一、前言

2026年7月，國際電信聯盟(International Telecommunication Union, ITU)、聯合國減災辦公室(United Nations Office for Disaster Risk Reduction, UNDRR)、世界氣象組織(World Meteorological Organization, WMO)以及紅十字會與紅新月會國際聯合會(International Federation of Red Cross and Red Crescent Societies, IFRC)共同發布《運用人工智慧強化多重災害預警系統》(Leveraging AI to Enhance Multi-Hazard Early Warning Systems)研究報告，旨在探討人工智慧(AI)於多重災害預警系統(Multi-Hazard Early Warning Systems, MHEWS)的應用現況、實務缺口及導入條件。本文聚焦於AI在多重災害預警系統中的主要應用，摘要請參閱圖一。

二、多重災害預警系統(MHEWS)

多重災害預警系統被視為有效且具成本效益的減災與氣候調適措施，主要由以下四大支柱構成：

1.    支柱一「災害風險知識」：掌握災害風險、可能受影響的對象及其脆弱程度，並評估可能造成的影響。
2.    支柱二「偵測、觀測、監測、分析與預報」：產出災害可能發生的時間、地點和嚴重程度的及時資訊和預測。
3.    支柱三「預警發布與溝通」：將技術預測轉譯為民眾可理解的資訊，並即時發布預警。
4.    支柱四「備災與應變」：確保預警能夠轉化為有效的防護與應變行動。

三、人工智慧在MHEWS中的應用

(一) 支柱一：災害風險知識
1. 提升風險資料的取得、整合與應用：AI可協助資料探索與整合，包括資料標註、語意搜尋、擷取結構化資訊、比對及整合不同來源的資料，以及偵測異常資料。

2. 強化災害風險基礎資料：AI可分析影像，自動繪製建築物輪廓及建立高解析度人口分布資料，以掌握災害影響範圍內的人口與建物分布；亦可利用行動網路資料掌握疏散及災後人口移動，並依歷史災損資料建立危害強度與建築物損壞程度的對應關係，再隨新事件持續修正。

3. 風險資訊的決策應用：AI可將危害預報與可能受影響的人口、建物及脆弱度等資料結合，推估可能造成的影響，以支援災前防護措施的啟動。此外，亦可運用AI與數位孿生，加速不同災害情境的模擬與壓力測試。

4. 災損資料追蹤：AI可比對災害前後影像，辨識建築物受損程度，並從災後報告擷取受影響對象及損失規模等資訊，加速災損資料彙整，並作為後續風險評估與預警條件調整的依據。

(二) 支柱二：偵測、觀測、監測、分析與預報
1. 觀測資料自動品管：AI可透過分析既有觀測資料，自動辨識儀器故障及感測器偏移等異常，以提升預報模型輸入資料的品質。

2. 劇烈天氣即時偵測與預測：AI可利用雷達、衛星等觀測資料，即時辨識龍捲風、風暴等劇烈天氣的發展徵兆，並分析連續雷達影像，預測未來0至2小時的降雨情形。

3. 預報模式創新：傳統天氣預報主要透過模擬大氣變化進行預測，所需運算資源龐大，且較為耗時。AI則可先從大量歷史氣象資料中學習天氣變化規律，完成訓練後，可用較低的運算成本快速產出預報。目前AI已逐步應用於實際天氣預報作業，並與傳統預報方法並行使用。在熱帶氣旋預報方面，AI對颱風或颶風移動路徑的預測已有良好表現；洪水預報方面，AI洪水預報模型已整合至Google Flood Hub，為150餘國提供最長7日的洪水預報。

4. 預報後處理與氣候模擬：AI可進一步修正原始預報的偏差，並將大範圍的預報調整為更符合特定地點的結果，使預報更具實用性。在氣候模擬方面，AI可利用既有氣候資料快速模擬不同氣候情境，大幅降低運算需求，便於進行大量情境測試與比較。

(三) 支柱三：預警發布與溝通
1. 多國語言警報訊息生成：利用自然語言處理與大型語言模型自動生成警報內容，除支援多國語言訊息生成外，亦將氣象部門、地震監測等系統的專業災害資訊，快速轉化為清楚易懂、便於民眾採取行動的預警訊息。

2. 警報客製化與精準傳遞：運用AI分析地理位置、人口特性及通訊條件等資訊，辨識高風險地區與群體，並依不同對象調整警報內容、傳播管道及發布方式，以提升警報的針對性與傳遞成效。

3. 通訊管道最佳化與通訊韌性：AI可分析通訊網路狀況及不同通訊管道的運作情形，協助選擇適當的警報傳遞管道與備援方案，以提升通訊韌性並降低警報中斷風險。

4. 回饋分析與錯誤資訊管理：利用AI分析民眾回饋、社群媒體等資訊，評估警報成效及民眾反應，據以調整警報內容與傳遞策略，並協助辨識與過濾錯誤資訊，提升警報的有效性與可信度。

(四) 支柱四：備災與應變
1. 完善制度環境：防災單位若要依據預警或風險分析，在災害造成影響前採取行動，須有完善的法規與制度支持，包括明確的機關權責、跨部門協調、行動啟動條件設定、敏捷的資金調撥機制等。AI可協助交叉比對不同部門及層級的法規與政策，以辨識制度缺口與矛盾，並分析他國制度與經驗，為政策協調與改革提供依據，並減少人工檢閱與比對的負擔。

2. 提升地方備災能力：第一線應變人員與社區需具備充分的知識與應變機制，才能有效落實備災行動。由於各地整備能力不一，相關資料又常分散於不同機關，AI可整合災後檢討報告、培訓紀錄、物資庫存、人口統計等資料，辨識各地備災能力與資源缺口，並依不同角色與需求提供客製化培訓。此外，AI可模擬不同災害情境以強化演練，並可結合即時預報與風險資訊動態調整應變計畫，以提升地方備災能力。

3. 協助設定備災資金啟動條件：AI可分析歷史預報與實際災情之間的關係，預測災害影響程度，協助調整備災資金的啟動條件，使相關單位能在災害發生前及時取得資源並採取行動，預先部署救援物資或撤離民眾。

4. 促進多方協作：預警工作與備災行動涉及氣象部門、災害管理機構、人道救援組織、地方政府與社區等參與者，各方所需資訊及使用的系統不同，增加跨機構協作的難度。AI可整合氣象、衛星影像、脆弱度評估及人口等不同資料，建立整合性資訊平台，並透過AI驅動的儀表板，依各方職責與需求呈現相應資訊，以提升資訊整合與共享效率，促進跨機構協作。