一、本模組的教學定位
| 面向 | 本模組的獨特性 |
|---|---|
| 資料識讀能力域 | 使用資料（Using data）——前三模組多為「理解資料」，本模組強調動手操作 |
| 核心方法 | 極坐標視覺化 + OLS 外推 |
| 與前幾模組的差異 | 學生不只看圖，要敲程式碼、改參數、除錯，親手「製造」那張死亡螺旋 |
| 情意設計 | 整個課程的 climax——先讓學生沉浸於視覺衝擊，再以量化迴歸戳破「還很久才會無冰」的安慰 |
教學核心理念：如果前三模組是讓學生「看見」氣候變遷，第四模組要讓他們親手把氣候變遷「畫出來」。 當一個人類文科生第一次看到自己敲的程式吐出那個螺旋時，那份震撼是任何教師演示都無法取代的。 這正呼應 Ridsdale 等人（2015）所強調的「數據操作已成為各行各業的日常流程」。
二、課堂前置準備
2.1 環境
與前三模組相同。Colab 首次執行：
!apt-get install -y fonts-noto-cjk -q2.2 資料特性說明
- 資料源：NSIDC Sea Ice Index v4（北半球月均海冰範圍）
- 時間起點：1979 年 1 月（1978 年 11 月起有資料，但 1979 年起才是完整年份）
- 更新頻率：月更新。學生每次執行程式都會看到最新資料
- 下載量：12 個小 CSV 檔，每檔約 2 KB，合計不到 30 KB。速度很快
2.3 背景小知識（教師備課必讀）
- 海冰範圍（extent）vs. 面積（area）：前者包含冰濃度 ≥15% 的所有格點；後者只計入實際冰覆蓋。本模組用 extent，因為歷史序列較一致（area 因衛星盲區變動而有不連續性）。
- 為什麼九月最重要？ 九月是夏末，海冰年度最小值；最能代表「夏季極端狀態」。科學家討論「無冰北極」時，幾乎都指「九月極小值 < 1 百萬 km²」。
- 1979 年不是「氣候史的起點」，而是衛星可靠觀測的起點。之前的海冰資料來自船舶紀錄、冰河地質、文獻等，較不均質。
三、課堂節奏建議（100 分鐘版）
| 時段 | 內容 | 教學重點 | 對應程式 |
|---|---|---|---|
| 0–10 分 | 情境破冰 | 播放 NSIDC 網站的動態地圖，讓學生看今日的即時海冰狀態 | — |
| 10–20 分 | 複習前模組 | 連回模組一（櫻花）、模組二（葡萄）：「我們看過生物尺度與文化尺度的氣候信號，今天要看地球物理尺度的」 | — |
| 20–40 分 | 動手時間 A | 學生親自執行 load_nsidc_monthly()。觀察「下載 01 02 03...」進度。這個小儀式能讓學生感覺自己是「從衛星下載資料的人」 | 第 1 節 |
| 40–55 分 | 從直角到極坐標 | 先看 fig4a（直角版）：問「這張圖在告訴你什麼？」再看 fig4b（螺旋版）：問「同一份資料，換個坐標系，故事怎麼變了？」 | 第 3、5 節 |
| 55–75 分 | 動手時間 B | 讓學生改變參數：改 cmap_name 為 "plasma"、"magma"、"RdYlBu_r"，看圖的感覺有什麼差別。「資料敘事的情感引擎」最佳教學時刻 | 第 5 節 |
| 75–90 分 | 量化證據時刻 | 解讀 fig4c（九月趨勢圖）與「線性外推無冰北極年份」。誠實說明：這個數字太樂觀了，IPCC AR6 的推估更早 | 第 6 節 |
| 90–100 分 | 收束與情意處理 | 讓學生寫下一句話：「我今天畫的這張螺旋圖代表什麼？」——情意評量的關鍵時刻 | — |
四、關鍵技術概念之淺白解釋
4.1 什麼是「極坐標」？
- 直覺：想像一個圓形時鐘。時針指的「方向」=極坐標中的角度（theta）；時針的「長度」=極坐標中的半徑（r）。
- 與直角坐標的差異：直角坐標是「平面格子」（左右 × 上下），極坐標是「從原點出發的角度 × 距離」。
- 為什麼適合季節性資料：因為一年本身就是「循環」——一月接著十二月再回到一月。圓形（極坐標）比直線（直角）更忠實地呈現這個循環結構。
4.2 什麼是 LineCollection？為什麼不用 plot()？
- 單一
plot()只能用一種顏色畫一條線。 LineCollection可以讓每一段線段有自己的顏色。- 死亡螺旋需要「每段線依年份上色」，所以必須用
LineCollection。這是 matplotlib 較進階的用法，教師可以藉機介紹「工具的極限會推動寫更好的程式」。
4.3 set_theta_zero_location("N") 與 set_theta_direction(-1) 是什麼？
- 預設：matplotlib polar 圖，0° 在右方（3 點鐘），逆時針方向為正。
"N"：把 0° 移到上方（12 點鐘），符合我們對日曆的直覺——一月在上方。-1：改為順時針，也符合日曆走向（一月 → 二月 → 三月...）。
4.4 為什麼要用 viridis 色盤？
- 色盲友善：viridis 在色盲模擬器中仍可清楚辨識變化。
- 亮度遞增單調：深紫 → 亮黃是單向的感知梯度，適合表示「時間進展」。
- 常見替代：magma、plasma、cividis 皆同家族。教學上可請學生試試
"jet"（傳統彩虹色），再解釋為什麼這個色盤現在被認為「誤導性」。
五、常見學生提問與建議回應
老師，我跑程式時跳出紅字，是不是做錯了？
這是本模組最常遇到的教學時刻。99% 的「紅字」來自兩個原因：
- 沒安裝中文字型（圖上中文變方框）→ 跑
!apt-get install -y fonts-noto-cjk -q，然後 Runtime → Restart - NSIDC 網路暫時中斷 → 等一分鐘再試
為什麼這張螺旋圖讓我感覺想哭？
這是非常好的情意反應，不要壓抑。你感受到的是 Cunsolo & Ellis（2018）所稱的「生態哀愁」（ecological grief）——當一個超越個人經驗的集體喪失被壓縮到一張圖時，人類的同理心會被觸動。這種情緒是合理的、是可以分享的。Ojala（2012）的賦能式教育建議：從哀愁走向行動的第一步，是承認哀愁本身的合法性。
為什麼不是「已經無冰」了？新聞都在說北極很危險。
新聞討論的是「第一次九月無冰事件」何時出現，這是「一個月、一次」的極端事件，不等於「永久無冰」。在海冰的動力學中，「第一次出現」會比「長期平均 < 1 M km²」早很多年。IPCC AR6 的中位數推估是「2050 年前會出現至少一次」。
我把 cmap 改成 "plasma" 之後，螺旋看起來更「燒焦」了。這樣會不會過度渲染？
這是 Van Audenhove（2021）所稱「批判資料素養」的核心問題之一。每一次我們做視覺化選擇，都是在做「如何說這個故事」的決定。忠實不等於冷淡——但過度戲劇化也會損害可信度。請思考：如果你是氣候學家要給政策官員看，你會用哪個色盤？如果是給小學生？如果是給否認者？
台灣有沒有類似的長期地球物理資料？
台灣的幾個相關長期序列：
- 玉山高山站氣溫紀錄（自 1943 年）
- 台灣周邊海溫（中研院海洋研究所）
- 台灣周邊海平面高度（基隆、高雄潮位站超過 80 年）
- 高山積雪日數（玉山、合歡山，需自行從觀測報告彙整）
六、評量建議
6.1 形成性評量（課中）
請每位學生在執行完程式後，拍下自己螢幕上的螺旋圖並交給教師。這個動作有強烈的儀式感：「這張圖，是我畫的。」
6.2 總結性評量（課後）
三擇一繳交 800–1,000 字短文：
- 技術反思題：描述一次你在執行本模組程式時遇到的錯誤，以及你如何解決的過程。不必是大錯——可能是「中文變方框」、「資料下載到一半中斷」、「色盤改錯名字」。重點是你從錯誤中學到的工作習慣。
- 視覺化批判題：用至少三種不同的
cmap_name重跑本模組程式，選出你認為「最誠實」的一個，並說明為什麼。接著選出你認為「最能打動非科學背景讀者」的一個，說明為什麼兩者可能不同。 - 跨模組整合題：把模組一（櫻花剪刀）、模組二（葡萄斷層）、模組四（北極螺旋）三張圖並列比較。它們呈現的統計結構不同（漸進 / 斷層 / 螺旋退縮），但所說的故事相同。請寫一篇 10 歲小朋友看得懂的短文，用這三張圖解釋氣候變遷。
七、進階挑戰（供有餘裕的學生）
- 動畫版：修改程式碼，讓死亡螺旋一年一年「長出來」，做成 GIF 動畫。提示：使用
matplotlib.animation.FuncAnimation。 - 南半球對比：把資料源改為
south/monthly/data/S_{mm}_extent_v4.0.csv，畫南極海冰的螺旋圖。它的故事與北極完全不同——南極在 2014 年以前甚至有「增加」的趨勢，2016 年後才急轉直下。這是氣候系統複雜性的極佳教材。 - 疊加氣溫：把全球氣溫異常值（模組二已使用的 GISTEMP）疊加在螺旋的背景上，做成「氣溫 × 海冰」的雙變量極坐標圖。
八、延伸閱讀
- Hawkins, E. (2016). Spiralling global temperatures. Climate Lab Book.
- Hawkins, E., with K. Pluck (2017, Feb 11). Animating global sea ice changes [guest contribution]. Climate Lab Book. https://www.climate-lab-book.ac.uk/2017/animating-global-sea-ice-changes/
- Stroeve, J., & Notz, D. (2018). Changing state of Arctic sea ice across all seasons. Environmental Research Letters, 13(10), 103001.
- IPCC AR6 WG1 (2021). Chapter 9: Ocean, Cryosphere and Sea Level Change.
- Notz, D., & SIMIP Community (2020). Arctic sea ice in CMIP6. Geophysical Research Letters, 47(10), e2019GL086749.
教學者自我提醒：這個模組的終極目的，不是教會學生寫極坐標程式， 而是讓他們第一次擁有「自己把氣候變遷畫出來」的身體經驗。 當這個經驗建立後，他們一生中再看到任何氣候圖，都會下意識想到： 「這是有人做出來的，那我也可以做。」這就是資料民主化的最小單位。