第三章 氣象合成模式建立
4.6 討論
4.6.4 不同氣象合成模式對流量模擬之影響
在水文模式比較部分，分別利用兩種不同氣象合成模式，以高義站1980-1999 年之 氣象資料，合成產生300 年之氣象資料資料，再分別利用 GWLF 模式及 NTU_WH 模式 模擬日流量，分析不同氣象合成模式繁衍之氣象資料對模擬流量之影響。圖 4-21 為利 用單一機率分佈描述降雨之氣象合成模式所產生之降雨資料模擬之流量情形，由結果可 發現，雖然氣象資料相同，但由於水文模式描述水文歷程並不相同，因此在旬平均流量 上亦有差異存在，不過，兩模式之模擬旬平均流量之 Nash-Sutcliffe 模式效率係數皆高 達 0.86(表 4-4)，顯示兩模式皆可合理的模擬水文歷程，此外，GWLF 模式模擬之年平 均總流量為 12273cms，而 NTU_WH 模式模擬之年平均總流量為 13135cms，與歷史年 平均流量13657cms 比較，NTU_WH 模式在總量上之模擬結果較 GWLF 為佳。
表 4-4 中顯示，利用雙機率分佈描述降雨之氣象合成模式產生之氣象資料進行水文 模擬時，兩模式模擬之旬平均流量 Nash-Sutcliffe 模式效率係數為 0.85 及 0.88，與利用 單一機率分佈描述降雨之氣象合成模式所產之氣象資料模擬結果類似，NTU_WH 模式
0 200 400 600 800 1000 1200
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36
旬流量(cms)
旬
His NTU_WH_DO NTU_WH_DH
與GWLF 模式模擬之流量在旬平均流量有差異，且 NTU_WH 模式所模擬之旬平均流量 較GWLF 模式所模擬出之旬平均為高，GWLF 模式模擬之年平均總流量為 11619cms，
而NTU_WH 模式模擬之年平均總流量為 13055cms，比較歷史年平均流量可發現，GWLF 模式在總量的模擬上有低估的現象。
His GWLF NTU_WH_DO
0
His GWLF NTU_WH_DO
圖 4-23 及圖 4-24 為 GWLF 模式及 NTU_WH_DO 模式分別模擬不同氣象合成模式 所產生之旬平均流量，由於氣象合成模式使得降雨量結果不同，因而就算利用相同的水 文模式模擬，在河川流量推估上也有差異。主要的原因在於在使用單一機率分佈描述降 雨時，在5-6 月繁衍產生的雨量分別為 20.4 公分及 41.7 公分，5 月之最大雨量大於歷史 上之最大雨量，而以雙機率分佈描述降雨事件之氣象合成模式繁衍雨量時，由於歷史 5 月並未發生暴雨事件，產生暴雨事件之機率為0，故 5 月最大降雨依據假設不會超過 13 公分，繁衍產生之最大雨量為12.8 公分，而在 6 月雖有暴雨事件發生，但依據 3.3 節討 論結果可知，其最大雨量為27.4 公分，遠低於使用單一機率分佈描述降雨之氣象合成模 式所產生之雨量，因此在流量評估上利用雙機率分佈描述降雨事件之氣象合成模式繁衍 產生之氣象資料所模擬之河川流量會低於利用單一機率分佈描述降雨之氣象合成模式 繁衍產生之氣象資料所模擬之河川流量。而在7-10 月與 5-6 月有類似之情形，利用單一 機率分佈描述降雨之氣象合成模式繁衍產生之氣象資料在 7-10 月最大雨量分別為 85.2 公分、145.4 公分、50.7 公分、及 87.4 公分，皆較利用雙機率分佈描述降雨事件之氣象 合成模式繁衍產生之雨量資料62.5 公分、77 公分、66.4 公分及 60.1 公分為高，因此利 用單一機率分佈描述降雨之氣象合成模式繁衍產生之雨量資料模擬之旬平均流量是可 能高於利用雙機率分佈描述降雨事件之氣象合成模式繁衍產生之雨量資料模擬之旬平 均流量。而根據分析結果亦可說明，不同的氣象合成模式在繁衍資料時，雖然可以依據 歷史特性產生符合歷史特性之雨量資料，但是，由於不同的氣象合成模式其假設不同，
所產生出來的雨量資料在特性上並不相同，因此將導致不同之流量模擬結果。
圖 4-23 以 GWLF 模式模擬不同氣象合成模擬之輸出結果
圖 4-24 以 NTU_WH 模式模擬不同氣象合成模擬之輸出結果
4.6.5 小 結
以歷史氣象資料帶入水文模式，比較不同水文模式模擬之旬平均流量與歷史旬平均 流量可發現，雖然氣象資料相同，但由於水文模式描述水文歷程並不相同，因此在旬平 均流量模擬上亦有差異存在，進一步比較造成兩模式流量模擬之差異可發現，GWLF 模
0 200 400 600 800 1000 1200
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36
旬流量(cms
旬
單一機率分佈氣象合成模式 雙機率分佈氣象合成模式
0 200 400 600 800 1000 1200
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36
旬流量(cms)
旬
單一機率分佈氣象合成模式 雙機率分佈氣象合成模式
式在計算入滲量時並未考慮土壤中可入滲的空間，只要是未能成為地表逕流的雨量不論 多少都視為入滲量進入土壤中，導致高估了入滲量，而低估了地表逕流量。
在連續七天低流量比較上，NTU_WH_DO 模式所計算出之連續七天低流量較 GWLF 模式為高，雖然GWLF 模式之單日滲漏較 NTU_WH 模式為高，但當未飽和層含水量低 於田間含水量時並不會有滲漏發生，因此淺層飽和層之土壤水分含量會逐漸減少，而 NTU_WH_DO 模式所計算之入滲量雖然較 GWLF 模式為低，但因 NTU_WH_DO 考慮 了滲漏延遲因子，會連續數天皆有滲漏發生，因此淺層飽和層水壤水分減少速度較慢，
故NTU_WH_DO 模式所模擬之連續七天低流量較 GWLF 模式所模擬之結果為高。
而比較 NTU_WH_DO 模式與 NTU_WH_DH 模式模擬結果可發現，兩種模式模擬 之旬平均流量 Nash-Sutcliffe 模式效率係數接近，且年總流量除與歷史年總流量接近，
兩模式模擬之年總流量亦接近，NTU_WH_DH 模式亦可適切模擬歷史流量情況。
在討論不同氣象合成模式繁衍產生之氣象資料對流量的影響時，不論是利用單一分 佈描述降雨之氣象合成模式或雙分佈描述降雨之氣象成模式繁衍產生之氣象資料進行 模擬，GWLF 模式與 NTU_WH_DO 兩模式模擬之旬平均流量之 Nash-Sutcliffe 模式效率 係數皆超過 0.85，顯示兩模式皆可合理的模擬水文歷程，然而，NTU_WH_DO 模式模 擬之年平均總流量較接近歷史之年平均總流量，而 GWLF 模式在年平均總量的模擬上 較NTU_WH 模式為低。
水文模式模擬之流量資料往往提供做為後續研究之輸入條件，因此挑選適合之水文 模式以適當模擬流量情況為一重要之課題，根據前述分析結果顯示，GWLF 模式與 NTU_WH_DO 及 NTU_WH_DH 模式皆可適切模擬歷史流量情形，且 Nash-Sutcliffe 模 式效率係數都超過 0.75，但是考量 GWLF 模式有低估低流量的情況，可能低估乾旱事 件時之流量，而在未來氣候變遷豐枯水期流量差異可能增加的情況下，過分低估枯水期 流量亦可能擴大未來峰枯水期流量之差異，因此建議後續評估若不需同時考慮不同時間 尺度時可以 NTU_WH_DO 模式進行評估，而若欲同時模擬日流量及小時流量時，可採 用NTU_WH_DH 模式模擬流量，以提供後續研究所需之流量資料。