第二章 研究資料和方法
2-1 台灣地面降雨測站網格化資料(Gridded Rainfall Analysis based on Rain Gauge)
本研究使用的地面降雨觀測資料，為國家災害防救科技中心(National Science and Technology Center for Disaster Reduction, NCDR)透過客觀分析方法將地面降 雨測站網格化之後的產品(Gridded Rainfall Analysis based on Rain Gauge，以下簡 稱為Rain Gauge)，其資料來自中央氣象局局屬站、中央氣象局自動雨量站、民用
2-2 GSMaP (Global Satellite Mapping of Precipitation)衛星資 料
GSMaP (Global Satellite Mapping of Precipitation) 為 JAXA/EORC (Japan Aerospace Exploration Agency/Earth Observation Research Center)全球降水分布 Near-Real-Time(GSMaP-NRT)的再分析產品，其資料有助於天氣、氣候與水文等 研究。GSMaP 主要的特色是結合全球衛星微波(microwave)和紅外線(Infrared)合 成出來的資料，再透過演算方法所產製的降雨產品。除此之外，2014 年 3 月發射 GPM (Global Precipitation Measurement) 衛 星 所 掛 載 的 雙 頻 降 水 雷 達 (Dual-frequency Precipitation Radar; DPR)將加入到 Version 6(v6)、Version 7(v7)的演算版 本中。GPM DPR 透過雷達回波 Ka-Band(35.5GHz)得到雨滴或冰晶不同粒徑大小，
5
但是 Ka-Band 在強降水中顯得相對較弱，反倒 Ku-Band(13.6GHz)雖然無法從冰 晶粒徑得到回波，但是在強降水中得到相對較強的回波。以上兩種頻率(Ka-Band 和Ku-Band)，可以清楚瞭解不同高度的降雨率。
在本研究中使用到GSMaP 系列產品 GSMaP MVK(Global Satellite Mapping of Precipitaion Moving Vector with Kalman filter) 及 GSMaP RNL(Global Satellite Mapping of Precipitaion Reanalysis Product)。MVK 系列產品是利用雙向變形技術 與Kalman filter model 的方法所產生。Kalman filter model 是基於兩個連續的 IR 度溫度所反演的降雨具有很大的變異量，所以需再導入Kalman filter 以重新分配 權重的方式對降雨強度做修正(Ushio et al., 2009)。
當今全球降水觀測任務最新的演算法GPM-GSMaP Version 7，為用來校正降 雨率，目的是基於 GSMaP 計畫提供研究使用高時間、高空間解析度的全球衛星 降水資料，由日本科學與技術機構(Japan Science and Technology Agency, JST)研 發，目前GSMaP 由日本宇宙航空開發機構((Japan Aerospace Exploration Agency, JAXA)降水觀測任務(Precipitation Measurement Mission, PMM)科學團隊所持有。
GSMaP MVK (Global Satellite Mapping of Precipitaion Moving Vector with Kalman filter):
6
GSMaP 的產品結合了微波和紅外線資料而成，並使用卡曼濾波方法(Kalman filter model)稱之為 GSMaP MVK。研究使用到的演算法版本有 Version 5、Version 6、Version 7 三種版本，分別對應到 GSMaP MVK V5、GSMaP MVK V6、GSMaP MVK V7。演算法所使用到的微波輻射資料包含 GPM-Core GMI、GCOM-W/AMSR2、DMSP 所屬的 SSM/I 和 SSMIS、NOAA 所屬的 AMSU-A/-B 和 MHS、
MetOp 所屬的 AMSU-A 和 MHS 以及地球同步衛星紅外線成像儀。GSMaP MVK V6、GSMaP MVK V7 為 2014 年 3 月發射 GPM 衛星後所發展出來較新演算法的 降雨產品。GSMaP MVK V6 改進了 AMSR2 降雨的演算法，其中包含針對陸地的 部分發展了新的演算法，尤其是對沿海區域的暖雨發展新的演算方式，並加入了 DPR/GMI 的資料。GSMaP MVK V7 則改進了 GPM/DPR 資料的演算法、高緯度 降雪估算方法和NOAA 多顆衛星掛載 sensor 的降雪/冰地的區域，尤其修正了陸 地區域的降雨演算。GSMaP 降雨產品的空間解析度為 0.1°x0.1°，時間解析度為 每小時一筆，垂直一層，資料所涵蓋的範圍為 0.05°E 至 359.95°E；59.95°S 至 59.95°N，其中 Version 5 版本資料時間範圍為 2000 年 3 月至 2010 年 11 月；Version 6、Version 7 版本資料時間範圍為 2014 年 3 月至 2018 年 10 月(表 2-1)。
GSMaP RNL (Global Satellite Mapping of Precipitaion Reanalysis Product):
GSMaP RNL 與 GSMaP MVK 第六版相同的演算方法(Ushio et al. 2009)，將 所有可用衛星的微波輻射資料進行計算，包含GPM-Core GMI、TRMM TMI、Aqua AMSR-E、GCOM-W/AMSR2、DMSP 所屬的 SSM/I 和 SSMIS、NOAA 所屬的 AMSU-A/-B 和 MHS、MetOp 所屬的 AMSU-A 和 MHS 以及地球同步衛星紅外線 成像儀，但增加了JRA-55 (Japanese 55-year Reanalysis)的資料輔助作為再分析數 據。其空間解析度為0.1°x0.1°，時間解析度為每小時一筆，垂直一層，資料所涵 蓋的範圍為0.05°E 至 359.95°E；59.95°S 至 59.95°N，資料時間範圍為 2000 年 3
7
月至2014 年 2 月(表 2-1)。
2-3 IBTrACS (International Best Track Archive for Climate Stewardship)全球颱風最佳路徑分析資料
本研究中使用全球颱風最佳路徑分析資料(International Best Track Archive for Climate Stewardship, IBTrACS, Knapp et al., 2010)第四版，時間解析度為三個小時 一筆。IBTrACS 為世界氣象資料中心(The World Data Center Meteorology;WDC)集 合全世界區域氣象中心( Regional Specialized Meteorological Centers;RSMCs)和其 他機構所收集歷史上熱帶氣旋最佳路徑的數據，並將不同數據合併為一個產品， 留長達 12 小時以上者視為影響台灣之颱風。本研究使用 IBTrACS (International Best Track Archive for Climate Stewardship)的最佳路徑去判斷颱風中心在該時間點 是否有籠罩在此範圍內，在此範圍內的颱風所帶來的降雨則視為台灣受颱風影響
8 2014; Huang and Chen,2015)。將降雨類型分類為颱風降雨(Tropical Cyclones)、午 後對流(Diurnal Convection)、鋒面對流(Frontal Convection)與南風對流(Southerly Convection)。在本研究中主要使用到Huang et al. (2016)篩選出的午後對流雨日 (Diurnal Convection)進行分析，且受限於衛星資料版本年份不同與各種降雨類型 事件在不同時間下有所差異，所以在各個降雨類型下將衛星資料分成兩組與地面 觀測資料比較，GSMaP RNL與GSMaP MVK V5為第一組(2000~2010年)；GSMaP MVK V6與GSMaP MVK V7(2014~2016年)則為第二組。雖然GSMaP RNL的資料 從2000年3月~2014年2月，但是為了與GSMaP MVK V5公平比較，所以只選取 GSMaP RNL資料至2010年的部分。另外，雖然GSMaP MVK V6與GSMaP MVK V7的資料年份長度從2014年3月~2018年10月，但是Huang et al. (2016)篩選出的午 後對流雨日(Diurnal Convection)只到2016年，因此只使用GSMaP MVK V6與 GSMaP MVK V7至2016年的資料。
9
第三章 GSMaP 和地面測站網格化資料分析