關於 農業減碳論文 ，我們在網路上蒐集到這些相關的討論、資訊與評價

<名家談永續> 減碳與經濟成長可兼顧！澳洲的解答「氫能」，台灣如何借鏡？ (04/20/2021 天下雜誌)

電力系統轉型、改採零碳排能源，是解決氣候變遷的關鍵。新能源發展的領頭羊澳洲，將氫能列為電力轉型重點，台灣或許也能結合天然氣與氫氣，創造更乾淨的電。

澳洲路徑圖的策略意圖是找出幾項低碳科技，這些科技必須符合：減碳潛能大、經濟潛能高、善用澳洲自身優勢，並且會因為政府與產業共同投資進行研究、試驗、早期布建而獲益。（名家談永續 天下雜誌721期）

文 ：艾倫．芬克爾／澳洲政府低排放科技特別顧問、澳洲前首席科學家

解決問題前，必須先徹底了解問題。經過數年研究與分析，我們已經了解到氣候變遷是全球最嚴峻的問題之一。我們也知道這個問題的源頭是全球暖化，而造成全球暖化的因素，是大氣層中溫室氣體的濃度增加。

現代文明對能源的依賴，是造成溫室氣體排放的主因。能源是帶領數百萬人脫貧不可或缺的一環，農業、建築、教育、醫療全都與能源脫不了關係。

能源需求與日俱增。過去幾世紀，我們始終靠化石燃料滿足這份需求。現在有近3/4的溫室氣體排放源頭是化石燃料。

如何做到發電零碳排？

終有一天，新能源必須取代舊能源。未來，這個世界的主要發電來源，將不再是化石燃料。而氫能將成為澳洲將能源輸往北亞的解答。

等我們完全從化石燃料轉向零碳排的電力系統，就達到我所謂的「電動星球」（Electric Planet）。

這項轉型要從電力做起。澳洲已經取得長足進展，去年澳洲約有26%的電力來自再生能源。澳洲人均太陽能裝置發電量、住家屋頂太陽能板普及率都位居全球第一。過去3年來，澳洲人均風能與太陽能裝置的布建速度，更遠超過全球均值。

然而，即便進步的腳步飛快，通往電動星球之路走起來仍不容易。我們需要將電力系統的碳排量降到零，與此同時，發電量還得達到現在的3倍，才能完全取代化石燃料在運輸、產業、建築供暖系統、礦場提供的電量。要達成這個目標，必須持續建置並研發新科技。

放眼未來10年的路徑圖

澳洲政府去年公布了「低排放科技投資路徑圖」（Low Emissions Technology Investment Roadmap）討論文件，點出低碳排科技對澳洲經濟的貢獻。這份文件依循的大原則是，我們必須在減碳的同時，兼顧經濟成長與繁榮發展。這兩項遠大目標，都可以靠著投資新科技、並開發新的出口市場達成。澳洲不僅在當前的經濟局勢下扮演關鍵角色，更有望在未來的新能源經濟中擔綱要角。

澳洲路徑圖的策略意圖是找出幾項低碳科技，這些科技必須符合：減碳潛能大、經濟潛能高、善用澳洲自身優勢，並且會因為政府與產業共同投資進行研究、試驗、早期布建而獲益。

路徑圖的策略目標則是要讓新低碳科技的成本快速下滑，讓它們在成本上可以與高碳排的舊方法競爭。屆時局勢就會反轉，客戶將擁抱新科技。

由於澳洲政府著眼的是2030年以後的世界，這份路徑圖敢於提出需要多年努力才能換得巨大報酬的科技。

現任澳洲能源暨減排部長泰勒（Angus Taylor）去年發布第一份路徑圖文件，而我有幸在當時以專家小組領導人的身分向他提供建議。我們列出5大亟需政府支持的重要科技：能源儲存、零碳排鋼與鋁、透過碳捕捉與碳儲存進行地質隔離、提高土壤中有機碳的集中程度以達到生態隔離的效果、乾淨的氫能。

澳洲邁向綠色氫能外銷國

顧問公司麥肯錫為國際氫能委員會所做的研究指出，在2030年以前，使用再生能源生產的氫能價格會大減6成，從每公斤6美元降到2.6美元。在這個價格下，氫能就可以與傳統化石燃料競爭長程卡車與火車市場，也可以在高溫工業用電熱系統上與再生能源一較高下。（延伸閱讀：台積電先進製程的未來　藏在一座台南的氫氣廠）

澳洲開發商與投資人已經準備好打造巨型氫能廠，可望在資金到位後的幾年內就開始生產。舉例而言，亞洲再生能源中心這座位於西澳洲的風能暨太陽能發電廠，發電量達26GW（百萬瓩），未來主要用途就是大規模生產乾淨的氫與氨以供出口。

在天然氣配送的過程中，摻入10%的氫氣，執行起來並不困難。澳洲主要城市的天然氣管線原本就以聚乙烯製成，也可以運輸氫氣。只加入10%的氫氣，家電不需要特別調整，消費者承擔的成本也非常低。這個產業將獲得大量經驗，成本也會因為大規模生產而下降。

台澳氫能產業可以合作

在台灣，液化天然氣用量快速增加，逐步取代燃煤發電。這時候使用氫氣，就可以進一步減低這種相對乾淨的能源產生的總碳排量。現在澳洲已經在推行一些計劃，讓現存的天然氣發電廠最高可以加入10%的乾淨氫氣，下一個世代的電廠將可以進一步提高氫氣比重。氫氣與天然氣的比例也可以更加彈性，甚至可以百分百使用氫氣。

澳洲「國家氫能戰略」明確提出在2030年以前要達到的成功標準，包括：極優異的安全紀錄、澳洲成為亞洲前3大氫能供應者、推動國際氫能來源認證計劃以辨明氫氣的來源與生產品質。過去幾年，澳洲政府已投入5億澳幣發展氫能產業。

各國唯有攜手合作，才能應對氣候變遷帶來的全球性問題。台灣與澳洲是長期合作伙伴，澳洲有許多資源可以與台灣分享。澳洲是台灣最大的能源與資源供應國，也是台灣重要的天然氣提供者，未來澳洲也可望成為台灣乾淨氫能的來源國，幫助台灣完成遠大的能源轉型計劃。

全球研究、試驗、產品開發、前導計劃推動腳步愈來愈快。雖然仍有人擔心進度太慢，但數十年後回頭看，氫能產業看來將仿若一夕達成的成就。（責任編輯：黃韵庭）

完整內容請見：
https://www.cw.com.tw/article/5114418

♡

「它將改變一切！」

DeepMind AI解決生物學50年來重大挑戰，破解蛋白質分子折疊問題。

本週振奮全球AI界的消息：Google旗下人工智能企業DeepMind發布了最新 AlphaFold成果，這是全球AI界無比振奮的重大科研突破。蛋白質存在於我們世界中的所有有機物體及奧妙人體中，全新的AlphaFold 算法揭秘了生物學界50年來試圖破解蛋白質分子折疊的難題，這項AI帶來的重大突破，將幫助科學家弄清某些困擾人們的疾病機制、加速找出新型流行病的具體原因（比如今年的全球新冠大流行），促進新藥設計、幫助農業增產、解析可有效降解廢棄物的嶄新成分、甚至探索為大氣減碳的全新解決方案。

我特別期待 AlphaFold 能為人類健康、環境生活推向更寬廣的可能性。在魔幻2020 最後一個月，這真是一個讓人懷抱希望的全新技術可能性，期待 AlphaFold之後締造更多 AI for Good 落地應用。

以下文章詳盡解釋了這項突破，內容經《機器之心》微信公眾號授權轉載。

▎生物學界最大的謎團之一，蛋白質折疊問題被 AI 破解了。

11 月 30 日，一條重磅消息引發了科技界所有人的關注：谷歌旗下人工智能技術公司 DeepMind 提出的深度學習算法「Alphafold」破解了出現五十年之久的蛋白質分子折疊問題。

最新一代算法 Alphafold 2，現在已經擁有了預測蛋白質 3D 折疊形狀的能力，這一複雜的過程對於人們理解生命形成的機制至關重要。

DeepMind 重大科研突破的消息一出即被《Nature》、《Science》等科學雜誌爭相報導，新成果也立刻獲得了桑達爾 · 皮查伊、伊隆 · 馬斯克等人的祝賀。

科學家們表示，Alphafold 的突破性研究成果將幫助科研人員弄清引發某些疾病的機制，並為設計藥物、農作物增產，以及可降解塑料的「超級酶」研發鋪平道路。

「這是該研究領域激動人心的一刻，」DeepMind 創始人、首席執行官德米斯 · 哈薩比斯說道。 「這些算法今天已經足夠成熟強大，足以被應用於真正具有挑戰性的科學問題上了。」

蛋白質對於生命至關重要，它們是由氨基酸鏈組成的大型複雜分子，其作用取決於自身獨特的 3D 結構。弄清蛋白質折疊成何種形狀被稱為「蛋白質折疊問題」。在過去 50 年裡，蛋白質折疊一直是生物學領域的重大挑戰。

DeepMind 的 AlphaFold 讓人類在這一問題上取得了重要突破。在今年的國際蛋白質結構預測競賽 CASP 中，DeepMind 開發的 AlphaFold 最新版本擊敗了其他選手，在準確性方面比肩人類實驗結果，被認為是蛋白質折疊問題的解決方案。這一突破證明了 AI 對於科學發現，尤其是基礎科學研究的影響。

在兩年一次的 CASP 競賽中，各組爭先預測蛋白質的 3D 結構。今年，AlphaFold 擊敗了所有其他小組，並在準確性方面與實驗結果相匹配。

對於不熟悉生物領域的人來說，CASP 的大名可能有些陌生——CASP 全稱 The Critical Assessment of protein Structure Prediction，旨在對蛋白質結構預測進行評估，被譽為蛋白質結構預測的奧林匹克競賽。 CASP 從 1994 年開始舉辦，每兩年一屆，目前正在進行的一屆是 11 月 30 日開始的 CASP14。

而 DeepMind 這一突破有什麼影響？

用哥倫比亞大學計算生物學家Mohammed AlQuraishi 在Nature 文章中的話來說，「可以說這將對蛋白質結構預測領域造成極大影響。我懷疑許多人會離開該領域，因為核心問題已經解決。這是一流的科學突破，是我一生中最重要的科學成果之一。」

▎蛋白質折疊問題

蛋白質的形狀與它的功能密切相關，而預測蛋白質結構對於理解其功能和工作原理至關重要。很多困擾全人類的重大問題（如尋找分解工業廢料的酶）基本上都與蛋白質及其扮演的角色有關。

多年以來，蛋白質結構一直是熱門的研究話題，研究者使用核磁共振、X 射線、冷凍電鏡等一系列實驗技術來檢測和確定蛋白質結構。但這些方法往往依賴大量試錯和昂貴的設備，每種結構的研究都要花數年時間。

1972 年，美國科學家 Christian Anfinsen 因「對核糖核酸酶的研究，特別是對其氨基酸序列與生物活性構象之間聯繫的研究」獲得諾貝爾化學獎。在頒獎禮上，他提出了一個著名的假設：從理論上來說，蛋白質的氨基酸序列應該可以完全決定其結構。這一假設引發了長達五十年的探索，即僅僅基於蛋白質的一維氨基酸序列計算出其三維結構。

但這一思路的挑戰在於，在形成三維結構之前，蛋白質的理論折疊方式是一個天文數字。 1969 年，Cyrus Levinthal 指出，如果使用蠻力計算的方式來枚舉一種蛋白質可能存在的構象，要花費的時間甚至比宇宙的年齡還要長。 Levinthal 估計，一種蛋白質大約存在 10^300 種可能構象。但在自然界中，蛋白質會自發折疊，有些只需幾毫秒，這被稱為 Levinthal 悖論。

CASP 14 比賽最新結果：AlphaFold 中位 GDT 高達 92.4

CASP 競賽由 John Moult 和 Krzysztof Fidelis 兩位教授於 1994 年創立，每兩年進行一次盲審，以促進蛋白質結構預測方面的新 SOTA 研究。

一直以來，CASP 選擇近期才經過實驗確定的蛋白質結構，作為參賽團隊測試其蛋白質結構預測方法的目標（有些結構即使在評估時仍然處於待確定狀態）。這些蛋白質結構不會事先公佈，參賽者也必須對其結構進行盲測，最後將預測結果與實驗數據進行對比。正是基於這種嚴苛的評估原則，CASP 一直被稱為預測技術評估方面的「黃金標準」。

CASP 衡量預測準確率的主要指標是 GDT（Global Distance Test），範圍從 0 到 100，可以理解為預測的氨基酸殘基在正確位置閾值距離內的百分比。 John Moult 教授表示，GDT 分數在 90 分左右，即可視為對人類實驗方法具備競爭力。

在剛剛公佈的第14 屆CASP 評估結果中，DeepMind 的最新AlphaFold 系統在所有預測目標中的中位GDT 達到92.4，意味其平均誤差大概為1.6 埃（Angstrom），相當於一個原子的寬度（或0.1納米）。即使在難度最高的自由建模類別中，AlphaFold 的中位 GDT 也達到了 87.0。

歷屆 CASP 競賽自由建模類別中預測準確率中位數的提升情況，度量指標為 BEST-OF-5 GDT。

CASP 競賽自由建模類別中的兩個目標蛋白質示例。 AlphaFold 能夠預測出高度準確的蛋白質結構。

這些令人振奮的結果開啟了生物學家使用計算結構預測作為科研主要工具的時代。 DeepMind 提出的方法對於某些重要的蛋白質類別尤其有用，例如膜蛋白（membrane protein）。膜蛋白很難結晶，因此很難通過實驗方法來確定其結構。

該計算工作代表了在蛋白質折疊這一具備 50 年曆史的生物學問題上的驚人進展，比該領域人士成功預測蛋白質折疊結構早了幾十年。我們將很興奮，它能從多個方面對生物學研究帶來基礎性改變。 ——Venki Ramakrishnan 教授（諾貝爾獎得主，英國皇家學會會長）

▎DeepMind 這樣解決蛋白質折疊問題

2018 年，DeepMind 團隊使用初始版 AlphaFold 參加 CASP13 比賽，取得了最高的準確率。之後，DeepMind 將 CASP13 方法和相關代碼一併發表在 Nature 上。而現在，DeepMind 團隊開發出新的深度學習架構，並使用該架構參加 CASP14 比賽，達到了空前的準確率水平。這些方法從生物學、物理學、機器學習，以及過去半個世紀眾多科學家在蛋白質折疊領域的工作中汲取靈感。

我們可以把蛋白質折疊看作一個「空間圖」，節點表示殘基（residue），邊則將殘基緊密連接起來。這個空間圖對於理解蛋白質內部的物理交互及其演化史至關重要。對於在 CASP14 比賽中使用的最新版 AlphaFold，DeepMind 團隊創建了一個基於注意力的神經網絡系統，並用端到端的方式進行訓練，以理解圖結構，同時基於其構建的隱式圖執行推理。該方法使用進化相關序列、多序列比對（MSA）和氨基酸殘基對的表示來細化該圖。

通過迭代這一過程，該系統能夠較強地預測蛋白質的底層物理結構，並在幾天內確定高度準確的結構。此外，AlphaFold 還能使用內部置信度度量指標判斷預測的每個蛋白質結構中哪一部分比較可靠。

DeepMind 團隊在公開數據上訓練這一系統，這些數據來自蛋白質結構數據庫（PDB）和包含未知結構蛋白質序列的大型數據庫，共包括約 170,000 個蛋白質結構。該系統使用約 128 個 TPUv3 內核（相當於 100-200 個 GPU）運行數週，與現今機器學習領域出現的大型 SOTA 模型相比，該系統所用算力相對較少。

此外，DeepMind 團隊透露，他們準備在適當的時候將這一 AlphaFold 新系統相關論文提交至同行評審期刊。

AlphaFold 主要神經網絡模型架構概覽。該模型基於進化相關的蛋白質序列和氨基酸殘基對運行，迭代地在二者的表示之間傳遞信息，從而生成蛋白質結構。

▎對現實世界的潛在影響

「讓 AI 突破幫助人們進一步理解基礎科學問題」，經過 4 年的研究攻關，現在 AlphaFold 正在逐步實現 DeepMind 初創時的願景，在藥物設計和環境可持續性等領域都產生了重要的影響。

馬克斯· 普朗克演化生物學研究所所長，CASP 評估員Andrei Lupas 教授表示：「AlphaFold 的精確模型讓我們解決了近十年來被困擾的蛋白質結構，重新啟動關於信號如何跨細胞膜傳輸的研究。 」

DeepMind 表示願與其他研究者合作，以進一步了解 AlphaFold 在未來幾年的潛力。除了作用於經過同行評審的論文以外，DeepMind 還在探索如何以最佳的可擴展方式為系統提供更廣泛的訪問可能。

同時，DeepMind 的研究者還研究了蛋白質結構預測如何幫助人們理解一些特殊的疾病。例如，通過幫助識別存在故障的蛋白質，並推斷其相互作用的方式，來理解一些疾病的原理。這些信息能夠讓藥物開發更加精確，從而補充現有的實驗方法，並更快找到更有希望的治療方法。

AlphaFold 是十分卓越的，它在預測結構蛋白質的速度和精度上有著驚人的表現。這一飛躍證明了計算方法對於生物學中的轉換研究，加速藥物研發過程都具有廣闊的前景。

同時許多證據也表明，蛋白質結構預測在未來的大流行應對上是有用的。今年早些時候，DeepMind 使用 AlphaFold 預測了包括 ORF3a 在內的幾種未知新冠病毒蛋白質結構。在 CASP14 中，AlphaFold 預測了另一種冠狀病毒蛋白質 ORF8 的結構。目前，實驗人員已經證實了 ORF3a 和 ORF8 的結構。儘管具有挑戰性，並且相關序列很少，但與實驗確定的結構相比，AlphaFold 在兩種預測上都獲得了較高的準確率。

除了加速對已知疾病的了解，AlphaFold 還具備很多令人興奮的技術潛力：探索數億個目前還沒有模型的數億蛋白質，以及未知生物的廣闊領域。由於 DNA 指定了構成蛋白質結構的氨基酸序列，基因組學革命使大規模閱讀自然界的蛋白質序列成為可能——在通用蛋白質數據庫（UniProt）中有 1.8 億個蛋白質序列。相比之下，考慮到從序列到結構所需的實驗工作，蛋白質數據庫（PDB）中只有大約 170000 個蛋白質結構。在未確定的蛋白質中可能有一些新的和未確定的功能——就像望遠鏡幫助人類更深入的觀察未知宇宙一樣，像 AlphaFold 這樣的技術可以幫助找到未確定的蛋白質結構。

▎開創新的可能

AlphaFold 是 DeepMind 迄今為止取得的最重要進展之一，但隨著後續科學研究的開展，依然有很多問題尚待解決。 DeepMind 預測的結構並非全部都是完美的。還有很多要學習的地方，包括多蛋白如何形成複合體，如何與 DNA、RNA 或者小分子交互，以及如何確定所有氨基酸側鏈的精確位置。此外，在與他方合作的過程中，還需要學習如何以最好的方式將這些科學發現應用在新藥開發以及環境管理方式等諸多方面。

對於所有致力於科學領域中計算和機器學習方法的人而言，像 AlphaFold 這樣的系統彰顯了 AI 作為基礎探索輔助工具的驚人潛力。正如 50 年前 Anfinsen 提出的遠超當時科研能力所及的挑戰一樣，這個世界依然有諸多未知的方面。

DeepMind 取得的這一進展令人們更加堅信，AI 將成為人類擴展科學知識邊界的最有用工具之一，同時也期待未來多年的艱苦工作能夠帶來更偉大的發現。

影片及原文，參考 DeepMind官方部落客 https://deepmind.com/blog/article/alphafold-a-solution-to-a-50-year-old-grand-challenge-in-biology

《文茜的世界周報》
【在經歷史上最炎熱的夏天之後，今年九月的聯合國大會以氣候行動為名，邀集各國共商抗暖化對策。出席的各國元首雖然都說了解情況的嚴重性，但對於具體計畫的提出卻讓人失望。同一時間以科學家為主體的IPCC聯合國政府間氣候變化專門委員會IPCC，以海洋變暖與極地冰層融化的衝擊為題發表研究報告，發現當前海平面上升的速度，已比科學家先前估計得要快得多，尤其是熱帶地區，最快2050年前，每年恐將發生至少一次百年不遇的極端洪水。】

{內文}
(抗議民眾)
我們要的是什麼氣候正義我們什麼時候要就是現在，當全球數以百萬民眾齊聲上街，從各自所處的117國用超過2500場抗議行動，凸顯自家政府對抗氣候危機的消極無力

《紐約時報》分析稱，這場史上最大規模的全球串連，對照接下來在紐約登場的聯合國氣候行動峰會，無異是兩個世界。

（莫迪/印度總理）
我們認為一盎司的實踐行動比一噸的佈道空談更有價值

(梅克爾/德國總理)
德國知道自己在國際舞台和國家舞台上，都有責任在國際上我們將把全球氣候保護的基金，從2014年的20億歐元增加到40億歐元

（Jacinda Ardern/紐西蘭總理）
我們的企業界正在與氣候領導者聯盟，加強合作該聯盟共同構成了紐西蘭六成的碳排量，我們的農業領導者已做出承諾，要減少糧食生產所帶來的碳排量，我們決心表明紐西蘭有能力，而且將成為世界最永續的糧食生產國

各國領袖紛紛上台，端出他們所謂的「行動方案」，BBC報導稱，雖然從積極面來看，這次會議中確實有六十多國宣布，正在研究或探索減少溫室氣體排放，或讓碳排歸零的計畫，他們努力提高應對氣候變化的決心，也不容質疑，但細究其承諾也不難發現，諸如德國的減碳目標相較於過去，已受國內壓力明顯下調，這場氣候行動峰會，充其量不過是「響叮噹的半瓶水」。

（影片旁白）
這是我們的世界，我們的土地，我們的家園，它養育我們，保護我們使我們驚奇，但這也存在風險人類，透過我們使用的能源，我們生存的方式，生產食物及使用土地，正在影響全球氣候，陸地表面變暖的速度，超越地球平均全球升溫的每一度，都對限制地球暖化與減少氣候變化衝擊至關重要

顯然今夏極度高溫的暖化警鐘，並沒有敲醒地球上多數成員，世界最大經濟體，同時也是全球兩大排碳國之一的美國，總統川普只出席了聯合國會議15分鐘，世界最大排放國中國也沒有做出新的宣布，排名第七大的排放國日本甚至選擇缺席，這對會前全球頂尖科學家爭相呼籲，全球必須把目前的努力增加五倍，才能把氣候變遷控制在科學要求的範圍內，無疑是一大諷刺。

（Ian Clark/渥太華大學地球科學教授）
如果我們在地質時間框架下來看，氣候問題我們永遠不會懷疑，二氧化碳是主要的氣候驅動因素

（Piers Corbyn/氣候行動組織教授）
但在過去的一千年中，沒有任何主要的氣候變化，可以用二氧化碳來解釋

（Ian Clark/渥太華大學地球科學教授）
我們不能說二氧化碳會驅動氣候，但這肯定是過去所沒有的

（Prof. John Christy/IPCC報告主要撰稿人）
我經常聽到有人說，在全球暖化問題上，成千上萬的科學家達成了共識，人類正在導致氣候系統的災難性變化，好吧，我是一位科學家，許多人也認為那是不正確的

撇開政治人物的權利計算，即便是在科學界，關於暖化原因的爭論也從未平息，正當紐約氣候行動峰會召開的同時，24號全球最具權威聯合國下設的跨政府氣候變化專門委員會IPCC，公布了一份極具里程碑意義的報告，科學家耗時兩年參考近七千篇學術論文，鎖定海洋變暖與極地冰層融化的衝擊進行討論，結果發現當前海平面上升的速度，已比科學家先前估計得要快得多，尤其是熱帶地區，最快2050年前，每年恐將發生至少一次百年不遇的極端洪水。

（Debra Rober/IPCC工作小組分組主席）
IPCC這份新的特別報告強調緊迫性，必須優先採取及時具雄心且協調一致的行動，以應對海洋和冰凍圈中廣泛而持久的變化

（Valerie Masson-Delmotte/IPCC工作小組分區主席）
因為多年凍土凍結的土壤和岩石，正在融化極有可能向大氣中，添加更多的溫室氣體

（Hans-Otto Portner/IPCC工作小組分組主席）
海洋吸收了二氧化碳排放量的20%到30%，導致全球暖化到2100年，這樣下去恐加劇海洋酸化

報告特別點出，世界海拔最高的喜馬拉雅山冰川嚴重萎縮，將導致印度恆河中國長江等，十條河流水源減少，這將使亞洲面臨嚴重的供水問題，全球各地較小型的冰川，粗估會有八成消失融化入海，另外其它地區的冰川萎縮也將重創，仰賴其供水的高山地區六七億人口，最快本世紀中將有超過十億，生活在低窪地區的民眾，將不斷受到氣旋大洪水等極端天氣影響。

（古特雷斯/聯合國秘書長）
大自然很生氣，如果我們認為自己可以愚弄大自然，我們就是在自欺欺人，因為大自然總是在世界規範內反擊，現在的大自然就在大發雷霆

（青年學生）
這是我們最黑暗的時刻，科學證據是如此明確，我們正處於第六次大規模滅絕事件中，我們將面對災難降臨。我們本著良知和理性，宣告我們反對政府和威脅我們未來的那些腐敗無能的機構，我們呼籲每一個有原則與和平理性的公民，共同站起來拒絕，因現在不採取行動，而將垂死的星球留給後代子孫，我們懷著對我們內心這片土地的狂熱而和平行動，我們將為生存而行動

科學家大聲疾呼，我們正面對一個更暖更酸更缺氧，更無魚且海平面不斷升高的海洋，如何突破傳統工法提高韌性，將是人類未來尋求解方的唯一途徑，全球暖化說穿了其實就是海洋暖化，當全球海洋升溫和酸化已深刻影響，海底海洋生物分佈與多樣性，接下來高度依賴海產的社區，恐怕將難以避免面臨營養健康，及糧食安全與短缺的風險，一連串氣候挑戰，正如同雪崩似的迎面而來，一如人類對亞馬遜雨林大火的消極不作為，終將在可預見的未來自食惡果。