在本研究中，我們提出了系集決策法來處理與呈現防災情資，目的是在防災 情資中保有氣象預報的不確定性，並透過資料視覺化方式將完整的防災情資提供 給決策者與決策幕僚進行決策。經過 2019 年 0517 豪雨、0518 豪雨與 0520 豪雨 3 場事件的驗證，證明了與決定性預報相比，此方法可呈現在系集平均前的預報降 雨訊號，進而達到預警效果。本研究的四項貢獻為：提出系集決策法、建構防災 資料模型、開發系集預警圖資以及建立決策流程。然而，本研究也存在二個限制：
災情資料無法呈現實際災情，以及淹水警戒與淹水災情的落差。
7.1 研究貢獻
本研究提出了系集決策法來處理與呈現防災情資，目的是提供充足的防災情 資讓決策者與決策幕僚進行決策，在經過進行 2019 年 0517 豪雨、0518 豪雨與 0520 豪雨 3 場事件的驗證後，本研究有以下四點貢獻：
提出系集決策法：本研究提出系集決策法，在防災情資中內保有氣象預報不 確定性，並將大量、多維且即時的防災情資透過資料視覺化呈現的方法。
建構防災資料模型：本研究以系集淹水預警模擬資料以及防汛熱點資料為基 礎，發展出防汛-淹水預警層級，可有效率區分高致災風險的區域。
開發系集預警圖資：本研究透過 Tableau public 發展出縣市淹水預警威脅圖、
鄉鎮淹水預警時序圖以及多維淹水預警陣列圖三種圖資，可透過人機互動介 面提升防災決策效率。
建立決策流程：本研究基於上述三種圖資，發展出威脅判斷、啟動評估與確 認應變強度三個階段的決策流程，以利決策者有效率的進行決策
7.2 研究限制
雖然此研究驗證了系集決策法的可行性，但使用此方法有二個限制：
災情資料無法呈現實際災情：本研究利用 2019 年 3 場豪雨事件的淹水災情資 料進行實驗時，發現淹水災情資料主要是透過電訪記錄而非現地勘查資料，
此舉會造成實際淹水災情資訊與記錄有落差，導致實驗偏差。此現象體現在 退水起迄時間以及淹水深度上。在 0517 豪雨事件的開始淹水時間部分，發生 最多淹水案件的時間為 07:50，共有 6 筆淹水災情。然在退水時間部分，明顯 過度集中於某幾個時間，如 5 月 17 日 15:30、16:30、16:50、17:00、20:10 與 20:20 等 6 個時間點的退水案件皆超過 10 筆，其中 15:30 共有 30 筆退水案件，
而 20:20 則有 21 筆退水案件。在淹水深度部分，於 2019 年 0517 豪雨事件所 記錄的 217 筆災情中，有 154 筆淹水災情資料無淹水深度的記錄，淹水 0 公 分者有 28 筆，記錄中淹水深度大於 0 公分者有 35 筆。綜上所述，現有的淹 水災情資料無法完整呈現實際淹水災情，可能導致本研究實驗的偏差。
淹水警戒與淹水災情的落差：本研究的驗證所使用的一級淹水警戒與二級淹 水警戒定義分別是「發布淹水警戒之鄉（鎮、市、區）如持續降雨，其轄內 易淹水村里及道路可能已經開始積淹水」與「發布淹水警戒之鄉（鎮、市、
區）如持續降雨，其轄內易淹水村里及道路可能三小時內開始積淹水。」，
定義說明達警戒的區域者可能已經開始積淹水，或未來若持續降雨可能開始 積淹水，而非必然已經開始積淹水，此現象於 0520 豪雨事件中明顯呈現，因 此淹水警戒與實際淹水災情無法畫上等號。加上前述所提，現有的淹水災情 資料無法完整呈現實際淹水災情，因此就現有資料進行分析時，易有誤報或 失誤發生。
7.3 未來工作
雖然本研究所使用的系集決策法可保有氣象預報的不確定性，並透過視覺化 系集預警圖資協助防災決策者進行決策。但仍需進一步研究以增加此方法的準確 度。
持續完善基礎資料：於研究限制中所提到的二個問題，包含災情資料與實際 災情的差異，以及淹水警戒與淹水災情的落差。因此若淹水警戒與實際淹水 災情的相關性增加，或是淹水災情資料的品質提升，皆會有助於增加此方法 的效益。
建立即時系集決策法展示平台：本研究已驗證與現有決定性預報相比，系集 決策法對淹水預警的掌握度較佳，因此未來可即時介接一日四報的 WEPS 資 料，並將運算過程自動化，以定時呈現未來 24 小時的淹水預警風險，並將此 做為防災決策的依據。