BarrierLakeOps
堰湖態勢：跨部會即時研判元件
以「積木式設計」概念打造的堰塞湖防災工具集，透過 Model Context Protocol（MCP）與 HTTP REST 雙介面交付，即時匯流蓄水位、上游雨量、潰壩淹水推估與影響人口等跨部會資料，協助應變單位快速研判態勢。以馬太鞍溪堰塞湖災害事件作為實作情境。
2025/9/23 花蓮馬太鞍溪堰塞湖溢流潰壩，關鍵失靈點之一是「跨部會資料無法即時匯流」——蓄水位、上游雨量、下游淹水、撤離名冊分散在不同系統，沒有一處能一次看完全貌。BarrierLakeOps 以 Lake Catalog 設定檔驅動，新增堰塞湖只需加一筆設定、不需改程式碼，並以 6 個可拼接 Tool 讓 AI Agent 自主完成跨部會盤點。
6 個 MCP Tool
每個工具都是可獨立呼叫、可自由拼接的防災積木元件
list_lakes列出可查詢堰塞湖（catalog + data.moa，依風險排序）
get_lake_status水位、蓄水量、距溢流 headroom、警戒等級
get_upstream_weather上游集水區鄰近雨量站觀測與警戒（CWA）
estimate_inundation潰壩淹水範圍推估（真實 DEM + MVP 模型）
get_affected_population淹水範圍內村里、戶數、人口與弱勢分布
compose_briefingLLM 態勢摘要生成（可追溯資料來源）
產品預覽
從全台監測、單湖態勢研判到接上 AI 的完整體驗
全台堰塞湖監測，依風險排序
整合 data.moa 國有林與 Lake Catalog 共 77 座堰塞湖，一頁掌握警戒 / 觀察 / 已解除狀態，並在地圖上定位每一座湖。
單一堰塞湖即時態勢，AI 作戰助手研判
水位、上游雨量、潰壩淹水推估套疊地圖，右側作戰助手依情境逐步查詢並彙整影響人口與撤離建議。
接上 MCP，讓 AI 直接調度元件
以 Model Context Protocol 暴露 6 個工具，Claude Desktop / Cursor / Claude Code 貼上設定即可調度，免 clone、免裝 Python。
跨部會資料同步狀況一覽
即時資料查詢時抓取、排程資料每日自動更新，中央氣象署、內政部等跨部會資料來源狀態集中可視。
技術棧
MIT 授權開源
聯絡我們
有任何問題或合作需求，歡迎填寫表單與我們聯繫