多測站氣象合成模式資料使用及處理

AgriHydro 中需要用到氣象資料的部分為 GWLF 流量模式與 AquaCrop 作物模式，以下 將分別說明這兩部分之氣象資料使用情形與資料前處理之方法。

表 5-2、石門水庫入流量模擬雨量站與氣象站資料

測站 石門 霞雲 高義 巴陵 玉峰

氣象局站號 21C050 21C140 21C080 21C070 21D150 徐昇式權重 0.04 0.17 0.09 0.07 0.09

取得年分 1946~2017 1968~2017 1954~2017 1964~2017 1954~2017 經緯度 121.240173,

取得年分 1964~2017 1954~2017 1956~2017 1954~2017 1986-2017 經緯度 121.474829,

取得年分 1903~2017 1974~2017 1987~2002、2004~2017 經緯度 121.355549, 24.938855 121.421379, 24.887240 121.351415, 24.818335

高程（m） 33 600 470

附註 徐昇式權重計算平均高程為 475.84（m），本研究使用山佳（C0A520）測站的高程 48（m）、 日均溫與日最高、最低溫。

AquaCrop 氣象資料

中央氣象局（Central Weather Bureau, CWB）於桃園地區的氣象站如圖 5-3 所示，然而許 多站可取得之觀測期長不足以滿足氣象合成之需求，故根據氣象站的觀測長度與地理位置，

本研究選用其中五站作為各分區代表（T3 與 S3 分區使用同一測站資訊），分別為大園、觀音、

水尾、大溪與平鎮（圖 5-2）。因部分觀測資料缺漏情形較嚴重，故本研究先以空間線性內插 完成資料補遺，才能適用於氣象合成模式。以下針對各資料補遺方式分項說明。

圖 5-3、桃園氣象站分布圖

(1) 溫度氣象資料（日均溫、日最高溫與日最低溫）補遺

本研究採用各測站間的共變異數作為內插溫度相關氣象資料之權重，其計算流程 如圖 5-4 所示。首先，取出各站補遺時間段資料（2008 年至 2017 年）；接著，在不 考慮缺值的情況下計算各月各氣溫相關氣象變數之共變異矩陣，並根據各缺值可用的 內差測站，取出相應的共變異數，經標準化到 0 至 1 間數值後作為權重，相乘後得其 補遺值。然而，如該測站於該月份皆缺值，則無法計算其與其他站之共變異數，因此 改採用全部可用測站之平均值作為補遺值。唯補遺完成後，還須確認日最高溫 ≥ 日 均溫 ≥ 日最低溫之關係維持，否則須經額外處理（本研究中無此情形）。

圖 5-4、溫度相關之氣象變數補遺流程圖

(2) 雨量氣象資料補遺

在雨量氣象資料補遺的部分，本研究採用距離倒數平方（Square Inverse Distance, SID）作為權重做空間線性內插，其補遺流程如圖 5-5 所示。首先，取出各站補遺時 間段資料（2008 年至 2017 年），並以站與站之間的 SID 作為權重依據，如式(5.2)：

, 2

,

1

i j i j

SID

d

其中

d

圖 5-5、雨量補遺流程圖

經過上述的資料處理，本研究使用農業分區的五個氣象站、三峽河上游平均氣象資訊與 石門水庫上游平均氣象資訊，共七個測站作為多測站氣象合成模式中，歷史統計值與統計特

性的計算之依據。