CDW2026 week 1-1 скачать в хорошем качестве

CDW2026 week 1-1

這堂課到底在幹嘛：從「Measurement Problem」到「Science-based Guidance」 其實這堂課沒有要做那麼多區分。以前拉很多助教，是因為這堂課活動很多，需要人手。我很怕上課時同學沒有人可以幫忙，所以就拉很多助教。助教也是同學，是同學的一部分，會一起進到課程內容裡。這樣我覺得很正常：課上人很多，很好。 助教比同學多一點的原因也很現實：他們修過很多次。有人每次都修，有人修過一兩次。這堂課今年是第四年開，target 每年都不太一樣。因為我要對著海洋（或海研船）的同學說——我一直覺得觀測是非常困難的事，尤其是「出海觀測」，哇，那真的就是世界級困難。 觀測不是「美國做什麼我們做什麼」 我想從一個歷史回顧開始。從我回到大氣系以來，我們跟著隋中興老師做 Dynamo 的觀測，同學也參與。那時候我對「觀測」的想像其實很直接：就是美國人做什麼我們做什麼，最好是美國人都帶著他的軍火（儀器、資源），然後我們就跟著看他做什麼、我們做什麼。 這其實不是很久以前——十幾年前，我的想法就是這樣：所謂觀測，就是跟著人家做。他們有 plan、有目的、有想法，我們跟就好了。世界上的氣象強權是美國，我們就跟。 但後來我發現：這種想法不是只有我那時候才這樣想，而是更早以前就一直是這樣。直到我慢慢被提醒、也慢慢想清楚：台灣的問題，只有在台灣的我們能解決，美國沒辦法幫我們解決。 很現實——他們來觀測有他們的目的、他們要的東西，跟我們想要的常常不一樣。 所以我開這麼多門觀測課，慢慢學到一件很重要的事：如果你只是看課本覺得「我要去觀測這個」，你在台灣可能根本找不到那個情境。你想觀測某種「鋒面旁的颱風」？在台灣不一定找得到。因為台灣能觀測的、跟美國或歐洲能觀測的，本來就不是同一件事。 好，這就是開場。為了避免我等一下突然講一些莫名其妙的東西讓你覺得我很怪，我先把這條線鋪好。 ⸻ 大氣科學也有 Measurement Problem，而且更麻煩 我今年課綱想的 slogan 是：為什麼要從 Measurement Problem 出發？ 大家聽過 measurement problem 嗎？這在物理學裡是專有名詞：你在測量量子系統時，你的測量方式會干預測量結果。也就是說，你想知道粒子本來的狀態，但你一測，它就被你改變了。所以他們要設計一套「不影響粒子」的觀測方法——這是很前沿的科學。 我借這個詞來講大氣科學：大氣科學當然也有 measurement problem，怎麼可能沒有？我們觀測時遇到的困難一大堆。但麻煩是：你跟物理系的人聊 measurement problem，他們理解的是「把問題切小、切得更fundamental、用更精密的技術去量更細微的變化」。對他們來說，物理學進展就是越量越小，合理嘛，因為小的東西永遠是我們最不知道的。 可是在大氣科學裡，我們的問題常常是：你量的時候，你根本不知道你量到了什麼。 你心中會期待「我量到的是訊號」，但你不是只量到訊號，你還量到一堆其他東西；更糟的是，那個「其他」裡面還包含未知的物理。 你走出去量一次溫度，回來再走出去再量一次。你拿到的那個數字，包含了你想量的、你覺得是雜訊的、還有其他。那你怎麼知道你量到的是你想要的那個？ 我常用一個很直接的例子：你今天拿溫度計到外面量，量到 300 K。請問這個 300 K 是你要量的嗎？你怎麼知道？你不知道。那你怎麼辦？你今天拿溫度計出去量 300 K，你到底在幹嘛？ 很多人會說：「就量啊，然後做平均嘛。我得到一個 \bar{T} ，300 K，這應該就是我要的訊號吧？」 很多人都這樣做，我不點名。 但我想問的是：你做平均這個動作，背後有沒有想法？你是不是默默相信「平均」代表了你要的 signal？因為你做的每一個操作——比如說「五分鐘平均」——背後其實都隱含一個概念模型。你為什麼是五分鐘，不是三分鐘、不是一小時？你做這個操作，是不是在假設某些變化是 noise、noise 的平均會是零？ 注意喔：這個問題沒有答案。 在你還沒確定你要什麼、你也還沒搞清楚 Unknown 是什麼之前，你就做平均得到一個數字，那個數字的「意義」其實完全取決於你的概念模型。 我最愛講的一句話是：**平均是大氣科學最困難的問題。**到現在我都不知道怎麼做。我寫平均的 paper 寫了好幾篇，還是不知道該怎麼辦。 因為你很可能在做訊號提取的同時，把你真正想要的訊號當作 noise 扼殺掉——最後觀測等於白觀測。你會變得很安心：「我觀測到的跟我原本想的一樣！」那你觀測幹嘛？ 這是大氣科學很奢侈、也很危險的地方：大氣可以一直觀測、一直觀測，你拿到幾百萬筆資料，你第一個反應常常就是「先平均」。平均完你得到「夏天比冬天熱、冬天比夏天冷」，好安心。然後呢？你得到什麼新的科學？ ⸻ 另一個黑板：儀器的 Bias 與 Random Error 剛剛講的是「概念上」你如何解讀資料：signal / noise 其實是你對資料的詮釋。 但我把黑板切成兩邊，右邊是我真正站在觀測坪、站在海上做量測時會遇到的事：儀器本身的問題。 你以為有個 true：空間中某一瞬間、某一點真的有一個真實值。你量到的 300 K 就等於那個 true。 可是實際上，儀器會有： • 系統性誤差（bias）：它總是偏高或偏低，有某種傾向。來源可能一百萬種：架設位置、安裝方式、出廠設定、老化、訊號傳輸、線材、電腦、各種鬼故事（米奇專場：踩雷一百萬種）。 • 隨機誤差（random error）：它會飄。可能平均看起來是 300 K，但數字一直跳：300.5、299.5、301、299……更誇張就 305、295、310、290（溫度計如果這樣應該爛掉，但我只是舉例）。 這一套其實跟 measurement problem 有一對一的類比： 左邊是你用概念模型去切訊號、結果改變了你得到的意義；右邊是 sensor 本身的誤差讓你得到的數字根本不穩。 ⸻ 「照 WMO protocol 做就好？」台灣：世界第一的難 修過測計學的同學會說：「不用擔心啦，WMO 都有 protocol，照做就好。」 我也同意：WMO 的 protocol 會告訴你儀器要怎麼架、怎麼操作、在什麼環境下，你可以得到最接近 true 的結果——那是一個統計意義上的最接近。 那問題解決了嗎？ 我後來發現：在台灣，事情沒那麼簡單。看氣象局觀測、板橋探空、台北探空……你會發現台灣的量測跟 WMO 規範差很多。那這麼不一樣的情況之下，我們該怎麼辦？ 我以前以為台灣難，是地形複雜、季風交界、南北差異、氣膠傳送……這些「物理上」的難。後來我發現更可怕的是：觀測數值本身代表的意義，可能就跟 WMO 規範底下的意義完全不同。 這個難的程度，遠比你想像的更高。 ⸻ 下一個戰場：便宜的新儀器、更多的麻煩 有人會說：「那我們用 ERA5（或再更好的 reanalysis）就好啦。」 也有人說：「解析度不夠，我們要 storm-resolving！」 然後你就會一路滑向「只要砸錢、砸 AI，就能解決一切；不用觀測了」那一端。 我不能說你錯，但你要拉回第一個黑板：量測本身應該要讓你的概念模型變更好，而不是用來證明你原本就相信的東西。 好，現在回到本課的核心：我們有一個國內自主研發的新儀器，cost down、便宜好用，號稱可以量 UVTQ 什麼都可以。 但它很可能同時具備兩種問題： 1. 有系統性誤差（bias） 2. 也不太穩、會飄（random error） 你手上拿著它，量到 300 K。怎麼辦？你量到你要量的東西嗎？ 更真實的是：你拿在手上拿久了，它會變 310 K；你把它放在那邊，它也自己一直飆。很難用。但這不是末日，這反而是轉機：危機就是轉機。 如果美國發展的儀器不適合台灣，那不如台灣自己發展儀器，做一套適合台灣的量測系統。成本更低、更能大量部署——但前提是：你要知道怎麼用科學把它用對。 ⸻ 這堂課要大家做的事：Science-based Guidance（不是我教你 SOP） 所以我希望整門課提供的，是「Science-based Guidance」。 不是那種「拿到儀器先開機、坐等 10 分鐘、走到另一個地方、手不要碰哪個部分」的 SOP。不是我告訴你們怎麼做——是你們要告訴我怎麼做。 因為情境太多了：你在觀測坪、平地、屋頂、船上、無人機上量測，每個場域都有不同問題。量測的 sensitivity 跟你想看的科學問題會競爭。你今天的目的不同，你在意的變化也不同，你採取的措施就一定不同。 而且更麻煩的是：觀測不是只有儀器跟物理，人也會進來。你帶的隊友修過多少課、他們會不會照做、他們會不會「跟你說他有做但覺得其實不需要」——這些都會影響你最後的資料品質。Guidance 很多時候是寫給人的。 所以到學期末，我希望你們能 deliver 的是：針對你選的場域（海上、山區、平原、觀測坪、無人機…），提出一套可以 operational 的觀測指引： 你要做什麼前置檢查？要怎麼佈點？要怎麼處理輻射、時間、雲、手握造成的偏差？要怎麼判斷「出事了」？要怎麼跟模式預期互相校正？要怎麼把「你不知道的」變成「你開始知道你不知道」？ deliver 不出來也沒關係。整堂課就是 iteration：你每次加進新的東西，你才會真的長出一套可以用的思考方式。 ⸻ 為什麼要先從模式出發：把 open environment 拉回可控 最後，我們會用數值模式當作一個橋樑。 我很喜歡這樣說：數值模式是我們對大氣科學的理解，抽象化後放進計算裡得到的結果。 它在我們「已知的物理過程」下，告訴你應該可能發生什麼事。模式當然也有誤差、也有問題，但它提供了一個相對可控的環境，讓你可以減輕 measurement problem 的干擾：你可以做 control，你可以同時擁有大量資訊（甚至同時擁有「同時」這件事），回到控制方程、回到流體力學、回到科學裡的「變化過程」。 然後你再回來看你在海上某一個點、某一個時間量到的那條 profile：你只有一條線、很多未知、很多干擾。你要怎麼把它放進一套更大的理解框架？你要怎麼知道哪些差異來自物理、哪些來自儀器、哪些來自你做的資料處理？ ⸻ 結語：我們要訓練的是「觀測的 leader」 這堂課的樂趣，是看著你量到的東西去想：它到底是什麼？ 我們以前都很相信儀器，但現在被傷了三次，我們受不了了，我們要認真思考。 我們想要你們成為能做觀測的 leader：你去觀測不是「米奇給我一個球我就放球」，不行。你要能帶著團隊，把「可能發生什麼事」事先想過；你要能把鬼故事變成可以討論的科學問題；你要能把一堆看似很工程、很瑣碎的限制，轉成能支撐科學的規範與指引。 而且這不是只做一學期：你如果想去山上、去宜蘭、去嘉南平原、去海上，我們都有點、有場域、有可能延伸到暑假，甚至延伸到你的一輩子。 最後，這堂課會越走越「不科學但很實際」，因為人越多、角色越複雜，你的 guidance 就越需要涵蓋「人」與「操作」——但你就是為了科學才必須思考這些。