每到夏季，劇烈天氣往往成為全民關心的焦點。《網路溫度計DailyView》透過輿情分析軟體《KEYPO大數據關鍵引擎》來看「劇烈天氣」近三年（2023/08/11～2026/8/10）網路聲量趨勢，可以發現每逢夏季討論度便顯著攀升，近期更是呈現持續增加的態勢。特別是在2026年6月26日，受到米克拉颱風外圍環流與西南風影響，全臺各地爆發嚴重積淹水災情，不僅有網友直言，「面對這種已經變成常態的極端氣候，城市的防洪韌性真的是一場無止盡的期末考」，也再度敲響中央與地方政府的防災警鐘。

網友的感嘆並非空穴來風，臺灣正處於極端溫差與降水分布不均的考驗前線。中央氣象署署長呂國臣指出，過去6年來臺灣的天氣型態變化極劇，從2020至2022年間幾乎無颱風登陸的「百年大旱」，到2023年至今十餘個颱風襲臺，甚至出現山陀兒、丹娜絲等直接從西部登陸、未經中央山脈屏障的罕見路徑颱風，強風豪雨直接衝擊人口密集區與關鍵基礎設施。此外，如馬太鞍溪上游堰塞湖潰堤等複合性災害，更揭示了現代氣象觀測與防災應變必須「走在風雨前面」的急迫性。

當劇烈天氣逐漸演變成考驗城市生存的「日常期末考」，臺灣該如何透過陸地、海洋、高空到AI算力的全域布局，織就一張能夠精準預警的氣象防護網？這不僅是一場與時間賽跑的科技升級，更是守護國人生命財產安全的關鍵一役。

打破氣象觀測盲區！AI結合陸海空觀測打造臺灣氣象DNA

要應對大氣隨機且複雜的演變，首要關鍵是消除觀測盲區。早期仰賴人工氣象站，全臺僅有約25個站點、站距達20至30公里；如今氣象署已部署1,000多個雨量站，將距離縮短至5到10公里，配合氣象雷達與降雨雷達，大幅補足傳統盲區。

呂國臣以諺語「西北雨，落袂過車路（西北雨，下不過馬路）」來說明區域降雨的劇烈差異，因此氣象署除了採購可移動式雷達進入地形複雜的脆弱地區，更提出「全域陸海空觀測計畫」，整合陸地、海洋與高空的立體數據，為大氣運算準備最完備的「臺灣氣象DNA」。

2023年生成式AI與深度學習技術爆發後，氣象署迅速建構GPU算力，並引進多種國際開源AI模型。呂國臣表示，目前預報作業已導入約15個颱風AI路徑預報模型，預報員透過每6小時的驗證與動態權重調整，讓大尺度路徑預報精準度大幅躍升，「過去1、2年天氣預報、颱風路徑預報的誤差快速下降」。

然而，現行AI模型在小範圍降雨推估上仍有局限。氣象署除了與NVIDIA輝達、Google等科技巨頭合作，更攜手國科會及各大氣學門學校組成區域聯盟，致力開發臺灣本土的高解析度AI預報模型，讓預報效益從大範圍路徑延伸至微觀天氣。

「氣象預測的價值在於被使用」，呂國臣特別強調氣象服務與防災溝通的本質。氣象署不僅透過跨部會合作協助防災決策，例如借鏡公路局預警封路的概念，「讓風雨先行，我們再走」，更積極展開偏鄉科普教學與媒體研習，提升國人的氣象素養。

展望未來，隨著算力、在地AI模型與全域陸海空數據的整合，氣象署將打破現有368個鄉鎮市區的預報架構。呂國臣期許未來的氣象服務進一步細緻化，「希望將來能夠從鄉鎮市區預報導入AI之後，有機會進到村里天氣預報」，並提供逐小時、甚至劇烈對流發展時逐10分鐘的即時降雨趨勢，將氣象數據轉化為守護民眾生命財產的最佳防線。

飛進颱風核心！「追風計畫」投落送深入高空捕捉第一手風雨數據

當颱風在遠洋生成、步步逼近臺灣時，大眾習慣透過氣象雲圖關切其動向；在氣象署的觀測團隊中，則有一群研究員正在執行兼具高難度與精準度的空中監測任務。氣象署副研究員陳得松指出，面對全球暖化下強度加劇的極端天氣，除了人造衛星與氣象雷達，關鍵的空中觀測主要仰賴執行多年的「追風計畫」。透過飛機深入颱風周邊高空投擲「投落送（Dropsonde）」，即時將風速、氣壓與溫濕度等資訊送回地面，為颱風預報提供最核心的實測數據。

看似簡單的一根圓柱體，內部卻裝載著極為精密的氣象儀器。陳得松解釋，投落送解剖開來包含降落傘、GPS天線與接收器，以及氣壓、濕度感測器等。當飛機飛到海拔13,000公尺高空、到達指定觀測點時，工作人員會將投落送從飛機腹部特製的管線塞入並投擲出去。

這項觀測技術的精密之處，在於高頻率與高密度的數據回傳機制。陳得松提到，投落送內部裝有GPS，數據傳輸速度極快，「0.5秒就會接收一支訊號」，藉由位置的變動精準計算出風向與風速。從13,000公尺的高空掉落到海面上，整個過程大約只需10分鐘。這些觀測數據會即時傳回飛機，再透過衛星電話同步發送回氣象署超級電腦與全球氣象作業單位。

數百萬追風任務不只看颱風！投落送資料助攻天氣預報與防災應變

執行一次追風任務需要動用極高的人力與物力成本。陳得松表示，目前氣象署與漢翔公司合作租用飛機，1小時租金將近70萬元，單趟任務約耗時5小時，光是飛機租金就高達300多萬元；再加上一個投落送約5萬元，單趟任務投擲15至20個，「每一次任務大概就要花掉4、500萬元」。

正因為成本高昂且颱風周邊天氣惡劣，任務啟動前的決策工作極為嚴謹。氣象署通常在5天前開始關注颱風動向，3天前密集開會，並評估各國電腦預報模式的分歧度。陳得松強調，「預報比較不確定，然後也有可能侵襲臺灣的時候，就會做投落送的觀測計畫」。此外，飛行路線若跨越日本、香港或菲律賓的飛航情報區（Flight Information Region，FIR），更需提前48小時提出申請，由經驗豐富的漢翔機師協助避開強對流與劇烈天氣，確保飛航安全。

陳得松將投落送觀測形容為醫院裡的「標靶治療」、「醫師聽診器」，當需要特別了解某個颱風的風速結構與周圍環境時，就派飛機去做投落送的觀測任務。他也提及投落送資料進到氣象署後有三大用途：一是輸入超級電腦改進數值預報模式；二是進入預報中心系統，協助預報員精確判斷颱風的七級風或十級風暴風半徑；三是即時分享給全球氣象單位。數據顯示投落送對颱風路徑預報的準確度提升約 7%，對於是否停班停課、防颱應變等關鍵時刻來說相當重要。

行政院已核定投落送觀測經費將由每年1,000萬元倍增至近2,000萬元，預計持續6年注入資源。自2003年啟動「追風計畫」至今已逾20年，臺灣持續累積優異的颱風科研實力，在國際颱風研究領域扮演重要角色，讓世界看見臺灣的科研能量。

從人工記錄到全天候監測！自動化觀測捕捉劇烈天氣第一時間

走進新北氣象站，最吸睛的莫過於打破傳統長方形設計的圓形「觀測坪」。隨著科技演進，過去仰賴人工定時前往百葉箱記錄溫溼度的時代，已漸漸被地面氣候自動觀測系統（Automatic Climate Observing System，ACOS）取代。新北氣象站主任徐仲毅指出，自動化系統具備不間斷、高頻率傳輸的特性，擺脫了傳統人工定時觀測的限制，能夠更及時地捕捉短延時強降雨、強陣風或午後雷陣雨等小尺度劇烈天氣。

觀測坪配置多款精密的氣象感測儀器，其中最顯眼的是三組帶有白色遮罩的溫濕度儀，遮罩內設有通風裝置，既能保持空氣流通，又能防止太陽直接照射，確保量測到的是真實氣溫而非受環境加溫的數值。徐仲毅補充說明，環境對觀測品質至關重要，「一個標準的觀測坪都必須要有淺草覆蓋，而且要避免熱源」，如此才能避免陸地鋪面吸熱干擾數據。

此外，觀測坪還設置每傾倒一次代表0.5毫米累積雨量的傾斗式雨量儀、感應降雨時間的與水感知器，以及能分析雨滴粒徑大小與落速的雷射式雨滴譜儀；後方則有蒸發皿與量測草溫、地溫的土壤溫度計，結合頂樓的光學觀測儀器與風力塔，組成地面的立體監測網。自動化系統無時無刻傳輸大量連續資料，使預報中心與防災單位能在劇烈天氣剛萌芽時便第一時間接獲告警。

新北氣象站開發「微型探空儀」！導入AI技術提升高空觀測密度

除了例行的地面觀測，新北氣象站亦承擔研發任務，致力於開發「微型探空儀」。徐仲毅表示，許多區域性的大氣研究（例如空氣污染模式）極度需要高時空密度的低層大氣數據，但若一味使用傳統作業用的高空探空儀，成本相當昂貴。經團隊評估，「一個作業用的探空成本，等同於五個微型探空」，展現出極高的成本優勢。

微型探空系統整合了自主產氫機、中控料倉與自動施放機器，主要鎖定11至12公里以下的大氣數據。微型探空儀除了體積較小之外，團隊亦同時導入了AI的資料處理技術，將其觀測數據與國際公認標準——芬蘭Vaisala RS41探空儀進行比對與校驗。一旦驗證成功，未來就能以更低廉的成本在全臺布設更多探空站點，顯著提升大氣剖面觀測的解析度。

在高空觀測領域，氣象氣球的施放是一場全球統一的精密行動。徐仲毅說明，作業用探空儀在常態下每天施放兩次，時間固定於世界標準時0時與12時（即臺灣時間8時與20時），呈現出「全世界的氣球同時一起施放」的壯觀景象，讓全球氣象單位能同步取得高空大氣資料。若逢颱風警報或大規模豪雨期間，施放頻率則會加碼至一天四次。

徐仲毅回憶，2024年康芮颱風侵臺期間，站內曾測出12級強陣風，此時自動施放設備無法運作，否則氣球一出艙就會撞擊牆面或樹木，因此同仁必須冒著強風暴雨將氣球手持至空曠處施放，確保颱風期間的高空數據不中斷。

隨著儀器自動化，氣象站人員角色也從「記錄員」開始轉變。徐仲毅直言，「我們的精力會花在解決這個資料到底是不是正確的這件事情上面」。工作人員須即時監測儀器運作狀態，過濾動物闖入和環境雜訊造成的數據突跳，並透過比對鄰近測站與雷達回波，判斷數據異動究竟是設備故障，還是真實發生的極端天氣。

整體而言，衛星與雷達等遙測系統負責觀測大範圍的天氣系統移動與發展；地面測站與高空探空則提供精確的點位真實數據與垂直大氣結構。地面的實測數據能反過來校驗遙測系統的推估，三者相輔相成，串連起從高空到地面、從大範圍到小尺度的立體氣象監測網，為臺灣的天氣預報與災害防救提供數據支撐。

四面環海更要掌握海況！浮標、潮位站全面監測海域變化

臺灣作為一座海島，無論是沿海居民的防災應變、漁民的海上作業，或是民眾的離島航運與水上休閒，都與周遭海域的變化息息相關。然而，相較於陸地上密密麻麻的觀測站，浩瀚無垠的大海缺乏基礎建設，要即時掌控海況極具挑戰。氣象署海象氣候組海象監測科科長宋紹良指出，海象監測科的主要職責，就是維運氣象署遍布臺灣周邊的海象觀測網，透過第一手的即時監測資料，為劇烈天氣、颱風及海嘯警報提供最堅實的決策依據。

目前氣象署建立的海象觀測網，包含12座海氣象資料浮標站、30座沿海潮位站，以及1座位於臺東成功的浮球式波浪站。宋紹良說明，12 座浮標站分布於臺灣周邊及離島海域，最遠的東沙島浮標距離臺灣陸地超過200公里，負責收集海面上的風速、風向、海流及波浪等數據；30座潮位站則設於陸地邊緣，監測沿海水位變化與海溫；臺東成功的浮球式波浪站則專精於當地海域的波浪觀測。

為了讓這些獨自漂浮在海上的觀測站穩定運作，技術團隊克服了嚴酷的環境限制。宋紹良展示浮標模型時提到，浮標殼體內部是一個密封空間，裝載著資料處理器與蓄電池。由於海上沒有實體電線與網路，電力主要靠頂部的太陽能板充電供電，並搭配鉛酸電池或鋰鐵電池儲能；通訊方面，他也解釋「一般比較近岸，我們可能會利用4G、類似手機基地臺把資料回傳，比較遠洋的部分像是東沙島浮標，我們可能就會利用衛星的方式把相關資料即時傳送回來」。

劇烈天氣下最前線警報器！海象觀測升級築起民眾安全防護網

與陸上氣象站「壞了隨時派人去修」不同，氣象署並沒有自己的船隻，必須仰賴民間漁船、國科會研究船或海軍測量船協助。宋紹良表示，工作團隊通常會在陸地上將觀測儀器、浮標與錨繫設備全部整備組裝完成，採取「一套換一套」的方式，原則上每年做一次布放與回收。

不過這種運作模式帶來了極大的維護挑戰。當海上資料突然中斷或出現異常時，工作人員無法立刻衝到現場，只能透過背景知識進行「推理」，研判究竟是儀器故障還是天氣劇烈變化所致。為確保官網公開資料與防災單位決策不失真，氣象署採用自動化檢核與人工審查雙軌並行。「人工的部分其實還是有扮演他的重要性」，宋紹良說，極端天氣下自動化機制有時會誤把正常數據當成錯誤值剔除，這時就需要經驗豐富的人員進行人工判定，若確認異常則會立即暫停供應，確保資訊準確度。

當颱風或劇烈天氣襲來，海象觀測網便成為最前線的警報器。以長浪與巨浪為例，氣象署訂有明確的告警標準：當波浪週期達8秒以上且浪高達到1.5公尺時，就會發布「長浪即時訊息」；若浪高達到6公尺，則會觸發嚴重的「巨浪告警」。此外，針對可能引發海水倒灌的暴潮，潮位站會即時監測水位變化；位於臺灣東南與西南外海的2座海嘯預警浮標，則能針對遠地大地震引發的微小水位異常進行監測，爭取寶貴的預警時間。

面對氣候變遷帶來的極端天氣，氣象署正積極進行海象觀測升級。在「全域陸海空計畫」支持下，除了改善龍洞等站點在連日陰雨下的電力與衛星通訊，也嘗試引進鋰鐵電池、燃料電池等新技術，並與專業單位交流研發海上無人載具。宋紹良強調，雖然海上建站困難重重，但透過跨部會資料共享，氣象署將持續提供精準的海象資訊，無論是藍色公路航運、休閒漁港預報，還是衝浪潛水等沿海活動，都能讓國人獲得最完善的安全保障。

【劇烈天氣下被改寫的日常-當地球改變，我們該如何應對？】完整專題請點此

分析說明

分析區間：本文分析時間範圍為2023年8月11日至2026年8月10日。資料來源：大數據(股)公司旗下輿情分析軟體《KEYPO大數據關鍵引擎》。研究方法：《KEYPO大數據關鍵引擎》輿情分析軟體擁有巨量資料，以人工智慧作語意分析之工具資料蒐集範圍：每月處理2000億以上中文資料的網路社群大數據資料庫，其內容涵蓋Facebook、YouTube、Threads、TikTok、Instagram、新聞媒體、討論區、部落格等網站，針對討論『劇烈天氣』相關文本進行分析，調查「網路聲量」(註)作為本分析依據。

*註 網路聲量：透過『KEYPO大數據關鍵引擎』輿情分析軟體，計算社群討論及新聞報導提及的文章則數，聲量越高代表討論越熱，能見度越高。