葉列寧彗星消失了？

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？

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。

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。

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。

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。

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？

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」。

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。

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。

以偉勝乾燥工業為例，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。

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

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。

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。

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。

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。

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。

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。

在工程面，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。

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。

從遠處看過來，我們的太陽系彷彿空空如也。

如果你用圓球包住太陽系，這圓球大到能容下行星中最外圍的海王星軌道；那麼太陽、所有行星和它們的衛星占住的體積，只比圓球體積的 1 兆分之 1 要多一點點。

不過，太陽系也並不是真的如此空曠，行星之間的空間還有許多岩塊、小圓石、冰球、塵埃、成群的帶電粒子和多艘在遠方飛航的探測船。除此之外，太陽系空間裡，也到處都是強大的重力場和磁場。（太陽系最外圍的行星不再是冥王星了，請接受這個事實。）

多不勝數的固定班底：大大小小的星際碎片

行星際空間其實雜物繁多，所以我們的地球以每秒 30 公里的速率在軌道上行進時，每天都會掃起數百噸的流星體，其中尺寸多半小於沙粒。這些流星體高速衝撞地球大氣產生的熱，會造成它們的表面汽化，於是大部分直接焚毀在地球的高層大氣裡。地球脆弱的物種有賴於這層大氣保護罩，才得以繁衍演化。較大的流星體，除了表面會被燒焦，基本上會相當完整的抵達地球表面。

你或許認為經過了 46 億次的繞行太陽之旅之後，地球應該已經清掉了軌道上的所有碎片，但答案是：還沒有。不過和地球過去的遭遇比起來，現在的情況顯然大有改善。大約在太陽和行星形成 5 億年之後，有多到難以想像的碎片不停掉落到地球上，產生的撞擊熱不斷累積，導至大氣熾熱無比，地殼也完全熔融。

其中一顆非常大的碎片，導致了月亮的形成。在分析阿波羅探月計畫太空人帶回來的樣本後，發現月球的鐵和較重元素的含量意外的少，這表示火星大小的迷途原行星和地球發生擦撞後，那些從地球缺鐵的地殼和地函迸發出去；繞著地球運行的碎片，後來可能聚合成我們低密度的美麗月亮。

除了這個特別重大的事件，嬰孩時期的地球經歷的重轟炸期並不獨特，因為太陽系的其他行星和大型天體也都經歷過。大家也都受到類似的重大破壞，不過只有缺乏大氣的月球和水星，大致保存了這個時期的撞擊紀錄。

太陽系不但受到形成時留下的廢料撞擊，在近行星際空間裡還散布著火星、月亮和地球受到高速撞擊後，從表面彈出的大大小小岩石。流星體撞擊的電腦模擬證明，撞擊區附近的表岩噴飛的速率，高到可以掙脫天體的重力束縛。我們從地球上火星隕石的發現率，可以推斷出每年約有 1 千噸的火星岩石掉到地球上；而每年或許也有大約等量的月岩掉到地球上。回想起來，我們其實用不著特地飛到月球去拿月球岩石，地球上就多得是。只不過，我們沒辦法挑精撿瘦，而且在阿波羅計畫年代，我們也不知道有這回事。

可能會讓物種滅絕的狠角色「小行星」

大部分太陽系的小行星分布在火星與木星間，形狀扁平的小行星主帶上。在傳統上，小行星的發現者有命名權，高興用什麼來命名都可以。通常在畫家描繪的圖示裡，小行星帶是太陽系盤面上一個散布著凌亂崎嶇岩塊的區域。

小行星帶的總質量不到月球質量的 5%，月球的質量則只比地球的 1% 要多一點點而已。雖然小行星的質量不大，但它們的軌道不斷受到擾動，因此形成了一群大約數千顆特別危險的近地小行星，它們的扁平軌道會和地球軌道交錯。簡單的計算指出，它們大部分會在 1 億年內撞上地球。尺寸大於 1 公里的小行星在撞上地球時，產生的能量會高到嚴重破壞地球的生態系統，可能使大部分的陸地物種滅絕。

這當然是糟透了。

小行星並不是唯一會危害地球生物的外太空天體。在海王星之外的柯伊伯帶（Kuiper Belt），帶寬大約和海王星與太陽的距離相當，其中成員包括了冥王星，是一個滿布彗星的環形區域。遠在六十多年前，荷蘭裔美國天文學家柯伊伯（Gerard Kuiper）就指出，在海王星軌道外頭的寒冷深空裡，藏著從太陽系形成時期殘存下來的冰質天體。由於這附近沒有大質量行星來吸收這些彗星，於是大部分彗星就靜靜的繞太陽運行了數十億年。

就如同小行星帶一樣，部分柯伊伯帶天體的軌道極扁平，並會和其他行星軌道相交。例如冥王星和同軌道的那群冥族小天體，它們較靠近太陽時軌道區會和海王星軌道交錯。另外還有一些柯伊伯帶天體的軌道會深入太陽內圍，放肆的穿過許多行星軌道；在這群天體中，最著名的是哈雷彗星。

在柯伊伯帶後方很遠的地方，大約在前往最鄰近恆星的半途上，有一個稱為歐特雲的彗星儲存庫，它呈現球形分布，名字來自首先推斷出它存在的荷蘭天文物理學家歐特（Jan Oort）。

歐特雲（Oort Clude）是長週期彗星的源頭，這類彗星的軌道週期比人類生命還要長。與柯伊伯帶彗星有別的是，歐特雲彗星可以從任何方向，以任何軌道傾角進入太陽系內圍。1990 年代最明亮的海爾─波普彗星（Comet Hale-Bopp）及百武彗星（Comet Hyakutake），都是源自歐特雲，而且在短時間內都不會再度回歸。

有大氣層真好：太陽風極光

太陽表面每秒會散失超過 1 百萬噸的質量，而形成的物質流稱為太陽風，太陽風主要的成分是帶電的高能粒子。太陽風粒子時速最高可達 1 千公里，粒子以這種高速向外泛流成群穿過太空，只有遇到行星磁場時才會轉向。

太陽風的部分粒子以螺旋軌跡掉向行星的磁北極和磁南極時，會撞擊氣體分子，激發大氣發出多彩多姿的極光。哈伯太空望遠鏡已在土星及木星的極區發現極光，而出現在地球上的北極光及南極光，時不時的提醒我們：有大氣層的保護真好。

我們通常說，地球的大氣層從地球表面向上延伸數十公里。而低軌道上的衛星，在 100 公里到 400 公里高的軌道上，大約 90 分鐘會繞地球一圈。

你雖然無法在這種高度呼吸，不過這個區域仍有不少大氣分子存在，摩擦力已足以讓衛星慢慢失去軌道能量而下墜。為了要對抗這種阻力，低軌道的衛星偶爾要重新提升軌道高度，免得掉回地球，焚毀在大氣中。

大氣層邊界的另一種定義為：「地球氣體分子的壓力」和「行星際氣體分子壓力」相等之處。根據這種定義，地球大氣層的範圍有數千公里。在這個高度上方的 36,800 公里處（大約是地球與月亮距離的 1/10），是通訊衛星的國度。在這個特殊的高度，地球大氣的影響無關緊要，衛星的速率也很低，並且恰好和地球的自轉速率相同，所以衛星每天剛好繞地球一圈。相對於地面，這種衛星看似一直飄浮在正上空，是理想的訊號中繼站，能為地表不同的區域轉傳訊號。

謝謝「重力盾牌」木星，為地球擋下危險

牛頓重力定律指出，雖然你若距離行星愈遠，受到行星重力的影響也愈弱，但這個影響並不會降到零。木星用它強大的重力場，把很多原先會在太陽系內圍造成重大破壞的彗星趕開。所以對地球而言，木星就像重力盾牌，也像在保護地球的粗壯大哥，讓地球享有長達億年，相對平安和寧靜的時期。如果沒有木星提供的保護，地球生命除了很難演化成更有趣的複雜生命，也會活在可能受到致命撞擊而滅絕的危險環境中。

我們一直在利用行星的重力場為太空探測船提供能量。就以前往探索土星的卡西尼號探測船為例，它受到許多行星的重力協航，其中金星兩次、地球（由金星返回時）和木星各一次。探測船在多顆行星間輾轉飛航，以酷似撞球檯上撞球的路徑行進，是很常見的操作方式。如果不這樣，火箭提供的飛行速率和能量，不足以讓我們的小探測船前往目的地。

眾多命名不盡的小行星

我現在對太陽系的行星際碎片有些許責任了。2000 年 11 月，由李維（David Levy）和舒梅克（Carolyn Shoemaker）發現的主帶小行星 1994KA，後來命名為「13123– 泰森（13123 Tyson）」來向我致敬。我雖然享有這個殊榮，但其實也沒有什麼好自大的，因為還有許多類似的小行星，以喬笛、哈洛特和湯瑪斯等常見的名字命名。還有一些小行星的名字叫梅林、龐德和聖誕老人。

目前發現的小行星，數量已將近數十萬顆，可能很快就會對我們命名的能力產生挑戰。不管這種時日是否會來臨，我覺得相當欣慰的是，以我命名的那個宇宙碎片在行星間遊蕩時，並非孤苦無依，而是有一大堆以真人和虛構人物為名的其他天體為伴。

此刻讓我更高興的是，我的小行星並沒有直衝地球而來。

本文摘錄自《宇宙必修課：給大忙人的天文物理學入門攻略》，天下文化出版。

前陣子被末日論者封為「末日彗星」的葉列寧彗星（C/2010 X1(Elenin)）（請參見天文新知2011-08-19 勿信網路謠言，C/2010 X1(Elenin)彗星對地球無任何威脅！），原本在9月底通過太陽與地球之間、無法觀測的日子之後，應該在10月初重新出現在日出前的天空，亮度約7等，東昇時間並隨之愈來愈早，觀測條件愈來愈好。但全球各彗星觀測者卻紛紛表示：找不到這顆彗星了！讓彗星觀測者們相當驚訝。

就在10/22，義大利天文學家Rolando Ligustri在彗星預測位置拍到一片約6’×40’大小的「星雲」（右方影像的偏上方）；他起初以為是雜訊，但經過多幅影像疊加之後，確認它是葉列寧彗星殘骸。消息公布後，讓全球彗星觀測者大吃一驚。這未免和「常理上」該有的彗星模樣差太多了吧！

在此同時，另一組觀測者Remanzacco天文台的Ernesto Guido、Giovanni Sostero和Nick Howes也在同一晚拍到這片「彗星雲」。由於這片雲氣實在是太暗、太淡了，他們本來以為是月光或飛機飛越時的光線散射結果；但隔天晚上，他們發現那片雲還在那兒，而且按照葉列寧彗星預測的軌跡移動位置，因而證實確為葉列寧彗星的殘骸。Guido等人利用特殊方式（請見Remanzacco Observatory的天文部落格）處理觀測結果，發現這片「彗星雲」其實呈現圓錐狀，總長超過1.5度，而且面對太陽的一側厚達10角分，比背對太陽的一側還輪廓鮮明。

對於這個觀測結果，Guido等人經比對彗星資料庫，發現葉列寧彗星這個模樣和1994年撞擊木星的休梅克-李維9號彗星（Shoemaker-Levy 9）分裂後的長相很像。所以是否是彗星分裂的結果導致它「不見了」？另有彗星專家認為：或許只是彗髮消散，變得比較不明顯，而這片雲其實是殘餘的彗尾，至於彗核嘛，則是因為太暗而觀測不到（低於20等）。

目前關心這顆彗星的觀測者們都打算持續追蹤觀察，希望能找出為何葉列寧彗星會變成這副模樣的原因。

資料來源：SpaceWeather

(2011.10.26更新)

美國航太總署（NASA）於本新聞刊出後，也發出一則消息指出：葉列寧彗星消逝，已可忘記它的存在（NASA Says Comet Elenin Gone and Should Be Forgotten），新聞中指出這顆彗星的彗核分裂到非常小而難以偵察的地步，分裂後的碎屑將沿著原彗星軌道持續運動，約在12,000年後，如果這些碎屑還存在的話，就會再度轉回地球附近。

這顆彗星的近日點在地球與太陽之間，約0.5AU；但遠日點卻在太陽系邊緣的歐特雲（Oort Cloud）附近，幾乎是太陽到最近的恆星南門二的2/3遠了。因此，12,000年的軌道週期，對人類而言或許很久，但對這些天體而言，卻只是在太陽系中散佈一圈的時間而已。

彗星是由冰、石頭、塵埃和有機質等組成的，直徑僅約數公里到數十公里，但這些組成物質並不紮實，而是鬆鬆散散的聚在一起。因此，要讓彗核分裂並不費力，且一旦開始分裂，就再無復合之時。

資料來源：NASA Says Comet Elenin Gone and Should Be Forgotten

轉載自台北天文館之網路天文館網站