嶺大學者為「天韻相機」提供關鍵碳數據 助分析固定排放源

嶺南大學恭賀黎家盈參與國家新一輪航天任務，成為香港特區首位女太空人，並有望於太空操作由香港科技大學主導研發的航天科研儀器「天韻相機」。項目由嶺南大學（嶺大）深圳研究院院長、伍絜宜跨學科學院副教授（校長卓越青年學者）李佳教授及其研究團隊提供碳排放源數據庫中的關鍵數據，用作比對「天韻相機」觀測地球所得的溫室氣體數據，包括二氧化碳及甲烷排放源頭，協助精準識別不同地區電力及工業設施等排放的強度及分佈，為國家實現「碳達峰、碳中和」提供重要的科研支援。

李佳教授（右）、蘇慧教授、（中）、王凡博士（左）在文昌太空發射場。

李佳教授指出，目前全球不少衛星監測主要聚焦「區域層面」的溫室氣體排放變化，若要從太空識別單一大型固定排放源的碳排放極具挑戰性，除了依賴高靈敏度探測設備「天韻相機」外，亦需依賴長期地面累積的碳排放數據作比對。

她表示：「我們建立的數據庫覆蓋中國超過一半二氧化碳排放源，記錄不同地區及工業設施的排放量，精細至每一平方公里的排放總量及精確座標，猶如『地圖』及『導航系統』一樣，協助『天韻相機』在太空識別具體排放源位置、排放強度及運作規律，使儀器不僅觀測大範圍的溫室氣體濃度分佈，更能精準分析個別工廠或設施的排放情況，從而提升太空觀測數據的準確性及科研價值。」

李佳教授進一步說：「香港特區作為國際金融中心，可善用嶺大的實證數據發展綠色經濟，該數據庫未來可應用於碳排放核查、減排評估及城市低碳管理等多元範疇，為大灣區以至國家的低碳轉型提供科學支援。」

李佳教授團隊多年來持續研究不同地區工業碳排放情況，並參與國家碳中和重點研究項目，建立覆蓋發電、水泥、鋼鐵、化工及電解鋁等中國主要高排放行業的清單。

李佳教授團隊過去 20 多年來持續研究中國及東南亞國家電力及工業碳排放情況，曾參與及主導亞洲六個不同國家碳捕集及儲存的規劃工作，並建立覆蓋發電、水泥、鋼鐵、化工及電解鋁等中國主要高排放行業的清單，有助分析地面發電廠、油田等單一排放源，驗證及分析觀測數值屬正常波動還是異常排放。

李佳教授團隊於 2022 至 2025 年間，進一步與清華大學及生態環境部環境規劃院合作，參與國家自然科學基金第一批碳中和、碳達峰的重點研究項目，將數據庫擴展至涵蓋更多重點排放行業。

香港特區航天員黎家盈、李佳教授。

李佳教授表示，是次有機會代表嶺大參與太空監測相關的科研合作，有賴伍絜宜跨學科學院持續鼓勵不同學科之間的交叉融合，促進環境科學、數據分析及人工智能等領域的協同研究。她又指出，內地在大型二氧化碳捕集及減排技術方面發展領先，香港則擁有國際學術網絡優勢及成熟的科研協作平台，有助推動國家與國際科研交流合作，促進可持續發展等相關研究。

嶺南大學校董會成員參訪嶺南大學深圳研究院。

嶺大校長及韋基球數據科學講座教授秦泗釗教授表示，嶺大近年全力推動「博雅 + 科技」發展方向，鼓勵師生開展跨學科研究以回應社會議題。是次有科研團隊參與國家航天及碳監測相關項目，反映嶺大在跨院校及跨學科研究方面具備紮實基礎，亦體現嶺大在環境科學、數據分析及低碳研究等跨學科領域在國家發展中的學術貢獻。

「天韻相機」研發項目由科大土木及環境工程學系講座教授兼「傑出創科學人」蘇慧教授，以及講座教授兼系主任張利民教授共同領導；新興跨學科領域學部副教授翟成興教授擔任項目系統工程師。其他團隊成員包括科大土木及環境工程學系研究員榮平平、張紀澤教授和王者教授；環境及可持續發展學部寧治教授、石曉明副教授和顧達薩副教授；計算機科學及工程學系麻曉娟副教授；公共政策學部朱鵬宇教授；香港浸會大學高蒙教授，以及嶺南大學李佳副教授。

人工智能（AI）日益融入各行各業，人類與智能系統之間的「人機協作」模式成為備受關注的議題。嶺南大學（嶺大）心理學系一項聯合研究發現，AI在員工工作量突然增加的「高壓」狀態下確實有助維持表現；然而，盲目提高AI的自主權，並讓其主動介入接管工作，或會削弱使用者對工作的掌握，未必能減輕負擔之餘，更會增加心理疲勞及「人機衝突」。學者指出，保留人類對工作分配的主導決策權，有助維持長遠工作表現及判斷能力。有關研究成果已刊登於國際知名跨學科學術期刊《國際人機互動期刊》（International Journal of Human-Computer Interaction）。

嶺大認知科學研究中心主任兼心理學系副教授徐傑教授與其合作研究團隊，以航空駕駛艙作為研究的測試場景，並採用美國太空總署（NASA）開發的多重任務模擬平台（Multi-Attribute Task Battery，MATB），模仿操作者需同時處理多重任務、要「一心多用」的工作場境，分析在不同工作量下，人類與智能系統分配決策權與控制權，會如何影響安全性、工作效率及使用者體驗。

研究團隊招募合共92名大學生進行兩輪實測，要求他們在模擬平台中同時執行三大任務——操控搖桿的「追蹤任務」、「系統監察」，以及「資源管理」。

首輪實驗旨在瞭解參與者的真實工作表現。結果發現，當參與者工作量急增時，需要持續控制及專注的「追蹤任務」表現明顯下降，操作準確度由百分之76下降至百分之55；而其他任務則未受明顯影響。研究團隊分析指出，員工在高壓的工作環境下，會將注意力優先分配給需要即時回應的離散性任務，而犧牲對連續性任務的投入，進而導致「追蹤任務」等持續監控類任務的表現下降。

在第二輪實驗中，團隊比較兩種不同的「人機權力分配模式」。第一種是「人類主導模式」，由操作者自行決定何時將工作交給智能系統跟進、何時取回控制權；第二種是「人類與智能系統共享控制權模式」，讓智能系統自動偵測工作量變化，主動接管或交還部分工作任務。

研究結果顯示，當工作量急升或出現緊急狀況時，「人類與智能系統共享控制權模式」能有效分擔人類壓力，有助維持穩定表現，避免操作者因負荷急升而出現明顯失誤。不過，當工作量回落時，「人類主導模式」的工作表現反而更好，因為智能系統主動接管工作後，有機會令操作者逐漸脱離實際操作狀態；當系統交還控制權時，使用者未必能即時重新掌握實際狀況，導致表現短暫下降。相反，由操作者自行決定何時交出或收回控制權，反而有助維持工作連貫性，並減少不必要的人機權限衝突。

研究亦發現，在長時間工作的情況下，「人類與智能系統共享控制權模式」的參與者在實驗後段出現較高的疲勞水平，其疲勞評分顯著高於人類主導組別，反映工作中更高程度的自動化，不一定能減輕心理負荷。

徐傑教授指出，引入智能系統的原意旨在協助人類高效處理海量數據，並應對複雜任務。但本次研究發現，大眾不能「一刀切」認為更高程度的自動化會令工作更輕鬆或帶來更好表現，尤其當智能系統自行決定何時接管工作時，操作者需持續監察系統運作、理解其決策邏輯，以及預測其下一步行動，這些額外認知需求可能會增加精神負荷。

徐教授表示：「若智能系統未能清楚向使用者解釋其判斷依據，容易引發人機認知落差，影響協作效果。因此，未來學能系統設計應根據工作情況靈活調整權限分配機制，在自動化效率與人類主導權之間取得平衡，以減少『人機衝突』；亦需要更重視透明度及『人機溝通』機制，讓使用者理解系統狀態和決策原因。」

他指出，有關研究發現對不同行業提供重要參考價值，包括未來的航空駕駛艙設計、遙距操作、智能交通及其他涉及高風險決策的「人機協作」場景。

本論文的合著作者還包括陝西師範大學的葛賢良女士和宋曉蕾教授，以及浙江大學的徐翰林先生、張科先生和倪昊先生。

有關研究《研究人機分工模式如何影響多重任務表現》全文，請瀏覽：Effects of Human–Automation Authority Allocation on Multitasking Performance under Workload Conditions

嶺大研究團隊以航空駕駛艙為測試場景，操作者需同時處理多重任務並分配決策權予智能系統以分析其表現變化。

嶺南大學認知科學研究中心主任兼心理學系副教授徐杰教授。