住在臺灣，天災好像從來不曾離我們太遠。颱風、地震，幾乎每個人都有過親身經歷──有人還記得九二一那一夜的天搖地動，有人忘不了八八水災帶來的滿目瘡痍。雖然我們已經習慣與大自然共存，但下一次的災難，真的有辦法提前準備嗎？

面對颱風、地震這些無法避免的挑戰，該怎麼思考「災害管理」？當人工智慧、衛星遙測等新科技不斷進步，它們能成為守護我們的支援嗎？今天，就讓我們一起來揭開答案。

國立臺灣大學土木工程學系的林偲妘助理教授，專精於災害防治管理、災後災區遙測與 人工智慧辨識等領域。她解釋，災害管理主要可分為減災（Mitigation）、備災（Preparedness）、緊急應變（Response）、復原（Recovery）階段。遙感探測技術（遙測）、人工智慧影像分析，以及衛星技術在其中都能發揮作用。

在「減災」與「備災」階段，災害尚未發生，人們必須未雨綢繆。不同災害在不同地點造成的損失可能不一樣。

「減災」首先要辨識出高風險的區域。一個地方的風險，要綜合考量該對象以及地區的脆弱程度。例如斷層活動區、土壤液化潛勢區、土石流潛勢區，都應該視為高災害暴露度的區域。而存在老舊建築聚落、社經弱勢族群的地區，則會被視為高脆弱度區域。

在此階段，能應用遙測與人工智慧影像技術，分析歷史資料或地表建物環境條件，以預測高風險區域，幫助評估災害風險。得知有哪些高風險的區域後，接下來必須在有限的資源與時間下，針對高風險對象擬定相關對策，也就是進入「備災」的階段。

不過林偲妘助理教授指出，備災考慮的對象不限於高風險區域。即使評估中一個地區的受災機率不高，風險較低，每一個地方也必須提升防災意識，定期盤點救災資源、舉行預演、政策宣導，為可能到來的災害作好準備。

當災害發生後，便來到短期的「緊急應變」，以及長期的「復原」階段。用於應變階段的科技，到了復原階段，也能用於掌握復原進度與品質。

緊急應變時，側重於快速掌握災情、擬定對策、分配救災資源，以利於盡速展開復原行動。遙測技術能快速提供受災區影像，人工智慧影像分析技術則能提升災情辨識效率，幫助救援單位決策。此兩者也能用於即時監測地形與氣候變化資訊，進行災害預警。衛星技術可以協助蒐集空間資料，以及提供緊急通訊備援，與精確定位的資訊。

討論災害管理時，常常會提到「韌性」（Resilience）的概念。意思是：社會、基礎建設或生態系統面對災害時的承受能力、適應能力，以及在災後迅速恢復的能力。

林偲妘助理教授表示，一般會分成不同面向討論如何提升韌性。假如目標是加強災害時的「承受能力」，也就是希望在災害發生時，能夠盡可能保持原有的功能性。那麼加固現有建築、提升基礎建設耐震能力，便有助於提高面對地震災害的韌性。

「適應能力」意思是災後多快可以掌握災情、擬定對策、分配救災資源，進而展開復原行動。加強民眾災防意識、災防演練、備妥救災物資、事先擬定各種情境之 SOP，都能加強適應方面的韌性。

「恢復能力」指的是受到災害影響後，社會、基礎建設或生態系統等，要花多久才能回復一定的功能性。林偲妘助理教授補充說明，由於災害狀況不一，也可能遭到不可逆之破壞，因此恢復講的是一定的功能性，而非完整回到原有的功能性。有些時候甚至會大破大立，藉機推動新的建設，也有機會提升最終的功能性。

救災概念下的遙測、衛星等名詞，具體上是什麼意思呢？林偲妘助理教授解釋，「衛星技術」泛指人造衛星所有相關應用，根據搭載的儀器而異，例如光學遙測、合成孔徑雷達（synthetic aperture radar, SAR）、氣象資訊、GPS 定位等。

「遙感探測技術」指採取不接觸的方式，如衛星、飛機、無人機等設備，蒐集地表環境資訊的技術。可以取得的資訊包括：光學影像、雷達數據、紅外線、大氣數據，以及熱成像等。

得到資訊以後，能依靠人力判讀，分析數據或辨識特定目標，也能使用影像辨識相關的人工智慧技術（例如深度學習模型）判讀資料，節省人力與時間。像是邊坡監測、洪水監測、辨識災區受損程度、標記危險區域、偵測特定物件之空間位置等。

許多新的科技問世後，成為防災、救災的利器，近來突飛猛進的人工智慧也不例外。林偲妘助理教授舉例，人工智慧可以用於大範圍的災情評估。取得大面積的衛星或遙測影像，搭配影像辨識模型，以判斷受災範圍，像是洪水、森林野火的監測，已經有不少應用。

對於建築物、道路的受損程度，也能進行初步分級，例如分類為無損、輕微、中等、嚴重。藉此輔助判斷救災的優先次序、規劃救難路線。也能估計受災人數、受損建物量體，進而評估救災所需資源。

人工智慧不只能大範圍掃描，也可以結合不同科技，針對個別建築物之小範圍分析。例如進入因地震而倒塌的建築物內搜救，可以先利用無人機空拍，避免地面視線的死角，建立建築物更全面的三維資訊，取得如建物傾斜程度、出入口大小等資訊，協助擬定更安全、有效之搜救策略。

還有一些工具的使用對象，是受到災害的個人。例如臺大土木工程學系的林之謙副教授與吳日騰助理教授，便開發出一款手機 App，讓民眾在震災後拍攝家中受損梁柱的照片，初步判斷是否有危險或是補強需求，再尋求後續協助。

然而，人工智慧也可能誤判。林偲妘助理教授解釋，模型的精確度受到訓練資料影響，假如資料數量不足，或是取材偏差，都可能影響模型判斷的結果。影像辨識的誤判，可能受到雲層遮蔽等天候因素，或是周圍行道樹、建築物等遮蔽物影響。此外，有些關鍵資訊，如建築物內部結構之損壞，本身就不容易由外部影像觀察而得。

要解決問題，必須給予更充足，更好的資料。像是增加多元的數據（例如結合光學影像與合成孔徑雷達的資訊）、持續蒐集資料並加強模型訓練、適應不同地區之特徵，還有使用多模態模型（結合影像、文本和非影像感測數據）進行辨識。也能利用「主動學習」（Active Learning）技術，提高人工智慧於災後情境的適應能力。或是透過「人機協作」（Human-in-the-loop）機制，再由專家二次確認，減少誤判的風險。

衛星、遙測、人工智慧等科技，世界各地已經有不少地震、颶風、洪水、野火救援的實際應用。林偲妘助理教授舉例，「Sentinel-Asia」網站提供重大災害報告，能從中找到 2022 年的臺東地震（918 地震）、2023 年的土耳其－敘利亞地震等紀錄。歐洲的「哥白尼計畫」（Copernicus Programme）則提供衛星技術服務，協助探討大氣、海洋、大地、氣候變遷等議題。

臺灣也有許多應用，像是監測休火山、長期監測大規模崩塌潛勢發生區位等。另外像是 918 地震後，利用空拍機取得花蓮玉里鎮高寮大橋影像用於三維建模，算是針對單一建築物，以空拍機取得資訊，搭配點雲技術（point cloud）進行建模的實際案例。

想要順利將新科技導入災害管理，需要不同領域的人才投入合作。包括遙測與地理資訊專家，操作衛星影像處理；人工智慧與數據分析專家，分析影像與預測模型。而更高的層次中，還需要救災管理的專業，規劃、準備、實施計畫的每個部分。