技術創新(科技技術創新)

(一) 近岸區域海象預報整合子系統

3 維海流預報模式作業化系統已於本局高速計算電腦系統上線 運行，作業化包含檔案傳輸與前、後處理等工具，每日可提供現報 及預報產品。雖然目前此系統並未納入資料同化的功能，但是使用 HYCOM 與 RTOFS 預報產品做為每日計算作業的初始場與邊界條 件，提供類資料同化方法進行預報，然而，發展本土作業預報系統 之自有同化功能仍有其必要性，同時，為維持每日預報作業執行順 暢，現有海流系統仍須持續維護、校驗並發展改進，以提供更為可 靠之預報產品。除了發展資料同化系統，同時也隨著美國 VIMS 之 SCHISM 海流模式開發更新版本，優點為參數的輸入及輸出均為 netcdf 檔，節省 binary 轉檔的時間，結合每個參數為一個檔案，減少 參數整合時間，且可使用排程管理系統的派送指令，提高計算效率，

提升每日海流預報作業及提供下游產品執行效率。並開發 3 維波流 耦合暴潮模式，現行 2 維波潮耦合暴潮模式上線預報作業化運行，

汐驅動計算現報 2 天及預報 2 天，每日提供三組波浪預報資訊。精 進淡水河及基隆河感潮河段逐步完成近岸細網格系統，同時使用科 技部海洋資料庫 200 公尺解析度之地形與水利署水文年報之長年流 量分析，發展複合性暴潮預報技術，期待提升作業化模式預報能力。

客製化海流資訊服務，包含官網鄉鎮預報海流資訊擴充港口、近岸 堤岸28 點位，新增澎湖海域表層與底層海溫、溫躍層、鹽度及流速 資訊。

圖12：020 年 8 月哈格比颱風期間之龍洞(LongDong 左上)、烏石(WuShih 右上)、花蓮(HwaLian 左下)、蘇澳(SuAo 右下)測站水位時序圖。

圖13：淡水河及基隆和感潮河段細網格系統。

颱風暴潮系集預報系統開發、作業化測試與案例分析

(1) 暴潮系集誤差機率分布路徑成員預報系統作業化上線測試 本年度於執行系統作業化測試期間，因本年度侵臺颱風案例 強度有限，故作業化測試結果中大部分機率產品展示颱風引起之 暴潮災害較不明顯。以黃蜂颱風為例，本次事件中，受限於颱風 氣象場相對微弱，模式預報水位及相關產品展示資料主要由潮汐 水位組成，主要的預報誤差來源為潮汐模式預報水位與觀測資料 水位之間的誤差。

圖14：預報時間 00-48 小時之總水位盒鬚圖及暴潮偏差水位盒鬚圖。

(2) 台灣之歷史案例誤差機率分布路徑系集分析

提出成員之最佳組成方式及數量，並以曾經登陸且造成災情 之兩個歷史颱風進行案例分析。於暴潮系集預報模式案例分析、

比對與校驗中，本年度案例分析重點在於如何在系集成員分布法 中選用合適的系集成員組合，首先透過將系集預報水位時序資料 與中央氣象局所提供之潮位觀測值進行直接比對，以判斷何種系 集路徑組成能較完整的涵蓋觀測值。從各個颱風案例的各個測站 水位時序分布圖中，我們發現，隨著系集預報路徑誤差分布成員 的密集程度增加，預報水位的最大/最小值包絡線涵蓋的範圍會有 一定程度的擴展。在僅考慮垂直路徑誤差成員的情況下，預報水 位的包絡線會通常會有水位峰值的高低變化；在僅考慮平行路徑 誤差成員的情況下，預報水位的包絡線會通常會有高水位持續時 間的長短變化，顯示這兩種路徑誤差的考量方式不可偏廢。通常 在垂直路徑誤差及平行路徑誤差皆考慮超過 3 至 5 組，系集成員 數達25 組以上後，各系集成員於總水位預報的包絡線便大致相近，

水位預報最大值的盒鬚圖分布也有類似情形。

圖15：臺東測站之系集預報暴潮偏差水位與觀測總水位扣除調和分析後殘 差值時序資料比對結果。圖由上至下依序為考量 01 組、25 組、81 組 之系集路徑成員組成。系集成員圖之不同色線表現對應之統計參數：

藍、紅、黃、紫、綠、亮藍色分別代表下四分位、中位數、上四分位、

最小值、最大值、平均值；黑色圓圈表示觀測總水位扣除調和分析後殘 差值。

圖 16：2014 年至 2019 年颱風預報路徑誤差分布及各項機率密度函數擬合 資料情形。

表 4：2014 年至 2019 年各項機率密度函數分布曲線所需之參數。

誤差 種類

預 報 小 時

Normal Distribution

Logistic Distribution

T Location-scale Distribution

參數 𝜇 𝜎 𝜇 𝜎 𝜇 𝜎 𝜈

垂直 路徑 誤差

（CTE）

12 -0.267 45.474 -0.890 24.098 0.000 34.680 4.689 24 -2.256 62.271 -2.501 32.754 -2.563 46.653 4.508 36 -3.785 78.885 -5.647 42.770 -5.914 63.746 5.507 48 -7.387 96.007 -10.09 53.898 -8.431 91.498 21.922

平行 路徑 誤差

（ATE）

12 6.937 52.212 4.007 27.879 3.030 39.799 4.517 24 10.263 83.069 8.508 43.834 8.090 62.707 4.602 36 12.076 109.535 14.788 57.531 15.780 82.175 4.593

(3) 近 5 年暴潮系集誤差機率分布路徑成員產品產製系統建置 作業員可透過誤差機率分布路徑成員產製系統，在每年颱風 季來臨前收集往年颱風最佳路徑及歷史預報產置新的預報誤差之 機率分布曲線，以讓系集預報之氣象場掌握能力隨氣象預報能力 更新。

(4) 暴潮展示系統 Vue.js 架構系統開發

Vue.js 為目前業界流行的 JavaScript 前端框架，透過該框架讓 前端與後端串接的API、程式撰寫風格、邏輯及架構更加統一，進 而提升未來系統相關開發及維護工作的便利性。

(二) 臺灣海象災防環境資訊平臺

海象災防應用技術系統是建立災防應用技術，應用巨量數據的分 析技術，及海洋科學的專業知能，針對資料開發油污漂流、海難漂流、

船舶航行、颱風波浪、暴潮、海嘯、海岸潮線、異常海水溫、海溫熱含 量及海平面變化趨勢等加值應用，製作海象預報產品，提供臺灣海域 海洋環境預報或預警資訊。除提供臺灣海域監測預報平台應用、產製 預警產品外，並開放海洋領域相關研究使用，包含提供政府開放資料、

地理標記資料等共通應用程式介面服務，將資料提供下游服務平台，

結合地理資訊系統進行資料展示並允許使用者可以遠端存取資料，建 立系統資料供應機制，透過資料存取協定提供多種開放資料格式。

其中本年度針對海嘯即時分析作業技術進行了優化，內容包含完 成降低水位擾動計算分析程序整合、強化自動修正水位功能及海嘯波 演算法，並以水位觀測資料進行正反向驗證。透過演算流程和門檻值 之調校及測試，進一步提升精確度，達到提升適用性之目的。綜觀 15 秒潮位資料進行自動化修正水位基準的干擾來源可分為「預測值誤差」

和「觀測值的隨機突波」，前者主要起因於觀測值水位除天文潮外，尚 含有其他(非)週期性之訊號；後者則來自量測儀器本身或量測環境造成 之結果。前述影響水位基準修正之干擾可透過「計算水位無因次化方 均根差(NRMSE)於一段時間的變化」、「潮位連續性及關聯性品管」和

「水位基準修正回測」的方式進行，藉此達到提升「修正非自然水位

基準移動」準確性之目的。

為確保海嘯模組的適用性，需了解本演算法對於海嘯訊號的判識 能力，本年度完成「自動化建立天文潮預測值」和「海嘯水位分析」兩 個部分，分述如下：

自動化建立天文潮預測值功能

「自動化建立天文潮預測值功能」是將歷史水位資料進行調和 分析後，建立天文潮預測值。然而，非自然的基準水位移動會對天 文潮預測值之結果造成影響。因此，為減少基準水位移動造成的影 響，故需先對歷史資料進行處理。為此，本模組開發「自動修正水位 高程功能」進行處理。

為確認修正水位高程功能的適用性，故將目前歷史水位資料較 完整的12 個測站，於特定時間點後加上一虛擬水位位移，測試使用 的虛擬水位位移包含±20、±30、±40、±50、±100 和±200 公分，共 12 種模擬程式實際運作時的運算流程，差異在於此處之水位資料為包 含已知的虛擬水位位移。

研究結果(圖 17)顯這示以 12 個水位測站資料搭配 12 種不同虛 擬位移，共 144 個測試的結果，顯示水位高度修正正確率超過 90%

的共有138 個（約為總數的 96%），超過 85%的更高達 143 個（約為 總數的99%），正確率最低為84%。另一方面，自動化程式在判識修 正時間位置上的分析結果如圖18 所示。分析結果顯示，修正時間點 差異在 10 分鐘內的共計 132 個（約為總數的 92%），最大的誤差為 15 分鐘。需要注意到，此結果不僅包含正向驗證（成功判識並修正）， 亦同時顯示出程式無誤判之情形（反向驗證）。另一方面，以現有測 站含有基準水位移動之測站進行正向驗證，顯示自動化運行之程式 能適切的對水位進行修正，如圖19 和圖 20 所示。

圖17：自動化修正水位高度驗證結 果。

圖 18：自動化修正水位時間點驗證 結果。

圖19：自動修正水位高程之正向驗 證測試（和平港）

圖 20：自動修正水位高程之正向驗 證測試（小琉球）。

海嘯水位分析功能

將15 秒潮位站的合成水位資料進行分析後，建立水位差值，藉 此分析海嘯水位訊號。為確認海嘯水位分析功能的適用性，故將目 前歷史水位資料較完整的 12 個測站中無海嘯事件期間的水位資料 作為輸入值進行運算，即反向驗證。為了降低無海嘯事件期間的水 位差值變化造成的影響，以 108 年度計畫建立的演算架構為基礎進 行調整。本年度試以1 分鐘移動中值濾波（4 點取中值）取代原本的 1 分鐘移動平均濾波（4 點取平均值），並按海嘯資料呈現之需求分 別進行15 秒和 1 分鐘（每 4 筆資料取一次平均值）輸出資料的水位 差值分析。

以海嘯水位分析功能分析12 個測站於 108 年 1 月 1 日至 109 年 3 月 31 日的水位差值累積次數變化如表 5 和圖 21 所示。本年度提 出之方式在輸出資料為 15 秒一筆的情況下可將水位差值超過 5 cm 的累積次數從4.8%降至 3.5%。另一方面，當輸出資料改為 1 分鐘一 筆時，超過5 cm 的累積數量則大幅減少超過 2%。以水位差值超過

以海嘯水位分析功能分析12 個測站於 108 年 1 月 1 日至 109 年 3 月 31 日的水位差值累積次數變化如表 5 和圖 21 所示。本年度提 出之方式在輸出資料為 15 秒一筆的情況下可將水位差值超過 5 cm 的累積次數從4.8%降至 3.5%。另一方面，當輸出資料改為 1 分鐘一 筆時，超過5 cm 的累積數量則大幅減少超過 2%。以水位差值超過