氣候科學／天象物候／災害韌性／原住民族季節知識
El Niño 已經不是「可能來」：當全球模型說接近 100%，原住民族季節曆還能告訴我們什麼？
2026 年 9 月初，世界氣象組織把 El Niño 的訊號說得非常清楚：事件已經確立，而且還在增強。
雙向知識實驗室；諮詢委員：高德生｜鄒族祭儀生態專家、獵人學校與文史工作者｜《鄒族的動植物書》作者
AI 輔助製作的專題示意圖。
導言：接近 100% 的預報，不等於地方世界已被完整預測
2026 年 9 月初，世界氣象組織把 El Niño 的訊號說得非常清楚：事件已經確立，而且還在增強。WMO 9 月 3 日更新指出，依全球預報中心整合結果，El Niño 持續到 2027 年 2 月的可能性接近 100%，並可能發展成非常強的事件；NOAA 氣候預報中心 8 月診斷也顯示，2026–27 北半球秋冬出現非常強 El Niño 的機率高於九成。這是一個足以讓水資源、農業、熱健康、森林火災與災害治理提前動起來的全球訊號，但它不是某一個村落必然發生乾旱、洪水或作物失收的預言。
El Niño 是海氣耦合的盆地尺度現象，它改變降雨帶、風場、海溫與熱量分配，不同區域甚至可能出現相反的異常。對原鄉真正重要的問題更細：哪一條溪開始提早進入枯水？哪種植物的開花期改變？昆蟲、魚群、鳥類或作物病蟲害的出現時間是否錯位？山區道路、坡地與野火風險是不是出現新的季節節奏？這些問題不是全球模式無能，而是它們本來就屬於不同尺度。
全球模式的力量：它提供背景風險，不提供單一地方結局
WMO 與 NOAA 的優勢，是把海溫、次表層熱含量、風場、對流與模式集合放在統一框架裡，判斷 ENSO 是否真正進入耦合狀態。這讓政府可以提早調整水庫操作、灌溉備援、電力需求、熱傷害應變、漁業與糧食風險。但傳播時常發生一個錯誤：把「El Niño 持續的機率」誤寫成「某地災害發生的機率」。前者接近 100%，不代表後者也是 100%。
「非常強」也只是在描述 ENSO 強度，不代表每一個地方都會遭遇歷史最嚴重的洪水或乾旱。最合理的做法，是把全球預報當成提高警覺的背景條件，再用地方監測確認哪些變化真的出現。若某地暫時沒有異常，也不能反過來說全球預報失準；那只代表地方回應仍需看區域氣候與地形。
原住民族季節曆不是另一套 ENSO 模型
澳洲氣象局長期整理 Aboriginal 與 Torres Strait Islander 社群的 Indigenous seasonal calendars。這些季節曆真正重要的，不只是把西曆十二個月換成更多季節名稱，而是用風向、雲型、植物開花、動物繁殖、昆蟲出現、水體狀態與可利用資源來判斷季節是否真正轉換。季節不是固定日期，而是一組環境關係被辨認出來。
這和 ENSO 預報不是競爭關係。全球模式擅長回答「太平洋盆地的背景狀態正在往哪裡走」，季節知識擅長回答「這片土地此刻出現了哪些可感知變化」。前者依賴標準化儀器、長期資料與運算，後者依賴長時間生活於特定地方所累積的辨識能力。兩者都可能需要更新，也都不能取代對方。
雙向知識如何落地：從文化展示變成風險治理
對台灣原鄉而言，最有價值的不是宣稱祖先早已知道 ENSO，而是把地方觀察從文化展示提升為治理資料。例如，同一個鄉可以把官方雨量、土壤含水、河川水位、溫度與野火指標，和部落長期記錄的植物物候、溪流水色、風向轉換、農作節律、昆蟲出現時間放在一起比較。若兩者同時異常，行動門檻可以提前；若兩者不一致，就回頭檢查感測器位置、資料解析度或傳統指標是否因土地利用改變而失去過去穩定關係。
AI 在這裡最適合做整理、比對與提醒。它可以把多年紀錄轉成時間序列，找出不同訊號是否同步，也可以把 WMO 與地方資料翻成居民容易理解的語言。但 AI 不應因為資料量大就取得地方知識的解釋權。若某些物候指標涉及祭儀、家族或特定知識持有者，數位化前仍應由社群決定能否公開、以什麼粒度公開。
真正的風險，是資料彼此不說話
現代災防有大量資料，但資料往往分散在氣象、水利、農政、交通與衛生單位；地方知識則可能散落在口述、工作筆記與日常經驗中。El Niño 這種跨尺度現象來臨時，如果每個系統只看自己的儀表板，就容易錯過「異常正在同時發生」的訊號。
一個務實的 seasonal dashboard 可以分三層：第一層是官方氣溫、雨量、乾旱、風、土壤與河川資料；第二層是可重複記錄的地方物候；第三層是事件與處置，如限水、道路落石、野火、病蟲害與產量下降。事件過後再回填結果，檢查哪些指標真正具有預警價值。這種回饋循環比一次建立昂貴而封閉的大平台更有韌性。
結語：把「近 100%」翻成地方可以做的事
2026–27 的 El Niño 很可能非常強，這值得提前準備。但越是確定的全球訊號，越不能用過度確定的地方語言去誤導。某個村落是否乾旱、某條溪是否減水、某種作物是否失收，仍需要地方資料與持續觀察。
成熟的氣候韌性，不是要求每個人相信同一張圖，而是讓不同尺度的知識接得起來。WMO 告訴我們太平洋正在改變；季節曆提醒我們土地會用自己的方式回應；地方治理真正要做的，是在變化還沒成為災害以前，知道該看什麼、問誰、何時行動。
從預警到行動：原鄉可以先做哪三件事
第一，先盤點最脆弱的系統，而不是先追求更多資料。飲水、道路、灌溉、野火與熱健康，哪些一旦失效就會直接影響生活？第二，選少量能長期重複的地方指標，不要一次蒐集幾十種最後無人維護。第三，建立跨單位的共用時間線，讓一場乾旱、豪雨或作物異常可以追溯到之前幾週或幾個月的氣象與物候變化。
這三件事的價值在於降低「有預報卻來不及動」的落差。El Niño 是季節尺度訊號，最適合做的是提前調整，而不是等災害發生才臨時反應。對小型聚落而言，低成本、可持續、能由地方自行維護的制度，通常比昂貴但依賴外部團隊的系統更可靠。
不要把傳統知識變成免費感測器
當政府或研究機構開始重視地方物候，很容易出現另一個問題：把部落知識只當成「補足官方資料缺口」的免費感測器。這樣做仍然是單向取用。真正的雙向合作應讓社群參與決定研究問題、資料欄位、公開程度與成果用途，並讓地方能拿回可操作的資訊，而不是只在論文致謝中被提到。
因此資料治理和預警同樣重要。若某些物候與祭儀、採集或家族知識有關，可以只記錄變化趨勢而不公開精確地點；若資料可能被商業利用，也應先界定授權。氣候韌性不只關乎預測得更準，也關乎知識如何被公平地使用。
把觀察頻率與決策責任寫進地方計畫
地方若要試做季節觀察，可以先約定每週固定時間記錄同一處溪流、同一種植物與同一段農務，再把未觀察、設備故障與確認正常分成不同欄位。缺漏紀錄不能當成沒有異常，偶然一次提早開花也不宜直接推論整個季節已改變。跨年度比較時，還應保留觀察者、地點與方法變動，避免把紀錄方式改變誤認成環境趨勢。這是本文提出的在地工作設計，並非已在台灣驗證的預報模型。對於何時調整灌溉或加強巡查，地方仍需預先指定負責人、可用資源與檢討時間，使觀察有清楚的用途，也讓知識持有者能判斷合作是否真的回應生活需求。
例如一個以溪水灌溉的小聚落，可以先把取水點的可用水量、上游降雨與農作需水時段放在同一份週誌，分清「水量下降」和「用水需求上升」兩種情況。若只看溪流變小，可能忽略同時增加的灌溉需求；若只看累積雨量，又可能忽略降雨集中於少數日期，沒有穩定補充取水來源。這個例子說明的不是某種指標已具有預測能力，而是不同資料如何讓討論更具體。知識持有者可以指出過往何時需要換取水位置，水利人員則檢查設備與供應能力。共同決策留下的應是可追溯的理由與後續觀察結果，不能只把兩邊意見平均成一個分數，也不應把社群沒有同意公開的細節當作必要交換條件。
原傳媒AI｜依你的角色繼續追問
- 氣候預報研究者：請從你的專業位置判斷本題的證據、限制、實務做法與下一步可驗證問題。
- 原住民族季節知識工作者：請從你的專業位置判斷本題的證據、限制、實務做法與下一步可驗證問題。
- 原鄉災防與水資源人員：請從你的專業位置判斷本題的證據、限制、實務做法與下一步可驗證問題。
- 農林漁牧第一線生產者：請從你的專業位置判斷本題的證據、限制、實務做法與下一步可驗證問題。
主要來源
角色驅動追問
原傳媒AI｜依你的角色繼續追問
先選擇角色，再閱讀該角色可能提出的完整問題；點選後，原傳媒AI 會以逐字顯示方式呈現完整回覆。
先選擇角色
氣候預報研究者
從「氣候預報研究者」的角度理解與追問本文。
再選擇問題
AI 使用與內容安全揭露
本文以研究與官方來源整理，國際案例與台灣在地建議分開說明。
Newsletter
喜歡這篇文章？
訂閱原傳媒AI電子報，每日接收AI、傳統知識與雙向知識更新。