蒙古「Nomadic Futures」明天登場：55原鄉可把季節移動、傳統知識與氣候資料接成韌性地圖

# AI驅動原鄉產經觀察｜從「移動」重新理解氣候韌性

FAO公布的「Nomadic Futures: Cultural Rights, Knowledge Systems, Climate Resilience」國際會議將於2026年8月18日至20日在蒙古烏蘭巴托舉行。會議把文化權利、知識系統、移動、土地治理、氣候韌性與政治參與放在同一個框架中，也呼應2026國際牧地與牧民年對「移動是氣候調適策略」的政策討論。對臺灣55原鄉而言，這不是要把山地或海岸部落套進游牧民族的生活模式，而是提醒我們：很多原住民族的環境知識，本來就與季節、路徑、海拔、河川、農作、漁獵、採集、祭儀與災害經驗一起運作。參見FAO｜Nomadic Futures與FAO｜International Year of Rangelands and Pastoralists 2026。

FAO指出，牧民會依季節條件、牧草、水源與市場變化調整移動，這種移動有助於降低對脆弱土地與水源的壓力，也能在乾旱、洪水與季節變動更不穩定時形成調適能力。對臺灣原鄉可借鏡的，不是「搬遷」本身，而是把地方的時間性與空間性知識重新視為公共服務資料：哪一段道路逢豪雨先受影響、哪一條溪流在什麼徵兆下代表風險升高、哪些作物或野菜的時序正在改變、哪一種海象或風向會影響出海與採集、哪些祭儀或土地使用有季節限制。這些資料若只存在個人記憶裡，很難進入公所的年度規劃；若全部公開上網，又可能傷害部落權利。地方需要的是「可治理的韌性地圖」。

第一層：把地方觀察做成「季節—地景—事件」紀錄

55原鄉可以先從20到30筆低敏感、公共服務價值高的觀察開始。例如記錄月份或節氣、地點精度、觀察項目、過去常態、近年變化、可能影響、資料提供者、是否已由第二人覆核，以及是否有對應的氣象、道路、農業或災害官方資料。重點不是把長者與獵人、農友、漁民的經驗壓成單一「科學答案」，而是保留「誰在什麼條件下觀察到什麼」的脈絡。

UNFCCC的Local Communities and Indigenous Peoples Platform（LCIPP）本身就把「知識交換」「參與能力」「把多元知識系統帶進氣候政策與行動」列為核心功能，並強調保護與保存傳統知識時要考慮知識持有人的自由、事先且知情同意。參見UNFCCC｜LCIPP Functions與UNFCCC｜LCIPP Overview。因此，地方韌性資料庫不應只追求資料量，而要讓來源、用途、公開層級與責任一起被記錄。

第二層：公開地圖與受控地圖分開

公所可以把資料分成至少三層。第一層是公開服務層，只放道路、避難、公開環境觀測、官方警戒與已同意公開的季節資訊；第二層是社群受控層，保存較完整的土地使用脈絡、採集區、文化地景、農漁獵經驗與族語描述；第三層是限制層，包含祭儀地點、脆弱物種精確位置、家族或特定身分知識，以及不適合進入AI的內容。公開版GIS可以降到鄉鎮、流域、道路區段或網格，不必暴露精確座標。

這也符合原住民族資料治理原則。Global Indigenous Data Alliance｜CARE Principles強調Collective Benefit、Authority to Control、Responsibility與Ethics；地方若導入RAG或AIGC，應把這些原則轉成實際權限：不是模型收到敏感資料後才被要求「不要回答」，而是沒有權限的資料在檢索前就不會被取回。

第三層：把官方資料與部落觀察「並列」，不要互相取代

地方韌性地圖可以接入中央氣象、道路、土砂、農業與地方政府公開資料，但部落觀察應以另一個來源層存在，畫面上清楚標示「官方警戒」「地方觀察」「尚待覆核」「已與官方事件對應」等狀態。這樣既不把傳統知識當成未經驗證的預報，也不讓官方感測器成為唯一能被系統看見的資訊。

LCIPP的方向很值得借鏡：它不是要求把原住民族知識變成一般資料庫，而是把不同知識系統放進共同的氣候政策與行動設計中。UN DESA也提醒，支持原住民族的調適能力，需要與災害準備、土地使用規劃、環境保育與國家永續計畫整合。參見United Nations｜Indigenous Peoples and Climate Change。

第四層：用RAG做「來源可見的問答」，不用AIGC替部落下判斷

若公所要做Chatbot，可讓RAG回答「目前哪幾個道路區段有官方封閉資訊」「某月份有哪些已公開的季節性農務提醒」「這筆地方觀察由誰、何時、在什麼條件下提供」「這個回答引用哪一個官方或社群核可來源」。AIGC可以協助整理長短版說明、族語或多語初稿與跨資料摘要，但不要讓模型自行推定某個環境徵兆等於災害，也不要自動補齊未授權的傳統領域與採集位置。

較適合的技術流程是：使用者問題進來後，先判斷角色與用途，再決定可用資料層，接著檢索，最後生成答案並顯示來源、資料日期與信心狀態。如果資料互相衝突，回答應同時列出不同來源，而不是由模型挑一個看起來最順的版本。

90天示範：從一條道路、一個流域或一種作物開始

最小可行示範不必一次做完整個鄉。前30天選一個生活上真正需要的主題，例如豪雨道路、溪流觀察、農作季節、山林採集或海岸出海條件，完成資料欄位、權限與公開規則；中間30天建立公開地圖、內部受控圖層與RAG問答；最後30天邀請部落知識持有人、青年、公所承辦、防災或農業人員共同測試，檢查資料是否過度公開、來源是否可追、舊資料是否會誤導，以及撤回或降級後是否真的停止顯示。

這樣做的價值，不在把蒙古游牧經驗複製到臺灣，而是把它背後更根本的政策思考帶回原鄉：氣候韌性是一套會隨季節、地景、文化權利與公共服務一起變動的知識系統。 當地方能把官方資料與部落觀察並列、把敏感資料分級、把AI限制在可授權的資料層，55原鄉就能逐步建立自己的韌性地圖與知識治理能力。

來源

• FAO｜Nomadic Futures: Cultural Rights, Knowledge Systems, Climate Resilience
• FAO｜International Year of Rangelands and Pastoralists 2026
• UNFCCC｜Local Communities and Indigenous Peoples Platform
• UNFCCC｜Functions of the LCIPP
• United Nations｜Indigenous Peoples and Climate Change
• Global Indigenous Data Alliance｜CARE Principles