【活動側寫】韌性防災・數位守護：馬太鞍溪堰塞湖災情分析與應變技術

「國土空間圖資 GIS 競賽東部研習」第二日以「韌性防災・數位守護」為主題，除呈現地方政府平台整合與災後管理的實務經驗外，也進一步引入「災時可快速部署、可跨域協作」的新型情資分析技術。第二場邀請互動國際李昆穎技術經理主講，以〈馬太鞍溪堰塞湖災情分析與應變技術〉為題，聚焦花蓮馬太鞍溪堰塞湖事件的偵測、監測、淹水分析、現場回報與災後復原等面向，示範如何結合 SAR 衛星雷達、開源影像、淹水情境模擬、行動回報與 AI 判讀，建立更具時效與可操作性的決策支援鏈。

一、事件回顧：堰塞湖「被看見」之後，真正的考驗才開始

講座首先以事件時間軸回顧災害發展：颱風帶來的走山在馬太鞍溪形成堰塞湖，於 7 月 25 日被偵測到；其深度與壩體規模超乎預期，面積亦相當龐大。9 月 23 日凌晨 2 點 40 分堰塞湖發生溢流，迅速引發下游地區嚴重災情，造成大範圍淹水，並伴隨傷亡與失聯等複合衝擊。李昆穎經理指出，堰塞湖災害的難點不僅在於「是否存在」，更在於「何時溢流、溢流後影響範圍與深度如何、救災資源應優先投放何處」——而這些問題，必須依靠可持續更新的時空資料來回答。

二、穿透雲霧的視野：SAR 影像與淹水深度，讓決策有「優先順序」

在災時監測的核心技術上，李昆穎經理以 ICEYE 合成孔徑雷達（SAR）為主軸，說明其在東部山區與多雲天候下的關鍵價值：相較光學影像容易受雲霧遮蔽，SAR 能在雲下持續取得地表資訊，使監測不再被天氣「卡關」。講座指出，團隊自 9 月 22 日起持續追蹤拍攝東臺灣，並結合 Sentinel-1 等開源雷達資料與 Landsat 多光譜影像交叉驗證，形成更穩健的綜合判讀。

更重要的是，本次分享把焦點從「淹水範圍」推進到「淹水深度」。李昆穎經理以多處公共設施的淹水深度為例，示範深度資訊如何直接支援救災判斷：例如校園與公所等地點的積淹水可達一公尺以上，部分商業據點更出現接近兩公尺的深度。講者強調，深度資訊可用來建立救災優先順序，其概念近似急診分級——不是所有積水都一樣危急，救援資源必須先到「最需要」的地方。

在方法上，團隊運用機器學習輔助判讀，區分永久性水體與洪水淹水範圍，並同時參考河川型態、潮汐條件、DEM、集水區資料與多源影像等資訊，以降低誤判。講座也提出「節奏」的概念：透過較高頻率的影像與分析更新（如每數小時一輪的影響評估），讓災情判讀能貼近災害變化速度，避免決策落後於現場。

三、從模擬到驗證：淹水情境分析不是取代現場，而是讓現場更可預期

除衛星監測外，李昆穎經理也以淹水情境模擬討論「模型」在災害管理中的角色：事前模擬能提供風險想定，但實際災況往往更快、更複雜。例如本案中，原先推估洪水到達關鍵橋梁可能需要 40–50 分鐘，但實際約 30 分鐘即抵達並造成橋梁沖毀，顯示模型與現實之間永遠存在差距，而這正是需要「多源資料」來校正的原因。

在工具示範上，講者介紹 ArcGIS Pro 的淹水模擬與 3D 視覺化能力：可設定河道、降雨量、地表粗糙度等參數，並將建築物高度、醫院等重要設施納入評估；亦可模擬不同降雨情境、障礙物（堤防、橋梁、沙包）對流路的影響，甚至推估壩體開口後的溢流狀態。講者並指出，模擬成果若能與 UAV 空拍等現地資料互相驗證，將更有助於形成「能被信任、能被解釋」的情資產品，讓學術與實務之間建立可對話的共同語言。

四、AI 與行動回報：讓志工「少填表、多救人」，把復原現場的資訊變成決策資料

講座後段轉向復原階段的痛點：大量志工湧入、需求分散且資訊回報不即時；傳統口述回報或事後補傳易造成延宕，偏遠地區需求更可能被忽略。李昆穎經理展示 AI 輔助的影像判讀概念：志工只要拍照上傳，系統即可自動解析車牌與車種、推估淤積深度、判讀災情嚴重程度、估算人數，甚至辨識是否出現需要緊急通報的狀況，並給出場景描述。其意義在於：把志工的時間從「填寫與整理」解放出來，讓人力回到救災本身，同時也讓資料回報更快進入可分析的結構。

配合 Survey123 等行動回報工具，現場定位、拍照與表單可直接匯入雲端資料庫，降低重複派工與資訊落差。換句話說，AI 不是替代人，而是把「描述災情」的成本降到最低，讓救災指揮能在資訊更完整的前提下做出更精準的調度。

五、把資料變成「可傳承的經驗」：StoryMap 與整合平台的敘事式治理

在多源資料彙整上，李昆穎經理指出災害資料常跨越照片、影片、GIS 與非 GIS 格式，若缺乏整合入口，就難以形成完整追蹤記錄與後續檢討依據。講座也肯定東華大學強韌團隊在 StoryMap 在災害記錄上的實用性：它讓非程式背景的團隊也能快速整合 2D/3D 影像、圖資、照片、影片與文字，並以時間軸方式呈現事件演變，同時可嵌入各單位既有圖台與儀表板，形成「快速發布、可持續更新」的災害敘事平台。

主持人郭俊麟老師回饋：跨域技術讓「提問能力」成為新世代防災素養

主持人郭俊麟老師在回饋中指出，本場講座恰好補足前一日以光學遙測為主的內容，特別是 SAR 影像穿透雲霧的監測優勢，對科研與防災團隊都是重要的技術參考。郭老師也分享自身過去多以 ArcGIS Online 與 StoryMap 進行整合，但此次看見 ArcGIS Pro 在分析模組上的強大，尤其當未來能取得更精細的地形資料（如 1 公尺 DTM 或即時光達測量），淹水模擬將更能貼近防災需求，促使「資料精度」與「分析能力」同步升級。

針對學生常見的自我設限——「文科背景做不了量化分析」——郭老師也特別強調：在 AI 與工具的輔助下，跨域研究已逐步打破學門邊界，關鍵不在於出身科系，而在於能否提出好問題、理解資料限制、並以合適方式呈現結果。郭老師也對講者示範的 AI 現場判讀與 Survey123 應用印象深刻，認為多模態 AI 讓語音、文字、影像皆可成為可運算的資料來源，值得進一步研究其最新功能與導入方式。

最後，郭老師補充東華大學強韌團隊的策略：與其自建龐大的 WebGIS 系統，不如以 StoryMap 作為「快速整合與即時更新」的入口，將監測圖資、避難疏散地圖、歷史地圖與場域踏查成果串聯成集合，透過固定網址與 QR Code 持續擴充內容。這種做法在大型災害中尤具意義——當資訊需要在一天內更新多次，能快速發布與修正的平台，就是最務實的韌性。

結語：韌性防災的下一步，是把「看見」變成「能用」

本場講座以馬太鞍溪堰塞湖事件為案例，完整示範如何把衛星 SAR 監測、開源影像、情境模擬、AI 判讀與行動回報串成一條決策支援鏈，讓災害資訊不只停留在「看見災情」，而能進一步回答「先救哪裡、先做什麼、如何追蹤到何時」。對參與研習的同學而言，這也提示了一種新世代的防災素養：不必等到成為工程師才開始關心資料與模型，而是從現在就學會以時空資訊提問、以多源資料驗證、以可理解的方式溝通——因為在災害面前，最珍貴的從來不是單一技術，而是能把技術轉成行動的能力。