易北河）在近 10 年內，就有過類似洪災的紀錄。

2016 年時，德國酒鄉之一的阿爾魏勒（Ahweiler），其周邊的阿爾河（Ahr）就氾濫過一次，當年低氣壓帶來連日的綿綿大雨，造成了小部份地區被水淹沒；但是當 2021 年的洪災再次來臨，居民還是覺得很震驚，可見該地區的居民對洪災是缺乏想像的。

2021 年的這場洪災，德國城鎮的管理層級並非沒有作為，筆者居住的小鎮，在洪峰來臨前十二小時就已封閉橋樑，許多志工開始投入疏散河提居民的工作，將居民安置在大賣場，且有志工開車接送。然而，在河水暴漲的岸邊，不僅有路人無視路障通過，有更多人在岸邊拍照，紀錄淹水狀況。受災區域亦同。

但是話說回來，居民與當地警消的這種反應，可能也是非戰之罪，因為許多的測站都遭遇到破紀錄的水位高，如阿爾魏勒的測站阿爾特納爾（Altenahr）在資料中寫下了「最高紀錄」^[6]，但是因為測站毀損，沒有具體數字；有學者則提出，這是 200 年洪災的規模。但是防災等級的提升，也意謂著公共工程經費的支出。如何在兩者間取得共識，一直是防災工程的大哉問。

德國的氣象預警也並非無作為，但並不是所有的預告都能說服人，歐洲中期天氣預報中心 (ECMWF) 的叢集預策系統 (Ensemble Prediction System)利用了氣象模擬中的不確定性，以多重運行結果進行機率預測，來替代傳統的單一運行的單一結果。然而，即便用上機率預測方法，也只能在極端的機率 (第 99 percentile) 下預測到德國西部會有 122mm/day 的最大降雨，而德國氣象中心 (DWD) 的在當日所量測到的是 144mm/day 最大降雨。

嚴格說來 ，即便使用了叢集系統亦無法補捉到雨量的最大值，實屬可惜。所以氣象預報並非完全有效，加上只有 1% 的機率可以達到四分之一的年均雨量，這個機率很難說服一般人馬上進行避險。

這樣一次性的暴雨時期，德國遭受了超過七十億歐元的保險賠償，並有將近 200 人死亡，可見當災難超過預測時，人類的應對是遠遠不足的。同時，德國因為二戰時期與冷戰的陰影，對政府集權相當的反感，也間接導致無法使用如台灣的細胞簡訊的方法，來廣範地疏導民眾。如何增強防民眾對災難的因應意識，有可能將也是德國接下來的課題了。

在極端氣候之下，要更有防災意識

天氣之子因為對治安黑暗面的描寫，以及主角的選擇，造成了不少的爭議，也造成觀影程度與《你的名字》有所相差，雖然對筆者而言，其氣象的狀況算是超現實，且對社會重建的描寫不夠深入，但是在氣候變遷下，人們必須思考並建立對防災的概念與意識，在降雨強度變強、極端溫度更高的情況下，災難是有可能會更嚴重的。

台灣的讀者可以多參考水土保持局的相關防災宣導與資料，建立與更新相關知識，更重要的，應該是隨時有防災意識，才能保護自己，以及保護別人。

• Gregory, J. M., & Oerlemans, J. (1998). Simulated future sea-level rise due to glacier melt based on regionally and seasonally resolved temperature changes. Nature, 391(6666), 474-476.
• [1] 德國Tagesschau 2021-7-14報導:異常困難的狀況(“Außerordentlich schwierige Lage”)
• [2] 日本彩虹橋基本資料
• [3] USGS官網FAQ
• [4] 德國之聲- 德國今夏水災保險損失超預期
• [5] 德國西部洪災嚴重，防災系統哪去了？
• [6] 德國Altenahr水位資料