彭啟明 (Chi Ming Peng) 天氣風險管理開發公司總經理 全台第一間民間氣象公司「天氣風險管理開發股份有限公司」擔任總經理，任職大愛新聞 氣象主播、中廣氣象達人節目主持人、中央、文化大學兼任教授、環境保護學會 秘書長、OPEN DATA聯盟 會長。學術專長有天氣風險管理、大氣化學、氣象數位媒體製作行銷與環境教育。

1. 天氣/氣候大數據的
應用與展望
彭啟明李孟洋
天氣風險管理開發股份有限公司
2014 台灣資料科學愛好者年會20140831

2. 我的理想
立足台灣做一個地球社會企業
更了解地球、護持地球
幫企業做防災，與災害共存
和新一代年輕人找到新的機會
歡迎一起加入我們

3. 演講內容
冰島火山噴發
天氣/氣候怎麼來的
應用實例
氣候變遷
應用與展望

4. 4

5. 5

6. 6

7. 7

8. 8

9. 9

10. 10

11. http://blogs.sacbee.com/photos/2010/04/iceland-vo1lc1ano-part-two.html

12. 12

13. http://blogs.sacbee.com/photos/2010/04/iceland-vo1lc3ano-part-two.html

14. 火山噴出物
火山噴出物可分為固態、液態與氣態。固態以火山碎屑物為主，液態
為岩漿與水，氣態則為含多種成分之蒸氣︰
固態︰火山碎屑物
液態︰岩漿與水
氣態︰ H2O、CO2、SO2……….
火山噴發碎屑種類/粒徑
名稱粒徑
Blocks / Bombs (火山塊) >64 mm
Lapilli (火山礫) < 64 mm
Volcanic Ash (火山灰) < 2 mm
Volcanic Dust(火山煙塵)
(Fine Volcanic Ash)
<0.063 mm
14 資料來源:本報告整理

15. http://blogs.sacbee.com/photos/2010/04/iceland-vo1lc5ano-part-two.html

16. 2010年冰島的Eyjafjallajökull 火山
噴發，超過10萬次歐洲航班取消，
長達6天的禁飛期，超過1千萬歐
洲人被迫滯留在外。
行業影響程度
航空業近30國關閉或限制空域(英、義
、捷等)
觀光業損失約500多億台幣，6.3萬航
班取消(4/18)、7百多萬旅客滯
歐
產業肯亞農業日損900萬美元
F1賽車歐陸站受影響
經濟歐洲GDP下降1-2%(Chatham
House經濟學家羅西)
對台灣
影響
損失1.5億台幣，61團約1589名
旅客滯歐，近2000多人無法出
國(至4/23)
16

17. 17

18. 18

19. 19

20. 20

21. 21

22. 22

23. 23

24. 24

25. 25

26. 26

27. The London VAAC process
27

28. 全世界的火山灰預測中心
28

29. 四年處境重演?
不同高度及濃度的火山灰濃度，都有其對飛安可能
的定義，如果目視有火山灰雲時，就要避免繞過，
盡量避免火山噴發附近，夜間航行的可能性。
四年的經驗，還有不少飛機在空中量測，應該解決
了不少問題，應該不致於出現四年前的處境，但仍
可能有短時間的影響。
29

30. Everybody Talks About the Weather,
But Nobody Does Anything About It.
Mark Twain
…while everybody talked about the
weather, nobody seemed to do
anything about it.
Charles Dudley Warner

31. 「Yahoo 1分鐘報氣象，
來自於100T的氣象資料」
～天氣風險公司賈新興博士
31

32. 天氣如何預報?
資料收集
資料品管
資料同化
(Data Assimilation)
氣象模式模擬
模擬後處理
人為解讀
產品及繪圖
32

33. 天氣的根源觀測資料
Surface observations
Radiosondes
Buoys and Ship observations
Aircraft observations
Satellite soundings
Radar and Satellite
Cloud and water vapor track winds
33

34. 「Yahoo 1分鐘報氣象，
來自於100T的氣象資料」
～天氣風險公司賈新興博士
34

35. 35

36. 有了觀測資料就可以來進行預測
36

37. 還需要參數化的過程
– 不同地形的加熱作用
– 如何描述一朵雲的水平運動
– 上下的對流運動
– 雲內的降雨過程
– 空氣塊遇到地形的舉昇過程
– 不一樣緯度
– 颱風、午後雷陣雨、鋒面…..
………
37

38. 大尺度全球氣象模式
– 美國Global Forecast System Model (GFS)
• 預測384 小時，解析度約25km，每天預測四次
– 歐洲中期預測中心ECMWF
• 預測10-15天，解析度0.125 度，公認全球最好模式
– 英國氣象局UK Met Office
• 與美國GFS 接近
– 加拿大氣象中心GEM 模式
– 及其他，如中國、日本等
38

39. 中小尺度區域氣象模式
– MM5 (Penn. State/NCAR Mesoscale Model
Version 5)
– WRF (Weather Research and Forecasting
Model) (36, 12, 4, 1.3 km)
– COAMPS (Navy). 美國海軍預測模式
39

40. ECMWF model is usually the most
skillful for major storms: like Sandy
…and the media and others have
noticed
By Clifford Mass
University of Washington
First Symposium Austin, Texas, 40
on the Weather and Climate Enterprise
January 7, 2013

41. 41
Rank PreviousF Rirasnt AkppFeiarsrat nRcaenNkame Site Manufacturer Country Year Segment
1 1 41 1 Tianhe-2 (MNilaktyioWnayl -S2u)per Computer Center in Guangzhou NUDT China 2013 Research
2 2 40 1 Titan DOE/SC/Oak Ridge National Laboratory Cray Inc. United States 2012 Research
3 3 38 17 Sequoia DOE/NNSA/LLNL IBM United States 2011 Research
4 4 37 1 RIKEN Advanced Institute for Computational Science (AICFSu)jitsu Japan 2011 Research
5 5 39 3 Mira DOE/SC/Argonne National Laboratory IBM United States 2012 Research
6 6 40 114 Piz Daint Swiss National Supercomputing Centre (CSCS) Cray Inc. Switzerland 2012 Research
7 7 40 7 Stampede Texas Advanced Computing Center/Univ. of Texas Dell United States 2012 Academic
8 8 39 8 JUQUEEN Forschungszentrum Juelich (FZJ) IBM Germany 2012 Research
9 9 39 48 Vulcan DOE/NNSA/LLNL IBM United States 2012 Research
10 43 10 Government Cray Inc. United States 2014 Government
11 43 11 HPC2 Exploration & Production - Eni S.p.A. IBM Italy 2014 Industry
12 10 39 4 SuperMUCLeibniz Rechenzentrum IBM Germany 2012 Academic
13 11 42 11 TSUBAME G2.S5IC Center, Tokyo Institute of Technology NEC/HP Japan 2013 Academic
14 12 36 1 Tianhe-1A National Supercomputing Center in Tianjin NUDT China 2010 Research
15 13 42 13 cascade DOE/SC/Pacific Northwest National Laboratory Atipa Technology United States 2013 Research
16 14 41 11 Pangea Total Exploration Production SGI France 2013 Industry
17 15 39 7 Fermi CINECA IBM Italy 2012 Academic
18 43 18 Edison DOE/SC/LBNL/NERSC Cray Inc. United States 2014 Research
19 43 19 ECMWF Cray Inc. United Kingdom 2014 Research
20 43 20 ECMWF Cray Inc. United Kingdom 2014 Research
21 16 37 7 Pleiades NASA/Ames Research Center/NAS SGI United States 2011 Research
22 17 42 17 IBM Development Engineering IBM United States 2013 Vendor
23 23 39 13 Blue Joule Science and Technology Facilities Council - Daresbury LaIbBoMratory United Kingdom 2012 Research
24 18 40 69 Spirit Air Force Research Laboratory SGI United States 2012 Government
25 19 42 19 ARCHER EPSRC/University of Edinburgh Cray Inc. United Kingdom 2013 Research
26 20 39 9 Curie thin nCodEeAs/TGCC-GENCI Bull SA France 2012 Research
27 31 42 31 Max-Planck-Gesellschaft MPI/IPP IBM Germany 2013 Research
28 21 35 2 Nebulae National Supercomputing Centre in Shenzhen (NSCS) Dawning China 2010 Research
29 22 40 13 YellowstoneNCAR (National Center for Atmospheric Research) IBM United States 2012 Research
30 24 38 28 Helios International Fusion Energy Research Centre (IFERC), EUB(Fu4ll ES)A - Japan BroadJaepr aAnpproach collaboration2011 Academic
31 25 36 44 Garnet ERDC DSRC Cray Inc. United States 2010 Research
32 26 37 6 Cielo DOE/NNSA/LANL/SNL Cray Inc. United States 2011 Research
33 27 39 20 DiRAC University of Edinburgh IBM United Kingdom 2012 Academic
34 28 36 5 Hopper DOE/SC/LBNL/NERSC Cray Inc. United States 2010 Research
35 29 36 6 Tera-100 Commissariat a l'Energie Atomique (CEA) Bull SA France 2010 Research
36 30 39 18 Oakleaf-FXInformation Technology Center, The University of Tokyo Fujitsu Japan 2012 Academic
37 36 42 36 QUARTETTROesearch Institute for Information Technology, Kyushu UnHiveitrascithyi/Fujitsu Japan 2013 Academic
38 32 40 24 National Computational Infrastructure, Australian National FUunjitvseursity Australia 2012 Research
39 33 41 28 Conte Purdue University Hewlett-Packard United States 2013 Academic
40 43 40 Spruce A AWE SGI United Kingdom 2014 Research
41 34 40 36 MareNostrum Barcelona Supercomputing Center IBM Spain 2012 Academic
42 37 37 13 LomonosovMoscow State University - Research Computing Center T-Platforms Russia 2011 Academic
43 38 39 102 AMOS Rensselaer Polytechnic Institute IBM United States 2012 Academic
44 39 38 12 HERMIT HWW/Universitaet Stuttgart Cray Inc. Germany 2011 Industry
45 43 45 Faris Saudi Aramco EXPEC Hewlett-Packard Saudi Arabia 2014 Industry
46 40 38 14 Sunway BluNea Ltiiognhatl Supercomputing Center in Jinan National Research CCehnintear of Parallel Computer2 0E1n1giRneeesreinagrc &h Technology
47 41 38 15 Zin Lawrence Livermore National Laboratory Cray Inc. United States 2011 Research
48 42 38 16 Tianhe-1A HNuantiaonn aSl oSluutpioenr Computer Center in Hunan NUDT China 2011 Research
49 43 49 Spruce B AWE SGI United Kingdom 2014 Research
50 43 35 112 Endeavor Intel Intel United States 2011 Industry
51 43 51 COMA (PACeSn-ItXe)r for Computational Sciences, University of TsukubaCray Inc. Japan 2014 Academic
52 44 41 36 Indian Institute of Tropical Meteorology IBM India 2013 Research
53 45 39 29 CNRS/IDRIS-GENCI IBM France 2012 Academic
54 217 39 100 Cetus DOE/SC/Argonne National Laboratory IBM United States 2012 Research
55 46 39 30 Zumbrota EDF R&D IBM France 2012 Industry
56 47 42 47 EPFL Blue SBwraisins INVational Supercomputing Centre (CSCS) IBM Switzerland 2013 Research
57 48 39 31 Avoca Victorian Life Sciences Computation Initiative IBM Australia 2012 Research
58 49 42 49 Max-Planck-Gesellschaft MPI/IPP IBM Germany 2013 Research
59 50 37 24 HECToR University of Edinburgh Cray Inc. United Kingdom 2011 Academic
60 51 38 483 ECMWF IBM United Kingdom 2011 Research
61 52 38 55 ECMWF IBM United Kingdom 2011 Research

42. Sample T00ra00c UkT DC ifferences
23 October
1200 UTC
23
October
BLACK = Best Track RED = ECMWF BLUE = GFS
0000 UTC
24 October
1200 UTC
24
October
42

43. In this talk I will discuss some of the
reasons for U.S. NWP falling behind…
• Poor leadership and lack of vision.
• Inadequate computer resources.
• Lack of cooperation between research and governmental
NWP.
• Lack of enterprise-wide coordination, prioritization and
planning.
• Structural organizational problems in NOAA.
• Lack of extramural research support by NOAA/NWS.
• A willingness to accept mediocrity. By Clifford Mass
University of Washington
First Symposium on the Weather and Climate Enterprise
Austin, Texas, January 7, 2013

44. 目前預報的能量大幅提升
Source: ECMWF Annual report 2013.
44

45. Big Data!
45
Source: ECMWF Annual report 2013.

46. 運用資料來分析研判
1. 西太平洋八月零颱風!
2. 用開放資料看颱風及雨量

47. 47

48. 48

49. 49

50. 50

51. 颱風預測資料剖析程式
一個大一實習生的想法

52. 52

53. 53

54. 54

55. 55

56. 56

57. 雨量暨淹水警戒監測系統

58. 58

59. 59

60. 60

61. 61

62. 42元/9顆
(3/28)
62

63. 小時候加蛋+5元
http://nelly068.blogspot.tw/2013/06/blog-post_11.html
63

64. 荷包蛋12元64

65. 未來便利
商店的茶
葉蛋漲價?
65

66. •蛋殼顏色不同，養分是
否不同?
66

67. 67

68. 68

69. 69

70. 10
15
20
25
30
35
40
45
2003/01
2003/04
2003/07
2003/10
2004/01
2004/04
2004/07
2004/10
2005/01
2005/04
2005/07
2005/10
2006/01
2006/04
2006/07
2006/10
2007/01
2007/04
2007/07
2007/10
2008/01
2008/04
2008/07
2008/10
2009/01
2009/04
2009/07
2009/10
2010/01
2010/04
2010/07
2010/10
2011/01
2011/04
2011/07
2011/10
2012/01
2012/04
2012/07
2012/10
2013/01
2013/04
2013/07
2013/10
2014/01
每月平均產地農場價格(元/斤) 每月平均都市零售價格(元/斤)
近十年每月平均蛋價變化

71. 近五年蛋價與氣溫變化趨勢
天氣冷蛋價漲
40
30
20
10
0
每日產地價格(元/斤) 每日平均溫度每日溫差71

72. -15
-10
-5
0
5
10
15
2010/11/01
2010/12/06
2011/01/10
2011/02/14
2011/03/21
2011/04/25
2011/05/30
2011/07/04
2011/08/08
2011/09/12
2011/10/17
2011/11/21
2011/12/26
2012/01/30
2012/03/05
2012/04/09
2012/05/14
2012/06/18
2012/07/23
2012/08/27
2012/10/01
2012/11/05
2012/12/10
2013/01/14
2013/02/18
2013/03/25
2013/04/29
2013/06/03
2013/07/08
2013/08/12
2013/09/16
2013/10/21
2013/11/25
2013/12/30
2014/02/03
2014/03/10
價格變異度(每日價格-平均價格) 溫度變異度(每日溫度-平均溫度)
近五年蛋價與氣溫變異度
今年蛋價變異是過去的同期的1倍
人為? 天氣?
72

73. 0
10
20
30
40
2013/01/01
2013/01/15
2013/01/29
2013/02/12
2013/02/26
2013/03/12
2013/03/26
2013/04/09
2013/04/23
2013/05/07
2013/05/21
2013/06/04
2013/06/18
2013/07/02
2013/07/16
2013/07/30
2013/08/13
2013/08/27
2013/09/10
2013/09/24
2013/10/08
2013/10/22
2013/11/05
2013/11/19
2013/12/03
2013/12/17
2013/12/31
2014/01/14
2014/01/28
2014/02/11
2014/02/25
2014/03/11
2014/03/25
每日產地價格(元/斤) 每日平均溫度每日溫差
每日蛋價與氣溫變化(2013-2014/3/26)
今年初天氣和去年變異不大
但價格卻差很大?
73

74. 賽鴿天氣
74
能見度
風速
風向
降雨
溫度
訓練方式
保健食品
餵食狀況
投注金額
圖片來源：信鴿1網http://www.1-pigeon.com.tw/, 南海賽鴿風雲http://pigeon.twbbs.org/

75. 短期天氣預報
根據客戶需求的時間與地點，提供客製化的天氣預報服務。
適合舉辦戶外活動的公關公司、廣告公司、製片公司、運動會、企業家庭日…等。
75

76. 天氣指數
天氣指數是將各種氣象的參數轉化為日常生活是否適宜
進行活動的指標，讓觀看天氣預報成為輕鬆的樂活體驗。
76 圖片來源：BeeTV

77. 防災服務
• 服務項目：日常氣象災害風險評估、颱風動態分析、防災應變決策評
估、劇烈天氣監測及預警…
服務對象：高鐵、公路總局、縣市政府
77

78. 海象預報
• 利用海洋天氣觀測資料，預測海上天氣狀態、
風速、風向、浪高、浪向、氣溫及有無劇烈天
氣系統引發之機會。
• 適用對象：航運業者、海事工程、遠洋漁業…
等
78

79. 中期天氣預報
夏季與冬
季熱銷商
品？
何時須開
始調整備
貨量？
天氣條件
是否影響
銷售？
季節限定
商品的銷
售期間？
圖片來源：全家便利商店網站79

80. 長期氣候分析
從過去龐大的歷史資料統計，再
加上氣候預報資訊，可提供服飾
業、農業、家電業…等天氣敏感
企業做為產銷與營運的參考。
目前農民只靠農
民曆與自身經驗，
來判斷耕種與收
成的時間。
靠著專業的氣候分析，
未來農民能掌握天機。
80

81. 運用天氣歷史資料，分析銷售量、原料供應量與天氣變化之關係。
分析結果
門市備貨量
最適展店地點
原料購買量
氣象經濟
天氣資料
歷史氣象資料
衛星雷達資料
國內外氣象模式
海洋觀測與模式
氣候監測及預報
81
氣象經濟
分析服務
input
input
output
銷售或供應資料
門市銷售資料
商品銷售紀錄
店鋪消費人潮
原料供應數量
input

82. 企業經營風險
觀光業者-門票收入損失
戶外活動-費用耗損、民怨四起
戶外活動-費用耗損、政府損形象
廠房設備-費用耗損、人身危險

83. 天氣風險管理如何導入企業運作
無法確定調整營運方式
的長期風
險
83
歷年營運紀錄
歷史氣象資料
業績與天氣
關聯性
統計方
法精算
分析
7-14天氣象預報
預期業務量
天氣保險/衍
生性商品
穩定營收
財務風險
分散
經
營
風
險
管
消極性理
積極性

84. 84

85. 85
90
80
70
60
50
40
30
20
10
0
0 5 10 15 20 25 30 35
雨量
人數
建築業
降雨與來客數的關係統計
隨著雨量增加，人數有明顯減少的趨勢，尤其當雨量大於15毫米，人數驟減。
三個月的週末假日資料

86. 86
鶯歌陶瓷博物館來客人數行為
(2001-2004年，假日)
雨量分級平均人數標準差天數/比例人數變化率
No rain 2224 1505 307(72%)
0-1mm 2500 2079 39(9%) 12%
1-5mm 2230 1979 24(6%) 0%
5-10mm 1692 1021 17(4%) -24%
>10mm 1795 1158 39(9%) -19%

88. 天氣風險管理市場角色分析
氣象資料
銀行
保險公司
期貨公司
再保
CME
行銷窗口
風險控管
交易平台
風險分散
客戶
氣象資料
取得容易
天氣衍生性商
品計價模型
市場行銷
創造需求
了解營業如
何受天氣風險
透明化
計價基礎

89. A Climate Risk
Assessment for the
United States
2014 Risky Business Report
Michael Bloomberg,
Founder, Bloomberg
Philanthropies,
Former Mayor of
New York from 2002-
2013.
Hank Paulson,
Former Secretary
of Treasury and
Chairman of
Paulson Institute
Tom Steyer,
Retired Founder
of Farallon
Capital
Management LLC

90. 再不做就來不及了!
Climate change: Time is running out!
調適(Adaptation): 人類調整改變社會的軟(政策
與觀念)硬(產業與建設)體以適應目前或是未來的氣候變遷，減
少損害且創造新的契機。
減緩(Mitigation): 減少大氣中的溫室氣體濃度，
延後甚至避免氣候變遷發生，讓氣候變遷的衝擊降低。
減緩也是一種調適

91. 現在不付加倍奉還
PAY NOW OR PAY MORE LATER
每條路都需要大量投入，但行動遲疑會讓減緩氣候變遷付出更高成本

92. 企業面對氣候風險該有的行動方式
認知
Awareness
• 減緩、調適
• 災害應變措施、中長期風險管理
• 評估未來情況
行動
Action
永續
Sustainability
IPCC報告氣候變遷天氣/氣候預報
CSR 營運持續管理氣候風險揭露

93. U.S. Climate Data Initiative
John David Podesta: “Climate Data Initiative launches with
strong public and private sector commitments.”
Climate.Data.gov
Other
Departments/Agencies
Environmental Systems
Research Institute
Counselor to the President
U.S. Geological Survey
/26 93

94. U.S. administration commitments
• Launch of Climate.Data.gov
• Increase the open data of nation’s infrastructure units and geographic map
• Expand stakeholder outreach and engagement in various sectors
/26 94

95. Climate.Data.gov
/26 95

96. 我近一年額外義工Open Data
96

97. 台灣開放資料發展網絡
政府企業社群
總統
行政院, 科技會報
國家發展委員會經濟部工業局
縣、市政府台北市電腦公會開放資料產業聯盟
G0V 零時政府
Code for
Tomorrow
OpenData.tw
開放知識基金會台
灣
97

98. 和政府要資料
• 啟明會長惠鑒：日前致總統電子郵件，敬悉。您關心公共事務，擔任
「開放資料聯盟」（Open Data Alliance, ODA）會長，對政府開放資料
政策提供寶貴意見，總統甚為重視，特囑代復致意。「開放資料」已
是國際趨勢，政府也注意到此一方向，並建置「政府資料開放平臺」
（data.gov.tw）。您建議增加開放42項資料事，因涉主管機關權責，
已轉請行政院統整處理；至本府業務相關資料之開放，亦已配合「政
府資訊公開法」明訂之「主動公開政府資訊之範圍」於本府網站「政
府資訊公開」專欄（路徑：首頁／公報與法令／政府資訊公開）上載
公開資訊，方便民眾查詢瀏覽。非常感謝您的來信，特此回復，並祝
平安喜樂
• 總統府敬啟
98

99. 馬總統您好
針對府方回覆本人於六月底之開放資料政策，相關之回應不甚明確，凸顯府方對
於開放資料政策不了解。
建請馬總統可要求總統府相關單位及幕僚做兩件事
1. 看看美國總統歐巴馬如何推動開放資料政策，美國白宮及英國內閣開放了哪些
資料給您參考，您就可以知道您該做哪些政策推動。
2. 將現有總統府政府資訊公開之資料，以開放資料格式對外提供。
啟明敬上
回覆內容：
啟明會長惠鑒：7月19日致總統電子郵件，敬悉。感謝您再對政府「開放資料」
政策提供寶貴意見，本府已轉呈總統，所提建議已留供研議辦理。至盼不吝續賜
卓見，為國家進步發展共同努力。特此回復，並祝
平安如意
總統府敬啟99

100. 開放政府資料
• 公部門多數為最大的資料擁有者
120,000
100,000
80,000
60,000
40,000
20,000
0
資料集數量
美國英國日本新加坡韓國台灣
100

101. 101
您好:
關於您所提出的請開放
天然氣管線、工業用管線資料建議，有最新的回覆如下:
敬啟者您好：
有關您於103年8月4日於「政府資料開放平臺」提出開放天然氣管線、工業用管線資料、經緯度、坐標等資料之意見，說明如
下:
一、關於天然氣管線：本局建立油氣管線圖資資料之目的係為防止施工單位不慎挖損油氣管線滋生工安事故及災害防救業務需要，
若非屬上述公務需求，由於油氣管線均有明確坐標位置，公開恐遭有心人士不當利用或破壞，且基於上開管線為能源基
礎設施，若遭破壞將影響能源供應安全，爰歉難提供，尚祈見諒。
二、關於石化管線：管線資訊是否公開，尊重相關管理機關決定(視埋設地點決定相關管理機關)：
（一）經濟部開發之工業區、加工出口區及科技部之科學園區內：依據各園區之管理辦法，如於經濟部工業局所屬工業區內，由廠
商依「挖掘道路埋設管線作業要點」向工業區服務中心提出申請，後續督導亦由該單位負責。
1.經濟部工業局於民國100年優先針對高雄地區大社、仁武、臨海、大發及林園等5處工業區，依據內政部營建置制定之「公共設施
管線共同規範資料標準」規範，調查並數化位於工業區內道路之電力、自來水、瓦斯、輸油管線…等8大管線。其中林園及大社工
業區部分，亦將廠商所提供之埋設原物料管線配置圖數化於地理資訊系統。
2.為利地方政府掌握工業區內道路管線佈設情形，已於上開地理資訊系統設定一組帳號予高雄市政府利用，俾利查閱工業區內管線
分布情形。
（二）上述地點之區外（例如市區道路埋設管線）：
1.依照內政部「市區道路條例」第１條「市區道路之修築、改善、養護、使用、管理及經費籌措，依本條例之規定；本條例未規定
者，適用其他法律。」；該條例第４條「市區道路主管機關：在中央為內政部；在直轄市為直轄市政府；在縣（市）為縣（市）政
府。」。依據前述規定，於市區道路埋設地下管線，應向地方政府申請，督導管理責任亦應屬地方政府。
2.依石油管理法及天然氣事業法規定，其相關石油及天然氣管線之主管機關為經濟部負責管理，本案管線係輸送丙烯屬石油化學業
之原料，其相關埋設應依市區道路條例及共同管道法規定，向當地直轄市政府或縣（市）政府申請許可並管理。

102. 高雄氣爆血的教訓：開放地下管線地圖，國安
不是擋箭牌
經濟部應該想想如何在公布管線與安全維護之間找到平衡點，採取配套措施或彌補辦法。美國早在小布希當總統的時代就成立的管線
與毒害物質安全署(Pipeline and Hazardous Materials Safety Administration，PHMSA)提供民眾透明資訊。經濟部應該先研究為什
麼美國能開放而非兩手一攤，毫無辦法。
102
還是經濟部根本就不在乎美國的做法，因為國安問題是最好的擋箭牌，是不用開放資料的最好藉口。
難怪民間已經對政府失去信心，開放資料聯盟會長彭啟明砲轟政府「政府要主動積極開放資料，而不是被動等
民眾來要，難道民眾是乞丐嗎？還要我們去乞求資料，政府表面上說得好聽，民間有什麼資
料需求盡量開放，但實際上卻是要什麼沒什麼。」彭啟明更直言，「目前只能把希望放在2016年，希望那時選
出的執政者對開放資料議題更有Sense。」開放資料聯盟副會長蔣居裕甚至說，「對於台灣開放資料的未來，我蠻
悲觀的，要政府體制內的人大改革，真正接受開放資料的精神與實際執行不太可能。要民間力量表達憤怒
，去衝撞才有可能有大進展。」
數位時代
http://www.bnext.com.tw/article/view/id/33332

103. 一、前揭所需就學貸款申貸學生之校名、學費、貸款金額等相關資料，係由承貸銀行與學生辦理對保作業，並簽訂契約，係屬個人資料，本部尚無相
關統計。
二、本部目前就學貸款公開資訊(如就學貸款人次、人數及貸款金額等)業已刊載於本部圓夢助學網
(https://helpdreams.moe.edu.tw/hd/upload/20140226_update.pdf)，您可轉知民眾至本網站下載使用。
謝謝您的來信，謹致上十二萬分的誠摯祝福。
103
關於您所提出的請開放大學助學貸款資料建議，有最新的回覆如下:
資料集的描述：學校名、學費、貸款金額、貸款年限、縣市別
建議資料提供機關：教育部
資料集的用途：業務用,社群使用,學術研究用
開放與使用此資料集能帶來甚麼好處：可以了解學生財務現況，可開放分析研議

104. 天氣風險運用的資料
分類項目案例
媒體
電視新聞大愛電視新聞氣象、客家電視新聞氣象、東森新聞氣象
廣播節目中廣氣象達人
其他中華電信MOD、TiVo、Yahoo一分鐘報氣象
網路應用
電腦ASUS、Microsoft、MiTAC、MSI
網站Yahoo氣象頻道、Google Map全球天氣
手機MTK、Nokia、iPhone App、Android App
導航Mio、Luxgen
客製化預報短中長期天氣預報賽鴿天氣、運動天氣、婚紗拍攝
企業專案
企業節能旺宏電子
防災氣象台灣高速鐵路
氣象經濟遠雄建設、全家便利商店、飛虹公關、奧美公關、天氣保險
政府專案
專業預報國家太空中心
防災氣象新北市政府、台中市政府、台南市政府、屏東縣政府、公路總局
環境教育環保署
104

105. 個案預報流程全球氣象資料
全球氣象模式
全球區域模式
分析師校驗
加值分析
產品服務
其他資料
資料清理
資料格式化
資料取得
資料清理
資料重建
資料分析、資料儲存
資料運用
評估項目專家建議權重
穩定性5
更新頻露4
格式3
格式穩定性2
硬體支援程度2
技術支援程度3
105

106. 開放資料
整合分析
專業校驗
數值模擬
加值服務
開放資料
整合分析
專業校驗
數值模擬
關聯演算
加值服務
其他資料
開放資料
資料
三
資料
二
高頻擷取
整合分析
快速推播
資料
一
資
料…
開放資料
整合分析
專業校驗
數值模擬
視覺化資訊技術
加值服務
一般性預報加值客製化預報加值
快速傳播加值視覺化資訊技術加值
106

107. 應用與展望
• 氣候變遷問題複雜，需要更多開放資料及大數據運用
• 開放資料形成新的技術障礙
• 不再是秘密或難以使用，相關產業回到相同競爭基礎，新的利基在於如
何穩定的使用開放資料？如何分析資料或將多重資料混合應用。
• 使用全球開放資料創造價值與競爭優勢
• 競爭對手不只來自相同國家之中。相對的，使用同領域的全球開放資料，
將能大幅度的領先地方既有競爭者，同時也將服務帶到國際。
• 開放部分企業資料接近使用者
• 接觸使用者，了解真正使用者所需以及創新的機會，成為行銷全球的工
具，開拓服務版圖；在更長時間尺度、更高頻率、更細資料內容中發掘
商機。
107

108. Thank you for your attention!
peng@weatherrisk.com
www.facebook.com/weatherrisk
108