AgriHydro 與氣候智慧調適演算法之聯合操作流程

本節示範如何以 AgriHydro 作為跨領域之量化分析工具，結合氣候智慧調適演算法中氣

候調適六步驟與風險模板聯合操作，本節針對風險模板在本研究水資源與糧食生產跨領域之 因子分析與整體操作流程作說明，聯合操作流程圖如圖 4-6 所示，而 AgriHydro 量化結果部 分則於第七章呈現。

圖 4-6、AgriHydro 與氣候智慧調適演算法之聯合操作流程圖

第一步驟：

利用風險模板，對水資源與糧食生產之關鍵議題作因子拆解，並定義各自風險組成：危 害、暴露與脆弱度的內容，於後分析其關聯因子與共同因子。於水資源部分，如圖 4-8 所示，

本研究定義其關鍵議題為石門水庫供需水不平衡，使水位低於下限，造成公共給水與灌溉給 水不足，其保全對象為公共給水的用水單位。危害定義為水庫水位低於下限，其氣候因子包 含日均溫與日雨量，而非氣候因子則為水庫操作管理，包括灌溉給水量、公共給水量與其他 給水量，但本研究不考慮水庫淤積與因水質濁度問題造成的減供；暴露與脆弱度構成公共給 水的需求層面，其中暴露為公共給水之用水單位分布；脆弱度則為淨水與輸送能力和各公共 給水之用水單位於需求層面之要求程度。其中保全對象調適能力為淨水廠的淨水能力，本研 究於模式中保留參數，但不考慮其限制，故脆弱度只由敏感度組成，包含用水密集度（用水 量/產值）、每人每日用水量與漏水率，分別代表工業、生活用水單位與區域輸水系統的需求程

度。集合三個風險組成後，構成水資源公共給水之缺水風險，並以缺水指標（SI）表示。

於糧食生產部分，如圖 4-8 所示，本研究定義其關鍵議題為作物（水稻、大豆）受溫度 與土壤水分逆境之減產。其危害為溫度與土壤水分造成的生長逆境，以相對潛能產量之單位 面積減產率表示，其影響因子包含氣溫（日最高、最低溫與日均溫）、雨量等，而非氣候因子 則有土壤、田間管理、種植時程、作物種類、品種與灌溉時程等；暴露為作物種植分布；而 脆弱度在此處由敏感度構成，即該作物種類與品種，描述該作物對於危害之容忍度。而這部 分以模式角度來看，敏感度因子會與危害中的非氣候因子重複，然而這並不會影響本風險模 板之定義與使用，進一步說，正因該因子在風險的不同組成中皆有影響，更可推測其於糧食 生產風險的重要性；最後，定義風險為溫度與土壤水分逆境造成之相對潛能產量之減產率

（YRR）。

圖 4-7、水資源風險模板操作

（）部分為本研究不考慮之因子；（治理層級）於第四步驟制定調適選項時才會加入。

圖 4-8、糧食生產之風險模板操作

（）部分為本研究不考慮之因子；（治理層級）於第四步驟制定調適選項時才會加入。

由水資源與糧食生產個別因子分析後，進一步整理其風險互動之關係。圖 4-8 與圖 4-8 中的斜體紅字為關聯/共同因子。第一個共同部分為氣象因子，皆需日溫度與日雨量，其中日 最高、最低溫與日均溫高度相關，所以也是關聯因子；另一個共同部分為灌溉時程與灌溉給 水量，其中，灌溉時程受土壤、田間管理、種植時程、作物種類與品種等因子影響。藉由此 兩部分，可以將兩領域之風險串接在一起，建立 AgriHydro 風險評估工具。

第二、三步驟：

第二、三步驟首先參考風險模板之因子分析，根據共同/關聯因子作為模式串接的依據，

建立整合模式，用以同時分析現況與未來之水資源與糧食生產風險，產製風險圖（圖 4-9），

以擬定適方案。本研究透過多測站氣象合成模式於 AgriHydro 中連結氣象因子，而第 4.2.1 節 中，則是針對農業灌溉用水量建置回饋機制。由二、三步驟結果，可以透過風險地圖（如圖 4-9）了解風險之變化，並於下一步驟制定調適方案。

圖 4-9、風險地圖示意圖 第四步驟：

此步驟根據前三步驟的資訊制定相關調適選項，並再一次透過 AgriHydro 模擬分析該方 案於水資源及糧食生產領域的風險改變，藉由兩領域的變化，可以將調適選項的效用分成三 類（圖 4-10），第一類為獨立類型，該調適選項只會影響單一風險，不需考慮其他領域之風險 變化；第二類為競爭（取捨）類型，兩領域的變動方向相反；第三類為協同類型，兩領域的 變動方向相同，針對目前設定之風險標的，此類調適選項為最佳調適選項，可以同時降低兩 領域的未來風險。

第四步驟分析當下對於未來調適選項的評估，第五、六步驟根據這些調適選項進一步分 析不同未來時段各調適選項的效用，形成調適路徑，並結合修正規則達到動態調適之目標，

於本研究中不深入探討第五、六步驟。

圖 4-10、三類調適選項於跨領域效用示意圖