• 期刊

雷達回波變分追蹤法應用於臺灣複雜地形環境下之可行性評估

本研究使用加拿大麥基爾大學(McGill University)所發展之雷達回波外延預報系統(McGill Algorithm for Precipitation nowcasting using Lagrangian Extrapolation, MAPLE)，利用中央氣象局(Central Weather Bureau, CWB)雷達回波整合資料，檢視該系統在臺灣地區即時天氣預報(0～6小時)的表現。MAPLE系統包含兩個程序，依序為：1.雷達回波變分追蹤法(Variational Echo Tracking, VET)決定降水系統的移動場；2.由半拉格朗日後推平流法(semi-Lagrangian backward advection)決定降水系統的預報場。本研究選取颱風與梅雨鋒面兩種天氣型態共三個個案進行分析，並評估MAPLE的可行性。研究首先針對VET過程所使用的兩種參數－移動向量密度及回波資料時間間隔進行敏感度測試。在獲得臺灣地區最佳化設定後，定性討論雷達回波外延在預報平移與旋轉天氣系統之特性。本篇分別選取兩個颱風及梅雨鋒面共三個個案進行測試，由測試結果顯示，MAPLE回波預報結果與觀測回波之間的相似程度在分數表現上相當理想。進一步檢視移動向量，但當天氣系統接近臺灣陸地時，移動向量速度減緩，顯示外延法能夠反應出地形阻擋之影響。而MAPLE系統定量降水表現方面，綜合不同預報得分指標，此系統對於颱風和梅雨鋒面的降水預報能力可維持在2～3小時。與持續法相比較，其降水預報誤差隨時間明顯改進。然而，當預報時間(lead time)超過3小時後，外延預報能力迅速下降，主要與外延回波缺乏掌握天氣系統生成與消散的機制有關。整體而言，透過高時空間解析度之雷達觀測網的降水觀測，進行外延預報，能迅速提供即時定量降水預報資訊。此技術可在極短時間內提供0-3小時之預報，彌補複雜天氣數值模式初期起轉過程在降水資訊之不足。

• 期刊

宜蘭地區秋季共伴豪雨與聖嬰－南方震盪的遙相關

宜蘭地區自古以多雨聞名，特別是在每年秋季，台灣西南部已進入枯水期，位於東北部的宜蘭卻可能出現致災性降雨，造成當地生命財產蒙受極大的損失，這些秋季豪雨的發生經常和共伴效應有關。本文比較蘇澳、宜蘭和竹子湖氣象站在1982-2016年間的雨量觀測數據，指出蘇澳氣象站的豪雨紀錄是台灣秋季共伴豪雨的代表性資料。透過該站及宜蘭縣境內自動測站秋季共伴豪雨事件所對應的共伴颱風性質，本文嘗試框畫出台灣發生共伴降雨時的共伴颱風熱區，大致是在15-23°N，108-124°E之間的區域。而由共伴豪雨事件與赤道太平洋地區聖嬰-南方震盪(ENSO)活動紀錄的比對，證實兩者之間存在著遙相關。自1982年以來，在反聖嬰現象發生期間的秋季，宜蘭地區往往也留下共伴豪雨紀錄，尤其是在強烈反聖嬰事件期間。因為在赤道太平洋進入反聖嬰時期的秋季，有較多颱風的移動路徑向西直行經過台灣南方海域，這將有利於共伴效應的發生，進而在宜蘭或台灣北部、東北部地區降下共伴豪雨。這樣的結果不僅對氣象預測提供了極為重要的訊息，在古氣候與古人文研究上，也提供了有關宜蘭古代豪雨事件的發生機制與理論基礎。

• 期刊

臺灣地區WRF颱風系集降雨機率預報之評估、校正與經濟價值分析－第一部分：預報評估

本研究主要是針對臺灣地區的颱風，利用中央氣象局發展的WRF系集預報系統(WEPS)，進行定量降雨機率預報；最終目的在於提供更具參考價值的系集颱風降雨預報產品，並讓使用者藉由系集機率預報做出最佳化的決策，以得到最大的經濟價值。研究成果擬分述於三篇論文中，包括系集降雨機率預報之評估、校正與經濟價值分析。本論文(第一部分-預報評估)的研究重點在於評估WEPS的品質良窳，並利用WEPS產生颱風降雨機率預報，詳細校驗其預報表現。研究結果顯示：WEPS的系集散度可良好地反應預報的不確定性。颱風降雨機率預報具有相當好的區辨能力，但有明顯的預報偏差，可信度和區辨能力均隨著降雨門檻增加而降低。不同區域的校驗結果顯示：颱風降雨預報在陸地區域的可信度與區辨能力均優於海洋區域，這與做為真實場的雷達降雨估計特性有關。此外，平地的可信度優於山區，但山區的區辨能力優於平地。整體而言，山區的預報技術優於平地，這是因為地形鎖定效應造成颱風降雨在迎風斜坡上的可預報度高於平地，因而WEPS在山區的預報技術和區辨能力相對較佳。Mann-Whitney檢定顯示山區的預報能力優於平地具有統計上的顯著性。

• 期刊

臺灣地區WRF颱風系集降雨機率預報之評估、校正與經濟價值分析－第二部分：校正

中央氣象局WRF系集預報系統（WRF Ensemble Prediction System, WEPS）所提供的颱風降雨機率預報（probabilistic quantitative precipitation forecasts, PQPFs），具有明顯的系統性偏差。本研究嘗試對WEPS所做的降雨機率預報進行校正以修正其偏差，令降雨預報的結果更具有實用價值，讓使用者參考該預報產品做出的決策能得到最大的經濟價值。本研究使用劇烈天氣監測系統（QPESUMS）的雷達估計降雨量做為校正WEPS降雨機率的依據，校正的方法分別為線性迴歸法（Linear Regression, LR）及非線性的類神經網路法（Artificial Neural Networks, ANN），分析其校正後的可信度與區辨能力。在校正實驗中，將訓練樣本區分為全區和陸地，陸地再細分為平地（地形高度低於500公尺）和山區（地形高度高於500公尺），比較不同的訓練樣本對於校正後的結果有何影響。研究結果發現，線性的LR和非線性的ANN方法都能夠成功地修正WEPS的降雨預報。校正後明顯增加了可信度，且對於降雨事件仍具有相當不錯的區辨能力，透過Brier Skill Score (BrSS)的分析則證明校正後提升了預報能力。而將訓練樣本侷限在陸地，能夠將預報結果校正到十分接近完美可信(Perfectly reliable)，並對降雨事件的區辨能力良好，預報能力也提升。