結合季長期天氣預報與標準化降雨指標建立有勝溪斷流預警系統

全文

(1)國立臺灣師範大學地理學系第四十八屆碩士論文. 結合季長期天氣預報與標準化降雨指標建立有勝溪斷流預警系統. 指導教授：李宗祐博士研究生：許貿傑. 中華民國一○八年七月.

(2) 國立臺灣師範大學地理學系碩士論文摘要研究所別：地理學研究所碩士班論文名稱：結合季長期天氣預報與標準化降雨指標建立有勝溪斷流預警系統指導教授：李宗祐博士研究生：許貿傑論文內容：共一冊，文約三萬餘字，共分六章 16 節，並以四百餘字摘要說明. 摘要近年來研究人員發現域外放流至羅葉尾溪的櫻花鉤吻鮭有向其下游的有勝溪擴張之趨勢，卻遭到有勝溪斷流事件的阻礙，羅葉尾溪成功的域外放流，卻可能因有勝溪頻繁地斷流事件而直接衝擊臺灣國寶魚棲地生態的完整性。因此，本研究欲藉由航遙測影像、雨量與流量資料之比對來探討有勝溪斷流發生機制，並結合季長期天氣預報與標準化降雨指標建立有勝溪斷流預警系統。結果顯示，有勝溪自 2012 年之後，河道受颱風影響從直流而成曲流的情況下，單月標準化降雨指標(SPI-1)小於 0 或日流量低於 0.531CMS，即可能會發生斷流。因此，本研究採用中央氣象局提供季長期天氣展望資料，並配合修正後有勝溪每月雨量屬於偏高(Above)、正常(Normal)、偏低(Below)之機率分類區間的界定門檻值，依月分別輸入台北、台中與花蓮測站的季預報結果，以氣象合成模式繁衍有勝溪月雨量資料。本研究採歷史季預報預測下一個月的結果，以 SPI-1 小於 0 做為斷流預警指標，應用於推估 2012 年 8 月之後斷流事件，其準確率達 57%。本研究另外發現，以 IHA 計算 2012 年前後兩時期的各項流量指標，結果並無明顯差異，顯示位在斷流處下游流量站的流量變化無法真實反映上游頻繁斷流的現象，顯示斷流河段現地觀測之必要性。關鍵字：間歇流、伏流水、上游流域、生態保育. I.

(3) The master thesis abstract of Department of Geography, National Taiwan Normal University Thesis Title：Combined seasonal forecast with Standardized Precipitation Index to construct river fragmentation warning system of Yousheng Creek Adviser：Dr. Lee, Tsung-Yu Student：Hsu, Mao-Chieh Abstract Recently, the success in the reintroduction to the Louyewei Creek inspired researchers who have been working on the salmon conservation. The offspring of the reintrodueced the Formosan landlocked salmons (Oncorhynchus masou formosanus) have a tendency to expand their habitat to the Yousheng Creek, the downstream of the Loyewei Creek. However, the habitat expansion was limited by the river fragmentation in the Yousheng Creek. In order to understand the occasions of the river fragmentation, we have collected and analyzed the historical satellite image, rainfall and streamflow data, also combined seasonal forecast with Standardized Precipitation Index to establish river fragmentation warning system of Yousheng Creek. It is found that after Aug., 2012, the flow direction was changed from the straight to the meandering, and the flow was braided. In this condition, i.e. meandering and braided, river fragmentation occurred while SPI-1<0 or streamflow less than 0.531CMS. The study therefore constructed the river fragmentation warning system according to the forecast of seasonnal long-term weather outlook of Central Weather Bureau (CWB). The thresholds of three outlook classes, i.e. A(Above), N(Normal) and B(Below), of Yousheng Creek’s monthly rainfall were modified firstly, ensuring the class of monthly Yousheng’s rainfall to match the class of the coresponding CWB weather station (one among Taipei, Taichung and Hualien station). Afterwards, the daily rainfall could be generated by Weather Generator (WGEN) according to the CWB’ outlook forecast and the rainfall statisitics for the outlook class of Yousheng’s rainfall. After generating the rainfall, the study utilized SPI-1<0 as the river fragmentation warning indicator to assessment fragmentation events after October, 2012. The accuracy of predicting fragmentation is 57%. Besides, IHA was used to assess the flow changes between 1996-2012 and 2013-2016. It is found that three was no statistically significant changes among the two peridos. It indicats that the frequency occurance of fragmention in the upstream could not be reflected by the streamflow data measured in the downstream watershed outlet. In-situ measurement in the fragmented reaches is therefore strongly suggested. Key word：intermittent flow, hypoheric flow, headwater catchment, ecological conservation. II.

(4) 目錄第一章緒論.................................................................................................................. 1 第一節研究動機與目的 .......................................................................................... 1 1.1 研究動機......................................................................................................... 1 1.2 研究目的......................................................................................................... 1 第二節文獻回顧 ...................................................................................................... 2 2.1 氣候變遷對櫻花鉤吻鮭棲地之影響............................................................. 2 2.2 間歇河與河溪生態之相關研究..................................................................... 2 2.2.1 河川斷流之發生原因............................................................................ 3 2.2.2 河川斷流之影響評估............................................................................ 4 2.3 河川流量與河溪生態之相關研究................................................................. 4 2.4 天氣預報之相關應用..................................................................................... 4 第二章研究區域、材料與方法.................................................................................. 7 第一節研究區域 .................................................................................................... 7 第二節材料與方法 ................................................................................................ 7 2.1 研究資料.................................................................................................... 7 2.1.1 衛星影像與航空照片............................................................................ 7 2.1.2 氣象與流量測站資料............................................................................ 8 2.1.3 魚群數量................................................................................................ 8 2.1.4 中央氣象局季天氣長期展望資料........................................................ 9 2.2 氣象資料合成步驟.................................................................................. 11 2.2.1 選取歷年降雨分布特性最相似的季預報測站.................................... 11 2.2.2 合理修正有勝溪歷年月總雨量 BNA 的界定門檻值 ......................... 12 2.2.3 氣象資料合成模式(WGEN) ................................................................. 13 2.3 標準化降雨指標(SPI) ............................................................................. 14 2.4 IHA(水文改變指標) ................................................................................ 14 第三節研究流程 .................................................................................................. 16 第三章水文條件與有勝溪斷流之關係 ................................................................... 19 第一節有勝溪之歷史斷流事件 .......................................................................... 19 第二節雨量與斷流之關係 .................................................................................. 24 第三節流量與斷流之關係 .................................................................................. 28 第四節斷流與魚群數量之關係 .......................................................................... 34 第四章有勝溪斷流預警系統之建置 ....................................................................... 37 第一節雨量相關性分析結果 .............................................................................. 37. i.

(5) 第二節有勝溪歷年月總雨量 BNA 門檻值之合理修正結果 ............................ 38 第三節結合季長期預報之雨量預報結果 .......................................................... 39 第五章流量分析指標與斷流之關係 ....................................................................... 49 第一節 IHA 之分析成果 ...................................................................................... 49 第二節 IHA 與斷流之關係 .................................................................................. 54 第六章結論與建議.................................................................................................... 55 第一節結論 .......................................................................................................... 55 第二節建議 .......................................................................................................... 56 參考文獻...................................................................................................................... 59 中文文獻.................................................................................................................. 59 英文文獻.................................................................................................................. 60 附錄.............................................................................................................................. 63. ii.

(6) 表目錄表 2-1. 中央氣象局季長期天氣展望資料表範例.................................................. 10. 表 4-1 表 4-2 表 4-3 表 4-4 表 4-5 表 4-6 表 4-7 表 4-8. 有勝溪與各測站雨量相關性分析結果...................................................... 37 歷年 1 月有勝溪與台北月總雨量 BNA 比對與合理修正結果 ............... 38 各月有勝溪門檻值經合理修正前後之準確性.......................................... 39 1999~2005 年各月月總雨量模擬結果 ...................................................... 40 2006~2011 年各月月總雨量模擬結果....................................................... 40 2012~2016 年各月月總雨量模擬結果 ...................................................... 41 有勝溪各月 SPI-1=0 所相應的月總雨量 .................................................. 42 2012 年模擬結果與預警系統結果之比對................................................. 42. 表 4-9 2013 年模擬結果與預警系統結果之比對................................................. 43 表 4-10 2014 年模擬結果與預警系統結果之比對................................................. 43 表 4-11 2015 年模擬結果與預警系統結果之比對................................................. 44 表 4-12 2016 年模擬結果與預警系統結果之比對................................................. 44 表 4-13 模擬 2012~2016 年各月是否可能發生斷流之準確性 ............................. 45 表 4-14 2012~2016 年斷流預警系統之總準確性 .................................................. 46 表 4-15 台中、台北與花蓮季預報測站歷史氣象資料與預報氣象資料 BNA 準確率之比較.............................................................................................................. 48 表 5-1. 2012 年前後的有勝溪各月 IHA 指標(平均值)比較 ................................. 50. 表 5-2 表 5-3 表 5-4. 2012 年前後的有勝溪各月 IHA 指標(平均值)比較 ................................. 51 2012 年前後的有勝溪各月 IHA 指標(中位數)比較 ................................. 52 2012 年前後的有勝溪 IHA 指標(中位數)比較 ......................................... 53. iii.

(7) 圖目錄有勝溪流域位置圖。虛線方框範圍為羅葉尾溪，實線方框範圍為有勝溪發生斷流河段.................................................................................................... 7 中央氣象局季長期天氣展望氣溫機率預報範例........................................ 9 中央氣象局季長期天氣展望雨量機率範例.............................................. 10 合理修正之前的有勝溪 BNA(以 2 月為例) ............................................. 13 合理修正之後的有勝溪 BNA(以 2 月為例) ............................................. 13 研究流程圖.................................................................................................. 17 圖 3-1. 有勝溪變遷河段 ZONE-Y1、ZONE-Y2、ZONE-Y3、ZONE-Y4、ZONE-Y5. 圖 3-2 圖 3-3. 20 有勝溪 ZONE-Y1 歷年影像(2010 年 1 月~2012 年 8 月).......................... 21 有勝溪 ZONE-Y1 歷年影像(2012 年 10 月~2014 年 1 月)........................ 22. 圖 3-4 圖 3-5 圖 3-6 圖 3-7 圖 3-8 圖 3-9 圖 3-10 圖 3-11. 有勝溪 ZONE-Y1 歷年影像(2014 年 4 月~2017 年 2 月).......................... 23 SPI-1 與有勝溪斷流之關係 ....................................................................... 25 SPI-3 與有勝溪斷流之關係 ....................................................................... 26 SPI-6 與有勝溪斷流之關係 ....................................................................... 26 SPI-9 與有勝溪斷流之關係 ....................................................................... 27 SPI-12 與有勝溪斷流之關係 ..................................................................... 27 1999 年有勝溪流量變化............................................................................. 29 2003 年有勝溪流量變化............................................................................. 29. 圖 3-12 圖 3-13 圖 3-14 圖 3-15 圖 3-16 圖 3-17 圖 3-18 圖 3-19 圖 3-20 圖 3-21. 2007 年有勝溪流量變化............................................................................. 30 2010 年有勝溪流量變化............................................................................. 30 2011 年有勝溪流量變化 ............................................................................. 31 2012 年有勝溪流量變化............................................................................. 31 2013 年有勝溪流量變化............................................................................. 32 2014 年有勝溪流量變化............................................................................. 32 2015 年有勝溪流量變化............................................................................. 33 2016 年有勝溪流量變化............................................................................. 33 2009~2012 年有勝溪發生頻繁性斷流之前流量與鮭魚數之關係 .......... 35 2012~2016 年有勝溪斷流與鮭魚數之關係 .............................................. 35. iv.

(8) 第一章緒論第一節研究動機與目的 1.1 研究動機七家灣溪已經不是臺灣國寶魚-櫻花鉤吻鮭最後的棲息地，近年來研究人員在該流域內的羅葉尾溪已成功地域外放流，隨著新的鮭魚族群增長並有向下游有勝溪擴張其棲地範圍之趨勢，卻遭遇前所未見的有勝溪斷流現象的阻礙。在氣候變遷衝擊下，臺灣河川之流量普遍有極端化之趨勢，枯水期流量的降低，將可能引發更多間歇性斷流現象，河道棲地破碎將使得櫻花鉤吻鮭活動路線受阻，可能增加櫻花鉤吻鮭之生存風險。欲永續維護櫻花鉤吻鮭之族群生態，政府相關單位已努力確保其棲地範圍不遭受過多環境或人為干擾以維持棲地品質，卻對於自然引發的棲地影響較不瞭解，瞭解有勝溪河川斷流現象便是當前櫻花鉤吻鮭保育工作中的首要之急。 1.2 研究目的為了避免河川斷流干擾櫻花鉤吻鮭域外放流之棲地發展與延續，故本研究將探討有勝溪斷流發生機制，運用航遙測影像、流量與雨量進行比對與分析以歸納斷流發生條件。進一步地，本研究欲採用中央氣象局季長期天氣展望資料結合標準化降雨指標(SPI-1)建置一套適用於有勝溪的斷流預警系統，以利於相關單位及早規劃生態防治措施，希冀前述研究成果以供未來政府或學術單位作為生態保育工作的參考。故研究目的如下： (1) 藉由航遙測影像判識斷流，並與流量資料與雨量資料進行比對，歸納出有勝溪斷流發生條件，作為斷流預警系統之建置基礎。 (2) 運用中央氣象局季長期天氣展望資料與氣象合成模式，結合標準化降雨指標(SPI-1)建立一套適用於有勝溪斷流預警系統。 (3) 參考河川之流量變異（IHA 分析結果為基礎）探討各項流量分析指標與斷流之關係。. 1.

(9) 第二節文獻回顧 2.1 氣候變遷對櫻花鉤吻鮭棲地之影響過去已經有研究針對氣候變遷對於七家灣溪流量及水溫之影響評估研究，然而對於氣候變遷跟斷流的關係卻鮮少著墨。氣候變遷將導致影響生態系統的環境因素產生明顯改變，像是溫度升高、降雨型態與分布、水質改變與極端氣候頻率增加等因素，造成物種族群數量及分布範圍改變，同時也影響生態系統內部群聚組成、互動與結構產生變異，進而危及部分生理適應力有限的物種之生存(李培芬，2008)。尤其在北半球淡水生態系中，已發現溪流提早融冰和延遲結凍之現象而導致冷水性魚類數量減少，暖水性魚類數量相對增加之趨勢(李培芬，2008)。棲息於七家灣溪流域的臺灣國寶魚-櫻花鉤吻鮭即屬冷水性鮭鱒類，其棲息水域之水溫介於 9~17˚C，且繁殖季更降至 12˚C 以下(曾晴賢，1997；童慶斌與楊奕岑，2004)，而楊正雄(1997)調查發現七家灣溪流域之溪流平均溫度 12˚C 等值線向上游退後，使得櫻花鉤吻鮭棲息範圍限縮不少，由此可知，河川水溫變動是主要影響櫻花鉤吻鮭棲地生態因素之一，因此，有研究學者藉由物理性水溫模式模擬七家灣溪水溫變化(李宗祐，2003；楊奕岑，2004；童慶斌與楊奕岑，2004)，結果顯示在氣候變遷影響下，月最高水溫超過 17 ˚C 的時間由一個月增為三個月，而在空間尺度上，超過 17 ˚C 的河段亦有增加趨勢，因此棲地範圍受到嚴重限縮，將危及物種生存，故建議後人應進一步地進行實地量測與研究探討櫻花鉤吻鮭棲地及其環境因子之關係以做為未來擬定因應氣候變遷的河川棲地保護與復育機制之參考依據。氣候變遷造成水文環境的改變亦對生態系統產生衝擊。童慶斌與李宗祐 (2001)利用 1976~1994 年台灣電力公司平岩山站降雨量資料與松茂站溫度資料透過 GWLF(Generalized Watershed Loading Functions)模式之流量模組模擬七家灣溪流量(Haith and Shoemaker, 1987)，並與台電七家灣站 1976~1994 年流量資料做比對，結果發現氣候變遷對七家灣溪之豐枯水期流量差異大增，且枯水期流量有減少趨勢，所以流量極端變化可能直接衝擊水生生物棲地面積規模，且流量大減可能導致河川水溫升高，使得環境適應力有限的物種如櫻花鉤吻鮭便受到相當大的生態危機。童慶斌與楊奕岑(2004)亦運用 GWLF 模式模擬氣候變遷對臺灣全島北中南東四大分區之四條代表性河川的流量，普遍呈現流量極端化之趨勢，其中中部地區以大甲溪為代表，在 CCCM、GISS 平衡試驗預設情境的結果顯示其豐枯水期流量變異因氣候變遷而增大；而在 RSM1 與 RSM2 平衡試驗預設情境則皆顯示大甲溪豐水期流量減少，枯水期亦有減少趨勢。由此可知，大甲溪流域可能因河川流量變異增大，而間接地影響當地生態系統，如何加強河川生態的保護為重要之課題。 2.2 間歇河與河溪生態之相關研究. 2.

(10) 2.2.1 河川斷流之發生原因全球部分常流河受到氣候變遷與人為開發因素而使得形成暫時性中止流動之現象，其中，非人為所導致河川流動間歇性亦屬自然水文循環之一部分，通常間歇河段介於河岸區與氾濫原，為地中水或間歇地表水之間交換物質與水的重要管道，雖地表水消失，但由於其淺層地中水流(shallow subsurface flow，亦即伏流水)與下游的常流河段進行流通以維持當地生態系統運作。然而，由於自然間歇河段可能受到人為開發活動如採礦，或者水文特性改變與河道變動等因素而導致快速退化，甚至間歇河消失而形成乾河道(Acuña, V. et al., 2014)。臺灣雖處於熱帶-副熱帶氣候帶，降水量豐沛，但因降雨時空不均，地形多山地與丘陵，河流短且急，導致河川流量的洪枯變化較大，例如：八掌溪，因此部分學者稱之為荒溪型河川(李丞倫，2014)；亦有學者稱為間歇型河川(蘇志強與楊翰宗，2017)，所以本研究欲從間歇河角度切入探討河川斷流發生原因。河川通常被定義為在同一時間尺度下之三個空間尺度-縱向(水頭-河口)、橫向(河道-氾濫原)與垂直(地表水-地下水)等交互路徑(Ward, J. V., 1989；Pringle, C. ,2003)，故河川研究在空間尺度上可分成三個研究路徑。河川斷流現象涉及河水在不飽和帶流動過程，使得地表出現乾涸，卻下游仍有水流動之情形，所以空間尺度上應採取垂直(地表水-地下水)研究路徑。由於河川斷流現象呈現部分河段非連續性乾涸，其自然特徵如同間歇河，則可參照間歇河研究路徑。鑒於河川斷流緣故，部分水生生物族群棲地遭受波及，使得河川生態系統受到相當程度影響，所以在生態學上可採取水文連通性為研究路徑(Pringle, 2001)。綜合前述，本研將從水文連通性(Hydrologic connectivity)研究面向來定義河川斷流現象之發生機制與形成條件。水文連通性的改變會水域生態系統產生嚴重損害(Dudgeon, 2000；Pringle et al., 2000；Rosenberg et al., 2000；Pringle, C. ,2003).，係指水文循環中各因子內的物質、能量或生物在水中調節或轉移之特性。不過，該特性之變化因顯現時機較慢且常遠離其干擾源，故較不易觀察。例如：洄游性魚類由於上游壩體阻隔以致於水文連通性大減 (Pacific Rivers Council, 1993；Pringle, C. ,2003)，以及淡水貽貝種類逐漸消失亦是水文連通性減少所導致(Pringle, C. ,2003)。河川受到地形破碎因素影響，導致水流不連續(Stanford & Ward, 2001; Miller, Burnett & Benda, 2008; Rice, Roy & Rhoads, 2008a；Fullerton, A. H. et al., 2010)，所以從河道匯流處之排列形式及不同河川流制(river regime)，並伴隨河床底質組成、河道形態與水化學之變化，能影響水文連通性而進一步影響物種族群之時空分布與數量。然而，短期地形與水文條件變化亦可能改變水文之連通性，進而影響河川物理棲地之連通性的形成或崩解。物種在不同季節性棲地間之連通性可於相對不利環境條件以增加生長與生存機會，但在不同級別間的水文連通性上，當水文連通性相對低時，物種生長機會較快，但水文連通性相對高時，物種族群散播能力較強(Fullerton, A. H. et al, 2010)。所以，藉由水文連通性可從空間上以物理棲地控制因素(如：河道地形、河道流制等)；在時間上，可從不同季節上受到雨量、溫度與流量變動而造. 3.

(11) 成水文連通性變化，因此，不同時空下的水文連通性變化對河川斷流河川生態系統所造成之影響具有不同意義。 2.2.2 河川斷流之影響評估 Davey, A. J., & Kelly, D. J. (2007)研究指出，其利用航照圖與現地調查結果來探討紐西蘭 Selwyn River 的間歇河段對於當地魚類棲地之影響。該研究發現間歇河段在夏末秋初之際，河川流量降至最低點，且若降水量相對降至低點時，部分區段甚至連續乾涸近 12 個月以上；同時，亦發現部分上游變乾的間歇河段皆流失至地下水，使得間歇河段下游都由上游地下水源供應，所以前人研究利用 Logistic regression 的方法建立預測模式，以上下游各一測站之 2003 年 7 月至 2005 年 6 月日流量資料為輸入，預測間歇河段之流量持續性(以河流流動時間百分比表示)、河道變乾事件發生頻率(以每年發生次數表示)與每次變乾事件平均持續時間(以天數表示)等，並測量各測站中之河道濕寬(平均約 11.2 公尺)，另輔以電力捕魚法進行估計物種豐度，結果發現了河道濕寬和魚隻密度控制魚種豐富度，並利用 Generalized Linear Models (GLM)，估算河道重新有水流後之魚隻豐度恢復情形。相較前述以統計模型為主的評估方法，吳淑涵(2012)在研究氣候變遷對七家灣溪櫻花鉤吻鮭生態棲地之時，取用三個全球環流模式（General Circulation Models, GCMs)未來可能氣候情境之模擬結果，以 GWLF 水文模式進行未來可能流量之模擬，配合水文改變指標(Indicators of Hydrological Alteration, IHA)推估未來流量於各指標上改變之情形，結果發現每年連續七天最高/最低流量有極端化之現象，將對生態產生顯著衝擊。 2.3 河川流量與河溪生態之相關研究河川流量是描述河溪生態最直接的指標，吳淑涵(2012)由於河川流量變化對於水域生態系的發展具有一定的影響。在水文變動指標(IHA)主要透過有 32 個分析指標來探討流量對於生態的影響皆有所差異，其中，流量、延時與頻率等分析指標對於魚群生態具有直接性的影響。對魚類棲地的影響因素中，流量扮演重要角色，當流量縮減，且流速減緩會導致棲地水質變差之外，還會提高河川吸收太陽輻射量，使得水溫升高，而不利於魚類棲息。Suen, J. P. (2010)利用 IHA 分析臺灣 23 個流量測站的結果顯示，相較於 1961 年至 1990 年間，1991 年後發生更多極端洪水事件與乾旱事件，且發生極端事件的頻率與延時亦增加，暗示氣候變遷對於河溪生態系所產生之影響，值得持續關注。 2.4 天氣預報之相關應用天氣預報應用於生態預警的研究不多，較多應用於水資源之預警。Enli Wang et al.(2011)採用天氣預報資料結合降雨-逕流模式進行流量預報。沈孟妍(2012)與. 4.

(12) 李秉道(2016)皆應用短期氣候預報於未來石門水庫模擬水資源分配上，先將歷史氣象資料以韋伯分布(Wei Bull Distribution)區分每月歷史溫度與降雨累積機率屬於偏低、正常和偏高三類別，運用中央氣象局季長期天氣展望資料以最大機率法選取 1971~2000 年溫度和雨量預報機率值，並輸入 WGEN 氣象合成模式(Tung and Haith, 1995)以模擬未來三個月的日均溫與日雨量資料，並輸入至 GWLF 模式以模擬未來水庫入流量，藉此進一步地評估石門水庫水資源分配的風險評估。. 5.

(13) 6.

(14) 第二章研究區域、材料與方法第一節研究區域有勝溪與七家灣溪同為大甲溪源頭支流之一，其全長約 10.5 公里，發源於雪山山脈中的桃山稜線之羅葉尾山東側，而上游亦即先前域外放流的羅葉尾溪 (全長約 4 公里)，往下游則經思源埡口，後在武陵農場迎賓橋處，與七家灣溪主流匯流入大甲溪主流。過去為了將歷史溪流重新引入臺灣櫻花鉤吻鮭，以提升數量來維持族群結構穩定性，研究人員從 2009 年始在有勝溪上游羅葉尾溪進行放流，至 2015 年已多達 1000 餘隻，成為七家灣溪主流外的最大衛星族群，且有擴大至有勝溪流域趨勢，所以避免有勝溪斷流導致棲地破碎化為當務之急，如此才能維護臺灣櫻花鉤吻鮭之溪流棲地完整性(廖林彥，2016)。. 有勝溪流域位置圖。虛線方框範圍為羅葉尾溪，實線方框範圍為有勝溪發生斷流河段第二節材料與方法 2.1 研究資料 2.1.1. 衛星影像與航空照片. 有鑑於過去並沒有任何關於斷流的時間記錄，增加了斷流時機研判的困難，因此本研究蒐集了 1999 至 2016 年有勝溪衛星影像檔(共計 23 張)以及航空照片. 7.

(15) 影像檔(共計 13 張)。衛星影像檔中，有 19 張由國立中央大學太空及遙測研究中心所提供的「福衛二號」(FS-2)衛星影像；有 11 張由行政院農業委員會水土保持局石流防災資訊網提供的「福衛二號」(FS-2)衛星影像；有 3 張截自 Google Earth 的「陸地衛星 8 號」(Landsat8)；另外，有 13 張由農林航測所提供於線上預覽的航照影像，影像的範圍涵蓋了整個七家灣溪流域，包含有勝溪流域。藉由人工肉眼判識每一張影像中的有勝溪斷流區段是否有明顯地表水流消失而河床裸露現象，再藉以擷取該影像之斷流發生位置，並搭配有勝溪日流量與思源日雨量資料，找出斷流發生與流量及雨量之關係，做為未來評估斷流門檻值之參考依據。 2.1.2. 氣象與流量測站資料. 本研究主要採用有勝溪流域中的中央氣象局提供之思源自動雨量測站 1996~2016 年日雨量資料和台灣電力公司所提供之有勝溪流量測站 1996~2016 年日流量資料。 2.1.3. 魚群數量. 自 1994 年 5 月開始至 2017 年以來，雪霸國家公園管理處進行臺灣櫻花鉤吻鮭族群現況的普查計畫，以用來掌握魚群數量與分布範圍變化情況，也有助於其他學術研究單位或專家能從魚群數量作為指標之一，並深入探討臺灣櫻花鉤吻鮭棲地之氣候與水文條件受到氣候變遷衝擊所產生的影響，像是天然災害、河道地形、水溫與水質等。為了確保臺灣櫻花鉤吻鮭生態系能永續發展，進行前述一系列的魚群普查與棲地環境監測研究調查後，另覓其他河流棲地以作為域外放流根據地，除了能擴展鮭魚棲息範圍外，還可提高鮭魚存活率。然而，根據前人研究指出，早期大甲溪上游中，除了七家灣溪之外，其他上游分支皆有眾多鮭魚棲息，後來受到人為與環境因素影響而漸漸地消失，所以鮭魚歷史棲息溪流便是近年來研究單位優先考慮的域外放流試驗地。迄今已成功域外放流的歷史棲息溪流有司界蘭溪、南湖溪、伊卡丸溪、羅葉尾溪、有勝溪上游、樂山溪與合歡溪等(廖林彥與陳建呈，2017)。本研究主要根據雪霸國家公園管理處在 2017 年 12 月所公布的《106 年臺灣櫻花鉤吻鮭族群分布及放流監測成果報告》所記錄的魚群數量以探討有勝溪發生斷流與魚群數量之關係。2009 年 6 月首次於有勝溪的上游-羅葉尾溪進行域外放流 150 隻鮭魚，而有勝溪並沒有進行放流。另外，2010 年 5 月與 10 月分別放流 350 隻與 30 隻鮭魚至羅葉尾溪，而經過 2009~2010 年間放流與復育後，除了七家灣溪與高山溪有穩定的魚群數量之外，僅有勝溪與其上游羅葉尾溪才有形成超大衛星族群。由於羅葉尾溪的魚群會向下游擴張，使得有勝溪自 2011 年 7 月始，也有鮭魚數量的紀錄，包含放流標記 24 尾與新野生中型鮭 14 尾，共有 38 尾；到了 2012 年 10 月時，魚群數量上升至 417 尾，不過，後來受到颱. 8.

(16) 風與洪水事件的波及，使得 2013 年 2 月魚群數量驟降至 52 尾；2013 年 10 月才又漸漸地回升至 182 尾，而在 2014 年 10 月更上升至 555 尾，但 2016 年 6 月適逢乾旱而導致有勝溪發生斷流現象，又加上雲霧公路南湖大山登山口段有施工，造成魚群數量有顯著地降至 9 尾，到 2017 年才又上升至 280 尾，所以目前在羅葉尾溪與有勝溪上游的魚群數量共計有 1200 尾(廖林彥與陳建呈，2017)。 2.1.4. 中央氣象局季天氣長期展望資料. 本研究採用中央氣象局於 1999 年 1 月至 2018 年 11 月以來每個月底所發布的季長期展望資料，其主要參考短期氣候預報模式所發布未來三個月之氣溫與降雨機率以呈現預報月份的整個月平均的趨勢預測，但以上預報機率並不完全代表該月份每日變化(陳孟詩，2010)。氣溫和雨量預報主要是將臺灣分成北、中、南和東四大區域，並以台北、台中、高雄和花蓮為參考氣象站，而運用歷年該月分歷史觀測值之大小排序，依序取 30%、40%、30%之範圍定義為：偏低(低於氣候正常)、正常(在氣候正常範圍)、高於氣候正常(偏高)等三區間，以機率方式呈現，如下圖所示：. 中央氣象局季長期天氣展望氣溫機率預報範例. 9.

(17) 中央氣象局季長期天氣展望雨量機率範例季長期天氣展望資料表中，以 1999 年 1 月至 3 月的雨量預報為例，首欄 R1 係指未來三個月雨量預報之第一個月，接著，「N」、「C」、「S」及「E」則分別表示「北區」、「中區」、「南區」和「東區」，而「Below」、「Normal」與「Above」分別代表偏低、正常和偏高等三分類機率區間的資料類別，最後，末欄 target 則指未來雨量預報的目標月份，如下表所示：表2-1 R1. 中央氣象局季長期天氣展望資料表範例 B. N. A. target. 1. N. 10. 50. 40. 199901. 1. C. 10. 50. 40. 199901. 1. S. 10. 50. 40. 199901. 1. E. 30. 40. 30. 199901. 1. N. 20. 50. 30. 199902. 1. C. 20. 50. 30. 199902. 1. S. 20. 50. 30. 199902. 1. E. 20. 50. 30. 199902. 1. N. 30. 40. 30. 199903. 1. C. 30. 40. 30. 199903. 1. S. 30. 40. 30. 199903. 1. E. 30. 40. 30. 199903. 中央氣象局所發展出的短期氣候預報模式便是欲解決大氣環流模式(General Circulation Model, GCM)無法預測到小區域短期氣候資訊之問題。目前中央氣象所採用的預報模式便屬於動力統計氣候預報模式，即主要使用動力模式預報的. 10.

(18) 結果經由統計方法之分析，再校正模式誤差，並藉此來提高模式預報的準確度，所以該短期氣候預報模式可再細分為五種子系統：最佳化全球海表面溫度預報、大氣模式前處理系統、兩步法大氣環流模式預報、統計降尺度預報系統以及動力降尺度預報系統。經由上述所提到短期氣候預報模式所得的預報結果，再透過統計方法像是正準相關分析法(CCA, Canonical Correlation Analysis)、類比法(Analog method) 及適當氣候平均法(OCN , Optical Climate Normals)等以取得季長期天氣展望資料。總言之，短期氣候預報模式以統計模式和動力模式預報資料為主，而以大氣環流型態(如海表面溫度)為輔。因此，該模式以長期資料尋求預報因子(大氣環流與海表面溫度)和預報對象(如臺灣各地測站的雨量與溫度) 之關係(陳孟詩、李明營、劉人鳳、羅資婷與張琬玉，2014)，其統計模式在假設關係不變之下，以過去已發生的現象為預測基礎。由於世界氣象組織(WMO)決定以 30 年平均值作為氣候標準平均值(Climatological Standard Normals)，並採每 10 年更新 1 次，故目前便以 1981~2011 年的氣候平均為基礎，作為預測基礎(李清滕與盧孟明，2009)。 2.2 氣象資料合成步驟 2.2.1 選取歷年降雨分布特性最相似的季預報測站由於季長期天氣展望資料僅以中央氣象局台北、台中、高雄與花蓮氣象測站歷年月總雨量資料為基礎所產出的預報機率值，再加上有勝溪的地理位置鄰近臺灣島中心區，並與前述四個氣象測站相距不遠，所以推測有勝溪降雨分布特性可能與各測站的降雨分布特性有關。本研究採用有勝溪 1996 至 2016 年歷史月總雨量資料與台北、台中、花蓮與高雄 1996 至 2016 年歷史月總雨量資料依照不同月份進行雨量相關性分析，其中相關性係數即採用皮爾森相關係數 (Pearson’s Correlation Coefficient)，以 r 為代表，其方程式如下： 𝑛. 𝑆𝑥𝑦. 1 = ∑(𝑥𝑖 − 𝑥)(𝑦𝑖 − 𝑦) 𝑛−1 𝑖=1. 假設有兩組樣本𝑥1 …𝑥𝑛 與𝑦1 …𝑦𝑛 ，其樣本平均數分別為𝑥與𝑦，而樣本標準差分別為𝑆𝑥 與𝑆𝑦 ，且兩組樣本的共變異數(convariance)，以𝑆𝑥𝑦 表示。 ∑𝑛𝑖=1(𝑥𝑖 − 𝑥)(𝑦𝑖 − 𝑦) 𝑆𝑥𝑦 r= = 𝑆𝑥 𝑆𝑦 √∑𝑛𝑖=1(𝑥𝑖 − 𝑥)2 ∑𝑛𝑖=1(𝑦𝑖 − 𝑦)2 皮爾森相關係數(r)方程式中，即是 X 和 Y 兩組樣本的共變異數𝑆𝑥𝑦 除以 X 樣本標準差(𝑆𝑥 )和 Y 樣本標準差(𝑆𝑦 )所求出的結果。而相關係數(r)的範圍界介於 -1 到+1 之間，相關程度愈高，愈接近+1，其中，介於 0.7 到 0.99 之間，即為高度相關，介於 0.4 到 0.69 之間，即為中度相關，介於 0.1 到 0.39 之間，即為低度相關；相反地，相關程度愈低，愈接近 0，其中，介於 0.01 到 0.09 之間，表. 11.

(19) 示接近無相關，若 r=0 或 r<0，即表示無相關。因此，本研究運用 Excel 軟體中的 CORREL 函數分別將有勝溪 1996 至 2016 年月總雨量與各季長期預報測站 1996 至 2016 年月總雨量計算各個月的雨量相關係數。最後，根據各月雨量相關係數的高低來決定有勝溪該月所輸入哪個氣象測站的季長期預報資料，並藉此挑選出合理修正有勝溪 BNA 界定門檻值的參考測站。 2.2.2 合理修正有勝溪歷年月總雨量 BNA 的界定門檻值為了提高有勝溪各月採用季長期天氣展望資料至氣象合成模式進行雨量模擬之準確率，除了參照雨量相關性分析結果以調整有勝溪個別月份所採用季預報資料之外，還需要合理修正有勝溪歷年月總雨量 BNA 的界定門檻值，促使有勝溪各月 BNA 能與符合各季預報測站的歷年各月 BNA。已知台北、台中、花蓮與高雄各氣象測站所產製出的季長期天氣展望資料之中，以每個月 30%-40%-30%分類區間(BNA)決定氣溫和降雨分類之門檻。同樣地分類方式也可應用於有勝溪雨量，然而預報測站該月氣溫或降雨的所屬分類，不見得與有勝溪同屬同一分類，將造成預報資料使用上的困擾。所以本研究則以各季預報測站歷年月總雨量的 BNA 分布為參考，進一步地合理修正有勝溪界定門檻值以促進各月 BNA 能符合該月所參考的季預報測站之 BNA。以 2012 年 2 月為例，經雨量相關性分析結果指出，有勝溪 2 月降雨分布特性相關性最高的季預報測站為台中測站，便以台中測站 BNA 分布為基準以調整有勝溪 2 月 BNA 界定門檻值。如圖 2-4 所示，2012 年 2 月台中歷史月總雨量為 77.2mm，而依照台中歷年 2 月月總雨量以 30%-40%-30%所區分出的 BNA 之中，則落在 N 區間之內；相對地，有勝溪在未經合理修正 BNA 的界定門檻值之前，有勝溪月總雨量為 205.5mm，其依照有勝溪歷年 2 月月總雨量以 30%40%-30%所區分出的 BNA 之中，卻落在 A 區間之內，如此可能導致氣象合成模式模擬有勝溪 2 月月總雨量過程中，輸入台中 2 月季長期天氣展望資料中之 N 區間的預報機率值進行模擬，則無法反映出有勝溪 2 月降雨型態以至於模擬結果不佳。故本研究所採用調整方法如圖 2-5 所示，當台中 2 月月總雨量落在 N 區間，為了將有勝溪 2 月月總雨量調整至相同區間內，所以，將有勝溪 2 月 BNA 界定門檻值的下限由 68.30mm 調整至 130.78mm，另外，界定門檻值的上限由 202.20mm 調整至 267.79，如此可知，當有勝溪 2 月月總雨量為 205.5mm，則在機率分類上，落在 N 區間；此外，有勝溪 BNA 的機率分類區間則由 30%-40%30%改為 13%-43%-46%。本研究運用前述合理修正有勝溪 BNA 的界定門檻值之方法，使得各機率分類區間發生比例上的轉變，也促使未來在氣象合成模式模擬雨量過程中，計算有勝溪各機率分類區間的降雨統計特性亦有所差異，藉此方法以提高模式模擬雨量的準確性。. 12.

(20) 合理修正之前的有勝溪 BNA(以 2 月為例). 合理修正之後的有勝溪 BNA(以 2 月為例) 2.2.3 氣象資料合成模式(WGEN) 本研究採用的氣象合成模式(Weather Generator)係由(Tung and Haith, 1995)所發展的日降水量模擬模式為基礎，可繁衍未來降雨量資料。然而，該日降水量模擬模式的理論基礎如下：藉以輸入歷史降雨資料進行模擬日降水量，可分成降雨事件和降雨發生時之降雨量(Tung and Haith,1995)兩部分。第一部分是決定當天是否有降雨，以當月之歷史統計資料中發生降雨的機率為 P(W)，第 i-1 天降雨且第 i 天也降雨的機率為 P(W|W)，第 i-1 天不降雨但第 i 天降雨的機率為 P(W|D)。當每月第一天的降雨情況則由連續均勻分布 U(0,1)所模擬產生的隨機變數 RN 決定，若 RN 小於或等於當月降雨機率 P(W)時，則表示每月第一天有降雨；除了每月第一天以 P(W)決定是否有降雨外，其餘天數則採用 P(W|W)或 P(W|D)來判定下一天是否有降雨。降. 13.

(21) 雨判定方式如下： (Ⅰ)若第 i-1 天降雨量>0，則當 RN ≦ P(W|W)：第 i 天會降雨；否則，第 i 天不會降雨。 (Ⅱ)若第 i-1 天降雨量=0，則當 RN ≦ P(W|D)：第 i 天會降雨；否則，第 i 天不會降雨。在模擬降雨事件之降雨量值上，根據洪念民(1996)降雨量模擬是採用指數分布(Exponential distribution)的累積機率函數(CDF)所求得，其方程式如下： P = 𝜇𝑝𝑠 (𝑖) × 〔−ln⁡(1 − 𝑅𝑁)〕 P 為日降雨量(cm)，𝜇𝑝𝑠 (𝑖)為對應第 i 月份 s 類別兩天的平均降雨量(cm)，RN 為介於(0,1)間的隨機變數。 2.3 標準化降雨指標(SPI) 若仍找到降雨相關指標（如斷流前累積降雨）與斷流之關係，將有機會利用氣象局季節性預報的結果來為有勝溪的斷流提出預警。本研究即採用鄰近於有勝溪流域的思源自動雨量測站之 1996 至 2016 年日雨量資料，試圖建立 SPI(Standardized Precipitation Index, 標準化降雨量指標)與斷流發生之關係。SPI 起初由 McKee et al. (1993)所發展出且應用於評估美國科羅拉多州之乾旱可用水量的方法， SPI 可從不同時間尺度下分析該時期降雨量與歷史降雨量比較是否有不足狀況，故本研究欲用 SPI 來找出降雨量多寡與有勝溪斷流是否有所關聯。其中 SPI 不同的延時具有不同的缺水意義，以下僅針對 SPI-1、SPI-3、SPI6、SPI-9、SPI-12，也就是 1 個月、3 個月、6 個月、9 個月、12 個月延時降雨量於缺水指數上的意義進行說明。SPI-1 表示該月降雨與該月歷史長期平均相較之結果，反映的是短時間的狀態，其應用於乾旱氣候類型地區並與短期土壤濕度及生長季作物壓力密切相關。SPI-3 則表示連續 3 個月(如 7-9 月)累積降雨與該 3 個月歷史平均累積降雨相較之結果，SPI-3 反映短期和中期的溼度條件，提供季節性的降水指標。SPI-6 則表示季節或是年中降雨趨勢，SPI-6 可以非常有效地顯示在不同季節的降水，SPI-6 之資訊會開始取決於地區與這一年的時間反應異常流量與水庫水位之資訊。SPI-9 指標顯示跨季節之降雨變化，乾旱通常會發生超過一個季節或者是更長，SPI-9 指數小於-1.5 可顯示這段時期有較乾之狀況，並且可能明顯衝擊農業或其他活動上，在這一時間尺度的分析是短時期乾旱可能被串聯起來成為長時期的乾旱的起點。SPI-12 反應長時間尺度降雨型態，應用在包含流量、水庫水位，或是長時間地下水水位變化為主。 2.4 IHA(水文改變指標) 利用 IHA(Indicator of Hydrological Alteration, 水文改變指標)進行不同面向的流量分析，透過長期觀測資料之平均流量、時間、頻率、期距與變化率等指標來探討各種變化趨勢。依不同指標可反映不同河川流量特性，主要可分成 5. 14.

(22) 組指標，第一組為評估各月份流量大小，即各月平均流量；第二組為評估極端流量之狀況，即年最大及最小 1 日、3 日、7 日、30 日及 90 日平均流量和最小 7 日流量對年平均流量之比值；第三組為評估極端流量發生時間，即最大與最小 1 日流量的發生日期；第四組為評估高流量與低流量之發生頻率及延時，即每年高流量與低流量之發生頻率與延時；第五組為評估流量變化之改變率和頻率，即流量平均增加率、流量平均減少率以及每年流量反轉次數。由於有勝溪從 2012 年中開始發生頻繁的斷流事件（詳見第三章結果），本研究故將有勝溪流量測站之 1996 至 2016 年日流量資料，以 2012 年為界，將資料區分成 1996~2012 年與 2013~2016 年兩組資料輸入至 IHA 進行流量分析，再將兩組資料的分析結果透過 t 檢定以檢視兩組分析結果是否有顯著差異，以了解有勝溪 2012 年開始發生頻繁性斷流現象，在流量上是否有發生變異，探討各流量分析指標與斷流之關係，及斷流現象是否可以反應在下游流量測站所得之 IHA 指標。. 15.

(23) 第三節研究流程本研究首先欲探討有勝溪斷流斷流發生機制，因此，從河道變遷分析、流量分析以及雨量分析等三大面向切入，從河道變遷分析中，本研究運用 ArcMap 將航遙測像中之有勝溪河道進行數化，藉判識影像數化結果以探討河道地形變化與斷流之關係；接著，從流量分析中，運用 1996 至 2016 年有勝溪日流量資料，並搭配航遙影像與現地調查結果以比對流量與斷流之關係；最後，從雨量分析中，利用標準化降雨指標(SPI)分析思源自動雨量測站 1996 至 2016 年日雨量資料，且結合航遙影像與現地調查結果以比對雨量和斷流之關係。綜合前述研究成果以歸納出有勝溪斷流可能發生條件，藉此可作為建置有勝溪斷流預警的基礎。根據前人研究而知，雨量是主要影響河川流量變化的因素之一，且本研究推測斷流發生可能與雨量、流量和地形等因素皆有關係，所以，為了能建立有勝溪斷流預警系統，本研究將參考季長期預報相關研究，並運用季長期預報來預測雨量變化以推估有勝溪斷流發生可能性。已知季長期天氣展望資料主要以台北、台中、花蓮與高雄測站的氣象資料為基礎所產出的預報資料，又加上有勝溪位居臺灣島中心區，其與各季長期預報測站相距不遠，所以為了提高季長期預報模擬有勝溪月總雨量的準確性，而將有勝溪分別與各季長期預報測站進行 1996 至 2016 年月總雨量相關性分析，並依據歷年各月降雨分特性相似性高低來決定有勝溪各月所採用季預報資料。本研究藉由氣象合成模式進行有勝溪月總雨量模擬的過程中，不同月份輸入雨量相關性最高的測站之季預報資料，可能會提高模擬準確性，但是，氣象合成模式除了根據預報機率取樣結果來決定採用哪一個機率分類區間的雨量預報機率值為模擬基礎之外，同時，還會參考有勝溪歷年月總雨量 BNA 內的降雨統計特性，故有勝溪歷年各月月總雨量 BNA 分布亦會影響雨量模擬結果，所以，為了能再提高雨量模擬準確性，本研究將以季預報測站之歷年各月月總雨量 BNA 分布為參考，進行依照雨量相關性分析結果以合理修正有勝溪各月月總雨量 BNA 的界定門檻值。由於本研究已蒐集到 1999 至 2016 年季長期天氣展望資料，所以氣象合成模式將模擬出 1999 至 2016 年有勝溪月總雨量，並結合 SPI-1 小於 0 為有勝溪斷流可能發生條件之一，進而計算出有勝溪各月 SPI-1=0 所相對應的月總雨量以作為該月斷流門檻。鑒於有勝溪自 2012 年之後，出現明顯且頻繁的斷流事件，故僅以 2012 至 2016 年實際斷流情形進行驗證。如此一來，便能完成有勝溪斷流預警系統之建置。本研究除了建置斷流預警系統之外，也運用 IHA 分析有勝溪在 2012 年發生頻繁性且長延時的斷流現象之前後兩個時期是否在流量特性發生顯著性的改變，藉以探討 IHA 與斷流之關係，以提供未來制定斷流生態防治措施的參考。. 16.

(24) 研究流程圖. 17.

(25) 18.

(26) 第三章水文條件與有勝溪斷流之關係第一節有勝溪之歷史斷流事件本研究將所蒐集的航遙測影像進行判識，發現有勝溪整個流域中，有 5 處發生明顯變遷的河段(自上游至下游之編號依序為 Zone-Y1、Zone-Y2、Zone-Y3、 Zone-Y4 與 Zone-Y5)(圖 3-1)，但僅有 Zone-Y1 河段發生多次斷流現象，其餘 4 個河段則未發現。本研究採用 1980 年至 2017 年 Zone-Y1 河段影像(圖 3-2、3-3、 3-4)判釋河道變化情形，運用 ArcMap 將河道水體數化，並擷取相同範圍河段，再並列呈現不同時河道變遷與斷流之關係。大體上，Zone-Y1 河道變遷以 2012 年為界，在 2012 年 7 月 2 日之前流路多半維持直流狀，僅有若干時期出現小型分流流路，但整體流路特徵無太大改變；至 2012 年 8 月 14 日始，原來受植被覆蓋的河岸區有大量沉積物呈埋積現象，且流路除了開始有顯著變寬外，也向右岸靠近並彎曲，形成曲流，自 2013 年 1 月 31 日始，於流路顯著變化處可看到斷流現象，而 2013 年 3 月到 12 月間出現持續性斷流現象，並間斷地持續至 2015 年 12 月；而 2016 年 2 月 8 日雖無斷流，但到了 2017 年 2 月 16 日則又出現斷流。承上所述，推論可能於 2012 年 7 月 2 日至 8 月 14 日間發生巨大事件造成大量沉積物堆積於河道，且流幅擴大，促使流路改變與斷流產生。相較於 2012 年前後斷流事件，前期多為短暫個別事件，與河道變遷較無關；但後期因流路明顯由直流狀轉為曲流狀，且流幅也顯著變寬，可見該時期可能受到大量沉積物埋積導致河道變遷，進而產生相對連續、延時長的斷流現象。這也是整條有勝溪唯一發生斷流的河段。 Zone-Y2 為谷床寬的曲流河段，流路主要緊鄰河岸，並有向對岸偏移之趨勢。整體而言，流路無太大變化，僅若干時期近岸處有外凸現象，可能與河岸溪溝所流入的沉積物有關，之後流路又再次緊鄰右岸谷壁。Zone-Y3 位在勝光派出所附近，本段有一支流從左岸匯入，曾有發生幾起土石流事件，所以該段河道變遷與土石流作用有關。自 2012 年 10 月 22 日始，受到支流旺盛土石流作用，輸入大量沉積物至河道中，河寬增大，進而產生顯著河道變遷。隨後至 2014 年 10 月 29 日間流路左右偏移不定，可見支流土石流作用持續影響著河道變遷，但無斷流現象。Zone-Y4 兩側緊鄰谷壁，谷床寬，河道埋積現象明顯，整體而言，流路並無太大變化，僅 2012 年 10 月主流向右岸偏移，且出現分流，導致舊河道水量明顯下降或形成乾河道，且流幅逐漸變寬。Zone-Y5 為連續曲流河段，河道轉折處為埋積旺盛的寬谷，整體顯示河床受到大量沉積物堆積之現象，推測可能於 2012 年經歷大事件，但流路前後並無顯著變化。從 Zone-Y1 的結果來看，河道的變遷似乎與斷流的發生有很高的相關性，尤其以 2012 年前後兩期的差異最為顯著，2012 年後由於流路有大量沉積物進行埋積作用造成流幅增寬，並形成曲流，導致相對連續、延時長的斷流現象發生。然而綜觀整條有勝溪，儘管有勝溪共有 5 個河段均發生顯著的河道變遷，. 19.

(27) 卻僅有 Zone-Y1 發生數次明顯斷流事件，其確切原因仍有待進一步釐清。. 圖3-1. 有勝溪變遷河段 Zone-Y1、Zone-Y2、Zone-Y3、Zone-Y4、Zone-. Y5. 20.

(28) 圖3-2. 有勝溪 Zone-Y1 歷年影像(2010 年 1 月~2012 年 8 月). 21.



(31) 第二節雨量與斷流之關係本研究將 1995 年 7 月至 2017 年 9 月的日雨量資料代入標準化降雨指標(SPI) 進行雨量分析後，並將 SPI 所分析的結果 SPI-1、SPI-3、SPI-6、SPI-9 及 SPI-12 彙整成表，如附錄表 1 所示。欲探討 SPI 與斷流之關係，可用來理解不同時間尺度之下的降雨量多寡是否能作為主要影響斷流因素之一，所以分別將 SPI-1、SPI3、SPI-6、SPI-9 與 SPI-12 等分析結果搭配航遙測影像及現地調查進行比對。本研究嘗試運用不同時間尺度下的累積雨量如：歷年連續的 1 個月(SPI-1)、連續 3 個月(SPI-3)、連續的 6 個月(SPI-6)、連續的 9 個月(SPI-9)與連續的 12 個月(SPI12)對應歷年各月航遙測影像及現地調查所顯示的斷流事件的關聯性。已知 SPI 值小於 0 以下，代表降雨量相對偏低，且隨著 SPI 值越小而越趨於乾旱，所以從航遙測影像指出 1999 年 4 月、2003 年 3 月、2012 年 10 月、2013 年 1 月、3 月、7 月、8 月、12 月、2014 年 1 月、4 月、10 月、2015 年 1 月、3 月、4 月、12 月皆有斷流發生，且在 2016 年 7 月至 9 月與 2017 年 1 月至 9 月進行現地調查期間也發現斷流情形。根據圖 3-5 指出，各期航遙測影像與現地調查結果所對應的 SPI-1 值介於-2.38 至 1.8 間，從第一象限來看，即有斷流事件發生，但 SPI-1>0 的次數為 7 次，而在第二象限上，則是未有斷流事件發生，且 SPI-1>0 的次數為 14 次，接著，在第三象限上，即未有斷流事件發生，但 SPI-1<0 的次數為 13 次，在第四象限上，即有斷流事件發生，且 SPI-1<0 的次數為 18 次。根據圖 3-6 指出，各期航遙測影像與現地調查結果所對應的 SPI-3 介於-2.61 至 2.22 間，從第一象限來看，即有斷流事件發生，但 SPI-1>0 的次數為 7 次，而在第二象限上，則是未有斷流事件發生，且 SPI-1>0 的次數為 14 次，接著，在第三象限上，即未有斷流事件發生，但 SPI-1<0 的次數為 8 次，在第四象限上，即有斷流事件發生，且 SPI-1<0 的次數為 18 次。接著，根據圖 3-7 指出，各期航遙測影像與現地調查結果所對應的 SPI-6 介於-1.8 至 2.01 間，從第一象限來看，即有斷流事件發生，但 SPI-1>0 的次數為 8 次，而在第二象限上，則是未有斷流事件發生，且 SPI-1>0 的次數為 16 次，接著，在第三象限上，即未有斷流事件發生，但 SPI-1<0 的次數為 11 次，在第四象限上，即有斷流事件發生，且 SPI1<0 的次數為 17 次。根據圖 3-8 指出，SPI-9 介於-1.99 至 2.06 間，從第一象限來看，即有斷流事件發生，但 SPI-1>0 的次數為 10 次，而在第二象限上，則是未有斷流事件發生，且 SPI-1>0 的次數為 16 次，接著，在第三象限上，即未有斷流事件發生，但 SPI1<0 的次數為 11 次，在第四象限上，即有斷流事件發生，且 SPI-1<0 的次數為 15 次。最後，根據圖 3-9 指出，SPI-12 介於-1.4 至 1.96 間，從第一象限來看，即有斷流事件發生，但 SPI-1>0 的次數為 13 次，而在第二象限上，則是未有斷流事件發生，且 SPI-1>0 的次數為 16 次，接著，在第三象限上，即未有斷流事件發生，但 SPI-1<0 的次數為 11 次，在第四象限上，即有斷流事件發生，且 SPI1<0 的次數為 12 次。由上述分析結果而知，從 1999 年 4 月至 2017 年 9 月之間的航遙測影像與現. 24.

(32) 地調查結果所顯示的 25 次斷流事件中，SPI-1<0 的次數有 18 次，SPI-3<0 的次數有 18 次，SPI-6<0 的次數有 17 次，SPI-9<0 的次數有 15 次，SPI-12<0 的次數有 12 次，故從各個 SPI 值小於 0 與斷流之關係比較之下，以 SPI-1 與斷流之關係最為顯著；雖然 SPI-3 及 SPI-6 兩指標與斷流之關係也相當顯著，但是，為了搭配本研究所採用的季長期天氣展望資料，其僅供 3 個月預報資料，因此，暫不考慮參考 SPI-3 與 SPI-6 等指標以探討斷流發生的條件。由於 SPI-1 小於 0 能對應到斷流次數最多，其表示短延時乾旱可能導致斷流發生條件之一，所以，本研究便將 SPI-1 作為斷流預警系統的主要指標。最後，從圖 3-5 可看出，未斷流期間(如第Ⅱ、Ⅲ象限)中之許多月份的 SPI1 雖小於 0 卻未斷流，此與前述推論不符，所以針對 SPI-1 小於 0 卻未斷流之月份(如第Ⅲ象限)中，有 9 個事件均發生於 2012 年 10 月之前，再比對航遙測影像，發現除了 1999 年與 2003 年偶發的斷流事件外，在 2012 年 10 月之前無較長延時的斷流，僅流路呈直線狀，而非如 2012 年 10 月之後的流路成彎曲狀；而 SPI-1 大於 0 卻發生斷流均出現於 2012 年 10 月之後(如第Ⅰ象限)，由此可推，雖然斷流發生與雨量多寡有關，但也可能與流路變化有關。. 圖3-5. SPI-1 與有勝溪斷流之關係. 25.

(33) 圖3-6. SPI-3 與有勝溪斷流之關係. 圖3-7. SPI-6 與有勝溪斷流之關係. 26.

(34) 圖3-8. SPI-9 與有勝溪斷流之關係. 圖3-9. SPI-12 與有勝溪斷流之關係. 27.

(35) 第三節流量與斷流之關係藉由航遙測影像與流量進行比對之下，有勝溪在 2012 年 8 月之前，除了零星斷流事件發生，像是 1999 年 4 月 7 日(圖 3-10)與 2003 年 3 月 11 日(圖 3-11)等斷流事件，其流量分別為 0.230CMS 和 0.020CMS，而其餘時間皆未發生斷流現象；自 2012 年 8 月後便不定期地出現頻繁的斷流現象，如圖 3-15 所示，2012 年 8 月 14 日和 10 月 22 日的航遙測影像顯示斷流事件的發生，但因該時間點流量資料遺漏，故無法得知其流量數據。自 2013 年 1 月 31 日、3 月 16 日、7 月 11 日、12 月 2 日和 12 月 6 日(圖 316)，各時間點流量分別為 0.486CMS、0.353CMS、0.500CMS、0.405CMS 與 0.377CMS；2014 年 1 月 20 日、1 月 30 日、4 月 18 日和 10 月 29 日(圖 3-17)，各時間點流量分別為 0.480CMS、0.258CMS、0.233CMS 與 0.531CMS；2015 年 1 月 24 日、3 月 18 日、4 月 15 日與 12 月 13 日(圖 3-18)，各時間點流量分別為 0.470CMS、0.396CMS、0.399CMS 與 0.472CMS；2016 年 8 月 10 日、9 月 7 日現地調查之流量分別為 0.419CMS、0.463CMS(圖 3-19)，根據上述結果，經比對航遙測影像後發現，我們以發生斷流影像時對應到的最大流量，也就是 0.531CMS 視為有勝溪判斷是否發生斷流的流量門檻值，所以，當流量小於 0.531CMS，極可能會發生斷流。然而，雖然流量小於 0.531CMS 為斷流可能發生條件之一，但先前於 1999 年 4 月 7 日(圖 3-10)、2003 年 3 月 11 日(圖 3-11)、2007 年 7 月 21 日(圖 3-12)、 2010 年 12 月 9 日(圖 3-13)、2011 年 1 月 1 日、6 月 18 日(圖 3-14)以及 2013 年 11 月 26 日(圖 3-16)等時間點的流量皆低於 0.531CMS，卻未發生斷流。然而，欲探討前述時間點未發生斷流的原因，則再次比對航遙測影像發現，除了 2013 年 11 月 26 日之外，其餘流路多趨於直線狀。因此，再次比對 2012 年 8 月之後發生頻繁性斷流的流路，則發現流路明顯由直線狀逐漸轉向彎曲狀。由上述可見，流量小於 0.531CMS 雖是有勝溪斷流可能發生條件之一，但非直接導致斷流的主因，由於在 1999 年至 2011 年間曾出現部分時間點的流量低於 0.531CMS，但流路仍維持直線狀，直到 2012 年 8 月之後，出現頻繁性斷流後，且航遙測影像顯示有勝溪流路靠近山壁，並逐漸趨向彎曲狀。以上可說明，即使低流量也未發生斷流，所以推論流路改變也是有勝溪發生斷流之重要條件之一。綜合上述分析結果，有勝溪斷流河段從 2012 年 8 月之後，在流路彎曲的條件下，當 SPI-1 小於 0 及有勝溪流量站日流量小於 0.531CMS 時，即非常有可能會發生斷流。. 28.

(36) 圖3-10. 1999 年有勝溪流量變化. 圖3-11. 2003 年有勝溪流量變化. 29.





(41) 第四節斷流與魚群數量之關係雪霸國家公園與相關學術研單位自 2009 年始，便開始執行櫻花鉤吻鮭域外放流計畫，鑒於過去有勝溪上游支流-羅葉尾溪為歷史棲地範圍之一，故選擇羅葉尾溪為域外放流基地(廖林彥，2016)。首先，於 2009 年 6 月進行第一批鮭魚放流，計有 150 隻，而在 2010 年 5 月及 10 月再分別放流 350 隻與 30 隻，促使放流魚群順利地逐漸繁衍並擴大形成衛星族群。從圖 3-20 所示，在有勝溪發生頻繁性斷流之前，因其上游羅葉尾溪魚群數量平穩地增長，甚至在 2010 年 9 月魚群數量累計高達 600 餘隻，且魚群有逐漸往下游拓展棲地範圍之趨勢，使得有勝溪於 2011 年 7 至 11 月間出現零星魚群。如此可知，在羅葉尾溪魚群穩定增長之下，下游有勝溪便會成為魚群拓展棲地範圍的最佳選擇之一，所以在有勝溪未發生斷流情形時，確實有助於魚群生長與棲息。然而，依據圖 3-21 所示，在 2012 年 8 月之前，有勝溪魚群數量有隨著羅葉尾溪魚群數量增長而變多之趨勢，但是，發生頻繁性斷流的初期，仍可以發現有勝溪魚群並未減少的情形，如此說明當面臨斷流等突發性事件之時，鮭魚本身可能具備棲地變遷調適能力，且加上有勝溪魚群數量不若羅葉尾溪的規模，所以在 2013 年之前，有勝溪斷流的生態衝擊無法反映在 2012 年有勝溪的魚群數量變化。不過，2013 年 1 月後發現有勝溪魚群開始明顯下降趨勢，除了受到斷流持續性發生之外，還有在高流量突然轉為低流量之時，魚群數量亦有下降趨勢，直到 2014 年 5 至 9 月，流量有稍微趨於穩定，才又促使魚群數量和緩增長，但至 2014 年末期至 2015 年 8 月間，發生連續斷流長達 172 天，導致魚群驟然下降，接著，2015 年末期至 2016 年初期也發生連續斷流 40 天，使得 2016 年現地調查未有魚隻紀錄。根據上述分析結果，櫻花鉤吻鮭面對有勝溪斷流時，可能受到生物本身所具備環境調適能力之影響，所以斷流發生初期，魚群數量變化無法反映出斷流造成的威脅；然而，若魚群遭受流量極端變化和連續斷流日數過長等因素，使得魚群棲息適應上有所困難，進而促使魚群數量驟然下降。。. 34.

(42) 圖3-20. 2009~2012 年有勝溪發生頻繁性斷流之前流量與鮭魚數之關係. 圖3-21. 2012~2016 年有勝溪斷流與鮭魚數之關係. 35.

(43) 36.

(44) 第四章有勝溪斷流預警系統之建置第一節雨量相關性分析結果目前已知 SPI-1 小於 0 為有勝溪斷流可能發生條件之一，因此，本研究將利用中央氣象局季長期天氣展望資料輸入至氣象合成模式以模擬未來日雨量，再以 SPI-1 小於 0 作為斷流指標，評估未來有勝溪發生斷流的可能性。然而，由於季長期天氣展望資料僅以中央氣象局台北、台中、高雄與花蓮氣象測站的月總雨量資料為基礎所產出，再加上有勝溪位置鄰近臺灣島中心區，並與前述四個氣象測站相距不遠，所以推測有勝溪降雨分布特性可能與各測站的降雨分布特性有關。本研究便將有勝溪分別與台北、台中、高雄與花蓮之 1996 至 2016 年歷年各月觀測總雨量與思源站觀測之各月總雨量進行雨量相關性分析，以找出各月最適合預測有勝溪月總雨量的氣象測站。表4-1. 有勝溪與各測站雨量相關性分析結果. 有勝溪 _ Jan 各測站月總雨量相關性. Feb. Mar. Apr. May. Jun. Jul. Aug. Sep. Oct. Nov. Dec. 有勝溪 _台中. 0.47. 0.92. 0.65. 0.83. 0.60. 0.78. 0.52. 0.71. 0.85. 0.56. 0.00. 0.17. 有勝溪. 0.78. 0.91. 0.45. 0.59. 0.53. 0.50. 0.31. 0.70. 0.79. 0.80. 0.61. 0.59. 有勝溪 _花蓮. 0.68. 0.84. 0.37. 0.67. 0.53. 0.33. 0.84. 0.70. 0.68. 0.79. 0.65. 0.39. 有勝溪 _高雄. 0.64. 0.51. 0.31. 0.26. 0.24. 0.29. 0.41. 0.58. 0.43. 0.54. 0.51. 0.48. _台北. 如上表 4-1 所示，各月月總雨量相關性分析結果中，有勝溪和台北測站在 1 月、8 月、10 月和 12 月的相關係數高於其他測站；有勝溪和台中測站在 2 月、 3 月、4 月、5 月、6 月、8 月和 9 月的相關係數高於其他測站；有勝溪和花蓮測站在 7 月和 11 月的相關係數高於其他測站；至於，有勝溪與高雄測站各月的相關係數低於其他測站，故本研究不考慮採用高雄測站的季長期天氣展望資料進行雨量模擬。簡言之，有勝溪 1 月、8 月、10 月和 12 月適合採用台北測站的季長期天氣展望資料；有勝溪 2 月、3 月、4 月、5 月、6 月、8 月和 9 月適合採用台中測站的季長期天氣展望資料；而有勝溪 7 月和 11 月適合採用花蓮測站的季長期天氣展望資料。. 37.

(45) 第二節有勝溪歷年月總雨量 BNA 門檻值之合理修正結果為了解決有勝溪與各個季長期天氣預報測站 BNA 分布的準確性不佳之問題，本研究將以台北、台中與花蓮 1996 至 2016 年各月月總雨量 BNA 分布作基準，進行有勝溪歷年月總雨量 BNA 門檻值的修正，促使有勝溪各月雨量所屬在 BNA 上，能趨近於台北、台中與花蓮測站該月雨量所屬之 BNA 分類。因此，根據雨量相關性分析結果，有勝溪 1 月、8 月、10 月和 12 月是參考台北測站的 BNA 分布以修正其門檻值；有勝溪 2 月、3 月、4 月、5 月、6 月、 8 月和 9 月則是參考台中測站的 BNA 分布以修正其門檻值；最後，有勝溪 7 月和 11 月是參考花蓮測站的 BNA 分布以修正其門檻值。如下表 4-2 以 1 月為例，本研究主要以台北 1 月的 BNA 分布作基準，進行合理修正有勝溪 1 月 BNA 的界定門檻，以提高有勝溪與台北測站在 1 月的 BNA 分布之準確性。在未合理修正有勝溪 1 月的 BNA 界定門檻之前，BNA 準確性為 52%，經過合理修正其界定門檻值之後，BNA 準確性提高至 71%；至於 2 月至 12 月合理修正結果則分別彙整在附錄之中。而如表 4-3 將有勝溪各月合理修正 BNA 的界定門檻值前後之準確性整理成一表，像是 2 月、4 月 5 月、7 月、8 月與 12 月經合理修正 BNA 的界定門檻值後，其 BNA 分布的準確性皆高達 7 成以上。總體而言，經由合理修正有勝溪 BNA 的界定門檻值之後，在運用氣象合成模式模擬雨量之前，可確保台北測站與有勝溪的 BNA 分布上，其落在同一區間的可能性增加，如此有助於提升預測有勝溪月總雨量的準確性。表4-2 歷年 1 月有勝溪與台北月總雨量 BNA 比對與合理修正結果 *附註：0 代表相符、1 代表不相符年份. 台北 1 月 _BNA. 未合理修正有勝溪 1 月_BNA. 未合理修正有勝溪門檻的準確率. 合理修正後有勝溪門檻的 BNA. 合理修正後有勝溪門檻的準確率. 1996. B. B. 0. B. 0. 1997. N. B. 1. N. 0. 1998. A. A. 0. A. 0. 1999. B. B. 0. N. 1. 2000. B. B. 0. N. 1. 2001. A. A. 0. A. 0. 2002. N. B. 1. B. 1. 2003. N. B. 1. N. 0. 2004. A. B. 1. B. 1. 2005. N. B. 1. N. 0. 2006. B. B. 1. A. 1. 38.

(46) 2007. A. A. 0. A. 0. 2008. N. B. 1. N. 0. 2009. B. B. 0. B. 0. 2010. A. B. 1. N. 1. 2011. N. B. 1. N. 0. 2012. A. A. 0. A. 0. 2013. N. B. 1. N. 0. 2014. B. B. 0. B. 0. 2015. B. B. 0. B. 0. 2016. A. A. 0. A. 0. 52% 表4-3 月份. 71%. 各月有勝溪門檻值經合理修正前後之準確性比對測站. 未合理修正有勝. 調整後有勝溪門. 溪門檻值的準確性. 檻值的準確性. 1月. 台北. 52%. 71%. 2月. 台中. 57%. 71%. 3月. 台中. 43%. 48%. 4月. 台中. 76%. 86%. 5月. 台中. 67%. 76%. 6月. 台中. 52%. 67%. 7月. 花蓮. 57%. 71%. 8月. 台中. 67%. 71%. 9月. 台中. 33%. 48%. 10 月. 台北. 52%. 67%. 11 月. 花蓮. 52%. 62%. 12 月. 台北. 62%. 81%. 第三節結合季長期預報之雨量預報結果藉由有勝溪各月 BNA 的界定門檻進行合理修正之後，使得有勝溪各月的 BNA 分類與各季預報測站的 BNA 分類的吻合程度提高，如此有助於提高氣象合成模式模擬雨量的效能。本研究欲檢視合理修正有勝溪的 BNA 界定門檻值之後，在氣象合成模式模擬雨量之效能。首先，輸入 1996 至 2016 年有勝溪歷史實測日雨量資料至氣象合成模式之中，然而，該模式已設定自動計算出歷年各月月總雨量，接著，再依據不同月份輸入該月有勝溪合理修正後的 BNA 界定門檻，促使模式將歷年各. 39.

(47) 月月總雨量遵循此門檻來重新分出 BNA 三類，並計算在 BNA 三類之中歷史各月降雨的平均特性，包含降雨日平均降雨量(σP)、降雨機率(PW)、第Ⅰ-1 日有降雨條件下之第Ⅰ日的降雨機率(P(W|W))以及第Ⅰ-1 日沒有降雨條件下之第Ⅰ 日的降雨機率(P(W|D))等，如附錄表 14、15 和 16 所示。由於本研究已蒐集中央氣象局 1999 至 2016 年季長期天氣展望資料，並輸入各月預報機率值至模式，再透過最大機率法以選取適合的機率區間，並以降雨機率統計特性和預報機率值為基礎來繁衍 10000 組 1999 至 2016 年各月總雨量模擬結果，最後，將歷年各月 10000 組模擬結果取中位數以作為模擬月總雨量，如表 4-4、4-5 和 4-6 所示。1999~2016 年各月月總雨量模擬值和歷史月總雨量實際值之結果如附錄表 17 與 18 所示，各月月總雨量模擬結果大多有高估現象。表4-4. 1999~2005 年各月月總雨量模擬結果. 模擬月總雨量. 1999. 2000. 2001. 2002. 2003. 2004. 2005. (mm) 1月. 144.03. 253.93. 116.64. 120.30. 130.92. 230.22. 111.44. 2月. 120.28. 264.16. 103.29. 103.40. 125.71. 174.69. 90.34. 3月. 149.36. 266.36. 129.33. 128.81. 153.68. 244.13. 126.12. 4月. 106.14. 185.57. 101.89. 95.91. 109.74. 179.75. 96.25. 5月. 128.00. 239.02. 139.63. 123.82. 141.78. 220.86. 126.40. 6月. 175.71. 181.26. 172.77. 176.85. 195.31. 310.32. 182.66. 7月. 133.05. 275.75. 130.81. 111.54. 123.77. 177.28. 114.23. 8月. 167.17. 226.80. 166.86. 149.70. 160.36. 209.92. 152.00. 9月. 146.28. 182.91. 147.72. 130.81. 137.98. 168.53. 133.50. 10 月. 173.16. 207.60. 181.25. 151.41. 158.70. 185.64. 157.14. 11 月. 199.30. 227.06. 200.45. 179.81. 182.24. 208.23. 184.49. 12 月. 240.02. 299.40. 234.14. 222.11. 221.40. 273.77. 229.43. 表4-5. 2006~2011 年各月月總雨量模擬結果. 模擬月總雨量. 2006. 2007. 2008. 2009. 2010. 2011. (mm) 1月. 110.99. 130.28. 239.52. 226.13. 117.29. 111.44. 2月. 90.48. 118.83. 181.13. 169.07. 95.13. 117.25. 3月. 125.93. 151.40. 255.80. 128.16. 131.71. 118.76. 4月. 95.38. 111.75. 185.43. 96.53. 100.58. 88.00. 5月. 126.76. 141.70. 229.03. 216.30. 131.64. 116.07. 6月. 158.51. 196.85. 265.81. 303.14. 163.27. 146.24. 40.

(48) 7月. 120.65. 126.09. 169.21. 175.02. 110.75. 103.11. 8月. 157.59. 161.83. 217.18. 150.87. 155.89. 143.68. 9月. 143.39. 170.96. 172.79. 164.55. 135.18. 123.84. 10 月. 170.32. 165.55. 192.76. 184.52. 158.54. 141.18. 11 月. 193.15. 188.79. 214.57. 205.33. 188.91. 173.27. 12 月. 236.91. 232.71. 284.17. 269.74. 230.64. 214.95. 表4-6. 2012~2016 年各月月總雨量模擬結果. 模擬月總雨量(mm). 2012. 2013. 2014. 2015. 2016. 1月. 220.00. 116.60. 117.29. 116.84. 235.51. 2月. 166.76. 95.43. 95.26. 93.32. 341.57. 3月. 256.18. 124.32. 124.35. 123.93. 250.87. 4月. 185.13. 97.73. 95.29. 94.77. 183.20. 5月. 210.34. 129.50. 94.13. 125.91. 224.83. 6月. 245.56. 159.72. 160.80. 158.39. 262.38. 7月. 169.02. 113.80. 115.34. 116.26. 180.93. 8月. 216.92. 151.28. 153.67. 151.71. 214.08. 9月. 158.39. 131.48. 134.55. 136.20. 170.06. 10 月. 177.71. 149.22. 160.50. 159.19. 189.69. 11 月. 198.64. 165.95. 183.15. 180.20. 211.42. 12 月. 261.00. 200.16. 228.85. 229.56. 279.54. 目前已知有勝溪斷流可能發生條件之中，若 SPI-1<0 時，該月發生斷流可能性較高，所以本研究將有勝溪歷年各月 SPI-1 值透過簡單線性內插以求出各月 SPI-1=0 所相應的月總雨量，如表 4-7 所示，藉此將 SPI-1=0 所相應的月總雨量可用來比對 1999~2016 年各月月總雨量模擬結果，若該月模擬月總雨量小於 SPI-1=0 所相應月總雨量，即可說明預測該月可能具有發生斷流的可能性；反之，若若該月模擬月總雨量大於 SPI-1=0 所相應月總雨量，即可說明預測該月可能不具有發生斷流的可能性，故本研究將有勝溪各月 SPI-1=0 所相應的月總雨量作為斷流發生與否指標。整體而言，本研究主要透過合理修正有勝溪各月 BNA 界定門檻之後，再根據 BNA 不同機率分類區間以輸入季長期天氣展望資料至氣象合成模式以模擬月總雨量結果，再結合以 SPI-1=0 所相應的月總雨量為斷流指標，如此整合成一套適用於有勝溪斷流預警系統。根據先前研究指出，有勝溪自 2012 年始發生明顯且連續性的斷流現象，所以為了檢視氣象合成模式與標準化降雨指標所整合的預警系統之功效，本研究僅將 2012~2016 年各月月總雨量模擬結果與 SPI-1=0 所相應的月總雨量作比較，其結果如表 4-8、4-9、4-10、4-11 以及 4-12 所示。最後，如表 4-12 所示，. 41.