Loading [MathJax]/extensions/tex2jax.js

0

0
0

文字

分享

0
0
0

鄰近系外行星系統中偵測到彗星風暴

臺北天文館_96
・2011/10/25 ・1094字 ・閱讀時間約 2 分鐘 ・SR值 508 ・六年級

-----廣告,請繼續往下閱讀-----

約翰霍普金斯大學(Johns Hopkins University)應用物理實驗室(Applied Physics Laboratory)Carey Lisse等人根據史匹哲太空望遠鏡(Spitzer Space Telescope)的紅外波段觀測資料,發現有個系外行星系統受到大量冰天體襲擊的訊號,這個狀況和我們太陽系數十億年前的「晚期大撞擊事件(Late Heavy Bombardment)」極相似,大量彗星與表面結冰的天體由太陽系外側進入太陽系內側,不僅讓被撞到的各行星或月球表面坑坑疤疤、揚起大量灰塵,地球上的水和其他形成生命的化合物或許也是在此事件中帶到地球上的。

史匹哲所觀測到的這個系外行星系統是烏鴉座Eta星(Eta Corvi),在恆星周圍有個富含塵埃的帶狀結構,並在此帶狀結構中偵測到水冰、有機質和岩石等組成成分,與一般巨型彗星遺留在軌道上的物質非常類似。其中,這個帶狀結構所在的位置頗靠近烏鴉座Eta星,在這樣的位置,可以存有類似地球的系外行星,因此這個帶狀結構可能是某顆行星與一個或數個彗星互相撞擊的結果。烏鴉座Eta星的年齡約為10億年左右,與太陽系發生類似事件時的年紀相當。

來自烏鴉Eta周圍塵埃的輻射特徵,和2008年小行星2008 TC3撞擊非洲蘇丹後遺留的Almahata Sitta隕石也很類似(Almahata Sitta是第六觀測站之意),顯示此處應是這個行星系統中這類小天體的誕生處。

幾乎在烏鴉Eta行星系統邊緣處還有第2個塵埃環,環中含有更多、溫度更低的塵埃,似乎是個彗星類天體的最佳棲地。這個明亮的塵埃環發現於2005年,距離烏鴉Eta約150AU,相當於我們太陽系中的古柏帶(Kuiper Belt)。由史匹哲觀測資料,這些科學家認為或許Almahata Sitta隕石就是源自太陽系的古柏帶。

-----廣告,請繼續往下閱讀-----

太陽系古柏帶是許許多多冰天體的家,這些天體便通稱為古柏帶天體(Kuiper Belt objects,簡稱為KBO)。科學家認為約在40億年前,大約是太陽系形成後6億年左右,受到木星和土星等巨行星緩緩遷移的重力牽制,許多冰天體被重新分配位置,這些冰天體有許多都被甩到星際空間中,並留下低溫塵埃聚集在古柏帶中。不過,有一部份KBO卻是被往太陽系內側甩,因而會切過內側行星的軌道,造成大撞擊事件。

大撞擊事件一直持續到約38億年前。有些彗星撞擊到月球面對地球的那一面,造成深處的岩漿溢出而填平撞擊坑,後來岩漿逐漸冷卻後就形成了今日所見的「月海」,也就是大家常說的「玉兔」那些深色之處。彗星也撞擊到地球,或至少有進入大氣層,為地球帶來水和碳。這個撞擊時期可能帶來的有機質原料,或許就是地球生命形成最需要的物質。

由於不只與太陽系如此相像,而且更可能讓人類瞭解地球海洋、甚至地球生命的起源,因此Lisse等人認為絕對有必要繼續深入研究烏鴉Eta系統。

資料來源:NASA’s Spitzer Detects Comet Storm in Nearby Solar System

-----廣告,請繼續往下閱讀-----

轉載自台北天文館之網路天文館網站

-----廣告,請繼續往下閱讀-----
文章難易度
臺北天文館_96
482 篇文章 ・ 44 位粉絲
臺北市立天文科學教育館是國內最大的天文社教機構,我們以推廣天文教育為職志,做為天文知識和大眾間的橋梁,期盼和大家一起分享天文的樂趣!

0

1
0

文字

分享

0
1
0
數智驅動未來:從信任到執行,AI 為企業創新賦能
鳥苷三磷酸 (PanSci Promo)_96
・2025/01/13 ・4938字 ・閱讀時間約 10 分鐘

-----廣告,請繼續往下閱讀-----

本文由 鼎新數智 與 泛科學 共同規劃與製作

你有沒有想過,當 AI 根據病歷與 X 光片就能幫你診斷病症,或者決定是否批准貸款,甚至從無人機發射飛彈時,它的每一步「決策」是怎麼來的?如果我們不能知道 AI 的每一個想法步驟,對於那些 AI 輔助的診斷和判斷,要我們如何放心呢?

馬斯克與 OpenAI 的奧特曼鬧翻後,創立了新 AI 公司 xAI,並推出名為 Grok 的產品。他宣稱目標是以開源和可解釋性 AI 挑戰其他模型,而 xAI 另一個意思是 Explainable AI 也就是「可解釋性 AI」。

如今,AI 已滲透生活各處,而我們對待它的方式卻像求神問卜,缺乏科學精神。如何讓 AI 具備可解釋性,成為當前關鍵問題?

-----廣告,請繼續往下閱讀-----
AI 已滲透生活各處,而我們對待它的方式卻像求神問卜,缺乏科學精神。如何讓 AI 具備可解釋性,成為當前關鍵問題?圖/pexels

黑盒子模型背後的隱藏秘密

無法解釋的 AI 究竟會帶來多少問題?試想,現在許多銀行和貸款機構已經使用 AI 評估借貸申請者的信用風險,但這些模型往往如同黑箱操作。有人貸款被拒,卻完全不知原因,感覺就像被分手卻不告訴理由。更嚴重的是,AI 可能擅自根據你的住所位置或社會經濟背景給出負面評價,這些與信用風險真的相關嗎?這種不透明性只會讓弱勢群體更難融入金融體系,加劇貧富差距。這種不透明性,會讓原本就已經很難融入金融體系的弱勢群體,更加難以取得貸款,讓貧富差距越來越大,雪上加霜。

AI 不僅影響貸款,還可能影響司法公正性。美國部分法院自 2016 年起使用「替代性制裁犯罪矯正管理剖析軟體」 COMPAS 這款 AI 工具來協助量刑,試圖預測嫌犯再犯風險。然而,這些工具被發現對有色人種特別不友好,往往給出偏高的再犯風險評估,導致更重的刑罰和更嚴苛的保釋條件。更令人擔憂的是,這些決策缺乏透明度,AI 做出的決策根本沒法解釋,這讓嫌犯和律師無法查明問題根源,結果司法公正性就這麼被悄悄削弱了。

此外,AI 在醫療、社交媒體、自駕車等領域的應用,也充滿類似挑戰。例如,AI 協助診斷疾病,但若原因報告無法被解釋,醫生和患者又怎能放心?同樣地,社群媒體或是 YouTube 已經大量使用 AI 自動審查,以及智慧家居或工廠中的黑盒子問題,都像是一場越來越複雜的魔術秀——我們只看到結果,卻無法理解過程。這樣的情況下,對 AI 的信任感就成為了一個巨大的挑戰。

為什麼人類設計的 AI 工具,自己卻無法理解?

原因有二。首先,深度學習模型結構複雜,擁有數百萬參數,人類要追蹤每個輸入特徵如何影響最終決策結果,難度極高。例如,ChatGPT 中的 Transformer 模型,利用注意力機制(Attention Mechanism)根據不同詞之間的重要性進行特徵加權計算,因為機制本身涉及大量的矩陣運算和加權計算,這些數學操作使得整個模型更加抽象、不好理解。

-----廣告,請繼續往下閱讀-----

其次,深度學習模型會會從資料中學習某些「特徵」,你可以當作 AI 是用畫重點的方式在學習,人類劃重點目的是幫助我們加速理解。AI 的特徵雖然也能幫助 AI 學習,但這些特徵往往對人類來說過於抽象。例如在影像辨識中,人類習慣用眼睛、嘴巴的相對位置,或是手指數量等特徵來解讀一張圖。深度學習模型卻可能會學習到一些抽象的形狀或紋理特徵,而這些特徵難以用人類語言描述。

深度學習模型通常採用分佈式表示(Distributed Representation)來編碼特徵,意思是將一個特徵表示為一個高維向量,每個維度代表特徵的不同方面。假設你有一個特徵是「顏色」,在傳統的方式下,你可能用一個簡單的詞來表示這個特徵,例如「紅色」或「藍色」。但是在深度學習中,這個「顏色」特徵可能被表示為一個包含許多數字的高維向量,向量中的每個數字表示顏色的不同屬性,比如亮度、色調等多個數值。對 AI 而言,這是理解世界的方式,但對人類來說,卻如同墨跡測驗般難以解讀。

假設你有一個特徵是「顏色」,在傳統的方式下,你可能用一個簡單的詞來表示這個特徵,例如「紅色」或「藍色」。但是在深度學習中,這個「顏色」特徵可能被表示為一個包含許多數字的高維向量,向量中的每個數字表示顏色的不同屬性,比如亮度、色調等多個數值。圖/unsplash

試想,AI 協助診斷疾病時,若理由是基於醫生都無法理解的邏輯,患者即使獲得正確診斷,也會感到不安。畢竟,人們更相信能被理解的東西。

打開黑盒子:可解釋 AI 如何運作?我們要如何教育 AI?

首先,可以利用熱圖(heatmap)或注意力圖這類可視化技術,讓 AI 的「思維」有跡可循。這就像行銷中分析消費者的視線停留在哪裡,來推測他們的興趣一樣。在卷積神經網絡和 Diffusion Models 中 ,當 AI 判斷這張照片裡是「貓」還是「狗」時,我需要它向我們展示在哪些地方「盯得最緊」,像是耳朵的形狀還是毛色的分布。

-----廣告,請繼續往下閱讀-----

其次是局部解釋,LIME 和 SHAP 是兩個用來發展可解釋 AI 的局部解釋技術。

SHAP 的概念來自博弈,它將每個特徵看作「玩家」,而模型的預測結果則像「收益」。SHAP 會計算每個玩家對「收益」的貢獻,讓我們可以了解各個特徵如何影響最終結果。並且,SHAP 不僅能透過「局部解釋」了解單一個結果是怎麼來的,還能透過「全局解釋」理解模型整體的運作中,哪些特徵最重要。

以實際的情景來說,SHAP 可以讓 AI 診斷出你有某種疾病風險時,指出年齡、體重等各個特徵的影響。

LIME 的運作方式則有些不同,會針對單一個案建立一個簡單的模型,來近似原始複雜模型的行為,目的是為了快速了解「局部」範圍內的操作。比如當 AI 拒絕你的貸款申請時,LIME 可以解釋是「收入不穩定」還是「信用紀錄有問題」導致拒絕。這種解釋在 Transformer 和 NLP 應用中廣泛使用,一大優勢是靈活且計算速度快,適合臨時分析不同情境下的 AI 判斷。比方說在醫療場景,LIME 可以幫助醫生理解 AI 為何推薦某種治療方案,並說明幾個主要原因,這樣醫生不僅能更快做出決策,也能增加患者的信任感。

-----廣告,請繼續往下閱讀-----

第三是反事實解釋:如果改變一點點,會怎麼樣?

如果 AI 告訴你:「這家銀行不會貸款給你」,這時你可能會想知道:是收入不夠,還是年齡因素?這時你就可以問 AI:「如果我年輕五歲,或者多一份工作,結果會怎樣?」反事實解釋會模擬這些變化對結果的影響,讓我們可以了解模型究竟是如何「權衡利弊」。

最後則是模型內部特徵的重要性排序。這種方法能顯示哪些輸入特徵對最終結果影響最大,就像揭示一道菜中,哪些調味料是味道的關鍵。例如在金融風險預測中,模型可能指出「收入」影響了 40%,「消費習慣」占了 30%,「年齡」占了 20%。不過如果要應用在像是 Transformer 模型等複雜結構時,還需要搭配前面提到的 SHAP 或 LIME 以及可視化技術,才能達到更完整的解釋效果。

講到這裡,你可能會問:我們距離能完全信任 AI 還有多遠?又或者,我們真的應該完全相信它嗎?

-----廣告,請繼續往下閱讀-----

我們終究是想解決人與 AI 的信任問題

當未來你和 AI 同事深度共事,你自然希望它的決策與行動能讓你認可,幫你省心省力。因此,AI 既要「可解釋」,也要「能代理」。

當未來你和 AI 同事深度共事,你自然希望它的決策與行動能讓你認可,幫你省心省力。圖/unsplash

舉例來說,當一家公司要做一個看似「簡單」的決策時,背後的過程其實可能極為複雜。例如,快時尚品牌決定是否推出新一季服裝,不僅需要考慮過去的銷售數據,還得追蹤熱門設計趨勢、天氣預測,甚至觀察社群媒體上的流行話題。像是暖冬來臨,厚外套可能賣不動;或消費者是否因某位明星愛上一種顏色,這些細節都可能影響決策。

這些數據來自不同部門和來源,龐大的資料量與錯綜關聯使企業判斷變得困難。於是,企業常希望有個像經營大師的 AI 代理人,能吸收數據、快速分析,並在做決定時不僅給出答案,還能告訴你「為什麼要這麼做」。

傳統 AI 像個黑盒子,而可解釋 AI (XAI)則清楚解釋其判斷依據。例如,為什麼不建議推出厚外套?可能理由是:「根據天氣預測,今年暖冬概率 80%,過去三年數據顯示暖冬時厚外套銷量下降 20%。」這種透明解釋讓企業更信任 AI 的決策。

-----廣告,請繼續往下閱讀-----

但會解釋還不夠,AI 還需能真正執行。這時,就需要另一位「 AI 代理人」上場。想像這位 AI 代理人是一位「智慧產品經理」,大腦裝滿公司規則、條件與行動邏輯。當客戶要求變更產品設計時,這位產品經理不會手忙腳亂,而是按以下步驟行動:

  1. 檢查倉庫物料:庫存夠不夠?有沒有替代料可用?
  2. 評估交期影響:如果需要新物料,供應商多快能送到?
  3. 計算成本變化:用新料會不會超出成本預算?
  4. 做出最優判斷,並自動生成變更單、工單和採購單,通知各部門配合執行。

這位 AI 代理人不僅能自動處理每個環節,還會記錄每次決策結果,學習如何變得更高效。隨時間推移,這位「智慧產品經理」的判斷將更聰明、決策速度更快,幾乎不需人工干預。更重要的是,這些判斷是基於「以終為始」的原則,為企業成長目標(如 Q4 業績增長 10%)進行連續且動態地自我回饋,而非傳統系統僅月度檢核。

這兩位 AI 代理人的合作,讓企業決策流程不僅透明,還能自動執行。這正是數智驅動的核心,不僅依靠數據驅動決策,還要能解釋每一個選擇,並自動行動。這個過程可簡化為 SUPA,即「感知(Sensing)→ 理解(Understanding)→ 規劃(Planning)→ 行動(Acting)」的閉環流程,隨著數據的變化不斷進化。

偉勝乾燥工業為例,他們面臨高度客製化與訂單頻繁變更的挑戰。導入鼎新 METIS 平台後,偉勝成功將數智驅動融入業務與產品開發,專案準時率因此提升至 80%。他們更將烤箱技術與搬運機器人結合,開發出新形態智慧化設備,成功打入半導體產業,帶動業績大幅成長,創造下一個企業的增長曲線。

-----廣告,請繼續往下閱讀-----

值得一提的是,數智驅動不僅帶動業務增長,還讓員工擺脫繁瑣工作,讓工作更輕鬆高效。

數智驅動的成功不僅依賴技術,還要與企業的商業策略緊密結合。為了讓數智驅動真正發揮作用,企業首先要確保它服務於具體的業務需求,而不是為了技術而技術。

這種轉型需要有策略、文化和具體應用場景的支撐,才能讓數智驅動真正成為企業持續增長的動力。

還在猶豫數智驅動的威力?免費上手企業 AI 助理!👉 企業 AI 體驗
現在使用專屬邀請碼《 KP05 》註冊就享知:https://lihi.cc/EDUk4
訂閱泛科學獨家知識頻道,深入科技趨勢與議題內容。

👉立即免費加入

-----廣告,請繼續往下閱讀-----
文章難易度
鳥苷三磷酸 (PanSci Promo)_96
222 篇文章 ・ 313 位粉絲
充滿能量的泛科學品牌合作帳號!相關行銷合作請洽:contact@pansci.asia

0

1
0

文字

分享

0
1
0
解密離岸風電政策環評:從審查標準到執行成效,一次看懂
鳥苷三磷酸 (PanSci Promo)_96
・2024/12/21 ・3546字 ・閱讀時間約 7 分鐘

-----廣告,請繼續往下閱讀-----

本文由 環境部 委託,泛科學企劃執行。 

政策環評是什麼,跟一般環評差在哪?

隨著公共建設的規模越來越大,傳統的環境影響評估(EIA),難以應對當今層層疊疊的環境議題。當我們評估一項重大政策時,只看「單一開發案」已經不夠,就像評估一棵樹,卻忽略了整片森林。因此,政策環境影響評估(SEA)應運而生,它看樹,也看森林,從政策的角度進行更全面的考量與評估。

與只專注於「單一開發案」的個案環評不同,政策環評更像是一場全面性的檢視,強調兩個核心重點:「整合評估」與「儘早評估」。簡單來說,這不再是逐案評估的模式,而是要求政府在制定政策時,就先全面分析可能帶來的影響,從單一行為的侷限中跳脫,轉而聚焦在整體影響的視角。無論是環境的整體變化,還是多項行為累計起來的長期影響,政策環評的目的就是讓這些潛在問題能儘早浮現、儘早解決。

除此之外,政策環評還像是一個大型的協商平台,以永續發展為最高指導原則,公開整合來自不同利益團體、民眾與各機關的意見。這裡,決策單位不再只是單純的「評分者」,而是轉為「協調者」或「仲裁者」,協調各方的意見看法在這裡得到整合,讓過程更具包容性。

-----廣告,請繼續往下閱讀-----

政策環評並沒有所謂的「否決權」,而是側重意見的蒐集與整合,讓行政機關在政策推動時,能更全面地掌握各方意見。政策環評旨在建立系統化、彈性的決策評估程序(包含量化、特徵化等評估方式),也廣納社會面或民眾滿意度等影響因子,把正式與非正式的作法一併考量進去。再來,決策程序中能層層檢討、隨時修正,也建立了追蹤機制和成效評估標準(如環境殘餘效應、累積效應等),透過學習來強化決策品質與嚴謹度。就像一場球賽,隨時根據變化、調整策略。

這樣的制度設計,就非常適合離岸風電這類規模大、跨區域、影響層面廣泛的能源政策評估,讓我們可以在政策推動初期就想到整個工程對環境、產業發展與社會的諸多影響,也為後續政策執行奠定更穩固的基礎。

政策環評並沒有否決權,而是重在整合各方意見、量化影響以及建立追蹤與修正機制,這樣的制度設計便適用於離岸風電等大型政策評估。圖/envato

離岸風電為何需要的是政策環評?

離岸風電是能源轉型的重要策略之一,但這不是只在某塊空地上架幾個風車,而是要在廣闊的大海中進行大規模建設,牽涉的不僅是發電,還涉及海洋保育、航空交通、水下文化資產等議題,更與當地漁民的權益息息相關。

這樣的大型離岸風電工程,因海洋環境的風險和不確定性極高,很容易讓人擔心生態影響。如何在海洋生態保護和綠能發展之間找到平衡點?這就需要政策環評的把關,從多方檢視這些複雜的挑戰,確保政策推行既能穩妥,又能達成發電目標。

-----廣告,請繼續往下閱讀-----

2016 年 3 月,經濟部自願提出「離岸風電區塊開發政策評估說明書」,是臺灣首次針對再生能源政策所進行的政策環評。根據這份評估說明書,政府將採分期公告、逐年檢討的方式,每三年開放 0.5~1 百萬瓩(GW)的電量額度鼓勵業者投入開發。當時環保署(現為環境部)歷經九個月召開 2 次意見徵詢會議,蒐集環評委員、專家學者、相關機關、民眾等意見,最終於同年 12 月的環評委員會作出徵詢意見。這些協商和檢討的過程,讓政策「名正言順」,得以充分顧及各方利益與生態平衡。

共通性環境議題與因應對策

在「離岸風電區塊開發政策評估說明書」中,環評會議盤點了開發過程中共通的環境議題。

首先,對於海洋生態保育的重點,特別是對中華白海豚的保護。環評會要求風機基座必須距離白海豚棲地1公里以上,以減少對其生態的干擾。實際上,這項規範在後續的實務執行中更為嚴格,例如,福海二期示範風場已退縮到 2.5 公里外,臺電二期風場甚至退到 4.2 公里外,顯示政策環評確實發揮了實質作用。此外,針對施工期間的聲音干擾,要求施工需有 30 分鐘以上的打樁緩啟動時間,並限制聲量不得超過 180 分貝等。

針對鳥類保育,政策環評也訂立了具體規範。其中,包括風機之間必須留設 500 公尺以上的鳥類穿行廊道,並在施工期間避開每年 11 月至隔年 3 月的候鳥過境期。同時,為確保這些措施確實生效,工程方也被要求設置「鳥類活動監測系統」,持續追蹤、評估風場對鳥類的影響。

-----廣告,請繼續往下閱讀-----

此外,環評會也確立了「先遠後近」的開發原則,要求優先開發較單純的航道外側區塊,待累積足夠經驗及相關資料後,再進行近岸區域的開發。這項原則考量了近海生態系的複雜性,也顧到養殖漁業的漁民權益,展現出政策環評在平衡發展需求與環境保護上的價值。

新一代的審查機制:達成能源轉型及環境保護雙贏

為提升環評效率並確保審查品質,環境部參考過去離岸風電審查經驗,制定「風力發電離岸系統開發行為環境影響評估初審作業要點」,建立了全新的二階段審查機制。

環境部推動二階段審查機制,提升離岸風電環評效率與審查品質。圖/envato

這套新機制分為兩個階段。第一階段,就像「初步檢查」,由環境部依照檢核表進行初審,並由環評審查委員會執行秘書邀集 2-5 位環評委員進行初審,通過第一階段初審之業者,可取得經濟部遴選資格,其初審結果有效期為兩年,必要時可申請展延一年。接著進入「第二階段」,開發單位檢附目的事業主管機關核配的容量證明文件等資料,提供更詳細的環境影響說明書以進行實質審查。

檢核表明確規範了 15 大項審查事項、112 項檢核項目,涵蓋開發案的全生命週期。

-----廣告,請繼續往下閱讀-----

工程面,包含風機及海上變電站基礎設置、海域電纜路線規劃、陸域設施工程等硬體設施的規範。其中,風機基礎設置必須避開海岸保護區、河口、潮間帶等環境敏感區域,且須進行地震危害度分析。海域電纜部分,除特殊情形外,埋設深度至少須達 1.5 公尺,且不得跨越中華電信海底電纜 1 公里的範圍。

環境保護上,檢核表則對施工噪音管制訂立了明確標準。舉例來說,打樁期間警戒區 750 公尺範圍內的水下噪音不得超過 160 分貝,且必須全程採用最佳噪音防制工法。同時,每個開發案或聯席審查的風場,同一時間內只能進行一支基樁施作,而日落前一小時到日出前也不得啟動新的打樁作業。

環境監測計畫更是檢核表中的重點,分為「施工前、施工期間、營運期間」三階段,每個階段都規定了詳細的監測要求(包括海域底質監測、水下噪音監測、鯨豚目視監測等)。以鯨豚監測為例,每年需執行20趟次,四季中每季至少執行 2 趟次。此外,所有監測數據都必須上傳至環境部「環保專案成果倉儲系統」(https://epaw.moenv.gov.tw/)供各界查閱。

這套標準化的審查機制不僅解決了「同一風場可能有多家廠商重複調查或審查」的資源浪費,也透過明確的檢核項目,讓開發單位在規劃階段就能掌握更具體的環境保護要求。不僅如此,該機制亦確保了環境保護標準前後一致,避免不同案件之間標準不一。

-----廣告,請繼續往下閱讀-----

結語

透過新的審查機制,環境部正積極推動再生能源開發案的環評審查作業,在提升行政效率之餘,也確保環境影響評估的品質,支持臺灣的離岸風電開發及國家能源轉型政策,也做好把關。藉由標準化檢核表和二階段審查制度,期待能在推動能源轉型的同時落實環境保護。

為確保制度能持續精進,環境部每半年至一年會進行制度檢討,並持續公開所有環評書件於「環評書件查詢系統」(https://eiadoc.moenv.gov.tw/eiaweb/)。此外,環評會議召開前一週,也必須在指定網站公布開會訊息,讓民眾能申請列席旁聽或發表意見。透明化措施一方面展現了政府推動永續發展的決心,另一方面也確保全民能共同參與監督離岸風電的發展過程。未來,這套制度將在各界的檢視與建議中持續完善,為臺灣的永續發展貢獻心力,發揮環評作業的最大效益。

-----廣告,請繼續往下閱讀-----
文章難易度

討論功能關閉中。

鳥苷三磷酸 (PanSci Promo)_96
222 篇文章 ・ 313 位粉絲
充滿能量的泛科學品牌合作帳號!相關行銷合作請洽:contact@pansci.asia

0

1
0

文字

分享

0
1
0
印度登陸月球熱門探測點——月球南極!那裡藏著什麼?為什麼各國爭先恐後?
PanSci_96
・2023/11/11 ・4407字 ・閱讀時間約 9 分鐘

-----廣告,請繼續往下閱讀-----

你準備好要當月球移民了嗎?

人類再次展開登月競賽,準備重返月球。

今年八月二十三日,在全世界的矚目下,印度登月艇「月船三號 Chandrayaan-3」成功著陸於月球南極附近,展開為期半個月的科學探測任務,也成為人類史上第四個成功軟著陸於月球表面的國家!這更是 21 世紀以來除了中國嫦娥系列之外唯一的成功登月任務。

這次的登陸地點選在月球南極附近。除了月船三號,未來印度與日本合作的月船四號,以及中國的嫦娥七號、嫦娥八號任務,甚至是 NASA 阿提米斯計畫的首次載人登陸,地點也選在月球南極。

-----廣告,請繼續往下閱讀-----

問題來了,月球南極到底有什麼樣的魔力,能讓世界各國如此趨之若鶩?是有挖不完的石油?數不清的黃金?還是外星人留下的秘密裝備?

月球南極有什麼?

從人類的生存、家禽動物的飼養、到植物的灌溉,都脫離不了「水」這個在地球上再常見不過的物質。不僅如此,水電解之後得到的氧氣可以用於呼吸,氫氣則可以做為火箭引擎的燃料使用。想要讓人類走出地球,成為跨行星物種,確保充足的水源供給絕對是最核心的要務之一。

然而,雖然地球上的液態水很多,但正由於我們對水的需求如此龐大,如果要把所有需要的水都從地面用火箭發射進太空,需要的成本將非常驚人。

因此直接開採並使用本來就在太空中的水資源,才是合理且經濟的做法。沒錯,各國在將人類送上登月前,先將目光鎖定在了月球南極,關鍵就是要尋找「水」。

-----廣告,請繼續往下閱讀-----

如果月球上有水,不僅能幫助人類在月球建立起永久基地。月球,更將成為人類航向廣袤星海的第一片綠洲。

可是,缺乏大氣保護、日夜溫差超過兩百度的月球表面,真的會有水存在嗎?

由於缺乏大氣層,液態水在月球上要嘛會因為蒸發而散逸,要嘛會因為低溫結成水冰,很難以液態穩定存在。而即使是固態的水冰,也會在炙烈的陽光下昇華,因此月球表面的大部分地方是幾乎沒有水的。

但大家可以想像一下,月球的公轉軌道與地球繞太陽公轉的黃道面幾乎平行,夾角只有 5.145°。也就是說,月球不論在哪個位置,陽光總是直射在月球赤道附近。如果此時月球的南極點剛好有個向下凹陷,而且足夠大、足夠深的隕石坑,那麼在隕石坑之中的陰影區,就永遠不會照射到陽光。

-----廣告,請繼續往下閱讀-----
圖/wikimedia

這些地方被稱為「永久陰影區 Permanently Shadowed Areas」。由於不會受到陽光照射,因此永久陰影區附近的水冰,能夠持續存在數十億年的時間。

但是,雖然有「保存」水冰的條件,關鍵是永久陰影區中真的有水冰存在嗎?如果有,含量又有多少呢?這時,各國的探月任務就接手上場了。

月球南極真的有水嗎?

這些探月任務可不是一時興起,因為過去「月球上沒有水」的印象可是深植人心。直到 1990 年代開始,科學家才陸陸續續從越來越多月球探測器的資料中,發現水可能存在的蛛絲馬跡。

其中一次重大的進展發生在 2009 年。當時,NASA 使用擎天神五號火箭,同時發射了「月球勘測軌道飛行器 LRO」以及「月球坑觀測和感測衛星 LCROSS」兩個探測器。前者是一顆繞月衛星,後者則是一個撞擊用探測器。

-----廣告,請繼續往下閱讀-----

在發射升空之後,NASA 首先讓 LRO 與火箭分離,並進入月球軌道。接著,還連在火箭第二節上的 LCROSS,則跟著第二節火箭一起朝著月球南極的永久陰影區之一——卡比厄斯環形山飛去。在撞擊前數小時,LCROSS 與第二節分離,並讓第二節火箭以每秒 2.5 公里的高速,直直撞入永久陰影區,激起大量的月表物質。LCROSS 則直直飛入其中,檢測其中的物質成分。並在六分鐘後,同樣撞擊於月球表面。但就在這短短的六分鐘的犧牲打中,LCROSS 收集到的資料向科學家展示了,月球南極的永久陰影區中不僅確定有水冰的存在,更有汞、鎂、鈣、銀、鈉等其他諸多有用的物質資源。

2009 年 6 月 18 日至 2009 年 10 月 9 日 LCROSS 軌跡模擬動畫。圖/wikimedia

有了 LCROSS 的資料,再加上其他月球探測器,像是克萊門汀號、月船一號、LRO 等等,提供各種遙測資料,人類終於能掌握月球表面有水存在的證據。

時間回到現在,月球表面-尤其是月球極區的永久陰影區中,有水冰的存在已經是科學家的共識。但是這些水冰具體有多少,能否支撐人類在月球極區建立太空基地呢?這就只能實際派出登陸艇前往一探究竟了。

到月球南極尋找水冰吧!

可惜的是,8 月 23 日成功在月球上著陸的月船 3 號和攜帶的月球車 Pragyan,在 9 月 2 號和 4 號就入休眠,推測可能是因為無法承受極低溫環境,至今還未能重新喚醒。

-----廣告,請繼續往下閱讀-----
Pragyan 登陸月球。圖/wikimedia

在未來兩年的月球極區無人探測任務中,NASA 的 VIPER 任務可以說是最值得期待的另一項任務。VIPER 全名為月極揮發物調查漫遊車,是 NASA 有史以來第一台「無人月球車」,同時也是 NASA「商業月球載酬服務 CLPS」系列任務的一員。CLPS 和過去的太空任務不同,是由 NASA 提供科研載酬,由商業公司提供載酬的發射、巡航、著陸等服務。本次 VIPER 任務選定的商業夥伴是美國的 Astrobotic Technology 公司,VIPER 探測車將會乘坐該公司的 GRIFFIN 登陸器降落在月球南極,透過各種儀器勘查月球極區揮發份的組成與分布。

這台重 430 公斤,體積與高爾夫球車相當的 VIPER ,身上塞有四個主要儀器。

首先是中子光譜儀,它會藉由量測月球表面中子輻射的能量分布,了解地底下氫原子的分布狀況,從而推測水冰的含量。

第二,近紅外光揮發份光譜儀,它會以近紅外光燈照射月表,並從揮發份的光譜分析它的化學組成,同時也能判斷水是以結晶、非晶質的冰,或是氫氧根離子的形式存在。

-----廣告,請繼續往下閱讀-----

第三,質譜儀,能藉由電場分離不同荷質比的物質。除了能知道月表有哪些元素以外,還能分辨氘與氫、氧-18 與氧-16 等不同同位素的含量,對分析水的來源至關重要。

第四個儀器名為 TRIDENT(The Regolith and Ice Drill for Exploring New Terrain),縮寫很酷,名字很長,但簡單來說就是一個裝有溫度計的鑽頭。可以從月面下一公尺處鑽取一段十公分長的岩芯,為前面幾個儀器提供樣品。

除了這些科研儀器以外,VIPER 上還有一對立體視覺攝影機,能夠拍攝具有距離感的照片,為探測車的導航提供參考。

VIPER 原型機。圖/wikimedia

有了 VIPER,NASA 還必須想好要把珍貴的探測車派到何處進行調查,才能盡可能發揮他的潛能。除了理所當然地要放在可能有水的地方之外,地表的起伏與材質也有要求,比如太陡峭的山壁顯然就不是個好選擇。同時探測的地點,還必須可以和地球建立通訊。

-----廣告,請繼續往下閱讀-----

更重要的是,由於 VIPER 是太陽能驅動的探測車,探測地點不可以長時間缺乏日光,否則探測車會不僅會因為缺乏電力,還會因為長時間處於酷寒環境中而壞掉。進入休眠的月船三號,就是因為設計上就沒有為度過月球寒夜做準備,因此任務的極限時間一開始就限制在兩週左右。綜合以上條件,科學家選定了月球南極 Nobile 隕石坑西方的高地作為 VIPER 任務的地點。這裡雖然不是嚴格意義上的永久陰影區,但是滿足有日照,且時間足夠短到允許地底下有水冰的存在。

為了有充分的時間進行探索,VIPER 設計時就有考慮探測器的電力與保溫,可以透過三個休眠時期度過月球的夜晚,執行至少一百天的任務。在這一百天中,VIPER 將會調查隕石坑周圍,了解到底有多少水冰和二氧化碳、二氧化硫等揮發物,為將來的登月計畫鋪路!

要前往其他星球甚至離開太陽系,比起地球,擁有較低重力的月球,一直被認為是人類出發太空的前線基地。人類想要成為跨行星物種,水則是絕對不可或缺的關鍵資源。而經過數十年的研究,科學家終於在月球發現可能蘊藏大量水冰資源的地方。我們離移民月球或其他行星,又更靠近了一步。

就讓我們一起期待這些探測器們,幫助我們揭開月球南極的神秘面紗吧。

跟大家說個小趣聞,月船三號著陸之後,印度為了慶祝任務成功而將月船三號的登陸點命名為「濕婆神之力 Shiv Shakti」。那如果今天是你的探測器成功登月了,你會想幫登陸地點取什麼名字呢?留言與大家分享吧!

最後也想問問大家,如果人類真的確保水源,並在月球南極建立起了月球永久基地,你會想移民過去嗎?

  1. 不只想,我還想接著去火星跟太陽系外呢
  2. 去旅遊的話剛剛好,我想去找露西和大衛約會的地方聖地巡禮
  3. 先等等,說不定月球背面,還有外星人在等著我們呢

歡迎訂閱 Pansci Youtube 頻道 獲取更多深入淺出的科學知識!

-----廣告,請繼續往下閱讀-----
PanSci_96
1262 篇文章 ・ 2394 位粉絲
PanSci的編輯部帳號,會發自產內容跟各種消息喔。