理大研究揭北極野火頻生積雪期銳減18天 牽連全球生態及氣候

香港理工大學研究團隊完成針對北極地區的全面量化評估，發現近年頻繁發生季節性大規模野火會令積雪形成延遲最少五天，並估算未來北極積雪期將縮短約18天，牽連全球生態環境。

研究團隊綜合了北極地區的衛星觀測數據，並開發基於先進機器學習演算法XGBoost的人工智能模型。

理大表示，在聯合國「冰凍圈科學行動十年」背景下，理大研究不僅凸顯應對氣候變化的緊迫性，更為全球氣候適應策略提供關鍵科學參考。

理大指，北極積雪在地球氣候系統中扮演至關重要的角色，不僅能將太陽輻射反射回太空，降低地表溫度，其融雪更是重要淡水來源，在維持地球能量平衡、水文循環及氣候規律上發揮着關鍵作用。積雪形成延後或提早融化等異常，會導致暖化加劇，並影響北極以外地區的水資源供應與森林生態碳儲存能力，進而破壞地球生態系統及生物多樣性。

該研究由理大土地測量及地理資訊學系副教授、土地及空間研究院核心成員及沿海城市氣候韌性全國重點實驗室成員王碩帶領，並與美國加州大學爾灣分校及哥倫比亞大學的學者合作開展，研究結果已刊登於國際期刊《自然氣候變化》。

衛星觀測數據顯示，隨着北極火災面積增加，積雪持續時間明顯縮短。

王碩闡釋：「氣候暖化正促使北極野火日益頻繁，規模更一再擴大，強度亦有所增強。2023年加拿大經歷了破紀錄的野火，火場總面積超過4,500萬英畝，約為過去40年年均火場面積的十倍。我們的研究旨在量化野火與積雪形成及持續時間之間的關聯機制，深化陸地與大氣層在氣候變化下相互作用的理解。」

研究團隊綜合了1982年至2018年間北極地區的衛星觀測數據，包括火災面積和積雪起始與結束日，並開發基於先進機器學習演算法XGBoost的人工智能模型，納入火災前、火災期間及火災後的一系列氣候因素（如反照率、地表溫度、氣溫等），以及火災地理位置等，評估各項因素對積雪的影響。

研究指出，野火會改變北極地區的地表性質，進而縮短區域積雪時間，而積雪減少又會影響地表的能量平衡，並延長土地暴露，導致地表變熱和乾燥，導致野火頻生且規模擴大，形成惡性循環。

衛星觀測數據顯示，隨着北極火災面積增加，積雪持續時間明顯縮短，其中2001年至2018年間，年均積雪持續期僅205天，較1982年至2000年間減少了10天。團隊進一步利用CMIP6氣候預測模型，模擬北極野火與積雪因應未來不同排放情境的變化，發現在高排放情境（SSP5-8.5）下，北極年均火場面積到2100年或會擴大2.6倍，而積雪持續期將縮減至約130天，較1950年至2014年的歷史平均值短約18天。

此外，研究亦發現大規模野火會顯著延緩積雪形成。團隊通過區域性影響分析確定，大規模野火發生後的首年，積雪起始日較火災前三年的平均值延後超過五天，而火災燒毀面積越大，延後日數便會越長。

團隊分析背後的物理機制在於火災過後地表會形成及殘留黑炭，導致地表反照率下降，地表吸收的太陽輻射量增加。這些額外能量會同時使地表溫度與近地面氣溫上升，抑制降雪累積，最終令積雪延遲形成。

王碩（右）帶領的研究團隊最近完成了針對北極地區的全面量化評估，發現頻繁發生季節性大規模野火會令積雪形成顯著延遲，積雪持續時間縮短，牽連全球生態環境。

王碩補充：「野火會改變北極地區的地表性質，進而縮短區域積雪時間，而積雪減少又會影響地表的能量平衡，並延長土地暴露，導致地表變熱和乾燥，為火季提早到來及大面積蔓延提供有利條件。這種連鎖性的回饋循環，反映了北極生態系統在面對氣候變化的脆弱。」

研究團隊期望，研究成果不僅能為預測北極未來的水文循環與氣候動態提供有力依據，同時也為評估生態系統韌性及制定有效的氣候適應策略提供科學指引，以助減緩氣候變化所帶來的連鎖衝擊。

香港理工大學開發創新「智慧橋樑檢測系統」，可精準識別橋面裂縫及肉眼難辨的潛藏結構問題，已於本地11座橋樑完成檢測，結果顯示，該系統可將檢測時間縮短一半，並顯著提升檢測準確度至八成，具有在全港橋樑廣泛應用的潛力。

由理大建築及房地產學系教授 Tarek Zayed教授（右一）領導的研究團隊開發出一套智慧橋樑檢測系統，能夠自動檢測橋面裂縫，以及識別肉眼無法察覺的潛藏結構問題。

香港交通基建承受全球最高交通密度之一的巨大壓力，確保橋樑結構安全成為當務之急。理大研究團隊開發的這個多層次系統整合了理大自主研發的先進無損探測技術及人工智能模型。香港常用的傳統基建目視檢查方法需要動用大量人力且主觀性強，對鋼筋腐蝕等地下缺陷的辨識能力有限，更需要封閉道路方能進行。由理大建築及房地產學系教授Tarek Zayed帶領其研究團隊開發的創新系統，利用無人機、探地雷達（GPR）及紅外線熱成像（IRT）三種先進工具的組合取代人工檢查，收集橋樑表面及內部結構的全面數據，再利用人工智能模型進行自動化分析，提升檢測的準確度及效率。

該多層次系統整合了理大自主研發的先進無損探測技術及人工智能模型，大幅減低了檢測時間，同時令檢測準確度顯著提升。

橋面裂縫檢測對維持橋樑健康至關重要。研究團隊利用無人機進行目視檢查，再通過其自主研發的「智慧橋面高效檢測模型」處理所得數據。即使在面對惡劣環境如光線不足、陰影等，該模型亦能達到優於其他現行方法的檢測準確度，且更少出現誤判、與表面刮痕混淆等檢測問題。

橋面裂縫往往預示了地下結構受損的深層問題，例如鋼筋腐蝕。團隊開發的全自動GPR數據解讀模型，能以高達98%的準確度定位鋼筋位置，並通過對振幅數據進行標準化處理及聚類分析，生成腐蝕區域分佈圖。此模型大大簡化了基於GPR的腐蝕評估流程，令相關工作變得更加快捷和易於操作。

這個多層次系統整合了理大自主研發的先進無損探測技術及人工智能模型，大幅減低了檢測時間，同時令檢測準確度顯著提升。

另一常見橋樑結構問題是內部混凝土構件退化，導致剝落及層面分離。團隊提出一套用於處理IRT數據的「最佳熱梯度閾值系統」，能根據外在環境狀況調整閾值，以更精確判斷剝離區域。團隊基於此系統開發的智慧模型，更能自動生成剝離分佈圖，進一步提高診斷能力。

Zayed說：「這套混合檢測系統兼顧橋面及地下缺陷，並通過人工智能驅動的整合方案，同時提升了檢測效率和準確度。我們更制定了一個五級制的缺陷嚴重程度評級，以標準化檢測流程，方便診斷及確定維修的優先順序。此外，團隊開創的『智慧橋面高效檢測模型』具備全面的功能，能基於從各類探測技術收集所得的數據，精細地評估橋樑狀況。」

他又說：「我們目前正積極探討與相關政府部門及業界夥伴合作，將系統應用於香港的定期橋樑檢測工作，為實現智慧基建管理邁出關鍵一步。我們的目標是長久保障香港擁有安全和可靠的橋樑。」

理大研發的「智慧橋樑檢測系統」採用無人機、探地雷達及紅外線熱成像三種先進工具的組合，取代常用的傳統目視檢查，已於本地11座橋樑完成檢測。

這項為期兩年的研究得到智慧交通基金的支持。該團隊的研究成果已發表於不同國際期刊，包括《建築與建築材料》、《建築自動化》及《高級工程資訊學》。展望未來，Zayed及其團隊將進一步推進相關技術研發，並在香港推動智慧橋樑檢測。