3.1 氣候平均場模擬
本研究首先將針對亞洲季風區(60˚E~180˚E，20˚S~40˚N)區域內 模式模擬與觀測資料之差異進行討論，探討 AGCM 與 CGCM、解析度以 及系集平均對模式模擬的影響。
圖 3.1 為 GPCP 觀測資料與 14 個模式模擬 6~8 月份降水場氣候分 布，除 GPCP 觀測資料為 12 年(1997-2008)之外，其餘模式皆為 21 年 (1985-2005)。我們按照模式的解析度高低依序排列，由上至下分別 為 CMCC-CM、MRI-CGCM3、MIROC-5、CNRM-CM5、MPI-ESM-MR、
IPSL-CM5A-MR 以及 GFDL-CM3，(a)-(g)為大氣模式 AGCM，(h)-(n)則 為海氣耦合模式 CGCM(詳見表 1)。另外最右側為觀測資料以及系集平 均結果。GPCP 觀測降水 3.1(o)主要集中在孟加拉灣、東南亞海陸交 接位置以及菲律賓海面上。在個別模式中，高解析度模式 CMCC 以及 MRI 的 AGCM 明顯高估降水訊號，CGCM 在部分區域，尤其是西北太平 洋地區明顯改善。與高解析度模式相比，中解析度模式 MIROC、CNRM 及 MPI 高估情形較小，與實際觀測接近，CGCM 同樣能略為改善部分 區域降水高估問題。低解析度模式 IPSL 降水訊號微弱，GFDL 降水分 布模擬則與觀測相似，兩低解析度的 CGCM 均改善 AGCM 的模擬，但降
水訊號仍然低於實際觀測。
在過去許多研究中指出，將多個模式的模擬結果做系集平均 (Ensemble)是提升模擬能力的方式之一。本研究也同樣的對 AGCM 及 CGCM 各七個模式做系集平均處理，分別將 AGCM 以及 CGCM 的模式模 擬結果相加後平均得到系集平均結果，藉此了解模式考慮海氣交互作 用後整體上所產生的差異。圖 3.1(p)與圖 3.1(q)分別為 AGCM 與 CGCM 的系集平均模擬。兩者表現皆相當接近實際觀測，無論訊號的位置分 布、強度，都與實際觀測相當吻合，明顯優於個別模式的表現。
為了客觀的評斷模式模擬各氣候場的優劣程度，我們將模式資料 與觀測結果做比對，計算兩者之間降水與風場的空間相關係數
(correlation)與均方根誤差(RMSE)，並且將 AGCM 以及 CGCM 的結果 互相比較，以便了解其中的差異。圖 3.2 中 X 軸為空間相關係數，值 愈接近 1 代表模式空間模擬與觀測越相近，Y 軸為 RMSE，值越小則代 表模式模擬的強度與觀測誤差越小。降水模擬與風場模擬比較，無論 降水場或是風場都能夠看到 CGCM(空心色塊)模擬要 AGCM(實心色塊) 來得好，整體較偏向圖表的右下方。且系集平均(黑色圓圈)無論是 AGCM 或是 CGCM 都有相對較佳的模擬結果，優於個別模式。
本研究接著分析降水總變異量的氣候分布。圖 3.3(o)GPCP 觀測 資料中可以看到，降水變異量主要集中在 10˚N-30 ˚N 的印度西側、
孟加拉灣以及南海、西北太平洋一帶，其餘位置訊號則普遍較弱。在 模式模擬的表現上，解析度相對較高的兩個模式(CMCC、MRI)中，AGCM 版本高估降水訊號的狀況較為嚴重，特別是在強降雨帶上，例如 MRI 在西北太平洋上的狀況。相同的兩個模式在 CGCM 版本中降水高估的 狀況有明顯的改善，強度上也相對較接近觀測的結果，與過去 Sperber et.al.(2005)、Marshall et.al.(2008)研究所提到結果相似。中等 解析度的三個模式 MIROC、CNRM、MPI 仍然高估降水，但相對於先前 解析度較高的兩個模式，中解析度模式高估的狀況已經較為減緩，比 起 AGCM 的結果，CGCM 也改善降水高估的現象，使得結果與觀測更接 近。但 CNRM-CM5 的位置分布模擬較不好，訊號偏向南邊的海洋上，
與觀測資料降水多半集中在海路交界的位置有相當出入。解析度較低 的兩個模式(IPSL、GFDL)則是無論在 AGCM 或者 CGCM 中模擬狀況皆不 佳，訊號過弱且位置明顯偏南，CGCM 中的模擬未見明顯改善，信號 的強度以及位置都仍有相當大的進步空間。
圖 3.3(p)與 3.3(q)分別為 AGCM 與 CGCM 的系集平均結果，相較 於個別模式，系集平均的模擬都相當好，無論 AGCM 還是 CGCM 在強度 以及空間分布都有相當不錯的表現。AGCM 系集模擬，除孟加拉灣一 帶降水略為高估以外，在南海、西北太平洋地區已有顯著改善，而且 相當接近觀測的模擬。CGCM 系集平均亦與觀測頗為接近，雖然模擬
略為偏低，但是仍然優於任何的個別模式 。
圖 3.4(a)為降水總變異量的相關係數與 RMSE 分析，可以發現個 別模式結果相當分散，特別是 AGCM 的模擬(實心色塊)相關係數約從 0.1~0.6 不等，RMSE 則是在 50~120 之間。CGCM(空心色塊)的相關係 數約 0.3~0.7，RMSE 在 40~70 左右，很明顯可以看出 CGCM 的整體模 擬結果優於 AGCM，且較為一致。圖中黑色圓圈為系集平均的結果，
在空間相關係數上，AGCM 與 CGCM 兩者相差無幾，都有相當不錯的表 現(0.7 以上)，RMSE 則是 CGCM 有更好一些的表現，也就是說在考慮 海氣以及其他各種交互作用後的模式，整體上較能夠掌握降水的強 度。
同樣的方式我們再比較 u850 風場模擬的狀況(圖 3.4 b)，AGCM 的空間相關係數界在 0.6~0.8 之間，RMSE 在 7~16，而 CGCM 的相關係 數 0.4~0.9，RMSE 則是 6~9 左右，由此可見，無論是 AGCM 或 CGCM，
風場的模擬均較降水模擬佳。此外，多數的 CGCM 模式風場模擬仍然 是比 AGCM 的模擬來得好。系集平均方面，AGCM 與 CGCM 的 RMSE 幾乎 相同，均較個別模式小。相關係數的部分，兩者表現皆有 0.8 以上的 水準，比個別模式的模擬要好。
為清楚了解模式在季風區各經度上的模擬情形，我們選擇 GPCP 觀測降水最集中的區域(5˚N~30˚N)沿經度 40˚E~180˚做平均。圖 3.5
將模式依解析度高低分為較高解析度(3.5a、3.5e)、中等解析度(3.5b、
3.5f)與較低解析度(3.5c、3.5g)三種類別以及系集平均(3.5d、3.5h) 進行討論，從圖中觀測資料(黑色實線)大約可以看到三處大值區，分 別為印度西側(75˚E)、孟加拉灣(90˚E)與南海到西北太平洋一帶(110
˚E~130˚E)，最大強度約略為 180 𝑚𝑚
2
/𝑑𝑎𝑦2
。而在 AGCM 各模式方面 (各顏色虛線)，圖 3.5(a)高解析度 MRI-CGCM3 模式明顯高估西北太 平洋地區，甚至高於觀測值兩倍以上，CMCC-CM 則是在印度洋、孟加 拉灣地區有明顯的高估。中等解析度模式模擬情形相當類似 CMCC-CM 的結果，在孟加拉灣一帶也有高估的訊號產生。反觀 CGCM 結果整體 較為相近，無論解析度較高或中等解析度的模式，都與觀測資料較為 吻合，沒有嚴重的高、低估現象。至於低解析度模式則是在 AGCM 與 CGCM 中都沒有太明顯的訊號，除了訊號強度太弱以外，極值區的位 置也較不明顯。在系集平均的部分，AGCM(3.5d)與 CGCM(3.5h)兩者 表現皆相當好，與觀測資料相當接近，但 AGCM 的模擬略為偏高，CGCM 的模擬則是受低解析度模式影響整體稍微偏低。系集平均在三個極值 區的位置模擬上相當的不錯，但西太平洋 140˚E 以東無論 AGCM 或 CGCM 的系集平均模擬均高估降水。綜合上述結果，高解析度 AGCM 模式容易產生高估降水的狀況，
單純的提高模式解析度並不能直接的提升模擬能力。中、高解析度的
CGCM 模擬，在總變異量上的模擬確實能夠改善 AGCM 高估問題，且較 AGCM 有一致的表現，與過去研究(Matthew.et.al 2008；Kim.et.al 2011)所提出論點相同。但在本研究中所見，CGCM 加入了海氣交互作 用並不完全一致的能產生明顯改善，模式的解析度必須在一定水平以 上，此時加入海氣以及其他交互作用才能夠產生明顯的改善，模式解 析度過低，海氣交互作用所帶來的影響仍然非常有限。解析度也是影 響模式模擬好壞的因素之一(Jia.et.al 2008、Inness.et.al 2001)。
3.2 30-60 天季內擾動模擬
季內振盪對於亞洲季風區有著顯著的影響，從季風的肇始
(Yasunari et.al.1979、Wheeler and McBride 2005)、豪大雨的發 生以及颱風生成(Liebmann et.al.1994、Maloney and Hartmann 2000a,b)都有直接或間接的關係。因此，若能提升模式在季內振盪的 模擬能力，將有助於亞洲區域的天氣預報。本研究為了進一步了解 30-60 天季內擾動(ISO)在模式中的模擬狀況，我們將觀測以及模式 資料進行濾波，並且再做一次相同的分析，以了解目前 CMIP-5 模式 在 ISO 的模擬表現。圖 3.6 為觀測資料與各模式模擬 30-60 天季內擾 動之平均降水 Variance 的分布情形，從(a)~(e)圖可以看到大部分中 高解析度 AGCM 模式高估 ISO 的訊號，且在西北太平洋區域訊號過度
的向東延伸，造成中太平洋也有過多的降水。在 CGCM(h)~(l)的模擬 部分除了少數例外(CMCC-CM)，其餘大部分加入海氣交互作用後，中、
高解析度模式可以有效的降低降水高估問題。在 CGCM 中，模式的海 溫會因為加熱大氣而失去熱能，再者，對流所產生的雲阻擋了太陽輻 射，這也進一步減少海洋表面的溫度來源。如此一來，海表面溫度下 降、對流受到抑制，降水也因此減少(Fu.et.al 2002、Kim.et.al 2011)。
然而，解析度較低的模式在 ISO 的模擬表現差，無論 AGCM 還是 CGCM，模擬降水都是偏低而且偏南，相較於中、高解析度的模式表現 有明顯差異。IPSL 的 CGCM 模擬在孟加拉灣以及南海一帶原本 AGCM 沒有模擬出的訊號有了改善，整體偏南的降水也有往北邊移動的情形，
即海氣交互作用不只可以減緩高解析度模式高估降水的問題，在一些 情況下也能改善低解析度模式低估降水的問題，讓模式整體上更接近 觀測所看到的結果。
系集平均部分圖 3.6(p)、(q)中，AGCM 與 CGCM 在 ISO 的模擬都 相當的不錯，無論位置以及強度都模擬的相當好。然而，AGCM 中大 部分模式在西北太平洋降水的模擬過於向東延伸的現象，在系集平均 (p)中也有相同狀況。CGCM 的系集平均(q)可對這個問題有一定程度 的改善，降水區域降向西集中到了 140˚E 以內，這或許和暖池區的海
氣交互作用有關。
同樣我們將模式與觀測資料的 ISO 訊號相互比較，計算空間相關 係數以及 RMSE。圖 3.7(a)為各模式模擬降水場的狀況，AGCM(實心色 塊)在空間相關係數的表現較為分散，約 0.2~0.75 不等，而 RMSE 則 分布在 8~27 左右。CGCM(空心色塊)相關係數為 0.4~0.7，RMSE 為 10~16 上下。可以很明顯看到，AGCM 的 ISO 模擬結果較為零散、模式之間 差異較大，且較偏向圖的左上方(RMSE 較大、相關係數較小)。CGCM 的部分模擬結果則相對較佳，偏向圖的右下方(RMSE 較小、相關係數 較大)，且各模式之間結果較為集中一致。系集平均部分 AGCM 與 CGCM 的表現幾乎相同，相關係數接近 0.8，RMSE 也都低於 10，兩者皆相
同樣我們將模式與觀測資料的 ISO 訊號相互比較，計算空間相關 係數以及 RMSE。圖 3.7(a)為各模式模擬降水場的狀況，AGCM(實心色 塊)在空間相關係數的表現較為分散，約 0.2~0.75 不等，而 RMSE 則 分布在 8~27 左右。CGCM(空心色塊)相關係數為 0.4~0.7，RMSE 為 10~16 上下。可以很明顯看到，AGCM 的 ISO 模擬結果較為零散、模式之間 差異較大，且較偏向圖的左上方(RMSE 較大、相關係數較小)。CGCM 的部分模擬結果則相對較佳，偏向圖的右下方(RMSE 較小、相關係數 較大)，且各模式之間結果較為集中一致。系集平均部分 AGCM 與 CGCM 的表現幾乎相同，相關係數接近 0.8，RMSE 也都低於 10，兩者皆相