臺灣主要港口附近海域混合波浪統計特性及推算模式建置研究(1/4)

MOTC-IOT-102-H2DB001f

臺灣主要港口附近海域混合波浪統計特性及

推算模式建置研究(1/4)

期末報告

交通部運輸研究所

國立交通大學

合作辦理

中華民國一百零二年十一月

MOTC-IOT-102-H2DB001f

臺灣主要港口附近海域混合波浪統計特性及

推算模式建置研究(1/4)

主 持 人 ：張 憲 國 教授

研究人員 ：劉 勁 成 博士

研究人員 ：陳 蔚 瑋 博士

交通部運輸研究所

國立交通大學

合作辦理

中華民國 102 年 11 月

臺

灣

主

要

港

口

附

近

海

域

混

合

波

浪

統

計

特

性

及

推

算

模

式

建

置

研

究

₍₁

/4

)

交 通 部 運 輸 研 究 所 GPN： 定價 元 ISBN 號碼 及條碼

交通部運輸研究所合作研究計畫出版品摘要表

出版品名稱：臺灣主要港口附近海域混合波浪統計特性及推算模式建置研究(1/4) 國際標準書號（或叢刊號） 政府出版品統一編號 運輸研究所出版品編號 計畫編號 MOTC-IOT-10 2-H2DB001f 本所主辦單位：港研中心 主管：邱永芳 計畫主持人：何良勝 研究人員：江玟德 聯絡電話：04-26587126 傳真號碼：04-26560661 合作研究單位：國立交通大學 計畫主持人：張憲國 研究人員：劉勁成、陳蔚瑋 地址：新竹市大學路 1001 號 聯絡電話：03-5131487 研究期間 自 102 年 3 月 至 102 年 12 月 關鍵詞：氣候變遷、波浪推算、設計波、臺灣主要港口 摘要： 港灣工程規劃設計所需之設計波浪須由長期實測波浪資料來決定。近年來為解決 現有記錄的時間不足的狀況，已發展類神經颱風波浪推算模式，但此技術的建立還是 基於往昔的實測資料，在環境有所改變的情況下其可靠性仍需再評估。為提升國內波 浪推算技術的正確性本研究除建立蘇澳港類神經網路颱風波浪推算模式，並針對花蓮 港與蘇澳港以 M5 最小化模式樹發展新的波浪推算模式，再對類神經與 M5 模式的適 用性進行評估，其結果顯示 M5 模式在波高峰值推算能力較類神經模式差，現階段而 言類神經模式較適用於逐時預報與極值樣本推算。本研究另以 DHI MIKE 21 SW 二 維風浪數值模式模擬各場颱風對各港口造成的波場，發現若能提升風場解析度可有效 提升推算精度。以類神經模式樣本、實測資料樣本、二維數值模式樣本三種樣本配合 年極值取樣法與超量門檻值取樣法兩種方式進行各重現期的極值分析，並對其結果進 行比較分析。另為響應國際航海學會(PIANC)對氣候變遷造成海事工程之影響議題， 本研究針對花蓮港與蘇澳港長期監測的波浪資料利用多種檢測法(線性回歸、Seasonal Kandall、EMD)進行分析，以評估颱風及波浪受氣候變遷影響的顯著性，並能有效將 結果應用於設計波高的決定標準。本研究成果可供港務公司檢核蘇澳與花蓮兩港區設 計波浪之資訊。計畫中發展的類神經與 M5 波浪推算模式亦可於未來颱風侵臺時達成 預警的功能。颱風與波浪長期趨勢分析成果可作為未來工程與環境評估的參考。 出版日期 頁數 定價 本 出 版 品 取 得 方 式 102 年 11 月 186 300 凡屬機密性出版品均不對外公開。普通性出版品，公營、公益 機關團體及學校可函洽本所免費贈閱；私人及私營機關團體可 按定價價購。 機密等級： □密□機密 □極機密 □絕對機密 （解密條件：□ 年 月 日解密，□公布後解密，□附件抽存後解密， □工作完成或會議終了時解密，□另行檢討後辦理解密） ■普通 備註：本研究之結論與建議不代表交通部之意見。

PUBLICATION ABSTRACTS OF RESEARCH PROJECTS INSTITUTE OF TRANSPORTATION

MINISTRY OF TRANSPORTATION AND COMMUNICATIONS

TITLE: Hybrid wave calculation using modular model and numerical simulation for main harbors of Taiwan (1/4)

ISBN(OR ISSN) GOVERNMENT PUBLICATIONS NUMBER

IOT SERIAL NUMBER

PROJECT NUMBER

MOTC-IOT-102-H 2DB001f

DIVISION: Center of Harbor & Marine Technology DIVISION DIRECTOR: Chiu, Yung-Fang

PRINCIPAL INVESTIGATOR: Ho, Liang-Sheng PROJECT STAFF:Jiang, Wen-Der

PHONE: (04) 26587126 FAX: (04) 26560661 PROJECT PERIOD FROM Mar. 2013 TO Dec. 2013

RESEARCH AGENCY: National Chiao Tung University PRINCIPAL INVESTIGATOR: Chang, Hsien-Kuo PROJECT STAFF: Liou, Jin-Cheng, Chen, Wei-Wei

ADDRESS: 1001 Ta Hsueh Road, Hsinchu, Taiwan 300, ROC PHONE: (03) 5131487

KEY WORDS:

wave statistics；climate change；wave model；design wave；main harbors of Taiwan

Abstract:

Design waves for marine structures are commonly determined by extreme analysis on long-term annual maximum wave data. However insufficient data are available for extreme analysis. The problem of insufficient data samples was solved by supplementation of simulated waves which were calculated by ANN wave simulation model developed by the Harbor and Marine Technology Center of Taiwan (IHMT). The accuracy of these wave data samples for extreme analysis should be promoted considering alternative approach and the effect on wave climate by recent global climate change. This project aims to not only establish the ANN wave simulation model for the Suao harbor, but also to develop a new M5 wave model. Comparison on the simulated result by ANN and M5 models with observed data shows the prediction accuracy and applicability of both wave models. ANN model is more suitable for real-time prediction and extreme sample calculating. A numerical wave model of MIKE 21 SW will be used to calculate waves at both Hualien and Suao harbors for chosen typhoons. The different wind field data were used to compare the sensibility of numerical wave model.

Three extreme samples, which are, ANN results, observed data, and numerical wave model results, were sampled by annual max method and peak over threshold method, the extreme analysis was used to estimate design wave of each sample.

Responding to the issue of the impact of climate change on marine works proposed by World Association for Waterborne Transport Infrastructure (PIANC), Several of trend detecting methods(linear regression、Seasonal Kandall、EMD) are used to determine the trend of long-term observed typhoon’s waves of IHMT. Considering the climate change, applicable standard procedure for design wave was suggested by this research.

The results of this study not only can provide harbor bureau and interrelated department to re-examine the design wave, but predict the wave height when thphoon invade Taiwan in the future. The long-term typhoon and wave trend analysis can apply to engineering designing.

DATE OF PUBLICATION 2013/11 NUMBER OF PAGES 186 PRICE 300 CLASSIFICATION □RESTRICTED □CONFIDENTIAL □SECRET □TOP SECRET ▓UNCLASSIFIED

The views expressed in this publication are not necessarily those of the Ministry of Transportation and Communications

目錄

第一章 前言 ... 1-1

1.1 計畫目的 ... 1-1 1.2 文獻回顧 ... 1-2 1.3 工作項目 ... 1-8

第二章 氣候變遷對颱風與波浪影響... 2-1

2.1 資料來源 ... 2-1 2.2 侵台颱風長期變化趨勢 ... 2-3 2.3 波浪長期變遷趨勢 ... 2-5 2.3.1 資料來源 ... 2-5 2.3.2 趨勢分析 ... 2-7 2.3.3 分析結果 ... 2-11

第三章 類神經颱風波浪推算模式之建立 ... 3-1

3.1 類神經颱風波浪模式 ... 3-5 3.1.1 類神經網路架構 ... 3-5 3.1.2 資料分類 ... 3-9 3.1.3 模式輸入與輸入層轉換函數 ... 3-9 3.1.4 轉換函數與訓練函數 ... 3-15 3.1.5 隱藏層神經元測試 ... 3-16 3.2 波浪推算結果與實測波浪之驗證 ... 3-17

第四章 M5 最小化模式樹波浪推算模式之建立 ... 4-1

4.1 資料分析 ... 4-2 4.2 模式驗證 ... 4-7

第五章 類神經與 M5 最小化模式樹模式特性分析 ... 5-1

5.1 類神經與 M5 最小化模式樹波浪推算模式之比較 ... 5-1 5.2 各港類神經颱風波浪推算模式精度比較 ... 5-15 5.3 波浪推算模式之風險分析 ... 5-16

第六章 二維數值模式之波浪推算 ... 6-1

6.1 MIKE 21 SW 波浪模式 ... 6-1 6.2 數值模擬條件 ... 6-3 6.3 數值模式驗證 ... 6-5 6.4 數值波浪推算模式之風險分析 ... 6-9 6.5 風場模式差異性比較 ... 6-9

第七章 花蓮港與蘇澳港設計波探討... 7-1

7.1 取樣方式 ... 7-1 7.2 極值分布函數 ... 7-1 7.3 極值分布參數推定法 ... 7-3 7.4 信賴檢定 ... 7-4 7.4.1 MIR 值檢定 ... 7-4 7.4.2 RMSE 檢定 ... 7-5 7.4.3 ER 檢定 ... 7-6 7.5 推估值之標準差 ... 7-6 7.6 極值分析結果 ... 7-7 7.6.1 花蓮港各重現期波高推算結果 ... 7-7 7.6.2 蘇澳港各重現期波高推算結果 ... 7-13 7.7 設計波高標準之探討 ... 7-19

第八章 結論與建議 ... 8-1

8.1 結論 ... 8-1 8.2 建議 ... 8-3 8.3 成果效益及後續應用情形 ... 8-3

參考文獻 ... 9-1

附錄一 花蓮港與蘇澳港波浪推算模式結果 ... 1

附錄二 本年度颱風波浪推算結果 ... 1

附錄三 期中報告審查意見處理情形表 ... 1

附錄四 期末報告審查意見處理情形表 ... 1

圖目錄

圖 1.1 全球平均波高的變化趨勢分布圖(YOUNG ET AL., 2011) ... 1-4 圖 1.2 北大西洋中緯度及高緯度的氣旋數量統計圖 ... 1-4 圖 2.1 花蓮港海氣象觀測位置圖 ... 2-2 圖 2.2 蘇澳港海氣象觀測位置圖 ... 2-2 圖 2.3 中度颱風侵襲花蓮港次數的趨勢分析(500KM門檻值) ... 2-4 圖 2.4 中度颱風侵襲蘇澳港次數的趨勢分析(500KM門檻值) ... 2-5 圖 2.5 花蓮港逐時波浪資料與其趨勢線 ... 2-12 圖 2.6 花蓮港月平均波浪資料及其趨勢線 ... 2-12 圖 2.7 花蓮港年平均波浪資料與其趨勢線 ... 2-13 圖 2.8 花蓮港月平均波浪採用 SEASONAL-KENDALL趨勢檢定法的結果 ... 2-13 圖 2.9 花蓮港逐時波浪資料與 EMD 分析後的趨勢線 ... 2-14 圖 2.10 花蓮港日平均波浪資料與 EMD 分析後的趨勢線 ... 2-14 圖 2.11 花蓮港月平均波浪資料與 EMD 分析後的趨勢線 ... 2-15 圖 2.12 花蓮港年平均波浪資料與 EMD 分析後的趨勢線 ... 2-15 圖 2.13 蘇澳港逐時波浪資料與其趨勢線 ... 2-17 圖 2.14 蘇澳港月平均波浪資料及其趨勢線 ... 2-17 圖 2.15 蘇澳港年平均波浪資料與其趨勢線 ... 2-18 圖 2.16 蘇澳港月平均波浪採用 SEASONAL-KENDALL趨勢檢定法的結果 ... 2-18 圖 2.17 蘇澳港逐時波浪資料與 EMD 分析後的趨勢線 ... 2-19 圖 2.18 蘇澳港日平均波浪資料與 EMD 分析後的趨勢線 ... 2-19 圖 2.19 蘇澳港月平均波浪資料與 EMD 分析後的趨勢線 ... 2-20 圖 2.20 蘇澳港年平均波浪資料與 EMD 分析後的趨勢線 ... 2-20 圖 3.1 臺灣地區颱風路徑分類圖(1897-2010 年)(引自中央氣象局) ... 3-4 圖 3.2 颱風中心位置與相對應蘇澳港波高資料空間分布圖 ... 3-5 圖 3.3 颱風中心對目標點方位角Θ1與颱風移動方位角Θ2示意圖 ... 3-10 圖 3.4 氣旋中心附近風速風向分佈示意圖 ... 3-11 圖 3.5 颱風距離與目標點波高分布 ... 3-13 圖 3.6 颱風在等壓面上內平均風速分布示意圖(引自中央氣象局) ... 3-14 圖 3.7 正切雙彎曲轉換函數與雙彎曲函數 ... 3-16 圖 4.1 層級模組法示意圖(AI為屬性，MI為分群之模組) ... 4-1 圖 4.2 M5 最小化模式樹之分組樣本在變數X1及X2分布與輸出Y之示意圖 ... 4-2 圖 4.3 颱風中心位置與相對應花蓮港波高資料空間分布圖 ... 4-6 圖 5.1 花蓮港 M5 與類神經模式推算 1991 艾美颱風結果的比較圖 ... 5-4 圖 5.2 花蓮港 M5 與類神經模式推算 1992 泰德颱風結果的比較圖 ... 5-4

圖 5.3 花蓮港 M5 與類神經模式推算 2005 年龍王颱風結果的比較圖 ... 5-5 圖 5.4 花蓮港 M5 與類神經模式推算 2007 年聖帕颱風結果的比較圖 ... 5-5 圖 5.5 花蓮港 M5 與類神經模式推算 2012 年蘇拉颱風結果的比較圖 ... 5-6 圖 5.6 花蓮港 M5 與類神經模式推算 1991 年露絲颱風結果的比較圖 ... 5-6 圖 5.7 花蓮港 M5 與類神經模式推算 1994 年弗雷特颱風結果的比較圖 ... 5-7 圖 5.8 花蓮港 M5 與類神經模式推算 1994 年席斯颱風結果的比較圖 ... 5-7 圖 5.9 花蓮港 M5 與類神經模式推算 2002 年雷馬遜颱風結果的比較圖 ... 5-8 圖 5.10 蘇澳港 M5 與類神經模式推算 2004 年納坦颱風結果的比較圖 ... 5-11 圖 5.11 蘇澳港 M5 與類神經模式推算 2005 年龍王颱風結果的比較圖 ... 5-11 圖 5.12 蘇澳港 M5 與類神經模式推算 2005 年泰利颱風結果的比較圖 ... 5-12 圖 5.13 蘇澳港 M5 與類神經模式推算 2005 年海棠颱風結果的比較圖 ... 5-12 圖 5.14 蘇澳港 M5 與類神經模式推算 2012 年蘇拉颱風結果的比較圖 ... 5-13 圖 5.15 蘇澳港 M5 與類神經模式推算 2003 年杜鵑颱風結果的比較圖 ... 5-13 圖 5.16 蘇澳港 M5 與類神經模式推算 2004 年陶卡基颱風結果的比較圖 .... 5-14 圖 5.17 蘇澳港 M5 與類神經模式推算 2008 年鳳凰颱風結果的比較圖 ... 5-14 圖 5.18 花蓮港各波浪推算模式推算波高風險分析 ... 5-16 圖 5.19 花蓮港各波浪推算模式推算峰值發生時間風險分析 ... 5-17 圖 5.20 蘇澳港各波浪推算模式推算波高風險分析 ... 5-17 圖 5.21 蘇澳港各波浪推算模式推算峰值發生時間風險分析 ... 5-18 圖 6.1 風浪推算模擬範圍之地形水深 ... 6-3 圖 6.2 波浪推算模式推算波高風險分析 ... 6-9 圖 6.3 蘇力颱風(2013)示性波高時序列比較 ... 6-11 圖 6.4 蘇拉颱風(2012)示性波高時序列比較 ... 6-12 圖 7.1 常數K在不同情況下的機率密度表現 ... 7-3 圖 7.2 推估花蓮港類神經樣本年極值取樣法之機率密度函數及機率函數圖 .. 7-9 圖 7.3 推估花蓮港實測資料樣本年極值取樣法之機率密度函數及機率函數圖 7-9 圖 7.4 推估花蓮港類神經樣本年極值取樣法之機率密度函數及機率函數圖 . 7-10 圖 7.5 推估花蓮港類神經樣本超量門檻取樣法之機率密度函數及機率函數圖 7-11 圖 7.6 推估花蓮港實測資料樣本超量門檻取樣法之機率密度函數及機率函數圖 ... 7-12 圖 7.7 推估花蓮港二維數值模式樣本超量門檻取樣法之機率密度函數及機率函數 圖 ... 7-12 圖 7.8 推估蘇澳港類神經樣本年極值取樣法之機率密度函數及機率函數圖 . 7-14 圖 7.9 推估蘇澳港實測資料樣本年極值取樣法之機率密度函數及機率函數圖 7-15 圖 7.10 推估蘇澳港二維數值模式樣本年極值取樣法之機率密度函數及機率函數 圖 ... 7-15

圖 7.11 推估蘇澳港類神經模式樣本超量門檻取樣法之機率密度函數及機率函數 圖 ... 7-17 圖 7.12 推估蘇澳港實測資料樣本超量門檻取樣法之機率密度函數及機率函數圖 ... 7-17 圖 7.13 推估蘇澳港二維數值模式樣本超量門檻取樣法之機率密度函數及機率函 數圖 ... 7-18 圖 7.14 統一建立台灣主要港口設計波浪之可行性探討座談會 ... 7-20 附圖 1 楊希(1990)颱風資訊與花蓮港推算結果 ... 1 附圖 2 亞伯(1990)颱風資訊與花蓮港推算結果 ... 1 附圖 3 海蒂(1990)颱風資訊與花蓮港推算結果 ... 2 附圖 4 華特(1991)颱風資訊與花蓮港推算結果 ... 2 附圖 5 艾美(1991)颱風資訊與花蓮港推算結果 ... 2 附圖 6 露絲(1991)颱風資訊與花蓮港推算結果 ... 3 附圖 7 芭比(1992)颱風資訊與花蓮港推算結果 ... 3 附圖 8 泰德(1992)颱風資訊與花蓮港推算結果 ... 3 附圖 9 楊希(1993)颱風資訊與花蓮港推算結果 ... 4 附圖 10 蓓琪(1993)颱風資訊與花蓮港推算結果 ... 4 附圖 11 弗雷特(1994)颱風資訊與花蓮港推算結果 ... 4 附圖 12 葛拉絲(1994)颱風資訊與花蓮港推算結果 ... 5 附圖 13 席斯(1994)颱風資訊與花蓮港推算結果 ... 5 附圖 14 肯特(1995)颱風資訊與花蓮港推算結果 ... 5 附圖 15 賴恩(1995)颱風資訊與花蓮港推算結果 ... 6 附圖 16 凱姆(1996)颱風資訊與花蓮港推算結果 ... 6 附圖 17 葛樂禮(1996)颱風資訊與花蓮港推算結果 ... 6 附圖 18 賀伯(1996)颱風資訊與花蓮港推算結果 ... 7 附圖 19 彼得(1997)颱風資訊與花蓮港推算結果 ... 7 附圖 20 蒂納(1997)颱風資訊與花蓮港推算結果 ... 7 附圖 21 溫妮(1997)颱風資訊與花蓮港推算結果 ... 8 附圖 22 奧托(1998)颱風資訊與花蓮港推算結果 ... 8 附圖 23 瑞伯(1998)颱風資訊與花蓮港推算結果 ... 8 附圖 24 山姆(1999)颱風資訊與花蓮港推算結果 ... 9 附圖 25 雅吉(2000)颱風資訊與花蓮港推算結果 ... 9 附圖 26 象神(2000)颱風資訊與花蓮港推算結果 ... 9 附圖 27 海燕(2001)颱風資訊與花蓮港推算結果 ... 10 附圖 28 雷馬遜(2002)颱風資訊與花蓮港推算結果 ... 10 附圖 29 辛樂克(2002)颱風資訊與花蓮港推算結果 ... 10

附圖 30 柯吉拉(2003)颱風資訊與花蓮港推算結果 ... 11 附圖 31 蘇迪勒(2003)颱風資訊與花蓮港推算結果 ... 11 附圖 32 尹布都(2003)颱風資訊與花蓮港推算結果 ... 11 附圖 33 莫拉克(2003)颱風資訊與花蓮港推算結果 ... 12 附圖 34 柯羅旺(2003)颱風資訊與花蓮港推算結果 ... 12 附圖 35 妮妲(2004)颱風資訊與花蓮港推算結果 ... 12 附圖 36 電母(2004)颱風資訊與花蓮港推算結果 ... 13 附圖 37 敏督利(2004)颱風資訊與花蓮港推算結果 ... 13 附圖 38 康柏斯(2004)颱風資訊與花蓮港推算結果 ... 13 附圖 39 蘭寧(2004)颱風資訊與花蓮港推算結果 ... 14 附圖 40 艾利(2004)颱風資訊與花蓮港推算結果 ... 14 附圖 41 海馬(2004)颱風資訊與花蓮港推算結果 ... 14 附圖 42 陶卡基(2004)颱風資訊與花蓮港推算結果 ... 15 附圖 43 納坦(2004)颱風資訊與花蓮港推算結果 ... 15 附圖 44 南瑪都(2004)颱風資訊與花蓮港推算結果 ... 15 附圖 45 海棠(2005)颱風資訊與花蓮港推算結果 ... 16 附圖 46 馬莎(2005)颱風資訊與花蓮港推算結果 ... 16 附圖 47 珊瑚(2005)颱風資訊與花蓮港推算結果 ... 16 附圖 48 泰利(2005)颱風資訊與花蓮港推算結果 ... 17 附圖 49 卡努(2005)颱風資訊與花蓮港推算結果 ... 17 附圖 50 龍王(2005)颱風資訊與花蓮港推算結果 ... 17 附圖 51 珍珠(2006)颱風資訊與花蓮港推算結果 ... 18 附圖 52 艾維尼(2006)颱風資訊與花蓮港推算結果 ... 18 附圖 53 珊珊(2006)颱風資訊與花蓮港推算結果 ... 18 附圖 54 萬宜 (2007)颱風資訊與花蓮港推算結果 ... 19 附圖 55 聖帕(2007)颱風資訊與花蓮港推算結果 ... 19 附圖 56 韋帕(2007)颱風資訊與花蓮港推算結果 ... 19 附圖 57 柯羅莎(2007)颱風資訊與花蓮港推算結果 ... 20 附圖 58 卡玫基(2008)颱風資訊與花蓮港推算結果 ... 20 附圖 59 鳳凰(2008)颱風資訊與花蓮港推算結果 ... 20 附圖 60 如麗(2008)颱風資訊與花蓮港推算結果 ... 21 附圖 61 辛樂克(2008)颱風資訊與花蓮港推算結果 ... 21 附圖 62 哈格比(2008)颱風資訊與花蓮港推算結果 ... 21 附圖 63 薔蜜(2008)颱風資訊與花蓮港推算結果 ... 22 附圖 64 莫拉菲(2009)颱風資訊與花蓮港推算結果 ... 22 附圖 65 莫拉克(2009)颱風資訊與花蓮港推算結果 ... 22

附圖 66 盧碧(2009)颱風資訊與花蓮港推算結果 ... 23 附圖 67 凡那比(2010)颱風資訊與花蓮港推算結果 ... 23 附圖 68 梅姬(2010)颱風資訊與花蓮港推算結果 ... 23 附圖 69 艾利(2011)颱風資訊與花蓮港推算結果 ... 24 附圖 70 桑達(2011)颱風資訊與花蓮港推算結果 ... 24 附圖 71 米雷(2011)颱風資訊與花蓮港推算結果 ... 24 附圖 72 南瑪都(2011)颱風資訊與花蓮港推算結果 ... 25 附圖 73 蘇拉(2012)颱風資訊與花蓮港推算結果 ... 25 附圖 74 杰拉華(2012)颱風資訊與花蓮港推算結果 ... 25 附圖 75 瑪姬(1999)颱風資訊與蘇澳港推算結果 ... 26 附圖 76 碧利斯(2000)颱風資訊與蘇澳港推算結果 ... 26 附圖 77 西馬隆(2001)颱風資訊與蘇澳港推算結果 ... 26 附圖 78 尤特(2001)颱風資訊與蘇澳港推算結果 ... 27 附圖 79 辛樂克(2002)颱風資訊與蘇澳港推算結果 ... 27 附圖 80 柯吉拉(2003)颱風資訊與蘇澳港推算結果 ... 27 附圖 81 莫拉克(2003)颱風資訊與蘇澳港推算結果 ... 28 附圖 82 柯羅旺(2003)颱風資訊與蘇澳港推算結果 ... 28 附圖 83 杜鵑(2003)颱風資訊與蘇澳港推算結果 ... 28 附圖 84 妮妲(2004)颱風資訊與蘇澳港推算結果 ... 29 附圖 85 康森(2004)颱風資訊與蘇澳港推算結果 ... 29 附圖 86 電母(2004)颱風資訊與蘇澳港推算結果 ... 29 附圖 87 敏督利(2004)颱風資訊與蘇澳港推算結果 ... 30 附圖 88 蘭寧(2004)颱風資訊與蘇澳港推算結果 ... 30 附圖 89 艾利(2004)颱風資訊與蘇澳港推算結果 ... 30 附圖 90 海馬(2004)颱風資訊與蘇澳港推算結果 ... 31 附圖 91 陶卡基(2004)颱風資訊與蘇澳港推算結果 ... 31 附圖 92 納坦(2004)颱風資訊與蘇澳港推算結果 ... 31 附圖 93 南瑪都(2004)颱風資訊與蘇澳港推算結果 ... 32 附圖 94 海棠(2005)颱風資訊與蘇澳港推算結果 ... 32 附圖 95 馬莎(2005)颱風資訊與蘇澳港推算結果 ... 32 附圖 96 泰利(2005)颱風資訊與蘇澳港推算結果 ... 33 附圖 97 卡努(2005)颱風資訊與蘇澳港推算結果 ... 33 附圖 98 龍王(2005)颱風資訊與蘇澳港推算結果 ... 33 附圖 99 珍珠(2006)颱風資訊與蘇澳港推算結果 ... 34 附圖 100 艾維尼(2006)颱風資訊與蘇澳港推算結果 ... 34 附圖 101 碧利斯(2006)颱風資訊與蘇澳港推算結果 ... 34

附圖 102 凱米(2006)颱風資訊與蘇澳港推算結果 ... 35 附圖 103 珊珊(2006)颱風資訊與蘇澳港推算結果 ... 35 附圖 104 聖帕(2007)颱風資訊與蘇澳港推算結果 ... 35 附圖 105 韋帕(2007)颱風資訊與蘇澳港推算結果 ... 36 附圖 106 米塔(2007)颱風資訊與蘇澳港推算結果 ... 36 附圖 107 卡玫基(2008)颱風資訊與蘇澳港推算結果 ... 36 附圖 108 鳳凰(2008)颱風資訊與蘇澳港推算結果 ... 37 附圖 109 如麗(2008)颱風資訊與蘇澳港推算結果 ... 37 附圖 110 辛樂克(2008)颱風資訊與蘇澳港推算結果 ... 37 附圖 111 哈格比(2008)颱風資訊與蘇澳港推算結果 ... 38 附圖 112 薔蜜(2008)颱風資訊與蘇澳港推算結果 ... 38 附圖 113 莫拉菲(2009)颱風資訊與蘇澳港推算結果 ... 38 附圖 114 莫拉克(2009)颱風資訊與蘇澳港推算結果 ... 39 附圖 115 梅花(2011)颱風資訊與蘇澳港推算結果 ... 39 附圖 116 南瑪都(2011)颱風資訊與蘇澳港推算結果 ... 39 附圖 117 瑪娃(2012)颱風資訊與蘇澳港推算結果 ... 40 附圖 118 杜蘇芮(2012)颱風資訊與蘇澳港推算結果 ... 40 附圖 119 蘇拉(2012)颱風資訊與蘇澳港推算結果 ... 40 附圖 120 三巴(2012)颱風資訊與蘇澳港推算結果 ... 41 附圖 121 杰拉華(2012)颱風資訊與蘇澳港推算結果 ... 41 附圖 122 蘇力颱風各主要港口颱風波浪推算結果 ... 1 附圖 123 西馬隆颱風各主要港口颱風波浪推算結果 ... 2 附圖 124 潭美颱風各主要港口颱風波浪推算結果 ... 2 附圖 125 康芮颱風各主要港口颱風波浪推算結果 ... 3 附圖 126 天兔颱風各主要港口颱風波浪推算結果 ... 3 附圖 127 菲特颱風各主要港口颱風波浪推算結果 ... 4

表目錄

表 2.1 花蓮港 1951 年至 2012 年颱風侵襲次數趨勢 ... 2-3 表 2.2 蘇澳港 1951 年至 2012 年颱風侵襲次數趨勢 ... 2-4 表 2.3 花蓮港 1990 年至 2012 年波浪資料蒐集率百分比 ... 2-6 表 2.4 蘇澳港 1990 年至 2012 年波浪資料蒐集率百分比 ... 2-7 表 2.5 花蓮港長期波浪趨勢分析結果 ... 2-16 表 2.6 蘇澳港長期波高趨勢分析結果 ... 2-21 表 3.1 選取用來建立蘇澳港模式的颱風資訊與其對應最大波高 ... 3-1 續表 3.1 選取用來建立蘇澳港模式的颱風資訊與其對應最大波高 ... 3-2 表 3.2 蘇澳港類神經颱風波浪推算結果 ... 3-18 續表 3.2 蘇澳港類神經颱風波浪推算結果 ... 3-19 表 4.1 選取用來建立花蓮港模式的颱風資訊與其對應最大波高 ... 4-3 續表 4.1 選取用來建立花蓮港模式的颱風資訊與其對應最大波高 ... 4-4 表 4.2 花蓮港 M5 最小化模式樹波浪推算模式之結果驗證 ... 4-8 續表 4.2 花蓮港 M5 最小化模式樹波浪推算模式之結果驗證 ... 4-9 續表 4.2 花蓮港 M5 最小化模式樹波浪推算模式之結果驗證 ... 4-10 表 4.3 蘇澳港 M5 最小化模式樹波浪推算模式之結果驗證 ... 4-10 續表 4.3 蘇澳港 M5 最小化模式樹波浪推算模式之結果驗證 ... 4-11 表 5.1 花蓮港兩種波浪推算模式的誤差比較 ... 5-1 續表 5.1 花蓮港兩種波浪推算模式的誤差比較 ... 5-2 續表 5.1 花蓮港兩種波浪推算模式的誤差比較 ... 5-3 表 5.2 蘇澳港兩種波浪推算模式的誤差比較. ... 5-8 續表 5.2 蘇澳港兩種波浪推算模式的誤差比較 ... 5-9 續表 5.2 蘇澳港兩種波浪推算模式的誤差比較 ... 5-10 表 5.3 各類神經颱風波浪推算成效比較 ... 5-15 表 6.1 風浪推算模擬之網格設定內容 ... 6-4 表 6.2 模式參數設定彙整表 ... 6-5 表 6.3 花蓮港數值模式之波浪推算結果驗證 ... 6-6 續表 6.3 花蓮港數值模式之波浪推算結果驗證 ... 6-7 表 6.4 蘇澳港數值模式之波浪推算結果驗證 ... 6-7 續表 6.4 蘇澳港數值模式之波浪推算結果驗證 ... 6-8 表 6.5 各港口颱風波浪推算結果比較 ... 6-12 表 7.1 計算樣本順位機率之



及 值 ... 7-4 表 7.2 相關係數殘差平均值公式之係數a ，b 及c值 ... 7-5 表 7.3 重現期推算量之標準差公式中之係數 ... 7-7

表 7.4 花蓮港各極值樣本採用年極值取樣法之各重現期分析結果 ... 7-8 表 7.5 花蓮港各極值樣本採用超量門檻取樣法之各重現期分析結果 ... 7-12 表 7.6 花蓮港三種樣本來源以兩種取樣方式的極值分析結果 ... 7-13 表 7.7 蘇澳港各極值樣本採用年極值取樣法之各重現期分析結果 ... 7-14 表 7.8 蘇澳港各極值樣本採用超量門檻取樣法之各重現期分析結果 ... 7-16 表 7.9 蘇澳港三種樣本來源以兩種取樣方式的極值分析結果 ... 7-19

第一章 前言

1.1 計畫目的

港灣或海岸工程規劃設計階段或管理營運階段若能有合適的波浪 推算模式，能夠更有效率的做出適當的決策。波浪推算模式不但能解 決在決定設計波浪時遭遇現有實測資料記錄長度不足的問題，更能於 營運階段提供防災與預警的功能，在颱風期能夠於災害發生前，先行 提供船舶調度與減災預警的參考。近年來已發展許多成熟的波浪推算 技術與極值統計方法，但這些技術的建立還是基於往昔的實測資料， 在環境有所改變的情況下這些技術與方法的可靠性是需要再評估的。 交通部運輸研究所港灣技術研究中心為響應國際航海學會(The World Association for Waterborne Transport Infrastructure, PIANC) 對氣候變遷 造成海事工程之影響探討，本計畫將分析海洋環境的改變的趨勢，並 提出港灣工程設計階段的因應方式。 本所港研中心近年來針對波浪推算模式提出大量的研究成果，其 中 99 至 101 年度研究計畫『臺灣主要港口附近海域長期波浪統計特性 及設計波推算之研究』中應用類神經網路建立颱風波浪推算模式並已 針對大部分國際港區進行模式建立與測試，更與經驗式波浪推算模式 進行推算能力的比較，其成果顯示類神經颱風波浪推算模式的推算能 力較佳。此外並以月最大法進行極值分析來探討季節性的特性，評估 各種樣本、極值函數及參數推定法對設計波推求的影響。 相較於往昔研究，本計畫考慮氣候變遷對環境造成改變下提升國 內波浪推算技術之正確性。透過颱風侵台的狀況與港研中心所監測花 蓮港與蘇澳港的波高資料來進行長期趨勢分析，其中波高長期趨勢分 析的部分並選用多種趨勢偵測方法包括不同取樣方式的線性回歸、 Mann-Kendall 趨勢檢測法、Seasinal Kendall 趨勢檢測法及經驗模態分 解法(Empirical Mode Decomposition method, EMD)來進行花蓮港與蘇 澳港的波高趨勢分析，評估受氣候變遷影響的顯著性。

在颱風波浪推算模式方面，本計畫以往昔花蓮港類神經網路波浪 推算模式的經驗與方法來建立蘇澳港類神經波浪推算模式。另應用 M5 最小化模式樹發展花蓮港與蘇澳港颱風波浪推算模式，並與類神經颱 風波浪推算模式進行精度的分析與適用性評估。除此之外另以 DHI MIKE 21 軟體的二維風浪數值模式(SW)模擬各場颱風對花蓮港與蘇澳 港造成的波場以供設計波浪的推算。最後並以年最大取樣法與超量取 樣法配合各樣本來源來進行花蓮港與蘇澳港的極值統計分析，討論各 種樣本與取樣方式對設計波推算的影響，最後透過以上分析結果探討 颱風及波浪在時空環境改變下的設計波浪，並對設計波高的決定標準 提出相關對策與建議。

1.2 文獻回顧

「全球暖化」特別是指靠近地表面或是海表面的全球平均氣溫隨著 時間逐漸升高的現象。此現象在 20 世紀中期以後趨於明顯。近年來「全 球暖化」的名詞漸漸被「氣候變遷」取代，強調氣候的改變，並且不 僅僅只有溫度的變化，其交互影響所造成海象、環境等自然變化也是 需要評估的重點。 在台灣氣候變遷相關研究中葉(2012)發現全球溫室效應增強，氣候 變遷現象影響風能潛勢，台灣西部離岸未來整體風力可能因為氣候變 遷影響東北季風減弱。趙(2012)發現由於氣候變遷下使全球水文循環系 統遭到改變，台灣因地理位置關係，洪水量增加、暴潮及海岸侵蝕等 致災因子日益嚴重，上游集水區河川短促、陡坡急流及地質不佳，容 易 造 成 崩 塌 、 土 石 流 等 土 砂 災 害 。 選 用 日 本 大 氣 環 流 模 式 (MRI-CGCM2_3_2)配合其他相關資料推估未來洪水頻率曲線的結果顯 示，因受到氣候變遷的影響，未來各情境下流量與泥砂量有增加的趨 勢 。 邱 (2012) 以 熱 帶 氣 旋 動 能 指 數 (Revised Accumulated Cyclone Energy, RACE) 分 析 西 北 太 平 洋 颱 風 活 動 及 其 影 響 因 素 ， 並 改 良 GPI(Genesis Potential Index)分析模式資料 ,以解析颱風活動與氣候變 遷的關連性。結果顯示台灣平均每年約增加 0.1 個颱風。張(2011)以莫

拉克颱風為例說明氣候變遷在全球各處引發多起重大災害，造成屏東 沿海地區嚴重水患，在全台各處也造成重大災情。並針對海岸環境進 行探查結合颱風災害與海平面上升對海岸之衝擊作災害風險分析。近 年來氣候變遷所造成的極端氣候現象已是無法逃避的風險，聯合國提 出了減緩以及調適作為回應之方案，歐盟的海岸帶調適管理中整合性 海岸帶管理策略引導各國合作，提供了技術、經驗以及經費的補助， 並提醒各沿海成員國海岸帶管理與國土安全的直接連結，使各成員國 願意投入各個不同層級的海岸帶管理策略行動之中。 在資料趨勢分析技術的往昔研究中，往昔已有許多研究採用最小二 乘法求得回歸係數這種方法進行趨勢的分析(Woolf et al., 2003)，然而 Sen(1968)即提出這種方法容易導致誤判且其結果的可靠度受限於常態 分布的母體樣本。Hirsch et al. (1982)分析河川水質資料，顯示大部分水 質項目成偏態分佈。Hirsch et al. (1984)指出，當資料呈非常態分佈或有 缺漏資料情況，適合應用無母數檢定法，無母數法較具有顯著之效率 且呈現之結果也較不受離群值影響。 Mann-Kendal 趨勢檢測為無母數方法，為 Mann(1945)以及之後的 Kendall(1975)所提出，能針對資料進行趨勢偵測。此法能處理缺漏值。 Hirsch 與 Slack (1984) 應用此方法分析季節性資料的變遷趨勢，之後為 國外研究學者廣為採用於水質趨勢分析之無母數方法。Mann Kendall 趨勢偵測被廣泛的應用在相關的環境科學研究中，例如雨量(Yue and Hashino, 2003)、水質(郭與李, 2004; Raike et al., 2003; Walker, 1991; Zipper et al., 2002)、氣溫(吳志剛，2000)、海水面抬升與大氣變化 (Audiffren, 2000) 等 長 期 趨 勢 分 析 。 Hirsch 等 人 (1982) 針 對 Mann-Kendall 趨勢檢定法提出修改，提出能應用於有週期特性樣本資 料的 Seasonal Kendall 趨勢檢定法。Young et al.(2011)以衛星測高資料 與浮標資料分析全球波浪與風速的極端值，整合往昔研究五種趨勢偵 測法進行風速及波高的變化趨勢評估，圖 1.1 為全球平均波高的變化趨 勢分布圖。

圖 1.1 全球平均波高的變化趨勢分布圖(Young et al., 2011) 對於颱風事件的趨勢分析，Wang et al.(2006)年採用不同氣壓門檻 值所計算出來北大西洋中緯度及高緯度的氣旋數量統計圖，示如圖 1.2， 其結果顯示發生於北大西洋高緯度地區的颱風次數於近 40 年間是呈現 增加的趨勢，而中緯度的部分則相反，在近 40 年間颱風發生次數是保 持遞減的狀態，此結果顯示氣候變遷對於颱風發生次數的影響量在空 間分布上也有所不同。 圖 1.2 北大西洋中緯度及高緯度的氣旋數量統計圖

本研究由以上國內外相關研究結果，歸納台灣氣候變遷對港灣環 境造成可能的影響有：1.水位的抬升改變波浪碎波位置與港灣周遭流況； 2.季節風風速條件的改變造成季節性波浪改變；3.颱風等極端氣候因素 發生的頻率與規模改變而造成颱風波浪與暴潮的變化；4.降雨分布與雨 量改變造成河川下游對海岸輸沙量的變化。然海象中所發生的極端事 件通常是由組合因素造成的，且即便在一個不受外力影響地的氣候環 境中，各種極端事件也是經常發生的。在這兩個理由下，想要確認海 象極端因素是否由氣候變遷所造成是非常不容易的。故本計畫先不考 慮暖化升溫等相對較複雜的成因，單純以交通部運輸研究所港灣技術 研究中心在花蓮港與蘇澳港的波浪資料以及造成極端波浪的颱風因素 加以分析，評估目前氣候變遷對於海岸與港灣環境會造成的影響量， 並期望能提出港灣工程與管理上因應的設計標準。 港灣或海岸工程規劃設計所需之設計波浪須由長期實測波浪資料 或推算波浪資料來決定。近年來為解決現有記錄的時間不足的狀況， 已發展許多成熟的波浪推算技術與極值統計方法，但這些技術的建立 還是基於往昔的實測資料，在環境有所改變的情況下這些技術與方法 的可靠性需要再評估的。交通部運輸研究所港灣技術研究中心近年來 針對波浪推算模式提出大量的研究成果，其中 99 至 101 年度研究計畫 『臺灣主要港口附近海域長期波浪統計特性及設計波推算之研究』中 應用類神經網路建立颱風波浪推算模式並已針對大部分國際港區進行 模式建立與測試，更與經驗式波浪推算模式進行推算能力的比較，其 成果顯示類神經颱風波浪推算模式的推算能力較佳。建立類神經颱風 推算模式需要考慮資料的品質與完整性，故需考慮每場颱風對應之波 浪資料之完整性及相關性，在模式建立前必須剔除對應波浪資料不完 整的颱風，模式輸入的方式針對不同地理位置與地形屏障因素而有不 同研究(陳等人, 2011、2012)。 針對颱風所造成的波高提升屬於連續型的數值資料，一般能以回 歸分析(Regression Analysis)、資料探勘裡的回歸樹(Regression Tree)和 模式樹(Model Tree)以及類神經網路(Artificial Aeural Aetwork)等方法來

進行模擬或預測。然以往昔類神經建立颱風波浪模式之經驗顯示，在 波浪推算模式影響波浪大小的成因過於複雜，包括颱風因子中心風速、 中心距離與目標推算點方位角；底床地形效應、陸地遮蔽效應、及風 場衰減效應等。各影響因子可能為獨立影響或交互影響，本計畫另嘗 試使用模式樹的方式來建立颱風波浪推算模式。 M5 模式樹是由 Quinlan(1992)所提出，它是透過找尋屬性分割前後類別值標準差降低 程度最多的分割點，以此來架構整棵樹狀結構，當時的 M5 並無法處 理有名目屬性和缺漏值(missing value)的資料，Wang et al.(1997)及 Witten 與 Frank(2005)則依照 M5 最小化模式樹提出了更完整的架構模 式樹之步驟，稱為 M5’。張等(2011)提出以 M5 最小化模式樹及經驗公 式探討透水與不透水堤面之波浪反射率。發展以不同輸入參數之兩種 M5 模式能力，其推估能力均比經驗公式稍佳。近年來國外許多研究應 用模式樹於波浪推算並有相當的突破(Etemad-Shahidi and Mahjoobi, 2009; Jain and Deo,2008)。

考慮對應實測資料的颱風波浪可能會有缺漏的狀況，本研究另採 用 NCEP 風場進行波浪推算，NCEP 風場資料係由美國國家環境預報中 心(National Centers for Environmental Prediction，NCEP)與國家大氣研 究中心(National Centers for Atmospheric Research，NCAR)在西元 1989 年開始合作發展氣候資料再分析計畫(NCEP/NCAR Reanalysis Project)， 此計畫之目標為利用西元 1948 年至今之舊有氣候觀測資料重新進行分 析，並發展一氣候資料同化系统(Climate data assimilation system，CDAS) 用來分析現今之大氣情況。此系統納入了許多不同類型之觀測資料結 果，包括地面觀測、船艦觀測、飛機觀測、無線電探空觀測、衛星觀 測等，再經過數據品管(QC)步驟，集合成為此氣候資料同化系統，目 前已有氣象組織利用此系統分析資料進行真實氣象預報。NCEP/NCAR Reanalysis Project 提供資料自 1948 年迄今，資料時距包含每日 6 小時、 單日及單月資料，資料項目有氣溫、地表溫度、地中溫度、氣壓、濕 度、風速等。本計畫採用 NCEP 每日 6 小時且為海平面上 10m 處之 u、

v 向風速資料，資料範圍包含緯度 88.542º～-88.542º、經度 0º～358.125 º，風場資料解析格網為 1.875º×1.875º。 設計波高的推定須針對波高樣本資料進行極值統計，在確定樣本 來源以後，首先必須將原始資料作基本之選取及排序(data sorting)。早 期極值統計之資料選取，是討論所有觀測資料。但實際海域上波浪存 在各種特性之波高，大部分的取樣資料並不是極端值情況，導致很難 由觀測資料推測極值波高的母體參數。於是 Haver(1985)開始針對觀測 之極端值作討論，研究發生機率低的極值波高在不同極值函數分佈下 的情形。Guedes Soares and Henriques(1996;2001)討論到海域下許多不 同的母體共存，在極值分析將所有觀測資料屬於某一母體特性，有母 體分類上的困難。故現今極值分析討論局部觀測資料，依資料選取方 式，主要可分為超量門檻取樣法與極端值取樣法二種。極端值取樣法 即國內目前慣用的年最大法，而超量門檻取樣法為 Guedes Soares(1986) 提出的一種極值統計之研究方法。先設定一門檻值，選取所有超越門 檻值的資料為觀測樣本，稱為超量門檻取樣法(Peak Over Threshold, POT)。由 Davison(1984)和 Smith(1986)開始推導門檻值的理論，之後 Davison and Smith(1990)以廣義 Pareto 分佈為模式配適，討論超越門檻 值統計特性，其超越門檻值的分佈可分成 Gumbel, Frechet, or Weibull 分佈情況。Ferreira and Guedes Soares(1998)和 Elsinghorst 等(1998)描述 超越門檻法應用於波高資料推估重現期波高，Naess and Clausen(2002) 將此分析結果應用於波速推算之相關問題。Mendez 等(2006)提出超量 門檻取樣法的極值波高，存在非穩定的季節性變化，其波高符合極端 值分佈。Mendez 等討論暴潮延時和超越門檻值的選擇，對暴潮模式的 建立有很重要的影響。本計畫將選用極端值取樣法與超量門檻值取樣 法進行分析。Suh 等人(2013)也利用超量門檻取量法配合最小二乘法

(LSM)與經驗模擬法(Empirical Simulation Technique)比較推算設計波浪

的結果。而國內近年研究中，江等人(2011)以 FT-I、Weibull、GEV 及 Log-Normal 四種極值分布函數配合 MLE、LSM 及 MOM 三種參數推 定方式進行測試，其研究成果包括花蓮港、高雄港、安平港、台北港、

基隆港與台中港等主要港口的最適極值函數與參數推定法，並針對各 主要港口推算出 50 年回歸期的設計波高及其信賴區間。

1.3 工作項目

本計畫以花蓮港與蘇澳港為主，利用各港長期監測的波浪資料與 颱風相關資訊進行趨勢分析，以評估其受氣候變遷影響下是否有顯著 的長期變化趨勢。本計畫擬採用類神經、M5 最小化模式樹及二維風浪 數值模式等三種波浪推算模式的結果來進行設計波高的分析，類神經 波浪推算模式除採用 98 年度本所港研中心『臺灣主要港口附近海域長 期波浪統計特性及設計波推算之研究(1/4)』所發展的花蓮港類神經颱 風推算模式進行波浪資料推算外，並以其基礎與架構建立蘇澳港類神 經颱風推算模式。另採用 M5 最小化模式樹進行各港波浪推算模式的 建立，並與類神經網路推算模式進行精度與特性的比較。二維風浪數 值模式將以完整的 NCEP 風場對歷史颱風進行模擬，推求對各港口造 成的波場，並探討風場對推算結果的精度影響。最後並依各樣本來源 配合不同取樣方式考量與颱風及波浪在時空環境改變下針對設計波高 的決定標準提出相關對策與建議。 本年度研究計畫之工作項目分為六個部份，已完成所有工作項目， 工作內容符合預定進度，以下為工作項目： 1. 分析花蓮港與蘇澳港之颱風與波浪在氣候變遷下之影響。 2. 建立花蓮港與蘇澳港 M5 最小化模式樹波浪推算模式。 3. 比較類神經網路波浪推算模式與 M5 最小化模式樹波浪推算模 式之推算精度。 4. 以數值模式進行花蓮港與蘇澳港之波浪推算。 5. 花蓮港與蘇澳港設計波高標準之探討。 6. 參考國科會「科技計畫績效管考平台」之「績效指標(實際成果) 資料格式」及「佐證資料格式」，就本計畫成果之特性，選填

合適績效指標項目，並以量化或質化方式，說明本計畫主要研 究成果及重大突破。

本計畫基於往昔研究深入探討設計波標準，更有以下創新發展： 1. 因應全球氣候變遷議題，針對侵台颱風與花蓮蘇澳兩港的波浪

進行長期趨勢分析，其中波浪資料更以多種趨勢檢測法進行分 析(線性回歸、Seasonal Kandall 及兩種 EMD)。

2. 分析蘇澳港實測波浪資料特性，並利用類神經網路建立蘇澳港 颱風波浪推算模式。 3. 以 M5 最小化模式樹建立花蓮港與蘇澳港颱風波浪推算模式。 4. 相較於往昔採用每年取一筆樣本的年極值取樣法，本年度引用 超量門檻取樣法於同一標準下在每年取多筆樣本進行極值分析， 並與年極值取樣法進行比較。 5. 極值分析中以最適極值函數所推算地標準差劃定設計波信賴範 圍，以供相關單位引用參考。 6. 以花蓮港與蘇澳港受氣候變遷造成的長期波浪趨勢，首度提出 在設計波估算中考慮重現期內受氣候變遷影響量。 7. 以二維數值風浪模式推算極值樣本，並探討不同風場在二維數 值風浪模式推算的成效。

第二章 氣候變遷對颱風與波浪影響

2.1 資料來源

本計畫為分析氣候變遷對颱風與波浪造成的趨勢分析，需收集長 期的颱風與波浪資料。目前颱風資料來源除中央氣象局所發布的資料 外，日本氣象廳 RSMC-Tokyo Center 亦有提供往昔熱帶氣旋中心資訊， 另外聯合颱風警報中心(Joint Typhoon Warning Center，簡稱 JTWC)有提 供完整西太平洋往昔與預測颱風資訊。 波浪資料採用交通部運輸研究所港灣技術研究中心的波浪觀測資 料來進行分析，港灣技術研究中心目前於花蓮港所設置之測站位置位 於花蓮港東防波堤往南延長 380 公尺、水深 34 公尺處(圖 3-1 中站名測 站 X)，於 2000 年 9 月 8 日安裝挪威 NORTEK 公司之剖面海流與表面 波浪即時傳送監測系統(後簡稱 AWCP)，主要收集波高、週期以及波向 等資料。而 2000 年 9 月前的資料浮標雖無波向資料，但提供了 1990 年 10 月 1 日至 2000 年 9 月 30 日的波高以及週期觀測資料。 AWCP 系統有兩個分離波高量測模式：1.對平靜波浪時，當資料由 傳統式壓力感應器量測時將會因儀器佈放的深度而受很大的影響。此 時，表面高度必須用一個聲波式的高度感應器量測波高。波高量測範 圍：(1)資料量測模式：壓力及沿每一個波束選取一個流速層。(2)量測 流層距離：0.5、1.0、2.0m 可選擇性。(3)最大資料輸出頻率：2Hz(以 內含)。(4)儀器內取樣頻率：4～6Hz。(5)取樣期間之取樣數：512、1024 或 2048 次可選擇性。波向量測範圍：波向的量測從海面下 3m 以上的 流向資料與波高資料計算轉換而得。2.對攪動的海況時，用於轉換波向 的該層深度應該自動被調整為平均水位，也就是 Hmax/2。量測的參數為： 平均波向及波向分布，波向單位為度。 而蘇澳港在 2002 年 7 月於港口外 700m 附近、水深 25m 處(測站 X)，水深約 25m 處安裝一部挪威 NORTEK 公司之 AWCP，2004 年 9 月至 12 月受船隻影響受損，至 2007 年已滿五年儀器與電纜漸漸老化

故障頻繁。因此 2007 年 10 月中旬更新 AWCP，同樣安裝在原地水深 25m 處，目前正常運轉量測。花蓮港與蘇澳港測站位置如圖 2.1 與圖 2.2。

圖 2.1 花蓮港海氣象觀測位置圖

2.2 侵台颱風長期變化趨勢

目前颱風資料來源除中央氣象局所發布的資料外，日本氣象廳 RSMC-Tokyo Center 亦有提供往昔熱帶氣旋中心資訊，另外聯合颱風警 報中心(Joint Typhoon Warning Center，簡稱 JTWC)有提供完整西太平洋 往昔與預測颱風資訊。本計畫依據日本氣象廳所發布 1951 年至 2012 年西太平洋熱帶氣旋的路徑及氣壓資料進行整理，並建立颱風資料庫 以評估各港長期受颱風侵襲的紀錄。 颱風中心與目標點的距離為颱風侵襲與否的主要判斷因子，本計 畫首先以花蓮港為目標點，並以不同的距離門檻值篩選颱風，若颱風 中心接近花蓮港的距離小於門檻值，則將其標記為侵台颱風，並將侵 襲花蓮港這段時間的中心氣壓依中央氣象局所劃分的颱風規模做分級， 以評估該颱風所屬級別。中央氣象局所定義颱風級別可分為四類：1. 熱帶低壓(中心海面氣壓>997 hPa)；2.輕度颱風(976 hPa<中心海面氣壓 ≤997 hPa)；3.中度颱風(941 hPa<中心海面氣壓≤976 hPa)；4.強烈颱風 (941 hPa≥中心海面氣壓)。將各場颱風依據距離門檻值與颱風規模進行 篩選，可計算出每年侵襲花蓮港的颱風次數，再依一階線性回歸找出 每年次數的長期趨勢如下表： 表 2.1 花蓮港 1951 年至 2012 年颱風侵襲次數趨勢 門檻值 300km 門檻值 500km 門檻值 1000km 所有熱帶低壓 0.0141 0.0025 0.0180 強烈颱風 0.0067 -0.0071 -0.0024 輕度颱風 0.0035 0.0020 0.0061 中度颱風 0.0072 0.0215 0.0221 表 2.1 顯示三種距離門檻值對應各種不同颱風規模的資料集所統 計出 1951 年至 2012 年歷年侵襲花蓮港次數的趨勢分析結果，整體而 言除了強烈颱風以外其餘颱風規模每年侵蝕花蓮港的次數都顯示有增 加的趨勢，尤其以門檻值設定為 500km 以上可以發現，中度颱風侵襲 花蓮港次數有明顯的增加，每年增加率為 0.022 次，以現有颱風紀錄而

言每 50 年約會增加 1.1 個颱風的侵襲機會，圖 2.3 為中度颱風侵襲花 蓮港的歷年紀錄與一階線性回歸後的趨勢線，該線斜率為 0.0215。 圖 2.3 中度颱風侵襲花蓮港次數的趨勢分析(500km 門檻值) 另以蘇澳港為目標點，進行相同分析。將各場颱風依據距離門檻 值與颱風規模進行篩選，可計算出每年侵襲蘇澳港的颱風次數，再依 線性回歸找出每年次數的長期趨勢如下表： 表 2.2 蘇澳港 1951 年至 2012 年颱風侵襲次數趨勢 門檻值 300km 門檻值 500km 門檻值 1000km 所有熱帶低壓 0.0142 -0.0016 0.0171 強烈颱風 0.0028 -0.0033 -0.0028 輕度颱風 0.0001 -0.0008 -0.0005 中度颱風 0.0149 0.0172 0.0241 表 2.2 顯示三種距離門檻值對應各種不同颱風規模的資料集所統 計出歷年侵襲蘇澳港次數的趨勢分析結果，在門檻值選用 300km 的颱 風侵襲次數趨勢分析中可發現，颱風侵襲次數皆為增加趨勢。門檻值 500km 的情況下則只有中度颱風有侵襲次數增加的趨勢，其餘為次數 減少的趨勢。門檻值 1000km 的部分，若以侵襲蘇澳港的所有熱帶低壓

次數來進行分析可發現為增加的趨勢，中度颱風亦同為增加趨勢，其 餘強烈颱風與輕度颱風的統計中則稍有減少的趨勢。以其變化趨勢的 強度來看，中度颱風的侵襲次數的增加趨勢明顯大於其他減少的趨勢， 以現有颱風紀錄而言蘇澳港中度颱風侵襲的次數是增加的，輕度颱風 與中度颱風則稍有減少。以門檻值 500km 來統計中度颱風侵襲次數可 發現每 100 年約增加 1.72 個颱風的侵襲機會，圖 2.4 為中度颱風侵襲 蘇澳港的歷年紀錄與線性回歸後的趨勢線，該線斜率為 0.0215。 圖 2.4 中度颱風侵襲蘇澳港次數的趨勢分析(500km 門檻值) 本計畫針對近 60 年內侵襲花蓮港與蘇澳港颱風做相關統計與趨勢 分析後發現只有中度颱風侵襲次數有隨著時間增加，輕度颱風與強烈 颱風則沒有較明顯的增加或減少。

2.3 波浪長期變遷趨勢

2.3.1 資料來源 根據港灣技術研究中心所提供之花蓮港與蘇澳港波浪資料，其記 錄時間分別為 1990 年至 2012 年及 1999 年至 2012 年，為瞭解波浪資 料缺漏的狀況，本計畫整理各月份的波浪資料蒐集率，其中若該月份

波浪記錄資料完整則記為 100%，若有缺漏則依該月份應有資料量為分 母計算百分比，如表 2.3 及表 2.4 所示。 表 2.3 花蓮港 1990 年至 2012 年波浪資料蒐集率百分比 年份 1 月 2 月 3 月 4 月 5 月 6 月 7 月 8 月 9 月 10 月 11 月 12 月 平均 蒐集率 (%) 1990 93.7 99.7 78.2 65.3 68.8 67.4 63.3 78.0 57.6 93.7 64.2 95.2 77.1 1991 96.9 96.4 95.6 91.7 92.7 85.3 98.9 98.1 98.2 98.9 33.5 99.9 90.5 1992 74.5 59.2 100.0 19.4 30.9 99.9 99.9 98.7 97.5 99.6 99.2 98.5 81.4 1993 99.9 99.1 89.7 99.7 14.8 15.0 21.2 41.9 50.4 52.2 50.7 51.2 57.1 1994 49.7 50.3 49.6 49.9 49.9 50.0 28.6 28.9 50.3 19.6 25.4 51.2 42.0 1995 41.3 49.9 49.9 49.7 49.3 35.8 45.2 49.3 30.0 36.4 13.8 50.0 41.7 1996 33.9 51.3 50.0 48.8 43.4 43.3 53.2 23.5 0.0 26.3 17.8 76.3 39.0 1997 53.2 0.0 58.6 82.9 52.0 76.3 85.1 43.5 0.0 100.0 99.7 100.0 62.6 1998 100.0 99.9 60.2 0.0 21.1 71.8 39.8 83.3 99.6 99.1 99.7 99.9 72.9 1999 99.9 100.0 99.3 89.3 11.8 0.0 0.0 43.5 16.0 20.7 50.3 54.2 48.7 2000 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 63.6 94.6 98.9 79.2 28.0 2001 71.6 73.4 22.2 25.4 41.0 24.9 17.6 90.1 91.9 97.8 0.0 0.0 46.3 2002 94.1 67.3 79.0 94.3 85.6 100.0 96.4 99.1 99.2 99.9 94.4 99.9 92.4 2003 89.5 95.7 29.0 100.0 97.0 100.0 97.7 95.0 0.0 25.9 97.9 98.1 77.2 2004 99.7 99.9 88.3 99.7 98.0 99.9 97.0 97.0 96.4 95.0 97.1 98.9 97.2 2005 92.2 97.2 99.6 98.8 99.9 92.6 98.1 100.0 96.4 96.9 97.8 100.0 97.5 2006 99.3 99.1 99.9 98.8 98.5 98.8 50.4 0.0 99.9 98.5 99.4 99.7 86.9 2007 99.5 99.3 99.3 99.9 48.1 73.1 93.4 93.4 99.7 99.7 96.1 100.0 91.8 2008 99.9 99.4 99.7 99.7 99.7 99.4 99.6 99.2 99.7 99.5 99.9 99.9 99.6 2009 99.9 99.9 99.7 99.7 99.9 99.4 98.8 99.6 99.9 99.7 99.9 99.6 99.7 2010 99.9 99.7 99.9 99.7 99.7 99.3 58.7 99.7 99.9 99.7 99.9 99.7 96.3 2011 96.5 97.3 97.2 97.2 96.1 95.3 98.1 98.8 99.0 98.0 94.0 95.6 96.9 2012 95.7 94.8 97.6 95.6 96.2 94.6 95.3 94.2 99.0 97.4 98.2 90.7 95.8

表 2.4 蘇澳港 1990 年至 2012 年波浪資料蒐集率百分比 年份 1 月 2 月 3 月 4 月 5 月 6 月 7 月 8 月 9 月 10 月 11 月 12 月 平均 蒐集率 (%) 1999 0.0 0.0 0.0 0.0 87.6 96.4 97.0 27.7 52.1 95.3 60.3 0.0 43.0 2000 94.4 27.4 0.0 98.5 99.1 99.0 91.9 88.7 93.1 91.0 0.0 0.0 65.3 2001 41.0 68.9 63.6 59.9 70.8 56.8 77.2 52.2 23.6 5.1 91.7 95.3 58.8 2002 71.1 19.6 0.0 0.0 0.0 0.0 39.1 98.7 99.6 91.8 98.6 59.0 48.1 2003 99.6 93.3 98.1 99.2 0.0 0.0 0.0 95.7 64.0 4.7 99.7 99.5 62.8 2004 99.3 98.3 99.9 94.4 90.5 82.6 94.5 99.7 70.4 74.3 94.9 98.1 91.4 2005 99.6 99.9 96.1 97.9 11.2 47.1 55.2 93.5 91.3 98.8 99.4 98.7 82.4 2006 49.3 21.4 85.3 99.2 99.9 99.9 97.6 96.9 99.9 96.4 99.7 99.5 87.1 2007 62.9 99.6 99.7 99.7 99.7 99.7 99.7 97.2 99.4 58.6 99.9 99.9 93.0 2008 99.9 98.6 99.7 99.4 99.9 99.9 99.6 99.5 99.7 96.5 99.7 98.5 99.2 2009 82.1 96.9 99.6 99.9 99.9 59.7 97.2 99.5 99.7 99.1 99.9 98.8 94.3 2010 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 78.0 69.7 0.0 12.3 2011 34.8 92.7 92.5 46.7 0.0 3.6 98.5 90.7 78.3 92.3 93.9 96.5 68.4 2012 71.8 78.9 96.6 98.8 95.0 97.4 67.2 95.0 96.7 97.2 98.8 92.5 90.5 2.3.2 趨勢分析 不同於颱風一年平均出現 3 至 4 個的獨立事件，波浪現象為一連 續的時間序列。若要評估其長期變化趨勢，可用數值方法來進行評估。 趨勢偵測法中最簡單的方式即是採用一階線性回歸方式進行資料回歸， 如式(2-1) 1 1 ) (t at b y   _(2-1) 式中 y(t)為波高資料為時間的函數，t 為時間，a1與 b1則為回歸係 數，回歸係數可經由最小乘法求得，往昔已有許多研究採用這種方法 進行趨勢的分析，然而這種方法容易導致誤判且其結果的可靠度受限 於常態分布的母體樣本。傳統線性回歸的方法可經由以下回歸型式去 除季節性的影響 2 2 2 2 sin(2 /12 ) ) (t a t b t c d y      _(2-2)

式中有共有四個係數 a2、b2、c2、d2，亦可經由最小二乘法進行推 求。雖然這種回歸型式可以明確分離出季節性影響，但與所有回歸方 式相同，此法仍會因為母體樣本內的雜訊而產生偽造的趨勢結果。 Mann-Kendall 趨勢檢測法是一種無母數方法，能針對時間序列資 料做相對趨勢的檢測。此法能處理母體樣本中有缺漏的狀況。在隨機 資料不存在趨勢的假設狀況下，樣本 Y=(y1, y2, y3,…,yn)為 n 個獨立且同 樣為隨機分布的變數。可以定義一測試統計量 S

 

      1 1 1 ) sgn( n k n k j k j y y S (2-3) 其中           0 1 0 0 0 1 ) sgn( x if x if x if x (2-4) 在樣本無趨勢的假設下，當n趨近於無窮大時 S 的分布應為對 稱的常態分布，且其平均值應為 0，變異量 2 S V 應為 18 / ) 5 2 )( 1 ( 2    n n n V_{S (2-5)} 可導出雙尾檢驗 S V S S Z [ sgn( )]/ _(2-6) 若以 2為顯著水準，若 Z Z2成立則顯示此樣本符合原假設狀 況(無趨勢)，若不成立則代表樣本帶有顯著趨勢，且 Z 值為正代表有增 加趨勢，反之則具有降低的趨勢。 Hirsch 等人(1982)針對 Mann-Kendall 趨勢檢定法提出修改，提出 Seasonal Kendall 趨勢檢定法，將 m 個季節的個別檢定結果合併，並以 式(6-7)計算全部統計量 S’



  m j i S S 1 ' (2-7)

其中 S’為測試統計量，而 Si為 Mann-Kendall 趨勢檢定法在 i 季的 統計量(i=1,2,3,…,m)。整體統計量應為對稱的常態分布，且其平均值應 為 0，變異量 2 ' S V 應為

 



      1 1 1 1 2 2 ' cov( , ) m i m i k k i m i S S V S S V i (2-8) 其中 Si、Sk分別為 Mann-Kendall 趨勢檢定在第 i、k 季的統計量， ) , cov(Si Sk 為 Si、Sk的共變異數(covariance)，若為獨立變量則可簡化為



  m i S S V i V 1 2 2 ' (2-9) 而 Seasonal Kendall 趨勢檢定法的常態檢定變量 Z’為近似標準常態 分布並定義如              0 ' 1 ' 0 ' 0 0 ' 1 ' 2 ' 2 ' S if V S S if S if V S Z S S (2-10) 其中 S’為正值表示為遞增趨勢，負值為遞減趨勢。 除了上述線性回歸與無母數分析外，本計畫並應用經驗模態分解 法對長期波高料來進行分析。我國黃鍔院士所提出之經驗模態分解法 （Empirical Mode Decomposition method, EMD）Huang et al.（1998）[1]_為希伯 特-黃轉換(Hilbert-Huang Transform, HHT)的程序之一，被認定對於獲得 非平穩(non-stationery)以及非線性(nonlinear)訊號的趨勢擁有良好效 果。

EMD 法 是 將 訊 號 分 解 成 多 個 本 質 模 態 函 數 (Intrinsic Mode Function, IMF)及一個均值趨勢(mean trend) ，每個 IMF 皆需滿足下列 兩個條件：1.整筆資料中，局部極大值(local maxima)與局部極小值(local minima)的數目之和與跨零點(zero-crossing)的數目要相等或是最多相 差一個。2.在任一時間點上，由局部極大值所定義的上包絡線(upper

envelope)與局部極小值所定義的下包絡線(lower envelope)，所得到之均 值為零或幾乎為零。而經驗模態分解法流程如下: 1. 可視為找出原始時間序列函數y t( )所有局部極大值，將所有局部極 大值連接並以立方雲線(cubic spline)內插，得到上包絡線，亦利用 局部極小值以相同方式獲取下包絡線 ，爾後利用上包絡線與下包 絡線得到均值包絡線m t( )。 2. 將原始時間序列函數y t( )與m t₁( )為h t₁( )。 1( ) ( ) 1( ) h t  y t m t _(2-11) 經判別h t₁( )不為本質模態函數，將繼續上述之程序；即以h t₁( )為 待處理訊號，重複上述步驟k次直到h t_k( )滿足本質模態函數之定義， 將此視為一種篩選程序(sifiting process)，而h t_k( )記為 1( ) k( ) c t h t _(2-12) 3. 分解出第一個本質模態函數c t1( )，利用c t1( )與y t( )之差值得殘餘值 (residue)為r t1( ) 1( ) ( ) 1( ) r t  y t c t _(2-13) 4. 當r t1( )不為一趨勢分量，則將r t1( )作為一新的時間序列函數，並重 複上述步驟 1 至步驟 3，找出剩餘之本質模態函數。 經上述流程可將原始時間序列函數y t( )分解 n 個本質模態函數為 ( ) i c t , i1 n與一趨勢分量為r t_n( )，即可表示為: 1 ( ) ( ) ( ) n i n i y t c t r t  



 (2-14) 此外 Rilling, Flandrin and Gonçalvés (2003)提出篩選程序中新的停 止準則(stopping criterion)以避免篩選程序的篩選次數過多而破壞本質

模態函數的特性；其利用兩個閥值₁與₂作為停止準則。

首先利用上包絡線及下包絡線定義出模態振幅(mode amplitude)

( )



max min



( ) ( ) ( ) / 2 a t  e t e t (2-15)



max min



( ) ( ) ( ) / 2 m t  e t e t (2-16) 其中e_max( )t 為上包絡線而e_min( )t 為下包絡線。 再 以 模 態 振 幅 與 均 值 的 比 值 且 取 絕 對 值 定 義 為 評 估 函 數 (evaluation function)( )t ，其公式為: ( )t m t( ) / ( )a t   (2-17) 藉由上述兩個閥值₁、₂及參數評估函數( )t ，使篩選程序停止篩 選。其準則為在(1)倍的時間序列的總延時下( )t 1，並且剩餘部分 為( )t ₂；且上述參數一般預設為0.05，₁ 0.05和₁10₂。波高 資料為時間的函數，可利用上述之經驗模態分解法或改良其停止準則 的經驗模態分解法已獲得趨勢分量為r t_n( )再利用一階線性回歸方式來 估算的年增率。 本計畫是採用國立中央大學數據研究中心所提供的 EEMD 分解 程式(後文表為 EMD[Huang])與法國學者 Rilling 團隊於網路上提供的 MATLAB 程式碼(後文表為 EMD[Rilling])。其中 EMD[Rilling]即前文所 述之改良式經驗模態分解法。 2.3.3 分析結果 本計畫所蒐集花蓮港波浪資料自 1990 年至 2012 年共 23 年，若忽 略缺漏的資料並將其餘資料接起來進行一階線性回歸可獲得逐時資料 的趨勢線，如圖 2.5 所示。圖中趨勢線之斜率為-0.000025，換算為年 增率則為-0.009m/year，顯示花蓮港逐時波浪資料有稍微降低的長期趨 勢。以月平均波高來進行長期趨勢分析則可繪製如圖 2.6，將圖中趨勢 線之斜率換算為年增率為-0.0071m/year。此外以年平均波高來進行長期 趨勢分析則可繪製如圖 2.7，圖 2.7 中趨勢線年增率為-0.008m/year。 另外除了以上述一階線性回歸方式來估算的年增率，本計畫並採 用 Mann-Kendall 趨勢檢測法來進行分析，其結果顯示在顯著水準 0.05

下，花蓮港月平均波浪資料符合原假設狀況，即歸納為無趨勢的資料； 然而，若採用考慮季節性變化的 Seasonal Kendall 趨勢檢定法，將每年 3~5 月、6~8 月、9~11 月及 12~2 月分為四個季節指標，在顯著水準 0.05 的情況下，花蓮港月平均波浪資料不符合原假設，是為一含有趨勢的 資料集，其年增率經計算為-0.0068m/year，如圖 2.8 所示。 圖 2.5 花蓮港逐時波浪資料與其趨勢線 圖 2.6 花蓮港月平均波浪資料及其趨勢線

圖 2.7 花蓮港年平均波浪資料與其趨勢線 圖 2.8 花蓮港月平均波浪採用 Seasonal-Kendall 趨勢檢定法的結果 經由兩種 EMD 分解後可獲得到趨勢分量，再以一階線性回歸可獲 得逐時資料的趨勢線之斜率。將花蓮港逐時波高資料進行 EMD 分解後 的趨勢線示如圖 2.9。圖中藍色細線為逐時資料，紅色粗線為利用 EMD[Huang]分解後回歸所得的趨勢線，綠色粗線則為經 EMD[Rilling] 分解後回歸所得的趨勢線。此外為能比較不同取樣方式對長期波高趨 勢的影響，另採用波高的日平均資料、月平均資料及年平均資料來進

行分析。圖 2.10、圖 2.11 及圖 2.12 分別為以日平均、月平均及年平 均波高進行 EMD 分解後的趨勢線。

圖 2.9 花蓮港逐時波浪資料與 EMD 分析後的趨勢線

圖 2.11 花蓮港月平均波浪資料與 EMD 分析後的趨勢線 圖 2.12 花蓮港年平均波浪資料與 EMD 分析後的趨勢線 經上述多種趨勢檢定方法與不同波高取樣方式所分析的結果如表 2.5 所示，其結果顯示不論是以逐時取樣、月平均或年平均取樣方式所 計算出來的年增率皆為負值，雖然各種取樣方式不同造成年增率有所 差異，但整體而言花蓮港自 1990 年至 2012 年間的波浪趨勢是屬於降 低的。而各種方法與取樣方式的比較可以發現，線性回歸在不同取樣 方式下其回歸結果相近，而兩種 EMD 分解法所得到的趨勢分析結果在 不同取樣方式下有較大的差異。這兩種分解法在同樣的取樣方式下結

也並無相近的結果。本計畫所分析的結果花蓮港波高年增率為-0.0068 至-0.0424 m/year。但若以趨勢檢定法的特性而言，無母數分析的 Seasonal Kendall 趨勢檢定法可適用於資料缺漏與週期性變化的情形， 其分析結果花蓮港波高年增率為-0.0068 m/year。 表 2.5 花蓮港長期波浪趨勢分析結果 分析與取樣方式 年增率(m/year) 逐時資料線性趨勢 -0.0090 月平均線性趨勢 -0.0071 年平均線性趨勢 -0.0080 Seasonal Kendall 趨勢檢定 -0.0068 EMD[Huang](逐時) -0.0424 EMD[Huang](日平均) -0.0113 EMD[Huang](月平均) -0.0240 EMD[Huang](年平均) -0.0176 EMD[Rilling](逐時) -0.0068 EMD[Rilling](日平均) -0.0139 EMD[Rilling](月平均) -0.0035 EMD[Rilling](年平均) -0.0068 本計畫所蒐集蘇澳港波浪資料自 1999 年至 2012 年共 14 年，若忽 略缺漏的資料並將其餘資料接起來進行一階線性回歸可獲得逐時資料 的趨勢線，如圖 2.13 所示。圖中趨勢線之斜率為 0.000042，換算為年 增率則為 0.0155m/year，顯示蘇澳港逐時波浪資料有稍微增加的長期趨 勢。以月平均波高來進行長期趨勢分析則可繪製如圖 2.14，將圖中趨 勢線之斜率換算為年增率為 0.0173m/year。此外以年平均波高來進行長 期 趨 勢 分 析 則 可 繪 製 如 圖 2.15 ， 圖 2.15 中 趨 勢 線 年 增 率 為 0.0186m/year。

圖 2.13 蘇澳港逐時波浪資料與其趨勢線

圖 2.15 蘇澳港年平均波浪資料與其趨勢線 另外除了以上述一階線性回歸方式來估算的年增率，本計畫並採 用 Mann-Kendall 趨勢檢測法來進行分析，其結果顯示在顯著水準 0.05 下，蘇澳港月平均波浪資料符合原假設狀況，即歸納為無趨勢的資料； 然而，若採用考慮季節性變化的 Seasonal Kendall 趨勢檢定法，將每年 3~5 月、6~8 月、9~11 月及 12~2 月分為四個季節指標，在顯著水準 0.05 的情況下，蘇澳港月平均波浪資料的不符合原假設是為一含有趨勢的 資料集，其年增率經計算為 0.0133m/year，如圖 2.16 所示。 圖 2.16 蘇澳港月平均波浪採用 Seasonal-Kendall 趨勢檢定法的結果

將蘇澳港逐時波高資料進行 EMD 分解後的趨勢線示如圖 2.17。 圖中藍色細線為逐時資料，紅色粗線為利用 EMD[Huang]分解後回歸所 得的趨勢線，綠色粗線則為經 EMD[Rilling]分解後回歸所得的趨勢線。 此外另採用波高的日平均資料、月平均資料及年平均資料來進行分析。 圖 2.18、圖 2.19 及圖 2.20 分別為以日平均、月平均及年平均波高進 行 EMD 分解後的趨勢線。 圖 2.17 蘇澳港逐時波浪資料與 EMD 分析後的趨勢線 圖 2.18 蘇澳港日平均波浪資料與 EMD 分析後的趨勢線

圖 2.19 蘇澳港月平均波浪資料與 EMD 分析後的趨勢線 圖 2.20 蘇澳港年平均波浪資料與 EMD 分析後的趨勢線 經多種趨勢檢定方法與各種資料取樣方式的分析結果如表 2.6，其 結果顯示不論是以逐時取樣、月平均或年平均取樣方式所計算出來的 結果除了 EMD[Huang]逐時樣本之外年增率皆為正值，雖然各種取樣方 式不同造成年增率有所差異，但整體而言蘇澳港自 1999 年至 2012 年 間的波浪趨勢是屬於增加的。而各種方法與取樣方式的比較可以發現， 線性回歸在不同取樣方式下其回歸結果相近，而兩種 EMD 分解法在同 樣的取樣方式下結也較無一致的結果，其中 EMD[Huang]在不同取樣狀

況下其結果差異較大，尤其是在逐時資料的分析結果取其他趨勢分析 方法有很大的差異。本計畫所分析的結果蘇澳港波高皆屬於逐年增加 的，不考量差異較大的分析結果其年增率為 0.0090 至 0.0284 m/year。 但若以趨勢檢定法的特性而言，無母數分析的 Seasonal Kendall 趨勢檢 定法可適用於資料缺漏與週期性變化的情形，其分析結果蘇澳港波高 年增率為 0.0133 m/year。 表 2.6 蘇澳港長期波高趨勢分析結果 分析與取樣方式 年增率(m/year) 逐時資料線性趨勢 0.0155 月平均線性趨勢 0.0173 年平均線性趨勢 0.0186 Seasonal Kendall 趨勢檢定 0.0133 EMD[Huang](逐時) -0.0429 EMD[Huang](日平均) 0.0162 EMD[Huang](月平均) 0.0090 EMD[Huang](年平均) 0.0284 EMD[Rilling](逐時) 0.0134 EMD[Rilling](日平均) 0.0234 EMD[Rilling](月平均) 0.0252 EMD[Rilling](年平均) 0.0235