2025年11月22日 星期六

【與時間賽跑的關鍵決策】堰塞湖防災必須探討的八大關鍵議題

期因馬太鞍溪堰塞湖災害,我與許多同仁與專家討論了不少關鍵議題。為了整理這段期間的思考,我決定把心得記錄在部落格上。同時,我也重新反思這兩年多來使用生成式 AI 後,工作方式出現的明顯改變。

包括這篇文章在內,我現在多以口述方式表達想法,再交由 AI 協助整理文字。這讓我能隨時記錄靈感,不受限於打字速度,只要把內容說清楚,AI 就能快速精煉成可閱讀的文章。

最近也趁 Gemini 3.0 發佈試用了圖表生成與直接產生簡報的功能,成果相當令人驚艷。AI 的加入,讓我能把更多時間投在更有價值與創造性的思考上。

或許,這篇文章的意義,不只是討論災害議題,也是一段我與 AI 共同成長的工作記錄。

使用NotebookLM資訊圖表功能製作(註:似乎AI將「堰塞湖『壩體』」誤解為人工壩體)

因NotebookLM無法修改,所以用Gemini 3.0重新產製資訊圖表如下:



堰塞湖防災必須探討的關鍵議題

一、堰塞湖與崩塌事件的特性

1. 時空不確定性高

  • 堰塞湖與大規模崩塌具有高度空間與時間的不確定性,事前難以精準預警。

  • 目前《災害防救法》僅將土石流大規模崩塌列為法定災害。

  • 一般崩塌與堰塞湖事件的治理,由中央、地方各級政府依屬地主義分工處理。

2. 堰塞湖存續時間短

  • 超過 50% 的堰塞湖在形成後一週內會自然破壞或消失。

  • 因此「第一時間發現」比長期監測更關鍵。


二、堰塞湖偵測與通報方式

1. 現行偵測管道

  • 人工巡查、通報(地方、民眾、警政消防單位)。

  • 遙測影像方式:

    • 光學衛星

    • 雷達衛星(SAR)

  • 但上述方式均存在 通報速度與時效性不足 的問題。

2. 未來發展:整合地動訊號的快速偵測

  • 運用地震地動資料(加速度、速度波形等),可快速推估:

    • 可能發生大規模崩塌的位置

    • 潛在堰塞湖形成區域

  • 目標是在地震後數十秒~數分鐘內快速揪出可能形成堰塞湖的地點。

  • 已成為國內外科研與防災機制改革的重要方向。


三、堰塞湖壩體穩定性與瞬間潰決判斷

1. 為何立即判斷壩體穩定性至關重要?

  • 決策差異極大:

    • 瞬間潰決(highly unstable)→ 立即疏散

    • 相對穩定(可爭取時間)→ 工程處置+預警管理

2. 常用的 DBI(Dam Breach Index)指數

國際實務上常利用 DBI 指數評估壩體是否可能瞬間潰決,具多年驗證。

DBI 指標

意義

DBI < 2.75

壩體較穩定,不易瞬間潰決;可依壩體溢流時間安排防災應變。

DBI > 3.0–3.08

壩體極不穩定,具瞬間潰決高度風險;應立即疏散下游居民。


四、快速掌握壩體與崩塌地形資料

1. 為何快速地形至關重要?

  • 判斷堰塞湖規模、壩體高度、蓄水量、潛在洪峰量。

  • 是決定工程處置與疏散策略的核心依據。

2. 可用資料來源與技術

  • 空載光達(機動性高、精度佳) → 災後地形最重要來源之一

  • 衛星影像(光學/SAR)

  • UAV(無人機)空拍

  • 三維重建(影像匹配、SfM 等)
    → 可快速掌握崩塌土砂分布、壩體幾何形態、蓄水變化。


五、工程處置與風險管理策略

1. 工程方式降低危害(Hazard Reduction)

若壩體被判定為「相對穩定」,且重機具可抵達,可採用:

  • 工程降挖壩頂

  • 人工開溝(緊急洩流道)
    以降低蓄水量、降低破壞能量。

2. 降低暴露度(Exposure)

  • 針對下游保全家庭進行疏散、分級避難。

  • 優先協助弱勢族群提早撤離。

3. 增加防災韌性(Resilience)

  • 河道疏浚

    • 擴大通洪斷面、降低未來洪水阻塞風險。

  • 強化下游堤防與緊急導流措施。


六、潰決模擬與疏散範圍決定

1. 以數值模擬決定淹沒範圍

潰決洪水模型可模擬:

  • 最大洪峰量

  • 洪峰到達時間

  • 下游淹沒範圍

  • 各受影響村落的時間序列

此為決定疏散與警戒範圍的唯一科學方法。

2. 二次災害的長期影響必須評估

堰塞湖潰決後的土砂可能:

  • 造成河道淤積

  • 降低通洪能力

  • 使未來颱風洪水風險倍增

需建立中長期河道整治與監測計畫。


七、監測、預警與應變啟動時機

1. 監測工具

  • 水位計

  • 壩體位移/傾度監測

  • 即時 UAV 空拍

  • 光達或雷達掃描(視情況)

可判斷壩體是否出現破壞徵兆。

2. 疏散啟動依據

依據:

  • DBI 指標

  • 水位上漲速率

  • 壩體變形或滲流狀況
    啟動分級疏散,確保居民安全。


八、資訊透明與民眾風險溝通

  • 在壩體仍可能潰決期間,可運用:

    • 直升機或 UAV 即時監看上游洪水狀況

    • 以直播方式公布畫面

  • 目的為讓民眾即時掌握風險,提高防災意識。


九、科研與防災系統持續精進方向(總結)

堰塞湖防災是一項跨領域整合工程,未來需強化:

  • 地震地動觸發崩塌偵測技術

  • 高效率地形資料快速產製

  • 精準堰塞湖潰決洪水模擬

  • 土砂堆積模型與河道演變預測

  • 多單位應變協作、疏散動員與保全戶管理

以建立從偵測、預警、應變到災後治理的完整堰塞湖防災體系。

2025年10月4日 星期六

定時或不定時炸彈?堰塞湖潰決破壞的形式與防災抉擇

在堰塞湖這樣的天然災害風險中,潰壩往往被形容為「定時炸彈」或「不定時炸彈」。因一旦發生潰決,不僅造成下游巨大的災害衝擊,也會讓防災決策陷入兩難。事實上,潰壩大致可以分為三種破壞形式,每一種的特性與防災應對策略都不同。

三種潰壩破壞形式:漸進 vs. 瞬間

  1. 溢流流破壞(圖A)
    溢流破壞相對「穩定」。在水位尚未滿溢之前,壩體仍能維持安全,但一旦有洪水開始溢流,水流會逐步沖刷壩體,導致壩體被侵蝕。這是一種「漸進式」的破壞過程,因此只要能精確推估溢流時間,就能推估危險發生的時間。

  2. 滑動破壞(圖B)
    滑動破壞則不同,它常常在水位尚未滿時就可能瞬間發生。壩體因結構或地基不穩,突然整體滑動、崩塌,屬於「瞬間失敗」的類型。

  3. 管湧破壞(圖C)
    管湧破壞與滑動破壞相似,也可能在水位尚未滿時就毫無預警地出現。當壩體或基礎的滲流壓力過大,導致水流夾帶土砂自下而上衝出壩體外,就會形成「管湧」,進而使壩體瞬間潰決。

相較之下,溢流破壞的時間性可預測(定時炸彈),而滑動破壞管湧破壞的不確定性極高(不定時炸彈),幾乎無法事先掌握。



有關溢流破壞(漸進式)及滑動破壞(瞬間)的實際樣態,可參考這個試驗影片



完整影片連結: https://www.threads.com/@yuhunglintw/post/DPVHZJIj3Hx/media?xmt=AQF0IFgLx8TmuJKPTgDxgnJbtyM9wLqZmTQjlRZJ2afFkQ


那麼,一般我們會如何初步判斷,這個天然壩體是否安定,會不會發生瞬間破壞呢?

如何評估壩體的穩定性?

一般會透過 DBI 指數 來進行初步評估:

  • DBI 指數低:代表壩體相對穩定。

  • DBI 指數其實是在反映壩體的外型與集水區大小,如果壩體「矮矮胖胖」、集水區小,通常穩定性較佳。

因此,在第一時間發現堰塞湖時,最重要的是快速到現場評估壩體的安定性。


防災策略的抉擇:時間及執行面的壓力

  • 壩體穩定(溢流破壞)
    如果確認壩體屬於穩定型,那麼便可估算「溢流時間」,進而推算我們有多少防災準備期。在此期間,如施工時間及施工條件可行,可考慮以工程手段減緩災害,例如:

    • 降低水位

    • 開闢溢洪道

    • 減少壩體受壓情況

  • 壩體不穩定(滑動或管湧破壞)
    若評估結果顯示壩體極不安定,則必須採取 下游居民立即疏散。這是因為我們無法預測潰壩的時間,可能隨時發生。

防災的兩難:安全 vs. 不擾民

防災決策往往陷入雙重兩難。

首先是時間上的抉擇:

  • 提前撤離 能保障安全,但若災害遲遲不發生,居民可能質疑政府「小題大作」;

  • 延遲行動 雖能避免社會困擾,但若潰壩瞬間發生,後果不堪設想。

其次,是 疏散範圍的拿捏
雖可透過模擬分析預測堰塞湖潰決後的影響範圍與水深,但不同的情境及參數設定會造成極大差異。

  • 若採取保守假設,疏散範圍會變得非常廣,疏散人數龐大,對決策者與地方政府形成壓力;

  • 若設定過於樂觀,疏散範圍縮小,則可能導致部分民眾未被納入撤離計畫,一旦造成人員傷亡,風險與責任更加重大。

因此,防災不只是科學問題,更是社會治理與風險溝通的藝術。如何在「安全」與「不擾民」之間,找出科學與人性的平衡,正是每一次災害應變中最艱難的選擇。


案例延伸:瑞士布拉藤冰川崩塌事件

2025 年 5 月,瑞士布拉藤(Blatten)地區發生了一起冰川崩塌災害。事件的時間軸如下:

  • 5 月初:瑞士學者監測發現當地冰川呈現不穩定狀態。

  • 5 月 19 日:基於專業判斷,當局果斷下令疏散居民。

  • 5 月 28 日:冰川最終導致大規模崩塌,掩埋整個城鎮,並形成了一座天然堰塞湖。

事後來看,這是一次非常成功的 監測與預警案例:專家準確判斷了冰川的不穩定性,政府及時做出撤離決策,成功避免了居民傷亡。

然而,如果我們把時間軸往回拉到 5 月 19 日撤離後的第八天或第九天,當地居民依然被迫離開家園,而災害卻遲遲沒有發生。這時候,是否會有人對政府與專家的判斷產生懷疑?是否會有更多的抱怨與不信任聲音出現?

這正是「疏散避難」決策中最大的壓力所在:

  • 提前撤離:保障了居民安全,但可能引發不必要的民怨。

  • 延遲行動:則可能在災害瞬間爆發時,付出難以挽回的代價。

布拉藤事件提醒我們,防災不僅是專業技術的判斷,更是社會信任與風險承擔的綜合抉擇。


堰塞湖一定危險嗎?

並不是所有堰塞湖都會造成嚴重危害,需視 規模大小下游住戶距離 而定。

根據台灣歷年調查,已有 88 個堰塞湖紀錄,相關資料可於農村水保署「技術研究發展平台」查詢。從經驗來看:

  • 小型或距離下游很遠的堰塞湖
    即使潰決,影響有限,下游水位上升可能僅 20~30 公分,不至於造成嚴重災害。這類堰塞湖通常只需 定期監測與關注

  • 堰塞湖的「自然消失」
    並非所有堰塞湖都因潰決而消失,也可能因上游巨量土石掩埋而被填平。

    • 例如:1999 年 921 地震後形成的草嶺堰塞湖,在 2004 年七二水災 後因土砂大量淤積而自然消失。

這顯示堰塞湖的演變並非一律導向「潰壩災難」,也可能以 自然填埋 的方式結束生命週期。



結語:時間與信任的賽跑

大型天然壩就像一顆潛伏的炸彈,有的可以預測引爆時間,有的卻毫無徵兆。對專業防災人員來說,最重要的是 迅速評估壩體狀態,再決定是爭取時間進行工程處置,還是立刻下令疏散居民。這是一場與時間的賽跑,更是一場風險與信任之間的抉擇。

唯有持續提升監測技術、加強跨單位協調,並與民眾建立互信與強化風險溝通,才能在面對潰壩風險時,做出既專業又能被社會接受的決策。


2025年7月14日 星期一

論文太難讀?用這組AI提示詞,快速抓出重點超簡單!

還在苦惱怎麼請AI幫你讀懂一篇論文嗎?這組超實用的「論文導讀提示詞」幫你整理出九大重點,從研究背景、方法到應用建議,通通一網打盡!不只幫你抓住研究精華,還能深入分析每個細節,超適合學生、研究人員或需要快速掌握論文的人。快收藏起來用用看吧!

為了方便使用,不要每次都要重新輸入提示詞,Gemini的使用者,建議將之設成一個新的Gem;如果使用ChatGPT,則設成一個專案!!

活用這個設置Gem 或 專案的方法,也可以建立快速翻譯專區!! 詳如文末。

2025年6月20日 星期五

全球數位孿生技術在防災領域的應用現況、願景與挑戰(Gemini Deep Research生成)

Gemini 2.5在各項能力上均有明顯提升,特別是Deep Research的功能,可以快速產出一份夠水準的書面報告。不僅如此,這份報告還能進一步變成視覺化網頁,並可轉化成一段約10min的Podcast,甚至幫您出一份測驗卷!

Gemini 的Deep Research 加上NotebookLM,真的是自學者的超級利器!

視覺化網頁連結‎Gemini - 防災數位孿生案例計畫

Podcast音檔連結https://g.co/gemini/share/a591029643cf

測驗題考卷:https://g.co/gemini/share/abaecdce193d



2025年4月11日 星期五

災防xAI:強化政府防災韌性的四大行動方略

年來,氣候變遷與極端災害事件頻繁,災害管理正面臨前所未有的挑戰。為提升政府在災前預警、災中應變與災後復原等階段的整體效能,運用人工智慧(AI)輔助決策、整合資訊與模擬風險,已成為全球政府積極探索的新方向。

台灣擁有高度密集的災害資料與技術基礎,如何進一步系統化地推動AI在災害管理的應用,將是行政部門的重要任務。以下是四項具體可行的推動策略,從平台建設到人才培育,逐步建構更智慧且具備前瞻性的災防治理體系。





一、推動AI模型與開放資料的共用平台

設立災防AI模型資料庫及共用平台(如災防版AI-Hub),鼓勵各機關與學研機構共同開發、重複利用、持續優化模型。此一平台不僅能整合各單位已有的AI應用成果,也能促進AI模型與資料集的標準化、模組化與可遷移性,降低開發重工與重複投資的問題。

透過開放共享,災害監測、預測與資源調度等AI模型能更快進入實務應用,提升政府整體反應速度與應變品質。例如山區新生崩塌或堰塞湖偵測模型、淹水模擬AI工具、災情影像自動判釋技術等,皆可藉此平台加以整合與優化。


二、推動跨部會資料整備與標準化

災防資料常分散於各部會,應透過資料治理機制整合氣象、水文、地質、土地、交通等資料,並制定統一的資料格式與API標準,利於AI應用。

現行各部門對資料的蒐集、定義與保存方式不盡相同,造成AI開發過程中需要大量前處理與轉換。若能在現有open data的基礎上,推動跨部會的資料標準化與交換平台,不僅可提升資料品質與時效性,也可促進資料的跨域應用與分析能力。

此外,建立層級化的資料存取權限與匿名化處理流程,亦有助於在保障資訊安全的前提下,提高資料開放程度,加速公部門AI技術的導入與擴散。


三、設立跨部門災防AI工作圈或協作平台

參照「行政院開放資料推動小組」模式,由災防辦公室主導成立「AI災防應用推動小組」,納入內政部、經濟部、交通部、農業部等災害主管機關,定期討論需求、進展與技術瓶頸。

這類跨部門的常設性協作機制,能夠聚焦共同問題、集結資源、建立共識。例如針對AI預測模組在資料串接、效能驗證與操作介面上的需求差異,可透過此平台進行討論與調整,確保模型能實際落地運作。

同時,也能作為與產學研界連結的橋樑,舉辦工作坊、黑客松、技術分享等活動,活絡公私部門的技術交流與資源對接。


四、強化基層同仁AI素養與協力團隊機制

支援地方、NGO與基層機關,培養同仁AI素養及配置AI應用人才,例如透過各大學「災防輔導團隊」模式協助地方政府。

AI不是取代基層人員,而是成為其工作的「智慧助理」。因此,如何協助第一線人員理解AI工具的應用方式與限制,是推動AI災防落地的關鍵一步。透過簡單易懂的培訓課程、實作工作坊與案例演練,可逐步提升基層公務員的數位韌性與協同能力。

此外,導入大學、研究機構與科技新創組成的災防駐點團隊,亦可彌補人力不足與技術落差,形成「中央資源 + 地方場域 + 科技能量」的良性互動模式。


結語:讓AI成為防災治理的加速器

災害管理是高度跨域且即時應變的挑戰,而AI正是協助政府突破資料限制、提升決策效率的關鍵工具。透過制度化的推動策略、完善的資料與模型平台、部會間的協作機制,以及基層人才的養成,我們將有機會打造出更具前瞻性與行動力的智慧防災體系。

讓AI不只是實驗室裡的科技,而是日常災防工作的實用助力——這是我們共同努力的目標。

2025年4月2日 星期三

結合AI與防災教育:以ChatGPT呈現坡地災害類型與定義

在準備防災教材時,您是否常常為找不到合適的照片或插圖而苦惱呢?
坡地災害照片,推薦使用農村水保署建立的「歷史影像平台(https://photo.ardswc.gov.tw/)」,裡面有超過9萬張的歷史災害照片可選用。

但插圖部分,對於像我一樣的美術苦手而言,就是一個難解的問題。

還好,現在有了ChatGPT!!

我們利用ChatGPT協助完成坡地災害類型的插畫製作,提升了圖像資料的準確性與溝通效率。透過AI生成技術,我們能夠快速建立土石流、崩塌、地滑與大規模崩塌等不同災害類型的視覺化圖像,作為教育宣導、災害預警與防救災演練的重要工具。這些插畫不僅協助民眾理解各種坡地災害的成因與差異,也有助於防災人員快速辨識災情類型,提升應變效率。

在說明這些災害類型前,我們必須理解土石流等各種坡地災害類型的定義與特性:

  1. 土石流:通常發生在山區的溪谷地形,當連續降雨或強烈降雨導致大量鬆動的土石混合水流,沿著山坡或溪溝迅速下滑,即形成土石流。其特徵是速度快、破壞力強,常造成下游聚落或道路的重大災損。
  2. 崩塌:是指坡面上的岩石或土壤因重力作用,瞬間失去穩定而突然滑落的現象。常見於陡峭邊坡,受到地震或豪雨誘發,規模可大可小,對山區道路或人為設施構成威脅。
  3. 地滑:也稱走山(大陸稱為滑坡),是當地下水位上升或地層鬆動,導致整個坡面土壤或岩層緩慢滑動,像整體「流動」下移。地滑速度通常較慢,但影響範圍廣,可能持續數天甚至數週,對農地、建築物或交通設施造成長期損害。
  4. 大規模崩塌:是指一次性大範圍的坡面崩落,通常涵蓋數十萬到數百萬立方公尺的土石,具高破壞性與高災害潛勢。此類災害常與強震或持續降雨有關,例如1999年九二一地震的草嶺大崩塌及2009年莫拉克颱風的小林村災害即為典型案例。目前台灣定義崩塌深度大於10m、崩塌面積大於10公頃、崩塌體積大於10萬立方米,任一達到者,即稱為大規模崩塌。

透過ChatGPT與生成式AI技術,我們得以快速建立這些災害類型的代表圖示,輔以清楚定義與災害案例說明,讓防災教育更具體、直觀,也提高民眾的防災知識與應變能力。


圖1 土石流及崩塌案例


圖1 原圖:2008年辛樂克颱風南投縣信義鄉豐丘明隧道災害

圖2 地滑案例(來源2010年國道3號3.1K處走山事件)

圖2 原圖:2010年國道3號3.1K處走山事件

圖3 大規模崩塌案例


圖3 原圖:2009年莫拉克颱風高雄縣甲仙鄉小林村大規模崩塌事件