雲解析模式對侵臺颱風八天定量降水預報技術之評估與特性分析

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. 指導教授：王重傑. 博士. 雲解析模式對侵臺颱風八天定量降水預報技術之評估與特性分析 Evaluation and Characteristics of Eight-Day Quantitative Precipitation Forecast Skill for Typhoons Affecting Taiwan by The CReSS Model. 研究生：錢稚偉. 2018 年 8 月. 撰.

(2) 致謝終於，寫到了這一頁。曾經離開過的校園，又再次踏入並完成學業，受到太多人的幫助，讓我最終完成學業，對您們致上最深的謝意。首先，感謝我的指導教授王重傑老師，在研究方向上都以專業的知識，帶領著我解決所面臨的問題，讓我從中學習到學術應以嚴謹且合理的態度去面對。再感謝口試委員簡芳菁老師與陳泰然老師，百忙之中抽空參與並給予建議，讓研究內容更加完整豐富。萬分感謝老師們的指點與教導。感謝學姊美鳳、怡文、心怡在研究資料的處理與協助，以及不厭其煩的解答問題。感謝學長智昇、鑫澔、邱洵分享不同的看法與經驗的傳授。感謝學長子鈞、捷勝、伯勳、建蒲、世豪、騰平、冠傑在閒暇之餘關心進度。感謝同儕璧瑜、雅惠、品誼、鳳茹、禹涵、紹霖在忙碌之際相互鼓勵，互相叮嚀。感謝學弟妹新凱、孟軒、常溢、昭億、竣安、嘉真、名翔在討論之時給予建議。感謝朋友祐松、孟澔在研究生活寒喧問暖。萬分感謝學業上受到幫助的您們。最後，感謝我的寶貝芷瑋一直陪伴著我完成學業，妳是我安穩的靠山，讓我無後顧之憂的努力，精神緊繃也帶著我蹦蹦跳跳的放鬆，所經歷的都讓我們更加茁壯。感謝阿公岳豹是我學習的榜樣，您的話語我都銘記在心。感謝媽咪仙涓任何決定的支持，您的支持對我無比的重要。感謝傲旎稚旎作為我的目標，時常的冷嘲熱諷讓我更需努力。萬分感謝在我生命中最為重要的家人。一路上受到太多人的指教與幫助，族繁不及備載，所經歷的難關與問題，都將成為養分，讓本研究的結果更加充沛，這份榮耀是屬於大家的。為期三年的寒暑，以及三年的寒窗，終究畫上了句點，又是新的開始。. 「成功，不是因為你聰明，而是因為你努力」共勉之。錢稚偉 2018. 8. 於臺師大理學院 B403 研究室.

(3) 摘要本研究為了探討雲解析模式對侵臺颱風期間之 8 天定量降水預報技術。過去研究顯示，雲解析模式 3 天預報已有相當優異的預報表現，以及 8 天預報評估 2012～2013 年間 6 個侵臺颱風，發現在 3 天以上已具備降水預報技術，故評估 2012～2016 年所有侵臺颱風，以獲得更加完整的 8 天定量降水預報技術。 8 天預報以不同初始時間對侵臺颱風之每 24 小時個案，並使用 3 種技術得分（TS、BS 及 FSS），評估結果得知，FSS 與 TS 之趨勢一致，即「當累積雨量值愈高且雨區規模愈大時，定量降水預報技術愈佳」。在 3 天內的比較，整體而言，8 天（大區域）與 3 天（小區域）預報皆為相當優秀之預報技術。但第 1 天預報在門檻值 750 毫米處，大區域預報有更優於小區域預報之 TS 得分，顯示在少數個案中，放大預報區域可能有利於模式在極端降水事件的表現。 8 天預報在 3 天以上第 4～8 天的預報，在 2012～2016 年之大豪雨個案，平均達 6.1 天前具預報技術；未能在 3 天前做出好的降水預報的個案中，其路徑偏差主要原因為副熱帶高壓的不確定性，全球模式預報的誤差以及雲解析模式預報路徑有右偏的現象，進而造成降水預報技術的得分偏低。本文以不同條件做路徑誤差與降水分布型態（FSS）的分類，整體而言，呈現很好的負相關，路徑誤差愈小，降水分布型態愈好。與西南氣流交互作用的颱風情境下，降水主因為西南氣流受到地形舉升作用所造成的，而模式若能有效預報到其情境的變化，那麼即便路徑誤差偏大，但降雨預報仍然可能有很高的準確度與實用性。在 7 級暴風半徑的分類，暴風半徑愈大、雨區亦愈大、FSS 得分也愈高。綜上所述，本研究所歸類的颱風預報特性，可以提供有效的參考資訊，給予預報員更加充足的觀念，以防範於未然。. 關鍵字：雲解析模式、侵臺颱風、8 天定量降水預報技術、FSS、西南氣流.

(4) 目錄第一章. 前言....................................................................................................... - 1 -. 第二章. 資料來源及研究方法........................................................................... - 3 -. 2.1. 資料來源 .................................................................................................. - 3 -. 2.2. 模式簡介 .................................................................................................. - 4 -. 2.3. 模式預報設定........................................................................................... - 6 -. 2.4. 研究方法 .................................................................................................. - 7 -. 第三章. 大區域與小區域預報之比較評估..................................................... - 11 -. 3.1. 大區域預報之整體評估結果 ................................................................ - 11 -. 3.2. 大區域與小區域預報之整體比較評估 ................................................ - 13 -. 3.2.1. 2015 年 8 月 8 日蘇迪勒（SOUDELOR）颱風 ........................... - 14 -. 3.2.2. 2016 年 9 月 27 日梅姬（MEGI）颱風 ........................................ - 16 -. 第四章 4.1. 提前預報（Day 4～8）之評估 ......................................................... - 19 提前預報之颱風事件 ............................................................................ - 20 -. 4.1.1. 2012 年 8 月 2 日的蘇拉（SAOLA）颱風 ................................... - 20 -. 4.1.2. 2013 年 9 月 21 日天兔（USAGI）颱風 ...................................... - 22 -. 4.1.3. 2014 年 7 月 22 日麥德姆（MATMO）颱風 ............................... - 23 -. 4.1.4. 2015 年 7 月 8 日蓮花（LINFA）颱風 ........................................ - 24 -. 4.1.5. 2015 年 8 月 8 日蘇迪勒（SOUDELOR）颱風 ........................... - 25 -. 4.1.6. 2016 年 9 月 27 日梅姬（MEGI）颱風 ........................................ - 26 -. 4.2. 未能提前預報之颱風事件 .................................................................... - 28 -. 4.2.1. 2012 年 8 月 24 日天秤（TEMBIN）颱風 ................................... - 28 -. 4.2.2. 2013 年 7 月 12 日蘇力（SOULIK）颱風.................................... - 29 -. 4.2.3. 2015 年 9 月 28 日杜鵑（DUJUAN）颱風 .................................. - 30 -. 4.2.4. 2016 年 7 月 8 日尼伯特（NEPARTAK）颱風 ........................... - 32 -. 4.2.5. 2016 年 9 月 14 日莫蘭蒂（MERANTI）颱風 ............................ - 33 -. 第五章. 降水分布與路徑誤差之相關性......................................................... - 37 I.

(5) 5.1. 颱風有無與西南氣流交互作用之分類 ................................................ - 37 -. 5.1.1. 2012 年 6 月 20 日泰利（TALIM）颱風...................................... - 38 -. 5.1.2. 2013 年 8 月 21 日潭美（TRAMI）颱風 ..................................... - 39 -. 5.1.3. 2013 年 8 月 29 日康芮（KONG-REY）颱風 ............................. - 41 -. 5.2 5.2.1 5.3 第六章. 颱風路徑西行與北行颱風之比較 ........................................................ - 42 西行颱風之路徑分類 ..................................................................... - 43 颱風 7 級暴風半徑大小之分類 ............................................................ - 44 總結..................................................................................................... - 47 -. 參考文獻................................................................................................................. - 49 表............................................................................................................................. - 51 圖............................................................................................................................. - 61 附錄....................................................................................................................... - 113 -. II.

(6) 表次表 2.1 CReSS 模式預報基本設定 - 51 表 2.2 本研究分析 2012～2016 年有發警報侵臺颱風發布至解除期間，其以 00 UTC 切割成獨立個案的時段。第 1 欄為年份，第 2 欄為颱風名稱，第 3 欄為有發警報颱風期間，第 4～8 欄為個案觀測天；「-」表示無個案。 - 52 表 2.3 本研究分析 88 個 24 小時侵臺颱風個案之資料。第 1 欄為日期，第 2 欄為颱風名稱，第 3 欄為 24 小時累積最大雨量值，第 4 欄為 24 小時累積雨量值達 10 毫米之站點數，第 5 欄為觀測總站點數，第 6 欄為 24 小時累積雨量值達 10 毫米之站點數比例。 - 53 表 2.4 一個2 × 2 聯列表格。在某一雨量門檻之觀測降水與預報降水所發生區域分佈之雨量站點總數統計表，所有站點位置可分成互不交集的四種結果：預報與觀測均達該雨量門檻（𝑁11）、預報達但觀測未達該雨量門檻（𝑁10）、預報未達但觀測達該雨量門檻（𝑁01）、預報與觀測均未達雨量門檻（𝑁00）等四種。此處，第一個下標表示預報、第二個下標表示觀測，1 表示達到、0 表示未達到。- 56 表 3.1 8 天預報以不同初始時間對觀測天計算 FSS 技術得分值。第 1 欄為觀測天；第 2～9 欄為為長時間預報（Day 8）至短時間預報（Day 1）。「-」表示無 GFS 預報資料。 - 57 表 4.1 8 天預報以不同初始時間對觀測天之路徑誤差值。第 1 欄為日期，第 2 欄為颱風名稱，第 3～10 欄為 Day 8～Day 1 預報。「#」符號表示颱風離開預報區域；「*」符號表示颱風未成型或消散；「-」符號表示無 GFS 預報資料。 - 59 -. III.

(7) IV.

(8) 圖次圖 1.1 不同模式在第 1 天預報 TS 技術得分之比較。藍框為全球模式；紅框為中央氣象局；綠框為區域模式。橫軸為不同模式；縱軸為 TS 得分；色階為雨量門檻值，單位為公釐（mm）。（摘自 Huang et al., 2015 : CWB conference） - 61 圖 1.2 不同模式在第 1 天預報對 2014 年的 2 個颱風做技術得分之比較。模式後數字為樣本個數；橫軸為雨量門檻值，單位為公釐（mm）；長條圖為 BS 得分，對應左縱軸；折線圖為 TS 得分，對應右縱軸。（摘自 JJ Wang et al., 2015 : CWB conference） - 62 圖 1.3 不同系集方法之比較。（a）傳統系集（不同成員之 3 天預報）；（b）差時（Time-Lagged）系集（單一成員之 8 天預報），雲解析模式利用差時系集 1 天 4 筆輸出（紅色是 0000 UTC 跟綠色）。每個箭頭代表預報時間長度；黃色區域代表對目標天的定量降水預報。（摘自 Wang et al., 2016） - 63 圖 1.4 雲解析模式 8 天預報對 2012 年間的 5 個侵臺颱風以及 2013 年的康芮颱風已具備預報技術的初始時間。箭頭是最大雨量值；圖例依序為颱風名稱、觀測日期、最大雨量值、預報初始時間。（摘自 Wang et al., 2016） - 64 圖 2.1 臺灣雨量站之站網分布圖。黑點為中央氣象局局屬氣象站及自動雨量站位置；色階為地形高度，單位為公尺（m）。（摘自 Wang et al., 2016） - 65 圖 2.2 雲解析模式（CReSS）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qc、qr、qi、qs 以及 qg分別為雲水、雨水、雲冰、雪及軟雹之混合比。而 NUAvi為昇華核化（ d e p o s i t i o n o r s o r p t i o n n u c l e a t i o n ）， N U Fci 為凍結核化（condensation-freezing nucleation），NUCci為接觸核化（contact nucleation），NUHci為同質核化（homogeneous nucleation），SP 為二次冰晶生成（secondary nucleation of ice crystals），CL 為碰撞合併（collection），PG 為其它相態水和霰碰撞附著而使霰成長的效應（graupel producition），AG 為聚合（aggregation），CN 為相態轉換（conversion），ML 為融解（melting），FR 為凍結（freezing），SH 為液態水的剝離（shedding of liquid water）。 - 66 圖 2.3 雲解析模式預報區域示意圖。（a）為 3 天（小區域）預報之模式預報區域：經度約115～129°E；緯度約18～28.5°N。（b）為 8 天（大區域）預報之模式預報區域：經度約113.5～131.5°E；緯度約17.5～29.5°N。 - 67 圖 2.4 在一定量降水預報技術評估區域（黑框白底之矩形，N）中， V.

(9) 達到某一雨量門檻之預報雨區（藍框藍底之橢圓，FCST = N11 + N10），觀測雨區（紅框紅底之橢圓，OBS = N11 + N01）及命中雨區（觀測與預報雨區之交集處，N11）之示意圖。 - 68 圖 2.5 在一定量降水預報技術評估降水分布，每個站點都有其觀測值（𝑂𝑖），模式預報各站點會得到預報值（𝑓𝑖），站點上的觀測值與預報值之差值曲線之示意圖。橫軸為站點；縱軸為 24 小時累積雨量值（mm）。 - 68 圖 3.1 模式在 2012～2016 年有發警報侵臺颱風期間所有個案的 8 天定量降水預報整體評估之技術得分折線圖。上圖為 TS，下圖為 BS；線條顏色黑色、紅色、藍色、綠色、桃色、棕色、橙色、青色分別為 Day 1（0～24 小時）、Day 2（24～48 小時）、Day 3（48～72 小時）、Day 4（72～96 小時）、Day 5（96～120 小時）、Day 6（120～ 144 小時）、Day 7（144～168 小時）、Day 8（168～192 小時）預報之技術得分；橫軸為雨量門檻值，單位為公釐（mm）；縱軸為技術得分值。 - 69 圖 3.2 8 天預報對 24 小時累積最大雨量值門檻之 FSS 技術得分盒鬚圖。草色、青色、橙色、棕色、桃色、綠色、藍色、紅色、黑色，依序分別為 24 小時累積最大雨量值門檻達 100、130、160、200、 250、350、500、750、1000 毫米之 FSS 技術得分結果分布；點為對觀測之技術得分；盒鬚圖上限為最大值，下限為最小值；盒子上緣為上四分位數(𝑄1)，下緣為下四分位數(𝑄3)，盒子中線為中位數，盒子裡包含 50%之樣本數；圖例括弧內為樣本數；橫軸為 24 小時累積雨量值門檻，單位為公釐（mm）；縱軸為 FSS 技術得分值。 7 0 圖 3.3 8 天預報對 24 小時累積雨量達 10 毫米站點數比例之 FSS 技術得分盒鬚圖。紫色、草色、青色、橙色、棕色、桃色、綠色、藍色、紅色、黑色，依序分別為觀測 24 小時累積雨量達 10 毫米站點數比例達 10、20、30、40、50、60、70、80、90、100 %之 FSS 技術得分結果分布；點為對觀測之技術得分；盒鬚圖上限為最大值，下限為最小值；盒子上緣為上四分位數(𝑄1)，下緣為下四分位數 (𝑄3)，盒子中線為中位數，盒子裡包含 50%之樣本數；圖例括弧內為樣本數；橫軸為 24 小時累積雨量達 10 毫米站點數比例，單位為百分比（%）；縱軸為 FSS 技術得分值。 - 71 圖 3.4 模式在 2012～2016 年有發警報侵臺颱風期間所有個案之大區域（8 天）與小區域（3 天）預報比較 3 天內定量降水預報整體評估之技術得分折線圖。（a）為 TS，（b）為 BS；線條黑色、紅色、藍色分別為大區域預報 Day 1、Day 2、Day 3 預報之技術得分值，線條灰色、粉色、青色分別為小區域預報 Day 1、Day 2、Day 3 預 VI.

(10) 報之技術得分值；橫軸為雨量門檻值，單位為公釐（mm）；縱軸為技術得分值。 - 72 圖 3.5 中央氣象局逐時雷達垂直向最大回波合成圖。時段為 2015 年 8 月 8 日 1600 UTC 至 2100 UTC（色階，dBZ）。 - 73 圖 3.6 中央氣象局逐時雷達垂直向最大回波合成圖。時段為 2016 年 9 月 27 日 1100 UTC 至 1600 UTC（色階，dBZ）。 - 74 圖 3.7 觀測與大區域及小區域預報之 24 小時累積雨量圖（時間為 2015 年 8 月 8 日 00 UTC～9 日 00 UTC）。第一列為大區域預報；第二列為小區域預報；由左至右為最長預報時間（Day 8，168～192 小時）至最短預報時間（Day 1，0～24 小時），及觀測累積雨量（OBS， 00～24Z）；色階為 24 小時累積雨量門檻值，單位為公釐（mm）。 - 75 圖 3.8 觀測與大區域及小區域預報之 24 小時累積雨量圖（時間為 2016 年 9 月 27 日 00 UTC～28 日 00 UTC）。第一列為大區域預報；第二列為小區域預報；由左至右為最長預報時間（Day 8，168～192 小時）至最短預報時間（Day 1，0～24 小時），及觀測累積雨量（OBS， 00～24Z）；色階為 24 小時累積雨量門檻值，單位為公釐（mm）。 - 75 圖 3.9 模式在大區域與小區域預報在 3 天內定量降水預報整體評估比較之技術得分折線圖。上圖為 2015 年 8 月 8 日，下圖為 2016 年 9 月 27 日；左圖為 TS，右圖為 BS；線條黑色、紅色、藍色分別為大區域預報 Day 1、Day 2、Day 3 預報之技術得分值，線條灰色、粉色、青色分別為小區域預報 Day 1、Day 2、Day 3 預報之技術得分值；橫軸為雨量門檻值，單位為公釐（mm）；縱軸為技術得分值。 - 76 圖 3.10 模式大區域及小區域預報與觀測之雨量時序折線圖。上圖為 2015 年 8 月 8 日，下圖為 2016 年 9 月 27 日；左圖為門檻值 750 毫米命中站點（C1V780），右圖為命中站點旁之佐證站點（C0R100）；線條黑色、紅色、藍色分別為觀測、大區域、小區域預報之時雨量值，線條灰色、粉色、青色分別為觀測、大區域、小區域預報之逐時累積雨量值；橫軸為時間，單位為 UTC；左縱軸為時雨量值，右縱軸為逐時累積雨量值，單位為公釐（mm）。 - 77 圖 3.11 大區域預報之時雨量值分布圖。初始時間為 2015 年 8 月 8 日 0000 UTC；時段為 2015 年 8 月 8 日 1600～2100 UTC（色階， mm）。 - 78 圖 3.12 小區域預報之時雨量值分布圖。初始時間為 2015 年 8 月 8 日 0000 UTC；時段為 2015 年 8 月 8 日 1600～2100 UTC（色階， mm）。 - 79 VII.

(11) 圖 3.13 大區域預報之時雨量值分布圖。初始時間為 2016 年 9 月 27 日 0000 UTC；時段為 2016 年 9 月 27 日 1100～1600 UTC（色階， mm）。 - 80 圖 3.14 小區域預報之時雨量值分布圖。初始時間為 2016 年 9 月 27 日 0000 UTC；時段為 2016 年 9 月 27 日 1100～1600 UTC（色階， mm）。 - 81 圖 3.15 大區域預報之海平面預報雨區圖。初始時間為 2015 年 8 月 8 日 0000 UTC；時段為 2015 年 8 月 8 日 1600～2100 UTC。色階為時雨量，單位為公釐（mm）；等值線為氣壓，單位為百帕；風標單位為 knots。 - 82 圖 3.16 小區域預報之海平面預報雨區圖。初始時間為 2015 年 8 月 8 日 0000 UTC；時段為 2015 年 8 月 8 日 1600～2100 UTC。色階為時雨量，單位為公釐（mm）；等值線為氣壓，單位為百帕；風標單位為 knots。 - 83 圖 3.17 大區域預報之海平面預報雨區圖。初始時間為 2016 年 9 月 27 日 0000 UTC；時段為 2016 年 9 月 27 日 1100～1600 UTC。色階為時雨量，單位為公釐（mm）；等值線為氣壓，單位為百帕；風標單位為 knots。 - 84 圖 3.18 小區域預報之海平面預報雨區圖。初始時間為 2016 年 9 月 27 日 0000 UTC；時段為 2016 年 9 月 27 日 1100～1600 UTC。色階為時雨量，單位為公釐（mm）；等值線為氣壓，單位為百帕；風標單位為 knots。 - 85 圖 4.1 8 天預報對不同初始時間之 FSS 技術得分盒鬚圖。青色、橙色、棕色、桃色、綠色、藍色、紅色、黑色，依序分別為初始時間是 Day 8、Day 7、Day 6、Day 5、Day 4、Day 3、Day 2、Day 1 之 FSS 技術得分結果分布；點為對觀測之技術得分；盒鬚圖上限為最大值，下限為最小值；盒子上緣為上四分位數(𝑄1)，下緣為下四分位數(𝑄3)，盒子中線為中位數，盒子裡包含 50%之樣本數，超過上下限的點為離群值；圖例括弧內為樣本數；橫軸為初始時間；縱軸為 FSS 技術得分值。 - 86 圖 4.2 觀測與 8 天預報之 24 小時累積雨量圖（時間以 UTC 為準）。第一列至第四列分別為 2012 年蘇拉、2013 年天兔、2014 年麥德姆、2015 年蓮花。由左至右為最長預報時間（Day 8，168～192 小時）至最短預報時間（Day 1，0～24 小時），及觀測累積雨量（OBS， 00～24Z）；觀測雨量圖右下角為日期（月/日）；色階為 24 小時累積雨量門檻值，單位為公釐（mm）。 - 87 圖 4.3 最佳路徑及 8 天預報路徑圖。（1）2012 年蘇拉（2）2013 年天兔（3）2014 年麥德姆（4）2015 年蓮花（5）2015 年蘇迪勒（6） VIII.

(12) 2016 年梅姬；灰色線為最佳路徑；圖例之顏色及日期為對應初始時間之 00 UTC RUN；圖中所標誌日期同等於實際日期。 - 88 圖 4.4 模式在不同時段個案的 8 天定量降水預報整體評估之技術得分折線圖。左圖為 TS，右圖為 BS；（1）2012 年 8 月 2 日蘇拉（2） 2013 年 9 月 21 日天兔（3）2014 年 7 月 22 日麥德姆（4）2015 年 7 月 8 日蓮花（5）2015 年 8 月 8 日蘇迪勒（6）2016 年 9 月 27 日梅姬。線條黑色、紅色、藍色、綠色、桃色、棕色、橙色、青色分別為 Day 1、Day 2、Day 3、Day 4、Day 5、Day 6、Day 7、Day 8 預報之技術得分；橫軸為雨量門檻值，單位為公釐（mm）；縱軸為技術得分值。 - 90 圖 4.5 觀測與 8 天預報之 24 小時累積雨量圖（時間以 UTC 為準）。第一列至第五列分別為 2012 年天秤、2013 年蘇力、2015 年杜鵑、 2016 年尼伯特、2016 年莫蘭蒂。由左至右為最長預報時間（Day 8， 168～192 小時）至最短預報時間（Day 1，0～24 小時），及觀測累積雨量（OBS，00～24Z）；觀測雨量圖右下角為日期（月/日）；色階為 24 小時累積雨量門檻值，單位為公釐（mm）。 - 91 圖 4.6 最佳路徑及 8 天預報路徑圖。（1）2012 年天秤（2）2013 年蘇力（3）2015 年杜鵑（4）尼伯特（5）2016 年莫蘭蒂；灰色線為最佳路徑，圖例之顏色及日期為對應初始時間之 00 UTC RUN；圖中所標誌日期同等於實際日期。 - 92 圖 4.7 模式在不同時段個案的 8 天定量降水預報整體評估之技術得分折線圖。左圖為 TS，右圖為 BS；（1）2012 年 8 月 24 日天秤（2）為 2013 年 7 月 12 日蘇力（3）2015 年 9 月 27 日杜鵑（4）2016 年 7 月 8 日尼伯特（5）2016 年 9 月 14 日莫蘭蒂。線條黑色、紅色、藍色、綠色、桃色、棕色、橙色、青色分別為 Day 1、Day 2、Day 3、Day 4、Day 5、Day 6、Day 7、Day 8 之技術得分；橫軸為雨量門檻值，單位為公釐（mm）；縱軸為技術得分值。 - 94 圖 4.8 NCEP GFS 1° × 1°之 500 百帕高度圖。初始時間為 2012 年 8 月 17 日 00 UTC 到 24 日 00 UTC；等高線為重力位高度；色階為渦度。 - 95 圖 4.9 NCEP GFS 1° × 1°之 500 百帕高度圖。初始時間為 2013 年 7 月 5 日 00 UTC 到 12 日 00 UTC；等高線為重力位高度；色階為渦度。 - 96 圖 4.10 NCEP GFS 1° × 1°之 500 百帕高度圖。初始時間為 2015 年 9 月 21 日 00 UTC 到 28 日 00 UTC；等高線為重力位高度；色階為渦度。 - 97 圖 4.11 NCEP GFS 1° × 1°之 500 百帕高度圖。初始時間為 2016 年 7 月 1 日 00 UTC 到 8 日 00 UTC；等高線為重力位高度；色階為渦 IX.

(13) 度。 - 98 圖 4.12 NCEP GFS 1° × 1°之 500 百帕高度圖。初始時間為 2016 年 9 月 7 日 00 UTC 到 14 日 00 UTC；等高線為重力位高度；色階為渦度。 - 99 圖 4.13 方向路徑誤差與 FSS 得分的散布及長條圖。紅點表示不同初始時間對觀測天個案的定量降水預報；黃色長條為預報樣本數，數量標示在長條上。橫軸為方向路徑誤差，單位為公里（km），負號（-）表示偏左，無則偏右；左縱軸為 FSS 得分；右縱軸為預報樣本數。 - 100 圖 5.1 路徑誤差（Track error）與降水分布型態（FSS）之相關性散布圖。每個點表示不同初始時間對觀測天個案的定量降水預報；紅點為觀測有西南氣流情境個案，藍點為觀測無西南氣流情境個案；圖中 R 為對應個案的整體降水分布型態與路徑誤差之相關係數；圖例中括號內為預報樣本數；橫軸為路徑誤差，單位為公里（km）；縱軸為 FSS 技術得分值。 - 101 圖 5.2 觀測與 8 天預報之 24 小時累積雨量圖（時間以 UTC 為準）。第一列至第三列分別為 2012 年泰利、2013 年潭美、2013 年康芮。由左至右為最長預報時間（Day 8，168～192 小時）至最短預報時間（Day 1，0～24 小時），及觀測累積雨量（OBS，00～24Z）；觀測雨量圖右下角為日期（月/日）；色階為 24 小時累積雨量門檻值，單位為公釐（mm）。 - 102 圖 5.3 最佳路徑及 8 天預報路徑圖。（1）2012 年 6 月 20 日泰利（2） 2013 年 8 月 21 日潭美（3）2013 年 8 月 29 日康芮；灰色線為最佳路徑，圖例之顏色及日期為對應初始時間之 00 UTC RUN；圖中所標誌日期同等於實際日期。 - 103 圖 5.4 模式在不同時段個案的 8 天定量降水預報整體評估之技術得分折線圖。左圖為 TS，右圖為 BS；（1）2012 年 6 月 20 日泰利（2） 2013 年 8 月 21 日潭美（3）為 2013 年 8 月 29 日康芮。線條黑色、紅色、藍色、綠色、桃色、棕色、橙色、青色分別為 Day 1、Day 2、 Day 3、Day 4、Day 5、Day 6、Day 7、Day 8 預報之技術得分；橫軸為雨量門檻值，單位為公釐（mm）；縱軸為技術得分值。- 104 圖 5.5 西行颱風之路徑分類示意圖。颱風西行是以122°𝐸為參考依據，第 1、2、3、4、5 類颱風路徑是在122°𝐸經線上分別是在25°N 以北、25°~24°𝑁、24°~23°𝑁、23°~22°𝑁、22°N以南之緯度範圍西行的颱風。 - 105 圖 5.6 北行颱風之路徑分類示意圖。颱風北行是以22°𝑁為參考依據，第 6、7 類颱風路徑是以中央山脈軸線為界，以東為第 6 類，以西為第 7 類；第 8 類是自太平洋西行而後轉向東北；第 9 類是自南海 X.

(14) 生成後移入臺灣。 - 106 圖 5.7 路徑誤差與降水分布型態之相關性散布圖。每個點表示不同初始時間對觀測天個案的定量降水預報；紅點為西行颱風路徑個案，藍點為北行颱風路徑個案；圖中 R 為對應個案的整體降水分布型態與路徑誤差之相關係數；圖例中括號內為預報樣本數；橫軸為路徑誤差，單位為公里（km）；縱軸為 FSS 技術得分值。 - 107 圖 5.8 由 1991 至 2008 年 287 個雨量觀測站資料所得颱風中心位於 21°𝑁到27°𝑁，119°𝐸到123°𝐸間，每1° × 1°之平均降雨分布。雨量之尺標（單位為毫米）見圖右下角。（摘自葉等人，2010） - 108 圖 5.9 第 1～5 類颱風路徑圖。（1）～（5）分別為第 1～5 類；圖中右上角為屬此類之年份及颱風名稱。 - 109 圖 5.10 路徑誤差與降水分布型態之相關性散布圖。每個點表示不同初始時間對觀測天個案的定量降水預報；黑、紅、藍、綠、橙色分別為第 1、2、3、4、5 類颱風路徑之個案；圖中 R 為對應個案的整體降水分布型態與路徑誤差之相關係數；圖例中括號內為預報樣本數；橫軸為路徑誤差，單位為公里（km）；縱軸為 FSS 技術得分值。 - 110 圖 5.11 路徑誤差與降水分布型態之相關性散布圖。每個點表示不同初始時間對觀測天個案的定量降水預報；紅點為颱風暴風半徑≥ 200 公里之個案，藍點為颱風暴風半徑< 200 公里之個案；圖中 R 為對應個案的整體降水分布型態與路徑誤差之相關係數；圖例中括號內為預報樣本數；橫軸為路徑誤差，單位為公里（km）；縱軸為 FSS 技術得分值。 - 111 -. XI.

(15) XII.

(16) 第一章. 前言. 颱風是造成臺灣極端降水事件的主要原因，其所累積雨量值最高且雨區最廣（Wu and Kuo 1999）。此類型降水事件幾乎每年均導致民眾生命財產的損失，而準確的颱風降雨預報，能對可能發生災害的區域提供有效的預警，進而達到防災的目標。由於數值模式天氣預報有其極限，僅使用單一模式預報皆有不確定性，因此，系集預報技術，可降低預報之不確定性，更能提供與實際接近的降水預報。中央氣象局現行的系集模式颱風定量降水預報法（Ensemble Typhoon Quantitative Precipitation Forecast，ETQPF）是使用 WRF（Weather Research and Forecasting Model）模式系集定量降水預報結果為基準，篩選出最佳路徑範圍內的個案，再剔除氣象參數不佳的個案，以系集平均重新計算成颱風降水預報。此方法的優點是計算降水預報方便快速，且降水分布相當接近，但受限於預報時間較短（3 天），而且雨量統計方法為系集平均，衍生出降水極值平滑化的缺點（Tracton and Kalnay 1993；Ebert et al. 2001；Zhou et al. 2005；Fang and Kuo 2013），無法突顯非伴隨颱風之中尺度降水系統所造成的極端現象。黃等（2015）以不同模式降水預報評估 2014 年的颱風降水事件，預報技術得分區域模式優於全球模式（圖 1.1），顯示解析度提高有助於獲得好的降水預報；王等（2015）也有一致的結果（圖 1.2），尤其在大豪雨（350 毫米）事件中，雲解析模式有優於其他成員的預報表現，亦顯示提高解析度在極端降水事件中能改善定量降水預報技術。傳統系集預報是模式以不同成員在同初始時間對同時段進行預報；Wang et al.（2016）提出差時（time-lagged）系集預報是單一成員在不同初始時間對同時段進行預報，此方法可以集中計算資源，有提高解析度、放大預報區域且延長預報時間的特性（圖 1.3）。雲解析模式以 3 天預報評估 2010～2012 年的 15 個侵臺颱風之定量降水預報，已有相當優異的表現（Wang 2015）。隔年利用同模式做 8 天定量降水預報，評估 2012 年 5 個侵臺颱風以及 2013 年康芮颱風，顯示多數颱 -1-.

(17) 風事件在 3 天前已具備預報技術（圖 1.4），對於颱風降水事件的預警能提供更加充足的預報時間（Wang et al., 2016）。雲解析模式 8 天預報從 2012 年開始發展至今已累積充分的資料可以進行評估與分析，而且 3 天預報已有相當優異的表現（Wang 2015），所以比較雲解析模式之 8 天（大區域）與作業 3 天（小區域）預報，在 3 天內之定量降水預報差異，以了解雲解析模式區域大小之影響，及放大區域之可能效益。並且評估 8 天預報在 3 天以上第 4～8 天的預報表現，以了解雲解析模式 8 天預報在不同的颱風情境下在 3 天以上的預報技術。颱風路徑為決定其造成臺灣降水分布非常重要且關鍵之因素（Hsu et al. 2013）。而 Wang et al.（2016）提出「即便路徑誤差偏大，但降水預報仍具有實用性及可用性。」所以評估路徑誤差與降水分布型態（FSS）之相關性，以了解在有西南氣流情境的颱風事件，降水預報對路徑誤差之容錯度特性。再以颱風路徑西行與北行颱風做降水預報分類，以了解在不同颱風路徑下，降水預報之參考價值。綜上所述，可以更加認識雲解析模式對颱風之定量降水預報技術，進而提升颱風降水預報技術，以供作業與防災單位未來應對之參考。本研究共分六個章節，第一章為前言；第二章為資料來源及研究方法；第三章為雲解析模式 8 天（大區域）與 3 天（小區域）定量降水預報技術在 3 天內之比較結果；第四章為評估 8 天預報在 3 天以上之預報技術；第五章為 8 天預報針對不同條件分類下，路徑誤差與降水分布型態之相關性評估結果；第六章為本研究之總結。. -2-.

(18) 第二章 2.1. 資料來源及研究方法. 資料來源本研究為雲解析模式 8 天預報對 2012～2016 年的有發警報侵臺颱風進行評. 估與特性分析，所使用資料如下：（1）中央氣象局（Central Weather Bureau，CWB）在 2012～2016 年 27 個有發警報颱風，在侵臺期間內之雷達回波合成圖、中央氣象局所定之最佳颱風中心路徑資料（best track）以及局屬氣象站及自動雨量站之逐時雨量資料，其站網分布如圖 2.1 所示。（2）採用美國「國家環境預測中心」（National Centers for Environmental Prediction，NCEP）之全球預報系統（Global Forecasting System，GFS）每 6 小時（0000、0600、1200 及 1800UTC）之1° × 1° （2012～2016 年之 8 天預報及 2012 年之 3 天預報）及0.5° × 0.5° （2013～2016 年之 3 天預報）經緯度網格之全球模式分析與預報資料作為初始與側邊界條件（initial and lateral boundary condition，IC/LBC），垂直分層共 26 層（包含地面、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），提供之氣象參數包括海平面氣壓（mean sea level pressure，MSLP）、重力位高度、溫度，水平風場、垂直速度及相對濕度等。（3）國家災害防救科技中心（National Science and Technology Center for Disaster Reduction，NCDR）所提供的全球模式 NCEP GFS 1° × 1° 之 500 百帕高度場分析圖。. -3-.

(19) 模式簡介. 2.2. 本研究所使用的數值模式為雲解析風暴模式（Cloud Resolving Storm Simulator，CReSS；Tsuboki and Sakakibara 2002, 2007）是由日本名古屋大學（Nagoya University）地球水循環研究中心（Hydrosphere Atmosphere Research Center，HyARC）所發展的。現在，此研究中心已經更名為太空地球環境研究所（Institute for Space-Earth Environmental Research，ISEE）。此模式採用完全可壓縮之非靜力方程式系統，亦包含地面輻射參數化及地溫預報模式；對於雲中形成與演變過程之模擬，本模式完全採用外顯之雲微物理方法計算，共有暖雲及冷雲兩種總體過程可供選用，且不使用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，TKE）之計算；變數配置在水平向為 Arakara-C，垂直向為 Lorenz 交錯網格；水平座標為卡式座標（Cartesian coordinate）；垂直座標為以高度為基礎的追隨地勢座標（terrain-following curvilinear coordinate，ζ）定義為： ζ(𝑥, 𝑦, 𝑧) =. 𝑧𝑡 [𝑧−𝑧𝑠 (𝑥,𝑦)] 𝑧𝑡 −𝑧𝑠 (𝑥,𝑦). 其中，𝑧𝑠 (𝑥, 𝑦)為地表高度，𝑧𝑡 為模式頂高度。模式中所使用之方程式包括靜力方程式、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：（1）靜力方程式： ∂𝑝 = −𝜌𝑔 ∂z 其中，𝑝 = 𝑝 + 𝑝′，𝜌 = 𝜌 + 𝜌′，𝑔為重力加速度(𝑚𝑠 −2 )。（2）狀態方程式： 𝜌=. 𝑝 𝑞𝑣 (1 − ) (1 + 𝑞𝑣 + ∑ 𝑞𝑥 ) 𝑅𝑑 𝑇 𝜀 + 𝑞𝑣. 其中，T 為溫度(𝐾)，ε 為水氣與乾空氣之分子量比(0.622)，𝑅𝑑 為乾空氣 -4-.

(20) 之氣體常數(287.05J𝑘𝑔−1 𝐾 −1 )，𝑞𝑣 為水氣，𝑞𝑥 為各種水相、冰相粒子之混合比。（3）運動方程式： ∂𝜌𝑢 𝜕𝑢 𝜕𝑢 𝜕𝑢 𝜕𝑝′ = −𝜌 (𝑢 +𝑣 +𝑤 )− + 𝜌(𝑓𝑠 𝑣 − 𝑓𝑐 𝑤) + 𝑇𝑢𝑟𝑏. 𝑢 ∂t 𝜕𝑥 𝜕𝑦 𝜕𝑧 𝜕𝑥 ∂𝜌𝑣 𝜕𝑣 𝜕𝑣 𝜕𝑣 𝜕𝑝′ = −𝜌 (𝑢 +𝑣 +𝑤 )− − 𝑓𝑠 𝜌𝑢 + 𝑇𝑢𝑟𝑏. 𝑣 ∂t 𝜕𝑥 𝜕𝑦 𝜕𝑧 𝜕𝑦 ∂𝜌𝑤 𝜕𝑤 𝜕𝑤 𝜕𝑤 𝜕𝑝′ = −𝜌 (𝑢 +𝑣 +𝑤 )− − 𝜌𝐵𝑢𝑜𝑦. 𝑤 + 𝑓𝑐 𝑢 + 𝑇𝑢𝑟𝑏. 𝑤 ∂t 𝜕𝑥 𝜕𝑦 𝜕𝑧 𝜕𝑧 其中，𝑓𝑠 、𝑓𝑐 為科式參數(𝑓𝑠 = 2𝛺 sin 𝛷 、𝑓𝑐 = 2𝛺 cos 𝛷 ，𝛷為緯度，𝛺為地球自轉角速度，𝛺 = 7.292 × 10−5 𝑟𝑎𝑑𝑠 −1 )， 𝑇𝑢𝑟𝑏.與𝐵𝑢𝑜𝑦. 𝑤則分別表示亂流混合作用與浮力項。（4）氣壓方程式： ∂p′ 𝜕𝑝′ 𝜕𝑝′ 𝜕𝑝′ 𝜕𝑢 𝜕𝑣 𝜕𝑤 = − (𝑢 +𝑣 +𝑤 ) + 𝜌𝑔𝑤 − 𝜌𝑐𝑠 2 ( + + ) ∂t 𝜕𝑥 𝜕𝑦 𝜕𝑧 𝜕𝑥 𝜕𝑦 𝜕𝑧 + 𝜌𝑐𝑠 2 (. 1 𝑑𝜃 1 𝑑𝑄 − ) 𝜃 𝑑𝑡 𝑄 𝑑𝑇. 其中，𝑐𝑠 為大氣中的聲速，q = 1 + 0.61𝑞𝑣 + ∑ 𝑞𝑥 。（5）位溫方程式： 𝜕𝜌𝜃′ 𝜕𝜃 ′ 𝜕𝜃 ′ 𝜕𝜃 ′ 𝜕𝜃 = −𝜌 (𝑢 +𝑣 +𝑤 ) − 𝜌𝑤 + 𝑇𝑢𝑟𝑏. θ + 𝜌𝑆𝑟𝑐. θ 𝜕𝑡 𝜕𝑥 𝜕𝑦 𝜕𝑧 𝜕𝑧 其中，𝑆𝑟𝑐.表示非絕熱作用之源與匯（加熱與冷卻）。（6）水氣與滿足混合比方程式： ∂𝜌𝑞𝑣 𝜕𝑞𝑣 𝜕𝑞𝑣 𝜕𝑞𝑣 = −𝜌 (𝑢 +𝑣 +𝑤 ) + 𝑇𝑢𝑟𝑏. 𝑞𝑣 + 𝜌𝑆𝑟𝑐. 𝑞𝑣 ∂t 𝜕𝑥 𝜕𝑦 𝜕𝑧 ∂𝜌𝑞𝑥 𝜕𝑞𝑥 𝜕𝑞𝑥 𝜕𝑞𝑥 = −𝜌 (𝑢 +𝑣 +𝑤 ) + 𝑇𝑢𝑟𝑏. 𝑞𝑥 + 𝜌𝑆𝑟𝑐. 𝑞𝑥 + 𝜌𝐹𝑎𝑙𝑙. 𝑞𝑥 ∂t 𝜕𝑥 𝜕𝑦 𝜕𝑧 其中，𝑞𝑥 代表雲水(𝑞𝑐 )、雨水(𝑞𝑟 )、雲冰(𝑞𝑖 )、雪(𝑞𝑠 )及軟雹(𝑞𝑔 )中任一種類之混合比。𝑆𝑟𝑐.、𝑇𝑢𝑟𝑏.及𝐹𝑎𝑙𝑙.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 2.2。 -5-.

(21) 2.3. 模式預報設定本研究所使用的模式預報之網格間距為 2.5 公里；投影方式為藍伯特圓錐投. 影（Lambert Conformal Projection）；8 天預報因為一天 1 次（0000 UTC），預報時間長度為 192 小時，即 8 天，所以稱 8 天預報；3 天預報則一天 4 次，每 6 小時預報一次（0000、0600、1200 及 1800 UTC），每次預報時間長度為 72 小時，即 3 天，稱為 3 天預報；雲微物理過程皆為冷雲過程；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。 8 天預報 2.5 公里網格間距的模式網格點數(𝑥, 𝑦, 𝑧)及預報區域(長 × 寬 × 高) 分別為744 × 544 × 40點及1860 × 1360 × 40 公里；3 天預報 2.5 公里網格間距的模式網格點數(𝑥, 𝑦, 𝑧)及預報區域(長 × 寬 × 高)分別為600 × 480 × 40點及 1500 × 1200 × 40 公里（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 1 筆預報結果；8 天預報共使用 768 個 CPU 核心；3 天預報共使用 240 個 CPU 核心。關於 CReSS 模式即時預報的基本設定請參閱表 2.1。. -6-.

(22) 2.4. 研究方法本研究以中央氣象局局屬氣象站及自動雨量站所提供的逐時雨量資料，進行. 雲解析模式 8 天預報對有發警報侵臺颱風做定量降水預報之評估及特性分析。本研究評估有發警報颱風的時段、設定的雨量門檻及使用的技術得分，於以下三點說明：（1）評估時間、雨量觀測站及雨量門檻本研究評估 2012～2016 年中央氣象局有發警報颱風的警報期間，將警報期間以 0000 UTC 做切割，視每 24 小時為各個獨立降水個案，共有 86 個時段（表 2.2）。對每個個案以不同初始時間從八天前（Day 8）至當天（Day 1）之 8 天定量降水預報。評估站點為中央氣象局之自動雨量站及局屬氣象站，必須滿足「於個案分析預報期間內皆有資料之測站」條件後，將模式網格點上之個案累積雨量內插至觀測雨量站位置（圖 2.1），即可計算統計預報技術得分。颱風個案於分析期間內可供校驗之觀測雨量測站數，其數量變化自 433 至 523 個站點不等，平均約 480 個站點（表 2.3）。定量降水預報技術評估的雨量值門檻設定為 24 小時累積雨量達 0.05、2.5、 10、25、50、75、100、130、160、200、250、350、500、750、1000 毫米等 15 個雨量門檻。（2）預兆得分（Threat Score，TS）、偏倚得分（Bias Score，BS）參閱 Wilks（2011）提及的技術得分，本研究將使用預兆得分（Threat Score，TS）、偏倚得分（Bias Score，BS）等兩種技術得分評估雲解析模式對侵臺颱風的 8 天與 3 天定量降水預報。這二種技術得分皆是利用一個2 × 2列聯表（表 2.4）統計各組在各時段之累積降雨分布下，不同雨量門檻值之觀測降水與預報降水所發生區域分佈之雨量站點總數（圖 2.1），所有站點位置可分成互不交集的四種結果：預報與觀測均達該雨量門檻（N11 ）、預報達但觀測未達該雨量門檻 -7-.

(23) （N10 ）、預報未達但觀測達該雨量門檻（N01 ）、預報與觀測均未達雨量門檻（N00 ）等四種。再帶入N11、N10、N01 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 2.4，以幫助了解計算公式之內容） TS =. N11 N11 + N10 + N01. BS =. N11 + N10 N11 + N01. TS 得分代表模式預報雨量超過門檻值時，正確預報雨區（N11 ）佔預報與觀測雨區總和（N11 + N10 + N01 ）之比值，並不考慮正確預報不發生的區域，則0 ≤ TS ≤ 1。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，則表示模式在該與量門檻有預報技術；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。 BS 得分代表模式預報雨區（N11 + N10 ）與觀測雨區（N11 + N01 ）之比值，則0 ≤ BS < ∞。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>1 時，則表示模式在該雨量門檻有降水預報過度之情形；若 BS<1 時，則表示模式在該雨量門檻有降水預報不足之情形。（3） Fraction Skill Score（FSS）我們為了解預報分布與觀測分布型態之相似程度，不設立門檻值將所有預報及觀測站點之雨量值列入統計分析，參照 Robert and Lean（2008）所提及的技術得分，本研究使用 Fraction Skill Score（FSS）來評估雨量分布與各雨量門檻值的相關性，以及各個颱風時段的路徑誤差與降水分布的相關性。中央氣象局之自動雨量站及局屬氣象站的分布總個數（N），在颱風侵臺期間每個雨量站每天皆會測得一觀測值（Oi ），且雲解析模式對侵臺期間亦有降水預報的雨量分布，而雨量內插至各個站點上會得到預報值（fi ），則公 -8-.

(24) 式後的分子為所有雨量站累積的預報與觀測之差值平方，分母為所有雨量站之預報值平方與觀測值平方之加總。計算公式如下：（以下計算公式之說明可搭配圖 2.5 以幫助了解計算公式之內容） FSS = 1 −. 1 N ∑ (f )2 N i=1 i − Oi 1 N 2 (∑ ∑N 2 ) N i=1 fi + i=1 Oi. 在所有雨量站之預報值平方與觀測值平方中，預報值與觀測值之差值平方的比例，其值介於 0～1 之間，而 FSS 得分為 1 減去其後之分數，則0 ≤ FSS ≤ 1。若分子中之模式預報值與觀測值相當接近，亦兩者差值小，則後項分數值愈接近 0，FSS 得分愈接近 1，表示模式在預報上有相當不錯的表現；反之預報值與觀測值相差甚遠，亦兩者差值大，則後項分數值愈接近 1，FSS 得分愈接近 0，表示模式在該時段預報上的表現不佳。. -9-.

(25) - 10 -.

(26) 第三章. 大區域與小區域預報之比較評估. 本章之結果，將分成三小節呈現，首先是 8 天預報（大區域）定量降水預報技術之整體評估結果，其次為 8 天預報與 3 天預報（小區域）定量降水預報技術之比較評估結果，最後是結論。在本章中，8 天預報統稱為大區域預報，而 3 天預報稱為小區域預報，以避免混淆。此利用大區域預報對所有個案之整體評估結果，以及在 3 天內大區域與小區域預報之 QPF 整體比較差異，以了解雲解析模式區域大小之影響，及放大區域之可能效益。. 3.1. 大區域預報之整體評估結果對 2012～2016 年有發警報侵臺颱風之所有個案做不同初始時間的定量降水. 預報，從 8 天前（Day 8）0000 UTC 到當天（Day1）0000 UTC 計算其在不同雨量門檻值之預報技術得分，以下再以不同的篩選條件做不同的分類。由圖 3.1 顯示，整體大區域預報之 TS 得分大致隨雨量門檻值增加而降低，而且預報初始時間愈接近目標天，各雨量門檻的技術得分有增加的趨勢，換言之，「愈接近目標天的預報，定量降水預報技術愈佳」，例如模式預報在 75、200、 350、500 毫米雨量門檻之 TS 得分（圖 3.1）分別為，Day3（藍線）之預報結果（0.30、0.20、0.16、0.10），Day2（紅線）之預報結果（0.42、0.31、0.21、0.13）及 Day1（黑線）之預報結果（0.52、0.38、0.27、0.16）。而預報時間在 3 天以上（Day 4～8）的預報，對豪雨等級以上的雨量門檻，並未完全符合此特性，例如在 200 毫米雨量門檻，整體 Day 6（TS = 0.10）預報技術得分略高於 Day 5（TS = 0.09）；在 350 毫米雨量門檻，Day 6（TS = 0.08）及 Day 5（TS = 0.07）甚至 Day 8（TS = 0.05）皆高於 Day 4（TS = 0.03）之預報得分；在 500 毫米雨量門檻，Day 5（TS = 0.07）略高於 Day 4（TS = 0.04）之預報得分。而在 BS 方面，各門檻值之 BS 皆相當接近 1，表示模式在各雨量門檻之預報技術均理想。而當雨量門檻增加至豪雨等級（200 毫米）以上，便開始偏離理想值（BS = 1），偏離 - 11 -.

(27) 情形分為兩類，一類為 3 天以上（Day 4～8）的預報大致呈現預報不足（BS < 1），因為預報時間拉長，不確定性自然就提高，模式就難掌握降雨事件；另一類為 3 天內（Day 1～3）的預報大致呈現過度預報（BS > 1），可能原因為模式降雨消散速率較緩慢或者是容易產生降雨，造成模式在豪雨等級事件之預報技術容易過度預報。由圖 3.2、表 2.4 及 3.1 顯示，FSS 技術得分是以觀測 24 小時累積最大雨量值做分類，顯示當 24 小時累積最大雨量值愈高，模式預報所得到的 FSS 技術得分有增加的趨勢，與 Wang（2015）的觀點相似「當降雨事件之累積雨量值愈高，模式之定量降水預報技術愈佳（TS 得分愈高）」，通用於 FSS 技術得分。而累積雨量最大值在 1000 毫米門檻值以上的預報樣本數較少，故並無表現在此趨勢之中。由圖 3.3、表 2.4 及 3.1 顯示，FSS 技術得分是以觀測 24 小時雨區規模做分類，規模設定條件為累積雨量達 10 毫米的站點數比例，說明當雨區規模愈大，模式預報所得到的 FSS 技術得分有增加的趨勢，與 Wang（2015）的觀點相似「當降雨事件之雨區規模愈大，模式之定量降水預報技術愈佳（TS 得分愈高）」，其觀點亦通用於 FSS 技術得分。整體而言，以 TS 技術得分評估 8 天預報，預報初始時間愈接近當天，各雨量門檻的預報技術愈佳，在 3 天內（Day 1～3）預報完全符合此趨勢，而 3 天以上（Day 4～8）預報在豪雨等級以上的雨量門檻，並未完全符合此特性，顯示出在預報時間長的條件下，對豪雨事件亦可能有不錯的預報技術，在下一章會再做更多說明。在 BS 方面，各門檻值之 BS 皆相當接近 1，表示模式在各雨量門檻之預報技術均理想，而當雨量門檻增加至豪雨等級（200 毫米）以上，便開始偏離理想值（BS = 1），有過度預報或預報不足的表現，實屬合理。而在 FSS 技術得分方面，不論在 24 小時累積最大雨量值及雨區規模做分類，皆可以得到「當降雨事件之 24 小時累積最大雨量值愈高及雨區規模愈大時，模式的定量降水預報技術愈佳」之觀點，與 TS 技術得分之特性一致。. - 12 -.

(28) 3.2. 大區域與小區域預報之整體比較評估雲解析模式大區域預報之模式網格點數（x, y, z）及預報範圍（長 × 寬 × 高）. 分別為744 × 544 × 40點及1860 × 1360 × 40公里，而小區域預報之模式網格點數（x, y, z）及預報範圍（長 × 寬 × 高）分別為600 × 480 × 40點及1500 × 1200 × 40 公里（圖 2.3 及表 2.1）；而且在模式初始及側邊界條件之水平解析度分別為為1° × 1° （2012～2016 年之大區域預報及 2012 年之小區域預報）及0.5° × 0.5° （2013～2016 年之小區域預報）經緯網格。由圖 3.4 顯示，整體而言，大區域及小區域預報在各門檻值得分相差不大，皆隨著預報初始時間愈接近當天，各雨量門檻的預報技術愈佳；在 TS 方面，在 Day 2 及 Day 3 的預報中，在門檻值 50～130 毫米間，大區域預報之 TS 得分略低於小區域預報 0.02，可能原因是小區域預報的初始及側邊界條件之水平解析度經緯網格相較大區域預報的經緯網格還要細，使得小區域的定量降水預報降水分布更加精細；在 Day 1 的預報中，大區域及小區域預報在各門檻值的 TS 得分差值皆小於 0.01，都是相當不錯的定量降水預報，而在門檻值 750 毫米處，大區域（TS = 0.17）預報有高於小區域（TS = 0.05）預報 0.12 的 TS 得分，故針對滿足此門檻值 750 毫米處的命中站點做深入探討；在 BS 方面，在 Day 1～3 的預報期間內，門檻值 0.05～500 毫米處之 BS 得分皆趨近於 1，都是相當不錯的定量降水預報，在門檻值 500 毫米以上才偏離理想值（BS = 1），有過度預報及預報不足的情形。即使是 TS 得分，因為對任意時段而言，滿足高門檻值條件（750 毫米）的雨區規模甚小，近乎 1～2 個雨量測站，則針對 Day 1 預報中，探討大區域預報有命中而小區域預報未命中之部分。其一個案為 2015 年 8 月 8 日蘇迪勒颱風，其二為 2016 年 9 月 27 日梅姬颱風。. - 13 -.

(29) 3.2.1. 2015 年 8 月 8 日蘇迪勒（SOUDELOR）颱風. 先簡單介紹蘇迪勒颱風的生命週期：蘇迪勒（SOUDELOR）颱風於 2015 年 7 月 30 日 1200 UTC 在關島東方海面生成，穩定向西北西移動並快速增強。8 月 7 日 2040 UTC 由花蓮秀林鄉登陸，8 日 0300 UTC 在雲林縣臺西鄉出海朝北轉向西北移動，最後登陸中國大陸。從雷達回波合成圖（圖 3.5）中看到，蘇迪勒颱風中心通過中央山脈後，在臺灣西南海域至臺灣南部山區生成一西南至東北走向的雨帶，因為颱風環流受到地形的舉升作用，尤其山區回波的加強更為明顯，嘉義以南都籠罩在颱風之內。臺灣中南部地區受其外圍西南風影響，降雨仍持續，此強烈雨帶系統使蘇迪勒颱風造成高雄及屏東山區有劇烈的降水。與預報雨量圖比較（圖 3.7），大區域與小區域預報在 Day 1 之降水分布與觀測極為相似，兩者皆有模擬到南部山區的降雨，在南部平地的降雨，大區域預報有較佳的掌握，小區域預報則雨量值不足，在宜蘭及北花蓮地區之雨量值有過度預報。由圖 3.9 顯示，Day 1 預報門檻值 750 毫米處，在 TS 方面，大區域預報之 TS 得分為 0.5，小區域預報之 TS 得分為 0；而 BS 方面，大區域預報有過度預報（BS = 2），小區域預報則預報不足（BS < 1）（表 3.3 及 3.5）。大區域預報在門檻值 750 毫米所命中的站點是位於高雄茂林區的多納林道測站（C1V780），海拔高度為 1050 公尺，依據上述觀測資料來評估在此站點所預報到的原因。在 2015 年 8 月 8 日 C1V780 站的時雨量時序圖（圖 3.10）顯示，實際觀測在 0100～1800 UTC 都有持續的降雨，在 2000～2200 UTC 又有一波累積降雨，時雨量甚至高達 93.5 毫米；大區域（紅線）及小區域（藍線）預報時雨量時序線顯示，在 0000～1600 UTC 的時雨量時序線，大區域及小區域預報都相當一致，而大區域預報（紅線）在 1600～2200 UTC 又有一波相當高的時雨量值，而小區域預報（藍線）在 2000～2200 UTC 也有較高的時雨量但較為量值不足。在 24 小時累積雨量時序線顯示，在 0100～1600 UTC 大區域（粉線）及小區域（青線） - 14 -.

(30) 預報的累積雨量值大致一致，在 1600 UTC 以後，大區域預報（粉線）累積雨量值因時雨量值增加而隨之亦增加，24 小時累積雨量達 750 毫米以上，而小區域預報（青線）24 小時累積雨量值僅有 500 毫米左右。在大區域預報時雨量降水分佈圖（圖 3.11）顯示，在臺灣西南海域於 1700 UTC 有雨帶生成，逐漸向東北延伸至高雄山區，與觀測中的雨帶極為相似，雖然降雨時間提早約 3 小時。在雷達回波合成圖（圖 3.5）顯示，宜蘭花蓮沿海亦有些許零星回波，大區域預報也有不錯的掌握。在小區域預報時雨量降水分佈圖（圖 3.12）顯示，在臺灣西南海域有雨帶生成往東北方延伸，但雨帶未延伸至臺灣南部山區，與觀測有些相異之處。距離 C1V780 站約 8 公里處，位於屏東縣三地門鄉的尾寮山（站號 C0R100），海拔 1006 公尺，同樣在蘇迪勒颱風通過臺灣期間所生成的西南至東北的雨帶籠罩下，此測站之雨量時序圖（圖 3.10）中，觀測時雨量時序線在 2000～2200 UTC 有一波較高的時雨量值，大區域預報（紅線）時雨量時序線亦在 1700～2200 UTC 有較高的時雨量值，而小區域預報（藍線）時雨量時序線在 2000～2200 UTC 有同樣一波的時雨量，但量值明顯不足，佐證大區域預報所產生的雨帶確實接近觀測，時間稍微提前約 3 小時，而小區域預報為累積雨量值明顯不足。由海平面風場圖（圖 3.15 及 3.16）之比較顯示，可能原因為在多納林道站，大區域預報有預報到較完整的雨帶及西南風，達 20 knots 以上，而小區域預報所預報的雨帶降水在西南部海面且西南風僅達 15 knots，導致在多納林道站所預報之雨量值較為不足。. - 15 -.

(31) 3.2.2. 2016 年 9 月 27 日梅姬（MEGI）颱風. 先簡單介紹蘇迪勒颱風的生命週期：梅姬（MEGI）颱風為 2016 年 9 月 23 日生成後以西北西方向持續向臺灣移動。颱風中心於 27 日 0600UTC 從花蓮市附近登陸，經過 7 小時 10 分之後，颱風中心於同日 1310 UTC 自雲林麥寮出海，並持續朝中國東南沿海前進。由雷達回波合成圖（圖 3.6），從登陸臺灣後，其逆時針環流轉而在臺灣西南部造成降水，1100 UTC 環流雨帶在臺南高雄造成持續性的降水，直至 1800 UTC 才趨減緩。由觀測雨量圖（圖 3.8）知，梅姬颱風自臺灣東部登陸再向西行通過台灣，颱風於 27 日 0600 UTC 前接近臺灣期間，外圍環流先在宜蘭與北部山區造成降水。登陸至出海期間，其逆時針環流轉而在臺灣西南部造成降水，尤其高屏山區與臺南平地降水最為明顯。1310 UTC 出海至遠離階段，外圍環流的雲系持續在西南部的迎風面帶來降水。警報期間累積雨量最多的區域分布在東部的宜蘭縣、花蓮縣與南部的高雄市、台南市與屏東縣山區。與預報雨量圖（圖 3.8）比較，在 Day 1 預報，大區域及小區域預報對東部的宜蘭縣、花蓮縣與南部的高屏山區都有不錯的掌握，臺南平地有預報到雨帶但累積雨量都略顯不足。由圖 3.9 顯示，在 TS 得分方面，在門檻值 250～500 毫米，大區域預報則低於小區域預報 0.03～0.09 得分，但門檻值 750 毫米，大區域預報有些預報技術（TS = 0.143），而小區域預報則沒有預報技術（TS = 0）。在 BS 方面，整體結果大區域及小區域預報技術皆佳（BS 得分均接近 1），而門檻值 250～500 毫米處，大區域（0.37～0.68）略比小區域（0.54～0.71）預報不足；在門檻值 750 毫米，大區域（0.333）比小區域（0.167）有較佳的預報技術得分。大區域預報在門檻值 750 毫米所命中的站點是位於高雄茂林區的多納林道測站（C1V780），海拔高度為 1050 公尺，依據上述觀測資料來評估在此站點所預報到的原因。在 2016 年 9 月 27 日 C1V780 站的時雨量時序圖顯示（圖 3.10），梅姬的主 - 16 -.

(32) 要降雨時間集中在 0600～1800 UTC，而大區域（紅線）及小區域（藍線）的時雨量也集中在這時段，而大區域預報（紅線）在 1100～1700 UTC 有較高的累積時雨量最高達 79 毫米，小區域預報（藍線）最高達 63 毫米。在時雨量降水分布圖顯示（圖 3.13 及 3.14），大區域預報在 1100～1600 UTC 臺南平原東至高屏山區有預報到較強的雨帶，時雨量達 70 毫米；小區域預報時雨量僅達 40 毫米，略顯雨量不足。距離 C1V780 站約 8 公里處，位於屏東縣三地門鄉的尾寮山（站號 C0R100），海拔 1006 公尺，同樣在梅姬颱風通過臺灣期間所生成的從臺南平原東至高屏山區的雨帶籠罩下，此測站之時雨量時序圖（圖 3.10）中，觀測雨量時序線（黑線）在 0700～1700 UTC 也有高累積時雨量，大區域預報（紅線）在 1300～1700 UTC 有比小區域預報（藍線）更高的時雨量值，同樣可以佐證大區域定量降水預報所預報的雨帶及雨量確實更接近實際所觀測出的雨帶，而小區域預報亦為預報雨量值不足。由海平面風場圖（圖 3.17 及 3.18）之比較顯示，可能原因為在多納林道站，大區域預報有預報到較完整的雨帶及西南風，達 60 knots 左右，而小區域預報所預報的雨帶降水在西南部海面且西南風僅達 50 knots，導致在多納林道站所預報之雨量值較為不足。. - 17 -.

(33) 3.3. 結論大區域預報整體之 TS 得分大致隨雨量門檻值增加而降低，而且預報初始時. 間愈接近目標天，各雨量門檻的技術得分有增加的趨勢，換言之，「愈接近目標天的預報，定量降水預報技術愈佳」。再以 FSS 技術得分評估大區域預報，依觀測 24 小時累積最大雨量值及雨區規模做分類，顯示當 24 小時累積最大雨量值愈高及雨區規模愈大，模式預報所得到的 FSS 技術得分有增加的趨勢，與 Wang （2015）的觀點相似「當降雨事件之累積雨量值愈高，模式之定量降水預報技術愈佳（TS 得分愈高）」，其觀點通用於 FSS 技術得分。在 3 天內的預報，大區域及小區域預報在各門檻值都是相當不錯的定量降水預報，大區域預報之解析度較粗於小區域預報，但仍是高解析度模式，而且在少數個案中，大區域預報在雨帶上游有獲得更好的預報，更加完整的西南風，模式在放大預報區域後，有助於模式在極端降水事件中可獲得較好的預報。. - 18 -.

(34) 第四章. 提前預報（Day 4～8）之評估. Wang 等人（2016）評估表現在 2012 年的颱風及 2013 年的康芮颱風，從 6 個颱風評估累積雨量值最高的 24 小時時段，從 2.5 公里 CReSS 生產的高質量 QPFs 的範圍都有好的 3 天內預報，更重要的是多數在 3 天以上也有還不錯的 Q P F s （除了 2 0 1 2 年天秤颱風），為防災提供了更長的預報時間。如同圖 3.1 之方法，依預報不同初始時間做分類，從圖 4.1 顯示，模式在預報初始時間愈接近當天，預報技術愈佳，與 TS 技術得分呈現一致的特性，而在 Day 4～8 預報亦可以得到高於 0.8 的 FSS 技術得分，說明在 3 天以上的預報，亦可能有與 3 天內預報相近的預報能力。所以針對 2012～2016 年造成臺灣重大災害的颱風時段，評估 8 天預報是否有對高雨量值的颱風時段有較於 3 天更早的預報，以提供更充分的準備時間，面對颱風災害來臨。挑選每個颱風侵臺期間 24 小時累積雨量值的最大時段，且此時段同時達大豪雨等級（350 毫米）以上的事件做討論。2014 年鳳凰颱風因預報資料不足則無納入討論。將上述所選取的颱風事件做技術得分的評估，依據中央氣象局定義之豪雨、大豪雨及超大豪雨為 24 小時累積雨量達 200、350 及 500 毫米設定為門檻值，在其門檻值處TS ≥ 0.2，即在該門檻值有定量降水預報技術（Chien et al. 2006）。本章之結果，將分成三小節呈現，首先是 3 天以上有提前預報到的定量降水預報技術之事件評估結果，其次為未能在 3 天前做出好的定量降水預報之事件評估結果，最後是結論。此利用定量降水預報之事件評估結果，了解雲解析模式具有提前預報之可能效益，以及探討未能提前預報的颱風性質，對侵臺颱風的預警能提供更完善的觀念與技術。在本章內容中，若表格或文字敘述為「#」符號，則表示颱風離開預報區域；「*」符號，則表示颱風未成形或已消散；「-」符號，則表示無 GFS 資料之 RUN；「/」符號，則表示無得分值。. - 19 -.

(35) 提前預報之颱風事件. 4.1. 在具有大豪雨等級以上的颱風事件中，24 小時累積雨量達豪雨等級門檻（200 毫米）設定為門檻值，在其門檻值處TS ≥ 0.2，即具有定量降水預報技術。2012 年蘇拉，2013 年潭美、康芮、天兔，2014 年麥德姆，2015 年蓮花、蘇迪勒，2016 年梅姬颱風皆有較好的提前預報，提供更加充足的預警時間。2012 年泰利，2013 年潭美、康芮颱風與西南氣流交互作用，於第五章做說明。. 4.1.1. 2012 年 8 月 2 日的蘇拉（SAOLA）颱風. 蘇拉颱風於 2012 年 7 月 28 日 0000 UTC 在菲律賓東方海面形成，形成後主要受季風槽低壓帶導引向西北轉北北西再轉偏北移動，南方水氣充沛，不斷的提供能量，颱風強度持續增強，30 日轉向北北西行進朝臺灣方向接近，再轉西北移動，受地形作用影響，突然略為加速轉而向西移動，8 月 1 日 1920 UTC 左右登陸花蓮秀林鄉，且有打轉的現象，2 日向北北西轉西北移動進入臺灣北部海面，向西北遠離。蘇拉颱風由於移速緩慢，數度滯留甚至打轉，使得降雨時間拉長，而降雨區域廣且雨量值高，由觀測雨量圖（圖 4.2）顯示，蘇拉颱風登陸後打轉朝西北遠離，颱風環流造成臺灣中部平原至山區之迎風面有高累積雨量，主要區域在苗栗縣、新竹縣及南投縣山區最為顯著。由預報路徑圖（圖 4.3）知，路徑誤差選定為各 24 小時之 1200 UTC 做為每個事件的代表，由表 3.1 及 4.1 顯示，路徑誤差 Day 1、Day 2、Day 3、Day 4、 Day 6 分別為 60、75、211、113、318 公里，且 FSS 得分 Day 1、Day 2、Day 3、 Day 4、Day 6 分別為 0.85、0.92、0.48、0.65、0.87，相較於 Day 3，Day 6 有較大的路徑誤差，確有較接近的降水分布（FSS = 0.87），且也 TS 得分也有較佳的降水預報。與符合「即使，路徑誤差相當大，模擬的情境（包含降水）仍然有可能是有實用性及可用性的。」之觀點。 - 20 -.

(36) 由預報雨量圖（圖 4.2）知，在 Day 1 及 Day 2 在中部平原至及中部山區都有相近的預報分布，而 Day 1 在中部平原的降雨量極值較觀測小，Day 2 有預報到較高的雨量值，而 Day 3 對中部有降水預報不足之情形，北部卻降水預報過多。 Day4 在中部平地至山區有降雨不足之情形。而 Day 6 在中部平地至山區有較好的掌握，在山區降雨量的極值分部也極為相似，但對北部及南部平原降水預報過多。由技術得分與各門檻值的相關圖（圖 4.4）知，在 TS 方面，如上段所述， Day 1 及 Day 2 在 350 毫米以下的得分皆近 0.3 以上，且在中高門檻值（100～ 250 毫米）Day 2 都有比 Day 1 更高的得分（0.06～0.26），而 Day 6 的 TS 得分遠高於 Day 3，雖然在中門檻值（75～130 毫米）的得分較低於 Day 1，但在高門檻值（350 毫米）TS = 0.45，且門檻值 500 毫米相較於其它天預報有 0.06 的得分（其它天為 0），有一些預報技術。而在 BS 方面，Day 1、Day 2 在中低門檻值（0.05～250 毫米）預報技術之 BS 得分皆接近 1，而高門檻值（350 及 500 毫米）為降水預報不足（BS< 1），而 Day 6 在各雨量門檻（0.05～350 毫米）皆接近理想值（BS=1），而 500 毫米雨量門檻有預報過多（BS> 1）。綜上所述，蘇拉颱風在預報路徑方面，在 Day 6 預報及 3 天內預報與觀測比較，Day 6 之路徑誤差較大（318 公里），仍然有與觀測接近的預報雨量分佈，FSS 技術得分（0.87）與 3 天內的預報表現接近，而且 TS 得分在 350 及 500 毫米門檻值皆高於 3 天內的預報表現，BS 得分也接近理想值（BS = 1），亦符合「路徑誤差相當大，模擬的情境（包含降水）仍然有可能是有實用性及可用性的。」觀點，且也提供了更長的預報時間。. - 21 -.

(37) 4.1.2. 2013 年 9 月 21 日天兔（USAGI）颱風. 天兔（Usagi）颱風於 2013 年 9 月 16 日 1800 UTC 在菲律賓東方海面形成，颱風位於大陸高壓反氣旋以及太平洋高壓反氣旋之間的鞍型場南側，導引氣流不明顯，緩慢向西移動或呈現滯留打轉，強度逐漸增強。18 日隨大陸高壓東移並增強為中度颱風且轉向西南西朝呂宋島前進。19 日 1200 UTC 太平洋高壓勢力增強，颱風增強至強烈颱風，受高壓南緣駛流導引，移動速度加快並且轉為向西北西方向行進，朝巴士海峽接近。21 日至 22 日中心通過巴士海峽期間，強度逐漸減弱為中度颱風，22 日傍晚左右登陸大陸廣東。天兔颱風中心逐漸通過臺灣南端近海，暴風圈影響臺灣東半部、南部地區及恆春半島，受到颱風環流與地形抬升作用，降雨極值分布在迎風面花蓮、臺東、宜蘭和高屏山區以及恆春半島（圖 4.2）。而桃園以南至臺南之平地，由於離颱風中心較遠或受到中央山脈屏障，降雨量普遍較小。由預報路徑圖（圖 4.3）顯示，預報路徑大致皆為朝西北西方向，是有速度快慢及緯度偏差之差別，由表 3.1 及 4.1 顯示，路徑誤差 Day 1、Day 2、Day 3、 Day 5 分別為 15、68、133、156 公里，且 FSS 得分 Day 1、Day 2、Day 3、Day 5 分別為 0.88、0.85、0.86、0.80，Day 5 路徑誤差略大於 3 天內預報，亦仍然有較接近的降水分布（FSS = 0.80）。與預報雨量圖（圖 4.2）比較，Day 1、Day 2、Day 3 在宜蘭、花東及屏東地區都有相近的預報分布，Day 1 預報與觀測極為相似，Day 2 在臺東屏東地區有預報到較高的雨量值，而 Day 3 對宜蘭有降水預報不足之情形。Day 5 在宜蘭及花東地區與觀測極為相似，屏東地區有預報雨量值不足。由技術得分與各門檻值的相關圖（圖 4.4）顯示，在 TS 方面，在門檻值 200 毫米，TS 得分 Day 1、Day 2、Day 3、Day 5 分別為，0.56、0.58、0.53、0.39；在門檻值 350 毫米，TS 得分 Day 1、Day 2、Day 3、Day 5 分別為，0.30、0.42、 0.46、0.21；在門檻值 500 毫米，TS 得分 Day1、Day2、Day3、Day5 分別為， - 22 -.

(38) 0.33、0.25、0.33、0.20；在 BS 方面，Day1、Day2、Day3 在各門檻值皆相當接近 1，而 Day5 在豪雨等級（200 毫米）門檻值以上皆為預報不足（BS < 1）。綜上所述，天兔颱風在預報路徑方面，預報路徑方向大致一致，影響因素即為速度快慢及緯度偏差之差別，而 Day 5 路徑誤差仍接近 3 天預報內的路徑誤差，故得到接近 3 天內預報之 FSS 得分值，而 Day 5 之 TS 得分在各門檻值，甚至 500 毫米門檻 TS = 0.20，具備預報技術，BS 得分亦顯示有豪雨訊號，但略預報不足（BS < 1），Day 5 提供了更長的預報時間。. 4.1.3. 2014 年 7 月 22 日麥德姆（MATMO）颱風. 麥德姆（Matmo）颱風於 2014 年 7 月 16 日在形成，隨後副熱帶高壓減弱，颱風逐漸出現偏北向量，往臺灣本島方向接近，對臺灣的威脅也逐漸增加，移動方向是以西北方向朝臺灣東部陸地接近。颱風中心於 23 日 0 時 10 分（LST）登陸台東縣長濱鄉，登陸之後移動速度相當快，早上就從彰化附近出海進入台灣海峽，下午 4 點左右正式登陸中國福建。由觀測雨量圖（圖 4.2）知，臺灣東部花蓮地區為迎風面，降雨量顯著，而進入台灣海峽後，此時南部轉為迎風面，強對流順著西南風源源不絕湧進台灣西南部地區，南部的雨量正快速累積當中。由預報路徑圖（圖 4.3）可以發現，預報路徑大致皆為朝北北西方向，有速度快慢及經度偏差之差別，由表 3.1 及 4.1 顯示，路徑誤差 Day1、Day2、Day3、 Day7、Day8 分別為 30、191、288、57、35 公里，而 FSS 得分 Day1、Day2、 Day3、Day7、Day8 分別為 0.39、0.41、0.44、0.43、0.20，Day7 及 Day8 路徑誤差與 Day1 值相當接近，但 FSS 得分並無反映出。與預報雨量圖（圖 4.2）比較，Day1 預報與觀測極為相似，Day2 及 Day3 東部地區皆有降水預報不足之情形。而 Day7 及 Day8 預報分佈與觀測相當接近，在花蓮地區之極值亦有掌握到，Day7 在中部山區及南部平地有預報雨量值過度 - 23 -.

(39) 之情形。由技術得分與各門檻值的相關圖（圖 4.4）顯示，在 TS 方面，在門檻值 200 毫米，TS 得分 Day1、Day2、Day3、Day7、Day8 分別為，0.63、0.06、0、0.34、 0.35；在門檻值 350 毫米，TS 得分 Day1、Day2、Day3、Day7、Day8 分別為， 0.23、0、0、0.20、0.19；在門檻值 500 毫米，Day1、Day2、Day3、Day7、Day8 分別為，0.25、0、0、0.10、0；在 BS 方面，Day1、Day7、Day8 在各門檻值皆相當接近 1，而 Day7 在豪雨等級（200 毫米）門檻值以上有過度預報（BS > 1）， Day2、Day3 在 200 毫米門檻值以上大致無豪雨訊號（BS = 0）。綜上所述，麥德姆颱風在預報路徑方面，預報路徑方向大致一致，影響因素即為速度快慢及經度偏差之差別，而 Day7 及 Day8 路徑誤差仍接近 3 天預報內的路徑誤差，甚至比 Day2 及 Day3 來的小，而 FSS 得分並無反映出其特徵，可能原因是臺灣東西站點數不均，東部站點數少，故單點過度預報或預報不足亦影響其 FSS 得分之計算，而 Day7 及 Day8 之 TS 得分在各門檻值至 350 毫米門檻 TS > 0.20，具備預報技術，BS 得分亦顯示有豪雨訊號，但 Day8 略預報不足（BS < 1），Day7 略過度預報（BS > 1），故 Day7 及 Day8 在豪雨事件中提供了更長的預報時間。. 4.1.4. 2015 年 7 月 8 日蓮花（LINFA）颱風. 蓮花（Linfa）颱於 2015 年 7 月 2 日 1200 UTC 升格為輕度颱風，同時受到副熱帶高壓脊引導以及受昌鴻颱風的牽引，路徑急轉彎次數多。蓮花颱風 7 月 6 日 0000 UTC 於鵝鑾鼻南南西方 400 公里海域穩定北移，8 日 0300 UTC 最接近臺灣本島於鵝鑾鼻西南方 230 公里轉向偏西移動遠離臺灣。蓮花颱風在北行轉向偏西方向期間，暴風圈造成恆春半島及臺東地區有較顯著降水（圖 4.2）。由預報路徑圖（圖 4.3）顯示，預報路徑相去絕遠，可能原因為颱風同時受副熱帶高壓脊及昌鴻颱風的引導，導致預報路徑無法一致，而由表 3.1 及 4.1 顯 - 24 -.

(40) 示，在 Day 1、Day 2、Day 3、Day 4 預報中，路徑誤差分別為 21、35、272、301 公里，FSS 得分分別為 0.85、0.73、0.44、0.52。由技術得分與各門檻值的相關圖（圖 4.4）顯示，在 TS 方面，門檻值 200、 350、500 毫米處，Day 1 預報得分分別為 0.29、0、/，Day 2 預報得分分別為 0.20、 0、/，Day 3 預報得分分別為 0.04、0.11、0，Day 4 預報得分分別為 0.22、0、0，顯示在門檻 200 毫米有 Day 4 預報具備預報技術，與 Day 1 及 Day 2 預報相近。在 BS 方面，門檻值 200、350、500 毫米處，Day 1 預報得分分別為 2.60、0、/， Day 2 預報得分分別為 1.40、0、/，Day 3 預報得分分別為 9.00、9.00、/，Day 4 預報得分分別為 4.60、15.00、/，顯示在門檻 200 毫米 Day 3 及 Day 4 預報已過度預報（BS > 1），Day 1 及 Day 2 預報較接近理想值（BS = 1）。綜上所述，蓮花颱風在預報路徑方面，因為受到副熱帶高壓脊與昌鴻颱風同時影響，3 天以上預報路徑與實際路徑相差甚大，Day 4 預報路徑在鵝鑾鼻附近有滯留現象，而預報雨量圖在臺東地區及恆春半島亦有相似的降水分布，TS 得分亦顯示在豪雨等級門檻具備預報技術，與「路徑誤差篇大，模式所預報的情境（包含降水）仍可能具有實用性及可用性的。」之觀點一致。. 4.1.5. 2015 年 8 月 8 日蘇迪勒（SOUDELOR）颱風. 如第 3.2.1 章所述，觀測雨量圖（圖 3.7）所示，降水分布集中在嘉義以南之南部平地向東延伸至山區，在高雄山區有較高的累積雨量極值。由預報路徑圖（圖 4.3）知，路徑大致方向朝西北西前進，而 Day8 路徑與觀測相當接近，但移動速度快，而在 Day4 即有與觀測相似之路徑。由表 3.1 及 4.1 顯示，Day1、Day2、Day3 及 Day4 之路徑誤差分別為 40、46、89 及 171 公里。且 FSS 得分分別為 0.91、0.93、0.88 及 0.86。由上述之部分 Track Error 及 FSS 得分得知，延長預報時間在整體預報上會增加不確定性，故放大預報區域，期盼在更長的預報時間能提供了寬廣的降水情境，對每條預報路徑可以更切實際，對嚴 - 25 -.