運用GHSOM技術分析臺灣附近黑潮入侵變化之研究

全文

(1)國立臺灣師範大學地球科學研究所博士論文. 運用 GHSOM 技術分析臺灣附近黑潮入侵變化之研究 Variability analysis of Kuroshio intrusion around Taiwan using growing hierarchical self-organizing map. 研究生：崔怡楓 I-Fong Tsui. 指導教授：吳朝榮博士 Advisor: Dr. Chau-Ron Wu. 中華民國一○二年一月 I.

(2) II.

(3) 摘要本研究採用 18 年海平面高度反演的地轉流進行研究，同時以一個先進的人工智慧類神經網路演算法－GHSOM 為基礎，來對海流資料進行分類分析黑潮在呂宋海峽及台灣東北海域的入侵型態，並運用衛星風場及熱通量分析其相關性。在呂宋海峽終年均有黑潮入侵現象，但係以不入侵為主，入侵型態僅佔總體的 25.8%，其中以黑潮強入侵為主，以弱入侵較少，強入侵與風速相關，弱入侵則可能與上游的黑潮傳輸量相關。在季變化部分，冬季入侵多於夏季入侵，冬季入侵型態為強入侵與弱入侵均有，但以強入侵為主，夏季入侵則幾乎均為弱入侵。黑潮入侵在年際變化方面與 PDO 有關，黑潮入侵通常發生於 PDO 指標為正值時（72.1%）。台灣東北海域方面，黑潮入侵與不入侵約各半，但係以占 57.4 % 的入侵模式為主，其中弱入侵發生較強入侵為多，強入侵與熱通量相關，而弱入侵與風速及熱通量均相關。關於季節性變化部分，秋冬季的入侵事件明顯多於夏季，弱入侵事件在秋季較明顯，在冬季則多由強入侵占優勢，黑潮在本區入侵的年際變化方面也與在呂宋海峽相同，均與 PDO 有關，黑潮入侵通常發生於 PDO 指標為正值時（64.5%）。關鍵字：黑潮入侵、GHSOM、太平洋年代際振盪 IV.

(4) 目錄摘要.......................................................................................................... IV 表說......................................................................................................... VII 圖說........................................................................................................ VIII 第一章前言...............................................................................................1 第二章使用資料與分析方法 ..................................................................7 2.1 使用資料 ..........................................................................................7 2.1.1 海表面高度（Sea surface height data） ....................................7 2.1.2 海表面風資料 ............................................................................8 2.2 分析方法 ..........................................................................................8 2.2.1 SOM.............................................................................................9 2.2.2 GHSOM .......................................................................................9 第三章呂宋海峽區域之黑潮入侵現象 ................................................11 3.1 入侵型態 .........................................................................................11 3.2 季變化 ............................................................................................14 3.3 年際變化 ........................................................................................18 第四章臺灣東北海域之黑潮入侵現象 ................................................26 4.1 入侵型態 ........................................................................................26 V.

(5) 4.2 季變化 ............................................................................................28 4.3 年際變化 ........................................................................................32 第五章結論.............................................................................................42 參考文獻...................................................................................................44 附錄 A .......................................................................................................50 附錄 B .....................................................................................................114. VI.

(6) 表說表 3.1 經呂宋海峽黑潮入侵事件統計表…………..………………….19 表 3.2 入侵現象發生於各指標為正時之比率………………………24 表 4.1 臺灣東北海域黑潮入侵事件統計表……………………………33 表 4.2 入侵現象發生於各指標為正時之比率………………………41. VII.

(7) 圖說圖1.1 研究區域，紅線為呂宋海峽研究區域，橘線為台灣東北海域研究區域。…………………………………………………………2 圖3.1 黑潮在呂宋海峽的流經型態，各分圖頂為該型態發生機率，綠線代表研究區域………………………………………………12 圖3.2 各型態之月平均發生比率圖，橫軸為月份，縱軸為該型態發生頻率。……………………………………………………………14 圖3.3 型態2及型態4發生頻率與風速比對圖，上圖為型態2的發生頻率分布圖，下圖為型態4的發生頻率分布圖，縱軸為發生頻率。………………………………………………………………16 圖3.4 型態1及型態3與黑潮流量比對圖，橫軸為月份，左側縱軸為發生頻率，右側縱軸為黑潮流量，藍色與紅色實線分別為型態1 及型態3的比率，黑色虛線為黑潮流量。……………………17 圖3.5 各型態之年際變化，橫軸為時間，縱軸為各型態，每一分圖橫跨5年，為便於觀察，各分圖間重疊1年。……………………19 圖3.6 入侵現象與PDO 指標，黑色細線為PDO 指標，紅色及藍色線分別為型態3及4的入侵現象，上下圖分別為無延遲及延遲1 年。………………………………………………………………24 圖4.1 黑潮在臺灣東北海域的流經型態，各分圖頂為該型態發生機 VIII.

(8) 率，紅線代表研究區域………………………………………27 圖4.2 各型態之月平均發生比率圖，橫軸為月份，縱軸為該型態發生頻率。…………………………………………………………28 圖4.3 型態1至型態4的發生頻率與風速比對圖，縱軸為發生頻率。..30 圖4.4 型態1至型態4的發生頻率與熱通量比對圖，縱軸為發生頻率。……………………………………………………………31 圖4.5 各型態之年際變化，橫軸為時間，縱軸為各型態，每一分圖橫跨5年，為便於觀察，各分圖間重疊1年。……………………33 圖4.6 入侵現象與PDO 指標，黑色細線為PDO 指標，藍色及綠色線分別為型態1及2的入侵現象，上下圖分別為無延遲及延遲1 年。………………………………………………………………41. IX.

(9) 第一章前言黑潮為北太平洋的西方邊界流，當北赤道流抵達菲律賓東岸時將會分為兩個支流（Qu and Lukas, 2003），其中北向的分流即為黑潮，並沿呂宋島及臺灣東岸向北流經東海陸棚邊緣（Nitani 1972），而自呂宋島東岸北流後將會到達位居臺灣及呂宋島間的呂宋海峽（Luzon Strait），這是黑潮首次遇到經線方向的間隙（如圖 1），由於缺乏陸地邊緣的支撐，其向北流的型態將產生變化，黑潮可能經呂宋海峽入侵至南海（South China Sea, SCS）或是直接通過抵達臺灣東岸（ Wu and Chiang, 2007）。黑潮通過台灣東岸後，在經過介於台灣與西表島（ Iriomate ）之間的東台灣通道（ East Taiwan Channel, ETC）後，隨即進入東海（ East China Sea, ECS ），大約沿著 200 公尺等深線所組成的東海陸棚邊緣向東北方向前進（Lie and Cho, 2002），但黑潮的主軸會產生擺盪的現象，當黑潮向西擺動時可能會向西北沿北棉花峽谷及棉花峽谷入侵至東海，而當向東擺動時則可能直接通過沿東海陸棚邊緣到達琉球。呂宋海峽寬約 350 公里，最深處約 2500 公尺深，其連接太平洋與南海，台灣東北部海域連接太平洋與東海，兩者均為黑潮與邊緣海之海水交換的主要管道，因此，黑潮的入侵也顯著地影響南海及東海 1.

(10) 的溫鹽平衡以及生地化變化。. 圖1.1 研究區域，紅線為呂宋海峽研究區域，橘線為台灣東北海域研究區域。 2.

(11) 黑潮入侵路徑可經由錨碇陣列、浮標及數值模式模擬等方式來調查，但觀測資料所費較高同時受限於固定區域，直接且長時的海流觀測資料並不易獲得；雖然運用海表面溫度（ SST, sea surface temperature）配合溫度差異可以勾勒出黑潮邊緣，但在夏季時，由於黑潮與周圍海水溫度較相近，並不容易偵測出溫度差異，因此該方法僅適用於在冬季；而在浮標資料方面，其布放的位置若非無黑潮入侵經過路徑，或其布放時間非黑潮入侵時段，其軌跡將無法代表黑潮入侵路徑；由於複雜的地形、季風變化及黑潮上游的擺盪，使得運用數值模式分析黑潮入侵型態亦極困難，必須運用更多的現場觀測資料及衛星遙測資料來改進。在呂宋海峽方面，經由不同的觀測（Farris and Wimbush, 1996; Wu et al., 2005; Caruso et al., 2006; Liang et al., 2008）及數值模擬（Wu and Chiang, 2007; Hsin et al., 2008; Hsin et al., 2012），黑潮入侵現象的季變化與年際變化曾多次被發表，透過 1989–2002 年的浮標觀測發現浮標流進南海時期多在 10 至 12 月（Centurioni et al., 2004）。而數值模式顯示 11 月的黑潮經呂宋海峽西向入侵現象多過於 8 月份（Wu and Chiang, 2007），在夏季黑潮傾向於直接通過呂宋海峽（Sheu et al., 2010），另外 Caruso et al.（2006）運用海表溫度及海表高度距平來分析介於 1997 至 1998 年以及 2004 至 2005 年間的 8 個冬季發現不同 3.

(12) 的黑潮入侵型態，冬季入侵在 1997 至 1998 年以及 1998 至 1999 年等兩個冬季為強入侵，並且持續地減弱直到 2003 至 2004 年冬季。除尋找黑潮入侵的不同型態外，確定黑潮入侵是否僅發生於冬季亦為另一課題，但由於觀測資料的限制，目前尚未有確定， Liang et al.（2008）運用布放在呂宋海峽的錨錠資料提出過類似在 1998 年的黑潮夏季入侵，然而，僅由單一甚至多個錨錠站的資料進行推論仍不足以代表真實狀況中的入侵， Yuan et al.（2006）也曾報導過黑潮夏季入侵，其運用目視撿查方式，針對 1993 至 2005 年的海表面高度資料進行檢視，然而此等時段長度對確定夏季入侵恐仍不足。在台灣東北海域方面，經由不同的觀測（Sun, 1987; Tang et al., 2000; Liang et al., 2003）及數值模擬（Wu et al., 2008; Oey et al., 2010），黑潮入侵現象的季變化與年際變化曾多次被報導，在夏季，黑潮流速增加並且流軸向南移，在冬季時，黑潮流速則降低並且流軸向北移（Ichikawa et al., 2008），入侵事件經常發生在秋季及冬季（Chuang and Liang, 1994），同樣地，本區域也存在黑潮入侵是否僅發生於秋冬季的課題。由於本研究區域內較缺乏連續的海流觀測資料，同時要瞭解黑潮入侵的現象較適合使用大範圍資料，方能獲得全面的解析，前人的研究雖有部分的觀測資料及數值模式模擬資料，但仍未有運用長期的遙 4.

(13) 測資料進行分析。大範圍遙測資料雖然可以提供大範圍的綜合性海表面影像，但相較於錨錠資料，時間解析度則較差，同時分析長時段且連續的大範圍遙測資料通常較費時，巨量資料的分類處理通常使用統計預測方法，近來，綜合性的海洋資料分類已逐漸採用 SOM（self-organizing map）或 GHSOM（growing hierarchical self-organizing map）來處理，分類型態包含衛星遙測的風及海表面溫度（Richardson et al., 2003; Liu et al. 2006a）、近岸 ADCP（Acoustic Doppler Current Profiler）海流資料（Liu and Weisberg, 2005）以及高頻雷達資料（Mau et al., 2007）。本研究採用海平面高度反演的地轉流進行研究，同時以一個先進的人工智慧類神經網路演算法－GHSOM 為基礎，來對海流資料進行分類，並運用衛星風場及黑潮流量分析其相關性，去觀察季變化、年際變化及其形成機制。同時在物理海洋的長期變化部分，過去研究多著重於 El Nino Southern Oscillation（ENSO）的影響，但在太平洋區域，近年已有研究發現部分海洋現象並非僅受 ENSO 的影響，而可能受到 the Pacific Decadal Oscillation（PDO）或 the North Pacific Gyre Oscillation（NPGO）影響更顯著（ Qiu and Chen, 2010; Andres et al., 2009; Ceballos et al., 2009），本文亦分析年際變化與 PDO、 ENSO、 NPGO 與 PTO 5.

(14) （Philippines-Taiwan Oscillation）（Chang and Oey, 2012）之關連性，以探討長期變化的成因。. 6.

(15) 第二章使用資料與分析方法. 2.1 使用資料本研究使用海表面高度資料代替海表面溫度資料進行研究，主要原因係因海表面溫度資料易受大氣條件影響，而海表面高度資料較能代表海洋動力。. 2.1.1 海表面高度（Sea surface height data）本研究使用網格化多衛星平均地衡流（gridded multi-satellite-base mean geostrophic velocity, GSV）資料作為標的，該資料係 AVISO 資料中心（. Archiving, Validation and Interpretation of Satellite. Oceanographic data）之產品，可自 http://www.aviso.oceanobs.com/網站下載，該產品係整合多項衛星任務成果而成，包括： ENVISAT、 ERS-1、ERS-2、GFO、Jason-1 以及 TOPEX/Poseidon，空間解析度為 1/3°，時間解析度則為 7 日，本文採用資料時間為自 1992 年 10 月至 2009 年中共計約 18 年，同時也有前人指出在呂宋海峽區域網格化多衛星平均地衡流資料的與船儎 ADCP 海流觀測資料經比較後相當一致（Hsin et al. 2010）。. 7.

(16) 2.1.2 海表面風資料海面風資料採用 QuikSCAT 資料，空間解析度為 0.25°，該項產品係由 IFREMER（the French Research Institute for Exploitation of the Sea）提供，本研究採用時段為自 1999 年至 2009 年 10 月，並採用週平均以配合 AVISO 資料。. 2.2 分析方法海洋觀測資料的分析傳統上多採用經驗正交函數（empirical orthogonal function, EOF），但經驗正交函數屬線性方法並不適用於分析黑潮的入侵現象，類似黑潮入侵現象的問題反而較適宜運用分類方法分析，分類方法是一種特徵萃取的方法，可由遙測資料判定是否為入侵型態。同時由於 EOF 僅保留各模態變數的特性，因此必須加總所有模態方能重建原始資料（Liu et al., 2006b）。理論上，EOF 分析所得各模態均僅為原始資料之一部份，相應的時間序列則因各模態流向的不同而呈正負相反的數值，但由於 EOF 與特徵萃取工具相較，並不適用於入侵問題的分析，因此在本研究中，並不使用 EOF 模態中的海流型態來判定入侵或非入侵事件。. 8.

(17) 2.2.1 SOM SOM 是一種以非監督式學習為基礎的人工神經網路方法，也是一個能有效執行特徵萃取的工具（Kohonen, 1982; 2001），近來也被運用在海洋方面（Liu and Weisberg, 2005; Liu et al., 2006a; Mau et al., 2007），值得一提的是 Liu et al.（2008）亦在呂宋海峽及南海等區域運用 SOM 於 AVISO 高度計資料（1992–2004）研究表面流的季節性與年際性變化，本研究延續 Liu et al.（2008）的研究，但加入更多有關黑潮入侵變化的詳細資訊。僅管 SOM 具多方面運用的潛力，但其仍然存在若干不足，首先， SOM 使用一種靜態的網路架構，在開始訓練前必須先行定義神經結點的結構，其次，在結果中不易偵測輸入資料的階層性。為解決前述的不足，後續發展出 GHSOM 方法，一個 GHSOM 成果包含多的獨立的 SOM，各 SOM 均能在訓練過程中各自增長，此增長過程會持續發展為層級式的架構，一種介於輸入資料間的階層式關聯。. 2.2.2 GHSOM GHSOM 發展出兼具水平與階層方向增長的新架構，以輸入資料的複雜程度決定分類後的型態數目及層級的深度，對海洋現象而言，分類後的型態數目較層級的深度更具意義。然而，對便於解釋而言， 9.

(18) 使用內定的參數的 GHSOM 所提供的型態數目卻往往過高，此外，運用 GHSOM 的 breadth 參數控制型態數目亦為重要工作，本研究重覆迭代式運用 GHSOM（ breadth=0.7, depth=0.07）直到型態數目降至適於肉眼辨識與解釋（建議：型態數目≦6），此種方法兼具 GHSOM 的彈性及適於解釋的結果。. 10.

(19) 第三章呂宋海峽區域之黑潮入侵現象為研究經呂宋海峽的黑潮入侵，GHSOM 分析區域約為 18–22 °N, 119–123 °E，由於黑潮在此區域主要為向北流動，入侵現象則為向西流動，因此選定 GSV 的東西方向分量（U）作為分析標的，較能避免占優勢南北方向分量（V）影響入侵的分析，而入侵的條件則設為 20cm/s 的流速等值線之西側超過 120 °E，此條件之選定係避免誤認彎曲通過呂宋海峽卻未進入南海的海流為入侵事件。首次分析獲得 63 個型態，再次分析則降為 12 個型態，第三次分析則為 4 個型態，最終的 4 個分類型態尚可區分為入侵及非入侵兩種類別，在 SOM 方法中，原始資料的每個部分均能對應到一特定的型態，該型態即為最佳符合單位（best-matching unit, BMU），是具有與輸入資料存在最小加權距離的型態，而 BMU 的時間序列資料則可視為各型態的演變。. 3.1 入侵型態 U 分量經 GHSOM 方法分類後，可獲得 4 個型態（Pattern），再分別與該型態內各觀測量 V 分量平均值合成，以獲得黑潮在呂宋海峽的流經型態（如圖 3.1）。. 11.

(20) 圖3.1 黑潮在呂宋海峽的流經型態，各分圖頂為該型態發生機率，綠線框出範圍代表研究區域，顏色代表流速大小。型態 1 及 2 為不入侵型態，其中型態 1 為黑潮直接通過呂宋海峽，型態 2 類似型態 1 但略向西伸；而型態 3 及 4 則均為入侵型態，其中型態 3 為弱入侵，黑潮以分裂型式入侵南海，型態 4 為強入侵，黑潮直接入侵南海。型態 3 為相對較弱的入侵，黑潮以分裂型式經呂宋海峽中部入侵南海，大部分的黑潮通過呂宋海峽，少數進入南海，此類入侵形態過去多次被發現，例如，Farris and Wimbush（1996）曾將黑潮的流套形成過程區分為 4 個階段，Caruso et al.（2006）則將入侵區分為 3 種. 12.

(21) 主要分類，本研究的型態 3（圖 3.1c）即類似 Farris and Wimbush（1996）所提的階段 1 以及 Caruso et al.（2006）的類型 2a，型態 4（圖 3.1d）為強入侵，並與 Farris and Wimbush（1996）所提的階段 2 以及 Caruso et al.（2006）的類型 2b 相類似。圖 3.1 同時呈現各型態的發生頻率，整體而言，黑潮在呂宋海峽的流經型態係以不入侵為主（74.2 % ，型態 1 及型態 2），此種比率亦符合 Yuan et al.（2006）運用 12 年海表面高度（Sea Surface Height, SSH）資料的研究成果，入侵型態僅佔總體約 1/4，分別為強入侵（型態 4，16.2 %）以及弱入侵（型態 3，9.6 %）所組成。. 13.

(22) 3.2 季變化. 圖3.2 各型態之月平均發生比率圖，橫軸為月份，縱軸為該型態發生頻率。由各型態在不同月份的發生比率（如圖 3.2）可觀察其季變化，由圖 3.2 可以發現就整體而言，除了 12 月外，不入侵為主要型態，同時由本方法可以直觀地看出各型態發生頻率最高及最低月份，以及單一月份中各型態間之比例，為一便於研究分析之工具。其中型態 1 終年均有，並無明顯之季節性。型態 2 在夏季月份占優勢。型態 3 無明顯之季節性，亦不常發生。型態 4 則於 11-3 月間的冬季月份占優勢。因此，呂宋海峽終年均有黑潮入侵現象，冬季入侵多於夏季入侵，冬季入侵型態為「弱入侵」與「強入侵」均有，但以「強入侵」 14.

(23) 為主，夏季入侵則幾乎均為「弱入侵」，為探討各型態的動力機制，本文將就各類型發生頻率與相關營力進行分析比較。本研究有關黑潮入侵的季節性的發現亦與其他觀測量符合，例如，透過海洋觀測資料，可於 10 月至 1 月發現菲律賓海水向西延伸遠至 115 °E（Shaw, 1991），Farris and Wimbush（1996）運用衛星 SST 資料觀測到黑潮入侵多發生於 10 月至 1 月，Centurioni et al. （2004）則運用浮標資料展示當東北季風盛行時，菲律賓海水會經呂宋海峽進入南海。本研究與 Centurioni et al.（2004）的浮標統計資料均顯示在 10 月至 3 月間係由強入侵佔優勢，理論上，在冬季許多的浮標路徑應會經呂宋海峽進入南海北部，而強入侵偶爾發生在 4 月至 9 月，6 月至 9 月的夏季則幾乎均為弱入侵。由於黑潮分裂的位置大約在 20 °N, 120.8 °E，但浮標路徑則顯示大部分的浮標施放的地點均在該點（120.8 °E）以東，這些浮標會沿著黑潮主流向北流而不會流進南海，即使少部分的浮標接近呂宋海峽，仍無法流近南海，這也解釋了為何透過浮標所觀測到的夏季入侵會如此少的原因。經觀察圖 3.2，其中型態 2（不入侵）及型態 4（強入侵）有明顯的季節變化，且互為反相，由於本研究區域位於東亞季風盛行區域， 15.

(24) 風速在冬季較強，夏季較弱，因此經與衛星風場平均值比對，發現的確與風速相關，相關係數分別為-0.56 及 0.82（如圖 3.3）。. 圖3.3 型態2及型態4發生頻率與風速比對圖，上圖為型態2的發生頻率分布圖，中圖為型態4的發生頻率分布圖，縱軸為發生頻率，下圖為風速分布圖，縱軸為風速。型態 1 與型態 3 的月平均發生比率變化量經比對與黑潮上游傳輸 16.

(25) 量相關，型態 3（弱入侵）幾乎與黑潮上游傳輸量呈負相關（如圖 3.4）。. 圖3.4型態1及型態3與黑潮傳輸量比對圖，橫軸為月份，左側縱軸為發生頻率，右側縱軸為黑潮流量，藍色與紅色實線分別為型態1 及型態3的比率，黑色虛線為黑潮傳輸量（引用自Qiu and Lukas, 1996）。 17.

(26) 因此，型態 4 的強入侵與風速相關，而型態 3 的弱入侵與呂宋海峽外的黑潮上游傳輸量相關，當黑潮流量減少時慣性亦減少，β 效應會使得黑潮更傾向於向西入侵（Sheremet, 2001），預期將會增加型態 3（弱入侵）的發生機率。. 3.3 年際變化經由 GHSOM 提供的型態之 BMU 時間序列（1993 至 2009 年）如圖 3.5 及表 3.1 所示，呈現出 4 個型態的年際變化，其中表 3.1 中的「持續日數」及「距前次入侵日數」係運用入侵現象的週數換算為日數所得。透過圖 3.5 可以發現不同型態的演變並不如 Farris and Wimbush （1996）是依階段循序的，而是較類似於 Caruso et al.（2006）及 Yuan et al.（2006）建議的非循序。. 18.

(27) 圖3.5 各型態之年際變化，橫軸為時間，縱軸為各型態，每一分圖橫跨5年，為便於觀察，各分圖間重疊1年。. 表 3.1 經呂宋海峽黑潮入侵事件統計表時期. 起始日期（日結束日期. 持續日數. 距前次入侵日入侵型態. A1. /月/年）. （日/月/年）. 數. 03/11/1992. 03/11/1992. 7. n/a. 3. 15/12/1992. 26/01/1993. 49. 35. 4. 16/03/1993. 16/03/1993. 7. 42. 4. 06/04/1993. 13/04/1993. 14. 14. 3. 27/07/1993. 27/07/1993. 7. 98. 3. 10/08/1993. 31/08/1993. 28. 7. 3. 05/10/1993. 05/10/1993. 7. 28. 4. 16/11/1993. 30/11/1993. 21. 35. 4. 08/02/1994. 22/02/1994. 21. 63. 3. 01/11/1994. 17/01/1995. 84. 245. 4. 19.

(28) N1. A2. 07/02/1995. 14/02/1995. 14. 14. 4. 25/04/1995. 25/04/1995. 7. 63. 4. 05/12/1995. 21/05/1996. 175. 217. 4. 02/07/1996. 16/07/1996. 21. 35. 3. 22/10/1996. 29/10/1996. 14. 91. 3. 05/11/1996. 07/01/1997. 70. 0. 4. 14/10/1997. 14/10/1997. 7. 273. 3. 21/10/1997. 23/12/1997. 70. 0. 4. 12/05/1998. 19/05/1998. 14. 133. 3. 13/10/1998. 03/11/1998. 28. 140. 3. 15/12/1998. 12/01/1999. 35. 35. 4. 26/01/1999. 30/03/1999. 70. 7. 3. 04/05/1999. 18/05/1999. 21. 28. 4. 25/05/1999. 25/05/1999. 7. 0. 3. 30/11/1999. 14/12/1999. 21. 182. 3. 21/12/1999. 15/02/2000. 63. 0. 3. 22/02/2000. 22/02/2000. 7. 0. 3. 25/04/2000. 16/05/2000. 28. 56. 3. 06/06/2000. 06/06/2000. 7. 14. 3. 04/07/2000. 25/07/2000. 28. 21. 3. 12/09/2000. 19/09/2000. 14. 42. 3. 24/10/2000. 31/10/2000. 14. 28. 4. 05/12/2000. 26/12/2000. 28. 28. 3. 06/02/2001. 06/02/2001. 7. 35. 4. 13/03/2001. 20/03/2001. 14. 28. 3. 29/05/2001. 29/05/2001. 7. 63. 3. 16/04/2002. 16/04/2002. 7. 315. 3. 11/06/2002. 11/06/2002. 7. 49. 3. 12/11/2002. 19/11/2002. 14. 147. 4. 15/07/2003. 15/07/2003. 7. 231. 4. 29/07/2003. 29/07/2003. 7. 7. 3. 09/12/2003. 30/12/2003. 28. 126. 4. 27/01/2004. 17/02/2004. 28. 21. 3. 24/02/2004. 02/03/2004. 14. 0. 4. 16/03/2004. 06/04/2004. 28. 7. 4. 15/06/2004. 20/07/2004. 42. 63. 3. 31/08/2004. 21/09/2004. 28. 35. 3. 20.

(29) 23/11/2004. 21/12/2004. 35. 56. 4. 28/12/2004. 28/12/2004. 7. 0. 3. 18/01/2005. 25/01/2005. 14. 14. 3. 01/02/2005. 05/04/2005. 70. 0. 4. 17/01/2006. 07/02/2006. 28. 280. 4. 08/08/2006. 15/08/2006. 14. 175. 3. 19/12/2006. 02/01/2007. 21. 119. 4. 09/01/2007. 16/01/2007. 14. 0. 3. 27/02/2007. 06/03/2007. 14. 35. 4. 27/11/2007. 27/11/2007. 7. 259. 4. 11/12/2007. 01/01/2008. 28. 7. 3. 04/03/2008. 04/03/2008. 7. 56. 4. 26/08/2008. 21/10/2008. 63. 168. 3. 24/03/2009. 24/03/2009. 7. 147. 3. 12/05/2009. 12/05/2009. 7. 42. 4. Total. 62 cases. 1582. 4459. 21.

(30) 由圖 3.5 中可以發現若以入侵現象（型態 3 及型態 4）為標的，本研究所採用的約 18 年的觀測資料中，除 1992 年及 2009 年觀測未滿 1 年外，其餘 16 年的觀測資料大致可區分為 3 個時期，第 1 個時期（A1）由 1993 年至 2000 年，較常出現入侵現象，尤其是強入侵型的型態 4，是一個為期 8 年的入侵活躍期，A1 時期具有 2 個特性，首先為冬季入侵均能維持較長，其中 1995/1996 冬季出現一次長達 175 日的入侵事件，該事件亦曾經為 Yuan et al.（2006）所發表，其次為較短的夏季入侵，均短於 28 日。第 2 個時期（N1）自 2001 年至 2003 年，入侵現象相對較少，呈現一個為期 3 年的入侵不活躍期，僅有 9 次相對較短的入侵事件，除 2003 年冬季的一次 28 日入侵事件外，其餘均短於 2 週，並且在入侵事件間存在著相對長時的不入侵事件，最長的不入侵事件（2002 年的 315 日）即出現於本時期。緊接著是另一個為期 5 年的入侵活躍期（A2），自 2004 年起至 2008 年，入侵現象又較常出現，雖然規模不若前次的入侵活躍期（A1），仍有 19 次的入侵事件發生，除 2008 年外，每個冬季均發生入侵，然而這些入侵都不超過 35 日（除 2004 年冬季），夏季入侵反而長於冬季入侵，特別是 2008 年出現長達 63 日的夏季入侵。為便於探討長期趨勢，本研究僅將黑潮流經呂宋海峽的型態區分 22.

(31) 為入侵（型態 3 及型態 4）與不入侵，同時為探討入侵現象與長期震盪之間的關聯，本研究分別比較入侵現象發生時之 PDO 指標、 NINO3.4 指標、NPGO 指標及 PTO 指標（如表 3.2），分析入侵事件發生時，各別指標值在均同相之比率，除計算無延遲的時間外，另針對延遲一年及型態 3 與 4 最多同相入侵事件等 3 組時間延遲進行計算（詳如附錄 A-1），發現入侵事件與 PDO 較相關，因此特呈現入侵現象發生時的 PDO 指標值（如圖 3.6）。. 23.

(32) 表 3.2 入侵現象發生於各指標為正時之比率 Index. Lag（day）. Pattern3+4（%）. PDO. 0. 60.2. 364. 72.1. 0. 43.8. 364. 52.7. 0. 53.5. 364. 56.6. 0. 54.4. 364. 58.8. NINO 3.4. NPGO. PTO. 圖3.6 入侵現象與PDO 指標，黑色細線為PDO 指標，紅色及藍色線分別為型態3及4的入侵現象，上下圖分別為無延遲及延遲1年。. 24.

(33) 由圖 3.6 亦可以看出由圖 6 所分析獲得的 3 個時期：1993 年至 2000 年（A1）、2001 年至 2003 年（N1）以及 2004 年至 2008 年（A2）， N1 時期是一個夾在兩個入侵活躍期之間（A1 及 A2）的入侵不活躍期，而由 2004 年開始的入侵活躍期（A2）在規模上小於前次的入侵活躍期（A1），同時分布較不均勻，以位於首尾的 2004 年及 2008 年較中間年份為多，這樣一種由一個短時期夾在 2 個較長時期且交互出現的型態與近來 PDO 的冷熱期相彷。由表 3.2 可看出 PDO 指標與入侵事件最有關聯，在延遲 0 年及 1 年的條件下，分別有 60.2%及 72.1%的入侵現象發生在 PDO 指標為正時，由圖 3.6 可以看黑潮入侵的年際變化顯著，1996 及 1999 年較其他年份更常發生，另一方面，2002 及 2003 年則相對少見，與 PDO 相較，延遲 1 年使 2001 年至 2003 年的入侵不活躍期以及 2004 年至 2008 年的入侵活躍期內可以有較佳的符合，因此，入侵的活躍與否與 PDO 存在有延遲 1 年的相關，PDO 指標為正時較易發生入侵現象，而 Wu（2012）指出在 PDO 為正的時期，在呂宋島東側的菲律賓海附近會出現一個高壓，而其產生南風使得北赤道洋流分裂的緯度向北移動，呂宋附近的黑潮傳輸量會隨之減少，黑潮的慣性降低後，就容意通過呂宋海峽入侵至南海，而這 1 年的延遲可能來自於 PDO 相位變換後海洋調整及回饋的時間。 25.

(34) 第四章臺灣東北海域之黑潮入侵現象為研究經台灣東北海域的黑潮入侵，GHSOM 的分析區域約為 24–27 °N, 121–124 °E，由於黑潮在此區域主要為向東北流動，入侵現象則為向西北流動，因此選定 GSV 的東西方向分量（U）及南北分量（V）同時作為分析標的，而入侵的條件則設為 20cm/s 的流速等值線之西北側超過 200 公尺等深線。首次分析獲得 32 個型態，再次分析則降為 4 個型態，最終的 4 個分類型態尚可區分為入侵及非入侵兩種類別。. 4.1 入侵型態 U 及 V 分量經 GHSOM 方法分類後，可獲得 4 個型態（Pattern），再依不同型態分別合成為完整向量之流場，以獲得黑潮在呂宋海峽的流經型態（如圖 4.1）。. 26.

(35) 圖4.1 黑潮在臺灣東北海域的流經型態，各分圖頂為該型態發生機率，紅線框出範圍代表研究區域，顏色代表流速大小。型態 3 及 4 為不入侵型態，其中型態 3 為黑潮直接通過臺灣東北海域，型態 4 類似型態 3，但在臺灣海峽出現一道東北向的海流；而型態 1 及 2 則均為入侵型態，其中型態 1 為強入侵，黑潮較深入東海，型態 2 為弱入侵，與型態 3 相比，黑潮稍入侵東海。圖 4.1 同時呈現各型態的發生頻率，整體而言，黑潮在臺灣東北海域的流經型態入侵與不入侵約各半，但係以入侵為主（57.4 % ，型態 1 及型態 2），不入侵型態約佔總體一半以下，分別為型態 3（21.0 %）以及型態 4（21.7%）所組成。. 27.

(36) 4.2 季變化由各型態在不同月份的發生比率（如圖 4.2）可觀察其季變化。. 圖4.2 各型態之月平均發生比率圖，橫軸為月份，縱軸為該型態發生頻率。由圖 4.2 可以發現就整體而言，除了 5 至 9 月外，入侵均為主要型態，同時由本方法可以直觀地看出各型態發生頻率最高及最低月份，以及單一月份中各型態間之比例，為一便於研究分析之工具。其中型態 1 於 12 至 3 月間的冬季月份占優勢。型態 2 則類似入侵與不入侵間的過渡，主要在 4 月份及 10 至 11 月間占優勢。型態 3 為不入侵的型態，同樣類似入侵與不入侵間的過渡，主要在 5 月份及 9 月占優勢。型態 4 則於 6 至 8 月間的夏季月份占優勢。 28.

(37) 因此，整體來看，臺灣東北海域終年均有黑潮入侵現象，以季節來看，秋冬季入侵多於夏季入侵，秋冬季入侵型態為「弱入侵」與「強入侵」均有，秋季以「弱入侵」為主，冬季則以「強入侵」為主。夏季入侵亦為「弱入侵」與「強入侵」均有，但「弱入侵」略多於「強入侵」。由於本研究區域位於東亞季風盛行區域，以及若干的觀測資料發現風可能不是唯一的影響（Chang and Liang, 1994），因此除了與衛星風場平均值比對外，在引入熱通量加以比對。在衛星風場平均值方面，分析結果發現除型態 2 的弱入侵與型態 4 可能與風速較相關，相關係數分別為 0.47 及 -0.6 外，其餘的型態均較低（如圖 4.3）。. 29.

(38) 圖4.3 型態1至型態4的發生頻率與風速比對圖，縱軸為發生頻率，最下圖為風速。 30.

(39) 圖4.4 型態1至型態4的發生頻率與熱通量比對圖，縱軸為發生頻率，最下圖為熱通量。 31.

(40) 由圖 4.4 可以看出型態 1 的強入侵與型態 2 的弱入侵與熱通量相關，相關係數分別為 0.65 及 0.44，冬季的冷卻在此區域會造成東西向的密度梯度，加上離岸方向的地形坡度（即 JEBAR 效應, Joint Effect of Baroclinicity and Relief ），使得黑潮冬天會向岸的方向移動（Oey et al. 2010），預期將會增加入侵的發生機率。因此，型態 1 的強入侵與熱通量相關，且多發生在冬季，可能是冬季的冷卻所引發，而型態 2 的弱入侵與風速及熱通量均相關，因為多發生在 4 月及 10 至 11 月，並不是冷卻最旺盛的季節，則可能是兼由 JEBAR 效應及風所引發的。. 4.3 年際變化經由 GHSOM 提供的型態之 BMU 時間序列（1993 至 2009 年）如圖 4.5 及表 4.1 所示，呈現出 4 個型態的年際變化，透過圖 4.5 可以發現不同型態的演變並不是依階段循序的，而是非循序地變化。. 32.

(41) 圖4.5 各型態之年際變化，橫軸為時間，縱軸為各型態，每一分圖橫跨5年，為便於觀察，各分圖間重疊1年。. 表 4.1 臺灣東北海域黑潮入侵事件統計表 S1. 21/10/1992. 21/10/1992. 7. n/a. 2. 28/10/1992. 28/10/1992. 7. 0. 1. 04/11/1992. 11/11/1992. 14. 0. 2. 18/11/1992. 23/12/1992. 42. 0. 1. 06/01/1993. 20/01/1993. 21. 7. 2. 27/01/1993. 14/04/1993. 84. 0. 1. 21/04/1993. 21/04/1993. 7. 0. 2. 12/05/1993. 02/06/1993. 28. 14. 2. 09/06/1993. 09/06/1993. 7. 0. 1. 06/10/1993. 06/10/1993. 7. 112. 2. 13/10/1993. 13/10/1993. 7. 0. 1. 20/10/1993. 27/10/1993. 14. 0. 2. 03/11/1993. 10/11/1993. 14. 0. 1. 17/11/1993. 17/11/1993. 7. 0. 2. 33.

(42) 24/11/1993. 01/12/1993. 14. 0. 1. 08/12/1993. 08/12/1993. 7. 0. 2. 15/12/1993. 22/12/1993. 14. 0. 1. 29/12/1993. 29/12/1993. 7. 0. 2. 12/01/1994. 12/01/1994. 7. 7. 2. 19/01/1994. 23/03/1994. 70. 0. 1. 30/03/1994. 06/04/1994. 14. 0. 2. 13/04/1994. 13/04/1994. 7. 0. 1. 18/05/1994. 18/05/1994. 7. 28. 2. 25/05/1994. 01/06/1994. 14. 0. 1. 08/06/1994. 08/06/1994. 7. 0. 2. 15/06/1994. 15/06/1994. 7. 0. 1. 20/07/1994. 27/07/1994. 14. 28. 2. 03/08/1994. 10/08/1994. 14. 0. 1. 07/09/1994. 07/09/1994. 7. 21. 2. 02/11/1994. 02/11/1994. 7. 49. 2. 30/11/1994. 07/12/1994. 14. 21. 2. 04/01/1995. 01/02/1995. 35. 21. 1. 08/02/1995. 15/02/1995. 14. 0. 2. 22/02/1995. 22/03/1995. 35. 0. 1. 29/03/1995. 29/03/1995. 7. 0. 2. 05/04/1995. 12/04/1995. 14. 0. 1. 19/04/1995. 31/05/1995. 49. 0. 2. 11/10/1995. 18/10/1995. 14. 126. 2. 25/10/1995. 25/10/1995. 7. 0. 1. 01/11/1995. 22/11/1995. 28. 0. 2. 24/01/1996. 24/01/1996. 7. 56. 2. 31/01/1996. 13/03/1996. 49. 0. 1. 27/03/1996. 27/03/1996. 7. 7. 1. 24/04/1996. 24/04/1996. 7. 21. 1. 22/05/1996. 22/05/1996. 7. 21. 2. 29/05/1996. 05/06/1996. 14. 0. 1. 12/06/1996. 12/06/1996. 7. 0. 2. 19/06/1996. 19/06/1996. 7. 0. 1. 31/07/1996. 14/08/1996. 21. 35. 1. 23/10/1996. 27/11/1996. 42. 63. 2. 04/12/1996. 11/12/1996. 14. 0. 1. 34.

(43) 18/12/1996. 18/12/1996. 7. 0. 2. 25/12/1996. 01/01/1997. 14. 0. 1. 08/01/1997. 15/01/1997. 14. 0. 2. 22/01/1997. 05/02/1997. 21. 0. 1. 26/02/1997. 12/03/1997. 21. 14. 2. 09/04/1997. 23/04/1997. 21. 21. 2. 03/09/1997. 10/09/1997. 14. 126. 2. 22/10/1997. 29/10/1997. 14. 35. 2. 05/11/1997. 05/11/1997. 7. 0. 1. 12/11/1997. 19/11/1997. 14. 0. 2. 31/12/1997. 07/01/1998. 14. 35. 2. 11/02/1998. 11/02/1998. 7. 28. 2. 25/02/1998. 04/03/1998. 14. 7. 2. 18/03/1998. 25/03/1998. 14. 7. 2. 15/04/1998. 29/04/1998. 21. 14. 2. 03/06/1998. 03/06/1998. 7. 28. 1. 10/06/1998. 10/06/1998. 7. 0. 2. 19/08/1998. 26/08/1998. 14. 63. 2. 02/09/1998. 09/09/1998. 14. 0. 1. 23/09/1998. 11/11/1998. 56. 7. 2. 18/11/1998. 25/11/1998. 14. 0. 1. 02/12/1998. 02/12/1998. 7. 0. 2. 09/12/1998. 16/12/1998. 14. 0. 1. 23/12/1998. 27/01/1999. 42. 0. 2. 03/02/1999. 17/03/1999. 49. 0. 1. 24/03/1999. 24/03/1999. 7. 0. 2. 14/04/1999. 14/04/1999. 7. 14. 2. 01/09/1999. 01/09/1999. 7. 133. 2. 08/09/1999. 08/09/1999. 7. 0. 1. 15/09/1999. 22/09/1999. 14. 0. 2. 13/10/1999. 27/10/1999. 21. 14. 2. 17/11/1999. 08/12/1999. 28. 14. 2. 15/12/1999. 22/03/2000. 105. 0. 1. 29/03/2000. 05/04/2000. 14. 0. 2. 12/04/2000. 12/04/2000. 7. 0. 1. 19/04/2000. 26/04/2000. 14. 0. 2. 03/05/2000. 03/05/2000. 7. 0. 1. 35.

(44) 10/05/2000. 10/05/2000. 7. 0. 2. 17/05/2000. 24/05/2000. 14. 0. 1. 31/05/2000. 31/05/2000. 7. 0. 2. 12/07/2000. 12/07/2000. 7. 35. 2. 19/07/2000. 19/07/2000. 7. 0. 1. 20/09/2000. 20/09/2000. 7. 56. 2. 04/10/2000. 20/12/2000. 84. 7. 2. 27/12/2000. 21/02/2001. 63. 0. 1. 28/02/2001. 28/02/2001. 7. 0. 2. 07/03/2001. 23/05/2001. 84. 0. 1. 30/05/2001. 30/05/2001. 7. 0. 2. 29/08/2001. 29/08/2001. 7. 84. 2. 26/09/2001. 10/10/2001. 21. 21. 2. 17/10/2001. 24/10/2001. 14. 0. 1. 31/10/2001. 31/10/2001. 7. 0. 2. 21/11/2001. 21/11/2001. 7. 14. 2. 28/11/2001. 28/11/2001. 7. 0. 1. 05/12/2001. 12/12/2001. 14. 0. 2. 19/12/2001. 26/12/2001. 14. 0. 1. 02/01/2002. 16/01/2002. 21. 0. 2. 23/01/2002. 27/02/2002. 42. 0. 1. 06/03/2002. 13/03/2002. 14. 0. 2. 20/03/2002. 20/03/2002. 7. 0. 1. 27/03/2002. 24/04/2002. 35. 0. 2. 10/07/2002. 10/07/2002. 7. 70. 2. 11/09/2002. 11/09/2002. 7. 56. 1. 18/09/2002. 18/09/2002. 7. 0. 2. 09/10/2002. 09/10/2002. 7. 14. 2. 16/10/2002. 23/10/2002. 14. 0. 1. 30/10/2002. 20/11/2002. 28. 0. 2. 01/01/2003. 08/01/2003. 14. 35. 1. 15/01/2003. 29/01/2003. 21. 0. 2. 12/02/2003. 12/02/2003. 7. 7. 2. 12/03/2003. 02/04/2003. 28. 21. 2. 09/04/2003. 09/04/2003. 7. 0. 1. 16/04/2003. 23/04/2003. 14. 0. 2. 28/05/2003. 28/05/2003. 7. 28. 2. 36.

(45) A1. 04/06/2003. 11/06/2003. 14. 0. 1. 01/10/2003. 01/10/2003. 7. 105. 2. 08/10/2003. 22/10/2003. 21. 0. 1. 29/10/2003. 26/11/2003. 35. 0. 2. 31/12/2003. 14/01/2004. 21. 28. 2. 21/01/2004. 18/02/2004. 35. 0. 1. 25/02/2004. 25/02/2004. 7. 0. 2. 10/03/2004. 17/03/2004. 14. 7. 2. 12/05/2004. 19/05/2004. 14. 49. 1. 28/07/2004. 28/07/2004. 7. 63. 1. 04/08/2004. 11/08/2004. 14. 0. 2. 18/08/2004. 15/09/2004. 35. 0. 1. 10/11/2004. 10/11/2004. 7. 49. 2. 24/11/2004. 24/11/2004. 7. 7. 2. 01/12/2004. 22/12/2004. 28. 0. 1. 29/12/2004. 29/12/2004. 7. 0. 2. 05/01/2005. 19/01/2005. 21. 0. 1. 26/01/2005. 26/01/2005. 7. 0. 2. 09/02/2005. 09/02/2005. 7. 7. 2. 16/02/2005. 23/03/2005. 42. 0. 1. 30/03/2005. 30/03/2005. 7. 0. 2. 06/04/2005. 06/04/2005. 7. 0. 1. 13/04/2005. 13/04/2005. 7. 0. 2. 20/04/2005. 18/05/2005. 35. 0. 1. 25/05/2005. 25/05/2005. 7. 0. 2. 01/06/2005. 01/06/2005. 7. 0. 1. 08/06/2005. 15/06/2005. 14. 0. 2. 20/07/2005. 27/07/2005. 14. 28. 2. 03/08/2005. 10/08/2005. 14. 0. 1. 17/08/2005. 17/08/2005. 7. 0. 2. 31/08/2005. 31/08/2005. 7. 7. 2. 07/09/2005. 14/09/2005. 14. 0. 1. 05/10/2005. 19/10/2005. 21. 14. 2. 26/10/2005. 26/10/2005. 7. 0. 1. 02/11/2005. 02/11/2005. 7. 0. 2. 09/11/2005. 16/11/2005. 14. 0. 1. 23/11/2005. 30/11/2005. 14. 0. 2. 37.

(46) S2. 07/12/2005. 15/02/2006. 77. 0. 1. 22/02/2006. 22/03/2006. 35. 0. 2. 29/03/2006. 05/04/2006. 14. 0. 1. 26/04/2006. 03/05/2006. 14. 14. 2. 19/07/2006. 09/08/2006. 28. 70. 2. 04/10/2006. 08/11/2006. 42. 49. 2. 06/12/2006. 13/12/2006. 14. 21. 2. 03/01/2007. 31/01/2007. 35. 14. 1. 07/02/2007. 28/02/2007. 28. 0. 2. 07/03/2007. 14/03/2007. 14. 0. 1. 04/07/2007. 04/07/2007. 7. 105. 2. 26/09/2007. 03/10/2007. 14. 77. 2. 10/10/2007. 10/10/2007. 7. 0. 1. 17/10/2007. 14/11/2007. 35. 0. 2. 21/11/2007. 12/12/2007. 28. 0. 1. 30/01/2008. 19/03/2008. 56. 42. 1. 26/03/2008. 02/04/2008. 14. 0. 2. 09/04/2008. 09/04/2008. 7. 0. 1. 16/04/2008. 23/04/2008. 14. 0. 2. 30/07/2008. 06/08/2008. 14. 91. 2. 17/09/2008. 08/10/2008. 28. 35. 2. 15/10/2008. 29/10/2008. 21. 0. 1. 19/11/2008. 14/01/2009. 63. 14. 2. 21/01/2009. 04/02/2009. 21. 0. 1. 11/03/2009. 15/04/2009. 42. 28. 2. 22/04/2009. 20/05/2009. 35. 0. 1. 27/05/2009. 03/06/2009. 14. 0. 2. 10/06/2009. 10/06/2009. 7. 0. 1. Total. 126 case. 3514. 2569. 38.

(47) 由圖 4.5 中可以發現若以入侵現象（型態 1 及型態 2）為標的，本研究所採用的約 18 年的觀測資料中，除 1992 年及 2009 年觀測未滿 1 年外，其餘 16 年的觀測資料，入侵均很活躍，依入侵事件的分布大致可區分為 3 個時期，第 1 個時期（S1）由 1993 年至 2003 年，冬季入侵事件多且長，尤其是強入侵型的型態 1（除 1998 年及 2003 年以型態 2 為主），但夏季入侵相對較不明顯，是一個為期 11 年的入侵標準期，S1 時期具有 2 個特性，首先為冬季入侵均能維持較長，其次為在夏季會維持極長的不入侵期（除 1998 年），不入侵時間通常在百日以上。第 2 個時期（A1）自 2004 年至 2006 年，入侵現象相對增加，呈現一個為期 3 年的入侵活躍期，本時期的冬季入侵特性與 S1 類似，入侵增加主要來自夏季入侵事件的增加，而入侵事件的間隔也低於 70 日。緊接著是另一個為期 2 年的入侵標準期（S2），自 2007 年起至 2008 年，夏季入侵現象再次較少出現，基本上回復到 S1 時期的特性。為便於探討長期趨勢，我們僅將黑潮流經東海的型態區分為入侵（型態 1 及型態 2）與不入侵，同時為探討入侵現象與長期震盪之間的關聯，本文分別比較入侵現象發生時之 PDO 指標、NINO3.4 指標、NPGO 指標及 TPO 指標，分析入侵事件發生時，各別指標值在 39.

(48) 均同相之比率，除計算無延遲的時間外，另針對延遲一年及型態 3 與 4 最多同相入侵事件等 3 組時間延遲進行計算（詳如附錄 A-2），發現入侵事件與 PDO 較相關，因此特呈現入侵現象發生時的 PDO 指標值（如圖 4.6）。由圖 4.6 亦可以看出由圖 4.5 所分析獲得的 3 個時期：1993 年至 2003 年（S1）、2004 年至 2006 年（A1）以及 2007 年至 2008 年（S2）， A1 時期是一個夾在兩個入侵標準期之間（S1 及 S2）的入侵活躍期，而由 2007 年開始的入侵標準期（S2）在入侵事件的分布上類同於前次的入侵標準期（S1）。由表 4.2 可看出 PDO 指標與入侵事件最有關聯，在延遲 0 年及 1 年的條件下，分別有 56.6%及 64.5%的入侵現象發生在 PDO 指標為正時，入侵的發生與否與 PDO 存在有延遲 1 年的相關，PDO 指標為正時較易發生入侵現象，而這 1 年的延遲可能來自於 PDO 相位變換後海洋調整及回饋的時間。. 40.

(49) 表 4.2 入侵現象發生於各指標為正時之比率單位：% Index. Lag（day）. Pattern1+2. PDO. 0. 56.6. 364. 64.5. 0. 44.6. 364. 52.4. 0. 56.0. 364. 55.4. 0. 49.6. 364. 50.8. NINO 3.4. NPGO. PTO. 圖4.6 入侵現象與PDO 指標，黑色細線為PDO 指標，藍色及綠色線分別為型態1及2的入侵現象，上下圖分別為無延遲及延遲1年。. 41.

(50) 第五章結論本研究突破了過去研究所使用資料的侷限性，包括了浮標、SST 與錨碇資料等，並且證實黑潮在呂宋海峽及台灣東北海域分別對南海及東海的入侵型態，同時分析季節性以及年際變化，其中不但有定性的描述，也進行定量的分析。在呂宋海峽方面，入侵並非主要型態，經由 GHSOM 所分類出的型態顯示入侵模式（型態 3 及 4）約占 25.8%，其中強入侵（16.2%）發生較弱入侵（9.6%）為多，強入侵與風速相關，弱入侵則可能與上游的黑潮傳輸量相關，這樣的結果使我們對黑潮入侵現象能有一個較全面的概念，黑潮入侵並非是單一型態，強入侵僅發生在冬季，而弱入侵則是全年均有，同時入侵的型態之間轉換並無一定的順序，而是依其相關的因素（風速或黑潮傳輸量）變化。關於季節性變化部分，冬季的入侵事件明顯多於夏季，弱入侵事件在夏季較明顯，在冬季則多由強入侵占優勢，黑潮入侵在年際變化方面與 PDO 有關，黑潮入侵通常發生於 PDO 指標為正值時（72.1%），也代表黑潮入侵南海與 PDO 顯著相關。而在台灣東北海域方面，黑潮入侵與不入侵約各半，但係以占 57.4 % 的入侵模式（型態 1 及型態 2）為主，其中弱入侵（29.5%）發生較強入侵（27.9%）為多，強入侵與熱通量相關，而弱入侵與風 42.

(51) 速及熱通量均相關。關於季節性變化部分，秋冬季的入侵事件明顯多於夏季，弱入侵事件在秋季較明顯，在冬季則多由強入侵占優勢，黑潮在本區入侵的年際變化方面也與在呂宋海峽相同，均與 PDO 有關，黑潮入侵通常發生於 PDO 指標為正值時（64.5%），也代表黑潮入侵東海與 PDO 相關。由分析結果顯示，PDO 顯然與黑潮在呂宋海峽及台灣東北海域的入侵之年際變化極有關連，PDO 過去多運用於黑潮延續區域及北美西岸的研究，較少用於對西太平洋低緯度區域的研究，本文發現其與黑潮入侵的年際變化相關，雖然 PDO 的機制仍未有定論，但未來 PDO 在西太平洋低緯度區域的影響應再加強研究（如 Wu, 2012）。運用 GHSOM 可以很方便地計算海洋與大氣現象的季節性及年際性變化，本研究也顯示 GHSOM 為一種方便對黑潮入侵現象分析之工具，未來可應用至其他需要特徵萃取的工作方面，而本研究成果也清楚呈現 GHSOM 在分析黑潮入侵型態、變化與機制方面的效益，因此，本研究未來可提供作為研究其他區域之參考。. 43.

(52) 參考文獻 Andres, M., J. H. Park, M. Wimbush, X. H. Zhu, H. Nakamura, K. Kim, and K. I. Chang（2009） Manifestation of the Pacific Decasal Oscillstionin the Kuroshio. Geophys Res. Lett., 36, L16602, doi:10.1029/2009GL039216. Caruso, M., G. Gawarkiewicz, and R. C. Bearsley（2006） Interannual variability of the Kuroshio intrusion in the South China Sea. J. Oceanogr, 62, 559–575. Ceballos, L. I., E. D. Lorenzo, C. D. Hoyos, N. Schneider, and B. Taguchi（2009） North pacific gyre oscillation synchronizes climate fluctuations in the eastern and western boundary system. J. Clim., 22, 5163–5174. Centurioni, L. R., P. P. Niiler, and D. K. Lee（2004） Observation of inflow of Philippine Sea surface water into the South China Sea through the Luzon Strait. J. Phys. Oceanogr., 34, 113–121. Chang, Y. L., and L. Y. Oey（2012） The Philippines–Taiwan Oscillation: Monsoonlike Interannual Oscillation of the Subtropical–Tropical Western North Pacific Wind System and Its Impact on the Ocean. J. Clim., 25, 1579–1618, doi:10.1175/JCLI-D-11-00158.1. 44.

(53) Chuang, W. S., and W. D. Liang（1994） Seasonal variability of intrusion of the Kuroshio water across the continental shelf northeast of Taiwan. J. Oceanogr, 50, 531–542. Farris, A., and M.Wimbush（1996） Wind-induced intrusion into the South China Sea. J. Oceanogr, 52, 771–784. Hsin, Y. C., C. R. Wu, and P.T. Shaw（2008） Spatial and temporal variations of the Kuroshio East of Taiwan, 1982–2005: a numerical. study.. J.. Geophys. Res.,. 113,. C04002,. doi:10.1029/2007JC004485. Hsin, Y. C., T. Qu, and C. R. Wu（2010） Intra-seasonal variation of the Kuroshio southeast of Taiwan and its possible forcing mechanism. Ocean Dyn., 60, 1293–1306. doi:10.1007/s10236-010-0294-2. Hsin, Y. C., C. R. Wu, and S. Y. Chao（2012） An updated examination of the Luzon Strait transport. J. Geophys. Res., 117, C03022, doi:10.1029/ 2011JC007714. Ichikawa, K., R. Tokeshi, M. Kashima, K. Sato, T. Matsuoka, S. Kojima, and S. Fujii（2008） Kuroshio variations in the upstream region as seen by HF radar and satellite altimetry data, Int. J. Remote Sens., 29（21）, 6417–6426, doi:10.1080/01431160802175454. 45.

(54) Kohonen, T.（1982） Self-organized formation of topologically correct features maps. Biol. Cybern., 43, 59–69. Kohonen, T. （ 2001 ）. Self-organizing maps. Springer Series in. Information Sciences, Vol. 30, 3rd ed., Springer-Verlag, pp 501. Liang, W. D., T. Y. Tang, Y. J. Yang, M. T. Ko, and W. S. Chuang （2003） Upper‐ocean currents around Taiwan, Deep Sea Res., Part II, 50, 1085–1105, doi:10.1016/S0967-0645（03）00011-0. Liang, W. D., Y. J. Yang, T. Y. Tang, and W. S. Chung（2008） Kuroshio in. the. Luzon. Strait.. J.. Geophys. Res.,. 113,. C08048,. doi:10.1029/2007JC004609. Lie, H. J., and C. H. Cho（2002） Recent advances in understanding the circulation and hydrography of the East China Sea, Fish. Oceanogr., 11, 318–328, doi:10.1046/j.1365-2419.2002.00215.x. Liu, Y., and R. H. Weisberg（2005） Patterns of ocean current variability on the West Florida Shelf using the self-organizing map. J. Geophys. Res., 110, C06003, doi:10.1029/2004JC002786. Liu, Y., R. H. Weisberg, and R. He（2006a） Sea surface temperature patterns on the West Florida Shelf using the growing hierarchical selforganizing maps. J. Atmos. Oceanic Tech., 23（2）, 325–338. 46.

(55) Liu, Y., R. H. Weisberg, and C. N. K. Mooers（2006b） Performance evaluation of the self-organizing map for feature extraction. J. Geophys. Res., 111, C05018, doi:10.1029/2005JC003117. Liu, Y., R.H. Weisberg, and Y. Yuan（2008） Patterns of upper layer circulation variability in the South China Sea from satellite altimetry using the self-organizing map. Acta Oceanologica Sinica, 27（Supp）, 129–144. Mau, J. C., D. P. Wang, D. S. Ullman, and D. L. Codiga（2007） Characterizing long island sound outflows from HF radar using self-organizing maps. Estuarine Coastal Shelf Sci., 74, 155–165. Nitani, H.（1972） Beginning of the Kuroshio. In: H. Stommel and K. Yoshida（eds） Kuroshio—its physical aspects, University of Tokyo Press, 129–163. Oey, L. Y., Y. C. Hsin, and C. R. Wu（2010） Why does the Kuroshio northeast of Taiwan shift shelfward in winter?, Ocean Dyn., 60, 413–426, doi:10.1007/s10236-009-0259-5. Qiu, B., and S. Chen（2010） Eddy-mean flow interaction in the decadally modulating Kuroshio extension system. Deep Sea Res. II, 57,1098–1110. 47.

(56) Qiu, B., and R. Lukas（1996） Seasonal and interannual variability of the North Equatorial Current, the Mindanao Current, and the Kuroshio along the Pacific western boundary. J. Geophys. Res., 101. Qu, T., and R. Lukas（2003） The bifurcation of the north equatorial current in the pacific. J. Phys. Oceanogr., 33, 5–18. Richardson , A. J., C. Risien, and F. A. Shillington（2003） Using self-organizing maps to identify patterns in satellite imagery. Prog. Oceanogr., 59, 223–239. Shaw, P. T.（1991） The seasonal variation of the intrusion of the Philippine Sea water into the South China Sea. J. Geophys. Res., 96, 821–827. Sheremet, V. A.（2001） Hysteresis of a western boundary current leaping across a gap. J. Phys. Oceanogr., 31, 1247–1259. Sheu, W. J., C. R. Wu, and L.Y. Oey（2010） Blocking and westward passage of eddies in the Luzon Strait. Deep Sea Res., II, 57, 1783–1791. Sun, X.（1987） Analysis of the surface path of the Kuroshio in the East China Sea, in Essays on Investigation of Kuroshio, edited by X. 48.

(57) Sun, pp. 1–14, China Ocean Press, Beijing. Tang, T. Y., J. H. Tai, and Y. J. Yang（2000） The flow pattern north of Taiwan and migration of the Kuroshio, Cont. Shelf Res., 20, 349–371, doi:10.1016/S0278-4343（99）00076-X. Wu, C. R., T. Y. Tang, and S. F. Lin（2005） Intra-seasonal variation in the velocity field of the northeastern South China Sea. Cont. Shelf Res., 25, 2075–2083. Wu, C. R., and T.L. Chiang（2007） Mesoscale eddies in the northern South China Sea. Deep Sea Res., II, 54, 1575–1588. Wu, C. R., H. F. Lu, and S. Y. Chao（2008）, A numerical study on the formation of upwelling off northeast Taiwan, J. Geophys. Res., 113, C08025, doi:10.1029/2007JC004697. Wu, C. R.（2012） Interannual modulation of the Pacific Decadal Oscillation（PDO） on the low latitude western North Pacific, Prog. Oceanogr.（Accepted）, doi: 10.1016/j.pocean. Yuan, D., W. Han, and D. Hu（2006） Surface Kuroshio path in the Luzon Strait area derived from satellite remote sensing data. J. Geophys Res., 111, C11007. doi:10.1029/2005JC003412.. 49.

(58) 附錄 A A-1 呂宋海峽黑潮入侵分析. 圖 A1.1 型態 3 與 PDO 指標，橫軸為延遲年份。上圖及中圖分別為型態 3 發生時的指標之平均值及標準差，下圖為指標為正時，型態 3 發生的紀錄數，黑色縱線標示出紀錄最多之延遲年份。. 50.

(59) 圖 A1.2 型態 3 發生時的 PDO 指標值之分布（延遲 0 日）. 圖 A1.3 型態 3 發生時的 PDO 指標值之分布（延遲 315 日）. 51.


(61) 圖 A1.6 型態 4 與 PDO 指標，橫軸為延遲年份。上圖及中圖分別為型態 4 發生時的指標之平均值及標準差，下圖為指標為正時，型態 4 發生的紀錄數，黑色縱線標示出紀錄最多之延遲年份。. 53.



(64) 表 A1.1 形態 3 及 4 發生於 PDO 指標為正時之比率單位：% Lag（day） Pattern3. Pattern4. Pattern3+4. 0. 52.4. 64.8. 60.2. 315. 51.2. 89.4. 75.2. 364. 57.1. 81.0. 72.1. 1211. 75.0. 66.2. 69.5. 56.

(65) 圖 A1.11 入侵現象與 PDO 指標，黑色細線為 PDO 指標，紅色及藍色線分別為型態 3 及 4 的入侵現象（上至下分別為延遲 0、 315、364 及 1211 日）。 57.

(66) 圖 A1.12 型態 3 與 NINO3.4 指標，橫軸為延遲年份。上圖及中圖分別為型態 3 發生時的指標之平均值及標準差，下圖為指標為正時，型態 3 發生的紀錄數，黑色縱線標示出紀錄最多之延遲年份。. 58.

(67) 圖 A1.13 型態 3 發生時的 NINO3.4 指標值之分布（延遲 0 日）. 圖 A1.14 型態 3 發生時的 NINO3.4 指標值之分布（延遲 364 日）. 59.





(72) 表A1.2 形態3及4發生在NINO3.4 指標為正時的比率單位：% Lag（day） Pattern3. Pattern4. Pattern3+4. 0. 40.5. 45.8. 43.8. 364. 42.9. 58.5. 52.7. 637. 57.1. 82.4. 73.0. 812. 70.2. 55.6. 61.1. 64.

(73) 圖 A1.22 入侵現象與 NINO3.4 指標，黑色細線為 NINO3.4 指標，紅色及藍色線分別為型態 3 及 4 的入侵現象（上至下分別為延遲 0、364、637 及 812 日）。 65.

(74) 圖 A1.23 型態 3 與 NPGO 指標，橫軸為延遲年份。上圖及中圖分別為型態 3 發生時的指標之平均值及標準差，下圖為指標為正時，型態 3 發生的紀錄數，黑色縱線標示出紀錄最多之延遲年份。. 66.

(75) 圖 A1.24 型態 3 發生時的 NPGO 指標值之分布（延遲 0 日）. 圖 A1.25 型態 3 發生時的 NPGO 指標值之分布（延遲 112 日）. 67.





(80) 表A1.3 形態3及4發生在NPGO 指標為正時的比率單位：% Lag（day） Pattern3. Pattern4. Pattern3+4. 0. 73.8. 41.5. 53.5. 112. 76.2. 36.6. 51.3. 357. 71.4. 47.9. 56.6. 364. 70.2. 47.9. 56.2. 72.

(81) 圖 A1.33 入侵現象與 NPGO 指標，黑色細線為 NPGO 指標，紅色及藍色線分別為型態 3 及 4 的入侵現象（上至下分別為延遲 0、112、357 及 364 日）。 73.

(82) 圖 A1.34 型態 3 與 PTO 指標，橫軸為延遲年份。上圖及中圖分別為型態 3 發生時的指標之平均值及標準差，下圖為指標為正時，型態 3 發生的紀錄數，黑色縱線標示出紀錄最多之延遲年份。. 74.

(83) 圖 A1.35 型態 3 發生時的 PTO 指標值之分布（延遲 0 日）. 圖 A1.36 型態 3 發生時的 PTO 指標值之分布（延遲 364 日）. 75.





(88) 表A1.4 形態3及4發生在PTO 指標為正時的比率單位：% Lag（day） Pattern3. Pattern4. Pattern3+4. 0. 44.0. 60.6. 54.4. 364. 44.0. 67.6. 58.8. 973. 61.9. 73.2. 69.0. 1183. 70.2. 50.0. 57.5. 80.

(89) 圖 A1.44 入侵現象與 PTO 指標，黑色細線為 PTO 指標，紅色及藍色線分別為型態 3 及 4 的入侵現象（上至下分別為延遲 0、 364、973 及 1183 日）。 81.

(90) A-2 臺灣東北海域黑潮入侵分析. 圖 A2.1 型態 1 與 PDO 指標，橫軸為延遲年份。上圖及中圖分別為型態 1 發生時的指標之平均值及標準差，下圖為指標為正時，型態 1 發生的紀錄數，黑色縱線標示出紀錄最多之延遲年份。. 82.



(93) 圖 A2.6 型態 2 與 PDO 指標，橫軸為延遲年份。上圖及中圖分別為型態 2 發生時的指標之平均值及標準差，下圖為指標為正時，型態 2 發生的紀錄數，黑色縱線標示出紀錄最多之延遲年份。. 85.



(96) 表A2.1 形態1及2發生在PDO 指標為正時的比率單位：% Lag（day） Pattern1. Pattern2. Pattern1+2. 0. 62.3. 51.2. 56.6. 322. 73.8. 58.5. 65.9. 364. 72.5. 57.0. 64.5. 1001. 65.6. 72.1. 68.9. 88.

(97) 圖 A2.11 入侵現象與 PDO 指標，黑色細線為 PDO 指標，藍色及綠色線分別為型態 1 及 2 的入侵現象（上至下分別為延遲 0、 322、364 及 1001 日）。 89.







(104) 表A2.2 形態1及2發生在NINO3.4 指標為正時的比率單位：% Lag（day） Pattern1. Pattern2. Pattern1+2. 0. 45.1. 44.2. 44.6. 364. 54.1. 50.8. 52.4. 1015. 68.4. 53.1. 60.6. 1442. 52.5. 61.6. 37.7. 96.

(105) 圖 A2.22 入侵現象與 NINO3.4 指標，黑色細線為 NINO3.4 指標，藍色及綠色線分別為型態 1 及 2 的入侵現象（上至下分別為延遲 0、364、1015 及 1442 日）。 97.

(106) 圖 A2.23 型態 1 與 NPGO 指標，橫軸為延遲年份。上圖及中圖分別為型態 1 發生時的指標之平均值及標準差，下圖為指標為正時，型態 1 發生的紀錄數，黑色縱線標示出紀錄最多之延遲年份。. 圖 A2.24 型態 1 發生時的 NPGO 指標值之分布（延遲 0 日） 98.


(108) 圖 A2.27 型態 1 發生時的 NPGO 指標值之分布（延遲 1813 日）. 100.




(112) 表A2.3 形態1及2發生在NPGO 指標為正時的比率單位：% Lag（day） Pattern1. Pattern2. Pattern1+2. 0. 51.2. 60.5. 56.0. 63. 51.2. 60.9. 56.2. 364. 57.0. 53.9. 55.4. 1813. 61.1. 54.7. 57.8. 104.

(113) 圖 A2.33 入侵現象與 NPGO 指標，黑色細線為 NPGO 指標，藍色及綠色線分別為型態 1 及 2 的入侵現象（上至下分別為延遲 0、63、364 及 1813 日）。 105.







(120) 表A2.4 形態1及2發生在PTO 指標為正時的比率單位：% Lag（day） Pattern1. Pattern2. Pattern1+2. 0. 48.8. 50.4. 49.6. 364. 51.2. 50.4. 50.8. 1022. 68.9. 61.2. 64.9. 1183. 59.8. 66.3. 63.1. 112.

(121) 圖 A2.44 入侵現象與 PDO 指標，黑色細線為 PDO 指標，藍色及綠色線分別為型態 1 及 2 的入侵現象（上至下分別為延遲 0、 364、1022 及 1183 日）。 113.

(122) 附錄 B. 114.

(123) 115.

(124) 116.

(125) 117.

(126) 118.

(127) 119.

(128) 120.

(129) 121.

(130)