自然資源與能源（進階）

一桶油到底還能抽多久？這個問題問錯了

入門篇我們談過：礦床是地質作用「濃縮」出來的財富，化石燃料是被封存的古代陽光，而再生能源擷取的是流動的能量。這些都是關於資源「怎麼來」的故事。但進階篇要問一個更尖銳、也更常被誤解的問題——資源「怎麼用完」？

幾乎每隔幾年，新聞就會出現「全球石油只剩 (40) 年」的標題。可是這個數字三十年前就在講，三十年後還在講，石油卻沒有真的用完。難道是科學家算錯了嗎？其實，問題不在算術，而在於「剩多少年」這個提問本身就建立在一個錯誤的心智模型上：它假設我們會用一個固定的速率，把一個固定大小的水缸抽乾。

真實世界的資源耗竭，是地質、技術與經濟三方耦合的動態過程。要看懂它，我們需要的不是更精確的「水缸容量」，而是一套描述「抽取速率如何隨時間演變」的理論。這正是進階篇的起點。

蘊藏量不是一個數字，而是一座金字塔

入門篇把礦產與化石燃料統稱「不可再生資源」，但若要嚴謹討論「還剩多少」，必須先區分兩個被日常用語混為一談的概念：資源量(resources) 與蘊藏量／儲量(reserves)。

美國地質調查所(USGS)沿用的 McKelvey 分類，把地下物質放進一個二維方格：橫軸是地質確定性（從已探明到推測未發現），縱軸是經濟可行性（從現在開採有利可圖，到目前虧本）。

$$ \text{總資源} \;=\; \underbrace{\text{已探明} \times \text{經濟可行}}_{\text{蘊藏量 (reserves)}} \;+\; \text{其餘各格} $$

關鍵洞見是：蘊藏量只是金字塔的尖端，而且它的大小會浮動。當油價上漲、或開採技術進步（例如水力壓裂讓頁岩油氣變得有利可圖），原本歸在「次經濟」格子裡的物質，會「升格」變成蘊藏量——帳面上的「剩餘年數」反而增加了。這就是為什麼「只剩 (40) 年」喊了幾十年卻沒兌現：分母（年消耗）在變，分子（蘊藏量）也在變，而且常常往上修。

我們常聽到的「蘊藏量／生產比(R/P ratio)」：

$$ \frac{R}{P} = \frac{\text{當前已證實蘊藏量}}{\text{當前年產量}} $$

這個比值常被誤讀成「還能用幾年」。但它其實是個瞬時快照，假設產量不變、蘊藏量不增——兩個假設在現實中幾乎永遠不成立。它能告訴你產業的緊迫程度，卻無法預測真正的耗竭時點。

Hubbert 峰值：耗竭的不是「最後一滴」，而是「最快那一刻」

既然「還剩幾年」問錯了，正確的問法是：產量何時達到最高點、然後開始下滑？ 這就是地球物理學家 M. King Hubbert 在 1956 年提出的「峰值理論(peak theory)」。

Hubbert 觀察到，單一油田、乃至整個產區的產量歷史，往往呈現一條近似對稱的鐘形曲線：初期因新井開鑿而快速上升，中期達到頂峰，後期因易採的部分枯竭、開採越來越難而下滑。若把累計產量 (Q(t)) 用邏輯斯蒂(logistic)函數描述：

$$ Q(t) = \frac{Q_{\max}}{1 + e^{-k(t - t_0)}} $$

其中 (Q_{\max}) 為最終可採總量(URR, ultimate recoverable resource)，(t_0) 為曲線的轉折時間，(k) 為成長率。對時間微分即得到年產量 (P(t))：

$$ P(t) = \frac{dQ}{dt} = \frac{k\,Q_{\max}\,e^{-k(t-t_0)}}{\left(1 + e^{-k(t-t_0)}\right)^2} $$

這條鐘形曲線的峰值，恰好出現在累計產量達到 URR 一半（(Q = Q_{\max}/2)）的時刻 (t_0)。Hubbert 用它在 1956 年成功預測美國本土（不含阿拉斯加與深海）原油產量將在 1970 年前後達峰——這個預測後來應驗，讓峰值理論聲名大噪。

但峰值理論也有重要的局限，值得進階學習者警惕：它假設 URR 是固定的，因此無法預見技術革命。2010 年後的美國頁岩油革命，就讓原本被宣告「早已過峰」的美國產量再創歷史新高，打破了單純的 Hubbert 曲線。這再次印證金字塔模型的教訓：可採總量本身就是技術與價格的函數，不是地質給定的常數。

現代能源分析因此把焦點從「供給峰值(peak supply)」轉向「需求峰值(peak demand)」——在氣候政策與再生能源成本下降的推力下，化石燃料更可能因為「沒人要買」而非「沒得可採」而見頂。耗竭的劇本，正在從地質決定論改寫為經濟與政策決定論。

為什麼地下的油「現在不抽」也是一種投資

資源經濟學還藏著一個違反直覺、卻深刻影響開採速率的原理：Hotelling 法則。它回答了一個礦主每天都在做的決策——「我今天該多抽，還是留到明天抽？」

把一桶留在地下的油想成一筆「資產」。如果今天賣掉，得到的錢可以拿去投資，賺取利率 (r)。如果留到明天賣，唯一划算的條件是：油的淨價格（價格扣除開採成本，又稱 scarcity rent，稀缺租金） 的上漲速度，至少要追得上利率。否則,理性的礦主會選擇現在就抽光換現金。Hotelling(1931) 由此推導出，在競爭性市場與完美預期下，不可再生資源的稀缺租金 (p) 應隨時間以利率指數成長：

$$ \frac{1}{p}\frac{dp}{dt} = r \quad\Longrightarrow\quad p(t) = p_0\,e^{rt} $$

這個簡潔的式子有幾個深遠的意涵：

• 資源的「稀缺性」會透過價格訊號自動反映，而不需要等到實體枯竭。價格上漲本身就在抑制需求、激勵替代品（如再生能源）與回收。
• 利率越高，礦主越傾向「現在就抽」（因為留在地下的增值追不上把錢拿去投資）；利率越低，越傾向保留。貨幣政策因此會間接影響資源開採的時間分布。
• 真實市場當然偏離這個理想（壟斷、政治、技術衝擊、預期錯誤都會干擾），所以油價並非平滑地指數上升。但 Hotelling 法則提供了一把標尺：它告訴我們，把資源「耗竭」單純看成物理問題是不夠的，耗竭首先是一個跨時間的最適配置問題。

對台灣這種高度仰賴能源進口的經濟體而言，這個視角尤其重要：我們面對的國際能源價格，背後就是全球生產者在「現在抽 vs. 以後抽」之間博弈的結果。

動手算一下：稀缺租金與 R/P 的對照

假設某金屬礦今天的稀缺租金 (p_0 = 100) 元／公斤，市場實質利率 (r = 4\%)。依 Hotelling 法則，(20) 年後的稀缺租金應為：

$$ p(20) = 100 \times e^{0.04 \times 20} = 100 \times e^{0.8} \approx 100 \times 2.23 = 223 \text{ 元／公斤} $$

也就是說，純粹因為「稀缺」這件事，淨價格在 (20) 年間理論上會翻倍有餘。

現在對照 R/P 的迷思。若這座礦目前蘊藏量 (R = 1000) 萬公斤、年產量 (P = 50) 萬公斤，則 (R/P = 20)，看似「只剩 20 年」。但如果價格如上漲了一倍，原本因成本太高而被排除在蘊藏量外的低品位礦石（回想金字塔的次經濟格子）變得有利可圖，蘊藏量可能跳升到 (1800) 萬公斤——R/P 反而變成 (36)。資源沒有變多，是經濟讓更多物質「算進來了」。 這就是為什麼用 R/P 預測末日，幾乎總是錯的。

真正的瓶頸：把電「送對時間」比「發出來」更難

入門篇算過一座離岸風機能供多少戶。但進階篇要戳破一個容易被忽略的真相：再生能源的挑戰，泰半不在「能不能發出足夠的電」，而在「能不能在對的時刻、用對的品質把電送到」。 這是一個系統工程問題，遠比單機發電量複雜。

電力系統有一條鐵律：任一瞬間，發電量必須等於用電量。電網本身幾乎無法儲存能量，供需若不平衡，電網頻率（台灣為 (60\,\mathrm{Hz})）就會偏移，嚴重時觸發保護跳脫、釀成大停電。傳統燃煤、燃氣、核能機組透過巨大旋轉的渦輪機，天然提供了慣性(inertia) 與可調度性(dispatchability)——調度員可以「命令」它們增減出力來追隨負載。

太陽光電與風電卻是間歇且不可調度的：你無法命令太陽出來、也無法命令風變大。更棘手的是，它們透過電力電子變流器(inverter)併網，本身不提供旋轉慣性。當再生能源占比攀升，電網就面臨三個層次的新問題：

1. 能量平衡（小時～季節尺度）：白天太陽多、晚上沒有；夏季風弱、冬季風強。供給的時間分布與需求對不上。
2. 功率調節（分鐘尺度）：雲一遮、風一停，出力可能在幾分鐘內驟降，需要快速備援填補。
3. 頻率穩定（秒以下尺度）：失去旋轉慣性後，電網對突發擾動的「緩衝能力」下降，頻率變化更快更猛。

著名的「鴨子曲線(duck curve)」就是第一層問題的縮影：當大量太陽光電在正午灌入電網，扣除光電後的「淨負載」在白天被壓低、傍晚太陽下山時卻急遽回升，曲線形似鴨子的脖子。傍晚這段「陡坡」要求其他電源在短短一兩小時內大幅增加出力(ramping)，對電網的爬升能力是嚴峻考驗。這也是為什麼儲能（尤其是電池） 在能源轉型中扮演的角色，從「可有可無」躍升為「不可或缺」——它把白天過剩的太陽能搬到傍晚尖峰，正是在「修平鴨脖子」。

LCOE：比較能源成本，不能只看標籤價

入門篇用 LCA（生命週期評估）比較了不同能源的碳排放。在成本面，對應的工具是均化發電成本(LCOE, Levelized Cost of Electricity)——把一座電廠終生的所有成本（建造、燃料、運維、除役）除以它終生的總發電量，化成「每度電的平均成本」，讓資本密集（如核能、風電）與燃料密集（如燃氣）的電源能公平對比。其形式為：

$$ \text{LCOE} = \frac{\displaystyle\sum_{t=1}^{n} \frac{I_t + M_t + F_t}{(1+r)^t}}{\displaystyle\sum_{t=1}^{n} \frac{E_t}{(1+r)^t}} $$

其中 (I_t) 為第 (t) 年的投資支出、(M_t) 為運維成本、(F_t) 為燃料成本、(E_t) 為發電量、(r) 為折現率(discount rate)。

這條式子裡藏著兩個進階學習者必須掌握的洞見：

• 分母也要折現。注意發電量 (E_t) 同樣被 ((1+r)^t) 折現——這常讓初學者困惑（電量又不是錢，為何要折現？）。原因是 LCOE 本質是「讓現值成本等於現值收入的損益兩平電價」，分子分母必須在同一個現值基準上才能相消。折現率越高，越不利於「前期砸大錢、後期慢慢回收」的再生能源與核能。
• LCOE 沒有計入「時間價值」與「系統成本」。它把每一度電都當成等值，但傍晚尖峰的一度電遠比深夜離峰珍貴。一個 LCOE 很低、卻只在正午發電的太陽能電廠，對電網的真實價值不能只用 LCOE 衡量。學界因此發展出系統均化成本(System LCOE) 與均化儲能成本(LCOS)，把併網、備援、儲能的「整合成本」也納入——這才更貼近能源轉型的真實帳本。

為了減碳而採礦：能源轉型的礦物悖論

進階篇的最後一塊拼圖，把「能源」與「礦產」這兩條入門篇分開講的線索重新綁在一起。

能源轉型常被想像成「從骯髒的化石燃料，走向乾淨的陽光與風」。但很少人意識到：這是一場從「燃料密集」轉向「材料密集」的轉變。一座燃氣電廠終生要不斷「進貨」天然氣，但它的鋼鐵用量相對固定；一座風場或一片光電板幾乎不需燃料，但它的「材料帳單」在建造當下就要一次付清——而且這份帳單上寫滿了關鍵礦產(critical minerals)：電池要鋰、鈷、鎳、石墨；風機永磁要釹、鏑等稀土；電網與電動車要海量的銅。

國際能源總署(IEA)的估算顯示，一輛電動車所需的礦物量約是傳統燃油車的六倍，一座離岸風場每單位裝置容量的礦物需求是燃氣電廠的數倍以上。於是出現了一個深刻的張力：我們為了減少碳排放，反而必須增加採礦。 而採礦本身又有環境足跡、地緣政治風險與供應集中問題（許多關鍵礦產的精煉高度集中於少數國家）。

這正是入門篇「都市礦山(urban mining)」與循環經濟主張的進階意義所在。對礦藏匱乏卻是科技製造重鎮的台灣而言，從退役電池、廢光電板、舊風機中回收鋰、鈷、銅與稀土，不只是環保姿態，而是能源安全與資源安全的雙重戰略。能源轉型若不同步建立材料的循環回路，最終只是把「碳問題」搬家成「礦問題」。

重點回顧

• 「資源還剩幾年」是錯誤的提問：蘊藏量(reserves)只是 McKelvey 金字塔的尖端，會隨價格與技術上下浮動；R/P 比只是瞬時快照，不能預測耗竭。
• Hubbert 峰值理論用邏輯斯蒂曲線描述產量的鐘形演變，峰值出現在累計產量達 URR 一半時；但它假設 URR 固定，因而無法預見頁岩油這類技術革命。
• Hotelling 法則指出，不可再生資源的稀缺租金理論上隨利率指數成長——耗竭首先是一個跨時間的最適配置問題，而非單純的物理枯竭。
• 再生能源的真正瓶頸在系統整合：能量平衡、功率調節與頻率穩定三個時間尺度的挑戰，催生了「鴨子曲線」與對儲能的迫切需求。
• 比較能源要用 LCOE（並注意分母也要折現、且須補上系統成本），而能源轉型本質是「從燃料密集走向材料密集」，帶來「為減碳而採礦」的礦物悖論。

深入探討（研究所視角）

從電力電子穩定度看「無慣性電網」的物理極限。

當再生能源滲透率逼近高水準，電網穩定的研究焦點會從傳統的功率平衡，下沉到更基礎的頻率動力學。同步發電機的轉子儲存了旋轉動能 (E = \tfrac{1}{2} J \omega^2)，這份慣性是電網的「緩衝水庫」：當負載突然增加，轉子減速釋放動能，為調度系統爭取反應時間。其行為由搖擺方程(swing equation)描述：

$$ 2H\,\frac{d(\Delta f)}{dt} = P_{\text{機械}} - P_{\text{電氣}} $$

其中 (H) 為慣性常數、(\Delta f) 為頻率偏差。式子告訴我們：系統慣性 (H) 越小，同樣的功率失衡會造成越大的頻率變化率(RoCoF, Rate of Change of Frequency)。當變流器併網的風光取代了旋轉機組，整體 (H) 下降，RoCoF 升高，電網對擾動更敏感、保護裝置更容易誤動作。學界與產業因此積極研發虛擬慣性(virtual inertia) 與構網型變流器(grid-forming inverter)，讓電力電子設備主動模擬旋轉慣性、甚至自主建立電壓與頻率參考——這是高再生能源電網能否穩定運行的核心前沿課題，也是台灣推動離岸風電與光電大量併網時必須同步解決的工程難題。

把資源耗竭、價格與技術放進同一個最適化框架。

Hotelling 法則的純粹形式假設市場競爭、完美預期與固定的可採總量，現實顯然更複雜。研究級的資源經濟學會把模型擴充為一個跨期最適化問題：社會規劃者要在有限資源約束下，最大化效用的折現總和

$$ \max \int_0^\infty U\bigl(q(t)\bigr)\,e^{-\rho t}\,dt \quad \text{s.t.} \quad \dot{S} = -q(t),\; S(0)=S_0 $$

其中 (q) 為開採率、(S) 為剩餘存量、(\rho) 為社會折現率。用龐特里亞金最大值原理(Pontryagin's maximum principle)求解，會自然導出稀缺租金沿最適路徑的演化——這也把 Hotelling 法則放回更一般的動態最適控制理論之中。進一步，當引入逆向供給技術（如再生能源成本隨累計裝置量學習下降，即學習曲線）、碳的社會成本（把外部性內生化）與蘊藏量的內生擴張（探勘與技術投資），模型就能同時解釋為何化石燃料可能走向「需求峰值」、為何再生能源成本斷崖式下跌、以及為何最適的轉型路徑往往主張「把部分化石燃料永久留在地下(unburnable carbon)」。

這個整合視角呼應了本系列反覆出現的主題：地球科學提供「資源從哪來、有多少、怎麼分布」的物理基礎，而要理解人類如何使用——以及該如何明智地使用——這些資源，則必須把地質、物理、工程與經濟編織進同一張系統思考的網。對站在能源轉型最前線、又身處板塊邊界與優質風場的台灣而言，這張網既是學術課題，更是攸關未來的現實抉擇。