魚池寒害預警系統開發
近年氣候變異，頻繁的極端天氣例如強降雨與寒流，造成台灣沿海地區人民生活不便與財產嚴重損失。根據漁業署2020年統計，近海養殖漁業年產值約為270億新台幣。以2016年1月霸王寒流為例，造成全台灣由北到南養殖漁業損失高達21億9,465萬元。以臺南地區的主要養殖魚塭七股、北門、學甲、將軍、麻豆、安南等行政區為例，一半以上受到寒害波及，其中又以北門區最為嚴重，有7成的魚塭出現災損。臺南地區為我國最重要的虱目魚養殖重鎮，而魚種中又屬虱目魚的危害最大，因為虱目魚本最不耐低溫。結果顯示，溫度降至13 ± 1℃且持續時間長達70小時以上時，養殖虱目魚即會開始出現死亡；亦即未來若有適當預警系統，可提前提供預報資訊並且以此作為臺南地區虱目魚養殖因應寒害之低溫預警臨界值，儘速啟動災防作為，可有效降低後續相關災損之程度
本研究參考Jonathan的熱量守恆假設與模式架構，開發魚塭水溫預測模式ENFIM模式，後續又參考Lamoureux與Jing及Kang模式，參考後之魚池所有的熱量來源與消耗之熱量守恆方程式如上圖所示。魚塭中的溫度隨時間變化是由熱量守恆為基礎，太陽的熱輻射(qsolar)與空氣的輻射熱(qsky)為熱能之來源，而能量之消耗則以包括熱對流(qconv)、蒸發散(qevap)和長波輻射(qback)為主，並由於試驗場底部有淤泥，且考慮真實漁場也會有淤泥的情況，因此在方程式中加入因爲底泥產生的qsoil項目。
下圖為團隊在竹北水產試驗所魚池實地測試溫度的初步比較結果。在2023年11月12日至12月1日之溫度模擬與水表面觀測溫度之均方根誤差(Root Mean Square Error, RMSE)為0.81°C，而平均偏差(Average Bias)則為0.05°C，模式表現已經與相關文獻之誤差在1°C內相似。
下圖為本研究計畫團隊開發之現地魚塭感測器之電路板設計圖。本感測器可進行溫度與溼度的監控，最後透過電源管理，以達到節能且最長的監控時間。目前感測器設置以每十分鐘的觀測頻率，可透過壓力式水位計將觀測到之魚池水位深度、魚池溫度以及空氣濕度紀錄儲存至感測器中之MicroSD卡，完成觀測後，就會進入休眠狀態以達到節電之目的。未來感測器將會透過NBIoT將觀測之資料包括水溫與水深上傳至雲端處理器，配合氣象署每三小時一筆之環境預測資料或者ＷＲＦ大氣模式每小時之預報資料進行未來魚池水溫之預報與預警工作。
