在前幾期電子報中介紹了聯合國政府間氣候變遷專門委員會（Intergovernmental Panel on Climate Change, IPCC）發布的第六次評估報告(AR6)的情境模式與預測等研究，讓我們了解未來自然環境面臨的威脅與挑戰。儘管世界各國已針對全球暖化提出淨零排放的積極政策與作為，但就現況來看，氣候變遷下極端氣候造成災害頻率和規模漸增的危機，始終無法忽視。根據世界氣象組織WMO Atlas of Mortality and Economic Losses from Weather, Climate and Water Extremes (1970 – 2019)統計資料顯示，在過去50年中，災害事件已增加了三倍以上，然而值得慶幸的是，災害造成的死亡人數反而迅速下降。世界氣象組織秘書長Petteri Taalas說明此現象是由於世界各國防災預警機制日漸改善與進步，得以拯救了數萬條寶貴的生命。雖然死亡率下降，但經濟損失卻大幅增加了7倍左右(圖1)。

災害預警系統(Early Warning System, EWS)係由環境風險資訊、硬體監測預警設備、即時物聯網和社區防災計畫四個部分組成(圖2)。在世界氣象組織的193個會員國中，僅一半的國家建立了災害風險預警系統，未來要如何因應頻率與強度俱增的災害事件是國際上所重視的議題，其中監測及預警設備乃是整個系統中至關重要的部分。隨著近年來各種分析技術日漸成熟，除了可以利用遙測技術幫助開發中國家以低成本的方式蒐集環境資料外，應用數值模擬整合地理資訊系統也發展出各式監測和預警的功能，為日後防減災極具潛力的新興科技。

為輔助全球洪水事件前的防災對策訂定，歐盟緊急管理服務(Copernicus Emergency Management Service, CEMS)特別針對跨國性的大型流域，利用水文數值模擬結合氣候模式開發了全球洪水預警系統(Global Flood Awareness System, GloFAS)，即時監測並針對超過警戒值的區域進行預報。經過兩年的測試結果顯示，此預報模式於大型流域中可以達到提前一個月的預測，而模擬的準確度則取決於模型的初始條件設定及不同區域性的水文模型參數。自2011年以來此系統提供各地每日的洪水預報，並在2017年11月起提供每月季節性逕流量預測。GloFAS建置了免費的圖資展示平台(圖3)，透過圖層展示當前和未來的水文氣象資訊，包括不同重現期距的降雨逕流與洪水預測、土壤濕度、重要水庫湖泊點位、降雨機率等多元的圖資，也可展示特定點逕流量預測的詳細資訊(圖4)。GloFAS被應用於2020年孟加拉水災實例(圖5)，其降雨預測和洪水規模模擬結果與當地實際情況相當一致。雖然根據河川水位測站估算的河川流量明顯低於GloFAS預測的流量值，但因季風期間的流量測量具有很大的不確定性，因此GloFAS 預測結果仍被認為可能是真實的洪水訊號(Alfieri et al, 2013)。

儘管GloFAS洪水災害預警系統透過先進的數值模式可達到一定的準確性，但除了存在著模式參數於時間及空間等的不確定性外，對於資源匱乏的國家，若想建立類似的預警系統，則未必有這樣的條件與資源。HazMapper是利用Google Earth Engine(簡稱GEE)建置的開源風險地圖(圖6)，可線上即時運算並展示過去或近期的災害風險，其應用的災害種類，包括崩塌、土石流、野火、火山岩屑流、熔岩流等(Scheip et al., 2021)。透過GEE的Sentinel-2及Landsat-7、Landsat-8光學衛星影像資料集，以前後兩期影像的標準化常態植生指標(NDVI)相對差異值rdNDVI(Norman et al., 2020)，呈現自然災害的潛在影響程度，並將地貌改變特徵以紅色和藍色表示，可從中獲取沖積扇、崩塌坡面、岩屑堆積等資訊。HazMapper已應用於許多案例中，如2019年東非裂谷發生降雨引發的土石流災害，造成房屋、農田與基礎設施的毀壞。比起使用災前與災後兩期光學影像對照，以HazMapper的rdNDVI指數更能清楚地呈現土石流的發生範圍(圖7)。目前HazMapper亦建置官方網站提供更多關於HazMapper的細節介紹，分享豐富的應用案例、程式碼、操作指引及相關使用限制等。

除了上述短期的災害監測預警，長期的大範圍監測有助於了解整體的變化趨勢；此外，偵測環境變異，對於長期的保育對策擬定及短期災害情勢研判也具有相當的助益。提到全球暖化，巴西擁有全世界規模最大且生物多樣性最豐富的熱帶雨林，也是碳吸存最大的來源，並蘊藏著地球上超過12%的淡水資源。同時作為世界第八大經濟體，巴西正面臨著自然資源保育及土地利用的衝突。為了有效緩解這樣的環境風險與衝擊，巴西於2015年成立MapBiomas研究團隊，在有限的預算和時間中利用GEE完成了大規模的土地利用地圖，用以檢測森林砍伐狀況，提供決策者施政的參照(圖8)。而在最新的MapBiomas版本中，除了可以動態的檢視歷年的土地利用面積變化，平台中還新增了野火、森林復育和砍伐、水資源分析等功能(圖9)。

儘管以目前的技術對於精準掌握災害的發生仍有一定的限制，而相較於過去缺乏資料蒐集與遙測影像的時代，各國相關單位已經開始建置環境基礎資料庫及回朔歷史災害紀錄，多元的遙測衛星也如火如荼地出現，並以開放資料型式提供給民眾使用。有了大量的歷史資料及更詳細的環境調查，將有助於模式建置和參數率定，未來若結合人工智慧與大數據，增加訓練樣本數量，災害的監測與預判準確度相信能有一定的突破。

1. Climate change: Big increase in weather disasters over the past five decades：https://www.bbc.com/news/science-environment-58396975
   2. Global Flood Awareness System：https://www.globalfloods.eu/
   3. HazMapper：https://hazmapper.org/
   4. MapBiomas：https://mapbiomas.org/

1. Alfieri, L., Burek, P., Dutra, E., Krzeminski, B., Muraro, D., Thielen, J., & Pappenberger, F. (2013). GloFAS–global ensemble streamflow forecasting and flood early warning. Hydrology and Earth System Sciences, 17(3), 1161-1175.
   2. Norman, S. P., & Christie, W. M. (2020). Satellite-based evidence of forest stress and decline across the conterminous United States for 2016, 2017, and 2018. Gen. Tech. Rep. SRS-250. Asheville, NC: US Department of Agriculture, Forest Service, Southern Research Station, 2020, 151-166.
   3. Scheip, C. M., & Wegmann, K. W. (2021). HazMapper: A global open-source natural hazard mapping application in Google Earth Engine. Natural Hazards and Earth System Sciences, 21(5), 1495-1511.