Loading [MathJax]/extensions/MathMenu.js

0

0
1

文字

分享

0
0
1

第一顆台灣自主研發的衛星「福衛五號」要啟程了,你對他,以及造他的人了解多少?

彭 琬馨
・2016/03/30 ・2545字 ・閱讀時間約 5 分鐘 ・SR值 458 ・五年級

Taiwan No.1~~! 如果你是太空迷,你應該已經知道,第一顆完全由台灣自行研發的遙測衛星,預計六月在美國發射;如果你還不知道,翻翻台灣衛星發展歷史,從 1999 年第一顆衛星(福衛一號)升空至今,將近二十年時間,國家實驗研究院太空中心才算是真正自製一顆衛星,不需要完全向國外採購衛星本體和重要元件,你就會了解這個消息對台灣太空界來說,意義非凡。

但衛星到底可以做什麼?特別對台灣來說,我們需要花那麼多錢做嗎?

記得 2009 年八月來襲的莫拉克颱風吧!短短幾天,台灣就有 681 人死亡,它造成近五十年來,台灣最嚴重的水災(沒有之一)。豐沛雨量引起土石流,位在高雄甲仙的小林村,一夕之間幾乎全遭洪水掩埋,當時國家太空中心提供關鍵的災區空拍影像,讓救難隊第一時間進行災情分析,加快救災與重建工程進度,背後功臣就是已經升空十多年、「人瑞級」的福衛二號遙測衛星。

2009年莫拉克颱風,福衛二號拍攝小林村災前(小圖)和災後(大圖)的改變。圖/太空中心提供
2009年莫拉克颱風,福衛二號拍攝小林村災前(小圖)和災後(大圖)的改變。圖/太空中心提供

原先預定執行五年就要退役的福衛二號,已經「超時」服役 11 年多,可以說是用到夠本,但終究要汰舊換新,後續任務就將由六月升空的福衛五號接手。

-----廣告,請繼續往下閱讀-----

自主研發光學遙測酬載

「這是二十幾年來,我們第一次自己負責全部設計。」福衛五號計畫主持人張和本,跟我們談起第一顆全由台灣自主研發的遙測衛星,語氣興奮。

過去台灣擁有的衛星,零件大多購自國外,卻常因為無法取得關鍵零組件延誤發射時程。這次國家太空中心花費八年左右規劃,從衛星的規格設計、到內部軟體開發通通自己來,在沒有相關經驗的情況下土法煉鋼,光是一開始衛星規格的設計就耗費三年。張和本以「全新的挑戰」形容這次經驗,過程中辛酸血淚,就跟很多男生都有的當兵經驗一樣,如今想起來在心中也是甜。(大概啦)

差一點行嗎?科學家的艱困挑戰 太空中固定超大型鏡面

遙測衛星就像是太空中的超大型數位相機,繞地球的同時幫忙紀錄地表影像變化,福衛五號每隔一天的早上 10 20 分經過台灣,能提供黑白影像(兩公尺)、彩色影像(四公尺)的照片,相較於福衛二號解析度提高不少,舉凡國土規劃、環境監測、災害評估都是衛星影像能應用的範圍。其中「光學酬載」就是福衛五號影像成形中最重要的部分,主要由「遙測取像儀」、「聚焦面組合件」與「電子單元」等三個次系統所組成。

遙測取像儀好比一顆大型的太空級望遠鏡頭,包含一個主鏡與一個次鏡,其中主鏡片直徑長達 45 公分,是國內製造最大的非球面鏡片。你可以想像,要把這麼大一個鏡片固定在 720 公里的外太空拍照,鏡面還要在火箭發射時加速度最大值達到 25G 的情況下不變形,足夠讓研究團隊搔破頭皮。最後,太空中心利用一種特殊的機械角鍊(isostatic mount, ISM)配合特殊膠合技術,才成功讓變形量下降到 10 奈米以下,大約是人類頭髮的萬分之一。(這過程之後有機會再詳細介紹)

-----廣告,請繼續往下閱讀-----
福衛五號在太空中心廠房內。圖/太空中心提供
福衛五號在太空中心廠房內。圖/太空中心提供

 

量身訂做金縷衣  保證衛星零失誤

除了要確保衛星不會在發射過程因為震動損壞,太空中極大的溫度落差(最高攝氏 120 度、最低負 120 度)也是衛星運轉要克服的主要環境因素。想像自己白天在非洲大草原上揮汗如雨、太陽下山後卻要適應北極零下的嚴寒氣候……好吧,根本無法想像。總之,鐵打的金屬可能都會因溫差過大而故障。為了確保儀器在太空中能確實執行任務,太空中心替福衛五號量身打造金光閃閃的「多層熱絕緣體」,用來隔熱與保暖。

每個衛星在送上太空之前,都會經過光學、震動、電磁干擾、熱真空艙等一系列的測試,確保衛星在運送升空過程,不會因為劇烈震動、噪音溫差等問題罷工。「我們會附上一個保證書,不是保固喔!保固只是說壞了我們會負責修,保證書是保證它不會壞掉。」太空中心整合測試組組長陳維鈞對福衛五號的測試品質毫不猶疑(真希望我的手機廠商也能這樣)。

福衛五號進行震動測試。圖/太空中心提供
福衛五號進行震動測試。圖/太空中心提供
福衛五號熱真空測試。圖/太空中心提供
福衛五號熱真空測試。圖/太空中心提供

難以計數的投入 成就一個福衛五號

斥資 36.64 億(其中 20 億為火箭發射成本)打造的福衛五號,從數字看來超級昂貴,但負責品管的陳維鈞形容,站在大家面前的成果,只是研發團隊心血結晶的冰山一角,一般人或許只看到這顆重達 525 公斤、高 2.8 公尺的衛星,不清楚要撐起這樣一個衛星,背後需要投注多大的研究心力,不只軟硬體開發、相關配備也要一併到位。「我們希望用五號證明給世界看,台灣真的可以自己把衛星做出來!」福衛五號從無到有,張和本就像是她的爸爸一樣。

福衛五號太空中心團隊合照。圖/太空中心提供
福衛五號太空中心團隊合照。圖/太空中心提供

說到這裡,你可能會想,能自己做衛星又如何?畢竟如果跟國外買省時又省事,何樂而不為?

-----廣告,請繼續往下閱讀-----

「如果有人把美國 NASA 開發出來的科技應用,標示在民生用品上的話,你會發現,其實很多產品都跟太空研究脫不了關係。」張和本說。

我們都知道,雖然不直接為了產業而研發,但因為要克服太空任務的極端挑戰而征服的技術與創意高峰,時常能回過頭來在地球上派上用場。但這種不確定性高的前瞻投資在台灣似乎很難被認同。身為計畫主持人,張和本不方便多說,但依舊感嘆,台灣有很多優秀的研究人員,技術研發不輸給外國,假設國家對太空科技有更長遠的規劃,或許衛星研發可以不用再等下一個十年。

-----廣告,請繼續往下閱讀-----
文章難易度
彭 琬馨
32 篇文章 ・ 1 位粉絲
一路都念一類組,沒什麼理科頭腦,但喜歡問為什麼,喜歡默默觀察人,對生活中的事物窮追不捨。相信只要努力就會變好,相信科學是為了人而存在。 在這個記者被大多數人看不起的年代,努力做個對得起自己的記者。

0

0
0

文字

分享

0
0
0
拆解邊緣AI熱潮:伺服器如何提供穩固的運算基石?
鳥苷三磷酸 (PanSci Promo)_96
・2025/05/21 ・5071字 ・閱讀時間約 10 分鐘

本文與 研華科技 合作,泛科學企劃執行。

每次 NVIDIA 執行長黃仁勳公開發言,總能牽動整個 AI 產業的神經。然而,我們不妨設想一個更深層的問題——如今的 AI 幾乎都倚賴網路連線,那如果哪天「網路斷了」,會發生什麼事?

想像你正在自駕車打個盹,系統突然警示:「網路連線中斷」,車輛開始偏離路線,而前方竟是萬丈深谷。又或者家庭機器人被駭,開始暴走跳舞,甚至舉起刀具向你走來。

這會是黃仁勳期待的未來嗎?當然不是!也因為如此,「邊緣 AI」成為業界關注重點。不靠雲端,AI 就能在現場即時反應,不只更安全、低延遲,還能讓數據當場變現,不再淪為沉沒成本。

什麼是邊緣 AI ?

邊緣 AI,乍聽之下,好像是「孤單站在角落的人工智慧」,但事實上,它正是我們身邊最可靠、最即時的親密數位夥伴呀。

當前,像是企業、醫院、學校內部的伺服器,個人電腦,甚至手機等裝置,都可以成為「邊緣節點」。當數據在這些邊緣節點進行運算,稱為邊緣運算;而在邊緣節點上運行 AI ,就被稱為邊緣 AI。簡單來說,就是將原本集中在遠端資料中心的運算能力,「搬家」到更靠近數據源頭的地方。

-----廣告,請繼續往下閱讀-----

那麼,為什麼需要這樣做?資料放在雲端,集中管理不是更方便嗎?對,就是不好。

當數據在這些邊緣節點進行運算,稱為邊緣運算;而在邊緣節點上運行 AI ,就被稱為邊緣 AI。/ 圖片來源:MotionArray

第一個不好是物理限制:「延遲」。
即使光速已經非常快,數據從你家旁邊的路口傳到幾千公里外的雲端機房,再把分析結果傳回來,中間還要經過各種網路節點轉來轉去…這樣一來一回,就算只是幾十毫秒的延遲,對於需要「即刻反應」的 AI 應用,比如說工廠裡要精密控制的機械手臂、或者自駕車要判斷路況時,每一毫秒都攸關安全與精度,這點延遲都是無法接受的!這是物理距離與網路架構先天上的限制,無法繞過去。

第二個挑戰,是資訊科學跟工程上的考量:「頻寬」與「成本」。
你可以想像網路頻寬就像水管的粗細。隨著高解析影像與感測器數據不斷來回傳送,湧入的資料數據量就像超級大的水流,一下子就把水管塞爆!要避免流量爆炸,你就要一直擴充水管,也就是擴增頻寬,然而這樣的基礎建設成本是很驚人的。如果能在邊緣就先處理,把重要資訊「濃縮」過後再傳回雲端,是不是就能減輕頻寬負擔,也能節省大量費用呢?

第三個挑戰:系統「可靠性」與「韌性」。
如果所有運算都仰賴遠端的雲端時,一旦網路不穩、甚至斷線,那怎麼辦?很多關鍵應用,像是公共安全監控或是重要設備的預警系統,可不能這樣「看天吃飯」啊!邊緣處理讓系統更獨立,就算暫時斷線,本地的 AI 還是能繼續運作與即時反應,這在工程上是非常重要的考量。

所以你看,邊緣運算不是科學家們沒事找事做,它是順應數據特性和實際應用需求,一個非常合理的科學與工程上的最佳化選擇,是我們想要抓住即時數據價值,非走不可的一條路!

邊緣 AI 的實戰魅力:從工廠到倉儲,再到你的工作桌

知道要把 AI 算力搬到邊緣了,接下來的問題就是─邊緣 AI 究竟強在哪裡呢?它強就強在能夠做到「深度感知(Deep Perception)」!

-----廣告,請繼續往下閱讀-----

所謂深度感知,並非僅僅是對數據進行簡單的加加減減,而是透過如深度神經網路這類複雜的 AI 模型,從原始數據裡面,去「理解」出更高層次、更具意義的資訊。

研華科技為例,旗下已有多項邊緣 AI 的實戰應用。以工業瑕疵檢測為例,利用物件偵測模型,快速將工業產品中的瑕疵挑出來,而且由於 AI 模型可以使用同一套參數去檢測,因此品管上能達到一致性,減少人為疏漏。尤其在高產能工廠中,檢測速度必須快、狠、準。研華這套 AI 系統每分鐘最高可處理 8,000 件產品,替工廠節省大量人力,同時確保品質穩定。這樣的效能來自於一台僅有膠囊咖啡機大小的邊緣設備—IPC-240。

這樣的效能來自於一台僅有膠囊咖啡機大小的邊緣設備—IPC-240。/ 圖片提供:研華科技

此外,在智慧倉儲場域,研華與威剛合作,研華與威剛聯手合作,在 MIC-732AO 伺服器上搭載輝達的 Nova Orin 開發平台,打造倉儲系統的 AMR(Autonomous Mobile Robot) 自走車。這跟過去在倉儲系統中使用的自動導引車 AGV 技術不一樣,AMR 不需要事先規劃好路線,靠著感測器偵測,就能輕鬆避開障礙物,識別路線,並且將貨物載到指定地點存放。

當然,還有語言模型的應用。例如結合檢索增強生成 ( RAG ) 跟上下文學習 ( in-context learning ),除了可以做備忘錄跟排程規劃以外,還能將實務上碰到的問題記錄下來,等到之後碰到類似的問題時,就能詢問 AI 並得到解答。

你或許會問,那為什麼不直接使用 ChatGPT 就好了?其實,對許多企業來說,內部資料往往具有高度機密性與商業價值,有些場域甚至連手機都禁止員工帶入,自然無法將資料上傳雲端。對於重視資安,又希望運用 AI 提升效率的企業與工廠而言,自行部署大型語言模型(self-hosted LLM)才是理想選擇。而這樣的應用,並不需要龐大的設備。研華的 SKY-602E3 塔式 GPU 伺服器,體積僅如後背包大小,卻能輕鬆支援語言模型的運作,實現高效又安全的 AI 解決方案。

但問題也接著浮現:要在這麼小的設備上跑大型 AI 模型,會不會太吃資源?這正是目前 AI 領域最前沿、最火熱的研究方向之一:如何幫 AI 模型進行「科學瘦身」,又不減智慧。接下來,我們就來看看科學家是怎麼幫 AI 減重的。

-----廣告,請繼續往下閱讀-----

語言模型瘦身術之一:量化(Quantization)—用更精簡的數位方式來表示知識

當硬體資源有限,大模型卻越來越龐大,「幫模型減肥」就成了邊緣 AI 的重要課題。這其實跟圖片壓縮有點像:有些畫面細節我們肉眼根本看不出來,刪掉也不影響整體感覺,卻能大幅減少檔案大小。

模型量化的原理也是如此,只不過對象是模型裡面的參數。這些參數原先通常都是以「浮點數」表示,什麼是浮點數?其實就是你我都熟知的小數。舉例來說,圓周率是個無窮不循環小數,唸下去就會是3.141592653…但實際運算時,我們常常用 3.14 或甚至直接用 3,也能得到夠用的結果。降低模型參數中浮點數的精度就是這個意思! 

然而,量化並不是那麼容易的事情。而且實際上,降低精度多少還是會影響到模型表現的。因此在設計時,工程師會精密調整,確保效能在可接受範圍內,達成「瘦身不減智」的目標。

當硬體資源有限,大模型卻越來越龐大,「幫模型減肥」就成了邊緣 AI 的重要課題。/ 圖片來源:MotionArray

模型剪枝(Model Pruning)—基於重要性的結構精簡

建立一個 AI 模型,其實就是在搭建一整套類神經網路系統,並訓練類神經元中彼此關聯的參數。然而,在這麼多參數中,總會有一些參數明明佔了一個位置,卻對整體模型沒有貢獻。既然如此,不如果斷將這些「冗餘」移除。

這就像種植作物的時候,總會雜草叢生,但這些雜草並不是我們想要的作物,這時候我們就會動手清理雜草。在語言模型中也會有這樣的雜草存在,而動手去清理這些不需要的連結參數或神經元的技術,就稱為 AI 模型的模型剪枝(Model Pruning)。

-----廣告,請繼續往下閱讀-----

模型剪枝的效果,大概能把100變成70這樣的程度,說多也不是太多。雖然這樣的縮減對於提升效率已具幫助,但若我們要的是一個更小幾個數量級的模型,僅靠剪枝仍不足以應對。最後還是需要從源頭著手,採取更治本的方法:一開始就打造一個很小的模型,並讓它去學習大模型的知識。這項技術被稱為「知識蒸餾」,是目前 AI 模型壓縮領域中最具潛力的方法之一。

知識蒸餾(Knowledge Distillation)—讓小模型學習大師的「精髓」

想像一下,一位經驗豐富、見多識廣的老師傅,就是那個龐大而強悍的 AI 模型。現在,他要培養一位年輕學徒—小型 AI 模型。與其只是告訴小型模型正確答案,老師傅 (大模型) 會更直接傳授他做判斷時的「思考過程」跟「眉角」,例如「為什麼我會這樣想?」、「其他選項的可能性有多少?」。這樣一來,小小的學徒模型,用它有限的「腦容量」,也能學到老師傅的「智慧精髓」,表現就能大幅提升!這是一種很高級的訓練技巧,跟遷移學習有關。

舉個例子,當大型語言模型在收到「晚餐:鳳梨」這組輸入時,它下一個會接的詞語跟機率分別為「炒飯:50%,蝦球:30%,披薩:15%,汁:5%」。在知識蒸餾的過程中,它可以把這套機率表一起教給小語言模型,讓小語言模型不必透過自己訓練,也能輕鬆得到這個推理過程。如今,許多高效的小型語言模型正是透過這項技術訓練而成,讓我們得以在資源有限的邊緣設備上,也能部署愈來愈強大的小模型 AI。

但是!即使模型經過了這些科學方法的優化,變得比較「苗條」了,要真正在邊緣環境中處理如潮水般湧現的資料,並且高速、即時、穩定地運作,仍然需要一個夠強的「引擎」來驅動它們。也就是說,要把這些經過科學千錘百鍊、但依然需要大量計算的 AI 模型,真正放到邊緣的現場去發揮作用,就需要一個強大的「硬體平台」來承載。

-----廣告,請繼續往下閱讀-----

邊緣 AI 的強心臟:SKY-602E3 的三大關鍵

像研華的 SKY-602E3 塔式 GPU 伺服器,就是扮演「邊緣 AI 引擎」的關鍵角色!那麼,它到底厲害在哪?

一、核心算力
它最多可安裝 4 張雙寬度 GPU 顯示卡。為什麼 GPU 這麼重要?因為 GPU 的設計,天生就擅長做「平行計算」,這正好就是 AI 模型裡面那種海量數學運算最需要的!

你想想看,那麼多數據要同時處理,就像要請一大堆人同時算數學一樣,GPU 就是那個最有效率的工具人!而且,有多張 GPU,代表可以同時跑更多不同的 AI 任務,或者處理更大流量的數據。這是確保那些科學研究成果,在邊緣能真正「跑起來」、「跑得快」、而且「能同時做更多事」的物理基礎!

二、工程適應性——塔式設計。
邊緣環境通常不是那種恆溫恆濕的標準機房,有時是在工廠角落、辦公室一隅、或某個研究實驗室。這種塔式的機箱設計,體積相對緊湊,散熱空間也比較好(這對高功耗的 GPU 很重要!),部署起來比傳統機架式伺服器更有彈性。這就是把高性能計算,進行「工程化」,讓它能適應台灣多樣化的邊緣應用場景。

三、可靠性
SKY-602E3 用的是伺服器等級的主機板、ECC 糾錯記憶體、還有備援電源供應器等等。這些聽起來很硬的規格,背後代表的是嚴謹的工程可靠性設計。畢竟在邊緣現場,系統穩定壓倒一切!你總不希望 AI 分析跑到一半就掛掉吧?這些設計確保了部署在現場的 AI 系統,能夠長時間、穩定地運作,把實驗室裡的科學成果,可靠地轉化成實際的應用價值。

-----廣告,請繼續往下閱讀-----
研華的 SKY-602E3 塔式 GPU 伺服器,體積僅如後背包大小,卻能輕鬆支援語言模型的運作,實現高效又安全的 AI 解決方案。/ 圖片提供:研華科技

台灣製造 × 在地智慧:打造專屬的邊緣 AI 解決方案

研華科技攜手八維智能,能幫助企業或機構提供客製化的AI解決方案。他們的技術能力涵蓋了自然語言處理、電腦視覺、預測性大數據分析、全端軟體開發與部署,及AI軟硬體整合。

無論是大小型語言模型的微調、工業瑕疵檢測的模型訓練、大數據分析,還是其他 AI 相關的服務,都能交給研華與八維智能來協助完成。他們甚至提供 GPU 與伺服器的租借服務,讓企業在啟動 AI 專案前,大幅降低前期投入門檻,靈活又實用。

台灣有著獨特的產業結構,從精密製造、城市交通管理,到因應高齡化社會的智慧醫療與公共安全,都是邊緣 AI 的理想應用場域。更重要的是,這些情境中許多關鍵資訊都具有高度的「時效性」。像是產線上的一處異常、道路上的突發狀況、醫療設備的即刻警示,這些都需要分秒必爭的即時回應。

如果我們還需要將數據送上雲端分析、再等待回傳結果,往往已經錯失最佳反應時機。這也是為什麼邊緣 AI,不只是一項技術創新,更是一條把尖端 AI 科學落地、真正發揮產業生產力與社會價值的關鍵路徑。讓數據在生成的那一刻、在事件發生的現場,就能被有效的「理解」與「利用」,是將數據垃圾變成數據黃金的賢者之石!

👉 更多研華Edge AI解決方案
👉 立即申請Server租借

-----廣告,請繼續往下閱讀-----
-----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
225 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

2

4
3

文字

分享

2
4
3
精準預測氣象的「掩星技術」,讓你知道颱風放不放假!
科技大觀園_96
・2021/11/16 ・2380字 ・閱讀時間約 4 分鐘

新颱風生成後,大家最關心的就是颱風的路徑、帶來的風雨大不大,以及——到底放不放颱風假?要能預測和評估颱風的走向影響,可靠的氣象觀測資料是不可或缺的。這就不得不提,在我們頭頂上認真執行觀測任務的人造衛星,以及它們身懷測知氣象變化的絕技!

每次颱風來襲,大家都關心會不會放颱風假。圖/pixabay

貢獻全球氣象資料,福爾摩沙衛星功不可沒

過去福爾摩沙衛星三號(福三)執勤十年,為全世界多個氣象中心與研究單位提供無以計數的資料,可謂台灣在國際氣象上的外交大使,於減少天氣預報誤差的貢獻度上,更曾被評為全球前五。福三榮退後,接棒的福爾摩沙衛星七號(福七)也在今年二月完成任務軌道的全部部署。福三和福七都不只有一枚衛星,而是由各 6 枚衛星組成的衛星星系(constellation)。每一枚衛星就像在不同位置巡守、收集氣象情報並互相通報的將士,使得觀測範圍可以覆蓋地球各個區域,提供即時而完整的三維觀測數據。

福衛七號結構示意圖。圖/國家太空中心

但福七與行經南北極的「繞極衛星」福三不同的是,它在南北緯 50 度間軌道繞行,主攻台灣、赤道與中低緯度颱風盛行區的觀測。因此福七可以提供密集度更高、更多的溫度、壓力、水氣等氣象資料。國家太空中心推估,它可提升氣象預報準度 10% ——以颱風為例,可以讓 72 小時的路徑誤差改善 10%,協助我們更精準地評估氣象變化與預防災害。

每日可提供 4000 點大氣垂直剖線資料、大幅提升全球氣象預報準確度的福七,究竟是怎麽辦到的?答案就是掩星技術 (Radio Occultation) 。

掩星技術,讓衛星成為太空中最精準的溫度計!

在天文學上,「掩星」指的是一個天體,在另一個天體與觀測者之間通過,產生的遮蔽現象。但英文中的「Occultation」,也可以指前景中的物體,阻擋遮蔽背景中任何物體的情形。而所謂的「掩星技術」,就是利用電磁波訊號在經過大氣層時,會因穿透不同溫度、壓力或濕度的空氣層,被「遮蔽」而產生轉向、變慢、減弱等的特性,來反演出地球上空之溫度、氣壓和濕度。

-----廣告,請繼續往下閱讀-----

衛星與衛星之間,本來因為地球的阻隔看不到彼此,但可以接受來自彼此的電磁波訊號。福七的主要酬載儀器——全球衛星導航系統無線電訊號接收儀」(TGRS),可以接受美國全球定位系統(GPS) 和俄羅斯全球導航衛星系統(GLONASS)全球定位衛星通過大氣與電離層的折射訊號。接著,通過計算電波訊號的偏折程度,就可以反演出大氣與電離層中的溫度、水氣、壓力、電子密度等數據。

掩星技術在 1995 年才開始投入應用,而從 2006 年的福三,到如今福七計劃中積累的研究經驗,使台灣成為這項新穎技術領域的佼佼者。掩星技術所得到的資料具備高準確度和解析度,也擁有不需要大量接收訊號的衛星,就可以得到大範圍數據、降低成本的優勢,不僅可以用作氣象預報,更能幫助我們監控和增進對氣候變遷的瞭解。

衛星加上同位素的助攻,可以使天氣預報更精準

另一方面,除了改善觀測一般氣象資料如溫度、濕度、大氣壓力等參數的準確度,在氣象觀測中新增測定不一樣的參數——如大氣水分子的同位素,也可以讓我們的天氣預報更精準!

過去礙於資料的取得有限,同位素分析在氣象觀測與預報中常被忽略。但近年來人造衛星技術的發展,為氣象科學推開新的一扇窗。來自歐洲太空總署、搭載光譜分析儀的衛星 IASI ( Infrared Atmospheric Sounding Interferometer ),讓東京大學的研究團隊,可以利用其所搜集到的大氣水氣資訊,在氣象預報的模型中,第一次嘗試納入同位素資訊的考量來做分析。

-----廣告,請繼續往下閱讀-----

我們都知道,擁有相同質子數、不同中子數的氫與氧元素之同位素,會讓個別水分子的重量變得更重或輕一些。水分子同位素對氣相和液相轉換相當敏感,與一般的水分子 H2O 相比,較重的水分子如 H2HO 或H218O 會更傾向於凝結成水珠,或更難蒸發。因此蒸發與降雨過程等大氣運動,便會影響不同同位素水氣分子的分佈。追蹤它們的行跡,能增進我們對氣象系統的瞭解。

研究團隊以 2013 年在日本發生的低壓事件作為參照,發現納入同位素的數據之後,氣象模型能更好地模擬這次事件的整體氣壓情形。而在全球的尺度,尤其是中緯度及北半球地區,融合同位素資訊後,氣象預報如氣溫及濕度預測的準確度,也都有所提高。雖然這只是初步的探究,但科學家期許,未來進一步完善氣象觀測衛星對同位素資料的收集,能使人類更往精準氣象預測的目標邁進。

人造衛星就像是科學家的千里眼,能觀測千里之外的風雲變化。發展衛星技術,不僅能讓我們更精準預測氣象,在全球化的現代,也能在國際上發揮「Taiwan Can Help」及互助的精神;各國對航太技術的投入與數據資源共享,更是科研工作與人類社會的一大福音。

福爾摩沙衛星拍攝的美麗福爾摩沙島。圖/國家太空中心

參考文獻

-----廣告,請繼續往下閱讀-----
所有討論 2
科技大觀園_96
82 篇文章 ・ 1126 位粉絲
為妥善保存多年來此類科普活動產出的成果,並使一般大眾能透過網際網路分享科普資源,科技部於2007年完成「科技大觀園」科普網站的建置,並於2008年1月正式上線營運。 「科技大觀園」網站為一數位整合平台,累積了大量的科普影音、科技新知、科普文章、科普演講及各類科普活動訊息,期使科學能扎根於每個人的生活與文化中。

0

9
0

文字

分享

0
9
0
不只能「透視海底」還可判釋水稻田!淺談福衛五號的影像多元應用
科技大觀園_96
・2021/08/23 ・2533字 ・閱讀時間約 5 分鐘

福衛五號幫助研究人員算出海底地形、找出稻田分布。圖/fatcat11 繪

「透視」海底,用福五影像逆推東沙環礁水底地形

中央大學太空及遙測中心的副教授黃智遠、副教授任玄及副教授曾國欣選定東沙環礁,測試福衛五號影像反演水底地形的能力。成果顯示,在訓練資料品質佳的情況下,以福五影像建置水底地形的精度與超高解析度衛星影像的成果相當,可協助內政部產製電子航行圖、環境監測、生物棲地研究等。 

傳統常以船隻搭載聲納,或飛機搭載光達的方式量測水深,這兩種方式皆須現地量測,精度高,但成本也高,且淺海與爭議水區的量測會受限。多光譜光學衛星影像能穿透約 20 公尺深的潔淨水體,成為廣泛調查淺水域的潛力方式。

要以衛星光譜影像反演水深,仍需收集訓練資料(例如地形的現地量測資訊)當作「教材」,讓電腦建立正確的模式參數。「沒有太多人為擾動影響、卻又要有高品質的訓練資料 ,同時符合這兩個條件的就選東沙環礁了!」東沙環礁有精密的光達測深資料,還有海水潔淨、淺水域面積廣大等優點。

此項技術的訓練方式是,輸入衛星影像各波段數值(主要為透水較佳的綠光波段)及其對應的實際水深訓練網路,網路模式訓練完成之後,輸入目標區域的衛星影像數值,就能推算出每個像素對應的水深資訊。

-----廣告,請繼續往下閱讀-----
福衛五號衛星於 2018 年 3 月 2 日所攝得東沙環礁影像。圖/國家太空中心提供

為了衡量福五影像的表現,團隊也拿超高解析度商用衛星 WorldView2 的影像反演水深,比較兩者成果。福五反演的水深成果精度達 1.62 公尺,雖略遜於 WorldView2 的 1.26 公尺,但相差不遠。

黃智遠解釋,相較於房屋、橋梁等地物地貌,水下自然地形的局部變化通常較小,所以對於衛星影像空間解析度的要求也較低。在反演水深的應用上,使用福五或超高解析度衛星的差異不大,福五反演僅局部區域比實際地形略深。

光譜反演的挑戰在於訓練資料蒐集困難,不過,透過衛星影像產製水深還有另一種稱為「立體對測量」的方法。福衛五號可以對地「立體取像」——人的視覺因左右眼視角差異而能感知立體,資料也能整合不同角度的衛星影像產生視差,萃取出目標物的數值地形模型,再以此當作訓練資料,進行模式訓練、反演水底地形。

過去團隊與內政部合作,在東海南海的許多島礁進行水深反演,已累積起一套決策樹,考量目標區域具備的資料庫、資料品質、成本等,可為不同地區挑選、整合不同的水深產製方式。

-----廣告,請繼續往下閱讀-----
東沙環礁水底地形。圖/研究團隊提供

雙衛星搭檔,提高水稻田判釋精度!

水稻田分佈判釋是行政院農委會農糧署年度重要工作項目,農糧署與臺灣大學理學院空間資訊研究中心教授朱子豪、遙測及資料加值組組長張家豪合作,以福衛五號影像結合合成孔徑雷達衛星影像判釋水稻田,正確性達 92%,大幅提高偵測精度。 

由於雲林有充足的基礎資料可供驗證與訓練模型,研究團隊選定雲林做為研究區域,試驗福五的影像用在水稻田判釋可達多少能力。 

團隊使用福衛五號影像,搭配 22 組歐洲太空總署合成孔徑雷達衛星「Sentinel-1」的開放資料,並試驗了三種方法:僅使用福五(光學)影像、僅用雷達影像、兩者相互搭配。結果顯示,整合兩者的效果最好,判釋正確性最高可達到 92%,高於單用光學或雷達影像的 90%、80%。

「光學衛星最大的限制就是雲!」雲會遮擋目標、影響判釋,而農作物判釋的取像時機又相當關鍵,取像時有雲就沒輒了;合成孔徑雷達衛星會主動發射微波到地面再接收反射波,可穿透雲層,不受雲覆與日照影響,可補強不同時期影像,取得水稻田從插秧、成長、結穗的時序變化資訊。

-----廣告,請繼續往下閱讀-----

本研究的突破在於,只用了單一分類器全自動判別的條件下,偵測精度大幅提升,更是首度只用一個時間點、單張光學影像就達到了。團隊對此也相當興奮,「可能因為福五當時在 11 月取像,剛好是水稻結穗時,影像特徵與其他作物差異較大。」張家豪解釋。 

推測了面積,可以進一步推估產量嗎?「一公頃稻作能收成 1,000 公斤或 4,000 公斤,有太多因素影響了。」朱子豪說。溫度、溼度、施肥、天災、病蟲害等都會影響收成,此類研究在平遂的情況下可大致估產,尚難達成精確估產。

福衛五號的自然彩色影像,綠色標記為水稻;黃色標記為非水稻。圖/研究團隊提供

掌握物候特徵是判釋關鍵

未來若要擴大範圍,判釋全國水稻田面積,由於各地農民栽種時序、田間管理多變,如何選擇適合的取像時間會是一大挑戰;若要擴展到判釋其他作物,則得視其生長特徵進行更多的分析比對。

張家豪舉例,判別柑橘類的常年果樹、葉菜類極困難,果樹在光學影像上看起永遠是綠色一片,也無足夠的栽種方式差異、生長週期特徵和其他特性可區辨;檳榔、椰子、香蕉從空中看都是放射狀葉片,雖可參考栽種密度與高度,但影像的空間解析度也得提高至 60 公分才能精確判別;蔥、蒜皆屬旱作,需要空間解析度優於 60 公分的影像,搭配如地區性栽種時序、田埂排列鮮明的地表特徵,有機會判釋成功,「但要是田裡混作個青江菜,就分不出來了。」

-----廣告,請繼續往下閱讀-----

梅樹是另個成功案例,它在 12 月下旬會落葉,隔年 2 月開花長葉結果。團隊曾執行判釋南投水里梅樹的研究,標定幾個時間取像,「若有某個區域在十月是綠葉、入冬出現裸露地特徵、然後變得白白的(開花)、四月又出現綠葉,那就很可能是梅樹!」但李子與梅樹的影像呈現類似,生長期也相近,要是沒在生長期重疊前順利取像,就會混淆兩者。

以衛星影像判釋作物不光是直白的「看照片」或分析光譜,掌握作物的「物候特徵」才是關鍵。

-----廣告,請繼續往下閱讀-----
科技大觀園_96
82 篇文章 ・ 1126 位粉絲
為妥善保存多年來此類科普活動產出的成果,並使一般大眾能透過網際網路分享科普資源,科技部於2007年完成「科技大觀園」科普網站的建置,並於2008年1月正式上線營運。 「科技大觀園」網站為一數位整合平台,累積了大量的科普影音、科技新知、科普文章、科普演講及各類科普活動訊息,期使科學能扎根於每個人的生活與文化中。