2023-01-012024-05-13https://scholars.lib.ntu.edu.tw/handle/123456789/652566極端事件，諸如地震、海嘯、洪水等地質災害以及人為開發所造成的衝擊，往往嚴重擾亂人類社會和環境生態的複合系統。我們對這些極端事件的理解卻受限於相對短暫的儀器和歷史資料，其所隱含的風險和複雜性，唯有透過研究保存於湖泊和海洋的高解析度地質紀錄，方能以今準古，鑑往知來。然而，這些災害事件所留下的訊號往往十分短促和突然，傳統的分析手段不易將其破譯。因此，本計畫冀望引入高解析度岩心掃描技術並結合機器學習分析，突破此一長久以來的難題，以促進對整體沉積系統和極端事件運作機制的了解。 本計畫預計建立新世代微米尺度的非破壞性電腦斷層掃描系統，以三維且超高解析度的方式觀察與重建事件沉積物的結構特徵，並進一步結合同為高解析度的X光螢光掃描之化學線索，以機器學習方式進行微沉積相之辨識和岩心間的事件地層對比。事件沉積物之對比結果將與已知成因和機制的極端事件進行相互整合，評估沉積紀錄對極端事件衝擊的敏感度，並結合機器學習手段回推長岩心中事件沉積物背後的形成機制，以建立該地區長期和完整的事件紀錄。本計畫將以此一新手段，結合奧地利、日本和臺灣的「渴望 (EAGER, Extreme events Archive in GEological Records)」 團隊和樣本，透過既有研究資料之共享和新技術的發展，增進我們對極端事件於不同沉積系統之了解，並據此重建各研究地點長期且可信的四維極端事件紀錄。研究成果除提供對未來極端事件的災害風險評估外，也為人與環境的永續發展提供必要的線索。極端事件;地質紀錄;沉積紀錄;高解析度;非破壞性;電腦斷層掃描;X光螢光掃描;機器學習;風險評估;Extreme Event; Geological Records; Sedimentary Records; High-Resolution; Non-Destructive; Computed Tomography; XRF-Core Scanning; Machine Learning; Risk Assessment