雲解析模式對臺灣梅雨季豪大雨定量降水預報技術之評估研究

全文

(1)國立臺灣師範大學理學院地球科學研究所碩士論文 Graduate Institute of Earth Sciences College of Science National Taiwan Normal University Master Thesis. 指導教授：王重傑. 博士. Advisors: Chung- Chieh Wang, Ph.D.. 雲解析模式對臺灣梅雨季豪大雨定量降水預報技術之評估研究 An Evaluation of Quantitative Precipitation Forecast Skill for Mei-Yu Heavy-Rainfall Events in Taiwan by a Cloud-Resolving Model. 研究生：莊璧瑜. 撰. Student: Pi- Yu Chuang 西元 2015 年 06 月 June, 2015.

(2) 國立臺灣師範大學地球科學研究所碩士論文. 指導教授：王重傑. 博士. 雲解析模式對臺灣梅雨季豪大雨定量降水預報技術之評估研究. 研究生：莊璧瑜. 撰. 西元 2015 年 06 月.

(3) 致謝糊里糊塗懵懵懂懂，潮起潮落跌跌撞撞，成就一顆小小的強心臟，非堅不可摧，卻也歷經躊躇不前的焦慮無助感，重捨自己的堅定，咬緊牙關，一步又一步的走向，碩士學業終點站。回顧過往所遇所學，總有瓶頸之際，慶幸的是，有師長的指導、學長姐的幫助及同儕朋友的陪伴，冷暖點滴在心頭。謝謝指導教授王重傑老師，不論是專業知識的分享或研究內容的指引，重傑老師讓我漸漸瞭解獨立思考與合理推論的重要性。謝謝口試委員陳泰然老師、侯昭平老師、黃婉如老師和簡芳菁老師等抽空參與及建議給予，讓我的研究內容更接近完整。謝謝授課老師們的傳道、受業、解惑。謝謝尹懋、智昇、允薇、子鈞、怡文、心怡、子睿、端鞠、騰平、世豪、鑫澔、伯勳、柏翰等學長姐在程式設計的傳授、研究資源的協助、知識領域的當頭棒喝與提點。謝謝歡樂辦公室的美鳳姊、玉秀學姊、冠鈞學長、沛語學姊、士然學長、家餘學弟等將單一色彩的研究生活染上不同的 RGB 色調，如同彩虹一般，紅橙黃綠藍靛紫。謝謝維華、眾球友、眾室友、靄令、花媽、月亮、Zero、阿彭、秋葵、呀嘿、葉娜、鳳茹、欣妤、彥超、禹涵、稚偉、紹霖等同儕朋友的閒話家常、相互打氣及課業討論。謝謝我的家人，花太太、莊先生及派大星一路在增齡與成長過程中的支持與愛護。迄今種種要感謝的人事物太多了，那就感謝天吧！致謝為近三個寒暑的研究生身份標上句點，文字編輯成頁，知識裝訂成冊，瀏覽文獻，繫上書籤，下一站，敬未來。. 小璧＠臺師大理學院 B403 研究生辦公室 2015.06.. I.

(4) 摘要本論文為探討雲解析模式對臺灣梅雨季豪大雨的定量降水預報技術。在 2005 年之前的梅雨季 12-h 定量降水預報技術評估中，其結果表示，模式對小雨雨量門檻的預報技術較有掌握，而對中雨及大雨雨量門檻的預報技術不佳（ETS 介於 0.05～0.15）。本論文依降雨事件的雨勢規模之不同，將其設計成七個組別，並使用五種技術得分（TS、BS、POD、FAR 及 OR）和設定 13 個雨量門檻（0.05、 2.5、10、25、50、75、100、130、160、200、250、350 及 500 mm），評估 2012～2014 年臺灣梅雨季各組的三天 24-h 定量降水預報技術，而 2.5 km 和 5 km 網格間距的模式預報技術之評估結果較過去十年為佳。針對不同雨量門檻累計的所有項目（hit、false alarm、miss 及 correct negative）之總雨量站數後，再計算設計組別的技術得分，由評估結果知，在各雨量門檻，模式對雨勢規模較大的降雨事件之預報技術較雨勢規模較小者為佳，即「當降雨事件的雨勢規模越大時，模式的定量降水預報技術越佳。」且在中高雨量門檻（50～500 mm），模式對規模大的降雨事件之預報技術也較佳，即對可能成災的豪大雨事件預報技術較佳。本論文另比較 2.5 km 和 5 km 網格間距的模式預報技術，其結果表示，當模式解析度提高時，對雨勢規模較大的降雨事件有較佳的預報技術，尤其是在中高雨量門檻（50～500 mm）。同時，在規模大的豪大雨預報不足方面，2.5 km 較 5 km 網格間距的模式預報有所改善，且隨模式預報時間拉長，預報技術降低的速率也較慢。因此，「當模式的解析度提高時，模式對規模大的豪大雨事件之定量降水預報技術較佳。」. 關鍵字：臺灣梅雨季、定量降水預報、豪大雨事件、技術得分. II.

(5) ABSTRACT This study is focused on the quantitative precipitation forecasts (QPFs) for heavy-rainfall events in Taiwan mei-yu season by a Cloud-Resolving Storm Simulator (CReSS). According to the result of the 12-h QPFs evaluation before 2005, the ensemble model didn't catch the skill at the medium and high thresholds but the low thresholds. However, there is a better result of the 24-h QPFs by CReSS than before in this study. After the category of rainfall events by the rainfall among and magnitude, we use 5 skill scores (TS, BS, POD, FAR, and OR) to evalue the QPFs for each groups at 13 thresholds (0.05, 2.5, 10, 25, 50, 75, 100, 130, 160, 200, 250, 350, and 500 mm) in Taiwan mei-yu season form 2012 to 2014. The result in this study is that CReSS is more skillful when the rainfall among and magnitude of events is higher and bigger, especially at 50-500 mm threshold. What's more, we compare the different horizontal resolution of the QPFs for heavy-rainfall events by CReSS. And the interval of grids in CReSS is 2.5-km and 5-km. The result of the comparison is that CReSS is more skillful when the horizontal resolution is higher, especially at 50-500 mm threshold. Besides, the higher resolution CReSS is, the less underforecast will be at 50-500 mm threshold.. Keyword: Taiwan mei-yu season, quantitative precipitation forecast, heavy-rainfall event, skill score. III.

(6) 目錄致謝. I. 摘要. II. ABSTRACT. III. 目錄. IV. 圖表目錄. VI. 第一章前言. 1. 第二章資料來源及研究方法. 3. 一、二、三、四、. 3 3 5 6. 資料來源模式簡介模式預報設定研究方法. 第三章細網格模式預報技術評估. 10. 一、雨勢規模大者之個案二、雨勢規模小者之個案三、細網格模式預報技術評估. 10 16 18. 第四章粗網格模式預報技術評估. 24. 一、雨勢規模大者之個案二、雨勢規模小者之個案. 24 26. 三、粗網格模式預報技術評估. 28. IV.

(7) 第五章討論. 34. 一、技術得分計算方式與應用二、梅雨季和颱風雨之預報技術比較三、梅雨季豪大雨事件. 34 37 38. 第六章總結. 40. 參考文獻. 42. 圖表. 44. V.

(8) 圖表目錄表 2.1. CReSS 模式預報基本設定。. 表 2.2. 依自訂的雨勢規模標準之分組結果。第 1 欄位為各組名稱；第 2～7 欄位為各組在各年份及初始時間之事件數；第 8 欄位為各組事件之總數；第 9 欄位為各組總事件數占所有事件數（共 337 筆）之百分比例（配合圖 2.5）。 45. 表 2.3. 依自訂的雨勢規模標準之分組結果。第 1 欄位為 13 個雨量門檻，第 2 ～7 欄位為各組在各雨量門檻之事件數。 46. 表 2.4. 一個 2 × 2 聯列表格（contingency table）。在某一雨量門檻的預報命中. 44. （hit，代號 a）、錯誤預報（false alarm，代號 b）、預報失誤（miss，代號 c）及正確預報未達到雨量門檻（correct negative，代號 d）之雨量站點總數統計表。 47 表 3.1. 配合圖 3.2 之 2012 年 6 月 9 日～11 日 TS 得分。為了更詳細知道 2.5 km 網格間距的模式對 6 月 10 日、11 日及 12 日的定量降水預報技術，而列出模式在 10 mm 中雨門檻、50 mm 大雨門檻、130 mm 豪雨門檻、 200 mm 大豪雨門檻及 350 mm 超大豪雨門檻之 TS 得分。紅色為 2.5 km＜5 km 之 TS。 47. 表 3.2. 同表 3.1，但為配合圖 3.4 之 2013 年 5 月 17 日～19 日 TS 得分。為了更詳細知道 2.5 km 網格間距的模式對 5 月 18 日、19 日及 20 日的定量降水預報技術。紅色為 2.5 km＜5 km 之 TS。 48. 表 3.3. 同表 3.1，但為配合圖 3.6 之 2014 年 5 月 18 日～20 日 TS 得分。為了更詳細知道 2.5 km 網格間距的模式對 5 月 19 日、20 日及 21 日的定量降水預報技術。紅色為 2.5 km＜5 km 之 TS。 48. 表 3.4. 配合圖 3.13，2.5 km 網格間距的模式第一天定量降水預報技術之 TS 得分評估結果。第 1 欄位為雨量門檻，單位為公釐（mm）；第 2～7 欄位為不同雨勢規模組別之 TS 得分，依序為 A++、A、B、C、D 及刪除颱風組。 49. 表 3.5. 續表 3.4，但為配合圖 3.14，2.5 km 網格間距的模式第二天及第三天定量降水預報技術之 TS 得分評估結果。 50. 表 3.6. 配合圖 3.15，2.5 km 網格間距的模式第一天定量降水預報技術之 BS 得分評估結果。第 1 欄位為雨量門檻，單位為公釐（mm）；第 2～7 欄位為不同雨勢規模組別之 BS 得分，依序為 A++、A、B、C、D 及刪除颱風組。 51 VI.

(9) 表 3.7. 續表 3.6，但為配合圖 3.16，2.5 km 網格間距的模式第二天及第三天定量降水預報技術之 BS 得分評估結果。. 52. 表 3.8. 配合圖 3.17，2.5 km 網格間距的模式第一天定量降水預報技術之 POD 得分評估結果。第 1 欄位為雨量門檻，單位為公釐（mm）；第 2～7 欄位為不同雨勢規模組別之 POD 得分，依序為 A++、A、B、C、D 及刪除颱風組。 53. 表 3.9. 續表 3.8，但為配合圖 3.18，2.5 km 網格間距的模式第二天及第三天定量降水預報技術之 POD 得分評估結果。 54. 表 3.10. 配合圖 3.19，2.5 km 網格間距的模式第一天定量降水預報技術之 FAR 得分評估結果。第 1 欄位為雨量門檻，單位為公釐（mm）；第 2～7 欄位為不同雨勢規模組別之 FAR 得分，依序為 A++、A、B、C、D 及刪除颱風組。 55. 表 3.11. 續表 3.10，但為配合圖 3.20，2.5 km 網格間距的模式第二天及第三天定量降水預報技術之 FAR 得分評估結果。 56. 表 3.12. 配合圖 3.21，2.5 km 網格間距的模式第一天定量降水預報技術之得分評估結果。第 1 欄位為雨量門檻，單位為公釐（mm）；第 2～7 欄位為不同雨勢規模組別之得分，依序為 A++、A、B、C、D 及刪除颱風組。 57. 表 3.13. 續表 3.12，但為配合圖 3.22，2.5 km 解析度的模式第二天及第三天定量降水預報技術之. 得分評估結果。. 58. 表 4.1. 同表 3.1，但為配合圖 4.2，5 km 網格間距的模式在 2012 年 6 月 9 日～11 日的三天定量降水預報之 TS 得分。紅色為 2.5 km＜5 km。 59. 表 4.2. 同表 3.2，但為配合圖 4.4，5 km 網格間距的模式在 2013 年 5 月 17 日～19 日的三天定量降水預報之 TS 得分。紅色為 2.5 km＜5 km。 59. 表 4.3. 同表 3.3，但為配合圖 4.6，5 km 網格間距的模式在 2014 年 5 月 18 日～20 日的三天定量降水預報之 TS 得分。紅色為 2.5 km＜5 km。 59. 表 4.4. 配合圖 4.28～圖 4.33，2.5 km 減去 5 km 網格間距的模式預報第一天之 TS 得分。第 1 欄位為雨量門檻，單位為公釐（mm）；第 2～7 欄位為二者在不同雨勢規模組別之 TS 得分差異值，依序為 A++、A、B、C、 D 及刪除颱風組。黑色數字表示 2.5 km 之 TS 得分較高；紅色數字表示 2.5 km 之 TS 得分較低。（2.5 km 網格間距的模式預報之 TS 得分請參閱表 3.4） 60. 表 4.5. 續表 4.4，但為 2.5 km 和 5 km 網格間距的模式預報第二天及第三天之 VII.

(10) TS 得分差異值。（2.5 km 網格間距的模式預報之 TS 得分請參閱表 3.5） 61 表 4.6. 配合圖 4.34～圖 4.39，2.5 km 減去 5 km 網格間距的模式預報第一天之 BS 得分。第 1 欄位為雨量門檻，單位為公釐（mm）；第 2～7 欄位為二者在不同雨勢規模組別之 BS 得分差異值，依序為 A++、A、B、C、 D 及刪除颱風組。黑色數字表示 2.5 km 之 BS 得分較高；紅色數字表示 2.5 km 之 BS 得分較低；黃色網底表示 2.5 km 之 BS 得分＜1（其餘皆為 2.5 km 之 BS 得分≧1）。（2.5 km 網格間距的模式預報之 BS 得分請參閱表 3.6） 62. 表 4.7. 續表 4.6，但為 2.5 km 和 5 km 網格間距的模式預報第二天及第三天之 BS 得分差異值。（2.5 km 網格間距的模式預報之 BS 得分請參閱表 3.7） 63. 表 4.8. 配合圖 4.40～圖 4.45，2.5 km 減去 5 km 網格間距的模式預報第一天之 POD 得分。第 1 欄位為雨量門檻，單位為公釐（mm）；第 2～7 欄位為二者在不同雨勢規模組別之 POD 得分差異值，依序為 A++、A、B、 C、D 及刪除颱風組。黑色數字表示 2.5 km 之 POD 得分較高；紅色數字表示 2.5 km 之 POD 得分較低。（2.5 km 網格間距的模式預報之 POD 得分請參閱表 3.8） 64. 表 4.9. 續表 4.8，但為 2.5 km 和 5 km 網格間距的模式預報第二天及第三天之 POD 得分差異值。（2.5 km 網格間距的模式預報之 POD 得分請參閱表 3.9）. 65. 表 4.10. 配合圖 4.46～圖 4.51，2.5 km 減去 5 km 網格間距的模式預報第一天之 FAR 得分。第 1 欄位為雨量門檻，單位為公釐（mm）；第 2～7 欄位為二者在不同雨勢規模組別之 FAR 得分差異值，依序為 A++、A、B、 C、D 及刪除颱風組。黑色數字表示 2.5 km 之 FAR 得分較高（錯誤預報率較高）；紅色數字表示 2.5 km 之 FAR 得分較低（錯誤預報率較低）。（2.5 km 網格間距的模式預報之 FAR 得分請參閱表 3.10） 66. 表 4.11. 續表 4.10，但為 2.5 km 和 5 km 網格間距的模式預報第二天及第三天之 FAR 得分差異值。（2.5 km 網格間距的模式預報之 FAR 得分請參閱表 3.11）. 表 4.12. 67. 配合圖 4.52～圖 4.57，2.5 km 減去 5 km 網格間距的模式預報第一天之得分。第 1 欄位為雨量門檻，單位為公釐（mm）；第 2～7 欄位為二者在不同雨勢規模組別之得分差異值，依序為 A++、A、B、 C、D 及刪除颱風組。黑色數字表示 2.5 km 之得分較高；紅色數字表示 2.5 km 之得分較低。（2.5 km 網格間距的模式預報之 VIII.

(11) 得分請參閱表 3.12）. 68. 表 4.13. 續表 4.12，但為 2.5 km 和 5 km 網格間距的模式預報第二天及第三天之得分差異值。（2.5 km 網格間距的模式預報之得分請參閱表 3.13） 69. 表 4.14. 配合圖 4.52～圖 4.57，2.5 km 除以 5 km 網格間距的模式預報第一天之得分。第 1 欄位為雨量門檻，單位為公釐（mm）；第 2～7 欄位為二者在不同雨勢規模組別之得分比值，依序為 A++、A、B、 C、D 及刪除颱風組。黑色數字表示 2.5 km 之得分較高；紅色數字表示 2.5 km 之得分較低。（2.5 km 網格間距的模式預報之得分請參閱表 3.12） 70. 表 4.15. 續表 4.14，但為 2.5 km 和 5 km 網格間距的模式預報第二天及第三天之得分比值。（2.5 km 網格間距的模式預報之得分請參閱表 3.13） 71. 表 4.16. 二模式對 A++組第一天預報，在 200 mm 雨量門檻之聯列表格雨量站數目統計。紫色為 2.5 km；藍色為 5 km。 72. 表 4.17. 同表 5.13，但為 500 mm 雨量門檻。. 表 4.18. 二模式對 A++組第二天預報，在 200 mm 雨量門檻之聯列表格雨量站數目統計。紫色為 2.5 km；藍色為 5 km。 72. 表 4.19. 同表 5.15，但為 350 mm 雨量門檻。. 表 4.20. 二模式對 A++組第三天預報，在 200 mm 雨量門檻之聯列表格雨量站數目統計。紫色為 2.5 km；藍色為 5 km。 73. 表 4.21. 同表 5.17，但為 250 mm 雨量門檻。. 72. 73. 73. 圖 1.1. 1981～2010 年中央氣象局 25 個局屬氣象站之月平均降水量及年平均降水量氣候統計值。（資料來源中央氣象局） 74. 圖 1.2. （a）2001 年梅雨季，5 km 網格間距的模式 12-h 定量降水預報技術得分 ETS，紅色線為第 12～24 小時最佳預報時段之技術得分（摘自 Hong, 2003）、（b）2003 年梅雨季，15 km 網格間距的模式第 12～24 小時定量降水預報技術得分 ETS，紅色線為系集模式之技術得分（摘自簡等，2005）、（c）同圖 b，但為第 24～36 小時。橫軸皆為雨量門檻，單位為公釐（mm）；縱軸皆為 ETS 得分。 75. 圖 1.3. 將 2010～2012 年的 15 個颱風降雨事件，先依照雨勢規模大小進行分組後，再計算各組的 TS 得分之第一天預報技術評估結果。依雨勢規模 IX.

(12) 由大至小之順序為黑色線 Group A（超過 50 個雨量站之 24-h 累積雨量達 100 mm）→紅色線 Group B（超過 50 個雨量站之 24-h 累積雨量達 50 mm）→藍色線 Group C（超過 50 個雨量站之 24-h 累積雨量達 25 mm）→綠色線 Group D（未被列入 A、B 及 C 組之剩餘的颱風降雨事件）。橘色線 Top 5 為最多雨的 5 個颱風降雨事件；桃紅色線 Avg 為未依雨勢規模大小進行分組之結果，即直接將 15 個颱風降雨事件全部合併在一起評估的方式。橫軸為雨量門檻，單位為公釐（mm）；縱軸為 TS 得分。（摘自 Wang, 2014） 76 圖 2.1. CReSS 模式冷雲過程中，各種水相與冰相粒子間轉換之雲微物理過程示意圖。其中、、、以及分別為雲水、雨水、雲冰、雪及軟雹之混合比。NUAvi 表澱積核形成（deposition or sorption nucleation）； NUCci 表接觸凍結核形成（contact nucleation）；NUHci 表均質凍結核形成（homogeneous nucleation）；SP 表二次冰晶生成（secondary nucleation of ice crystals）；VD 表水蒸氣之澱積、蒸發及昇華（vapor deposition, evaporation and sublimation）；CL 表合併收集（collection）； AG 表凝集（aggregation）；CN 表粒子間轉換（conversation）；ML 表融解（melting）；FR 表凍結（freezing）；SH 表液態水的剝離（shedding of liquid water）。 77. 圖 2.2. 5 km 網格間距的模式預報範圍：經度約 116～126°E；緯度約 19.5～ 27.5°N。 78. 圖 2.3. 2.5 km 網格間距的模式預報範圍：經度約 115～129°E；緯度約 18～ 28.5°N。紅色方框為 5 km 網格間距的模式預報範圍。 78. 圖 2.4. 臺灣雨量站位置分布圖。藍色圓點為中央氣象局自動雨量站及局屬氣象站位置；色階為地形，單位為公尺（m）。 79. 圖 2.5. 依自訂的雨勢規模標準之分組結果。在 337 筆的總事件數中，各組所占的百分比例圓餅圖。 79. 圖 2.6. 在一定量降水預報技術評估區域（紫底紫框之矩形，代號 N）中，達到某一雨量門檻的觀測雨區（黃底紅框之橢圓，代號 O）、預報雨區（藍色虛線之橢圓，代號 F）及命中雨區（觀測雨區和預報雨區之交集處，代號 H）之示意圖。. 80. 圖 2.7. 2012～2014 年 5、6 月全臺雨量站平均之 24-h 累積雨量時序圖。左欄位為 5 月，右欄位為 6 月；第 1～3 列依序為 2012、2013 及 2014 年；橫軸為日期，以 UTC 為準；縱軸為雨量值，單位為公釐（mm）。 81. 圖 3.1. 觀測與 2.5 km 網格間距的模式預報之 24-h 累積雨量圖（時間以 UTC X.

(13) 為準）。第 1 列為 2012 年 6 月 9 日～13 日之觀測雨量圖，圖上標示為該天日期及雨勢規模組別代號；第 2～4 列依序為 6 月 9 日、10 日及 11 日之 2.5 km 網格間距的模式三天預報雨量圖，圖上標示為模式預報之日期及第一天、第二天或第三天之預報，以 D1、D2 及 D3 表示。 82 圖 3.2. 2.5 km 網格間距的模式在 2012 年 6 月 9 日～11 日 00 UTC 的三天定量降水預報評估之技術得分折線圖。左欄位為 TS，右欄位為 BS；黑色線條為第一天（第 0～24 小時）之技術得分，紅色線條為第二天（第 24～48 小時）之技術得分，藍色線條為第三天（第 48～72 小時）之技術得分；橫軸為雨量門檻，單位為公釐（mm）；縱軸為技術得分分數。 83. 圖 3.3. 同圖 3.1，但為 2013 年 5 月 17 日～21 日觀測雨量圖及 5 月 17 日、18 日及 19 日之 2.5 km 網格間距的模式三天預報雨量圖。 84. 圖 3.4. 2.5 km 網格間距的模式在 2013 年 5 月 17 日～19 日 00 UTC 的三天定量降水預報評估之技術得分折線圖。左欄位為 TS，右欄位為 BS；黑色線條為第一天（第 0～24 小時）之技術得分，紅色線條為第二天（第 24～48 小時）之技術得分，藍色線條為第三天（第 48～72 小時）之技術得分；橫軸為雨量門檻，單位為公釐（mm）；縱軸為技術得分分數。 85. 圖 3.5. 同圖 3.1，但為 2014 年 5 月 18 日～22 日觀測雨量圖及 5 月 18 日、19 日及 20 日之 2.5 km 網格間距的模式三天預報雨量圖。. 86. 圖 3.6. 2.5 km 網格間距的模式在 2014 年 5 月 18 日～20 日 00 UTC 的三天定量降水預報評估之技術得分折線圖。左欄位為 TS，右欄位為 BS；黑色線條為第一天（第 0～24 小時）之技術得分，紅色線條為第二天（第 24～48 小時）之技術得分，藍色線條為第三天（第 48～72 小時）之技術得分；橫軸為雨量門檻，單位為公釐（mm）；縱軸為技術得分分數。 87. 圖 3.7. 同圖 3.1，但為 2012 年 5 月 23 日～27 日觀測雨量圖及 5 月 23 日、24 日及 25 日之 2.5 km 網格間距的模式三天預報雨量圖。 88. 圖 3.8. 2.5 km 網格間距的為模式在 2012 年 5 月 23 日～25 日 00 UTC 的三天定量降水預報評估之技術得分折線圖。左欄位為 TS，右欄位為 BS；黑色線條為第一天（第 0～24 小時）之技術得分，紅色線條為第二天（第 24～48 小時）之技術得分，藍色線條為第三天（第 48～72 小時）之技術得分；橫軸為雨量門檻，單位為公釐（mm）；縱軸為技術得分分數。 89 XI.

(14) 圖 3.9. 同圖 3.1，但為 2013 年 6 月 13 日～17 日觀測雨量圖及 6 月 13 日、14 日及 15 日之 2.5 km 網格間距的模式三天預報雨量圖。. 90. 圖 3.10 2.5 km 網格間距的為模式在 2013 年 6 月 13 日～15 日 00 UTC 的三天定量降水預報評估之技術得分折線圖。左欄位為 TS，右欄位為 BS；黑色線條為第一天（第 0～24 小時）之技術得分，紅色線條為第二天（第 24～48 小時）之技術得分，藍色線條為第三天（第 48～72 小時）之技術得分；橫軸為雨量門檻，單位為公釐（mm）；縱軸為技術得分分數。 91 圖 3.11. 同圖 3.1，但為 2014 年 5 月 23 日～27 日觀測雨量圖及 5 月 23 日、 24 日及 25 日之 2.5 km 網格間距的模式三天預報雨量圖。 92. 圖 3.12 2.5 km 網格間距的為模式在 2014 年 5 月 23 日～25 日 00 UTC 的三天定量降水預報評估之技術得分折線圖。左欄位為 TS，右欄位為 BS；黑色線條為第一天（第 0～24 小時）之技術得分，紅色線條為第二天（第 24～48 小時）之技術得分，藍色線條為第三天（第 48～72 小時）之技術得分；橫軸為雨量門檻，單位為公釐（mm）；縱軸為技術得分分數。 93 圖 3.13. 配合表 3.4，2012～2014 年 5、6 月，2.5 km 網格間距的模式對臺灣梅雨季定量降水技術之模式第一天預報的 TS 得分評估結果。青色米字標記為 A++組；藍色菱形標記為 A 組；紅色方形標記為 B 組；綠色三角形標記為 C 組；紫色十字標記為 D 組；橘色圓形標記為刪除颱風組。橫軸為雨量門檻，單位為公釐（mm）；縱軸為 TS 得分。. 94. 圖 3.14. 續圖 3.13，但為配合表 3.5，（a）2.5 km 網格間距的模式第二天預報的 TS 得分評估結果、（b）2.5 km 網格間距的模式第三天預報的 TS 得分評估結果。 95. 圖 3.15. 配合表 3.6，2012～2014 年 5、6 月，2.5 km 網格間距的模式對臺灣梅雨季定量降水技術之模式第一天預報的 BS 得分評估結果。青色米字標記為 A++組；藍色菱形標記為 A 組；紅色方形標記為 B 組；綠色三角形標記為 C 組；紫色十字標記為 D 組；橘色圓形標記為刪除颱風組。橫軸為雨量門檻，單位為公釐（mm）；縱軸為 BS 得分。 96. 圖 3.16. 續圖 3.15，但為配合表 3.7，（a）2.5 km 網格間距的模式第二天預報的 BS 得分評估結果、（b）2.5 km 網格間距的模式第三天預報的 BS 得分評估結果。 97. 圖 3.17. 配合表 3.8，2012～2014 年 5、6 月，2.5 km 網格間距的模式對臺灣梅雨季定量降水技術之模式第一天預報的 POD 得分評估結果。青色米 XII.

(15) 字標記為 A++組；藍色菱形標記為 A 組；紅色方形標記為 B 組；綠色三角形標記為 C 組；紫色十字標記為 D 組；橘色圓形標記為刪除颱風組。橫軸為雨量門檻，單位為公釐（mm）；縱軸為 POD 得分。 98 圖 3.18. 續圖 3.17，但為配合表 3.9，（a）2.5 km 網格間距的模式第二天預報的 POD 得分評估結果、（b）2.5 km 網格間距的模式第三天預報的 POD 得分評估結果。 99. 圖 3.19. 配合表 3.10，2012～2014 年 5、6 月，2.5 km 網格間距的模式對臺灣梅雨季定量降水技術之模式第一天預報的 FAR 得分評估結果。青色米字標記為 A++組；藍色菱形標記為 A 組；紅色方形標記為 B 組；綠色三角形標記為 C 組；紫色十字標記為 D 組；橘色圓形標記為刪除颱風組。橫軸為雨量門檻，單位為公釐（mm）；縱軸為 FAR 得分。 100. 圖 3.20. 續圖 3.19，但為配合表 3.11，（a）2.5 km 網格間距的模式第二天預報的 FAR 得分評估結果、（b）2.5 km 網格間距的模式第三天預報的 FAR 得分評估結果。. 101. 圖 3.21. 配合表 3.12，2012～2014 年 5、6 月，2.5 km 網格間距的模式對臺灣梅雨季定量降水技術之模式第一天預報的得分評估結果。青色米字標記為 A++組；藍色菱形標記為 A 組；紅色方形標記為 B 組；綠色三角形標記為 C 組；紫色十字標記為 D 組；橘色圓形標記為刪除颱風組。橫軸為雨量門檻，單位為公釐（mm）；縱軸為得分。 102. 圖 3.22. 續圖 3.21，但為配合表 3.13，（a）2.5 km 網格間距的模式第二天預報的得分評估結果、（b）2.5 km 網格間距的模式第三天預報的得分評估結果。 103. 圖 4.1. 觀測與 5 km 網格間距的模式預報之 24-h 累積雨量圖（時間以 UTC 為準）。第 1 列為 2012 年 6 月 9 日～13 日之觀測雨量圖，圖上標示為該天日期及雨勢規模組別代號；第 2～4 列依序為 6 月 9 日、10 日及 11 日之 5 km 網格間距的模式三天預報雨量圖，模式初始時間皆為 00 UTC，圖上標示為模式預報之日期及第一天、第二天或第三天之預報，以 D1、D2 及 D3 表示。 104. 圖 4.2. 5 km 網格間距的模式在 2012 年 6 月 9 日～11 日 00 UTC 的三天定量降水預報評估之技術得分折線圖。左欄位為 TS，右欄位為 BS；黑色線條為第一天（第 0～24 小時）之技術得分，紅色線條為第二天（第 24～48 小時）之技術得分，藍色線條為第三天（第 48～72 小時）之技術得分；橫軸為雨量門檻，單位為公釐（mm）；縱軸為技術得分分數。 105. XIII.

(16) 圖 4.3. 同圖 4.1，但為 2013 年 5 月 17 日～21 日觀測雨量圖及 5 月 17 日、18 日及 19 日之 5 km 網格間距的模式三天預報雨量圖。. 106. 圖 4.4. 5 km 網格間距的模式在 2013 年 5 月 17 日～19 日 00 UTC 的三天定量降水預報評估之技術得分折線圖。左欄位為 TS，右欄位為 BS；黑色線條為第一天（第 0～24 小時）之技術得分，紅色線條為第二天（第 24～48 小時）之技術得分，藍色線條為第三天（第 48～72 小時）之技術得分；橫軸為雨量門檻，單位為公釐（mm）；縱軸為技術得分分數。 107. 圖 4.5. 同圖 4.1，但為 2014 年 5 月 18 日～22 日觀測雨量圖及 5 月 18 日、19 日及 20 日之 5 km 網格間距的模式三天預報雨量圖。 108. 圖 4.6. 5 km 網格間距的模式在 2014 年 5 月 18 日～20 日 00 UTC 的三天定量降水預報評估之技術得分折線圖。左欄位為 TS，右欄位為 BS；黑色線條為第一天（第 0～24 小時）之技術得分，紅色線條為第二天（第 24～48 小時）之技術得分，藍色線條為第三天（第 48～72 小時）之技術得分；橫軸為雨量門檻，單位為公釐（mm）；縱軸為技術得分分數。 109. 圖 4.7. 同圖 4.1，但為 2012 年 5 月 23 日～27 日觀測雨量圖及 5 月 23 日、24 日及 25 日之 5 km 網格間距的模式三天預報雨量圖。 110. 圖 4.8. 5 km 網格間距的為模式在 2012 年 5 月 23 日～25 日 00 UTC 的三天定量降水預報評估之技術得分折線圖。左欄位為 TS，右欄位為 BS；黑色線條為第一天（第 0～24 小時）之技術得分，紅色線條為第二天（第 24～48 小時）之技術得分，藍色線條為第三天（第 48～72 小時）之技術得分；橫軸為雨量門檻，單位為公釐（mm）；縱軸為技術得分分數。 111. 圖 4.9. 同圖 4.1，但為 2013 年 6 月 13 日～17 日觀測雨量圖及 6 月 13 日、14 日及 15 日之 5 km 網格間距的模式三天預報雨量圖。 112. 圖 4.10 5 km 網格間距的為模式在 2013 年 6 月 13 日～15 日 00 UTC 的三天定量降水預報評估之技術得分折線圖。左欄位為 TS，右欄位為 BS；黑色線條為第一天（第 0～24 小時）之技術得分，紅色線條為第二天（第 24～48 小時）之技術得分，藍色線條為第三天（第 48～72 小時）之技術得分；橫軸為雨量門檻，單位為公釐（mm）；縱軸為技術得分分數。 113 圖 4.11. 同圖 4.1，但為 2014 年 5 月 23 日～27 日觀測雨量圖及 5 月 23 日、 24 日及 25 日之 5 km 網格間距的模式三天預報雨量圖。 114 XIV.

(17) 圖 4.12 5 km 網格間距的為模式在 2014 年 5 月 23 日～25 日 00 UTC 的三天定量降水預報評估之技術得分折線圖。左欄位為 TS，右欄位為 BS；黑色線條為第一天（第 0～24 小時）之技術得分，紅色線條為第二天（第 24～48 小時）之技術得分，藍色線條為第三天（第 48～72 小時）之技術得分；橫軸為雨量門檻，單位為公釐（mm）；縱軸為技術得分分數。 115 圖 4.13. 同圖 3.13，但為 5 km 網格間距的模式第一天預報之 TS 得分評估結果。 116. 圖 4.14. 同圖 3.14.a，但為 5 km 網格間距的模式第二天預報之 TS 得分評估結果。 116. 圖 4.15. 同圖 3.14.b，但為 5 km 網格間距的模式第三天預報之 TS 得分評估結果。 117. 圖 4.16. 同圖 3.15，但為 5 km 網格間距的模式第一天預報之 BS 得分評估結果。 117. 圖 4.17. 同圖 3.16.a，但為 5 km 網格間距的模式第二天預報之 BS 得分評估結果。 118. 圖 4.18. 同圖 3.16.b，但為 5 km 網格間距的模式第三天預報之 BS 得分評估結果。 118. 圖 4.19. 同圖 3.17，但為 5 km 網格間距的模式第一天預報之 POD 得分評估結果。 119. 圖 4.20. 同圖 3.18.a，但為 5 km 網格間距的模式第二天預報之 POD 得分評估結果。 119. 圖 4.21. 同圖 3.18.b，但為 5 km 網格間距的模式第三天預報之 POD 得分評估結果。 120. 圖 4.22. 同圖 3.19，但為 5 km 網格間距的模式第一天預報之 FAR 得分評估結果。 120. 圖 4.23. 同圖 3.20.a，但為 5 km 網格間距的模式第二天預報之 FAR 得分評估結果。. 121. 圖 4.24. 同圖 3.20.b，但為 5 km 網格間距的模式第三天預報之 FAR 得分評估結果。 121. 圖 4.25. 同圖 3.21，但為 5 km 網格間距的模式第一天預報之果。 XV. 得分評估結 122.

(18) 圖 4.26. 同圖 3.22.a，但為 5 km 網格間距的模式第二天預報之結果。. 得分評估 122. 圖 4.27. 同圖 3.22.b，但為 5 km 網格間距的模式第三天預報之結果。. 得分評估 123. 圖 4.28. 配合表 4.4 及表 4.5，2.5 km 與 5 km 網格間距的模式對 A++組的三天定量降水預報技術評估之 TS 得分比較。黑、紅及藍色分別為 2.5 km 網格間距的模式預報第一、二及三天之 TS 得分；淺灰、淺紅及淺藍色分別為 5 km 網格間距的模式預報第一、二及三天之 TS 得分。橫軸為雨量門檻，單位為公釐（mm）；縱軸為 TS 得分。 123. 圖 4.29. 同圖 4.28，但為 A 組。. 124. 圖 4.30. 同圖 4.28，但為 B 組。. 124. 圖 4.31. 同圖 4.28，但為 C 組。. 125. 圖 4.32. 同圖 4.28，但為 D 組。. 125. 圖 4.33. 同圖 4.28，但為刪除颱風組。. 126. 圖 4.34. 配合表 4.6 及表 4.7，2.5 km 與 5 km 網格間距的模式對 A++組的三天定量降水預報技術評估之 BS 得分比較。黑、紅及藍色分別為 2.5 km 網格間距的模式預報第一、二及三天之 BS 得分；淺灰、淺紅及淺藍色分別為 5 km 網格間距的模式預報第一、二及三天之 BS 得分。橫軸為雨量門檻，單位為公釐（mm）；縱軸為 BS 得分。. 126. 圖 4.35. 同圖 4.34，但為 A 組。. 127. 圖 4.36. 同圖 4.34，但為 B 組。. 127. 圖 4.37. 同圖 4.34，但為 C 組。. 128. 圖 4.38. 同圖 4.34，但為 D 組。. 128. 圖 4.39. 同圖 4.34，但為刪除颱風組。. 129. 圖 4.40. 配合表 4.8 及表 4.9，2.5 km 與 5 km 網格間距的模式對 A++組的三天定量降水預報技術評估之 POD 得分比較。黑、紅及藍色分別為 2.5 km 網格間距的模式預報第一、二及三天之 POD 得分；淺灰、淺紅及淺藍色分別為 5 km 網格間距的模式預報第一、二及三天之 POD 得分。橫軸為雨量門檻，單位為公釐（mm）；縱軸為 POD 得分。 129. 圖 4.41. 同圖 4.40，但為 A 組。. 130. XVI.

(19) 圖 4.42. 同圖 4.40，但為 B 組。. 130. 圖 4.43. 同圖 4.40，但為 C 組。. 131. 圖 4.44. 同圖 4.40，但為 D 組。. 131. 圖 4.45. 同圖 4.40，但為刪除颱風組。. 132. 圖 4.46. 配合表 4.10 及表 4.11，2.5 km 與 5 km 網格間距的模式對 A++組的三天定量降水預報技術評估之 FAR 得分比較。黑、紅及藍色分別為 2.5 km 網格間距的模式預報第一、二及三天之 FAR 得分；淺灰、淺紅及淺藍色分別為 5 km 網格間距的模式預報第一、二及三天之 FAR 得分。橫軸為雨量門檻，單位為公釐（mm）；縱軸為 FAR 得分。 132. 圖 4.47. 同圖 4.46，但為 A 組。. 133. 圖 4.48. 圖 4.46，但為 B 組。. 133. 圖 4.49. 同圖 4.46，但為 C 組。. 134. 圖 4.50. 同圖 4.46，但為 D 組。. 134. 圖 4.51. 同圖 4.46，但為刪除颱風組。. 135. 圖 4.52. 配合表 4.12～表 4.15，2.5 km 與 5 km 網格間距的模式對 A++組的三天定量降水預報技術評估之得分比較。黑、紅及藍色分別為 2.5 km 網格間距的模式預報第一、二及三天之得分；淺灰、淺紅及淺藍色分別為 5 km 網格間距的模式預報第一、二及三天之為雨量門檻，單位為公釐（mm）；縱軸為得分。. 得分。橫軸 135. 圖 4.53. 同圖 4.52，但為 A 組。. 136. 圖 4.54. 同圖 4.52，但為 B 組。. 136. 圖 4.55. 同圖 4.52，但為 C 組。. 137. 圖 4.56. 同圖 4.52，但為 D 組。. 137. 圖 4.57. 同圖 4.52，但為刪除颱風組。. 138. 圖 5.1. 站點統計法與算術平均法計算 2.5 km 網格間距的模式對 A++組三天定量降水預報技術得分之 TS 得分比較。黑、紅及藍色分別為站點統計法的第一、二及三天之 TS 得分；淺灰、淺紅及淺藍色分別為算術平均法的第一、二及三天之 TS 得分。橫軸為雨量門檻，單位為公釐（mm）；縱軸為 TS 得分。 139. 圖 5.2. 同圖 5.1，但為 A 組。. 139 XVII.

(20) 圖 5.3. 同圖 5.1，但為 B 組。. 140. 圖 5.4. 同圖 5.1，但為 C 組。. 140. 圖 5.5. 同圖 5.1，但為 D 組。. 141. 圖 5.6. 同圖 5.1，但為刪除颱風組。. 141. 圖 5.7. 站點統計法與算術平均法計算 2.5 km 網格間距的模式對 A++組三天定量降水預報技術得分之 BS 得分比較。黑、紅及藍色分別為站點統計法的第一、二及三天之 BS 得分；淺灰、淺紅及淺藍色分別為算術平均法的第一、二及三天之 BS 得分。橫軸為雨量門檻，單位為公釐（mm）；縱軸為 BS 得分。 142. 圖 5.8. 同圖 5.7，但為 A 組。. 142. 圖 5.9. 同圖 5.7，但為 B 組。. 143. 圖 5.10. 同圖 5.7，但為 C 組。. 143. 圖 5.11. 同圖 5.7，但為 D 組。. 144. 圖 5.12. 同圖 5.7，但為刪除颱風組。. 144. XVIII.

(21) 第一章前言由中央氣象局 25 個局屬氣象站的三十年氣候統計資料之月平均降水量顯示，臺灣主要降水月份為 5 月～10 月（月平均降水量＞年平均降水量 206.2 mm），即初夏、夏季及秋季（圖 1.1），在這段期間的主要降水來源為梅雨、颱風雨、局部性陣雨（local rainshowers）及秋雨（王等，1984； Chen and Chen, 2003），而夏季降水（主要指梅雨及颱風雨）能夠舒緩中南部冬半年乾季及相對少雨的春雨所造成的缺水情形。然而，夏季降水可能因其豪大雨事件而造成淹水、土石流、交通阻斷、農業損失和人員傷亡等災害，例如 2009 年的莫拉克颱風及 2012 年 610 水災。因此，模式的豪大雨定量降水預報技術是很重要的，因為有準確的定量降水預報技術，才能進一步將預報結果用於豪大雨事件的防災和減災作業，所以必需先評估模式定量降水預報技術，在知曉模式對豪大雨定量降水預報的準確度之後，再運用氣象學理論精進模式的定量降水預報技術，以提供更優質的定量降水預報結果與執行更有效的災害應變措施。在 2005 年之前的梅雨季 12-h 定量降水預報技術評估中，其結果表示，隨雨量門檻（precipitation threshold）增加，模式的預報技術下降，且模式只掌握小雨雨量門檻的預報技術，而中雨及大雨雨量門檻的預報技術不佳，其公正預兆得分（Equitable Threat Score，簡稱 ETS）介於 0.05～ 0.15，例如圖 1.2（簡等，2005；Chien et al., 2004；Hong, 2003）。另外，模式預報開始執行的時候，需要約 6～12 小時的啟動時間（spin-up-time），以平滑大尺度的初始場及呈現實際的雲雨型態，因此，第 12～24 小時的預報技術優於第 0～12 小時，且模式的預報技術在 24 小時之後，便會下降（Colle et al., 1999）。然而，先前研究推論，提高模式解析度是改善中雨及大雨雨量門檻定量降水預報技術的方法之一。因為臺灣梅雨季除了梅雨鋒面帶來的降水之 1.

(22) 外，還有伴隨於梅雨鋒面中的中尺度對流系統（ Mesoscale Convective System）及中央山脈地形舉升效應等等降水原因（Chen and Chen, 2003； Yeh and Chen, 1998）。因此，對於這些屬於中尺度範圍的天氣現象及局地地形作用的影響，模式需要提高解析度，以改善模式降雨預報不足之情形（Chien et al., 2002；Kao and Chen, 1990）。除了先前研究推論，提高模式解析度能夠改善降雨預報不足的情形之外，Wang（2015）利用不同以往的評估方式，進行颱風雨的 24-h 定量降水預報技術之評估研究，並提出新的見解。Wang（2015）將 2010～2012 年的 15 個颱風降雨事件，依雨勢規模大小進行分組後，再計算各組的預兆得分（Threat Score，簡稱 TS），以評估模式對不同雨勢規模的颱風降雨事件之定量降水預報技術，其結果表示，雖然 TS 得分也有隨雨量門檻增加，得分下降的趨勢，但當雨勢規模越大時，即可能成災的颱風降雨事件，各雨量門檻的 TS 得分有提高的現象，例如圖 1.3。此結果進而表示，模式的預報技術會因不同雨勢規模的降雨事件，而有所差異，當颱風降雨事件的雨勢規模越大時，模式的定量降水預報技術越好。因此，本論文將評估並比較 2.5 km 和 5 km 網格間距的雲解析模式對臺灣梅雨季豪大雨之 24-h 定量降水預報技術，是否也有「當降雨事件的雨勢規模越大時，模式的定量降水預報技術越佳」之趨勢？以及，是否如同先前研究推論「當模式的解析度提高時，模式對規模大的豪大雨事件之定量降水預報技術較佳」之情形？本論文共六個章節，第一章為前言；第二章為資料來源及研究方法；第三章為 2.5 km 網格間距的模式定量降水預報技術之評估結果；第四章為 5 km 網格間距的模式定量降水預報技術之評估結果；第五章為討論；第六章為本論文之總結。. 2.

(23) 第二章資料來源及研究方法一、資料來源本論文為評估雲解析模式對 2012～2014 年臺灣梅雨季的三天 24-h 定量降水預報技術，其使用的資料如下：（一）2012～2014 年 4～7 月份中央氣象局自動雨量站及局屬氣象站之逐時雨量資料。（二）美國國家環境預測中心（ National Centers for Environmental Prediction，簡稱 NCEP）全球預報系統（Global Forecasting System，簡稱 GFS）之分析場和預報場。分析場為每 6 小時（00、06、12 及 18 UTC）一筆，水平解析度為 1° × 1°（12 年）及 0.5° × 0.5° （13 及 14 年）經緯網格，垂直分層共 26 層（地面、1000、975、 950、925、900、850、800、750、700、650、600、550、500、 450、400、350、300、250、200、150、100、70、50、30 及 10 hPa），氣象參數包含重力位高度、緯向風場、經向風場、氣壓、氣溫及相對濕度；預報場則為每 3 小時一筆。. 二、模式簡介本論文所使用的模式是由日本名古屋大學地球水循環研究中心（Hydrosphere Atmosphere Research Center，簡稱 HyARC）所發展的雲解析模式（Cloud Resolving Storm Simulator，簡稱 CReSS）。此模式採用非靜力、完全可壓縮之方程式系統，亦包含地面輻射參數化及地溫預報模式；對於雲中的微物理過程，本模式完全採用外顯之雲微物理計算，共有暖雲及冷雲兩種總體過程可供選用，且無任何積雲參數化方法；邊界層亂流參數化方法有 1 及 1.5 階閉合可選用，而後者包含渦流動能（Turbulence Kinetic Energy，簡稱 TKE）之計算；變數配置在水平向為 3.

(24) Arakara-C，垂直向為 Lorenz 交錯網格；水平座標為卡式坐標（Cartesian coordinate）；垂直坐標為以高度為基礎的追隨地勢坐標（terrain-following curvilinear coordinate，ζ），定義為： ζ 其中，. 為地表高度，為模式頂高度。. 在模式中使用的方程式包含靜力方程式、狀態方程式、運動方程式、氣壓方程式、位溫方程式、水氣與滿足混合比方程式等。各方程式如下：（一）靜力方程式：. 其中，. ，. ，為重力加速度（m s -2 ）。. （二）狀態方程式：. 其中，T 為溫度（K），為水氣與乾空氣之分子量比（0.622），氣之氣體常數（287.05 J kg -1 K -1 ），. 為水氣，. 為乾空. 為各種水相、冰相粒子. 之混合比。（三）運動方程式：. 其中，、為科氏參數（自轉角速度，. 、），. 合作用與浮力項。. 4. ，為緯度，為地球與. 則分別表示亂流混.

(25) （四）氣壓方程式：. 其中，為大氣中的聲速，. 。. （五）位溫方程式：. 其中，. 表示非絕熱作用之源與匯（加熱與冷卻）。. （六）水氣與滿足混合比方程式：. 其中，. 代表雲水（. ）、雨水（. 中任一種類之混合比。. 、. ）、雲冰（）、雪（及. ）及軟雹（. ）. 分別代表雲物理過程之源與匯、. 亂流混合作用及降水造成的時間變率。雲物理現象的雲微物理相關轉換過程（冷雲過程）於圖 2.1。. 三、模式預報設定本論文使用的模式預報之網格間距設定有 2.5 km（細網格）及 5 km （粗網格）兩種；投影方式皆為藍伯特錐狀投影法（ Lambert Conformal Projection）；一天皆預報四次，每 6 小時預報一次（00、06、12 及 18 UTC），每次預報時間長度為 72 小時，即三天；模式初始場皆為 NCEP 之 GFS 分析場，邊界條件皆為 NCEP 之 GFS 預報場，水平解析度皆為 1° × 1°（12 年）及 0.5° × 0.5°（13 及 14 年）經緯網格，垂直分層共 26 層；雲微物理過成皆為冷雲過程；邊界層亂流參數化方法皆選用 1.5 階閉合，並包含渦流動能計算。 5.

(26) 2.5 km 網格間距的模式網格點數（x, y, z）及預報範圍（長×寬×高）分別為 600 × 480 × 40 點及 1500 × 1200 × 20 km（圖 2.3）；時間積分大步距為 5 秒，小步距為 2.5 秒；每 1 小時輸出一筆預報結果；共使用 240 顆 CPU 核心數。5 km 網格間距的模式網格點數及預報範圍分別為 216 × 180 × 40 點及 1080 × 900 × 20 km（圖 2.2）；時間積分大步距為 7.5 秒，小步距為 3.75 秒；每 15 分鐘輸出一筆預報結果；共使用 48 顆 CPU 核心數。關於 CReSS 模式即時預報的基本設定請參閱表 2.1。. 四、研究方法本論文以中央氣象局自動雨量站及局屬氣象站提供的逐時雨量資料為觀測資料，並進行雲解析模式對臺灣梅雨季的三天 24-h 定量降水預報技術評估。評估的梅雨季時間、設定的雨量門檻、雨勢規模的分組方式及使用的技術得分，於以下三點說明：（一）評估時間及雨量門檻依中央氣象局定義，臺灣梅雨季為 5、6 月份，因此，本論文將評估 2012～2014 年 5、6 月份，雲解析模式對臺灣梅雨季的三天 24-h 定量降水預報技術，並排除在此期間因颱風影響所造成的降雨事件，而評估的模式預報結果為每日 00 及 12 UTC 的三天降雨預報。定量降水預報技術評估的雨量門檻設定為 24-h 累積雨量達 0.05、2.5、 10、25、50、75、100、130、160、200、250、350 及 500 mm 等 13 個雨量門檻；另分為低雨量門檻（0.05、2.5、10 及 25 mm）、中雨量門檻（50、75、100 及 130 mm）及高雨量門檻（160、200、250、350 及 500 mm）。在本論文結果提及的豪大雨事件為 24-h 累積雨量超過 50 mm 者；另分為規模大的豪大雨事件（A++組及 A 組）和規模小的豪大雨事件（B、 C 及 D 組）。. 6.

(27) （二）組別設計方式本論文在參考 Wang（2015）提出的依照雨勢規模大小，進行分組評估的方法後，自行嘗試設計了一個雨勢規模分組標準，以盡可能的平均分配各組的事件數，且排除受颱風影響的事件。在約有 400 多個雨量站的臺灣（圖 2.4），其雨勢規模分組標準為，若全臺有超過 10％的雨量站（即約超過 40 個雨量站）之 24-h 累積雨量達到 50 mm，則列入「A 組」，代號為「A」；若達到 25 mm，則列入「B 組」，代號為「B」；若達到 10 mm，則列入「C 組」，代號為「C」；若達到 1 mm，則列入「D 組」，代號「D」；若連 D 組都未達到，則列入「 X 組」，代號為「X」。因此，A、B、C、D 及 X 組的事件名單不會彼此重覆。另外設定「刪除颱風組」為包含 A～D 組及 X 組的所有事件，即梅雨季所有事件，但排除颱風影響者。最後，從 A 組中挑出全臺有超過 10％的雨量站之 24-h 累積雨量達到 130 mm 者為「A++組」，代表在 A 組之中，雨勢規模最大的事件，代號為「A++」。分組結果請參閱表 2.2 的各組之事件數、圖 2.5 的各組之百分比例圓餅圖及表 2.3 的各組在各雨量門檻之事件數。. （三）技術得分參閱 Wilks（2011）提及的技術得分，本論文將使用預兆得分（Threat Score ，簡稱 TS ）、偏差得分（ Bias Score ，簡稱 BS ）、正確偵測率（Probability of Detection，簡稱 POD）、錯誤預報率（False Alarm Ratio，簡稱 FAR）及準確率比值（Odds Ratio，簡稱 OR）等五種技術得分評估雲解析模式對臺灣梅雨季的三天 24-h 定量降水預報技術。這五種技術得分皆是利用一個 2 × 2 聯列表格（contingency table）（表 2.4）統計各組在不同雨量門檻的預報命中（hit，代號 a）、錯誤預報（false alarm，代號 b）、預報失誤（miss，代號 c）及正確預報未達到雨 7.

(28) 量門檻（correct negative，代號 d）之雨量站總數之後，再帶入 a、b、c 及 d 值到公式中，計算技術得分，而計算公式如下：（以下計算公式之說明可搭配圖 2.6，以幫助瞭解計算公式的內容）（）（）（）（）（）公式（1），在觀測雨區（a+c）與預報雨區（a+b）中，預報命中（a）的比例，其值介於 0～1 之間，當 TS 得分越高，模式在該雨量門檻的預報技術越佳。若 TS 得分在 0.2 以上，則表示模式在該雨量門檻有預報技術；若在 0.1～0.2 之間，則表示模式在該雨量門檻有一點預報技術；若在 0.1 以下，則表示模式在該雨量門檻預報技術不佳；若為 0，則表示模式在該雨量門檻沒有預報技術。公式（2），預報雨區（分子）和觀測雨區（分母）的比值，其值介於 0～∞之間，當 BS 得分越接近 1 時，模式在該雨量門檻的預報結果越理想。若 BS 得分＞1 時，則表示模式在該雨量門檻有降雨預報過多之情形；若 BS 得分＜1 時，則表示模式在該雨量門檻有降雨預報不足之情形。公式（3），在觀測雨區（分母）中，預報命中（a）的比例，其值介於 0～1 之間，與 TS 得分相似，當 POD 得分越高時，模式在該雨量門檻的預報技術越佳，且預報命中（hit，代號 a）越多，預報失誤（miss，代號 c）越少。公式（4），在預報雨區（分母）中，錯誤預報（b）的比例，其值介於 0～1 之間，當 FAR 得分越低時，錯誤預報（false alarm，代號 b）越 8.

(29) 少，模式在該雨量門檻的預報技術越佳，或者預報降雨位置偏差小。然而，若模式嚴重降雨預報不足時， FAR 得分也可能出現低分的情形。公式（5），可視為預報正確（分子）和預報錯誤（分母）的比值，其值介於 0～∞之間（Stephenson, 2000），當 OR 得分越高時，模式在該雨量門檻預報技術越佳，但不同於前四種技術得分，OR 得分除了考慮模式對事件真實發生（a+c）的預報技術，也考慮了對事件未發生（b+d）的預報技術，因此，OR 得分加入 d 值（correct negative）的計算。然而，在之後 OR 得分的結果呈現方式為公式（6），計算公式如下：. （）因為以公式（5）計算的 OR 得分結果，各組之間或各雨量門檻之間的 OR 得分差異可能很大，所以以算數平方根（arithmetic square root）處理，得公式（6）。如此，能讓 OR 得分差異，在折線圖的表示方式中，更有辨識度，又若以公式（6）計算，則可表示模式在該雨量門檻的平均預報正確是平均預報錯誤的幾倍。. 由以上五種技術得分知，當 TS 越高、BS 越接近 1、POD 越高、FAR 越低或 OR 越高時，模式在該雨量門檻的預報技術越佳；又當模式的解析度提高時，理想的預期各雨量門檻的預報命中（hit）會增加、預報失誤（miss）會減少、錯誤預報（false alarm）會減少，即較高解析度的模式預報技術較佳。. 9.

(30) 第三章細網格模式預報技術評估本論文之結果，將分二個章節呈現，首先為 2.5 km 網格間距（細網格）的模式三天 24-h 定量降水預報技術之評估結果，其次為 5 km 網格間距（粗網格）的模式預報技術評估結果。在此二章節中，又各分三個部分，第一個部份為三個雨勢規模大者之個案；第二個部份為三個雨勢規模小者之個案；第三個部份為在不同雨量門檻下，模式對各組的三天預報技術之五種技術得分評估。在第三章、第四章及第六章的內容中，若表格為「灰色網底」且「/」符號，或文字敘述為「/」符號，則表示無得分值。. 一、雨勢規模大者之個案（一）個案一：2012 年 6 月 9 日～6 月 13 日在 610 水災期間，由於梅雨鋒面和西南氣流之影響，不僅中央氣象局發布中南部地區有機會發生超大豪雨事件，北部地區有大雨事件的發生機率，而且，中央災害應變中心也設置了 610 水災專區，以加強防災作業及災害處理。個案一的雨勢規模組別依序為 A++、A++、A++、A++及 A 組，且其中的 10 日、11 日及 12 日為全臺雨量站平均之 24-h 累積雨量前三名（圖 2.7.b）。此外，10 日及 11 日之 24-h 累積雨量有達到 600 mm 的地區；9 日及 12 日有達到 200 mm 的地區；13 日有達到 130 mm 的地區。由觀測雨量圖（圖 3.1）來看，雨勢從 9 日漸漸增大，到 11 日達相對極大值，其後雨勢漸減，至 13 日時，雨勢規模組別由前四天的 A++組降為 A 組，而此時段的降雨區域幾乎遍及全臺，且中南部山區及北部平地有較強的雨勢。與預報雨量圖（圖 3.1）比較，模式在 9 日第一天的預報結果，對南部有較佳的掌握，對中北部降雨預報過多；第二天，對中南部有較佳的掌握，但降雨量極值較觀測小，對北部則降雨預報過多；第三天，北中南部皆有降雨預報不足之情形（圖 3.2 之 6/9 00UTC BS）。在 10 日 10.

(31) 第一天的預報結果，對中南部有較佳的掌握，但中部降雨量極值較觀測小，對北部仍降雨預報過多；第二天，對北中南部皆亦是降雨預報不足；第三天，對北中南部有不錯的掌握（圖 3.2 之 6/10 00UTC BS）。在 11 日第一天的預報結果，對中南部有較佳的掌握，但北部仍有降雨預報不足之情形；第二天，對北中南部有不錯的掌握，但降雨量極值明顯較觀測大；第三天，明顯降雨預報過多（圖 3.2 之 6/11 00UTC BS）。由圖 3.2 知，9 日～11 日的三天預報之 TS 得分大致皆隨雨量門檻增加而降低，但未完全符合「當降雨事件的雨勢規模越大時，模式的定量降水預報技術越佳（TS 得分越高）」的趨勢，尤其是 9 日和 10 日之 TS 得分，原因可能為此二天對 11 日的 50 mm 以上雨量門檻，有明顯的降雨預報不足（BS＜1），而影響模式對較高雨量門檻的預報，但當預報初始時間越接近當天（11 日），預報技術則有所改善，也越符合前述的趨勢。模式對最多雨的 11 日預報結果在 10、50、130、200、350 mm 雨量門檻之 TS 得分（圖 3.2 及表 3.1）分別為，9 日第三天（藍色線）之預報結果（0.61、0.31、0.14、0.03、0）、10 日第二天（紅色線）之預報結果（0.57、0.26、0.14、0.03、0）及 11 日第一天（黑色線）之預報結果（0.71、 0.48、0.40、0.33、0.18）。由前述的部分 TS 知，預報越接近當天，其較高雨量門檻的預報技術越佳，例如在 350 mm 雨量門檻，11 日當天有一些預報技術（TS = 0.18），9 日及 10 日則沒有預報技術（TS 皆為 0）；在 200 mm 雨量門檻，11 日當天有預報技術（TS = 0.33），9 日及 10 日則預報技術不佳（TS 皆為 0.03）；在 130 mm 雨量門檻，11 日當天有預報技術（TS = 0.40），9 日及 10 日則有一些預報技術（TS 皆為 0.14）；在 10 及 50 mm 雨量門檻，此三天皆有預報技術（TS 介於 0.26～0.71）。模式對 10 日的預報結果在 10、50、130、200、350 mm 雨量門檻之 TS 得分（圖 3.2 及表 3.1）分別為，9 日第二天（紅色線）之預報結果（0.57、 0.41、0.45、0.31、0）及 10 日第一天（黑色線）之預報結果（0.59、0.55、 11.

(32) 0.62、0.52、0.39）。由前述的部分 TS 知，預報越接近當天，其較高雨量門檻的預報技術越佳，例如在 350 mm 雨量門檻，10 日當天有預報技術（TS = 0.39），9 日則沒有預報技術（TS = 0）；在 200 mm 以下雨量門檻，此二天皆有預報技術（ TS 介於 0.31～0.59）。最後，模式對 12 日的預報結果在 10、50、130、200、350 mm 雨量門檻之 TS 得分（圖 3.2 及表 3.1）分別為，10 日第三天（藍色線）之預報結果（0.82、0.57、0.27、0.1、0）及 11 日第二天（紅色線）之預報結果（0.84、0.65、0.33、0.27、0.11）。由前述的部分 TS 知，預報越接近當天，其較高雨量門檻的預報技術越佳，例如在 350 mm 雨量門檻，11 日有一些預報技術（TS = 0.11），10 日則沒有預報技術（TS = 0）；在 200 mm 雨量門檻，11 日有預報技術（TS = 0.27），10 日則有一些預報技術（TS = 0.10）；在 130 mm 以下雨量門檻，此二天皆有預報技術（TS 介於 0.27 ～0.84）。. （二）個案二：2013 年 5 月 17 日～5 月 21 日個案二亦為一受到梅雨鋒面影響的雨勢規模大之個案，在此時段，中央災害應變中心也設置了 519 豪雨專區，而其雨勢規模組別依序為 B、A、 A、A++及 C 組，且其中的 20 日為全臺雨量站平均之 24-h 累積降雨量第一名（圖 2.7.c）。此外，20 日之 24-h 累積雨量有達到 200 mm 的地區，且南部有淹水情形發生；17 日～19 日有達到 130 mm 的地區。由觀測雨量圖（圖 3.3）來看，雨勢從 17 日漸漸增大，19 日降雨皆集中在中南部山區，至 20 日時，全臺有雨且中南部的雨勢較大，最後 21 日雨勢明顯減弱，雨勢規模組別降為 C 組。與預報雨量圖（圖 3.3）比較，模式在 17 日第一天的預報結果，對高雄屏東降雨預報不足；第二天，對中部降雨預報不足，但北部降雨預報過多；第三天，降雨位置偏差（圖 3.4 之 5/17 00UTC BS）。在 18 日第一天的預報結果，對中南部明顯的降雨預 12.

(33) 報不足；第二天，亦有降雨位置偏差之情形；第三天，與觀測相似（圖 3.4 之 5/18 00UTC BS）。在 19 日第一天的預報結果，亦有降雨位置偏差之情形；第二天，與觀測相似；第三天，可能因模式降水消散速率較慢，而降雨預報過多（圖 3.4 之 5/19 00UTC BS）。由圖 3.4 知，17 日～19 日的三天預報之 TS 得分大致皆隨雨量門檻增加而降低，且大致符合「當降雨事件的雨勢規模越大時，模式的定量降水預報技術越佳（TS 得分越高）」的趨勢。模式對最多雨的 20 日預報結果在 10、50、130、200、350 mm 雨量門檻之 TS 得分（圖 3.4 及表 3.2）分別為，18 日第三天（藍色線）之預報結果（0.77、0.41、0.07、0、/）、19 日第二天（紅色線）之預報結果（0.77、0.50、0.12、0.02、/）。由前述的部分 TS 知，預報越接近當天，其較高雨量門檻的預報技術越佳，例如在 200 mm 雨量門檻，19 日預報技術不佳（TS = 0.02），18 日則沒有預報技術（TS = 0）；在 130 mm 雨量門檻，19 日有一些預報技術（TS = 0.12），18 日則預報技術不佳（TS = 0.07）；在 10 及 50 mm 雨量門檻，此二天皆有預報技術（TS 介於 0.41 ～0.77）。模式對 18 日的預報結果在 10、50、130、200、350 mm 雨量門檻之 TS 得分（圖 3.4 及表 3.2）分別為，17 日第二天（紅色線）之預報結果（0.30、 0.04、0、/、/）及 18 日第一天（黑色線）之預報結果（0.41、0.03、0、 /、/）。由前述的部分 TS 知，在 50 mm 以上雨量門檻，此二天皆預報技術不佳（TS 皆小於 0.1，甚至為 0）。最後，模式對 19 日的預報結果在 10、50、130、200、350 mm 雨量門檻之 TS 得分（圖 3.4 及表 3.2）分別為，17 日第三天（藍色線）之預報結果（0.36、0.20、0.07、0、/）、18 日第二天（紅色線）之預報結果（0.36、0.21、0、0、/）及 19 日第一天（黑色線）之預報結果（0.31、 0.13、0.05、0、0）。由前述的部分 TS 知，由於預報降雨位置偏差，在 13.

(34) 130 mm 以上雨量門檻，此三天皆預報技術不佳（TS 皆小於 0.1，甚至為 0），在 50 mm 雨量門檻，此三天皆有一些預報技術（TS 介於 0.1～0.2）。. （三）個案三：2014 年 5 月 18 日～5 月 22 日個案三的雨勢規模組別依序為 B、A、A++、A 及 D 組，而其中的 20 日為全臺雨量站平均之 24-h 累積雨量第一名（圖 2.7.e）。此外，20 日之 24-h 累積雨量有達到 250 mm 的地區；19 日及 21 日有達到 200 mm 的地區。由觀測雨量圖（圖 3.5）來看，18 日雨勢集中在中部，並漸漸增大，至 20 日時雨勢達相對極大值，且北中南部皆有豪雨等級以上的降雨事件發生，其後雨勢漸減，隔天 21 日，北部仍有豪雨等級的降雨事件，最後 22 日，雨勢規模明顯減弱成 D 組。與預報雨量圖（圖 3.5）比較，模式在 18 日及 19 日的三天預報結果，對中南部山區和北部，皆有降雨預報明顯不足之情形（圖 3.6 之 5/18 19 00UTC BS）。在 20 日第一天的預報結果，對北部降雨預報過多，但對中南部降雨預報不足；第二天及第三天，皆明顯的降雨預報過多（圖 3.6 之 5/20 00UTC BS）。由圖 3.6 知，18 日～20 日的三天預報結果之 TS 得分大致皆隨雨量門檻增加而降低，且並沒有符合「當降雨事件的雨勢規模越大時，模式的定量降水預報技術越佳（TS 得分越高）」的趨勢，原因可能為此三天對 20 日的較高雨量門檻，降雨預報不足（BS＜1），而影響模式對較高雨量門檻的預報。模式對最多雨的 20 日預報結果在 10、50、130、200、350 mm 雨量門檻之 TS 得分（圖 3.6 及表 3.3）分別為，18 日第三天（藍色線）之預報結果（0.66、0.06、0、0、/）、19 日第二天（紅色線）之預報結果（0.28、 0.06、0、0、/）及 20 日第一天（黑色線）之預報結果（0.62、0.1、0、0、 /）。由前述的部分 TS 知，由於此三天在較高雨量門檻明顯的有降雨預報 14.

(35) 不足之情形（圖 3.6 之右欄位 BS），因此，在 50 mm 以上雨量門檻的預報技術皆不佳（TS 介於 0～0.1）。模式對 19 日的預報結果在 10、50、130、200、350 mm 雨量門檻之 TS 得分（圖 3.6 及表 3.3）分別為，18 日第二天（紅色線）之預報結果（0.58、 0.25、0、/、/）及 19 日第一天（黑色線）之預報結果（0.62、0.39、0、 /、/）。由前述的部分 TS 知，預報越接近當天，其預報技術較佳，在 130 mm 雨量門檻，此二天皆沒有預報技術（TS 皆為 0）；在 10 及 50 mm 雨量門檻，此二天皆有預報技術（TS 介於 0.25～0.62）。最後，模式對 21 日的預報結果在 10、50、130、200、350 mm 雨量門檻之 TS 得分（圖 3.6 及表 3.3）分別為，19 日第三天（藍色線）之預報結果（0.56、0.07、0、0、/）及 20 日第二天（紅色線）之預報結果（0.58、 0.30、0、0、/）。由前述的部分 TS 知，預報越接近當天，其預報技術較佳，在 130 mm 以上雨量門檻，此二天皆沒有預報技術（TS 皆為 0）；在 50 mm 雨量門檻，20 日有預報技術（TS = 0.30），19 日預報技術不佳（TS = 0.07）。. 總而言之，在各雨量門檻，模式對雨勢規模較大的降雨事件之 TS 得分不一定皆大於 0.2（有預報技術），由以上三個個案，先做一個小結論。首先，對於雨勢規模較大的降雨事件，模式預報需達到較高雨量門檻，否則降雨預報（嚴重）不足，預報技術亦不佳，例如模式對 2012 年 6 月 11 日北部地區（圖 3.1）及 2014 年 5 月 20 日（圖 3.5）。其次，模式對中南部山區的預報掌握優於北部地區（圖 3.1）。最後，對於發生在雨勢規模較大者之後的較小者之預報敏感度，模式降水的消散速率較慢，而有明顯的降雨預報過多，例如 2013 年 5 月 19 日第三天的預報結果（圖 3.3）和 2014 年 5 月 20 日第二天及第三天的預報結果（圖 3.5）。. 15.

(36) 二、雨勢規模小者之個案同上一小節，但本節為三個雨勢規模小的個案舉例，其中，在個案一及個案二的期間裡，除了雨勢規模較小的 C、D 組及 X 組之外，也包含一天的 A 組事件，以更直接探討模式的預報技術是否符合「當降雨事件的雨勢規模越大時，模式的定量降水預報技術越佳（ TS 得分越高）」的趨勢。. （一）個案一：2012 年 5 月 23 日～5 月 27 日個案一的雨勢規模組別依序為 D、X、D、C 及 A 組，而在 27 日有達到 50 mm 以上的地區。由觀測和預報雨量圖（圖 3.7）來看，模式在 23 日及 24 日的三天預報結果皆不佳。在 25 日的三天預報結果，雨勢逐漸增加，但對 27 日部分地區降雨預報明顯過多。由圖 3.8 知，和上一小節雨勢規模較大的降雨事件個案之 TS 得分相比（圖 3.2、圖 3.4 及圖 3.6），雨勢規模較小者，在各雨量門檻之 TS 有整體下降的趨勢，而模式在 25 日 00 UTC 的三天預報結果之 TS，更符合「當降雨事件的雨勢規模越大時，模式的定量降水預報技術越佳（TS 得分越高）」的趨勢，且模式在 25 日第三天的預報結果之 BS 得分，也反應出降雨預報過多之情形（BS＞1）。. （二）個案二：2013 年 6 月 13 日～6 月 17 日在個案二的期間裡，雨勢逐漸減弱（圖 3.9），其雨勢規模組別依序為 A、B、C、D 及 D 組，而在 13 日有達到 130 mm 的地區；14 日有達到 50 mm 的地區。與預報雨量圖（圖 3.9）比較，模式在 13 日第一天的預報結果，對東部豪大雨地區有不錯的掌握，但降雨預報有些不足；第二天，降雨預報竟是增加，與觀測的降雨減少之情形相反；第三天，對中南部山區降雨明顯的沒有預報技術（圖 3.10 之 6/13 00 UTC BS）。在 14 日第一天的預報結果，東部降雨地區有不錯的掌握，但有降雨預報些許不足之情 16.

(37) 形；第二天，對中南部山區降雨之預報位置有向東邊偏差之情形，且降雨預報過多；第三天，對北部降雨預報過多，對中部之預報位置有向東邊偏差（圖 3.10 之 6/14 00 UTC BS）。在 15 日第一天的預報結果，降雨預報位置偏差，且降雨預報過多；第二天及第三天，預報技術皆明顯不佳（圖 3.10 之 6/15 00 UTC BS）。由圖 3.10 知，模式在 13 日的三天預報結果之 TS 得分結果中，由於第一天在較高雨量門檻降雨預報不足（50 mm 以上雨量門檻，BS＜1），所以 TS 低於第二天。模式對後段期間雨勢規模較小的降雨事件之預報技術，在各雨量門檻之 TS 得分有整體下降之情形，例如在 14 日的三天預報結果之 TS（圖 3.10）。因此，大致符合「當降雨事件的雨勢規模越大時，模式的定量降水預報技術越佳（TS 得分越高）」的趨勢。. （三）個案三：2014 年 5 月 23 日～5 月 27 日在個案三的期間裡，雖然有大雨等級的降雨事件發生，但因為規模小（至少不及全臺雨量站的 10％），所以其雨勢規模組別依序為 D、C、D、 C 及 C 組。由圖 3.11 知，在此期間裡，除了 10 mm 以下雨量門檻之外，其他雨量門檻之 TS 皆小於 0.1，甚至等於 0，且 BS 容易大於 1，表示模式對規模小的大雨事件之預報技術皆不佳，且容易降雨預報過多（圖 3.12）。. 總而言之，和雨勢規模較大的降雨事件相比，模式對雨勢規模較小者之預報技術較差，其 TS 得分在各雨量門檻有整體下降之趨勢。由以上三個個案，先做一個小結論。首先，對於規模小的的大雨等級以上事件，模式預報技術不佳，例如個案三（圖 3.11）。其次，和上一小節結果相同，模式對 A 組事件需具備達到較高雨量門檻之預報能力，否則降雨預報不足，預報技術亦不佳，例如 2013 年 6 月 13 日第一天的預報結果（圖 3.9）。 17.

(38) 最後，由個案一及個案二（圖 3.8 及圖 3.10）知，模式的預報技術大致符合「當降雨事件的雨勢規模越大時，模式的定量降水預報技術越佳（ TS 得分越高）」的趨勢。. 三、細網格模式預報技術評估本節將統整 2.5 km 網格間距的模式對 2012～2014 年臺灣梅雨季的三天 24-h 定量降水預報技術之各組五種技術得分評估結果，並比較組別之間的技術得分差異，是否符合「當降雨事件的雨勢規模越大時，模式的定量降水預報技術越佳」的趨勢，其評估結果依序為 TS、BS、POD、FAR 及 OR。. （一）預兆得分（Threat Score，簡稱 TS）藉由 TS 得分的評估，以瞭解在觀測雨區及預報雨區中，模式定量降水預報命中的比例，是否符合「當降雨事件的雨勢規模越大時，模式的定量降水預報技術越佳（TS 得分越高）」的趨勢。從圖 3.13 及圖 3.14 知，隨雨量門檻增加，各組之 TS 降低，但是雨勢規模較大的 A++組及 A 組之 TS 降低速率較雨勢規模較小的 B、C 及 D 組為慢（表 3.4 及表 3.5）。另外，隨雨勢規模增大（D → C → B → A 組），各雨量門檻之 TS 整體提高，符合「當降雨事件的雨勢規模越大時，模式的定量降水預報技術越佳（TS 得分越高）」的趨勢，而且雨勢規模更大的 A++組，在各雨量門檻之 TS 又較 A 組為高（圖 3.13 及圖 3.14；表 3.4 及表 3.5），尤其是第一天的評估結果，二者的 TS 差異介於 0.05～0.15 （圖 3.13；表 3.4），又 A++組第一天在 50、130、200、350 及 500 mm 雨量門檻之 TS 分別為 0.45、0.29、0.24、0.21 及 0.16，表示模式第一天在最高雨量門檻（500 mm）仍有預報技術。然而，隨預報時間拉長，A++ 組及 A 組的中高雨量門檻（50～500 mm）之預報技術降低，至第三天時， 18.

(39) 預報技術明顯降低，但 A++組的中雨量門檻（50～130 mm）仍有預報技術，其 TS 介於 0.40～0.19（圖 3.13 及圖 3.14；表 3.4 及表 3.5）。由上一段推論，50 mm 以上雨量門檻的預報技術主要來自 A 組（B、 C 及 D 組之 TS 皆小於 0.1），所以包含所有事件的刪除颱風組，在 50 mm 以上雨量門檻之 TS 主要被 A 組所支配，但得分仍小於 A 組些許（圖 3.13 及圖 3.14；表 3.4 及表 3.5），尤其是第一天的評估結果，二者的 TS 差異介於 0.02～0.2（圖 3.13；表 3.4）。因此，過去的定量降水預報技術評估方式，皆未考慮到雨勢規模大小對模式預報技術之影響，所以當所有事件全部合併在一起評估時，即刪除颱風組，其 TS 便受預報技術較差的 B、C 及 D 組所影響，使得 TS 低於預報技術較佳的 A++組及 A 組（圖 3.13 及圖 3.14）。. （二）偏差得分（Bias Score，簡稱 BS）藉由 BS 得分的評估，以瞭解模式定量降水預報雨區和觀測雨區的比值，是否符合「當降雨事件的雨勢規模越大時，模式的定量降水預報技術越佳（BS 得分越接近 1）」的趨勢。先從圖 3.15 及圖 3.16 的刪除颱風組之 BS 大致瞭解 2.5 km 網格間距的模式在整個梅雨季期間的預報情形，第一天 BS 之評估結果表示，各雨量門檻皆有降雨預報過多之情形（BS＞1），但並非嚴重，BS 介於 1.11～ 1.72（表 3.6）；第二天及第三天之評估結果顯示，除了 350 及 500 mm 雨量門檻降雨預報不足（BS＜1）之外，其餘雨量門檻皆有降雨預報過多之情形（表 3.7），但並不嚴重（BS＜2.20），而降雨預報不足較嚴重的情形為第三天 500 mm 雨量門檻（BS = 0.12）。再進一步探討各組的預報情形，由各組之 TS 知，隨雨量門檻增加，預報技術降低（圖 3.13 及圖 3.14），而在 BS 分面，各組在低雨量門檻（0.05 ～25 mm）之 BS 較接近 1，表示模式在低雨量門檻的預報情形較理想。 19.

(40) 然而，當雨量門檻增加至中高雨量門檻（ 50～500 mm）時，便開始偏離理想值（BS = 1），而偏離情形主要分為二類（圖 3.15 及圖 3.16），一類為 BS 較接近 1 的 A++組及 A 組（規模大的豪大雨事件），但隨預報時間拉長，其降雨預報越不足（BS＜1），尤其是 A++組（圖 3.15 及圖 3.16），例如 A++組第三天在中高雨量門檻之 BS 介於 0.8～0.04（圖 3.16.b 及表 3.7），表示預報時間越拉長，模式越難掌握規模較大的強降水事件（A++ 組）。另一類為 BS 較偏離 1 的 B、C 及 D 組（規模小的豪大雨事件），且此類在 50～250 mm 雨量門檻容易降雨預報過多（BS＞1），可能原因為模式容易產生降水或降水消散速率較慢，使得模式對規模小的豪大雨事件（至少小於 10％的全臺雨量站達 50 mm）之預報情形容易降雨預報過多（圖 3.15 及圖 3.16；表 3.6 及表 3.7）。由上一段推知，在各雨量門檻之 BS 評估結果中，以 A++組及 A 組的預報情形較理想，三天預報之 BS 介於 0.04～1.53（表 3.6 及表 3.7），因此，符合「當降雨事件的雨勢規模越大時，模式的定量降水預報技術越佳（BS 得分越接近 1）」的趨勢。另外，在整個梅雨季期間（刪除颱風組）的 50～250 mm 雨量門檻有降雨預報過多之情形，其來源主要為規模小的豪大雨事件（B、C 及 D 組），而非規模大的豪大雨事件（A++組及 A 組）。. （三）正確偵測率（Probability of Detection，簡稱 POD）藉由 POD 得分的評估，以瞭解在觀測雨區中，模式定量降水預報命中的比例，是否符合「當降雨事件的雨勢規模越大時，模式的定量降水預報技術越佳（POD 得分越高）」的趨勢。從圖 3.17 及圖 3.18 知，除了 B 組第一天在 160 mm 雨量門檻特別高出（POD = 0.12）之外，隨雨量門檻增加，各組之 POD 降低，但是雨勢規模較大的 A++組及 A 組之 POD 降低速率較雨勢規模較小的 B、C 及 D 組為慢（表 3.8 及表 3.9）。另外，與 TS 相似之情形，隨雨勢規模增大（D 20.