強震頻仍，智利政府災害應變能力受讚揚

• 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。

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。

參考資料

• 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