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

從新聞中挖掘災害風險：七年累積，揭開重複致災的熱區地圖

簡單的事持續做，終會成就大事。 

從2018年7月開始，農村水土保持署每天堅持一件看似平凡的小事──每日蒐集與記錄全台土砂災害相關的新聞報導。這項工作沒有華麗的設備，也不需要複雜的技術，但需要恆心與耐心。七年來，從未中斷，直到2025年3月止，已默默累積了多達1,768筆資料，全部存放於「歷史影像平台」中。這些新聞不僅是一則則災害事件的紀錄，更是時間與空間交織下，山林變化與災害熱點的真實寫照。 這些資料看似零散，但當它們被整理、分類並長期觀察後，就能揭示出具有價值的資訊。

例如，中橫公路台8線117.4k（關原）這個路段，從2019年9月至2023年7月之間，就有高達15則與崩塌有關的新聞紀錄。這不僅代表該處崩塌頻率高，也可能與地質條件、氣候影響有關。若能進一步搭配地理資訊系統（GIS）與氣象資料交叉分析，便能更準確找出重複致災點、潛勢地區，對防災預警與養護資源分配將有極大助益。

 這項看似不起眼的「每日新聞蒐集」，其實已成為災害資料治理的一環。它不僅補充了官方災情通報的時效性與完整性，也能為地方災害熱區提供長期觀測的依據。持續蒐集、持續整理、持續觀察，終將成為一份寶貴的國土資料資產。這就是「簡單的事持續做」所帶來的力量。

提醒：上述新聞災點資料可直接匯出excel及kml檔(詳最後一張圖)，以便加值應用及分析

#歷史影像平台

#土砂災害新聞

https://photo.ardswc.gov.tw/Repository/Database