評估基期風險

在評估基期風險之前，需要比較歷史與氣象合成模式之基期資料，驗證氣象合 成模式是否能夠重現歷史特性。首先本研究依據 IPCC AR5 之定義，將基期

（Baseline）設定為 1986-2005 年，並且利用傳統型氣象合成模式（WGEN）和低 頻率氣象合成模式（LF-WGEN）產生 50 組 20 年的氣象資料，兩種氣象合成模式 根據蒙地卡羅法隨機產生一系列日降雨資料，來維持氣象統計特性。理想的氣象合 成模式能夠在維持歷史統計特性的前提下，產生更多的極端事件。WGEN 和 LF-WGEN 兩種氣象合成模式產生的日平均溫度皆接近歷史日均溫，而在雨量方面整 理在表5-9，顯示 LF-WGEN 能夠更好的呈現歷史日雨量的平均值和標準差，同時 產生更極端的日雨量，歷史最大日雨量為 397 mm，而 WGEN 產生最大日雨量為 382 mm，僅能重現 96%的歷史資料，結果顯示 WGEN 較難產生極端的日雨量。另 外，表 5-10 顯示氣象合成模式之各月雨量與歷史月雨量相比，LF-WGEN 的相關 係數（correlation coefficient, r）較高，而均方根誤差（root mean squared error, RMSE）

較低，顯示LF-WGEN 表現較好。

因台灣農業分為兩期作，因此一期作與二期作之總雨量對於農業灌溉相當重 要，表5-11 比較氣象合成模式之各期作雨量與歷史期作雨量，而 LF-WGEN 產生 之一期作與二期作總雨量，其平均值較為接近歷史值，而標準差方面，在一期作，

WGEN 較為接近歷史值，二期作則是 LF-WGEN 比較接近歷史值，以上結果證明 LF-WGEN 在重現雨量資料之統計特性上有較佳的能力。另外，表 5-12 顯示氣象 合成模式之連續不降雨日和年雨量，為影響家庭節水率和支撐延時的重要因子，因 此需要分析氣象合成模式產生之日降雨資料，其連續不降雨日和年雨量是否接近 歷史值，才能避免繁衍之雨量資料影響指標結果。WGEN 和 LF-WGEN 產生之日 降雨資料，其連續不降雨日之平均和標準差，皆與歷史連續不降雨日接近，但年雨 量方面，LF-WGEN 產生之年雨量，不論在平均和標準差方面，都較為接近歷史年 雨量。

表5-9 氣象合成模式產生日雨量之統計特性

表5-10 氣象合成模式產生之月雨量 LF-WGEN 807 304 426 295

WGEN 887 225 343 131

因在於WGEN 和 LF-WGEN 產生之日降雨資料的連續不降雨日比歷史資料低。圖 5-6（b）為歷史與基期之支撐延時，歷史值和 WGEN 和 LF-WGEN 基期結果接近。

最後，表5-13 總結 WGEN 和 LF-WGEN 兩個氣象合成模式，產生之基期日降雨資 料對於指標結果的影響。LF-WGEN 在案例 1、4、8 中，一期作水分利用效率、一 期作農業節水率、二期作農業節水率、家庭節水率以及支撐延時，其平均值較為接 近歷史值。而WGEN 只有在案例 1 中，二期作水份利用效率的平均值比較接近歷 史值。綜合以上的指標結果，可看出LF-WGEN 基期資料，各項指標值的平均和中 位數都和歷史指標值比較接近，顯示LF-WGEN 重現歷史特性之能力較佳，因此在 後續未來風險評估，本研究使用LF-WGEN 產生之氣象資料進行未來風險評估。

圖5-4 歷史與基期之水分利用效率

圖5-5 歷史與基期之農業節水率

圖5-6 歷史與基期之家庭節水率與支撐延時 表5-13 比較氣象合成模式之指標結果

指標 LF-WGEN WGEN

水分利用效率（一期作） 案例1、4、5、8

水分利用效率（二期作） 案例4、8 案例1 農業節水率（一期作） 案例1、4、5、8

農業節水率（二期作） 案例1、4、5、8 家庭節水率 案例1、4、5、8 支撐延時 案例1、4、5、8