0

0
0

文字

分享

0
0
0

魚兒也看天吃飯?

陳 慈忻
・2014/02/18 ・1660字 ・閱讀時間約 3 分鐘 ・SR值 520 ・七年級

寒害來臨時魚群並非因為結凍而死,而是因溫度抑制食慾的生理機制,使魚群餓死。(圖片來源:Flickr作者澎湖小雲雀)
寒害來臨時魚群並非因為結凍而死,而是因溫度抑制食慾的生理機制,使魚群餓死。(圖片來源:Flickr作者澎湖小雲雀)

寒害不單純是寒流造成的,「寒」是冷的意思,在海洋地理上所牽涉到的事情很廣,當然也不會只在冬天才發生,中央研究院生物多樣性研究中心的研究員鄭明修指出,颱風也有可能造成海底世界的寒害。

颱風如何導致海水溫度降低?

2013年11月重創菲律賓的海燕颱風就有魚群被凍斃,鄭明修發現,這是因為湧升流(upwelling)的關係。湧升流是指海底洋流因遇到地形變化而上升的現象,因為水體溫度越趨近攝氏4℃密度就越大的關係,一般海洋的溫度會隨著海洋深度遞減,因此來自底層的湧升流竄上海面後會使得該區域的海水溫度降低,一般大家所熟知的如祕魯西岸的湧升流會帶來大量漁獲,因為湧升流會將營養鹽帶上來,浮游生物得以大量生長,進而形成豐富的漁場。

咦,這樣聽起來湧升流應該是對漁業很有幫助,為什麼颱風來的時候會適得其反呢?

-----廣告,請繼續往下閱讀-----

颱風從台灣東方海面靠近,因為地理位置的關係,海底洋流會撞上台灣的東北角,強勁的風速使得風浪極大,低氣壓使得海水表面上升,帶動深層湧升流,淺海溫度迅速降低的情況下,台灣東北角的魚類還是屬於亞熱帶魚種,如果表面海水溫度大約降到6℃到10℃,大量魚群便會被凍死。

此外,天氣造成養殖漁業的災害除了寒害之外,颱風或豪雨造成的淹水也會導致養殖池水滿,魚類溢出。2009年莫拉克風災,屏東地區淹大水,就發生這種養殖漁業的大量損失慘況,鄭明修於莫拉克後前往墾丁潛水,在他的視野範圍內發現上百隻從養殖池溢出的石斑魚,初入海域還不知道該怎麼在海底覓食,一個月後再看才開始學會食物鏈的法則,然而此時已經有許多人用魚槍在狩獵這些石斑魚,被鄭明修依國家公園法制止後才有幾條倖存,四年後潛水攝影家竟然在海底看到當時跑出來的石斑魚,已經長到1公尺了!

魚因為海水結冰被凍死?不,是因為「巴豆腰」

寒害的死魚並不是在冰中結凍而死,大家知道每種生物都有適合生存的溫度,但溫度高低並不會直接決定生物的生存狀態,那寒害究竟是透過那些事件而導致魚群大量死亡呢?

-----廣告,請繼續往下閱讀-----

從基本的生理原理來說,對魚群生存的環境溫度過低會導致食慾下降,大幅降低抵抗力的情況下導致魚類死亡,此外,風浪大的時候海水混濁,能見度低使得魚群難以覓食,最後被餓死。所以在魚群開始出現「懶散」的現象,還可以用人工飼料餵養,等到翻白肚就來不及了。

寒流引發的另類災害

台灣北海岸也曾發生因銅藻而形成的寒害,銅藻也是大家比較常聽到的馬尾藻,適合生長在溫帶地區,隨洋流從緯度較高的大陸沿岸漂過來台灣北部海域時,本來銅藻會因為溫度不適而死亡。

2010年壟罩台灣北部的連續寒流導致銅藻大量生長,海面上看起來只有少許浮出表面的藻類,但海底下其實密佈了好幾十公頃、短時間大量生長的銅藻,魚群被藻類纏繞住而死。更危險的是核一、核二廠抽海水冷卻爐心的進水口被銅藻堵塞,核電廠趕緊派怪手來清除銅藻。

-----廣告,請繼續往下閱讀-----

這個問題最後還是由老天爺解決了,因為寒流走後陽光充足,海水溫度上升後,銅藻就自然死亡了。我們所生處的環境難以將自然和人類社會切割開來,我們在萬物共存的有機、無機環境下,交織出種種意想不到的現象。正好是這些現象危害到我們的生存或是生活需求,而引發了意料之外的天然災害。(本文由國科會補助「新媒體科普傳播實作計畫─重大天然災害之防救災科普知識教育推廣」執行團隊撰稿)

責任編輯:鄭國威|元智大學資訊社會研究所

本文原發表於行政院科技部-科技大觀園「科技新知」。歡迎大家到科技大觀園的網站看更多精彩又紮實的科學資訊,也有臉書喔!

延伸閱讀:
文章難易度
陳 慈忻
55 篇文章 ・ 1 位粉絲
在丹麥的博士生,專長是用機器學習探索人類生活空間,正在研究都市環境變遷與人類健康的關係。曾擔任防災科普小組編輯、社會創新電子報主編。

0

2
2

文字

分享

0
2
2
圖形處理單元與人工智慧
賴昭正_96
・2024/06/24 ・6944字 ・閱讀時間約 14 分鐘

  • 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?

黃仁勳出席2016年台北國際電腦展
Nvidia 的崛起究竟是時勢造英雄,還是英雄造時勢?圖/wikimedia

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。

-----廣告,請繼續往下閱讀-----

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:

-----廣告,請繼續往下閱讀-----
  • 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

-----廣告,請繼續往下閱讀-----

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?

圖形處理的例子

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。

-----廣告,請繼續往下閱讀-----
典型的CPU與GPU架構

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?

-----廣告,請繼續往下閱讀-----

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?

-----廣告,請繼續往下閱讀-----

(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)

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。
文章難易度

討論功能關閉中。

賴昭正_96
43 篇文章 ・ 54 位粉絲
成功大學化學工程系學士,芝加哥大學化學物理博士。在芝大時與一群留學生合創「科學月刊」。一直想回國貢獻所學,因此畢業後不久即回清大化學系任教。自認平易近人,但教學嚴謹,因此穫有「賴大刀」之惡名!於1982年時當選爲 清大化學系新一代的年青首任系主任兼所長;但壯志難酬,兩年後即辭職到美留浪。晚期曾回台蓋工廠及創業,均應「水土不服」而鎩羽而歸。正式退休後,除了開始又爲科學月刊寫文章外,全職帶小孫女(半歲起);現已成七歲之小孫女的BFF(2015)。首先接觸到泛科學是因爲科學月刊將我的一篇文章「愛因斯坦的最大的錯誤一宇宙論常數」推薦到泛科學重登。

0

1
2

文字

分享

0
1
2
台灣以前下過雪嗎?平地大雪紛飛的太平盛世
艾粒安鈉
・2016/01/27 ・2159字 ・閱讀時間約 4 分鐘 ・SR值 509 ・六年級

台灣最近(1月23~26日)的超級寒流不僅造成災害,農漁業損失慘重,還讓低海拔地區甚至平地雪霰紛飛,台北、新竹、嘉義氣象站更是設站以來首度下霰。大家可曾知道,在清朝的太平盛世時代,台灣平地是經常下雪的!

這場寒流的陽明山雪景。來源:Flickr/Chi-Hung Lin (CC BY-SA 2.0)
這場寒流的陽明山雪景。來源:Flickr/Chi-Hung Lin (CC BY-SA 2.0)

小冰河期

清康熙35年(1696年)出版的《台灣府志》中,雞籠積雪為台灣八景之一。雞籠在當時大部分為尚未開發的蠻荒之地,位於當時的諸羅縣,除了現今的基隆之外,也泛指台灣北部台北、淡水等地區。

根據《台陽見聞錄》:

-----廣告,請繼續往下閱讀-----

「雞籠山在基隆廳治。台地氣候,南北迥殊。北境冬寒,與內地無大異。茲山為北境盡處,山大而高,下逼巨海,名為大雞籠。至冬常有積雪,台人取以列郡治八景焉。」

因此雞籠積雪的確切地點,可能是現在的基隆山(海拔588m),或者海拔超過一千公尺的七星山、大屯山一帶,至今無確切說法。同治年間《淡水廳志》的「淡北八景」也提到「屯山積雪」,可以推知陽明山以及台北其他沿海山區,在清治時代是經常下雪、積雪的!

1654年荷蘭人繪製的大台北古地圖,即淡水與雞籠一帶。來源:維基百科。
1654年荷蘭人繪製的大台北古地圖,即淡水與雞籠一帶。來源:維基百科

原來,約在16世紀至19世紀,也就是明清時代,全球氣溫明顯下降的現象,稱為小冰期或小冰河期。氣溫最低時正巧是清朝地康熙、雍正、乾隆盛世。不僅雞籠山白雪皚皚,許多史書也都記載台灣西部平地下雪。

康熙22年(1683年)十一月,《台陽聞見錄》提到「是冬,北路降大雪,寒甚」、《諸羅縣志》記載「雨雪,冰堅厚寸餘」。乾隆53年(1788年)二月,《淡水廳志》表示「大雨雪,饑,斗米千錢」,顯見寒害對農作物收成的負面影響。咸豐7年(1857年)一月,《淡水廳志》和《苗栗縣志》都有大雪的記錄。1892至1893年的冬天台灣更是嚴寒,地方史料記載不僅澎湖「奇寒」,雲林崙背「大雪,五穀、豬羊多凍死」、嘉義新港「雪下數寸,六畜凍死」,北部的新竹竹東更是「大雪連下三日,平地高丈餘」。

-----廣告,請繼續往下閱讀-----

西元元年到2000年全球氣溫變化。來源:維基百科。
西元元年到2000年全球氣溫變化,其中明顯的低溫時期即為小冰河期。來源:維基百科

馬偕博士(George Leslie Mackay)在1872至1901年旅台期間,也留下許多台北地區的天氣記錄。馬偕於日記裡也記載1893年1/17-18日,大廳裡只有華氏42度(攝氏6度),連觀音山(海拔616m)都下雪,他甚至還上觀音山裝滿兩大桶的雪,帶回平地給孩子看。1892-93年的冬天,可能是台灣有史以來最冷的一個冬天!由此可見,雖然雞籠山、大屯山積雪景色優美,但小冰河期的低溫造成糧食作物生長季縮短、產量降低,農牧業損失慘重,造成全球各地饑荒連年,死亡率上升,造成的災害不可小覷。

台灣近代降雪記錄

全球氣溫在進入20世紀後逐漸恢復正常,日治時期以及民國時期平地幾無降雪記錄,但當時的台灣氣溫依然比現代低,台北大屯山(海拔1093m)降雪依然是稀鬆平常的事情。日治時期比較可觀的記錄,包括《臺北縣志大事紀》中記載1917/1/8 「大屯山降雪為歷年來罕見,淡水線火車開賞雪加班車」、1919/3/2大屯山春雪、及1934/1/29 「天氣驟寒,七星郡大屯山降雪盈尺」。1896年2月,日本在台灣設立台北、台中、台南、恆春、澎湖五個氣象測站,台灣氣候才開始有正式的科學記錄。

台北測站在1900/2/13測得零下0.2 °C,戰後的1963/1/28測得零下0.1 °C、前一天台中最低溫更達零下0.7 °C,各地普遍結霜,但以上幾次都沒有降雪記錄。1962-63年台灣冬天在近代大概是數一數二的嚴寒,其中1963年一月的台北市,有28天達到寒流標準(最低氣溫10度以下)!但當時天氣多為乾冷,也沒有下雪。倒是1958/2/13台北氣溫低達2.6 °C,空軍氣象官李富城先生(現為氣象主播)回憶:

-----廣告,請繼續往下閱讀-----

我跟一個老長官,我們倆一起出空軍總部大門,我們倆一出,下雪了,台北市天空有飄了幾片雪,我說:「啊,下雪了。」

那天陽明山大雪紛飛,景象跟前幾天的寒流相當雷同,但當天氣象局在台北市並沒有正式降雪記錄。

現代受全球暖化以及都市熱島效應的影響,台灣氣溫節節上升,但全球暖化的後果,不僅僅是氣溫上升而已,更可能造成極端氣候頻率增加。這場讓台灣遍地下雪的超級寒流,是否表示著未來包括寒流在內的極端氣候會更加頻繁呢?是值得大家省思的一個問題。

參考文獻

艾粒安鈉
7 篇文章 ・ 1 位粉絲
主修有機合成。對化學、天文、幾何學、地理、氣候、統計學、語言學、心理學、社會學、音樂和烹飪都有興趣。不願一生為學術研究爆肝,而熱愛為感興趣的學科認真寫科普文章,並用創意比喻和爛梗讓大家喜歡科學。多元性別,最高心跳210,海豚音到重低音一手包辦。

0

0
0

文字

分享

0
0
0
超級低溫的科學啟示錄
Y博士
・2016/01/25 ・1305字 ・閱讀時間約 2 分鐘 ・SR值 528 ・七年級

-----廣告,請繼續往下閱讀-----

FB_IMG_1453698706755
拍攝於司馬庫斯。圖片提供者:黃儀倩。

這個週末,相信大家都有一個很難忘的回憶,台灣各地的氣象測站,都測到破紀錄的低溫。很多海拔高度較低的地方,也下起了雪來。一時間,整個台灣的新聞台焦點已經從蔡英文要不要提前組閣,整個轉移到白雪紛飛的歡樂世界。一位在新聞台任職的新聞主管還打趣的說:「今天最大的新聞,應該是台北哪裡沒下雪?」

媒體的報導多著重現象,缺乏事件背後的剖析。

台灣的媒體競爭很激烈,為了收視率只能用力拼下去。然而各家電視台的人力畢竟有限,別家電視台有下雪的畫面,自家怎麼可以沒有。別人出了SNG車,輸人也不能輸陣。資源投注在最血淋淋新聞戰,自然就無法空出人力開闢戰場,只能跟隨別家的議題。在我看來,除了「何處下雪?雪積多深?賞雪人潮?車陣多長?」之外,寒流背後的成因更值得探討。少數有新聞媒體深入解釋了「北極震盪」讓大家知道為什麼會有這一波寒流。但是,很抱歉,如果以科學家的標準,我還會在多問一句,「北極震盪」年年發生,怎麼今年會有如此嚴重的寒流。如果我的資訊沒錯,台灣自1897年有氣象記錄已來,還沒有平地下雪的紀錄發生。很可惜,真正深入的資訊,大多來自外電報導,實在是一大遺憾。

不該發生的事情,卻有不一樣的處理標準

台灣地處副熱帶和熱帶,依照常理來判斷,低海拔地區下雪,其實是「反常」的事件。這就跟十幾年來不該淹水的地方淹水,一月不該有颱風侵襲台灣,小林村不該滅村一樣,都是反常的天氣(或災害)事件。然而,台灣的民眾似乎對下雪有追求的熱情。於是輿論風向變得相當歡樂,開始討論起日本、台灣哪個氣象預報比較準,氣象主播之間的舌戰。這些資訊無疑增添了八卦的氣氛。但是,容我多嘴,當我們覺得日本的播報很準確的時候,是不是想過日本投注多少的人力物力在基礎科學的研究上面。氣象是一門科學,而科學的進步沒有捷徑,就是找到一群稱職的科學家,給他們需要的資源。

-----廣告,請繼續往下閱讀-----

下雪是天氣現象,平地下雪是天氣災害現象

相對於其他高緯度地區,台灣對於寒害幾乎是沒有準備的。舉例來說,一般辦公大樓不一定有暖氣設備,有些建築為了通風,連冬天也只能開啟冷氣。一般超過20年以上的住宅大樓,更不會裝設暖氣,只能靠住戶自己購置,如此低溫對壯年人來說已經接近體力負荷的邊緣,更何況是老年人與小孩。如此寒害,對心血管疾病的病人都是嚴峻的考驗。可以想見,凍死的案例一定會上升,而接下來,台灣的民眾就要面對過年前的農產品漲價。說實話,這波寒流帶來的雪,不是瑞雪,是災害啊!瑞凡!

回歸科學面來說,根據科學家的研究證實,在可以預見的未來,人類必定要面對這一類型的「極端氣候」。尤其是位於海島的台灣,暴雨、暖冬、寒流、強颱,以後都會成為我們生活的一部分。媒體的力量,就跟水一樣,水能載舟,也能煮粥(咳~~),對不起,是亦能覆舟。當輿論能夠喚起大家對這類極端氣候的重視,就會發現這些現象多少肇因於全球暖化。簡單來說,地球已經存在超過45億年,什麼樣的大風大浪沒見過。相對的,人類只有短短一百萬年左右的歷史。地球系統的失衡,不會讓地球消失,反而會是人類這個族群存亡的關鍵。