比較完誰的天氣預報準，然後呢？

本文與  益福生醫 合作，泛科學企劃執行

昨晚，你又在床上翻來覆去、無法入眠了嗎？這或許是現代社會最普遍的深夜共鳴。儘管換了昂貴的乳膠枕、拉上百分之百遮光的窗簾，甚至在腦海中數了幾百隻羊，大腦的那個「睡眠開關」卻彷彿生鏽般卡住。這種渴望休息卻睡不著的過程，讓失眠成了一場耗損身心的極限馬拉松 。

皮質醇：你體內那位「永不熄滅」的深夜警報器

要理解失眠，我們得先認識身體的一套精密防衛系統：下視丘-垂體-腎上腺軸（HPA axis） 。這套系統原本是演化給我們的禮物，讓我們在面對劍齒虎或突如其來的危險時，能迅速進入「戰鬥或快逃」的備戰狀態。當這套系統啟動，腎上腺就會分泌皮質醇 (壓力荷爾蒙)，這種荷爾蒙能調動能量、提高警覺性，讓我們在危機中保持清醒 。

然而，現代人的「劍齒虎」不再是野獸，而是無止盡的專案進度、電子郵件與職場競爭。對於長期處於高壓或高強度工作環境的人們來說，身體的警報系統可能處於一種「切換不掉」的狀態。

在理想的狀態下，人類的生理時鐘像是一場精確的接力賽。入夜後，身體會進入「修復模式」，此時壓力荷爾蒙「皮質醇」的濃度應該降至最低點，讓「睡眠荷爾蒙」褪黑激素（Melatonin）接棒主導。褪黑激素不僅負責傳遞「天黑了」的訊號，它還能抑制腦中負責維持清醒的食慾素（Orexin）神經元，幫助大腦順利關閉覺醒開關。

然而，當壓力介入時，這場接力賽就會變成跑不完的馬拉松賽。研究指出，長期的高壓環境會導致 HPA 軸過度活化，使得夜間皮質醇異常分泌。這不僅會抑制褪黑激素的分泌，更會讓食慾素在深夜裡持續活化，強迫大腦維持在「高覺醒狀態（Hyperarousal）」。 這種令人崩潰的狀態就是，明明你已經累到不行，但大腦卻像停不下來的發電機！

長期的睡眠不足會導致體內促發炎細胞激素上升，而發炎反應又會進一步活化 HPA 軸，分泌更多皮質醇來試圖消炎，高濃度的皮質醇會進一步干擾深層睡眠與快速動眼期（REM），導致睡眠品質變得低弱又破碎，最終形成「壓力－發炎－失眠」的惡行循環。也就是說，你不是在跟睡眠上的意志力作對，而是在跟失控的生理長期鬥爭。

從腸道重啟好眠開關：PS150 菌株如何調校你的生理時鐘

面對這種煞車失靈的失眠困局，科學家們將目光投向了人體內另一個繁榮的生態系：腸道。腸道與大腦之間存在著一條雙向通訊的高速公路，這就是「菌-腸-腦軸 (Microbiome-Gut-Brain Axis, MGBA)」，而某些特殊菌株不僅能幫助消化、排便，更能透過神經與內分泌途徑與大腦對話，直接參與調節我們的壓力調節與睡眠節律。這種菌株被科學家稱為「精神益生菌」（Psychobiotics）。

在眾多研究菌株中，發酵乳桿菌 Limosilactobacillus fermentum PS150 的表現格外引人注目。PS150菌株源於亞洲益生菌權威「蔡英傑教授」團隊的專業研發，累積多年功能性菌株研發經驗的科學成果。針對臨床常見的「初夜效應」（First Night Effect, FNE），也就是現代人因出差、換床或環境改變導致的入睡困難，俗稱認床。科學家在進行實驗時發現，補充 PS150 菌株能顯著恢復非快速動眼期（NREM）的睡眠長度，且入睡更快，起床後也更容易清醒。更重要的是，不同於常見的藥物助眠手段（如抗組織胺藥物 DIPH）容易造成快速動眼期（REM）剝奪或導致睡眠破碎化，PS150 菌株展現出一種更為「溫和且自然」的調節力，它能有效縮短入睡所需的時間，並恢復睡眠中代表深層修復的「Delta 波」能量。

科學家發現，即便將 PS150 菌株經過特殊的熱處理（Heat-treated），轉化為不具活性但保有關鍵成分的「後生元」（Postbiotics），其生物活性依然能與活菌媲美 。HT-PS150 技術解決了益生菌在儲存與攝取過程中容易失去活性的痛點，讓這些腸道通訊員能更穩定地發揮作用 。

在臨床實驗中，科學家觀察到一個耐人尋味的現象：當詢問受試者的主觀感受時，往往會遇到強大的「安慰劑效應」，無論是服用 HT-PS150 還是安慰劑的人，主觀上大多表示睡眠變好了。這種「體感上的進步」有時會掩蓋真相，讓人分不清是心理作用還是真實效益。

然而，客觀的生理數據（Biomarkers）卻揭開了關鍵的差異。在排除主觀偏誤後，實驗數據顯示 HT-PS150 組有更高比例的人（84.6%）出現了夜間褪黑激素分泌增加，且壓力荷爾蒙（皮質醇）顯著下降，這證明了菌株確實啟動了體內的睡眠調控系統，而不僅僅是心理安慰。

最值得關注的是，對於那些失眠指數較高（ISI ≧ 8）的族群，這種「生理修復」與「主觀體感」終於達成了一致。這群人在補充 HT-PS150 後，不僅生理標記改善，連原本嚴重困擾的主觀睡眠效率、持續時間，以及焦慮感也出現了顯著的進步。

了解更多PS150助眠益生菌：https://lihi3.me/KQ4zi

重新定義深層睡眠：構建全方位的深夜修復計畫

睡眠從來就不只是單純的休息，而是一場生理功能的全面重整。想要重獲高品質的睡眠，關鍵在於為自己建立一個全方位的修復生態系。

這套系統的基石，始於良好的生活習慣。從減少睡前數位螢幕的干擾、優化室內環境，到作息調整。當我們透過規律作息來穩定神經系統，並輔以現代科學對於 PS150 菌株的調節力發現，身體便能更順暢地啟動睡眠開關，回歸自然的運作節律。

與其將失眠視為意志力的抗爭，不如將其看作是生理機能與腸道微生態的深度溝通。透過生活作息的調整與科學實證的支持，每個人都能擁有掌控睡眠的主動權。現在就從優化生活型態開始，為自己按下那個久違的、如嬰兒般香甜的關機鍵吧。

本文由 肺纖維化(菜瓜布肺)社團衛教 合作，泛科學撰文

在現代醫學的警示清單裡，乳癌、大腸癌這些疾病大家都不陌生；但有一個「隱蔽且致命」的威脅卻常被忽視，那就是「肺纖維化」。其中最常見的類型「特發性肺纖維化」（IPF），其預後往往不太樂觀，確診後的五年存活率甚至比許多常見的癌症還低。

首先，我們得先破解一個迷思：肺纖維化並不是單一疾病，而是許多種間質性肺病的共同表現。當我們聽到「肺纖維化」，腦中常浮現「菜瓜布肺」的形象，患者的肺部外觀充滿一個個空洞與疤痕，像極了乾燥的絲瓜。這精準描繪了肺部組織逐漸硬化、失去彈性的過程。

更重要的是，IPF 這類肺纖維化的威脅在於「不可逆」的特性，一旦形成就很難逆轉。這跟部分 COVID-19 康復者身上、仍有機會復原的肺纖維化，是兩種完全不同的概念。

肺部為何會變成「菜瓜布」？

為什麼好端端的肺會變成菜瓜布？這其實是一場身體修復機制失控的結果。

「纖維化」的組織，就是肺部間質組織（interstitium）的疤痕化。間質是圍繞在肺泡周圍，包含血管與支持肺部結構的結締組織。在正常情況下，肺部損傷後會啟動修復機制，並再生健康組織。但在肺纖維化的患者體內，這套修復機制卻「當機」了。

身體會不斷地發出訊號，導致負責修復工作的「纖維母細胞」（fibroblasts）被過度活化，進而失控地沉積膠原蛋白疤痕組織，最終在肺部形成永久性的纖維化。

科學家發現，這個過程之所以棘手，在於它是一個「惡性循環」，肺部同時存在著「發炎反應」與「纖維化」這兩條路徑 ，它們相互加乘，演變成難以阻斷的強大破壞力。

雖然特發性肺纖維化 (IPF) 的具體成因不明 ，但已知某些特定族群的風險更高。例如抽菸，特定年齡與性別(50歲以上男性)、長期暴露於粉塵環境的工作者(農業、畜牧業、採礦業…)、胃食道逆流者。此外，患有自體免疫疾病（如類風濕性關節炎、乾燥症、硬皮症、皮肌炎/多發性肌炎，）的患者，他們併發肺纖維化的機率遠高於一般人，必須特別警覺。

打斷惡性循環的挑戰，為何只對抗「纖維化」還不夠？

面對這個不可逆的疾病，醫學界長年束手無策，直到 2014 年才迎來一道曙光。美國 FDA 批准了兩種機制不同的新藥：Nintedanib 和 Pirfenidone。這兩種藥物的出現是治療史上的分水嶺，首度被證實能夠「延緩」IPF 患者肺功能的惡化速度。

然而，這場戰役尚未結束。現有的治療雖然帶來了希望，卻也凸顯了「未被滿足的醫療需求」。從機制上來看，這些藥物主要抑制的是「纖維化路徑」。

這讓科學界開始思考這個未被滿足的棘手問題：既然疾病的本質是「發炎」與「纖維化」的雙重打擊，那麼，我們是否能找到「同時抑制」這兩條路徑的全新策略，從而更有效地打斷這個惡性循環？

找到同時調控「發炎」與「纖維化」的新靶點

為了解決難題，科學家將目光鎖定在一個細胞內的酵素：磷酸二酯酶 4B（PDE4B）。

為什麼鎖定它？讓我們看看它的「雙重作用」機制：

1. 關鍵位置： PDE4B 同時存在於免疫細胞（與發炎有關）與纖維母細胞（與纖維化有關）當中。
2. 作用機制： PDE4B 的主要工作是降解細胞內一種叫 cAMP（環磷酸腺苷） 的訊號分子。cAMP 可以被視為細胞內的「穩定信號」。
3. 雙重抑制： 當我們使用藥物抑制了 PDE4B 的活性，細胞內的 cAMP 就不會被分解，濃度會隨之升高。高濃度的 cAMP 能穩定免疫細胞和纖維母細胞，同時產生抗發炎與抗纖維化的雙重效應。

簡單來說，鎖定並抑制 PDE4B，就像是同時抑制了免疫風暴與纖維化的工程，有望從雙從抑制打擊這個惡性循環。

全球臨床試驗帶來的新希望

近十年來，全球在肺纖維化領域投入了大量的臨床試驗，我們相信，在科學家逐步破解肺纖維化惡性循環的複雜難題後，期盼未來能為無數患者爭取到更安全、健康的生活與未來。

最後，我們必須再次提醒，特發性肺纖維化（IPF）與漸進性肺纖維化（PPF）是極具破壞性、且不可逆的疾病。面對這個比癌症更致命的對手，雖然現有的治療手段能延緩惡化，但無法逆轉已經形成的肺部疤痕組織，因此「早期診斷、早期治療」仍是對抗肺纖維化最重要的黃金時刻。

你知道有那麼一條公式——它不僅可以表述生態系中動物族群的數量變化、城市裡人口隨時間的變遷，還與金融市場的波動、甚至是氣候變遷有所關聯？更令人驚奇的是，這個式子並不是什麼複雜的偏微分方程，它只有短短一行、就連國小學生都能代入算出。

這個看似相當簡單的式子，能推演出極其複雜的圖像；而在看似錯綜複雜的圖像背後，卻又隱藏著某種未知的神秘規律。今天這篇文章，將帶領大家透過這個簡單的函數重新認識世界。

自然界潛藏的規律

且讓我們先從自然界談起。假設一片草原上有一群斑馬生活著，我們想要知道明年、後年、甚至數十年後的數量；我們知道，這一部分取決於斑馬的出生率，還有另一部分取決於環境的負載力——假設斑馬的族群總數超過了該草地所能負荷的程度，很可能在往後導致族群的縮減，因此，負載力有點類似於一個約束條件。有了以上的資訊，我們可以嘗試用數學來描述：

這邊，x_n 代表的是「現存族群數量與最大可容納的族群數量」之比值，你可以想像成：假設這片草原此時此刻有 60 隻斑馬，而草原所能容納斑馬數量的最大值為 100 隻斑馬——一旦超過這個值，那麼便會面臨諸如饑荒等生態危機。因此，在此例子中，x₀ = 60/100 = 0.6。而假設我們想知道明年的數量，也就是 x₁，便可以帶進去推算。那麼，式子中的＂r＂又是什麼？你可以將它理解為「成長率」，但要注意的是，它的值一般是界定在 0 與 4 之間。

如果單純只看 x_n+1 = r x_n，假設 r=2，今年有 60 隻斑馬、明年有 120 斑馬、後年便會是 240 隻，這樣只會無止盡地指數增長下去；因此，當我們設定了＂(1 -  x_n)＂這個約束條件後，便可以解決這個問題——假如今年的 x_n = 1，意味著該地斑馬數量已然達到環境可負荷的最大值，便會因為饑荒等因素滅絕，隔年得到的數量便將為零。這個看似簡單、卻又多少能給生態學家建構模型的公式，稱為「單峰映射」(logistic map)，也是今天文章的主角。

這個式子不僅可套用在生態系，也可以套用在人口學：舉個例子，某城市今年有 60 萬人，該城市所能負載的最大人口為 100 萬人，而每年的成長率大概是 r = 1.5，那麼，套進公式會發現：明年的人口將為 36 萬、第三年人口將為 34.6 萬……，從而漸漸達到平衡點。如果一開始我們假定有 30 萬人，明年將會成長為 31 萬、後年成長為 32 萬，然後趨近於和前者相近的平衡點。最後，如果這個城市一開始就有 90 萬人，第二年便會因為環境負載力而銳減至 13.5 萬人，但後年、大後年之後將會隨著成長率升高而回升至約莫 33 萬人的平衡點。

而這些資訊並非憑空構思的，因為它們本身就含括在單峰映射的公式裡，用圖表呈現便一目了然，你會發現無論前幾年如何變化、最終都會回歸一個平衡點：

而這個穩定值是取決於＂r＂的，也就是說，只要 r = 1.5，無論人口數目如何變化，最終的平衡點都不會有所差異。

規律的瓦解、未知的開端

因此，我們何不來看看＂r＂會如何變化？這時，我們回到原本的假設：一個城市裡有 60 萬人口，如果改動不同的 r，演化曲線將會如何改變？

當我們將 r 值逐步增加，一切看似並無異常；當 r=2.8 時，我們發現圖形出現了週期性的振盪，但最後依舊回歸平穩。順帶一提，我們可以藉由「分枝圖」(bifurcation diagram) 來觀察 x 的穩定值與 r 的關係，在 r=0 至 2.8 之間，x 穩定值有攀升趨勢；在 r=1.5 時，根據前述的例子，x 的穩定值落在 0.33 左右，從下圖也可以直接看出：

我們繼續調大 r 值。正當一切看似正常發展時，詭異的事情發生了：

在此之前，一切族群的數量都是平穩的，但在 r 超過 3 左右，持續的振盪出現了，且自此「平衡點」不復存在；不僅如此，當 r 值不斷調升，顯示出來的圖像從原本 2 個值、4 個值、到更多值之間來回振盪。值得一提的是，這種「週期性振盪」的現象在生態圈與人口變化中是確實存在的，很有可能前一年數量減少、今年數量增加、明年數量又再減少。讓我們來看看對應的分枝圖：

這對應於原本從 2 個值之間的擺盪、分岔成 4 個值之間的擺盪、再分岔成 8 個值之間的擺盪……如此往復。此外，如果你留意橫軸 r 之間的間隔，會發現：當 r 愈大時，分岔的速度也愈快！

現在讓我們繼續將 r 值調升，來看看會發生什麼事：

話不多說，我們直接來看看分枝圖：

令人毛骨悚然的結果出現了！前面我們觀察到，當r提升時，系統會出現週期性的振盪，對應於分枝圖中的「分岔」，且分岔的速率會不斷增快、再增快；而在 r 超過 3.5699 時，規律的振盪、分岔將不復存在，取而代之的是一團無法預測的隨機——這就是所謂的「混沌」(chaos)。

混沌、股票市場、以及蝴蝶效應

現在讓我們看一下完整的分枝圖長什麼樣子：

換而言之，當系統的變量到一定程度時，將會變成隨機且無法預測的。以人口為例，一開始我們假設的情況很簡單，就是 60 萬人口與 r=1.5 的成長率；接著我們發現，無論人口基數如何，只要 r 維持原狀，數年、乃至於數十年後的平衡點都是相近的。然而，當r值提升後，平衡點的值便會浮動了，r=3 之後週期性的振盪便出現了、且分岔點不斷加速倍增；緊接著，我們赫然發現：

當 r 值大於 3.5699 時，系統將全然處於混沌狀態。

也就是說，即便給定初始條件，最後的人口演化將會是無法預測的。事實上，這種「混沌」、「隨機」的現象並不僅僅侷限於自然界的族群或者人口數量，它其實是隨處可見的。比如：家中水龍頭關不太緊時，水滴很自然地會落下，按理來說，鬆緊程度與水壓毫無變化的情況下，滴水的規律應該也是不變的；但如果你花一段時間觀察，會發現水滴可能一下子連續落下兩滴、一下子又只落下一滴——我們根本無法預測每一次的滴落模式。

另一個例子就是金融市場：當我們投資了固定金額的股票後，市場的波動將導致金額的浮動，就算有再好的分析師與預測模型，我們也不可能精準預測明天的投資金額會變多少。順帶一提，在金融學中描述期權的模型是「布萊克－休斯模型」(Black-Scholes model)，它便是從微觀粒子的「布朗運動」(Brownian motion) 所推導而來，其中粒子碰撞隨時間演化的隨機過程被稱為「維納過程」(Wiener process)。布萊克－休斯模型的假設之一，便是將隨時間演化的「股票價格」描述成維納過程，從而預測、消弭潛在的風險。事實上，休斯本身大學時就是主修物理學的。

而提到「混沌現象」，最經典的例子當然還是氣象學家愛德華．洛倫茲（Edward Lorenz）的那句名言：

「一隻海鷗拍動翅膀，將導致永久性的氣候變化。」

“One flap of a sea gull’s wings would be enough to alter the course of the weather forever.”

爾後，這個現象被稱為「蝴蝶效應」(Butterfly effect)，也就是說，縱然系統初始條件只有微不足道的變化，也會導致最後產生的結果大相徑庭；即使是一隻在巴西的蝴蝶拍動翅翼，周邊的氣流變化會連帶影響、擴散至大氣系統，甚至能致使一個月後的德州發生龍捲風。

這些非線性、隨機的現象在自然界無處不在，許多科學家也嘗試研究，締造了「混沌理論」(chaos theory) 的研究熱潮。一旦我們能從中梳理出一些規律，那麼，也許便能更精確地掌握「混沌」之中的資訊，這將有助於我們更精確地預測投資股票的風險、也有助於人們更準確地預測天氣的變化。

混沌背後的神秘常數

從描述族群、人口的簡單函數推演到「混沌狀態」的存在已經夠令人驚豔了，然而，不知你是否曾留意過分枝圖中、每一段分岔點之間的間隔？

如果你把我們最後得到的分岔圖放大來看，會發現在混沌狀態之前、分岔點出現的速率不斷增快；而如果你對每一個分岔點之間的間隔取比值，你會發現——每一次得到的值都會是同一個數字，這個數字大致為 4.669，它被稱為「費根鮑姆常數」(Feigenbaum constants)。

更令人細思極恐的是，這個「常數」並非只存在於單峰映射，所有混沌理論中有這種分岔性質的圖像，它們之間的比例都是這個常數！而目前數學界尚未能明確理解這個常數的性質，唯一可以推測的是：

費根鮑姆常數（4.669…）與混沌理論有密不可分的聯繫；該常數的出現意味著混沌現象即將發生。

在前述單峰映射的例子中，費根鮑姆常數主宰了 r=3.5699 之前的分岔規律；在 r 超過 3.5699 後，系統便徹底進入混沌狀態了。

除此之外，你或許也發現了，每個分岔的形狀都超乎尋常地相似，後一個分岔根本上就是前一個分岔的縮小版。這種特徵令人聯想到數學上的「碎形」(fractal)，也就是某些形狀放大後會是自己的本體、從而無窮延伸下去。最著名的例子就是複數平面上二次多項式迭代出來的「曼德博集合」(Mandelbrot set)。信不信由你——當我們將單峰映射的分枝圖與曼德博集合比照來看，會發現分岔點之間是有所對應關係的；也就是說，單峰映射可以視為曼德博集合的一部分！

從簡單的單峰映射公式，我們推導出了自然界族群、人口的演化模式，進一步發現了「混沌」狀態的存在；而在看似極其複雜的混沌狀態中，似乎又發現了隱藏在隨機背後的神秘規律。

混沌理論在生活中是無所不在的，時至今日，仍有不少未知的特性等著人們發掘與驗證。從生物的競爭、人口的演化、股市的浮動、亂流的成因、到氣候的變遷……這些日常事物都被混沌現象主宰著，從而使我們無法精準預測到未來的走向。然而，費根鮑姆常數的發現與幾何碎形的聯繫卻也指出了隨機背後潛藏著某些規律，這也不禁令人讚嘆自然界的美麗與神秘。

文長，非常長，但希望藉此文能更簡單、更清楚的說明天氣預報的難處、如何去看天氣預報的不準確，才是對預報的應用更重要的。

我們先看一下3/21氣象局和日本氣象協會的一周預報：

再看3/25的預報結果，日本氣象協會的預報（溫度部分日本有明顯修正，降雨方面是兩邊都有修正調整）：

這次中央氣象局預報比日本準了，但其實……

當不夠理解氣象預報時，比較是沒意義的

接著在心情不好、天氣不好又遇到報不準的時候，就會罵氣象局。

「為什麼氣象局總是報不準？」「不是說會下雨嗎？怎麼只下兩滴就沒了？」「我乾脆看日本的預報好了！」「氣象預報本來就該準不是嗎？不準怎麼不會檢討？」

無論今年一月、三月氣象局與日本氣象協會針對寒流與冷氣團預報結果的落差，或是三月時氣象局幾次對鋒面降雨時間判斷的誤差。從媒體打臉來打臉去的渲染，以及網路上的輿論，我特別注意到了兩個常見的氣象預報迷思：

1. 對氣象預報原理誤解進而提出不合理的批判（多數是認為「準是應該的」）。
2. 資訊不對稱，或許是對氣象預報知識的不足，使得報導或是許多民眾只能聚焦在媒體、網路、氣象局之間的口水戰。

其實，只要再深再細一點的探討分析，再加入一點氣象知識，即使不具備氣象專業背景，多少也能看出以下的盲點：

不準是什麼意思？

不準的定義是指前一天的預報還是一週的預報，就算拿前一天預報來說好了，一年 365 天中，有幾天有預報成功有幾天失準？然後一年幾天失以上準叫做預報很糟？還是就不管反正遇到幾次不準就是不準？這樣的話我倒覺得這比較像是「認知偏誤」。

氣象科學是門複雜的應用科學

在不理解數值如何產生的情況下，拿不同預報的結果來直接比較，沒有什麼科學意義，真的要認真比較的話，起碼要像上面說的要每一天、針對特定結果如溫度之類的做統計比較，但這實在對於預報本身沒什麼幫助，因為數值預報除了統計還得考量學理，而大氣科學是門不太容易研究的應用科學（結合物理、化學、流體等知識）。

百分之分準「甘有可能」？

如果你只能接受「只要告訴我，下雨或不下雨、冷還熱，不要說什麼 40% 降雨機率、最高最低溫……」的話，我想觀落陰比較快？不是啦，我指的是若只能接受百分之百準的預報，未免太強人所難了。

如果你願意繼續看下去，那我就來細說國高中不教、主流媒體少講、人們不常聽到的「關於天氣預報」！

沒有百分之百準的氣象預報

過去有好幾篇在不同平台的專業解說文章[註1]，這些文章的共通點就是在說明氣象預報為什麼不準？不過我想，既然是會覺得氣象局的預報總是失準的人，或許也會認為，每當預報發生失準時，氣象預報人員總是會拿勞侖茲的「蝴蝶效應」來作為塘塞之詞。

但對於從觀測數據到預測未來而言，「差之毫釐，失之千里」或許是最氣象預報而言簡單而貼切的說法。或許子彈剛發射出去僅僅差不到1 mm的誤差，到了數百公尺外，就會放大到數十倍以上的誤差，對於所謂的一週預報來說，七天後的預報，不準其實是正常的。

舉個例子，2015 年國研院颱洪中心也發布了下方這張圖，說明模式預報的不確定性，同一颱風會有可能會導致截然不同的路徑結果。圖中三角形點是指 8/21 的颱風位置，編號 1 為 8/11 日的預測結果、2 為 8/12 的結果……以此類推，所以 10 天內的預測，每天都修正超多，代表著超級不確定性。

「氣象存在著渾沌（Chaos）的特性」是一個必須要強力宣導的概念，因為在勞侖茲發現大氣渾沌特性之前，大家都認為我們靠著學理和統計，就可以很準確的預測天氣，只要電腦運算速度提升，人人都能成為氣象專家；只是實際上就連千分之一的誤差，都會讓計算結果截然不同。附帶一個複擺的實驗，它是很容易說明渾沌現象的實驗，即使初始值十分接近，但只要有一絲絲誤差就會讓結果差很遠，

 既然無法完全準，那幹嘛預測？幹嘛花錢買超級電腦？

那「為什麼只有百分之百準確度才有意義呢？」我們來看看103年國中會考的第一題：

這題降雨機率，根據政府資料開放平台的數據，這題有 8 成 6 答對率，是整本答對人數最多的一題。基本上你看到降雨機率 30% 和 70% 時會做的防雨準備就該不一樣了，甚至取決於你要求做什麼事能接受的「風險」，譬如假如有30%會下雨，雖然機率不高但仍可能降雨，活動能辦是能辦，但沒必要不做雨備跟老天賭不是嗎？

接下來我們談這類的「降雨機率」或是「數值預報」是怎麼來的，它包括統計（就是過去相同數據和天氣模式下有沒有降雨的紀錄）、分析（利用更多數據去建構未來天氣變化可能性的模擬）、研判（專業人員從學理上來判斷）的綜合結果。

超級電腦的用途就是在統計與分析時，能處理更多數據的能力。超級電腦只能讓我們運算時能以更複雜、細微的模型去了解未來的不同可能性，讓我們的預測盡可能的「接近」真實結果，然而再怎麼樣都只是「接近值」，由於大氣的渾沌特性，要做到百分之百的預測是完全不可能的。 

但「盡可能的縮小誤差」、「盡可能的提供信賴度高」的預報，一直都是各氣象單位的目的，《祛除氣象預報的迷思》一文就在強調這點，速度快 100 倍的電腦並不會準 100 倍，而是讓我們會有更多可以互相佐證的數據。當然電腦快有好處，只是很難量化，也很難說清楚而已。

為什麼日本美國都會預測的比較準？因為錢多還是科技高嗎？

錢多是事實，台灣颱風論壇的賴重祐先生就撰文比較過台日的氣象預算差異，或許從預算除以國土面積會覺得台灣拿這樣的錢應該也要做出一樣或更好的水準，但我必須要說，可能我們需要預報的國土面積小，但大氣可不是像一堵牆一樣有邊界的，你跨出島外或是幾海浬外就一定不受島內天氣影響嗎？沒人敢說，在進行長期預報時，必須針對大範圍尺度的大氣運動進行計算分析，要算台灣未來一週的天氣也需要中國大陸、日本的資料，需要更大範圍的衛星雲圖，難度可不會因為你只要預報台灣就少很多，這時再來看預算和擁有衛星數量，還會覺得氣象局錢領多不做事我也沒辦法說什麼了…

所以氣象局報不準就可以裝死嗎？氣象法是要讓氣象預報變一言堂？

這也是我常看到的問題，報不準當然不能裝死，但就像我前面提到的，「如何定義什麼叫報不準」其實沒有具體的說法，而在天氣多變的情況下，你要氣象局「統計自己的預報失準率」，無疑是要斷死自己的後路，因為不準的原因可能有：

• 某些季節如春季，氣候多變化本來就超難預測。
• 特殊很少發生的極端氣候事件。
• 預報員經驗不足。
• 對於數據解讀太過保守（高估災害事件、低估一般事件）。
• 其它人為失誤。

問題就在於要把上述原因整合統計資料，如果把原因歸納在前兩項，要怎麼說服立委諸公、一般大眾，在不懂的人看來你用前兩個當結論就是在黑箱啊！然後我們又能容許多少極限的失誤，以目前公務體系的規範下，要執行這樣的天氣預報成效統計，只會讓更多研究或預報人員花更多時間寫報告而不做自己該做的專業事情。

我的看法是，最好還是多加宣導某些天氣情況難以預測、逐時預報的好處，或是逐步引入國外加上「信賴度」表示的方式說明預報的結果誤差範圍。像是要告訴大家春季多變化就可以利用不同季節預報準確度的數據給民眾參考，這樣會比較有實質意義。以日本氣象廳而言，就經常能看到以下的情況，一週預報信賴度由 A~C 等級，即使是七天後的日子，如果是 A 等級的準確率，就可以把那個結果當成是前一天的預報也無妨，如果是 C 等級，那代表著就是還有一定的誤差存在。如果有這樣的資訊，或許就能告訴大家，其實要在這天考量天氣情況時要特別注意不確定性的風險，當然，要落實這樣的預報也要有一定程度的宣導才有效果。

至於氣象法，蠻常聽到有人靠邀說這個是只準州官放火的法令。但在104年有修正過放寬法令，讓民間單位（如天氣風險管理公司）也有適度預報的權限，只是需要「獲得許可」與「證照」，在台灣像是天氣風險與管理公司就有許多取得證照許可的預報人員，我想氣象法的用意並不是讓氣象預報變成一言堂，只是希望預報氣象這件事能夠回歸專業，並避免過度詮釋氣象預報資訊造成民眾恐慌，要是希望一言堂的話那也不會再修法調整了。當然氣象法還有一些執行上可能會出現的 bug，但這不在本文想討論的範圍，就暫時先跳過了。

至於國外的預報呢？氣象法當然管不到那個地方，只是你要是硬要把國外預報的結果拿來跟國內的比，還要比較準度，似乎有點立足點不公平。外國單位預報台灣的氣象是給他們自己看的，用的資料也不會比我們多，計算的模式也不同，是要怎麼比？

談完氣象預報的部分，再來談談媒體角色

從科學傳播的角度來看，氣象預報與民眾的距離就是一種典型的「資訊不對稱」，除了預報結果的資訊，也包括了背景知識的資訊。有些科學記者可以理解氣象預報的極限以及預報結果的不確定性，但也有許多是站在以為自己理解，卻是一知半解的角度看這件事，甚至我也有看到「既然是公務機關，報準，應該；不準，納稅義務人抱怨很正常。」言論，很正常不代表很合理，因為本來就沒有百分百準。媒體引用網路上的資訊與留言報導，看似在發揮監督政府的力量，但卻在背景知識不足的情況下對政府先提出質疑，其實除非從教育大眾的角度出發，否則還真難回答啊！

而另外也聽到一些聲音，認為官僚與機關文化導致預報員會過度保守而忽視科學結果，我覺得僅僅對了一半。為什麼？因為人家要對上級負責、對立院負責的情況下，實務經驗的確會佔很大比重，若要檢討這件事，我想就要先分清楚當預測失準時發生時，原因會有天然與人為因素，但實務上要怎麼分？既然非專業人士無法畫分，那是不是需要專家來協助？直接說誰打臉誰這樣真的恰當嗎？真的有盡到彌平民眾和政府資訊不對稱的落差嗎？從這個角度回來看氣象法，也不難理解至今為何無法完全開放氣象預報了，因為只選擇性的懂一部分，比完全不理解還可怕啊！

沒有說氣象局不用改進，改進是必要的，只是對於氣象預報的誤解，無知的一方也需要主動了解、擁有資訊的一方（氣象局）也該要有更積極的科普宣導。像是最簡單的「晴時多雲偶陣雨」，民眾會問到底是晴、多雲還是雨？但實際上應該是「大多時候應該是晴天，但因為水氣多有時會多雲，偶爾會突然下短暫的雨，會外出朋友還是要帶個雨具以防萬一！」這樣調整說法，不是稍微清楚一點了嗎？誰可以做？氣象局和播報氣象的媒體皆可！

結語：我自己怎麼利用氣象資訊的？

看不同的氣象預報結果，了解不同的分析來評估風險，原意是一件好事，只是拿這種東西的比較作為新聞，會有一種「沒事聊，只好聊天氣」的感覺。多半時間在早上出門前才會看氣象預報，接著再考量今天的衣著，可能看手機內建也可能看氣象局的資訊，原因是我認為越接近的時間，準確度會稍微提升；有時不確定也會看看窗外的天氣，某段時間真的很怕遇到突然的強降雨，就會去找雷達回波圖來看……雖然不是每個人都能解讀一般氣象預報以外更深入的資訊，但或許也可以試著重新思考看看，在沒有百分百完美，但多數時仍準確的預報資訊下，如何運用 & 使用氣象預報資訊，才是對自己最有幫助的？

想知道更多關於地球大小事，可來參觀作者的部落格：地球故事書

• [註1]關於氣象預報的科普文章：
• 《祛除氣象預報的迷思》（此篇原為投稿蘋果）
• 《台北會下雪嗎？為何國內外的天氣預報眾說紛紜？》《為什麼氣象預報老是不準》、《明天會出太陽嗎》（泛科學）
• 《氣象預報為什麼會不準？ 》（科學人雜誌）