- 點擊數: 55
研究示警：氣候變遷讓全球野火季逐漸「重疊」 各國消防資源吃緊
清明前後，掃墓與農事用火增加，野火風險也跟著升高。一項刊登於《科學進展》（Science Advances）的研究，根據全球氣象資料分析歸納出「極端火災天氣」（Extreme Fire Weather），發現容易引發野火的天氣型態，在過去近半個世紀大幅增加。南美洲每十年就增加17天的「極端火災天氣」，為全球最嚴重地區。
閱讀全文
國外新聞
- 點擊數: 58
大西洋沿岸發現逾3.8萬隻海鳥屍體 歐洲十年來最嚴重集體死亡事件
數週前的一個清晨，英國康沃爾郡一處沙灘，兩隻死去的海鸚（puffin）與海草、塑膠垃圾隨浪翻滾，最終倒臥岸邊。牠們胸骨突出、毫無脂肪、肌肉僵硬；從體內高乳酸堆積判斷，牠們在生命盡頭前仍奮力划水，終究無法找到足夠的食物度冬。
- 點擊數: 100
「藏電於民」是未來趨勢 電動車、資料中心都具能源調度潛力
AI及半導體產業持續發展，台灣用電負載至2030年預計增加5GW。總統賴清德日前稱要滿足AI時代用電需求，讓台電提出核電重啟申請，另一方面，隨著綠能比例提高，虛擬電廠（VPP）也受到關注。行政院能源及減碳辦公室副執行長林子倫17日於論壇上強調，「藏電於民」是未來的趨勢。電動車、資料中心都有可能透過虛擬電廠的機制，從用電者成為能源貢獻者。
- 點擊數: 67
不澆水也能當氣候英雄 世界最醜草坪大賽寫下「凌亂美學」
遠看像廢墟，近看是生物的避風港。這裡是庫恩的家，他是2025年「世界最醜草坪大賽」的得主。在他位於澳洲維多利亞州凱恩頓的院子裡，隨風搖曳的禾本科野草與矮小樹叢高低參差，這般枯黃破敗的景象正是評審所期待的。「就像孩子做了除蝨治療後，頭髮慘不忍睹的模樣，」評審們如此評述，並把第一名「殊榮」頒發給庫恩的院子。
- 點擊數: 80
冬奧吉祥物為何顏色不一樣 真實世界的白鼬面臨生死困境
米蘭冬季奧運會進入高峰，緊盯選手出色表現的同時，可愛的冬奧吉祥物Tina和Milo也成為話題，並出現在日本首相高市早苗的辦公桌上。
- 點擊數: 99
永續遇上百年工藝：威士忌裝鋁罐風味會變嗎？
走進蘇格蘭的酒吧或飯店，一整排琥珀色威士忌玻璃酒瓶，象徵著工藝、歷史與身分地位，但威士忌一定要裝在玻璃瓶中嗎？蘇格蘭的史特靈酒廠（Stirling Distillery）正試圖打破這項傳統，為產業開啟減碳新路徑。
- 點擊數: 68
1/4民眾上街怒吼「別碰格陵蘭」 川普祭懲罰性關稅反擊
- 點擊數: 127
福島核災15年後 全球最大核電廠預計明重啟、下月商轉
日本即將重啟全球最大核電廠柏崎刈羽（Kashiwazaki-Kariwa），東京電力公司（TEPCO）對外公布詳細時程，七座核反應爐中的首座原訂於明（20）日重新運轉，並最快下個月26日正式商轉。然而，17日卻傳出控制棒拔出過程出現警報故障問題，東電表示目前正在調查原因，但重啟日期可能推遲。福島核災的陰霾尚未散去，多數當地居民持反對立場，這次重啟象徵著日本核電復興的重大分水嶺。
- 點擊數: 93
川普的稀土夢？ 專家解析：為何格陵蘭坐擁資源卻難以變現
美國近日動作頻頻，總統川普主張不惜以武力拿下格陵蘭，讓天然資源爭議再度浮上檯面。早在一年前，時任的美國國安顧問瓦爾茲（Michael Waltz）曾言明：「此事涉及關鍵礦產、天然資源」。
- 點擊數: 58
英國「新年植物尋寶」15年 民眾紀錄野花盛開揭暖化證據
除夕、新年放假做什麼好？有人吃吃喝喝、有人大睡一頓，英國與愛爾蘭卻有一群人，利用這個難得的假期展開「植物尋寶」。他們在都市角落，郊外岩石縫隙裡，用手機記錄在寒冬綻放的野花。
- 點擊數: 236
2026年最關注IPO：馬斯克重押太空資料中心 亞馬遜、谷歌加入戰局
- 點擊數: 126
古氣候結合新科技 AI機器學習可提前七週預報熱浪
歐洲熱浪逐漸變成常態，從數年一次到幾乎每年都有。歐洲科學家發展出新預報模式，利用人工智慧（AI）與機器學習（ML），能在熱浪到來前4~7週提供預警，有助民眾提早因應準備。
熱浪是歐洲最致命的氣候災害之一。2003年、2010年和2022年都曾發生極端熱浪，造成上萬人死亡、農作歉收。高溫導致冷氣、空調用電量激增，電力價格也因此上漲。
非政府組織「人人的氣候韌性」（Climate Resilience for All）分析近年（2019年到2023年）歐洲城市高溫的情況。結果發現，希臘雅典幾乎從5月中一路熱到10月初，時間長達五個月；巴黎也不惶多讓，九月中還出現超過32°C的高溫。
為提早預報極端高溫事件，歐洲－地中海氣候變遷中心（CMCC）開發了一套新的氣象預報模式。這套系統採納了大氣、海洋到土壤相關、約2000個預報因子，再利用機器學習，依每個地點的特性，從諸多因子中挑選影響預報準確度最大的因子組合，進而推估熱浪形成的時間與地點。
CMCC說明，這項技術的一大創新，就是使用西元0年到1850年的古氣候模擬資料來訓練機器學習，所以他們能用的訓練數據量遠超過真實的觀測記錄。經過這樣的訓練後，新系統準確的預測了1993～2006年間真實發生的熱浪。
CMCC表示，這套模式的表現不僅與傳統預報系統相當、部分情況甚至更優。例如，斯堪地那維亞半島與北中歐交界地區的季節預報通常比較不準，新模式卻能有效提高預報準確度。
CMCC說，新模式能針對不同的時間與地點，指出哪些預報因子對準確度的影響更高，這樣的資訊對於研究極端高溫的生成與發展十分重要。舉例來說，這回研究就發現，歐洲的土壤溼度、溫度模式（temperature pattern）與大氣環流的出現是最關鍵的地區性因子，但從大尺度的因子來看，熱帶太平洋及大西洋則有助提高預報準確度。
研究成果於11月公布於《自然》（Nature）期刊，CMCC研究員麥克亞當（Ronan McAdam）表示，「機器學習將成為研究氣候變異（climate variability）很重要的一環。」
相較傳統的預報系統需要使用龐大的運算資源，SMCC指出，這項新技術聚焦熱浪預測，所需的額外的運算負擔並不高，並且，這套架構未來可望能應用於其他極端天氣事件與季節預報。
