氣候智慧調適演算法與指標

3.1.1 氣候智慧調適演算法

本研究採用國立臺灣大學生工所永續發展研究室所發展之氣候智慧調適演算法（Climate Smart Adaptation Algorithm, CSAA），作為本研究之氣候變遷跨領域調適之流程框架。其中以 科技部 TaiCCAT 計畫中的氣候調適六步驟（Climate Adaptation 6 Steps）作為縱向分析架構、

風險模板（Risk Template）作為橫向跨領域分析之工具，並配合氣候調適六步驟中的第五、第 六步驟形成動態調適路徑（Dynamic Adatation Pathway），共三個部份組成 CSAA。本研究使 用風險模板與 AgriHydro 實際操作氣候調適六步驟中的一到四步驟的跨領域量化分析。本節 將針對 CSAA 中的風險模板設計意涵作說明，並於 4.3 節進一步闡明 AgriHydro 與 CSAA 的 聯合操作流程。

風險（Risk）是 IPCC AR5 報告書中的核心因子，為氣候變遷造成有價值之某項事物處於 險境且結果尚不確定的可能性，IPCC 定義風險組成為脆弱度（Vulnerability）、暴露（Exposure）

以及危害（Hazard）（圖 3-1），關係式可表示為風險 = f（危害、脆弱度、暴露）。而風險模板 在此基礎上，將三個風險組成更進一步拆解成各項因子，如圖 3-2 所示。危害在模板中，由 氣候因子與非氣候因子所組成；暴露為保全對象之空間分布；而保全對象依關鍵議題可為人、

物或任何試圖維護之對象；脆弱度則由調適力與敏感度所組成，其中調適力為可以調適更動，

並迎合變化之能力，在不同步驟中，可再細分成治理層級的調適行動與保全對象的自我調適 能力，治理層級的調適行動於第四步驟加入風險模板中，相較於保全對象的自我調適能力，

調適行動在風險模板中會回饋並影響危害，而敏感度則為系統在遭遇危害時的反應程度，敏 感度越高表示遭遇危害時受災情形也越嚴重。以水稻受高溫造成米質下降之關鍵議題為例，

保全對象為稻米；危害中的氣候因子與非氣候因子為氣溫與湛水深管理；暴露為水稻分布的 位置；脆弱度中的敏感度可為水稻品種，因為不同品種可能有不同的耐高溫能力，調適能力 在該議題下不考慮（歸類於敏感度中），而調適行動可為湛水深規則的更換或耕期的調動等。

圖 3-1、IPCC 對於風險、脆弱度、暴露與危害之核心概念

（IPCC, WGII, 2014；科技部，2015）

圖 3-2、氣候智慧調適演算法之風險模板示意圖

氣候調適六步驟是本研究之縱向架構。透過風險模板，各領域可在氣候調適六步驟之基 礎上作橫向跨領域之串接，並且可以藉由解構模板中的因子，設計調適選項並以共同因子連 結各子模式作量化分析。風險模板依據氣候調適六步驟之操作流程如圖 3-3 到圖 3-5 所示。

首先，決定治理層級（中央、地方或社區），應用物質流與資訊流確定利害關係人，並分類成

（1）與治理層級相關（2）與保全對象相關（3）與議題相關單位，討論關鍵詞與文獻蒐集後，

由利害關係人決定出關鍵議題與保全對象。第二、第三步驟，請各專業之利害關係人與專家 填寫各風險組成之因子，由因子選擇或建構模式，並經由模式（可為個別模式或整合模式）

產製現況與未來危害、暴露與脆弱度地圖，進而疊加合成風險地圖；其中，脆弱度由保全對 象針對危害的調適能力與敏感度組成。第四步驟，根據風險與三個風險組成的未來變化趨勢，

針對各因子制定調適選項，評估各調適選項之效用（重新經由模式產製風險地圖）。此時的調 適力會包含調適能力與調適行動兩個層面。藉由此程序在不同情境與時間段之討論可完成第 五步驟，形成調適路徑。最後，可透過現實中即時的監測及修正，完成第六步驟監測及修正 調適路徑的目的，進而形成 CSAA 中動態調適路徑。本研究之案例示範包含上述的一至四步 驟，然而關鍵議題是由本研究透過文獻回顧訂定，並未與利害關係人討論。

由風險模板解構後的各領域因子，為跨領域之關鍵。藉由因子分析，可以找出領域間共 同或獨立的因子，從模式角度，可以幫助使用者了解領域間的資訊流，以便建構弱跨領域或 強跨領域之整合量化評估模式；在調適選項的設計上，各領域間的共同因子能提醒利害關係 人，在考慮這些具跨領域共同因子的調適選項成效時，不能僅關注單領域的風險變化，因為 在降低某領域之未來風險時，可能會加劇其他領域之未來風險，此類現象稱之為「取捨效應」

（Trade-offs）；相反的，某些調適選項則可以同時幫助到不同領域，而此種現象稱之為「協同 效應」（Synergies）。本研究為了更精準量化跨領域間風險之競合關係，建構強跨領域之整合 模式於第七章呈現分析結果。

圖 3-3、氣候智慧調適演算法之風險模板操作第一步驟

定義治理層級（中央、地方或社區），應用物質流與資訊流確定利害關係人，並分類成

（1）與治理層級相關（2）與保全對象相關（3）與議題相關單位，討論關鍵詞與文獻蒐集 後，由利害關係人決定出關鍵議題與保全對象。

圖 3-4、氣候智慧調適演算法之風險模板操作第二、三步驟

請各專業之利害關係人與專家填寫各風險組成因子，經由模式（可為個別模式或整合 模式）產製現況與未來危害、暴露與脆弱度地圖，進而疊加合成風險地圖，其中脆弱度由 保全對象針對危害的自主調適能力與敏感度組成。

圖 3-5、氣候智慧調適演算法之風險模板操作第四步驟

根據風險與三個風險組成的未來變化趨勢，針對各風險組成因子制定調適選項，並經

由模式評估各調適選項之效用（再一次產製風險地圖）。此時的調適力會包含保全對象與治

理層級兩個層面，其中治理層級的調適行動可能會影響危害之未來變化程度。

3.1.2 風險指標

根據本研究之示範案例，制定以下兩個風險指標，分別為代表水資源供水系統於公共供 水（生活用水與工業用水）之缺水風險的缺水指標（Shortage Index, SI）與農業糧食減產風險 的減產率指標（Yield Reduction Ratio, YRR），用以探討水資源供水系統與糧食生產的風險競 合關係，其計算方式如式(3.1)與(3.2)： crop type plant date

c t c t Circulation Models, GCMs）在四個不同代表濃度途徑（Representative Concentration Pathways, RCPs）（圖 3-6）下所模擬出的氣象資料。由於 GCMs 的網格解析度較低，依本研究需求，氣 候情境需要經多測站氣象合成模式作時間與空間降尺度，方能產製氣象資料供其他模式使用，

該方法於 3.2.1 與 3.2.2 節中介紹。第二部分為社會經濟情境（Socio-Economic Scenarios），目 前尚未有統一的制定方式，本研究根據桃園示範案例，參照相關機構之報告書，自行設定未 來短期（2021 年至 2040 年）之社會經濟情境，詳細推估方法見 3.2.3 節。