臺灣建築能源模擬解析用逐時標準氣象資料TMY3之建置與研究

臺灣建築能源模擬解析用逐時標準

氣象資料 TMY3 之建置與研究

計畫主持人：何 明 錦 所長

協同主持人：黃 國 倉 博士

研 究 員：王 仁 俊 博士

研究助理：余 文 元、林 政 賢

內政部建築研究所協同研究報告

中華民國 102 年 12 月

（本報告內容及建議，純屬研究小組意見，不代表本機關意見）

MINISTRY OF THE INTERIOR

RESEARCH PROJECT REPORT

The Development and Research on Hourly Typical

Meteorological Years (TMY3) for Building Energy

Simulation Analysis of Taiwan

BY

MING-CHIN HO KOU-TSANG HUANG

JEN CHUN WANG

目次

表次 ... III

 

圖次 ... V

 

摘要 ... VII

 

ABSTRACT ... IX

 

第一章

 

緒論 ... 1

 

第一節

 

研究緣起與背景 ... 1

 

第二節

 

本研究計畫之重要性 ... 4

 

第三節

 

國內外文獻回顧 ... 6

 

第二章

 

TMY3 標準氣象年製作理論概述... 7

 

第一節

 

原始氣象資料之取得 ... 7

 

第二節

 

TMY3 標準氣象年格式 ... 8

 

第三節

 

TMY3 標準氣象年的製作流程 ... 11

 

第四節

 

全天空水平日射量之直散分離 ... 16

 

第五節

 

各中選月份之連結 ... 17

 

第三章

 

原始歷年氣象資料整理與補建 ... 19

 

第一節

 

歷年各氣象要素缺漏統計 ... 19

 

第二節

 

缺漏雲量補建方法 ... 21

 

第三節

 

缺漏日射量補建理論與方法 ... 22

 

第四章

 

標準氣象年中選月份分析 ... 25

 

第一節

 

各候選月份之評比 ... 25

 

第二節

 

中選月份之代表性檢定 ... 29

 

第三節

 

TMY3 標準氣象年之統計與應用... 35

 

第五章

 

TMY3 氣象年與歷屆氣象年之比較 ... 47

 

第一節

 

歷屆氣象年差異分析 ... 47

 

第二節

 

電腦動態熱負荷解析 EnergyPlus 簡介 ... 52

 

第三節

歷屆氣象年對空調型單體建築耗能之影響 ... 54

第四節

 

歷屆氣象年對自然通風型住宅建築熱不舒適之影響 ... 58

 

第五節

 

歷屆氣象年對自然通風型辦公建築熱不舒適之影響 ... 62

 

第六節

 

住宅建築調適策略之模擬 ... 65

 

第六章

 

結論與建議 ... 69

 

第一節

 

結論 ... 69

 

第二節

 

建議 ... 70

 

附錄一：TMY3 格式欄位說明 ... 71

 

附錄二：評選會議紀錄及處理情形 ... 75

 

附錄三：期中會議紀錄及處理情形 ... 77

 

附錄四：座談會議紀錄 ... 79

 

附錄五：期末會議紀錄及處理情形 ... 80

 

參考書目 ... 82

 

表次

表 1-1 與熱負荷計算相對應之氣象要素 ... 3

 

表 2-1 本研究所採用中央氣象局一級氣象站位置一覽表 ... 7

 

表 2-2 原始氣象數據記錄格式與說明 ... 8

 

表 2-3 TMY3 所記錄的氣象要素內容 ... 9

 

表 2-4 TMY3 資料格式之表頭所記錄之各欄位意義 ... 10

 

表 2-5 NSRDB-NREL 所建議之候選月篩選權重 ... 14

 

表 3-1 各地原始日射量缺漏比例 ... 20

 

表 3-2 各地日射量估計偏回歸係數 ... 23

 

表 4-1 各候選月份之 FS、WS 與 RMSD 一覽表 ... 26

 

表 4-2 TMY3 中選月年份列表 ... 29

 

表 4-3 空調設計參考用設計溫度 ... 37

 

表 4-4 各地 TMY3 月均溫統計(℃) ... 37

 

表 4-5 各地 TMY3 逐月全天空日射量統計(KW/m

2

_{) ... 38}

 

表 4-6 台北 TMY3 各月逐時平均全天空日射量 ... 39

 

表 4-7 台北 TMY3 各月逐時平均乾球溫度 ... 39

 

表 4-8 台北 TMY3 各月冷暖房度日與度時 ... 39

 

表 4-9 新竹 TMY3 各月逐時平均全天空日射量 ... 40

 

表 4-10 新竹 TMY3 各月逐時平均乾球溫度 ... 40

 

表 4-11 新竹 TMY3 各月冷暖房度日與度時 ... 40

 

表 4-12 台中 TMY3 各月逐時平均全天空日射量 ... 41

 

表 4-13 台中 TMY3 各月逐時平均乾球溫度 ... 41

 

表 4-14 台中 TMY3 各月冷暖房度日與度時 ... 41

 

表 4-15 嘉義 TMY3 各月逐時平均全天空日射量 ... 42

 

表 4-16 嘉義 TMY3 各月逐時平均乾球溫度 ... 42

 

表 4-17 嘉義 TMY3 各月冷暖房度日與度時 ... 42

 

表 4-18 台南 TMY3 各月逐時平均全天空日射量 ... 43

表 4-19 台南 TMY3 各月逐時平均乾球溫度 ... 43

 

表 4-20 台南 TMY3 各月冷暖房度日與度時 ... 43

 

表 4-21 高雄 TMY3 各月逐時平均全天空日射量 ... 44

 

表 4-22 高雄 TMY3 各月逐時平均乾球溫度 ... 44

 

表 4-23 高雄 TMY3 各月冷暖房度日與度時 ... 44

 

表 4-24 花蓮 TMY3 各月逐時平均全天空日射量 ... 45

 

表 4-25 花蓮 TMY3 各月逐時平均乾球溫度 ... 45

 

表 4-26 花蓮 TMY3 各月冷暖房度日與度時 ... 45

 

表 4-27 台東 TMY3 各月逐時平均全天空日射量 ... 46

 

表 4-28 台東 TMY3 各月逐時平均乾球溫度 ... 46

 

表 4-29 台東 TMY3 各月冷暖房度日與度時 ... 46

 

表 5-1 歷屆氣象年選取區間及中選月年份一覽... 47

 

表 5-2 臺灣四地歷屆氣象年各氣象要素平均值比較 ... 47

 

表 5-3 模擬辦公建築面積基本資料 ... 54

 

表 5-4 辦公建築外殼構造熱性能 ... 56

 

表 5-5 辦公建築模擬輸入條件 ... 57

 

表 5-6 歷屆氣象年對空調型辦公建築之逐月空調耗能 ... 57

 

表 5-7 自然通風住宅各方位熱不舒適小時數分析 ... 62

 

表 5-8 自然通風住宅各方位熱不舒適嚴重度分析... 62

 

表 5-9 自然通風辦公空間各方位熱不舒適小時數分析 ... 64

 

表 5-10 自然通風辦公空間各方位熱不舒適嚴重度分析 ... 64

 

表 5-11 自然通風住宅調適策略各月熱不舒適嚴重度 ... 67

 

圖次

圖 1-1 綠色廠房日常節能指標評估流程 ... 5

 

圖 1-2 綠色廠房以能源成本分析建築節能之概念圖 ... 5

 

圖 2-1 TMY3 製作程序與研究流程 ... 12

 

圖 2-2 各月與長期之日射量 CDF 分佈示意 ... 14

 

圖 2-3 前後二中選月氣象數據連結平滑化之過程(以溫度為例) ... 18

 

圖 2-4 風向與風速之連結 ... 18

 

圖 3-1 各地原始日射量缺漏情形 ... 21

 

圖 4-1 台北全天空日射量 TMY3 與長期氣候之累積分佈圖 ... 30

 

圖 4-2 新竹全天空日射量 TMY3 與長期氣候之累積分佈圖 ... 30

 

圖 4-3 台中全天空日射量 TMY3 與長期氣候之累積分佈圖 ... 30

 

圖 4-4 嘉義全天空日射量 TMY3 與長期氣候之累積分佈圖 ... 31

 

圖 4-5 台南全天空日射量 TMY3 與長期氣候之累積分佈圖 ... 31

 

圖 4-6 高雄全天空日射量 TMY3 與長期氣候之累積分佈圖 ... 31

 

圖 4-7 花蓮全天空日射量 TMY3 與長期氣候之累積分佈圖 ... 32

 

圖 4-8 台東全天空日射量 TMY3 與長期氣候之累積分佈圖 ... 32

 

圖 4-9 台北乾球溫度 TMY3 與長期氣候之累積分佈圖 ... 33

 

圖 4-10 新竹乾球溫度 TMY3 與長期氣候之累積分佈圖 ... 33

 

圖 4-11 台中乾球溫度 TMY3 與長期氣候之累積分佈圖 ... 33

 

圖 4-12 嘉義乾球溫度 TMY3 與長期氣候之累積分佈圖 ... 34

 

圖 4-13 台南乾球溫度 TMY3 與長期氣候之累積分佈圖 ... 34

 

圖 4-14 高雄乾球溫度 TMY3 與長期氣候之累積分佈圖 ... 34

 

圖 4-15 花蓮乾球溫度 TMY3 與長期氣候之累積分佈圖 ... 35

 

圖 4-16 台東乾球溫度 TMY3 與長期氣候之累積分佈圖 ... 35

 

圖 4-17 以 EnergyPlus 之 EPW 格式呈現之高雄 TMY3 格式(部分) ... 36

 

圖 4-18 以 Excel CSV 格式呈現之 TMY3 樣貌(部分) ... 36

 

圖 5-2 歷屆氣象年全天空日射量之逐月比較（臺灣四地） ... 48

 

圖 5-3 歷屆氣象年乾球溫度與長期平均之比較（臺灣四地） ... 49

 

圖 5-4 歷屆氣象年全天空日射量與長期平均之比較（臺灣四地） ... 49

 

圖 5-5 歷屆氣象年乾球溫度之逐月比較（台北） ... 50

 

圖 5-6 歷屆氣象年全天空日射量之逐月比較（台北） ... 50

 

圖 5-7 歷屆氣象年乾球溫度與長期平均之比較（台北） ... 51

 

圖 5-8 歷屆氣象年全天空日射量與長期平均之比較（台北） ... 51

 

圖 5-9 EnergyPlus 裡擁有許多模組單元可模擬運算各種系統 ... 53

 

圖 5-10 辦公建築南向正立面(左) ... 55

 

圖 5-11 辦公建築北向背立面(右) ... 55

 

圖 5-12 模擬辦公建築示意 ... 55

 

圖 5-13 標準層平面圖 ... 56

 

圖 5-14 辦公建築使用時程分佈 ... 56

 

圖 5-15 歷屆氣象年對空調型辦公建築之逐月耗能分佈 ... 57

 

圖 5-16 ASHRAE 熱適性模型熱舒適範圍 ... 59

 

圖 5-17 五米外周區之模擬單元空間示意 ... 60

 

圖 5-18 模擬住宅臥室之使用時程 ... 60

 

圖 5-19 台北自然通風住宅全年熱不舒適頻度 ... 60

 

圖 5-20 台北自然通風住宅全年熱不舒適嚴重程度 ... 61

 

圖 5-21 自然通風型住宅全年不舒適頻度比例 ... 61

 

圖 5-22 自然通風型住宅全年不舒適嚴重程度 ... 62

 

圖 5-23 台北自然通風型辦公室使用時期熱不舒適頻度 ... 63

 

圖 5-24 台北自然通風型辦公室使用時期不舒適嚴重度 ... 63

 

圖 5-25 自然通風型辦公室使用時期不舒適頻度... 64

 

圖 5-26 自然通風型辦公室使用時期不舒適嚴重度(單位：度時) ... 64

 

圖 5-27 各項住宅調適策略之全年空調節能效益... 66

 

圖 5-28 各項住宅調適策略對室內熱不舒適嚴重度降低之逐月分佈 .... 67

摘要

關鍵詞：標準氣象年、建築能源模擬、TMY3 一、研究緣起 建築物的熱得除了建築物本身的外殼設計外，又與外界氣候息息相關，因此在進 行建築物能源解析前尚須掌握外界氣候的諸氣象要素，才能真正反應建築物的熱負荷 情況，並藉以計算其能源使用量。本研究以 1990-2012 年共 23 年為篩選基期，更新臺 灣建築能源解析用平均氣象年，以使氣象年具當地長期氣候之代表性。所產製符合國 際標準之 TMY3 標準氣象年，包括台北、新竹、台中、嘉義、台南、高雄、花蓮、台 東等地。 二、研究方法及過程 本研究採用美國再生能源實驗室(NREL)所制訂的篩選程序(Sandia Method)，作為 中選月份的篩選流程。同時以中央氣象局之原始歷史逐時氣象資料作為標準氣象年之 篩選基期，以製作 TMY3。研究過程首先針對原始逐時氣象數據進行格式整理、缺漏統 計、異常資料剔除與缺漏值補建，再以權重後之各氣象要素依各月之逐日累積分佈函 數與長期氣候進行比對，以挑選出氣象分佈結構相似者為候選月。再以均方根誤差統 計量檢定各候選月對長期氣候之偏差，以偏差最小者為中選月份。 三、重要發現 以 1990-2012 年為基期之逐時氣象記錄資料製作符合國際 Sandia Method 規範之臺 灣八地(台北、新竹、台中、嘉義、台南、高雄、花蓮、台東)TMY3 建築能源解析用逐 時標準氣象年，可與國際接軌。與歷屆 AWY 與 TMY2 之標準氣象年比對後，新產製 之 TMY3 更具長期氣候之代表性。與歷年既有之標準氣象年比較其對空調型建築耗能 變化情形：以台北既有辦公大樓為例，空調型辦公建築全年空調耗能密度在 AWY, TMY2, TMY3 等標準氣象年模擬下分別為 120.9, 121.9 與 122.3 (KWh/m²)，增加約 1.9% 之耗能量。

與歷年既有之標準氣象年比較其對自然通風型住宅建築之室內熱不舒適之變化： 研究發現室內熱不舒適發生之頻率有逐漸增加之趨勢，AWY、TMY2 與 TMY3 全年分 別有 18.3%, 23.5%與 26.0%之機會處於室內熱不舒適之狀態。而在熱不舒適嚴重度方 面，新產製之 TMY3 對 AWY 時期之增加率達 53%。顯示今日之氣候更趨炎熱，更易 導致室內過熱情形。針對住宅建築以模擬改善策略之效益方式評估於全球氣候變遷下 之調適策略，作為未來建築能源變遷相關研究與對策之參考。 四、主要建議事項 根據研究發現，提出具體立即可行建議如下： 建議一： 建議公告本計畫所產製之臺灣 TMY3 標準氣象年：立即可行建議 主辦機關：內政部建築研究所 協辦機關：財團法人臺灣建築中心 有鑑於電腦動態熱負荷模擬技術日漸普及，業界已有 Ecotect、eQuest 等視窗化介 面之電腦模擬程式流通，然目前缺乏國家公告之標準外界氣象資料以茲利用，導致各 家業者使用來路不明之氣象資料作為模擬，使得模擬結果不具當地氣候代表性，可信 度低。透過本計畫所產至之 TMY3 標準氣象年，可統一各家模擬軟體之外界氣象條件， 提升模擬可信度。 建議二： 研擬反應未來氣候特徵之未來氣象年：立即可行建議 主辦機關：內政部建築研究所 本計畫以歷史氣象資料完成建築能源解析用平均氣象年之研製，有鑑於未來氣候 變遷下之建築能源變化之探討與模擬，以及早因應未來氣候下之建築節能策略與調適， 仍須仰賴足以反應未來氣候特徵之建築氣象，因此建議針對未來氣候變遷之相關研究。

ABSTRACT

Keywords: typical meteorological year, building energy simulation, TMY3

1. Introduction

The factors that influence the heat gain of a building including building envelope efficiency design, occupancy behavior, and, most of all, the local climate. Therefore, before understanding the energy consumption of a building by simulation, local meteorological data should be firstly well prepared so as to actually reflect the energy use. The objective of this research is to establish typical meteorological years (TMY3) for the use in building dynamic simulation. Hourly observed weather data from 1990 to 2012 of eight locations, Taipei, Hsingchu, Taichung, Chiayi, Tainan, Kaohsiung, Hualian, and Taitong, were prepared to construct TMY3 by means of internationally recognized standard method.

2. Methodology

The research adopted Sandia Method developed from National Renewable Energy Laboratory of United States (NREL) as standard method for constructing TMY3. The processes firstly start with rearrangement, filling missing data, and omitting unreasonable records from the raw weather data recorded from Central Weather Bureau. As TMY3 is an hypothetical weather year that its constitutional individual months would not necessarily comes from the same year. Therefore, in order to seek for the most representative months that have the least deviation from the long-term weather, concepts of candidate months were adopted. The month that have the top five least deviation are considered as candidate months. Statistical method of root mean square error (RMSE) was used to test each candidate month’s deviation against their long-term weather. The one that has the least RMSE was considered as chosen months.

3. Results

The research adopted internationally recognized method in developing TMY3. As a result, the establish TMY3s are capable of comparing to other world’s TMY3 data. By comparing the

newly constructed TMY3 with Taiwan’s historical AWY and TMY2, the TMY3s are more representative against their corresponding local weather. For an office building located in Taipei as an example, the annual cooling energy consumption were 120.9, 121.9, and 122.3 (KWh/m²), when simulated with the meteorological years AWY, TMY2, and TMY3, accordingly. It is observed that there is 1.9% increase in cooling energy use.

Furthermore, in the study of indoor thermal comfort change of a natural ventilated house, it is found that the frequency of discomfort hours is gradually increased. There are 18.3%, 23.5%, and 26.0% opportunity to fall behind the thermal comfort range, respectively. While considering the discomfort severity, there are 53% increase as simulated with TMY3 in comparison with the case simulated with AWY. It indicates that although the indoor overheating hours does not have a significant increase through these year period, the degree of thermal discomfort is severely increased. The research also studied the efficiency of some proposed adaptive strategies that could be adopted for residential buildings.

This project comes to the immediate and long-term strategies. For immediate strategies:

1. The developed TMY3s are recommended to be announced publically for utilization. 2. It is suggested that future weather data are mandatory fundamentals for studying the

climatic impact on building energy use and the efficiency of various adaptation strategies. Further research on the typical meteorological data that reflects the climate change within a century future are highly recommended.

第一章 緒論

第一節 研究緣起與背景

建築物熱得除與建築外殼設計相關外，另與溫度、日射量、濕度等氣候條件息息相 關，進行建築物能源解析前必須掌握氣象要素，始能反應建築物真實熱負荷情況，據以 計算其能源使用量。我國綠建築評估系統已建構完成綠建築家族體系，包括基本型、廠 房類、社區類、舊建築改善類及住宿類等五種版本，其中廠房類與舊建築改善類之空調

耗能評估則仿 ASHRAE Standard 90.1 (ASHRAE 2010)導入能源成本評估法，該方法係

以動態解析軟體針對設計建築與標準建築進行分析，比較設計或改善前後的節能效率， 據以計算指標得分。由於建築耗能影響因子眾多，應用能源成本評估法時，若干模擬邊 界條件在設計與標準模型上需採用相同基準，始能相互比較，二者採用相同且為當地 長期代表性氣候氣象資料同步模擬，才能使結果具可信度。 我國現行使用外界氣候條件係基於 1998-2002 年間長期氣候資料所建立之平均氣 象年 TMY2 (林憲德 and 黃國倉 2005)。惟因時日已久，且僅有台北、台中與高雄等地 資料，已不敷反應近年之氣候變遷影響。本研究將以 1990-2012 年共 23 年為篩選基期， 除採用 TMY3 方法更新製作符合臺灣建築能源解析用具長期氣候代表性之平均氣象年 外，另增加產製臺灣各地，包括：台北、新竹、台中、嘉義、台南、高雄、花蓮及台東 等地之平均氣象年，俾利擴大應用範圍。 本研究之主題為：「臺灣建築能源模擬解析用逐時標準氣象資料 TMY3 之建置與研 究」，內容包括： 1. 透過建築能源模擬，分析各氣象要素(日射量、溫度、風速、濕度)對建築能 源模擬之敏感度，藉以建立平均氣象年於中選月份篩選程序時各氣象要素之 篩選權重，並以數值方法或經驗公式補遺各地原始氣象資料缺漏部分，俾利 進行中選月份篩選。 2. 完成建立臺灣地區平均氣象年標準製作程序與 TMY3 資料，並與歷史氣象年 進行比較，探討近期氣候變遷下，對於建築能源變動之差異與影響。

3. 挑選空調與自然通風型建築各一案，以電腦模擬方式與歷年氣候資料比對， 評估氣候變遷下之建築能源使用變化，提出我國住宅部門於全球氣候變遷下 之調適策略與因應對策。 本計畫之預期目標如下： 1. 完成建立臺灣北、中、南、東部氣候區等 8 處 TMY3 最新標準逐時氣象年， 更新既有建築能源模擬解析之外界氣象標準。 2. 與我國歷年既有之氣象年比較其對建築耗能變化情形，分析在氣候變遷下對 建築能源使用之衝擊，及提供能源成本評估法進行綠建築評估統一氣象輸入 標準應用。 3. 提出我國建築部門於全球氣候變遷下調適策略與因應對策，作為未來建築能 源變遷相關研究與對策之基礎資料。 建築物的空調耗能乃以移除室內的熱負荷為目的，而建築物的熱得除了與建築物 外殼設計良窳相關之外，又與當地外界氣候變化息息相關，其中又以溫度、日射量、濕 度等影響為最，所以在研究建築物能源解析之前尚須掌握大氣的諸多氣象要素，才能 真正計算並反應建築物內的熱負荷變動情況。無論建築能源解析或空調熱負荷計算， 為解析建築於一年中之能源消耗變化，所需計算之期距一般為一年份。然而，關於 外界氣象之邊界條件應取自何年之氣象數據以作為熱負荷計算用，始能真實反應該地 區 長 期 的 氣 候 變 動 並 排 除 極 端 之 氣 候 是 一 大 課 題 ， 而 「 標 準 氣 象 年 」 (Typical meteorological year, TMY)的主要功能即在於以一年份之逐時氣象資料假想年以代表長 期氣候之變化。 標準氣象年是由逐時的真實氣象資料以統計方式經過篩選而組成一年份之假想氣 象年(8760 小時)，實際上此一標準年並不存在，其意義在於能以一年份的假想氣象資料 來代表當地長期間的氣象變化，進而能夠以此一標準氣象年進行建築物耗能的研究， 使其模擬之結果具當地建築耗能之呈現而免除極端氣候之影響。在製作標準氣象年的 方法上，必須同時兼顧長期氣候變動與熱負荷分析結果兩者之代表性，以確保未來應 用於電腦模擬解析建築能源時，其結果之可靠度。由於其資料之主要運用用途在於建

築物之全年熱負荷計算上，因此其中的氣象要素，亦與熱負荷計算所需考慮之項目有 關，其關係如表 1-1 所示。 表 1-1 與熱負荷計算相對應之氣象要素 空調負荷來源 熱負荷項目 相關之氣象要素 建築外殼 壁體傳透熱 顯熱 乾球溫度、直達日射量、擴 散日射量 玻璃傳透熱 顯熱 乾球溫度、直達日射量、擴 散日射量 玻璃日射熱 顯熱 日射量、雲量 日射吸熱修正 顯熱 日射量、雲量 間隙風負荷 顯熱、潛熱 風速、風向、乾球溫度、相 對濕度 室內發散熱 照明燈具發熱 顯熱 照明吸熱修正 顯熱 人體發散熱 顯熱、潛熱 設備發散熱 顯熱、潛熱 新鮮外氣負荷 新鮮外氣負荷 顯熱、潛熱 乾球溫度、相對濕度 其他裝置負荷 顯熱、潛熱 其他 間歇空調蓄熱負荷 顯熱 (資料來源：本研究整理) 由上表可知，為了建築能源模擬所需之熱負荷計算有影響的氣候因子包括：1.外氣 乾球溫度 2.外氣濕度 3.法線面直達日射量 4.水平面擴散日射量 5.雲量 6.風速 7.風向等 七大要素。 製作此種標準氣象年在先進國家中各有理論方法，比較具代表性的如美國的 Weather Year for Energy Calculation (WYEC)(Crow 1980), Test Reference Year (TRY)(Festa and Ratto 1993), Typical Meteorological Year (TMY)(National Climatic Center 1981), Typical Meteorological Year 2 (TMY2)(Marion and Urban 1995), Typical Meteorological Year 3 (TMY3)(Wilcox and Marion 2008)；美英共同提出之 EnergyPlus/ESP-r Weather

(EPW)(Crawley, Hand et al. 1999)；日本空調和衛生工學會的標準氣象資料平均年

於 2008 年公告最新 TMY3 之方法作為製作標準氣象年之理論依據，以與國際接軌。一 般而言，「標準氣象年」資料應該具備以下特點(林憲德 and 張思源 1987)： 1. 需具備長期氣候之代表性，排除極端氣候現象，並可以代表長期氣候的平均年變 動狀態。 2. 需具建築物全年熱負荷之代表性，以茲能夠模擬出一般建築物的耗能量。 3. 需具備一年 8760 小時逐時之氣象數據，以提供大型熱負荷電腦解析程式使用(如 DOE-2.2)，以計算建築物之全年熱負荷以及空調設備量。 關於能源解析用的「氣象年」一般可分為兩類。一種是由真實一年的氣象資料構 成，是由長期氣象資料中找出具氣候或能源計算代表性的全年資料，而成為一個氣象 年；另一種則是由各月份的氣象要素中依權重選取出具代表性的「平均月」，再將十二 個「平均月」連結成一個氣象年。本研究所製作的氣象年是屬於第二種，此由不同年份 之各月份所組成的氣象年謂之「平均氣象年」，又因製作出之格式符合 TMY3 格式之標 準，故稱「TMY3 標準氣象年」。

第二節 本研究計畫之重要性

2010 年行政院推出「智慧綠建築推動方案」，決定擴大綠建築成為永續國土綠色產 業之政策，同年內政部建築研究所為擴大綠建築評估範圍，研擬不同類型建築之評估 法建立「綠建築家族」評估系統。其中針對我國廠房類建築提出「綠色廠房評估指標」， 有鑑於工廠建築各空間空調熱負荷因生產製程所需較無一定廣泛通用之表準，因此其 日常節能指標之空調節能評估導入「能源成本評估法」以電腦模擬標準模型與設計模 型互為比較其節能效能之方式進行評估，如圖 1-1 所示。「能源成本評估法」必須依其

設計之「設計模型 Proposed Model」以及標準化之「基準模型 Baseline Model」，各分析

其能源成本，只要「設計模型」之能源成本低於「基準模型」之能源成本即可合格，如 圖 1-2。此一方法倚賴電腦熱負荷動態模擬之方式進行，為相互比對設計與標準模型之 節能效能，模擬所使用之外界氣象條件有必要統一模擬使用之輸入標準。在「2012 年 版綠建築評估手冊–廠房類型」中明載：以能源成本評估法進行評估時，其氣象資料以

臺灣平均氣象年資料為基準，依該基地之平均氣象年資料，計算全年 8760 小時，模擬 建築物的耗能表現。可見標準氣象年有其建構與更新之必要性。

此外，為因應眾多建築能源解析軟體之需，氣象年之格式亦有必要需為通用之格 式，以便於未來導入各建築能源解析軟體，增加此標準氣象資料應用之彈性。有鑑於 此，本研究以國際公認並行之有年之 Modified Sandia Method (Hall, Prairie et al. 1978,

Wilcox and Marion 2008)製作符合 CSV 通用格式之臺灣標準氣象年。

圖 1-1 綠色廠房日常節能指標評估流程 (資料來源：綠建築評估手冊-廠房類)

第三節 國內外文獻回顧

臺灣過去用於建築熱負荷解析之氣象年以往曾有過研究如：林氏平均氣象年

AYWD75-84)(林憲德 and 張思源 1987)以及尋 TMY2 格式所製作之臺灣標準氣象年

(林憲德 and 黃國倉 2005)(TMY293-02)。AYWD 之格式係供日本 HASP8001 程式使用，

篩選自 1975-1984 年之逐時氣象資料，時日已久恐無法代表近期的氣候。而 TMY293-02

之氣象基期為 1993-2002 年，內含台北、台中、高雄三地之 TMY，迄今亦為十年前之 氣候，無法反應近期氣候變遷之影響。此外，黃瑞隆博士亦以 1980-2000 等年份之原始 氣象數據製作台北、台中、高雄等地之 AWY, TMY, TMY2, WYEC 與 TRY 等比較各式 方法之差異，結果顯示除 TRY 有較大之誤差達 7%外，其餘各式氣象年均適合作為空

調耗能模擬與評估用，且均具二十年以上之代表性(黃瑞隆 2002)。而 ASHRAE 亦曾公

布臺灣之 TMY2 氣象年，其係以 1982-1999 年為基期所產製之 TMY82-99，但僅台北一

地之資料。以上這些 TMY 所呈現之格式係以二進位碼(binary)方式呈現，僅能以特定 之電腦動態解析程式(如 DOE-2.2, eQuest, TRNSYS 或 HASP8001 等)讀取，無法以文字 資料 American Standard Code for Information Interchange (ASCII)或 Comma Separated Values (CSV)之格式呈現以便於進一步分析利用，更無法達跨平台與跨軟體使用之目的， 應用上有其侷限性。

關於建築能源解析用氣象資料之格式，國際上亦針對氣象資料共通性之問題，於 2008 年提出 TMY3 格式，建議以 CSV 格式作為國際通用之標準格式，未來各家建築 能源解析軟體之開發皆戮力於採用此一格式，目前採用此一格式之軟體計有 EnergyPlus, DesignBuilder 等，其他程式包括 Ecotect, TAS, DOE-2.2, eQuest, TRNSYS 等亦可透過內 建之格式轉換軟體直接將 CSV 轉換為其所使用之格式。因此，以此一通用格式製作之 標準氣象年無須考慮與各家軟體接軌之問題，本研究擬產製之 TMY 即以此 TMY3 標 準進行編碼為 CSV 格式，以與國際趨勢接軌。

第二章 TMY3 標準氣象年製作理論概述

平均氣象年的構成是由不同年份的各月組合而成一年份的逐時氣象資料。由原始 氣象數據所最終篩選出作為組成平均氣象年的該月份謂之「中選月」。為取得長期的氣 候平均狀態，並排除異常氣候，如何決定到底是"哪一年的哪一月"作為中選月份，是由 一套嚴謹的科學統計篩選程序來決定。本研究採用美國再生能源實驗室(NREL)所制訂 的篩選程序(Sandia Method)，作為中選月份的篩選流程。

第一節 原始氣象資料之取得

本研究擬產製之標準氣象年涵蓋臺灣北中南東八地，分別為台北、新竹、台中、嘉 義、台南、高雄、花蓮、台東等地，由於 TMY3 標準氣象年之組成挑選自上述各地之 歷年原始氣象資料，因此本研究以上述各地之中央氣象局局屬一級測站所觀測之原始 逐時氣象數據(C 表)作為挑選組成 TMY3 氣象年的來源，各測站之地理資料如下表 2-1 所示，為使製作之 TMY3 符合當地氣候之長期代表性，原始逐時氣象數據之蒐集追溯 至 1990 年代，並截至 2012 年為止一共 23 個年份之資料。取自中央氣象局之原始 C 表 一共記載 49 種資訊，包括測站資訊、時間以及 44 種氣象要素，詳如表 2-2 所示。 表 2-1 本研究所採用中央氣象局一級氣象站位置一覽表 站號 站名 海拔高度 經度 緯度 城市 地址 466920 臺北 5.3M 121°30' 24〞E 25°02' 23〞N 臺北市 中正區公園路 64 號 466990 花蓮 16.0M 121°36' 18〞E 23°58' 37〞N 花蓮縣 花蓮市花崗街 24 號 467410 臺南* 40.8M 120°12' 17〞E 22°59' 36〞N 臺南市 中西區公園路 21 號 467420 永康* 8.1M 120°13' 43〞E 23°02' 22〞N 臺南縣 永康市中正南路 654 巷 40 弄 1 號 467440 高雄 2.3M 120°18' 29〞E 22°34' 04〞N 高雄市 前鎮區漁港南二路 4 號 467480 嘉義 26.9M 120°25' 28〞E 23°29' 52〞N 嘉義市 嘉義市北新里海口寮路 56 號 467490 臺中 84.04M 120°40' 33〞E 24°08' 51〞N 臺中市 中區精武路 295 號 467571 新竹 26.9M 121°00' 22〞E 24°49' 48〞N 新竹縣 竹北市光明五街 60 號 467660 臺東 9.0M 121°08' 48〞E 22°45' 15〞N 臺東縣 臺東市大同路 106 號 *台南測站由於 1999 年 5 月至 2001 年 12 月氣象站整修，此期間以永康測站代替 (資料來源：本研究整理)

表 2-2 原始氣象數據記錄格式與說明 項目名稱 欄位 舉例 單位 項目名稱 欄位 舉例 單位 測站號碼 1-6 466920 高雲狀 96 年 7-10 1999 中雲狀 97 1 月 11-12 10 低雲狀 98 日 13-14 29 雲幕高 99-102 3.00 km 時 14-16 02 總雲量 103-107 10.0 測站氣壓 17-22 1014.2 百 Pa 地中溫度 0 cm 108-112 ℃ 海平面氣壓 23-28 1015.0 百 Pa 地中溫度 5 cm 113-117 ℃ 乾球溫度 29-33 24.0 ℃ 地中溫度 10 cm 118-122 ℃ 露點溫度 34-38 20.3 ℃ 地中溫度 20 cm 123-127 ℃ 相對溼度 39-41 80 地中溫度 30 cm 128-132 ℃ 水汽壓 42-45 23.8 百 Pa 地面狀況 133 0 平均風風速 46-49 0.6 m/s 雷暴 134 平均風風向 50-54 260.0 000.0 為正 北 液態降水 1 135 極大風風速 55-58 2.8 m/s 液態降水 2 136 極大風風向 59-63 230.0 固態降水 1 137 累積雨量 64-68 mm 固態降水 2 138 降雨時數 69-71 hr 固態降水 3 139 日照時數 72-74 hr 視障 1 140 9 能見度 75-78 7.0 km 視障 2 141 高雲高度 79-82 3.0 km 光象 1 142 中雲高度 83-85 km 光象 2 143 低雲高度 86-89 km 全天空日射量 144-147 0.00 mJ/m2 高雲量 90-91 無單位(天 空分成 10 等份) 氣壓趨勢 148 8 無單位 中雲量 92-93 10 平均飽和水汽壓 149-152 29.8 百 Pa 低雲量 94-95 (資料來源：本研究整理)

第二節 TMY3 標準氣象年格式

TMY3 氣 象 年 是 由 美 國 再 生 能 源 實 驗 室 (NREL, National Renewable Energy Laboratory)於 2008 年所制訂，其與歷屆 TMY 與 TMY2 最大之變革為其格式採 CSV 通用格式，可應用於各式軟體。一個符合 TMY3 標準的氣象年必須記載足一年份之逐

時氣象數據，全年一共 8760 筆，其涵蓋之氣象要素內容包括溫度、相對濕度、露點溫 度、全天空日射量、法線直達日射量、水平擴散日射量、降雨量、雲量、雲幕高度、風 向、風速、氣壓、大氣圈外日射量、氣候狀況、地中溫度、能見度、降雪等一共 24 種 之逐時氣象數據，如表 2-3 所示。每一筆氣象數據伴隨一組檢定碼作為說明數據來源 及其可靠度。連同前八列為記錄地區之經緯度記、與氣象站資訊、最大空調設計用氣象 資料、地中溫度與註記之的檔頭，一個完整的 TMY3 氣象資料格式之敘述一共有 8768 列。TMY3 資料之表頭資訊如(資料來源：本研究整理) 表 2-4 所示。完整之 TMY3 各欄位敘述詳見附錄。 此外，由於本研究擬產製之標準氣象年其用途主要為供建築能源模擬解析使用， 因此此一代表年必須反應氣候與建築能源之變動特性，為達此一目的，於篩選氣象年 之過程中，將針對各氣象要素(如日射量、溫度、相對濕度等)對建築能源影響之程度給 予不同之權重以作為由歷年原始氣象數據中挑選出標準氣象年中選月份之依據，以符 合建築能源隨氣候變動之特性。新型之 TMY3 標準對於中選月選取過程各氣象要素所 採用的權重相較於前一版 TMY2 之標準而言有所改變，TMY3 採用 NSRDB-NREL (National Solar Radiation Data Base - NREL)所建議之權重分配(如表 2-5)，更強調直達 日射對建築熱負荷之影響，同時減少風速與風向之權重。 表 2-3 TMY3 所記錄的氣象要素內容 欄位# 欄位內容 欄位# 欄位內容 1 日期 35 露點溫度 2 時間 36 露點溫度資料來源 3 大氣圈外水平面日射量 37 露點溫度資料可靠度 4 大氣圈外法線面日射量 38 相對濕度 5 全天空水平面日射量 39 相對濕度資料來源 6 全天空水平面日射量資料來源 40 相對濕度資料可靠度 7 全天空水平面日射量資料可靠 度 41 測站氣壓 8 法線面直達日射量 42 測站氣壓資料來源 9 法線面直達日射量資料來源 43 測站氣壓資料可靠度 10 法線面直達日射量資料可靠度 44 風向

11 水平面擴散日射量 45 風向資料來源 12 水平面擴散日射量資料來源 46 風向資料可靠度 13 水平面擴散日射量資料可靠度 47 風速 14 全天空水平面照度 48 風速資料來源 15 全天空水平面照度資料來源 49 風速資料可靠度 16 全天空水平面照度資料可靠度 50 水平能見度 17 法線面直射照度 51 水平能見度資料來源 18 法線面直射照度資料來源 52 水平能見度資料可靠度 19 法線面直射照度資料可靠度 53 雲幕高度 20 水平面擴散照度 54 雲幕高度資料來源 21 水平面擴散照度資料來源 55 雲幕高度資料可靠度 22 水平面擴散照度資料可靠度 56 可降水量 23 天頂照度 57 可降水量資料來源 24 天頂照度資料來源 58 可降水量資料可靠度 25 天頂照度資料可靠度 59 氣膠光學厚度 26 總雲量 60 氣膠光學厚度資料來源 27 總雲量資料來源 61 氣膠光學厚度資料可靠度 28 總雲量資料可靠度 62 反照率 29 蔽光雲量 63 反照率資料來源 30 蔽光雲量資料來源 64 反照率資料可靠度 31 蔽光雲量資料可靠度 65 液態降水深度 32 乾球溫度 66 液態降水累積時間 33 乾球溫度資料來源 67 液態降水資料來源 34 乾球溫度資料可靠度 68 液態降水資料可靠度 (資料來源：本研究整理) 表 2-4 TMY3 資料格式之表頭所記錄之各欄位意義 列數 欄位 項目 說明 第一列 1 測站編號 2 測站名稱 3 測站城市 二個位元 4 時區 東經為正 5 測站緯度 小數值 6 測站經度 小數值 7 測站海拔高度 單位：m 第二列 1-68 每一氣象要素之名稱與單位 (資料來源：本研究整理)

第三節 TMY3 標準氣象年的製作流程

決定中選月的方法是將各氣象要素按建築熱負荷之影響程度而賦予不同之權重後， 各年逐月進行對長期氣象資料之累積分佈函數分析比對以求得最具長期氣候代表性之 中選月。整個流程如圖 2-1 所示。 依據 NREL 的建議，製作工程分析用之氣象年應至少採 15 年以上的長期氣象資料 作為篩選的範圍較具代表性，本研究以 1990-2012 年一共 23 年間之氣象資料作為選取 範圍，由此 23 年間篩選出各月份的中選月後，再連接成一整年的標準氣象年。中選月 的篩選採用 TMY3 手冊中所建議之 Modified Sandia Method 為方法，篩選過程如下：

首先計算逐年各月其各氣象要素之 FS 統計量(Finkelstein & Schafer statistics (Finkelstein and Schafer 1971))。

各氣象要素依其對建築熱負荷之影響經加權後計算 WS (weighted sum)。依逐年各 月之 WS 值排序選出前五組最小 WS 之月份為候選月。

針對此五組候選月再進行與長期氣候之方均根誤差(Root Mean Square Deviation, RMSD)比對，擁有最小 RMSD 者即為中選月份。

圖 2-1 TMY3 製作程序與研究流程 (資料來源：本研究繪製) 研究緣起、目的 國內外文獻蒐集 1990-2012年逐時原 始氣象資料整理與缺 漏資料補建 全天空日射量直散分離 直達日射量 水平擴散日射量 計算逐日1.乾球溫度2.露點溫度3. 風速4.全天空日射量之最大、最小 與平均值 計算逐日平均直達日 射量 計算各氣象要素之長期累積 分佈函數(CDF) 計算各氣象要素之各月累積 分佈函數(CDF) 各氣象要素CDF計算 計算逐年各月之F.S.值 氣象要素 NSRDB TMY權重 氣象要素 NSRDB TMY權重 最大乾球溫度 1/20 平均露點溫度 2/20 最小乾球溫度 1/20 最大風速 1/20 平均乾球溫度 2/20 平均風速 1/20 最大露點溫度 1/20 全天空日射量 5/20 最小露點溫度 1/20 直達日射量 5/20 計算逐年各月之WS值 選出五個最小WS值之候選月 各中選月與長期氣候進行 RMSD偏差比對，挑選中選月 歷屆標準氣象資 料AYWD、TMY2 製作 TMY3格式氣象 年(ASCII與CSV檔) 空調型建築 自然通風型建築型建築 EnergyPlus建築能源模擬 進行中選月之連結 歷屆標準氣象年比較 建築耗能變遷分析 住宅部門氣候變遷調適對策 分析 結論與建議

 步驟一：篩選候選月 將全期原始資料逐日化後，可得日最大乾球溫度、日最小乾球溫度、日平均乾球溫 度、日最大露點溫度、日最小露點溫度、日平均露點溫度、日最大風速、日平均風速、 日全天空日射總量以及日直達日射總量共 10 種氣象要素，藉此統計出個氣象要素 23 年份之長期累積分布函數（long-term CDF）與各月份累積分布函數（monthly CDF）， 再進行 FS 統計量及 WS 指數的計算（見式 2-1、式 2-2），選出 WS 指數最小的 5 組月 份資料成為候選月。

FS 統計量採用累積分佈函數(Cumulative Distribution Fuction, CDF)作計算其意義在 於比較各月逐時單一氣象要素對長期氣候組成之分佈結構偏差程度，意即單一氣象要 素分佈結構上之長期氣候代表性檢定，其值愈小表示該月之該氣象要素變動愈趨近於 長期氣候之平均變動狀態，其計算公式如(式 2-1)。依本研究之研究範圍 23 年每月份以 10 種氣象要素(如表 2-5)進行篩選程序，故一共可得 23×12×10=2760 個相異之 FS 值。

累積分佈函數(CDF)是機率分佈函數(Probability Distribution Function)的累積值，其 意義為將所有樣本重新升冪排序後，該單一樣本值以下的所有樣本個數佔總樣本個數 的百分比，而單一樣本的 CDF 值可由樣本的平均數與標準差計算出來，給定任一分佈 的平均數與標準差，即可依統計方法計算該單一樣本的 CDF，由 CDF 之分佈圖形可得 知各氣象要素資料結構分佈的情況，如圖 2-2 所示。各月累積分佈函數(short-term monthly-CDF)呈現的是逐月的氣象數據分佈結構，而長期累積分佈函數(long-term monthly CDF)代表的是長期氣候數據分佈結構，FS 值以此二 CDF 分佈之絕對偏差作為 結構相似度的驗證，其值越小表示兩 CDF 越吻合，代表該月份之氣候分佈結構愈與長 期氣候相似。 ∑ | | （式 2‐1） δiS：該氣象要素之各月累積分佈函數 short‐term monthly‐CDF δiL：該氣象要素之各月長期累積分佈函數 long‐term monthly CDF n：該月份的總小時數 w：各氣象要素

圖 2-2 各月與長期之日射量 CDF 分佈示意 (資料來源：User's Manual for TMY2s)

WS (weighted sum of absolute difference between cumulative distributions)指標則是綜 合了各氣象變數之 FS 值再乘以權重係數後之總合，其計算如(式 2-2)。以 WS 值作為 決定最終中選月的原因在於各氣象要素間彼此對於建築熱負荷的影響程度不盡相同所 致。日射量對於建築熱負荷的影響遠大於風速，兩者之影響程度不一，故在選擇中選月 時不能等同視之，需以加權後之綜合指標 WS 值作為判斷。本研究依表 2-5 之權重， 將逐年各月之各氣象要素之 FS 值進行加權計算以得單一 WS 指標，依擁有最小 WS 之 前五個月份挑出作為候選月份。WS 值越小其意義代表經熱負荷影響程度修正後與長期 氣候的分佈結構最為相似之意。 WS Σwi FSw 式 2‐2 wi：各氣象要素的權重係數 表 2-5 NSRDB-NREL 所建議之候選月篩選權重 氣象要素 NSRDB TMY 權重 氣象要素 NSRDB TMY 權重 最大乾球溫度 1/20 平均露點溫度 2/20 最小乾球溫度 1/20 最大風速 1/20 平均乾球溫度 2/20 平均風速 1/20 最大露點溫度 1/20 全天空日射量 5/20 最小露點溫度 1/20 直達日射量 5/20

(資料來源：本研究整理)  步驟二：候選月排名 由於 FS 統計量與 WS 指數只能反應出結構上的差異，無法代表月平均尺度下的母 體參數誤差，故將候選月的平均數與中位數與長期進行差值比較，差值越小者獲得越 高的排名，排名越高者中選的可能性越大。  步驟三：連續性（persistence)的檢測 然而，擁有最小的 WS 值之候選月尚無法確認為中選月，因 WS 僅代表該月份之 氣象變動趨勢最接近長期氣候。所謂具長期氣候代表性之意義除其變動之趨勢相似外， 與長期平均之偏差亦需最小才行。為排除極端氣候，運用持續性檢測可排除掉具有連 續過冷過熱及連續日射量不足的候選月。而持續的條件定義如下：  對於乾球溫度不足 33%（過冷）或超過 67%（過熱），日數相鄰者。  對於全天空日射量不足 33%，日數相鄰者。  對於直達日射量不足 33%，日數相鄰者。 在此檢測中，具有最多次持續、最長持續以及完全沒有持續性的候選月會被排除， 剩下來的月份具有最大排名者即成為中選月。中選月一共 12 個，一月到十二月每月各 一組。

有鑑於 Sandia Method 的步驟二、三之操作繁雜，Pissimanis 等人則採用了氣象學 上常用之方均根誤差運算作為取代，以影響建築耗能最多的全天空日射量之方均根誤 差(Root mean square deviation, RMSD)作為最後選擇的依據(Pissimanis, Karras et al. 1988)。

而據 Argiriou 等人的研究，此方法擁有相當不錯的準確性(Argiriou, Lykoudis et al. 1999)。

因此，本研究進一步針對前一階段所篩選出之五個候選月進行以對熱負荷變動影響為 最之日射量數據對長期氣候之日射量 RMSD 進行比對，其公式如式 2-3 所示，具最小 之 RMSD 者即為中選月份。 ∑ ̅ . 式 2‐3 N:白天期間之小時數 k:年份 l:小時

本計畫依上述流程製作臺灣台北、新竹、台中、嘉義、台南、高雄、花蓮與台東等 八地之 TMY3 標準氣象年，然而臺灣地理尺度南北縱長不過 395 公里，氣候差異不若 歐美大陸明顯，為避免各地獨立進行篩選時，所挑出之中選月份年代各地不一導致產 製之各地標準氣象年在時間上無同時性而產生如北部均溫較南部高之不合理現象。本 研究參採文獻(林憲德 and 黃國倉 2005)之方法在長期氣候之定義上，將以八地之長期 氣候為之。 此外，針對潤年之處理，雖然 TMY3 標準年內無二月 29 日之值，但為最大化可利 用之原始數據，潤年之二月 29 日氣象資料亦作為決定長期氣候之累積分佈函數(long-term CDF)使用。

第四節 全天空水平日射量之直散分離

由中央氣象局一級測站所取得之逐時日射量氣象數據(C 表)為全天空水平日射量， 乃是於水平面上所測得之全天日射量，包含了直達日射量與擴散日射量，是一綜合之 觀測值。然而在建築能源模擬時，為了計算各方位任意傾斜角度下之日射熱取得，藉以 計算空調負荷量，尚須將全天空日射量區分為直達日射量與擴散日射量分開計算，再 綜合為一總日射取得量。其關係如下式 2-4 所示： 式 2‐4 其中，I：任意面的入射日射取得量；θ：直達日射的入射角；γ：傾斜面的傾 斜角；Idn：法線面直達日射量；Ish：水平面擴散日射量 由上式可知將全天空水平日射量分解為直達與擴散日射之必要性，為進行下一步 之中選月之篩選，在原始資料之處理上如能將原始全天空日射量予以事先分解為直達 與擴散之分量，將省去計算累積分佈時繁雜之過程。這種將全天空日射量分解為法線 面直達日射量與全天空擴散日射量之過程，稱為日射量的直散分離。在日射量的分離

理論，過去曾有文獻(林憲德 and 張思源 1987)以 Bouguer 與 Berlage 公式連立後，以

(式 2-6)以分解成為直達與擴散日射量。然此一方法在當太陽高度角位於低角度時(日出 後與日落前約二小時)，往往無法達到理想收斂之值，而無法求得大氣透過率。因此， 本研究改以(Reindl, Beckman et al. 1990)所提出之模型以晴空指數(KT 值, clearness index) 作為逐時日射直散分離之理論基礎。然而 Reindl-Beckman 模型之係數僅有美國與歐洲 地區，無亞洲區域之參數，我國亦無相關之研究。因此，本研究乃引用香港(Lam and Li 1996)等人以香港實測之日射量氣象數據所建立之模型與參數，作為臺灣之日射直散分 離之依據。該模型型如式 2-7 至式 2-9 所示，擴散日射對於全天空日射之分量可由 KT 值求得。而直達日射量即可由物理公式 2-5 之關係求得。 sin 式 2‐5 Bouguer 公式： Berlage 公式： 0.5 sin _. sin h . _. 式 2‐6 0.977 , 0.15 式 2‐7 1.237 1.361 , 0.15 0.7 式 2‐8 0.273 , 0.7 式 2‐9 其中，Ig：全天空水平日射量，KT：晴空指數 Ig/Io，Io：大氣圈外全天空日射 量，h：太陽高度角，P：大氣透過率。

第五節 各中選月份之連結

由於所中選的 12 組中選月可能來自於不同的年份，如將各月資料直接依照月份排 序，當相鄰之二個月分別來自相異之年份時，將出現月份間氣象不連續的現象。為解決 此問題，須將相鄰的中選月各取首尾 6 小時之數據，以數值方法進行平滑化處理。針 對數值資料（如氣溫）以線性逐步內插的方式產生補間值，如圖 2-3 其採用之補間公 式如式 2-10 而對於向量資料（如風向）則以向量合成方式處理之，風速即為合成向量 的絕對值，風向為合成向量之方向，如圖 2-4 所示。此外由於整個連結的區間完全落

以提供連結後氣象之和緩變化，以解決氣象數據隔月劇烈變動之問題。所需連結的氣 象要素計有乾球溫度、相對濕度、露點溫度、大氣壓力、降雨量、風速、風向等七項。 圖 2-3 前後二中選月氣象數據連結平滑化之過程(以溫度為例) (資料來源：本研究整理) 乾球溫度、相對濕度與雲量等氣象要素的連結公式如(式 2-10)： Dn 1‐ n/12 Dm n/12 Dm 1 式 2‐10 Dn：連結區間內第n 小時的連結值 Dm：前一月之氣象值 Dm 1：後一月之氣象值 n/12 ：為時序上各小時的漸變係數 n 0~12 圖 2-4 風向與風速之連結 (資料來源：本研究整理)

第三章 原始歷年氣象資料整理與補建

第一節 歷年各氣象要素缺漏統計

自中央氣象局取得之逐時氣象觀測值在進行 TMY3 中選月份篩選前，必須先檢驗 其數據之完整性，其中雲量之觀測由於係由人力觀測，平均約每三小時記錄一筆外，其 餘各項與熱負荷解析相關之氣象要素(如：日射量、乾球溫度、相對濕度、露點溫度、 風速、風向等)理論上為每小時皆記錄一筆。如原始記錄數據缺漏過多，則會影響該氣 象要素長期氣候之累積分佈外，導致氣候代表性之偏差，因此在實務上大規模缺漏之 年份或月份將捨棄不用。而針對小規模零星之缺漏，參考美國國家再生能源實驗室 (NREL)之建議，則以物理公式或經驗公式推估以補間其缺漏之值。因此，本研究首先 針對對熱負荷計算影響較大之氣象要素進行缺漏之統計，包括全天空日射量、乾球溫 度、露點溫度、相對濕度、風速等五項氣象要素之缺值比例統計。其檢驗結果全天空日 射量之缺漏情形如表 3-1 所示較為嚴重(表中灰色網底者表示該年份之缺漏比例大於 15%)，其餘如乾球溫度、露點溫度與風速等氣象要素，除僅新竹一地於 1990 至 1994 年各年缺漏達 56%-58%外，其餘各地各年份皆具完整之觀測數據記錄。 有鑑於原始數據在全天空日射量之觀測記錄缺漏嚴重，本計畫直接剔除當年缺漏 比例大於 15%者之該年份所有逐時資料不用，以避免因大量的推估值導致氣候代表性 之偏差情形發生。另，由於本研究在進行中選月挑選時，採用同時與八地之長期氣候進 行 CDF 之比較，為避免有些地方因數據缺漏過多導致該年份被剔除，而有些則進入長 期之累積分佈，因而形成各地採用之年份數不均等之現象，本研究擬採只要有一地該 年份資料被剔除，則所有各地之當年資料亦不予採用之原則，已確保各地進入長期累 積分佈時所使用之年份數相等，以避免不均。因此，由表 3-1 可知 1997 年以前之資料 本研究將予以剔除不用，僅 1998-2012 共 15 年份之逐時氣象數據進入中選月之篩選， 合先敘明。

表 3-1 各地原始日射量缺漏比例 台中 台北 台東 台南 花蓮 高雄 新竹 嘉義 1990 42% 42% 42% 42% 42% 42% 42% 42% 1991 42% 42% 42% 42% 42% 42% 42% 42% 1992 1% 6% 3% 0% 2% 42% 42% 21% 1993 0% 0% 2% 0% 5% 42% 42% 21% 1994 0% 3% 3% 0% 42% 42% 42% 21% 1995 0% 1% 3% 6% 6% 42% 42% 0% 1996 0% 0% 3% 42% 1% 0% 0% 0% 1997 0% 31% 3% 42% 28% 1% 0% 0% 1998 3% 10% 3% 6% 8% 4% 0% 0% 1999 3% 9% 3% 3% 6% 4% 2% 2% 2000 4% 9% 3% 4% 8% 3% 6% 4% 2001 3% 8% 4% 8% 8% 3% 6% 4% 2002 5% 6% 4% 1% 7% 3% 6% 2% 2003 12% 5% 5% 1% 7% 1% 5% 1% 2004 2% 6% 3% 1% 5% 2% 4% 2% 2005 2% 7% 3% 3% 10% 3% 5% 2% 2006 2% 6% 3% 3% 14% 2% 4% 2% 2007 2% 7% 3% 2% 6% 2% 5% 2% 2008 2% 6% 3% 2% 6% 2% 4% 2% 2009 1% 6% 2% 1% 5% 1% 3% 1% 2010 2% 7% 3% 2% 6% 2% 4% 2% 2011 2% 8% 3% 1% 6% 2% 5% 2% 2012 2% 8% 4% 1% 6% 2% 5% 2% (資料來源：本研究整理)

圖 3-1 各地原始日射量缺漏情形 (資料來源：本研究整理)

第二節 缺漏雲量補建方法

自中央氣象局所取得之原始雲量資料，為約每二至三小時間隔一筆之人力觀測值， 其值為 0 至 10 之整數，意義為天空被雲所遮蔽之程度，觀測值為 0 代表天空無雲之狀 態，而 10 則表示天空皆被雲所遮蔽之意。然而處理標準氣象年需要逐時之資料，因此 關於雲量有其補間之必要性。過去曾有文獻(林憲德 and 黃國倉 2005)以地面水平全天 空日射量與大氣圈外水平全天日射量透過 Budyko 之回歸公式(顏俊士 1974)反推以估 計雲量(C)之作法，公式形如式 3-1 所示，然而亦有文獻指出，在雲量多時日射量之估

計偏差亦會偏大而導致估計不準之現象(Masaki, Kuwagata et al. 2010)，因此本計畫捨棄

以物理公式或經驗模型來進行缺漏雲量資料之補間，在基於雲量變化隨時間等量變動 之前提下，直接改採簡單直線內插之方式進行雲量之補間工作。 Ig Io* 1‐0.37C‐0.38C2 式 3‐1 0 0.05 0.1 0.15 0.2 0.25 0.3 0.35 0.4 0.45 1990 1996 2002 2008 1991 1997 2003 2009 1992 1998 2004 2010 1993 1999 2005 2011 1994 2000 2006 2012 1995 2001 2007 1990 1996 2002 2008 1991 1997 2003 2009 台中 台北 台東 台南 花蓮 高雄 新竹 嘉義

第三節 缺漏日射量補建理論與方法

如第三章第一節節所述，取自中央氣象局之逐時全天空日射量資料常有缺漏之情 況，是幾個氣象要素中缺漏最嚴重者。然而，日射量資料對於建築熱負荷計算言而相當 重要，在 NSRDB 之建議裡，進行挑選 TMY3 中選月時對於日射量更給予很大之權重， 可知其重要性。而日射量之推估具有極大之不確定性，天候之因素、雲量之多寡、雲層 之種類等皆是影響日射量偏差之重要影響因子。因此，本研究針對日射量缺漏嚴重之 年份，在進行長期氣候之累積分佈計算時直接剔除不予以採用，以避免大量之日射量 推估值，無法真實反應當地氣候之情形。然而倘又將有缺漏者即予以剔除，則又會出現 可用年份不足之情形，因此對於少部分日射量缺漏之年份，本研究擬採缺漏補間之方 式，重建該小時之全天空日射量。 以往在日射量之推估模型上，多以推估月平均或日平均之全天空日射量為主，較 少以推估逐時者。這些模型常見的有 1924 年的 Angstrom 推算式，其以日照率與大氣 圈外全天日射量作為推估月平均日射量之因子；又有日本之吉田氏以日照率、每月 15 日之太陽高度角正弦值與大氣圈外全天空日射量來推估。由於皆為推估月平均或日平 均日射量之模型，不適用於本研究推估逐時日射量。 針對逐時地表全天空日射量之推估，近年已有日本學者提出以日照率與太陽高度 角以二次式方式針對日本地區 67 個氣象站進行大規模回歸，證實此一模型較為準確 (Masaki, Kuwagata et al. 2010)。因此，本研究採用此一 Masaki 模型，同時以全台八地 之 1998-2012 年之逐時有效全天空日射量之觀測值重新進行複回歸分析，建立本土偏 回歸係數(如表 3-2)以供本研究使用。此一推估模型如式 3-2 至式 3-3 所示。 ∙ ∙ sin 式 3‐2 ∙ 式 3‐3 其中：Io：大氣圈外水平面全天空日射量 W/m2 ；Ig：地面水平面全天空日射 量 W/m2 _{； n/N ：日照率 % ；h：太陽高度角 rad}

此模型，最主要在於推估式中之 ye，其偏迴歸係數以全台八地之 1998-2012 年之逐

時有效全天空日射量之觀測值重新進行複回歸分析而得，如表 3-2 所示。

sin sin sin

其中：ye：地面水平面全天空日射量與大氣圈外水平面全天空日射量之比值； n/N：日照率 表 3-2 各地日射量估計偏回歸係數 地點 偏回歸係數 Adj. R2 SEE* a1 a2 a3 a4 a5 台北 0.159 0.307 -0.631 0.000 0.770 0.943 0.103 新竹 -0.192 0.015 -0.288 0.555 0.471 0.952 0.097 台中 -0.224 -0.117 -0.385 0.660 0.596 0.937 0.123 嘉義 -0.192 -0.079 -0.372 0.632 0.617 0.940 0.131 台南 0.200 0.170 -0.647 0.000 0.870 0.937 0.125 高雄 -0.067 -0.070 -0.269 0.450 0.501 0.948 0.110 花蓮 -0.216 0.073 -0.343 0.551 0.519 0.916 0.132 台東 -0.283 0.006 -0.426 0.753 0.656 0.967 0.101 全部 0.163 0.275 -0.650 0.000 0.832 0.931 0.129

*standard error of the estimate (資料來源：本研究整理)

第四章 標準氣象年中選月份分析

第一節 各候選月份之評比

在篩選中選月份前，本研究已先依日射量缺漏百分比剔除氣象數據缺漏甚多之年 份，以盡量避免過多補間值而影響實際氣候之狀態。因此實際上作為中選月篩選過程 的候選月年份為 1998 年至 2012 年共 15 個年份之資料。中選月篩選之理論已於第二章 詳細說明，此處不再贅述。簡言之，其步驟如下： 1. 首先計算最大乾球溫度、最小乾球溫度、平均乾球溫度、最大露點溫度、最 小露點溫度、平均露點溫度、最大風速、平均風速、全天空日射量與直達日 射量之日平均累積分佈函數(short-term CDF)與各該氣象要素長期日平均值之 累積分佈函數(long-term CDF)差，此即 FS 統計量。 2. 依各氣象要素對空調熱負荷之影響乘以一影響權重後相加所有之 FS 值，而 得到綜合之 WS(weighted sum)指標。 3. 各月依最小之 WS 值排序，取出 WS 值最小之前五個年份為候選月。 4. 各候選月以對熱負荷變動影響最大之全天空日射量進行與長期之全天空日射 量進行 RMSD 計算，擁有最小 RMSD 者即為中選月份。 篩選結果之各統計量如表 4-1 所示。

表 4-1 各候選月份之 FS、WS 與 RMSD 一覽表 *各中選月之年份以網底粗體表示 (資料來源：本研究整理) 最大乾 球溫度 最小乾 球溫度 平均乾 球溫度 最大露 點溫度 最小露 點溫度 平均露 點溫度 最大 風速 平均 風速 全天空 日射量 直達 日射量 2005 0.056 0.042 0.060 0.061 0.040 0.049 0.017 0.028 0.035 0.034 0.040 1 9.2 2008 0.038 0.084 0.063 0.058 0.078 0.078 0.013 0.044 0.032 0.029 0.045 2 13.1 2007 0.031 0.059 0.049 0.039 0.062 0.063 0.018 0.038 0.048 0.051 0.048 3 17.3 2012 0.067 0.052 0.054 0.068 0.073 0.069 0.017 0.024 0.045 0.043 0.049 4 2.8 最小RMSD 2004 0.038 0.055 0.042 0.054 0.067 0.063 0.010 0.012 0.053 0.056 0.050 5 14.9 2006 0.052 0.101 0.091 0.103 0.137 0.132 0.027 0.014 0.025 0.029 0.057 6 6.5 1998 0.061 0.030 0.056 0.111 0.063 0.104 0.013 0.050 0.060 0.059 0.062 7 20.7 2003 0.061 0.103 0.082 0.069 0.137 0.129 0.031 0.025 0.044 0.038 0.063 8 15.1 2002 0.034 0.046 0.035 0.063 0.063 0.079 0.020 0.055 0.073 0.080 0.064 9 19.8 2010 0.040 0.029 0.035 0.034 0.046 0.045 0.025 0.062 0.103 0.112 0.074 10 34.0 1999 0.042 0.091 0.069 0.090 0.111 0.113 0.016 0.011 0.086 0.095 0.081 11 19.4 2001 0.065 0.041 0.070 0.085 0.054 0.084 0.041 0.101 0.090 0.103 0.083 12 26.9 2000 0.051 0.045 0.060 0.038 0.052 0.052 0.022 0.034 0.116 0.124 0.083 13 33.1 2011 0.185 0.165 0.207 0.168 0.167 0.194 0.056 0.131 0.031 0.035 0.100 14 5.3 2009 0.037 0.099 0.084 0.119 0.135 0.135 0.044 0.040 0.174 0.181 0.134 15 56.1 2012 0.067 0.062 0.082 0.025 0.037 0.040 0.011 0.033 0.032 0.025 0.038 1 12.5 2005 0.046 0.035 0.048 0.031 0.028 0.033 0.018 0.016 0.050 0.041 0.040 2 18.5 2006 0.035 0.051 0.039 0.036 0.056 0.044 0.051 0.078 0.036 0.040 0.043 3 12.1 2010 0.059 0.076 0.081 0.075 0.083 0.084 0.037 0.057 0.044 0.038 0.056 4 9.3 最小RMSD 2003 0.062 0.051 0.059 0.050 0.035 0.058 0.015 0.024 0.080 0.077 0.063 5 12.4 2002 0.061 0.082 0.072 0.079 0.046 0.069 0.016 0.022 0.076 0.085 0.070 6 13.5 1999 0.021 0.063 0.022 0.052 0.109 0.087 0.022 0.027 0.099 0.094 0.074 7 5.5 2001 0.043 0.050 0.050 0.049 0.022 0.049 0.019 0.016 0.106 0.118 0.076 8 26.2 2004 0.036 0.045 0.031 0.068 0.060 0.070 0.028 0.038 0.125 0.119 0.085 9 44.2 1998 0.035 0.024 0.030 0.080 0.089 0.091 0.019 0.061 0.150 0.142 0.100 10 53.5 2011 0.039 0.075 0.066 0.106 0.080 0.107 0.032 0.037 0.132 0.140 0.104 11 50.4 2007 0.124 0.093 0.134 0.041 0.027 0.041 0.017 0.046 0.146 0.150 0.109 12 55.7 2008 0.212 0.210 0.235 0.195 0.200 0.230 0.044 0.127 0.061 0.061 0.127 13 21.6 2000 0.123 0.086 0.120 0.051 0.025 0.041 0.025 0.065 0.214 0.215 0.142 14 76.4 2009 0.184 0.246 0.246 0.207 0.212 0.246 0.035 0.061 0.155 0.162 0.176 15 61.8 2006 0.022 0.026 0.021 0.032 0.016 0.026 0.009 0.018 0.051 0.053 0.037 1 14.4 2004 0.067 0.038 0.066 0.042 0.033 0.038 0.017 0.072 0.029 0.030 0.039 2 11.1 2009 0.011 0.014 0.013 0.031 0.028 0.030 0.013 0.016 0.063 0.064 0.042 3 26.9 2007 0.034 0.090 0.076 0.063 0.081 0.075 0.029 0.047 0.024 0.030 0.046 4 6.3 最小RMSD 2003 0.030 0.044 0.039 0.026 0.021 0.022 0.009 0.010 0.065 0.068 0.046 5 18.3 2001 0.034 0.018 0.029 0.028 0.056 0.045 0.014 0.029 0.080 0.091 0.059 6 31.6 1998 0.032 0.044 0.037 0.109 0.131 0.129 0.031 0.051 0.048 0.058 0.063 7 17.5 2012 0.041 0.027 0.029 0.026 0.018 0.017 0.017 0.021 0.109 0.120 0.069 8 43.3 2005 0.111 0.165 0.156 0.131 0.166 0.162 0.029 0.020 0.032 0.038 0.081 9 15.3 1999 0.080 0.108 0.105 0.150 0.149 0.163 0.015 0.010 0.060 0.067 0.084 10 21.4 2000 0.042 0.078 0.065 0.090 0.101 0.093 0.012 0.013 0.110 0.122 0.090 11 40.7 2008 0.066 0.030 0.054 0.068 0.080 0.084 0.017 0.016 0.123 0.130 0.091 12 52.9 2010 0.078 0.064 0.094 0.053 0.048 0.057 0.016 0.031 0.133 0.134 0.096 13 54.0 2002 0.125 0.146 0.151 0.101 0.116 0.126 0.017 0.062 0.091 0.096 0.103 14 27.8 2011 0.165 0.173 0.194 0.219 0.193 0.223 0.023 0.079 0.039 0.035 0.103 15 16.8 2008 0.016 0.060 0.040 0.018 0.041 0.032 0.042 0.023 0.047 0.049 0.041 1 20.3 1999 0.041 0.022 0.030 0.017 0.028 0.021 0.025 0.027 0.059 0.061 0.043 2 9.5 2012 0.051 0.084 0.073 0.071 0.074 0.081 0.040 0.090 0.021 0.025 0.047 3 6.4 最小RMSD 2007 0.067 0.066 0.074 0.090 0.084 0.107 0.012 0.010 0.028 0.026 0.048 4 8.0 2005 0.029 0.023 0.026 0.021 0.018 0.022 0.021 0.021 0.088 0.095 0.057 5 37.4 2006 0.028 0.074 0.066 0.107 0.108 0.119 0.011 0.017 0.059 0.060 0.066 6 26.6 2009 0.092 0.100 0.114 0.125 0.121 0.142 0.012 0.038 0.034 0.041 0.069 7 15.2 2010 0.094 0.129 0.128 0.111 0.152 0.156 0.036 0.047 0.027 0.030 0.071 8 5.3 1998 0.118 0.102 0.137 0.152 0.115 0.154 0.014 0.052 0.029 0.032 0.072 9 5.8 2003 0.058 0.096 0.088 0.131 0.147 0.162 0.017 0.021 0.047 0.047 0.072 10 22.2 2004 0.017 0.062 0.027 0.037 0.078 0.072 0.013 0.010 0.102 0.110 0.074 11 43.9 2002 0.119 0.101 0.132 0.120 0.137 0.144 0.044 0.051 0.088 0.093 0.101 12 13.1 2000 0.054 0.042 0.057 0.033 0.019 0.024 0.022 0.027 0.169 0.180 0.105 13 72.4 2001 0.054 0.047 0.066 0.030 0.044 0.039 0.011 0.018 0.187 0.195 0.116 14 78.9 2011 0.083 0.114 0.120 0.210 0.199 0.234 0.040 0.024 0.130 0.136 0.136 15 57.0 月份 年份 FS值 WS值 RMSD 值 排序 一月 二月 三月 四月

*各中選月之年份以網底粗體表示 (資料來源：本研究整理) 最大乾 球溫度 最小乾 球溫度 平均乾 球溫度 最大露 點溫度 最小露 點溫度 平均露 點溫度 最大 風速 平均 風速 全天空 日射量 直達 日射量 2003 0.018 0.027 0.029 0.035 0.027 0.039 0.028 0.061 0.045 0.044 0.039 1 22.9最小RMSD 2010 0.014 0.023 0.012 0.056 0.030 0.052 0.023 0.012 0.054 0.055 0.041 2 21.0 2011 0.083 0.052 0.096 0.087 0.093 0.109 0.033 0.023 0.023 0.014 0.048 3 12.6 2012 0.019 0.046 0.033 0.041 0.027 0.034 0.032 0.031 0.063 0.072 0.050 4 28.8 2006 0.016 0.032 0.028 0.092 0.064 0.095 0.019 0.018 0.053 0.051 0.050 5 26.5 2008 0.028 0.058 0.048 0.081 0.078 0.091 0.023 0.030 0.067 0.078 0.065 6 29.5 2007 0.037 0.037 0.041 0.034 0.050 0.053 0.029 0.029 0.105 0.107 0.073 7 44.7 1998 0.073 0.077 0.081 0.170 0.159 0.179 0.022 0.074 0.050 0.053 0.081 8 20.7 2005 0.060 0.111 0.099 0.147 0.147 0.162 0.025 0.015 0.052 0.066 0.081 9 24.8 2002 0.065 0.073 0.079 0.056 0.042 0.059 0.016 0.013 0.127 0.144 0.095 10 51.4 2000 0.048 0.062 0.070 0.057 0.072 0.087 0.017 0.014 0.130 0.143 0.097 11 50.6 2004 0.125 0.047 0.127 0.109 0.048 0.099 0.044 0.029 0.154 0.157 0.120 12 71.5 2009 0.052 0.082 0.070 0.164 0.152 0.173 0.016 0.024 0.157 0.155 0.127 13 70.5 1999 0.142 0.167 0.174 0.114 0.119 0.140 0.022 0.019 0.131 0.136 0.127 14 59.6 2001 0.038 0.056 0.031 0.097 0.126 0.129 0.016 0.011 0.222 0.236 0.148 15 98.0 2006 0.042 0.039 0.028 0.019 0.042 0.035 0.032 0.062 0.043 0.044 0.040 1 15.2 2005 0.066 0.043 0.074 0.018 0.045 0.031 0.031 0.022 0.045 0.033 0.041 2 23.4最小RMSD 2007 0.029 0.058 0.044 0.069 0.073 0.065 0.026 0.088 0.020 0.035 0.042 3 11.5 1999 0.062 0.036 0.056 0.069 0.045 0.062 0.021 0.023 0.035 0.037 0.043 4 5.3 2012 0.062 0.037 0.051 0.051 0.095 0.082 0.026 0.047 0.029 0.031 0.044 5 8.0 2010 0.084 0.047 0.083 0.071 0.043 0.060 0.045 0.025 0.032 0.029 0.045 6 13.2 2008 0.034 0.047 0.039 0.059 0.052 0.074 0.026 0.030 0.057 0.066 0.054 7 20.6 2003 0.044 0.087 0.102 0.057 0.057 0.069 0.049 0.083 0.040 0.037 0.055 8 15.2 2000 0.050 0.028 0.064 0.051 0.020 0.060 0.025 0.027 0.084 0.105 0.070 9 34.1 2009 0.046 0.019 0.048 0.045 0.057 0.058 0.009 0.011 0.104 0.110 0.074 10 48.2 2001 0.050 0.054 0.037 0.043 0.026 0.023 0.012 0.058 0.113 0.125 0.078 11 42.2 1998 0.027 0.014 0.044 0.076 0.057 0.094 0.027 0.017 0.109 0.118 0.081 12 45.8 2002 0.059 0.084 0.089 0.030 0.055 0.046 0.036 0.024 0.107 0.120 0.085 13 35.6 2004 0.023 0.045 0.015 0.095 0.101 0.126 0.043 0.088 0.131 0.140 0.102 14 61.8最小RMSD 2011 0.074 0.111 0.120 0.056 0.052 0.059 0.016 0.014 0.133 0.140 0.102 15 58.5 2006 0.041 0.023 0.031 0.075 0.084 0.108 0.038 0.062 0.035 0.035 0.047 1 5.6 2009 0.028 0.073 0.051 0.025 0.037 0.023 0.018 0.027 0.058 0.065 0.049 2 25.3 2010 0.049 0.064 0.077 0.027 0.028 0.043 0.028 0.031 0.060 0.063 0.054 3 27.3 2008 0.064 0.067 0.083 0.046 0.052 0.051 0.026 0.014 0.057 0.060 0.056 4 21.7 1998 0.055 0.049 0.086 0.053 0.018 0.032 0.025 0.033 0.067 0.075 0.059 5 30.6 2005 0.016 0.022 0.019 0.030 0.016 0.032 0.049 0.048 0.105 0.104 0.066 6 37.0 2011 0.064 0.048 0.076 0.060 0.033 0.075 0.070 0.031 0.070 0.078 0.067 7 35.0 2012 0.019 0.057 0.037 0.065 0.022 0.062 0.055 0.041 0.090 0.099 0.070 8 42.2 2004 0.049 0.141 0.135 0.057 0.084 0.131 0.013 0.019 0.055 0.057 0.073 9 15.3 2002 0.020 0.039 0.057 0.018 0.011 0.011 0.031 0.022 0.180 0.183 0.105 10 72.9 1999 0.089 0.089 0.147 0.012 0.037 0.025 0.067 0.072 0.162 0.165 0.117 11 64.9 2003 0.154 0.116 0.203 0.076 0.058 0.132 0.018 0.049 0.127 0.127 0.121 12 61.1 2000 0.063 0.106 0.114 0.020 0.023 0.035 0.011 0.026 0.192 0.214 0.129 13 81.5 2001 0.049 0.064 0.094 0.032 0.017 0.029 0.043 0.032 0.215 0.234 0.137 14 86.1最小RMSD 2007 0.162 0.158 0.243 0.048 0.031 0.029 0.033 0.030 0.170 0.186 0.139 15 72.1 2005 0.068 0.025 0.074 0.023 0.056 0.063 0.051 0.045 0.031 0.027 0.042 1 14.5 2012 0.091 0.055 0.127 0.020 0.025 0.015 0.029 0.022 0.053 0.040 0.049 2 20.0 2003 0.071 0.034 0.068 0.084 0.089 0.112 0.016 0.017 0.032 0.038 0.051 3 19.5 2004 0.037 0.007 0.030 0.026 0.072 0.076 0.024 0.037 0.085 0.092 0.065 4 36.4 2006 0.028 0.014 0.025 0.050 0.058 0.073 0.046 0.039 0.086 0.090 0.066 5 35.4 2009 0.014 0.129 0.083 0.051 0.106 0.119 0.027 0.030 0.058 0.061 0.068 6 13.7 2007 0.091 0.113 0.146 0.026 0.016 0.043 0.032 0.037 0.080 0.066 0.071 7 39.1 1998 0.123 0.072 0.148 0.148 0.073 0.167 0.033 0.071 0.039 0.031 0.075 8 17.0 2010 0.093 0.066 0.111 0.022 0.027 0.014 0.038 0.064 0.107 0.120 0.085 9 45.6 1999 0.094 0.193 0.193 0.090 0.080 0.140 0.027 0.030 0.053 0.058 0.087 10 21.7 2011 0.042 0.093 0.104 0.065 0.052 0.094 0.020 0.036 0.106 0.114 0.090 11 37.4 2002 0.024 0.020 0.042 0.036 0.027 0.038 0.027 0.033 0.154 0.175 0.098 12 58.4 2008 0.050 0.024 0.058 0.093 0.050 0.094 0.027 0.017 0.148 0.153 0.104 13 60.1 2001 0.116 0.086 0.136 0.057 0.026 0.059 0.027 0.060 0.136 0.164 0.113 14 37.3最小RMSD 2000 0.105 0.160 0.164 0.034 0.022 0.035 0.015 0.027 0.180 0.193 0.131 15 75.2 年份 FS值 WS值 排序 RMSD 值 五月 六月 七月 八月 月份