【專家觀點】成大數位孿生:提前看見河流邊坡崩塌風險
一場短延時強降雨,落在不同地方,可能帶來不同風險:城市可能積水、淹水;山區則可能因大量雨水滲入土壤,造成含水量快速上升,進而引發邊坡崩塌或土石流。
成功大學土木工程學系教授兼系主任王雲哲表示,強降雨發生時,地下水位、土壤含水量與邊坡內部受力都在持續變化,這些肉眼看不見的訊號,往往是判斷邊坡是否失穩的重要關鍵。
「災害發生前,很多徵兆已經出現,只是這些變化細微且不易察覺。」王雲哲說,團隊當初開發數位孿生,就是希望將感測器取得的分散資訊整合起來,了解河流邊坡狀態,及早辨識潛在風險。
為了在災害發生前看見邊坡變化,王雲哲帶領團隊將數位孿生導入坡地監測與工程防災,結合感測器、雲端平台、人工智慧與物理模型,建立山坡的「數位分身」,進一步發展預警系統。
這項技術透過整合地形、降雨、土壤含水量、地表位移及水位等資料,建立虛擬地景模型,持續掌握環境變化,應用於山坡地與流域防災,也可應用於堰塞湖預警。
什麼是數位孿生?
王雲哲解釋,「孿生就是雙生。可以想像,現實世界有一個實體,電腦裡也有一個與它對應的數位模型。」
利用數位孿生替山坡建立一個分身,就像讓山坡開口說話一樣,人們得以知道土地的內部變化。
數位孿生常應用於房屋、橋梁、飛機等工程領域,用來模擬不同情境。與傳統模型最大的不同,在於它能持續接收真實世界的資料,隨現場變化同步更新。
王雲哲舉例,「一棟房子蓋好後,過了20年、50年,究竟變成什麼狀態?傳統模型無法知道。但如果安裝感測器,連結數位孿生系統,就能持續取得結構、環境等資訊,掌握房屋現況。」
同樣的概念應用在坡地防災。王雲哲說,「雨量計知道下了多少雨,地震儀掌握地表震動,溫度計記錄環境變化;再加上土壤、地下水位,以及地表位移、加速度等資料,數位孿生就能拼出一個接近真實世界的邊坡狀態。」
數位孿生不只「看見現在」,還能結合物理模型與人工智慧,持續更新、分析現況,進一步做到風險預警。
精準研判 預警走向防護
王雲哲指出,感測器看到的是地表正在發生什麼,人工智慧則進一步推敲地下可能發生什麼。透過感測器搭配機器學習(machine learning,簡稱 ML,人工智慧的一種),數位孿生能更精準掌握坡地狀態。
「邊坡科技防災就像精準醫療,是依據個別條件判斷,不只看平均值,這也是成大團隊數位孿生的核心技術。」王雲哲說,數位孿生不只是防災工具,也可以成為農民管理土地的助手。
團隊在臺南官田一處私人農場建立實際場域,替農場山坡裝上一套「24小時運作的健康監測系統」,持續蒐集與分析坡地變化。
透過數位孿生隨時了解土地狀態,可以更早知道哪一處土壤過乾、過濕,或邊坡出現異常,及時調整灌溉、排水與田間管理;遇到強降雨,也能提前得知可能的坡地風險。換句話說,數位孿生讓農民不再只是「看天吃飯」,而是多了一套看得見土地變化的數位工具。
防災的關鍵,不是等災害發生後才應變。以堰塞湖為例,一旦發現壩體變形、水位異常上升或溢流風險,便能及早預判潰決可能性與影響範圍,協助相關單位掌握撤離時機、規劃疏散路線,爭取防災應變時間。
王雲哲表示,「團隊將資訊整合在同一個系統裡,等於把風險辨識往前移,為預警與應變爭取更多時間,而且不只預警,還會主動出擊。」
例如淹水時,系統可根據即時資訊判斷風險,進一步啟動抽水設備或開啟閘門;面對邊坡崩塌風險,則能在異常發生前及早辨識、發出警告,為撤離與防護爭取時間。
「不當事後諸葛,追求卓越、引領前瞻。」王雲哲認為,防災的真正價值,不是災害發生後如何補救,而是在風險出現之前就看見、辨識,並及時採取行動。「這也是團隊開發這套數位孿生技術,應用於邊坡防災的重大意義。」