在《仙台減災綱領 2015-2030》 (Sendai Framework for Disaster Risk Reduction 2015-2030) 框架下，四個主要重點中，包含：「理解災害風險、強化災害風險治
此外，荷蘭顧問公司 SIM-CI 搭配三維虛擬實境，展示淹水的建置 inundation Prediction System)進行東京 23 區(東京都會區) 淹水預報系統 的發展。該預報系主要著重於道路中斷影響、地下道與車站淹水風險。
統、建物線、道路高程、下水道匯流分區、地下道、建築物邊界等完整
資料來源：Abedin and Stephen 2019
資料來源︰Abedin and Stephen 2019
圖 2-2 利用 DEM 產生集水區流路與不同解析度下集水區面積差異
資料來源︰SIM-CI.com
圖 2-3 數值模擬方式呈現淹水模擬狀況
圖 2-4 美國德州案例模擬成果與淹水現況比對
資料來源︰Bhola et al. 2018
圖 2-5 離線式即時淹水潛勢圖流程
圖 2-6 USGS 開發的離線式即時淹水潛勢圖
圖 2-7 NWS AHPS 提供離線式即時淹水潛勢圖位置
圖 2-8 NWS AHPS 離線式即時淹水潛勢圖位置
圖 2-9 S-uiPS 模式概念 (以道路計算為例)
圖 2-10 S-uiPS 模式概念
圖 2-11 S-uiPS 模式概念 (新增住宅開放空間)
圖 2-12 S-uiPS 模擬區域道路高程資訊
圖 2-13 日本雨水下水道系統模擬滿管情況
圖 2-14 S-uiPS 模式模擬道路淹水情況 道
路
住 宅 開 放 空 間
圖 2-15 S-uiPS 模式成果 (道路與住宅)
下 水 道 滿 管 情 況
圖 2-16 S-uiPS 模式成果 (下水道)
圖 2-17 上海浦東新區模式與系統架構圖
圖 2-18 上海浦東新區二維即時淹水模擬資訊
圖 2-19 上海浦東新區預報水位系統畫面
(五)小結
本工作藉由搜集海外諸國的相關文獻，以了解目前世界各國對淹水 模擬工作的趨勢與方向，並整理表 2-1 為彙國內外淹水模擬之型態與模 式。而本節參考文獻重點，如表 2-2 與表 2-3 所列。
表 2-1 現階段國外淹水模擬之型態與模式
淹水模擬型態 模式
即時模擬
SOBEK、3Di 、DFlow-FM、
德州大學阿靈頓分校_高效能淹水演算、
Google ML
日本早稻田大學 S-uiPS
離線模擬 HEC-RAS (美國 NWS USGS)
表 2-2 國外相關系統與文獻分析 配 Delft-FEWS 平台，進行即時二 維都市淹水之模擬。
未來規劃因應任務需求，布轉換成 為作業化系統，同時配合模式發 展 ， 布 在 下 一 階 段 更 換 為 D-FlowFM (Delft3D FM) 模式，以提 供更完整的模擬應用。
表 2-3 本節參考文獻整理表 M. (2019). “Flood inundation forecasts using validation data generated with the assistance of computer vision.” Journal of Hydroinformatics, 21(2), 240–256.
美國 資料多樣化與淹水數值 模式的改善
Abedin, S., and Stephen, H. (2019). “GIS Framework for Spatiotemporal Mapping of Urban Flooding.” Geosciences, 9(2), 77.
透過高速電腦搭配分散 式運算架構，進行高解 析度二維淹水模式演算
Noh, S. J., Lee, J.-H., Lee, S., and Seo, D.-J. (2019).
“Retrospective Dynamic Inundation Mapping of Hurricane Harvey Flooding in the Houston Metropolitan Area Using High-Resolution Modeling and High-Performance
Computing.” Water, 11(3), 597.
透過事先淹水模擬成果 選擇最相似的淹水地圖
Bhola, P. K., Leandro, J., and Disse, M. (2018). “Framework for Offline Flood Inundation Forecasts for Two-Dimensional Hydrodynamic Models.” Geosciences, 8(9), 346.
日本 東京 23 區(東京都會區) I_1435-I_1440, 2015
荷蘭 搭配三維虛擬實境展示 淹水的建置的環境
SIM-CI,SIM．SAFE, https://sim-ci.com/sim-safe/
中國 中國上海浦東新區都市 淹水潛勢預報系統
Zhang, W. (2018), Introduction to the Pudong (Shanghai) FEWS System.
二、整合流程與管理
而前述在美國氣象局 Advanced Hydrologic Prediction Service (AHPS) 淹 水潛勢圖供應的流程中，主要延續美國地質調查所 USGS 所發展的淹水潛勢
而在英國水環境管理學會 Chartered Institution of Water and Environmental Management (CIWEM) 提出的都市排水水理模式建模參考手冊，其內容包含 針對資料搜集、模式整合方式、模式檢定驗證與模式管理維護等相關流程提 供相關參考與注意事項，如圖 2-25 為資料搜集的流程與注意事項。圖 2-26 為針對都市排水系統流量監測點位建議位置。圖 2-27 模式驗證重點與建議 的檢核標準。圖 2-28 模式維護更新的機制，上述相關資訊，將彙整為模式與 系統精進參考方向與內容。
圖 2-24 AHPS 資料檢核表格
圖 2-25 CIWEM 都市排水模型建置資料搜集流程
圖 2-26 CIWEM 都市排水系統流量監測點位建議
圖 2-27 CIWEM 都市排水系統事件驗證重點
圖 2-28 CIWEM 都市排水模式維護更新建議
三、新技術應用與發展
除了參考美國 AHPS 淹水潛勢圖系統整合流程與英國 CIWEM 都市排 水水理模式建模參考手冊，作為模式維護更新與管理參考外。在未來水利模 式，在人工智慧與機械學習的應用成果將會逐漸增加。如圖 2-29 與圖 2-30 所示，為 Google 在印度與當地政府合作，透過 Machine learning (ML) 處理 大量的遙測影像資料，產製高解析度的地形資料，並且結合水文與水理模式，
提供空間解析度較高的洪水預報，搭配手機簡訊發布預警資訊內容 (Nevo et al. 2018)。
在日本富士通公司，利用機械學習方式提升水桶模式的預測準確度。搭 配觀測與預報降雨量及觀測水位資訊提供未來水位的預報如圖 2-31 所示。
JACOBS 公司透過 Flood Cloud 搭配 Parallel Works 平行運算技術提供 大量的水理模式運算服務，如圖 2-32 所示，此一平行運算技術現階段已應 用於 FloodModeller、TUFLOW、HEC_RAS 等不同模式 1D 與 2D 模式的雲 端運算服務概念 (“JACOBS” 2019)，進行提升淹水模式效能的相關工作。
因此透過結合物理模式的機械學習應用，在目前水文水理模式的發展應 用上，越來越受到各國的重視。如圖 2-33、圖 2-34 所示在科技部應科計畫 的概念與架構上，也提出結合物理模式搭配目前相關 IoT 技術與 AI 應用。
圖 2-29 Google 利用 ML 改善基礎資料
圖 2-30 Google 透過大量運算搭配機械學習改善淹水模擬計算成果
圖 2-31 富士通應用水桶模式搭配機械學習提供水位流量預測資訊
圖 2-32 JACOBS 透過 Flood Cloud 提供二維雲端運算的架構
圖 2-33 新一代淹水模式整合發展
圖 2-34 新一代淹水模式應用
四、提升效能方向