技術創新(科技技術創新)

(三) 完成「頻率配對法應用於台灣地區風速網格預報校正」研討會議論文 報告(陳等，2019)以頻率配對校正法對台灣地區的風速網格預報進行修 正，該方法假設由固定空間範圍內之格點風速預報與觀測時序資料有 著相近型態(Pattern)，譬如相同時間點的網格預 報與分析場網格在排 序後具有對應性但是量值可能有所差異，因此可以選出一個範圍內時 間與空間的觀測與分析場資料，將具有相同發生頻率的門檻累積值的 預報與分析場進行配對，再將預報值向分析場調整。希望可對藉由給 予不同風速區間各自不同的調整來達到對臺灣地區風速網格預報較佳 的調整效果。

二、 技術創新(科技技術創新)

為提昇本局小區域災害性天氣即時預報技術，強化科技研發能力，以 增進小區域及劇烈天氣系統之監測及預報能力，本計畫在技術創新方面主 要成果摘述如下:

(一) 對於每日午後對流日第一次達到某降雨門檻作為校驗基準，發展閃電躍 升預警此降雨門檻的列聯表技術指標值（命中值、誤報值與失誤值）在 空間格點分布的面化圖，可提供閃電躍升預警的校驗參考。此外，亦開 發以大數據機器學習方法中的決策樹（decision tree）分析技術，探討 閃電躍升搭配已發生條件下（閃電數量與累積降雨量）的達大雨門檻（40 mm/hr）之機率，以強化閃電躍升預警短時強降雨的應用價值(圖 1)。

圖 1. 針對 2017 年 6 月 11 日臺灣午後對流事件，以 0.05° × 0.05°網格解析度在不同閃電 配置搜尋半徑所計算閃電躍升，預警當日第一次達到降雨門檻 40 mm/hr 的列聯 表技術指標值，搜尋半徑分別為（a）2.5 km、（b）5 km、（c）7.5 km 和（d）10 km。淺藍色格點表示命中，紅色格點表示失誤，標有數字的格點表示閃電躍升 預警誤報值。

(二) 配合本局未來二週預報的發展，發展前二週統計預報技術，針對有提供 二 週 系 集 資 料 的模 式 進 行 分 析 ，包 括 美 國 國 家 環境 預 測 中 心 (The National Centers for Environmental Prediction，NCEP)所產製的全球系集 預報模式(Global Ensemble Forecast System，GEFS)資料，以及局內的全 球系集預測系統(Global EnsemblePrediction System，GEPS)，藉由分析溫 度、相對溼度、風速、6 小時累積降水等變數後，對於模式在不同預報

時間與不同變數的掌握能有更一步的了解。另外，亦使用 Schaake Shuffle 方法，以過去的觀測資料作為樣板，測試模式高溫與低溫藉由 Schaake Shuffle 調整後的效果顯示 6 天之後的改善情況較 6 天內更為明顯(圖 2)。

圖 2. 格點上高溫與低溫洗牌法後結果，上排是高溫的測試結果，下排式低溫的測試結 果，由左而右依序是 2 天、6 天、10 天、14 天的預報，橫軸是觀測空間中格 點的相關係數，縱軸是預報空間中格點的相關係數。黑點是洗牌法處理前的相關 係數，紅點是洗牌法處理後的相關係數。

(三) 發展數值模式強風預報能力校驗分析，考量強風預報作業相當倚賴數值 模式輸出結果，但除了模式自身存在的系統性偏差外，各地區風力強弱 明顯受風向與季節因素影響，而需做系統性的偏差校正。108 年度利用 數 值 模 式 風 場 模 擬 的 誤 差 特 性 發 展 風 力 預 報 可 用 指 引 ， 包 含 DCA(decaying average)、FMM(Frequency Matching Method 頻率配對校正 法)和 MTM (Mapping Table Method 對映表法)的誤差交叉比對，結果顯 示，若以強風預報為主要考量，FMM 可以有最佳修正的表現。

(四) 研發對流尺度的系集預報系統 (Convective-scale Ensemble Prediction System; CEPS)，107-108 年進行 2 年的 CEPS 擾動實驗，地面校驗或高空 分析都顯示，目前 CEPS 測試平台的單一擾動在常見的氣象參數上顯示 不足以產生足夠的離散度，將持續綜合所有擾動方式的整合測試，建立

一組預報作業的雛型，並針對午後對流之定量降水預報進行時空離散度 的校驗分析，用以評估發展機率預報產品的可行性。

(五) 修正本局區域數值預報作業模式(WRFM04)預報的地面溫度及風速有著 溫度預報過低及風速預報過強的系統性偏差，發展機器學習技術使之適 用於修正 WRFM04 在地面溫度及地面風速預報遇到的系統性偏差，未 來預計將建立模型的基礎資料增加，預計能提升地面溫度和地面風速預 報產品的預報能力。

(六) 建立測站平均風與測站陣風、測站平均風、陣風與模式風力統計分析與 迴歸關係，108 年度利用測站平均風和陣風，分別與數值模式預報風場 建立迴歸關係，並利用此關係校正數值模式預報風場，以做為日後改善 強風區段的預報校正效果應用參考所需。

(七) 優化災害性天氣資料庫，以提供更多元化且客製之氣象資訊給使用者，

108 年新增豪大雨特報之前置時間(Leading time)校驗，可提供預報員即 時或天氣類型上特報發布的成效，提升預報品質並了解精進方向。

(八) 導入虛擬容器技術 Docker，強化叢集化作業系統及分散式資料庫管理 功能，可提升加快新資料產出作業的部屬效率，同時當作業程序或上游 資料有異常時，能更快掌握狀況並加以排除。