台灣主要的降雨季節(夏季)(Chen and Chen, 2003)。林與洪(2013)分析指出台灣降 雨集中在5 月至 10 月，主要來自梅雨季(5 月、6 月)、颱風季前期(7 月、8 月)和 颱風季後期(9 月、10 月)的貢獻，是為濕季。然而過去研究討論台灣降雨特色多 半使用測站資料，發現台灣的降水特色有季節性變化且不同季節受到不同系統的 影響(Chen and Chen, 2003)。除了探討季節性以外，日夜交替的海陸風差異更是降 水日變化的因素之一(Chen et al., 1999)。由於測站資料無法全面性地表現全台降 雨分布，而且無法完全掌握海上系統移入的時序變化，須透過台灣陸地實際測站 觀測資料與衛星資料產品的比較才能瞭解衛星對實際降雨的估算能力與分布情 形。過去研究大多想瞭解TRMM (Tropical Rainfall Measuring Mission)降雨資料的 降水特色與日變化表現(Kummerow et al., 1998; Kishtawal and Krishnamurti, 2001;
2
Nesbitt and Zipser, 2003)。Chokngamwong and Chiu (2008)分析了 TRMM 不同版本 降雨產品在泰國降水的比較，除了針對不同版本的特性分析以外，更有效提供改 進 TMPA(TRMM Multisatellite Precipitation Analysis)的演算法。在台灣地區的部 分，有學者發現TRMM 降雨資料能夠掌握台灣夏季降雨的日變化(Kishtawal and Satellite Mapping of Precipitation(GSMaP; Kubota et al. ,2007; Ushio et al. ,2009)為 當今時間、空間解析度較高的衛星資料產品之一，但是過去研究在不同區域、不 同季節也時常出現高估或低估的情形。Tian et al.(2010)發現 GSMaP 能夠良好地 掌握美國夏季降水分布，但始終高估夏季降水和低估冬季降水，並且發現高估的 情況時常來自於某些強降水事件。Prakash et al.(2015)使用 GSMaP 評估了印度西 南季風帶來的降水，發現整體降水低估了約22%。另有研究指出 GSMaP 不但高 估小雨事件也低估了強降雨事件(Hur et al., 2016)。除了季節性差異外，衛星資料 對於山區降雨常有低估的情況(e.g., Kwon et al., 2008; Kubota et al., 2009; Sohn et al. 2010, 2013)。從以上研究得知 GSMaP 產品針對不同地區、不同季節的降雨表 現能力也有所差異。
然而，過去研究顯少針對 GSMaP 不同版本的差異進行探討，因此需透過 GSMaP 產品的檢驗，找出選定之研究地區最合適的版本。在 2014 年之前的研究
3
大多使用 GSMaP MVK 第五版的演算法(Prakash et al., 2015; Hur et al., 2016;
Setiawati and Miura, 2016)，且多數研究發現 GSMaP MVK 第五版演算法常有低估 陸地實際測站觀測資料的情形(Seto, 2009; Shrestha et al., 2011; Setiawati et al., 2013)。從上述研究也說明了 GSMaP MVK 第五版演算法具有一定的誤差情形，
直到2014 年後第六版與第七版釋出後才得以延續使用 GSMaP 產品研究 2014 年 後的降雨特色。即便有更多的版本釋出，但是尚未有研究同時針對「不同版本在 同一地區的表現」做過多的描述，本研究將藉由陳與黃(2017)分析台灣季節性降 雨日變化的時空特性做為基礎，前半部從季節性探討到降雨日循環分布情形，後 半部則深入探討颱風降雨與午後對流的降雨掌握能力，並透過 GSMaP 產品不同 版本的差異性，提供後續使用GSMaP 系列產品研究台灣降雨特性作為參考依據。
4