降雨差異分析

由前述的分類討論顯示，不同的微物理過程對於模擬所造成的差 異並不顯著，因此首先將分別以固定微物理過程為WSM 5-class Scheme(m4)的組別作討論，由 m4c1 分別與 m4c2、m4c3 及 m4c5 之 60 h 累積降雨差異(圖 4.14)結果顯示，各組與 m4c1 的降雨相差甚大，

圖4.14a 可發現 Kain-Fritsch scheme(m4c1)在南台灣造成之降雨較 BMJ scheme(m4c2)多(色階偏紅)，另外，m4c2 於屏東南端有較大的 累積降雨，與上節敘述因m4c2 之路徑較其他組別南偏因此降雨位置 也較為偏南的結果相互呼應。圖4.14b 顯示 Grell-Devenyi ensemble scheme(m4c3)模擬之降雨與 Kain-Fritsch scheme 差異甚大，因 m4c3

的累積降雨為低估而m4c1 則為明顯高估，因此兩組模擬間的降雨差 異非常大，而由東台灣的降雨差異(色階偏紅)顯示出 m4c3 對於東台 灣降雨過於高估之情形能有所改善，但整體來說，因m4c3 本身颱風

環流結構並不完整，颱風強度偏弱，所以造成的累積降雨較為不足。

圖4.14c 顯示 Grell 3d ensemble scheme(m4c5)相較於 Kain-Fritsch shceme 在降雨過於高估的情形能有所改善，不僅是南台灣的降雨有 約100 mm，但 Goddard microphysics scheme(m7)相較於 WSM 5-class scheme(m4)卻能改善宜蘭地區降雨模擬過度高估之情形。由上述的分 析結果可知，不同的微物理過程對於降雨之影響並不顯著，僅局部區 域有較大的差異，大部分區域之降雨皆為相似，其降雨差異相較於積

雲參數法間所造成的差異較不顯著。

為能更為客觀的比較出積雲參數法間之差異，並排除微物理過程 所造成的影響，因此再選取微物理過程為Goddard microphysics scheme(m7)的各組做分析，由圖 4.16 之 m7c1 分別與 m7c2、m7c3 及 m7c5 之模擬 60 h 累積降雨差異顯示，m4c1-m4c2(圖 4.14a)與

m7c1-m7c2(圖 4.16a)、m4c1-m4c3(圖 4.14b)與 m7c1-m7c3(圖 4.16b) 以及m4c1-m4c5(圖 4.14c)與 m7c1-m7c5(圖 4.16c)彼此之間的降雨差 異非常相似，顯示不同積雲參數法間所造成的降雨差異在搭配不同微 固定微物理過程並變更積雲參數法的影響方面，選擇Kain-Fritsch scheme 模擬之颱風強度在四組中排名最強，因此累積降雨亦為最多，

導致累積降雨過於高估。選擇 BMJ scheme 的模擬之路徑皆較其他組 南偏，估降雨位置偏南，且颱風強度變化並無良好掌握，累積降雨量

仍過度高估。選擇Grell-Devenyi ensemble scheme 的模擬組別，則因 颱風結構不完整使降雨有所低估，與其他積雲參數法有較大的差別。

而Grell 3d ensemble scheme 在氣壓的模擬上雖可掌握颱風增強的過 程，不過與實際觀測之氣壓仍有些差距，在降雨方面則能有效的改善 其他組別在宜蘭花蓮地區降雨過度預報的情形。

由各微物理過程比較可發現彼此之間的差異較小，但仍顯示使用 Goddard microphysics scheme 在南部及宜蘭地區的降雨普遍較其他微 物理過程少，搭配Kain-Fritsch scheme 組合之降雨較接近於實際觀測，

因此本文為能兼顧颱風強度且不過度預報台灣降雨，以微物理過程選 擇Goddard microphysics scheme 而積雲參數法選擇 Kain-Fritsch scheme(圖 4.13a)作為控制組(CTL)的參數設定。 風速半徑(RMW)為 70 km，最大風速衰減率(Vmax_Ratio)則為 0.8，

並將此組別定為實驗控制組(CTL)。