臺灣地區氣溫之統計特性及其長期變遷

全文

(1)國立臺灣師範大學地理學系研究所碩士論文. 臺灣地區氣溫之統計特性及其長期變遷 The Statistical Properties of Temperatures and Their Long-term Trends in Taiwan. 研究生：徐紹青指導教授：翁叔平. 撰博士. 中華民國 107 年 2 月.

(2) 摘要本研究利用中央氣象局的 8 個測站，臺北、臺中、澎湖、臺南、恆春、臺東、花蓮和阿里山的長期地表氣溫記錄，包括日均溫、最高溫，以及最低溫資料，個別分析它們在以下 5 種天氣情境：雨日、無雨日、雨前一日，雨後一日，以及一般日(不論有無降雨)下的 4 階統計動量:平均值、標準差、偏度、以及峰度，在氣候基期（1961-1990）的統計特性及對應的長期（1897-2014）線性趨勢。分析上述情境的各類組合於氣候基期的 4 階統計動量後發現，雖然平均值及標準差代表季節平均狀態及其振幅，但是偏度和峰度，因其計算利用平均值及標準差的 3 或 4 次的冪次，能將前者的訊號放大，而提供吾人檢視上述各類情境組合的統計特性之變化細節。例如，冬季雨日的迎風地區，受東北季風影響會有明顯的降溫。雖然分析平均值能獲得其位移變化，但偏度更能表現出其傾向低溫的統計特徵(即右偏的機率密度函數分佈)。同樣的，秋季的臺南測站，也可從雨後一日的分析中，觀察到較高的最高溫(即左偏的機率密度函數分佈）及正值的峰度，顯示洗刷作用可增強陽光短波入射，更能凸顯出秋老虎現象的氣候特徵。與前人研究一致，本文也發現全球暖化對臺灣地表氣溫的影響，主要表現在夜間最低溫的明顯上升。分析澎湖、恆春以及阿里山等背景測站的結果發現，暖化下，增加的水氣含量加強向下長波輻射，且夜間較低的氣溫又使得水氣容易飽和，增加的雲量可能抑制向上長波輻射的冷卻作用，因此，最低溫出現較高幅度的成長。研究也發現，人類活動產生的懸浮微粒和汙染物，可能會增強而非減弱夜間的暖化作用。分析臺南和臺北測站最低溫的長期趨勢後發現，臺南冬天雲量較少，但冬季的最低溫卻有像臺北多雲環境時一樣的增溫趨勢。分析進一步發現，臺南秋季雨後一日的偏度下降但峰度增加，因而顯示，該地秋夜溫度有高於平均值而集中的長期現象。但是，大多數的其他測站並沒有高溫集中的表現，再者，大部分測站的各項氣溫的綜合表現，均呈現出長期趨勢的轉折時間點，大致發生在都市化以及工業蓬勃發展的 1970 年代左右。因此本研究認為人類活動所產生的懸浮微粒和汙染物，對於區域氣候的長期趨勢，有一定的影響。全球暖化下，各季節之長期趨勢變化並不一致，分析冬季雨日及無雨日的溫度趨勢表現後發現，1970 年代前（後），臺北測站無雨日的夜間氣溫小（大）於有雨日夜間氣溫，暗示降雨過程和氣候暖化的交互作用機制，可能發生變化。此外，分析 9 月份最低溫的長期趨勢也發現，其各項氣溫綜合數值及趨勢，和 6 月相較下，更接近 7、8 月的表現，建議夏季有延長的現象。根據上述針對氣溫的分析，本文建議臺灣季節氣候應分為，春季：2、3、4 月；梅雨季：5、6 月；夏季：7、8、9 月；秋季：10、11 月以及冬季：12、1 月，上述季節的劃分，也大致與降雨的時序一致。關鍵字：氣溫、氣候變遷、長期趨勢.

(3) ASTRACT This study uses the long-term surface temperature records of eight stations: Taipei, Taichung, Penghu, Tainan, Hengchun, Taitung, Hualien and Alishan, including daily average temperature, maximum temperature and minimum temperature data archived at Central Weather Bureau, to analyze the following five weather scenarios: rainy days, clear days, days before rain, days after rain, and normal day (whether or not there is rainfall). Their first 4 statistical moments, namely the mean, standard deviation, skewness and kurtosis are calculated and the related statistical characteristics during the base period (1961-1990) and the corresponding long-term (1897-2014) linear trend are explored. After analyzing the statistical moments of the base period for all kinds of combinations of the above situations, it is found that, although the mean and standard deviation represent the seasonal average state and its amplitude, skewness and kurtosis are calculated using the standard deviation of 3 or 4 times the power of the former signal can be amplified, and provide us the opportunity to examine the combination of various types of changes in the statistical characteristics in detail. For example, during the wintertime, there is a clear cooling effect at the windward stations due to the northeast monsoon. Although analyzing the mean can obtain its displacement change, analyzing the skewness is more able to show its tendency towards the low temperature statistical characteristics (i.e. right-sided probability density function distribution). Similarly, during the autumn season, the Tainan station, in the days after the rain, is observed to have the higher maximum temperature (i.e. the left-sided probability density function) and the positive kurtosis, suggesting that the scrubbing effect after the rainy day probably enhances the insolation, and highlights the autumn tiger phenomenon. Consistent with the previous studies, this study also finds that the effect of global warming on the surface air temperature is mainly reflected in increasing the night temperature. Analyzes of the background stations (Penghu, Hengchun and Alishan) found that the increased moisture content enhances the downward longwave radiation under a warming world, and the lower degree of the night temperatures can make the moisture saturated and the resulting increased cloudiness inhibits the upward long-wave radiation. Therefore, the nighttime temperature appears to have a higher degree of growing amplitude. The study also finds that aerosols and pollutants due to human activities may increase the nighttime warming instead of decreasing it. After analyzing the long-term.

(4) trend of the minimum temperature at Tainan and Taipei stations, it is found that there is less winter cloud in Tainan, but the minimum temperature has the same warming trend as Taipei which is normally situated in an overcast environment in winters. The autumn analysis at Tainan station further finds that, on the first days after rain, the skewness decreased but the kurtosis increased. It thus suggests that there is a long-term phenomenon that the temperature of the autumn night falls above the average and becomes more concentrated. However, most of the other stations are not concentrated in high temperatures. Moreover, the comprehensive performance of temperature at most of the stations shows a turning point in the long-term trend, which generally occurs in the period when urbanization and industrial development were flourishing around the 1970s. Therefore, this study argues that the suspended particles and pollutants due to human activities have impacts on the long-term trend of regional climate. Under the global warming, the changes in the long-term trend at different seasons are not consistent. Based on the wintertime trend analysis for the nighttime temperature at Taipei station during the rainy and no-rain days, it is found that the nighttime temperature of the no-rain days is smaller (larger) than that of the rainy days before (after) the 1970s, suggesting the changing interactions between the rainfall processes and warming. In addition, the analysis of the long-term trend of the minimum temperature in September finds that the integrated values and trends of temperatures are closer to those in July and August as compared with those in June, suggesting the extension of the summer season. Based on the above analysis of the temperature, this study suggests that the seasonal climate in Taiwan should be divided into Spring season: February, March and April, Mei-Yu season: May-June, Summer season: July, August and September, Autumn season: October, November and Winter season: December and January. The above seasonal division based on the temperature analysis in this study is consistent with the timing of seasonal rainfall in Taiwan..

(5) 目錄第一章緒論…………………………………………………………………………1 第一節. 研究動機………………………………………………………………1. 第二節. 研究目的………………………………………………………………1. 第二章文獻探討……………………………………………………………………2 第一節. 氣候變遷與全球暖化…………………………………………………2. 第二節. 國內、外相關研究……………………………………………………2. 第三章資料來源說明及研究方法…………………………………………………4 第一節. 資料說明………………………………………………………………4. 第二節. 研究方法………………………………………………………………7. 第四章研究結果-氣候基期(1961-1990) ………………………………………10 第一節. 冬季（12、1、2 月）分析 …………………………………………10. 第二節. 夏季（6、7、8 月）分析……………………………………………22. 第三節. 春季（3、4、5 月）分析……………………………………………35. 第四節. 秋季（9、10、11 月）分析…………………………………………40. 第五章長期趨勢(1897-2014)……………………………………………………48 第一節. 冬季（12、1、2 月）分析……………………………………………48. 第二節. 夏季（6、7、8 月）分析……………………………………………61. 第三節. 春季（3、4、5 月）分析……………………………………………78. 第四節. 秋季（9、10、11 月）分析…………………………………………89. 第六章. 結論………………………………………………………………………101. 參考文獻……………………………………………………………………………104.

(6) 第一章第一節. 緒論. 研究動機. 近幾年來，溫室效應、全球暖化、海水上升、氣候異常…等和氣候變化相關的議題，已經是人類生活中的一部分，而我們居住的臺灣，當然也是全球氣候變遷中的一個環節。在 TCCIP（臺灣氣候變遷推估與資訊平台）的「臺灣氣候變遷科學報告 2011」中指出，臺灣在 1911 年至 2009 年期間，平均氣溫上升 1.4℃，增溫率每十年約上升 0.14℃，相較於全球(每十年上升 0.074℃)還來的高，且近 30 年來上升幅度更劇。這部分的研究，引起吾人對於臺灣氣溫變化的興趣，並試圖探討降水對於氣溫變化的影響。根據過去研究，降水主要可分成動力引起及熱力引起兩大類，自 1897 至 2015 年統計，臺灣的氣溫呈上升趨勢，在 IPCC（Intergovernmental Panel on Climate Change）第四次的評估報告中指出，根據模式推估結果，全球的氣溫的上升，伴隨著降水量的增加，但交通部中央氣象局（2009）的臺灣氣候統計報告卻指出，臺灣降水卻呈下降趨勢。然降水的影響因素甚多，無法一言以蔽之，吾人希望透過臺灣氣溫及降水間關係，探討其相關性，透過檢定方式試圖探討降水是因熱力所引起的，或者動力所引起的。第二節. 研究目的. 臺灣早在 1896 年便建置了氣象觀測站，最早從 1897 年便開始記錄氣溫及降水的日資料，至今已有 120 年的歷史，中間雖有部分遺漏及搬遷，仍極具有研究價值。然而大部分的氣候研究，多只著重於第一階統計動量的變化，也就是其平均值的變化，卻少有就其二、三、四階統計動量探討彼此間的相關性，而吾人期望從不同角度觀察氣溫的變化情形，希望能從中得知其結果是否和前人研究相同，抑或是從中得到新的訊息。根據上述理由，本研究主要針對臺灣 1897 至 2014 年的氣溫，分成月份、三個氣溫變項（最高溫、均溫、最低溫），以及四階統計動量進行探討，主要目的如下：一、探討臺灣氣候基期（1961-1990）的測站分析結果二、探討測站氣溫的長期（1897-2014）趨勢. 1.

(7) 第二章第一節. 文獻探討. 氣候變遷與全球暖化. 什麼是「氣候變遷」？一般而言，多數人誤認為「氣候變遷就是全球暖化」，然而根據美國太空總署對於氣候變遷的定義中提到，氣候變遷包含全球暖化，且更廣泛的涵蓋發生於地球的變化，包括海平面上升、山地冰川萎縮、極地冰層融化以及植物生長週期改變，當然有時氣候變遷和全球暖化可交互使用，但嚴格來說他們不盡相同。此外，IPCC 在 2001 年的第三次評估報告中指出，氣候變遷不單是人類活動對於大氣造成的影響，還包含了太陽輻射、火山噴發、造山運動以及地球運行軌道的改變…等。簡而言之，氣候變遷不單單只是氣溫的變化，而是氣候回應著諸多自然因子在時間尺度上的改變，而本研究只著重氣候變遷中暖化的部分進行探討。. 第二節. 國內、外相關研究. 根據 TCCIP 的臺灣氣候變遷報告 2011 指出，臺灣在 1911 年至 2009 年期間氣溫上升了 1.4℃（全球平均 0.74℃），和東亞沿岸鄰近的日本（1.13℃）、中國 (0.81℃)、韓國（1.87℃）同為世界上增溫速度較快的地區，而臺灣在當中僅次於韓國，且近 30 年（1980-2009）的氣溫增加明顯變快，每十年上升幅度為 0.29 ℃，是百年趨勢值的兩倍。這結論和 IPCC 第四次評估報告中近 50 年（1956-2005）的線性變化趨勢值為 0.13℃/10yr，是百年（1906-2005）值 0.74℃/100yr 的近兩倍相吻合。然而，卓盈旻、盧孟明（2010）提到，臺灣自 20 世紀初氣溫變持續上升，至 1950 年代上升變得較為平緩，1980 年代開始氣溫又加速增溫，其變化趨勢和全球氣溫變化相似。但除上述百年平均氣溫上升幅度是全球兩倍外，臺灣近 30 年的增溫趨勢為 0.29±0.09℃/10yr，更是百年平均值的兩倍有餘，顯示臺灣增溫速度較全球更快上許多。李清滕（2008）指出，全球溫度再 1990 年後有顯著的異常增溫，其趨勢值約 0.065℃/10yr，臺灣的上升趨勢和全球相同，但升幅卻高出約 2 倍，其趨勢值約 0.15℃/10yr。此外，日均溫主要受最低溫上升所影響，最低溫升幅為最高溫的 2 倍，而百年來北部地區降雨呈正成長，南部則呈現負成長，對照高、低溫的日數變化，發現高溫日數增加，低溫日數則相對減少，其中臺北測站的的高溫日數增加最為顯著。另吳宜昭等人（2010）研究指出，台北近 60 年來，平均每年高溫日達 22 天，近 10 年平均更是高達 32 天，低溫日則由每年平均 10-20 天減少至個位數。 2.

(8) 在 TCCIP 的報告中也指出，臺灣增溫幅度較恆春快，百年增溫幅度以秋季最大，近 30 年則以冬季最大。另受檢驗的 6 個測站，其極端高溫事件皆呈現增加的趨勢，又以臺北增加幅度最大；而極端低溫事件線性變化趨勢皆為下降，尤以 1985 年後的 6 個測站所測得的寒潮事件都明顯偏少。交通部中央氣象局（2009）的臺灣氣候統計報告中指出，近百年來臺灣平地均溫上升 0.9-1.2 度，山區均溫上升 0.6 度，意味著百年來等溫線向北移動約 100 公里，向上移動約 100 公尺。且在文末的資料表格中，也根據各項條件如區域、地形、季節等，進行最高溫、最低溫、均溫及日較差說明，大部分出現最低溫的平均上升幅度，大於最高溫平均值上升幅度，且日較差減少的趨勢。在黃燕儀（2010）研究指出，日溫差的減少與平均溫度的增加，代表著白天最高溫與夜間最低溫間的振幅變化情形，且也證明了夜間最低溫的上升情形較高於白天的最高溫，主要是因夜晚大氣逆輻射加強所致。影響氣候長期趨勢的要素相當多，其中暖化可能使水氣增加，並透過海洋和大氣的環流模式帶至陸地，而雲量的增加可充分解釋白天最高溫的下降，以及夜晚最低溫的上升，並使日溫差長期趨勢減少，Kukla and Karl（1993）。此外，該研究也指出，工業排放的二氧化碳以及二氧化硫，都有可能增加所謂的人為雲，其中二氧化硫可能轉換為硫酸鹽，並成為絕佳的凝結核（CCN），使雲量增加。隨著工業的進步，煙囪高度的提升，更使汙染範圍擴大，氣溶膠在大氣的停留時間也增長，工業區附近的汙染物減少，反而使下風地區的雲量增加。 Liu et al.（2002）研究指出，人為排放的氣溶膠可以透過輻射的散射和吸收的來擾動大氣輻射，且可成為凝結核（CCN）形成雲，對日照時數的下降有一定影響。其中 Warner and Twomey（1967）觀察到燃燒的甘蔗田，其下風處的上空 CCN 有顯著的增加，而 Twomey et al.（1984）更進一步指出，人為的氣溶膠可以延長雲的壽命，並加強雲的反輻射，影響日溫差的變化。 Cavanaugh and Shen（2014）的研究中，使用 GHCND 的資料，將 1950 至 2010 年的日資料，以每 10 年做一次平均值，計算溫度長期的線性趨勢。且除了平均值及標準差外，更進一步計算偏度及峰度，並說明偏度正、負值的高低，可能反應出極端的溫度現象，若搭配峰度觀察，高度的峰度正值則代表出現異常溫度現象的機率上升。. 3.

(9) 第三章第一節. 資料說明及研究方法. 資料說明. 臺灣的氣象研究至今約有一百多年的歷史，各個測站設立的時間不盡相同，部分測站的資料也略有缺漏，故為考量地理分布的特性以及測站資料的完整性，筆者選擇本島平地站如臺北、臺中、臺南、恆春、臺東、花蓮，山區測站如阿里山以及離島測站澎湖，作為研究臺灣氣候變遷的代表，其資料如表 2-1。表 2-1 本研究採用測站資料站號. 站名. 海拔高度. 經度. 緯度. 設站日期. 466930. 臺北. 5.3M. 121.51. 25.04. 1896 年. 467490. 臺中. 84.04M. 120.68. 24.15. 1986 年. 467410. 臺南. 40.8M. 120.20. 23.00. 1897 年. 467590. 恆春. 22.1M. 120.74. 22.04. 1896 年. 467660. 臺東. 9.0M. 121.15. 22.75. 1901 年. 466990. 花蓮. 16.0M. 121.61. 23.98. 1910 年. 467530. 阿里山. 2413.4M. 120.81. 23.51. 1933 年. 467350. 澎湖. 10.7M. 119.56. 23.57. 1896 年. 上述採用之測站，臺北、臺中、恆春、澎湖等皆於 1897 年便開始有完整資料紀錄，臺南站 1897 年開始記錄，臺東站 1901 年、花蓮站 1910 年，以上七站皆有百年以上的紀錄，為百年測站；唯阿里山測站自 1933 年始有紀錄，為五十年測站，但吾人認為阿里山測站資料仍屬完整，且設站點遠離都市塵囂，可排除熱島效應所帶來的影響，且可作為山區氣候變遷的參考。但部分測站因搬遷問題對於研究可能造成影響，根據洪致文（2010）以及「中央氣象局全球資訊網」的資料分述如下：一、臺北站：臺北站在 1992 年 4 月因中央氣象局辦公大樓改建，因而短暫遷往鄰近的臺北師院（今臺北市立大學教育學院），1997 年 9 月才遷回 4.

(10) 現址，因距離及高度無太大落差，故不至於影響資料紀錄以及分析。二、臺中站：臺中站原址位於自由路與中正路（今臺灣大道）交會處，海拔高度 77.1 公尺，後於 1954 年 4 月 1 日遷於現址，距原址約 600 公尺，今海拔高度 84 公尺，在資料銜接上並無太大差異。三、臺南站：臺南站雖為百年測站，但在 1998 年 5 月 1 日至 2001 年 1 月期間，因南部氣象中心的大樓工程，而有資料上的缺漏，故從相距約 12 公里、高度約差 32 公尺的永康站擷取該時期的資料進行填補，由於兩者皆屬都市型測站，且高度每上升 100 公尺，氣溫差約 0.6 至 1 度，因此就距離、高度上而言，氣溫變化並無太大的差距，唯資料銜接上需特別注意。四、恆春站：恆春站在 1896-1900 年曾在民間福德宮、1901-1905 年 12 月 25 日則在郵便局宿舍作為觀測基地，後才遷往現址。但在 1945 年 4 月 9 日至同年 8 月 15 日因盟軍轟炸，奉命改往郊區「五里亭」進行觀測，該時期資料完整性較不連貫。五、臺東站：臺東站自 1901 年 1 月建站完成後，每日觀測 6 次，但在 1943 至 1947 年改為每日觀測 3 次，後於 1948 年起改為每日觀測 24 次，且於 1947 年 3 月 15 日至同年 4 月 9 日短暫中斷觀測，但上述問題皆不至於對於長期研究造成重大影響。六、花蓮站：花蓮站自 1910 年建站以來，除了改制外，四周環境並無太大顯著改變。七、阿里山站：阿里山站為日本人設立來觀測山地氣象變化，以配合林業開發，自 1933 年設站以來並未有遷移以及顯著的周遭環境改變。八、澎湖站：澎湖站自 1896 年日本人建站以來，除了改制外，四周環境並無太大顯著改變，也無進行長距離遷移動作。. 5.

(11) 圖 2-1. 研究測站分布圖. 6.

(12) 第二節. 研究方法. 本研究屬於量化研究，將最早 1897 年至 2015 年的臺灣氣溫觀測數據，利用 Putty 進行 Fortran 程式編寫並進行分析整理，再以 NCL 進行繪圖，分成均溫、最高溫、最低溫三個變項，十二個月份以及平均值、標準差、偏度及峰度等 4 階統計動量進行觀測，最後再以拔靴法法進行資料信賴區間的檢定。分述如下. 一、氣溫的三變項在進行氣溫觀察時，多以均溫、最高溫以及最低溫來進行統計。一日的最高溫常出現在白天，最低溫常出現在夜晚，而均溫則可以表現出全日的氣溫平均狀態。故吾人透過氣溫的三個變項，觀察不同月分的氣溫狀態，並計算有雨日、無雨日、降雨前一日以及降雨後一日的氣溫變化情形，藉此了解降水對於氣溫的影響。二、4 階統計變量在過去的氣溫研究中，絕大部分皆只使用第一階統計動量，也就是透過平均值的變化進行探討，然而第 2 至 4 階的統計動量，其實也相當具探討性，分述如下：（1）平均值（Mean）𝑥̅ =. 𝑥1 +𝑥2 +⋯+𝑥𝑛 𝑛. 平均值能表現出一組數據的均衡點，也可以間接描述該組數據的集中狀態，但平均值易受到極端數值的影響而有所偏頗。在本研究中，依循往例一樣計算出平均值，以便觀察臺灣 1897 年至 2014 年，12 個月份的氣溫平均狀態，以及其變化情形，雖說易受極端值影響，但整體而言，平均值最能反應出氣溫變化的特徵，因此大部分的氣候研究皆以平均值為最為探討標準。. 1. 2 （2）標準差（Standard Deviation）𝜎 = √𝑁 ∑𝑁 𝑖=1(𝑥𝑖 − 𝜇). 標準差在統計學中，是用以測定一組數據離散程度之用，平均數相等的兩組數據，標準差有可能不同，標準差愈大者，代表其離散程度愈大，愈小者，則代表其離散程度愈小，各數值較接近平均數。因此，在本研究當中，透過計算出各位越高、低、均溫的標準差，藉以觀察氣溫數值的離散程度，標準差愈大者，代表其震幅愈大，溫度波動的情形就愈強烈；若標準差較小者，代表震幅較小，溫度波動的情形就愈不明顯。 7.

(13) 𝝁𝟑. （3）偏度（Skewness）𝑺𝒌 = 𝝈𝟑 偏度為描述一個變項的對稱性（symmetry）的量數。若偏度值為負，稱為負偏態（Negative skewed），或左偏，代表大部分的數值分布於平均值右側，左側的尾部較長，如圖 2-1-a；若偏度值為正，稱為正偏態（Positively skewed），或右偏，代表大部分的數值分布於平均值左側，右側的尾部較長，如圖 2-2；若偏度為 0，代表數值相對均勻分布在平均值兩側，但不一定對稱。在本研究中，透過計算各月份高、低、均溫的偏度，藉以觀察其偏向高溫或低溫，若資料呈現負偏態，代表大部分觀測值高於平均值，該月份的氣溫狀態多偏向高溫；若資料呈現正偏，代表大部分觀測值低於平均值，該時期氣溫狀態多偏向低溫。此外，因本研究有進行 1897-2014 年各月份高、低、均溫 11 年滑動變化情形，若在 11 年滑動的統計中偏度小於 0，代表該月份一百多年來有暖化現象，反之，若在 11 年滑動的統計中偏度大於 0，則代表該月份一百多年來暖化現象不明顯，或有冷化現象。. （ａ）. （ｂ）. 圖 2-2，偏度為描述一個變項的對稱性的量數，（a）為負偏態，（b）為正偏態。（圖片來源：維基百科） 𝝁𝟒. （4）峰度（Kurtosis）𝜸𝟐 = 𝝈𝟒 −3 峰度是指一個次數分配集中部分的陡峭程度，一般而言，峰度可分為高狹峰、低闊峰及常態峰，邱皓政（2000）。為方便觀察，在本研究的峰度計算中，會將計算數值「減 3」，以便於讓常態分佈的峰度為 0。因此，若數值大於 0，代表資料集中於眾數兩側，使得分布曲線比常態峰更為隆起尖翹，稱為高狹峰；若數值 8.

(14) 小於 0，代表資料在眾數的兩側分布較為分散，使分布曲線較常態峰更為平緩，稱為低闊峰，如圖 2-3。 Cavanaugh and Shen（2014）表示，平均值和標準差，在天氣尺度上的趨勢是連貫的，且多數地區大部分的季節皆出現暖化加劇且變異量減少的情形，而偏度和峰度被認為是在極端的概率行為的描述，他們幫助定義概率密度函數的尾部行為。平均值及標準差顯示天氣的連貫性且有較強的經向梯度並透過循環模式進行緯向調節，而偏度和峰度較小尺度的波動，牽連著區域在極端溫度調節的力度。. 圖 2-3. 峰度是指一個次數分配集中部分的陡峭程度，黑線為數值大於零的高狹峰，藍線為值低於零的低闊峰，紅線為數值等於零的常態峰。（圖片來源：維基百科）. 綜上所述，吾人認為透過偏度以及峰度的交互觀察，可分析出在全球暖化的條件下，極端溫度的變化情形。因此，根據氣溫 11 年滑動計算結果，倘若該月份 11 年滑動的偏度負值增加，且同時峰度正值增加，代表溫度趨向高溫集中，其暖化現象就會更為顯著；但若是偏度正值增加，則代表溫度趨向低溫，但此時根據統計動量原理，其偏度尾端拉長，更有機會出現極端高溫的現象。. 三、拔靴法拔靴法由 Efron（1979）提出，是一種高階的統計檢定方法，其概念為經由資料的打散並重新抽樣，藉以計算統計量的分配。在本研究中，利用拔靴法將溫度的資料打散重新抽樣，並重新計算其長期線性趨勢值的斜率，再和原始資料計算得到的斜率加以比對，加以檢驗其信賴區間，強化資料的可信度。. 9.

(15) 第四章. 研究結果-氣候基期(1961-1990). 吾人根據 IPCC 所使用的氣候基期標準，取 1961 年至 1990 年作為計算氣候基期的標準，利用資料完整性、正確性較佳的氣象局局暑測站進行分析，依序計算臺灣 1961 年至 1990 年 12 個月份的平均值、標準差、偏度以及峰度，若一個月以 30 天計算，乘上 30 年，約有 900 筆資料，若資料比例少於 3/4，即資料量少於 675 筆，則不予以採納，初步分析結果如下：第一節. 冬季（12、1、2 月）分析. 一般而言，北半球冬季溫度的代表月份為 1 月份，故吾人先就 1 月份的氣候基期研究結果，分成均溫（Tavg）、最高溫（Tmax）、最低溫（Tmin）三個變項，平均值（mean）、標準差（standard）、偏度（skewness）、峰度（kurtosis）四個統計動量，以及一般日(Normal Day , Nd)、雨日（Rain Day , Rd）、無雨日（No Rain Day , NRd）、雨前一日（Before Rain Day , Bf）、雨後一日（After Rain Day , Af）等五個情境進行探討。. 一、1 月份一般日在氣候基期的分析結果中，溫度的平均值在三個變項表現上，誠如大家所熟知，主要受到緯度及地形影響，北部溫度在三個變項的平均值皆較南部為低，山區較平地為低，此部分就不再贅述（圖略）。透過圖 4-1-a 的觀察可知，1 月份的一般日最高溫的標準差，凸顯出緯度上的差異，北部的標準差大於南部；而最低溫的標準差，山地表現大於平地。主因是山區海拔高度較高，在溫度表現上和高緯度地區較為類似，若有鋒面南下易使高空雲量增加，阻卻地表的長波輻射冷卻，造成溫度振幅增加，這種類似高緯度的溫度表現，稱為地形放大效應；而平地受到上述作用所產生的溫度變化，則不如山區顯著。因此，1 月份在一般日最低溫的標準差的表現上，山地變異程度就會較平地明顯，圖 4-1-b。偏度代表的是溫度趨向高溫或低溫表現，若偏度為負值，則趨向高溫，若為正值則趨向低溫。1 月份的氣候基期，在一般日最低溫的偏度表現上，臺北及恆春有較明顯的負偏值表現，主要是臺北受盆地地形及都市熱島效應的影響，夜間溫度不易散失，而南部恆春則因位處於熱帶季風區，故夜間溫度較高。從一般日最低溫的峰度表現上也呼應上述情形，在臺北及恆春這兩測站的峰度表現上有較大的正值，代表此兩地的夜間最低溫，有趨向高於平均值且集中的表現。（圖 4-1-c）。 10.

(16) 二、1 月份一般日 v.s. 雨日臺灣冬季的降雨時常伴隨著鋒面的南下，因此北部迎風面地區，雨日最高溫的平均值會有較明顯的降幅。透過圖 4-1-d 可證明，桃園台地一帶，雨日的最高溫降幅，較其他地區更為明顯，且偏度也有較高的正值表現，代表溫度集中於平均值之下。冬季的北部地區，若有寒潮爆發時，易造成溫度急遽下滑；但若無鋒面經過，則受地表輻射加熱而使溫度上升，故 1 月份一般日及雨日的最高溫標準差，北部變異程度較南部為大，如圖 4-1-e。但透過圖 4-1-b 可知，冬季 1 月份雨日的最低溫的標準差，和一般日的表現相同，山區的變異度較平地顯著。綜上所述，1 月份的標準差，最高溫主要受緯度影響，凸顯南大於北的情形；最低溫的標準差則受地形影響，無論降雨與否，皆表現出地形放大效應的特徵，山區表現大於平地。. 三、1 月份無雨日 v.s.雨日透過圖 4-1-f 觀察，1 月份無雨日的最低溫，山區受長波輻射冷卻作用及地形放大效應影響，最低溫的平均值較雨日為低。此外，無雨日的山區易受突如其來的鋒面、雲層的影響，影響輻射冷卻，造成溫度的波動；而冬季降雨往往會持續數日，故大氣雲量、水氣反而相對較無雨日穩定，故山區最低溫的標準差，無雨日較雨日大，如圖 4-1-b。降雨對於 1 月份最高溫的平均值則無太大影響，但透過圖 4-1-a 及圖 4-1-e 觀察可發現，冬季一般日的標準差和無雨日的表現較為接近，從前文可知，無雨日的變異程度較大，有雨日的變異程度較小，由此可知冬季的降雨行為能使大氣保持較為穩定的狀態。值得一提的是，氣候基期下恆春，最低溫的平均值表現和山區相同，雨日的溫度較無雨日高。Kukla and Karl（1993）曾提出，夜間氣溫的調節關鍵在於地表的輻射冷卻，和來自於大氣的向下反輻射；後者在晴朗無雲的大氣中表現較弱，但在潮濕多雲的的大氣中表現較強。因此，低層雲系對於保持地面夜間的氣溫特別有效，且可以充分解釋夜間最低溫上升和白天最高溫下降的原因。根據上文所述，恆春位處熱帶氣候區，冬季受鋒面影響較小，導致白天溫度較北部高，降雨也較北部少，因此無雨日的夜間最低溫，輻射冷卻作用明顯；若夜間有降雨，高空雲層阻擋地表長波輻射冷卻，因而出現較無雨日高溫的現象。然而上述情形在平均值的表現上不甚明顯，但透過偏度及峰度的觀察，卻可明顯. 11.

(17) 看出恆春地區在雨日夜晚最低溫的偏度負值、峰度正值都較無雨日為大，顯示其偏向較溫度平均值高且集中的現象，如圖 4-1-g。綜上所述，單就降雨對於四階統計動量的影響觀察，臺灣氣候基期的冬季夜間降雨會帶來雲層阻擋地表長波輻射冷卻，且會進行潛熱釋放，提高山區、南部夜間最低溫的平均值，且會使標準差降低；此外，相較其他地方，夜間的降雨會使低緯度地區（如恆春），最低溫有更明顯較溫度平均值高且集中的表現。. 四、雨前一日、雨日、雨後一日表現分析臺灣位處於亞洲的季風氣候區，季節間的降水成因也不盡相同，大致可分為動力或熱力所引起的降水，因此本小節透過臺灣氣候基期，冬季降雨前後的氣溫差異，期望能藉此初步驗證冬季降水的主因。臺灣氣候基期的 1 月份，在降雨前一日至降雨後一日，其白天的最高溫以及夜間的最低溫，在平均值變化上有不同的表現。白天最高溫的平均值受緯度影響較大，北部地區冬季降雨多為北方鋒面南下所造成，且降雨後伴隨著冷空氣的到來，使北部迎風面地區最高溫回升較慢，因此降雨前後溫度降幅較南部明顯；而南部因位處於熱帶氣候區，受鋒面影響小，因此溫度較無明顯變化，如圖 4-1-h。最低溫的平均值受到地形影響較深，山區最低溫的平均值，雨日上空雲層阻卻長波輻射冷卻，反而導致山區溫度上升；而降雨後因伴隨著冷空氣的到來，最低溫的平均值開始下降。反觀平地最低溫的平均值，在降雨前至降雨後的表現上，不論緯度高低皆無明顯變化，如圖 4-1-i。透過這兩張圖，可證明白天的最高溫平均值表現主要受緯度變化影響，夜間的最低溫平均值，則表現出山區放大效應大於緯度對於溫度平均值的影響。透過圖 4-1-j 可觀察出 1 月份最高溫的標準差，在降雨前後的變化上有兩個特點，其一為北部地區降雨前後，出現標準差先降後升的表現，和前文中提及降雨可使北部的大氣保持較穩定狀態，因此在雨日最高溫的標準差，會比降雨前一日略為下降。此外，大氣向下的熱輻射反射，在晴朗的大氣中表現較弱，而臺灣北部冬季降雨後一日，取而代之的多為乾冷空氣，大氣不穩定因素較多，故標準差較降雨前一日及雨日為大。第二個特點為南部地區的變化，南部地區一月份的標準差，在雨前一日至雨後一日，有逐漸增加的表現，這和南部位處熱帶地區有關，受到冬季北方鋒面影響較小，降雨量較少，因此當出現降雨行為時，反而使大氣不穩定因素增加，因此標準差振幅較大。. 12.

(18) 氣候基期的１月份，若降水發生在夜晚，最低溫的標準差和最高溫有不同表現。前文（圖 4-1-b）曾提及，雨日及無雨日夜晚，山區因地形放大效應，使得最低溫的變異程度較平地為大，而透過圖 4-1-k 則可以看出降雨前後最低溫的標準差變化。首先，臺灣冬季 1 月份的降雨，因潛熱釋放及地表長波輻射冷卻受阻的緣故，使大氣保持較穩定的狀態，大部分地區最低溫的標準差都有下降表現，而降雨後一日因伴隨冷空氣南下，使大氣中不穩定因素增加，使得西部平原、北部地區以及山區標準差上升，而恆春地區則是因水氣量較雨日為少，因此溫度變化較雨日為大。最後再觀察偏度及峰度，1 月份在降雨前後，白天的最高溫並無太大變化，但恆春的最低溫在偏度及峰度表現上相對較為突出（圖 4-1-l）。恆春 1 月份的最低溫在降雨前，偏度有較高的負值，峰度正值則有較高的正值，顯示在降雨前的夜晚，恆春地區因有偏向較平均值高溫且集中的表現；但雨日及降雨過後，偏度開始正成長，峰度則呈現負成長，顯示降雨對於恆春地區的夜間氣溫調節上有較明顯的效果。. 五、12、2 月和 1 月比較在氣候表現上，12 月、1 月以及 2 月份的表現較為接近，因此吾人將 1 月份的表現和 12 月、2 月份進行比較，觀察其表現有何相同及不同之處，以得出在氣候基期條件下，臺灣冬季有哪些較為普遍的氣候表現。（一）一般日首先，三個月份的溫度平均值，在三個變項的表現上相同，受緯度和地形影響，北部溫度平均值低於南部，山區溫度平均值低於平地。一般日最高溫的標準差表現，同樣會凸顯緯度上差異，北部的標準差大於南部；一般日最低溫的標準差表現，12 月和 1 月相同，山區變異程度會大於平地，但 2 月份的地形放大效應就相對較不明顯，如圖 4-1-m。（二）一般日 v.s.雨日臺灣冬季 1 月份北部的迎風面地區，白天的最高溫平均值在降雨時會有下降的表現，尤其是桃園台地的偏度表現最為明顯。但透過圖 4-1-n 可知，冬季三個月份當中，12 月份的表現並不明顯，而 1、2 月份則有相同表現。. 13.

(19) 氣候基期之下的冬季 12、1、2 月份，皆呈現白天最高溫的標準差，北部地區變異程度較南部為大的情形。但前文提及的 1 月份雨日最低溫的標準差，表現出的地形放大效應，在其餘兩個月份較不明顯。（三）無雨日 v.s.雨日第 2 點提及氣候基期下的 1 月份，雨日夜間最低溫標準差和一般日一樣，受地形放大效應影響，而 12、2 月份則觀察不出；但最低溫表現上，3 個月份皆呈現山區的平均值，無雨日較雨日低(圖 4-1-f)，山區最低溫標準差，無雨日較雨日為大（圖 4-1-b）的表現；最後，冬季三個月份白天最高溫的標準差，一般日的表現都和無雨日較為接近（圖 4-1-a）。（四）雨前一日、雨日、雨後一日表現分析氣候基期之下的臺灣冬季，12、1、2 月份在降雨前後的溫度變化上有諸多相同表現。最高溫的平均值受緯度影響較深，因此在降雨時北部地區的降幅會較南部明顯（圖 4-1-h）；而最低溫的平均值，則同樣受到地形放大效應影響，山區表現會較平地明顯（圖 4-1-i）。在標準差的表現上，北部地區在降雨前後，3 個月份都會出現最高溫標準差先下降後上升的表現（圖 4-1-j），顯示出冬季白天的降雨，能讓北部地區的大氣溫度保持較穩定狀態。. 14.

(20) 圖 4-1-a. 臺灣 1 月份最高溫標準差，由左至右為一般日、雨日、無雨日。. 圖 4-1-b. 臺灣 1 月份最低溫標準差，由左至右為一般日、雨日、無雨日。. 15.

(21) 圖 4-1-c. 臺灣 1 月份一般日，左側為最低溫偏度，右側為最低溫峰度。. 圖 4-1-d. 臺灣 1 月份最高溫，上圖左為一般日平均值，右為偏度，下圖為雨日表現。. 16.

(22) 圖 4-1-e. 臺灣 1 月份最高溫，左為一般日標準差，右為雨日標準差。. 圖 4-1-f. 臺灣 1 月份最低溫，左為無雨日平均值，右為與日平均值。. 17.

(23) 圖 4-1-g. 臺灣 1 月份最低溫，上圖左為無雨日偏度，上圖右為峰度，下圖則為雨日表現。. 圖 4-1-h. 臺灣 1 月份最高溫平均值，由左至右為降雨前一日、雨日、降雨後一日。. 18.

(24) 圖 4-1-i. 臺灣 1 月份最低溫平均值，由左至右為降雨前一日、雨日、降雨後一日。. 圖 4-1-j. 臺灣１月份最高溫標準差，由左至右為降雨前一日、雨日、降雨後一日。. 圖 4-1-k. 臺灣１月份最低溫標準差，由左至右為降雨前一日、雨日、降雨後一日。. 19.

(25) 圖 4-1-l. 臺灣１月份最低溫的偏度及峰度在降雨前後的表現，上為偏度，下為峰度表現，由左至右為降雨前一日、雨日、降雨後一日。. 20.

(26) 圖 4-1-m. 臺灣冬季三個月份一般日最低溫標準差表現，由左至右依序為 12、1、 2 月份。. 圖 4-1-n. 臺灣冬季三個月份雨日最高溫偏度表現，由左至右依序為 12、1、2 月份。. 21.

(27) 第二節. 夏季（6、7、8 月）分析. 一、7 月份一般日臺灣位處於季風氣候區，影響夏季和冬季溫度的因素不盡相同。且位處於低緯度的臺灣，夏季因太陽輻射加熱緣故，全臺普遍炎熱。故從溫度平均值的三個變項可知，南北並無明顯差異，反而是山區的表現，明顯可看出溫度隨高度上升而下降，如圖 4-2-a。冬季一般日的標準差，有最高溫受緯度影響、最低溫受地形影響的特徵。和冬季不同的是，夏季一般日 7 月份的標準差，在三個變項的表現上皆無明顯的特徵，且和冬季標準差相比明顯較低，凸顯出在氣候基期的條件下，夏季七月份一般日的溫度變化，全台都相當一致，圖 4-2-b。透過偏度及峰度的觀察，氣候基期下的臺灣夏季 7 月份，白天最高溫的偏度表現較為特殊，全臺皆呈現明顯的負偏值，且除山區外，大部分峰度皆出現高度的正值，尤其是台中地區，充分顯示出在夏季時，全臺白天都有高溫集中的現象，如圖 4-2-c。二、7 月份一般日 v.s.雨日前文中提及，冬季的降雨多為鋒面所帶來的動力降雨，故位於迎風面的桃園台地一帶，最高溫會有較明顯的降溫；而夜間的降雨則會使大氣溫度較為穩定，最低溫的標準差變化較小。但觀察圖 4-2-d 可知，氣候基期下的夏季 7 月份，降雨會造成中南部地區最高溫的平均值有較明顯降幅，北部地區及北部山區表現較不顯著。觀察 7 月份標準差，受到夏季降雨多為熱力因素主導的影響，雨日最高溫的標準差，除恆春及山區外，幾乎全臺皆因降雨而上升。冬季降雨時間較長，因此對於白天的大氣溫度有保持穩定的作用；和冬季不同的是，夏季降雨多為熱力所引起，短則數十分鐘，長則數小時，因此白天的最高溫在短時間內歷經晴天、降雨及雨後的潛熱吸收等變化，溫度振幅較大；反觀夜晚的最低溫即使在雨日仍然觀察不出其變化，和夏季降雨多集中在白天相關，因此雨日的夜晚標準差仍和一般日相當，無明顯變化。此外，透過圖 4-2-e 的偏度、峰度的觀察更可看出，夏季 7 月份的雨日，北部地區以及北部山區的最高溫仍保有較高的偏度負值及峰度正值，凸顯其仍屬高溫集中的表現，但南部地區雨日的偏度負值較一般日低且峰度趨近於零，顯示降雨對於南部地區 7 月份的白天最高溫有較顯著的影響。. 22.

(28) 三、7 月份無雨日 v.s.雨日臺灣的夏季降雨多為熱對流造成，故雨日因水氣的調節作用，使全臺大氣溫度下降。因此，氣候基期下的臺灣，在夏季七月份無雨日的氣溫統計動量表現上有幾項特色。第一，臺灣位處中低緯度，夏季白天普遍炎熱，但北部地區受盆地地形以及都市熱島效應影響，白天的最高溫平均值表現較中、南部為高。第二，全臺最高溫標準差變異度不大，南部的又較北部小。第三，從無雨日最高溫及最低溫的平均值觀察，可證明夏季 7 月份全臺的溫度均高，南北差異不大，受到地形的影響較深，因此山區溫度略低，如圖 4-2-f。若將無雨日、雨日相比，7 月份的降雨會降低最高溫的平均值，同時也使標準差上升；觀察偏度，無雨日最高溫的偏度趨近於零，但是雨後一日全臺皆明顯偏向負值，配合平均值觀察，降雨雖然會使白天最高溫的平均值下降，但整體而言，雨日的最高溫卻偏度多呈負偏態表現；再配合峰度觀察，更可看出北部平地及山區的峰度正值較明顯，凸顯出該地區在降雨時會有相對高溫集中的表現，如圖 4-2-g。綜上所述，搭配冬季雨日、無雨日的表現可得出，降雨對於冬季夜間最低溫的影響較大，但對於夏季白天的最高溫影響較大。四、雨前一日、雨日、雨後一日表現分析觀察氣候基期的臺灣冬季，降雨多為鋒面所帶來的動力降雨，對於白天最高溫的影響集中在北部地區，而最低溫的影響則集中在山區的變化。但夏季的 7 月份的降雨前後變化，則和冬季的表現大不相同，透過圖 4-2-h 可看出，夏季 7 月份均溫平的均值，在降雨前除山區外，全臺普遍高溫，雨日時則同時下降，雨日後則再次回升。冬季降雨前後的表現，北部迎風面的最高溫，因鋒面南下而造成溫度持續下降（圖 4-1-h）。觀察夏季 7 月份的降雨前後表現，發現全臺的最高溫雖有下降，但大致上仍然保持高溫的表現，其中北部平地及山區最高溫的平均值，又較其他地區為高，如圖 4-2-i。透過圖 4-2-j 更可觀察出，夏季 7 月份的降雨，最高溫的偏度、峰度表現更可以證明上述情形。雨前一日，全臺普遍有較高的偏度負值，但只有北部地區呈現較高的峰度正值，南部地區的峰度表現則趨近於零。雨日的時候，僅北部平地及北部山區有較明顯的偏度負值及峰度正值表現；而雨後一日，雖然南部地區偏度負值增強，但峰度仍維持趨近於零的表現，反倒是上述的北部平地及北部山區，偏度負值及峰度正值的表現較雨日時更為強烈。 23.

(29) 透過夏季 7 月份最高溫在降雨前後的平均值、偏度以及峰度的變化表現，更可證明 7 月份的降雨和冬季的動力降雨不同，應為熱力所引起。臺灣冬季的降雨，會使最高溫的標準差出現先下降後上升的表現（參考圖 4-1-j），但在夏季 7 月份卻有不同的表現。夏季的降雨多為熱力因素引起，雲層多半在降雨當天形成，雨後則立即消散，因此夏季在降雨前一日及後一日，多為晴空萬里的天氣，最高溫標準差較小。而雨日，因熱對流致使白天雲層快速變化，降雨的潛熱吸收以及雲層阻擋的結果，造成最高溫較易產生波動，因此 7 月份雨日的最高溫標準差較大。五、6、7 月和 8 月比較（一）一般日夏季三個月份的溫度平均值，皆呈現地形的影響力大於緯度，南北無明顯溫差，但溫度隨高度上升而改變（圖略）。在標準差表現方面，7、8 月份的標準差在溫度三變項的表現中，全臺都一致偏低，而 6 月份最高溫的標準差，則有較明顯地由北向南遞減的情形，如圖 4-2-k。觀察最高溫的偏度及峰度，7、8 月份較為相同，唯獨 6 月份的除山區外，另也出現南北部的差異，南部有較明顯的溫度集中現象，北部地區雖偏向高溫表現，但峰度值卻趨近於零。（二）一般日 v.s.雨日夏季 3 個月份的雨日，7、8 月份的表現較為接近，降雨所造成的最高溫變化，以中南部降幅較明顯；但在 6 月份表現卻相反，降雨對北部平地影響較大，南部反而無明顯降溫，如圖 4-2-l。觀察標準差，也可發現 7、8 月份的表現較為接近，降雨使全臺最高溫的標準差有較明顯的提升，但 6 月份則無明顯影響。而 3 個月份的最低溫標準差，在一般日及雨日兩者間皆無太大變化，凸顯夏季降雨多發生在白天（圖略）。（三）無雨日 v.s.雨日夏季的 7、8 月的北部地區，無雨日會特別凸顯出盆地地形及都市熱島效應所帶來的影響，北部地區最高溫的平均值較高，而該表現在 6 月份的平均值表現上並不顯著，如圖 4-2-m。觀察 6 月份最高溫的偏度及峰度，北部地區較其餘地區有更高的偏度負值及峰度正值，代表該地區高溫集中的現象較為明顯，可證明夏季的北部地區受到地. 24.

(30) 形及都市化的影響下，溫度表現會高於其餘地區，也因此，往往夏季最高溫多出現在臺北市區內，如圖 4-2-n。夏季的無雨日，受到太平洋高壓影響，多為晴朗無雲的天氣，影響氣溫變化變化的因子較少，因此 3 個月份無雨日的最高溫，在標準差表現上普遍偏低，且南北差異不大。（四）雨前一日、雨日、雨後一日表現分析夏季 3 個月份在降雨前後的表現上，大致上都相當一致，值得一提的是，夏季的 3 個月份中有兩個現象值得探討，第一，6 月份無雨日以及雨前一日的最低溫，在偏度及峰度表現上，出現東部以及山區異常的表現，有較高的偏度負值及峰度正值，顯示溫度普遍高於平均值，圖 4-2-o。第二，8 月份的無雨日以及雨前一日，在東部一帶的最高溫表現較為不同，呈現較高的偏度正值以及峰度正值，代表該地區的最高溫表現普遍低於平均值，圖 4-2-p。該兩個現象目前因受限於資料不足，以及影響成因甚多，有待後續繼續探討。. 25.

(31) 圖 4-2-a. 臺灣 7 月份一般日平均值，由左至右為均溫、最高溫、最低溫。. 圖 4-2-b. 臺灣 7 月份一般日標準差，由左至右為均溫、最高溫、最低溫。. 26.

(32) 圖 4-2-c. 臺灣 7 月份一般日最低溫，左圖為偏度，右圖為峰度表現。. 圖 4-2-d. 臺灣 7 月份最高溫平均值，左圖為一般日，右圖為雨日。. 27.

(33) 圖 4-2-ｅ. 臺灣 7 月份最高溫，上方左圖為一般日偏度，右圖為一般日峰度，下方為雨日表現。. 圖 4-2-f. 臺灣 7 月份降雨前一日氣溫平均值，左圖為最高溫平均值，右圖為最低溫平均值。. 28.

(34) 圖 4-2-g. 臺灣 7 月份最高溫偏度及峰度表現，上方左圖為無雨日偏度，右圖為無雨日峰度，下方則為雨日表現。. 29.

(35) 圖 4-2-h. 臺灣 7 月份 Tavg 平均值表現，由左至右分別為降雨前一日、雨日、降雨後一日。. 圖 4-2-i. 臺灣 7 月份最高溫平均值表現，由左至右分別為降雨前一日、雨日、降雨後一日。. 30.

(36) 圖 4-2-j. 臺灣 7 月份最高溫偏度及峰度在降雨前後的變化，上方由左至右分別為降雨前一日、雨日、降雨後一日偏度表現，下方則為峰度表現。. 圖 4-2-k. 臺灣夏季最高溫標準差，由左至右分別為 6 月、7 月、8 月。. 31.

(37) 圖 4-2-l. 臺灣夏季一般日和雨日最高溫平均值表現，上方為一般日，下方為雨日，由左至右分別為 6 月、7 月、8 月。. 圖 4-2-m. 臺灣夏季無雨日最高溫平均值表現，由左至右分別為 6 月、7 月、8 月。. 32.

(38) 圖 4-2-n. 臺灣 6 月無雨日最高溫偏度及峰度表現，左圖為偏度，右圖為峰度。. 圖 4-2-o. 臺灣 6 月無雨日及降雨前一日最低溫偏度及峰度表現，上方為無雨日，下方為降雨前一日，左圖為偏度，右圖為峰度。. 33.

(39) 圖 4-2-p. 臺灣 8 月無雨日及降雨前一日最高溫偏度及峰度表現，上方為無雨日，下方為降雨前一日，左圖為偏度，右圖為峰度。. 34.

(40) 第三節. 春季（3、4、5 月）分析. 一般而言，我們視春季為冬、夏兩季的過度季節，且因從冬季轉入夏季的緣故，春季的表現應當會較接近冬季，因此在本節吾人將透過溫度的各項變化，同時觀察春季的 3 個月份表現，期望從暨有的資料中，分析季節轉換的關鍵月份，以利後續研究。一、一般日分析春季 3、4、5 月的一般日，吾人認為可以將 4 月份作為分界線；3 月份一般日的各項表現和冬季有諸多相似之處，包括北部的標準差較較南部大，迎風面一帶也有較低溫的表現。自 4 月份開始，可同時觀察到冬、夏兩季的表現；冬季一般日最高溫的平均值受緯度影響，南北溫差較大，而 4 月份則可觀察到南北溫差縮小。此外，臺中及南部地區的最高溫也有較顯著的高溫表現，顯示全臺已逐漸進入夏季的高溫時期，如圖 4-3-a。觀察圖 4-3-b 的 4 月份標準差，可知北部最高溫的標準差仍然較大，南部地區和冬季比較起來，開始明顯下降；觀察最低溫的標準差，中、南部開始明顯下降。而觀察 5 月份一般日，則更趨近於夏季表現。從上述一般日表現的觀察，可初步證明 4 月為冬、夏兩季的分界線。二、一般日 v.s.雨日冬季的降雨使北部迎風面的最高溫下滑，尤以北、桃一帶在 1、2 月份的表現最為明顯，而 3 月份仍可觀察到此現象。4 月份和夏季表現相同的是，降水使全臺最高溫平均值普遍下降，但同時也有冬季雨日的特徵，北部迎風面有較低溫的表現，如圖 4-3-a。觀察最高溫的標準差，冬季的降雨會使最高溫的標準差普遍下降，唯北部的平地及山區有較高的變異情形，在 3 月份仍有相同表現，但自 4 月份開始，降雨則使最高溫的標準差上升，如圖 4-3-c。分析圖 4-3-d，5 月份雨日最高溫的標準，和一般日相比雖然升幅較小，但和 6 月份表現相當接近，初估和 5、6 月為臺灣主要梅雨季相關，一般日的表現會受到雨日影響較大，因此兩個月份有相當接近的表現。. 35.

(41) 三、雨日 v.s.無雨日吾人觀察冬、春、夏三季，發現自 12 月起，臺灣北海岸至桃園台地一帶的最高溫，在雨日、無雨日的兩種情境下，平均值皆較其餘地區為低；且就偏度及峰度的表現上，也多可觀察到雨日低於平均值且集中的情形（或相較之下為低溫表現），證明了臺灣冬季受北方鋒面影響，尤其是雨日多為鋒面南下所帶來的動力降雨，因而造成迎風面的溫度下降。上述表現一直持續到 3 月份皆為如此。相反的，自 4 月份開始該表現已不顯著，顯示 4 月份溫度受到北方鋒面影響開始減弱，而從 5 月份開始已觀察不到此現象，間接證明了 5 月份的主要降水，已非北方鋒面所主導的動力降水。四、雨前一日、雨日、雨後一日表現分析冬季和夏季降雨的前後表現不同，冬季的降雨主要影響北部地區，夏季的降雨影響範圍則是全臺。然而在春季的降雨前後表現上，則可同時觀察到兩種現象的發生。以最高溫變化為例，3、4 月最高溫的平均值仍可觀察到北部地區的雨日，北部迎風面的降溫情形較其他地區明顯（類冬季型態），但同時全臺也一起出現降溫情形（類夏季型態），如圖 4-3-e。因此初步可推估，該兩個月份的降雨，同時有鋒面帶來的動力降水，以及熱力因素所引起的降水。上述情形和我們傳統二十四節氣當中的「驚蜇」不謀而合，也即證明 3 月份開始，降雨不再是鋒面南下造成的動力降水所主導，因此降溫範圍也不再只局限於北部地區。且自 5 月份開始，降雨不再單使北部地區的最高溫有明顯的降溫，代表 5 月份開始的降雨，不再有（或極少）鋒面南下的動力降水。此外，觀察冬季雨後一日最高溫的標準差，普遍有上升的表現，從 3 月份開始則是下降的表現，如圖 4-3-f。其中又以 5 月份的表現較為顯著，且雨前一日及雨後一日的標準差表現相當，這和夏季的表現較為接近。因此，從 5 月份平均值及標準差的表現上，更可顯示其降水多為熱力因素所導致。. 36.

(42) 圖 4-3-a. 臺灣 4 月份最高溫平均值，左圖為一般日，右圖為雨日。. 圖 4-3-b. 臺灣 4 月份雨日標準差，左圖為白天最高溫，右圖為夜晚最低溫。. 圖 4-3-c. 臺灣 4 月份最高溫標準差，左圖為一般日，右圖為雨日。. 37.

(43) 圖 4-3-d. 臺灣 5、6 月份最高溫標準差，在一般日及雨日的表現，左圖為一般日，右圖為雨日。. 38.

(44) 圖 4-3-e. 臺灣 3、4 月份最高溫平均值降雨前後變化，上方為 3 月份、下方為 4 月份，由左至右依序為降雨前一日、雨日、降雨後一日。. 圖 4-3-f. 臺灣 5 月份最高溫標準差表現，由左至右分別為降雨前一日、雨日、降雨後一日。. 39.

(45) 第四節. 秋季（9、10、11 月）分析. 秋季，是由夏季入冬的過度季節，「秋高氣爽」是形容秋天的氣溫變化，意指秋季白天時常晴朗無雲，因此增溫快，同時夜晚輻射散熱也快，但又未達冬季般低溫，故讓人感到舒爽。因此，在本節將透過各項條件觀察，同時分析氣候基期下的 9、10、11 月，在溫度上變化的特徵，是否和上述情形相同，以及季節轉換的關鍵月份。一、一般日透過觀察秋季 9、10、11 月份的表現，再搭配夏季 8 月份以及冬季 12 月份連續 5 個月的觀察發現，以 10 月份為一分界線，在溫度的平均值表現上有相當程度的降幅，尤其在最高溫表現上最為明顯。 9 月份最高溫的平均值除山區外，南北普遍仍有 32 度以上的表現，但從 10 月份開始，北部地區直接下滑至 26~28 度，中南部仍維持在 28~30 度的表現，如圖 4-4-a。觀察標準差分布，夏季因全島炎熱，溫度變化不大，尤以 7、8 月份的標準差，在溫度的三變項下的表現都較低。而 9 月份的標準差表現和 6 月份較為接近，白天的最高溫開始出現南北上的差異，日均溫、最低溫的表現上則普遍偏低。自 10 月份開始，則凸顯南北的差異，和臺灣的東北季風多起始於十月上旬的時間點不謀而合。因此，自 10 月開始，北部地區受到東北季風的影響，在溫度變化上會較南部明顯，如圖 4-4-b。在偏度及峰度的表現上，9、10 月份可觀察到「秋老虎」的氣候現象所造成的影響。9 月份時全臺仍普遍高溫，從最高溫的平均值表現上無法觀察到其中差異，而在偏度及峰度表現上，卻凸顯臺中、臺南一帶有明顯偏向高溫集中的現象，尤以臺中最為顯著，且在最低溫的表現上仍然相當強烈，凸顯了 9 月份的秋老虎帶來的高溫沉降，遠大於夜間的長波輻射冷卻，如圖 4-4-c。 10 月份的秋老虎現象，在白天的最高溫表現上已南移至臺南一帶，且就平均值、偏度及峰度皆凸顯出該表現，但 10 月份的夜間，長波輻射冷卻便大於秋老虎所帶來的高溫沉降，因此最低溫的偏度及峰度表現上，全臺較為一致，如圖 4-4-d。二、一般日 v.s.雨日在雨日表現上，9 月份的表現和夏季較為雷同，降雨使部分地區最高溫的平均值下降，同時標準差也普遍上升。自 10 月份開始，雨日和冬季表現相同，使 40.

(46) 北部最高溫的平均值降幅大於其餘地區，且標準差下降，並凸顯北部迎風面地區的低溫表現。上述表現顯示自 10 月起，臺灣受到北方鋒面影響而降雨的情形增加，觀察偏度也發現桃園台地一帶的迎風地區，雨日有較明顯的正偏值，如圖 4-4-e。而觀察圖 4-4-f，11 月份最高溫的標準差表現最接近冬季，雨日最高溫的標準差有下降表現。值得一提的是，觀察圖 4-4-g，10 月份雨日最低溫的偏度及峰度，在西部地區有較高的偏度負值及峰度正值，顯示該地區在雨日夜晚的溫度多高於平均值，但在本研究中，因判斷資料不足等研究限制，無法判定確切影響因素，有待未來進行深入探究。三、雨日 v.s.無雨日前文提及的秋老虎現象，在無雨日的最高溫也可觀察到相同表現，且 9 月份同樣以臺中的表現最顯著。透過一般日及無雨日的平均值比較，發現無雨日的表現最為明顯，且最低溫同樣因白天的高溫沉降作用大於夜間的長波輻射冷卻，因此即使到了夜晚仍呈現左偏態的集中現象。 10 月份時，秋老虎現象則南移至臺南，且其溫度集中現象又較一般日顯著；但最低溫受到長波輻射冷卻作用大於白天的高溫沉降的影響，而沒有溫度集中的情形（圖略）。四、降雨前一日、雨日、降雨後一日表現分析夏季的降雨行為，可使全臺最高溫普遍下降，降雨後一日再次回溫；冬季的降雨行為則影響北部為主，且雨後一日北部迎風面會持續降溫；因此在秋季的降雨前後表現觀察中，吾人認為 10 月份是一個分界線。 9 月的降雨前後最高溫的平均值，全臺普遍先降後升，和夏季表現相同；但觀察圖 4-4-h，10 月份開始的降雨，雖能使全臺最高溫的平均值普遍下降，但同時北部迎風面的偏度也特別凸顯出左偏（低溫表現）的情形，參考圖 4-4-e，且雨後一日，僅部分地區回溫，尤以北部地區回溫有限，雖然最高溫的平均值仍有 26℃以上的表現，但桃園台地一帶，已有冬季受鋒面影響而出現較低溫的表現。觀察最高溫的標準差，發現 10 月份依然同時擁有夏季及冬季的特徵。在降雨前後，大致可分成南北兩部分，中、南部地區最高溫的標準差出現先升後降的夏季表現，而北部地區在降雨時並無太大改變，但雨後卻出現標準差上升的冬季表現，如圖 4-4-i。上述表現，和臺灣的東北季風大致上從 10 月初開始影響臺 41.

(47) 灣的時間點相符合，由此可推估，10 月份開始臺灣北部的降雨，動力降雨比例應當會大於熱力降雨，因此才會較接近冬季的表現。最後，前文提及的秋老虎現象，在降雨後的白天最高溫有更強的表現，由於 9 月份的全臺以及 10 月份的南部地區，降雨仍以夏季型態的熱力降雨為主，雨後的大氣懸浮微粒因洗刷作用減少，反而更可強化白天的太陽短波入射，因此雨後一日往往更可觀察到部分地區的高溫集中現象，如圖 4-4-j。綜上所述，秋季為夏、冬兩季的轉換季節，因此可同時觀察到兩季節的溫度變化特徵，當中 9 月份的表現比較接近夏季，11 月份和冬季較雷同。而就吾人觀察，10 月份則同時擁有兩季的表現，大致上北部表現較趨近於冬季，南部則和夏季較為類似，因此將 10 月訂為季節轉換分界線。. 42.

(48) 圖 4-4-a. 臺灣 9、10 月份最高溫平均值，左圖 9 月，右圖為 10 月表現。. 43.

(49) 圖 4-4-b. 臺灣 10 月份一般日標準差，由左至右分別為均溫、最高溫、最低溫。. 圖 4-4-c. 臺灣 9 月份一般日最高溫及最低溫在偏度、峰度的表現，上方左圖為最高溫偏度，右圖為峰度，下方為最低溫表現。. 44.

(50) 圖 4-4-d. 臺灣 10 月份一般日最高溫及最低溫在偏度、峰度的表現，上方左圖為最高溫偏度，右圖為峰度，下方為最低溫表現。. 圖 4-4-e. 臺灣 10 月份雨日最高溫的三個統計動量表現，由左至右依序為平均值、標準差、偏度. 45.

(51) 圖 4-4-f. 臺灣 10 月份最高溫的標準差在一般日（左）及雨日（右）的表現。. 圖 4-4-g. 臺灣 10 月份雨日最低溫在偏度（左）及峰度（右）表現。. 圖 4-4-h. 臺灣 10 月份雨日最高溫平均值在一般日（左）及雨日（右）表現。. 46.

(52) 圖 4-4-i. 臺灣 10 月份最高溫標準差在降雨前後表現，由左至右為降雨前一日、雨日、降雨後一日。. 圖 4-4-j. 臺灣 10 月份在降雨後一日最高溫及最低溫在偏度、峰度的表現，上方左圖為最高溫偏度，右圖為峰度，下方為最低溫表現。. 47.

(53) 第五章. 長期趨勢（1897-2014）. 透過氣候基期的探討，本研究對於臺灣氣候的基礎樣貌有初步的了解。在本章節，吾人將各個測站，自設站日至 2014 年的資料，以 11 年為一單位（排除太陽黑子週期的影響），計算其四階統計動量的長期趨勢（℃/100yr）的變化，並用拔靴法檢測其是否通過 90％（*）、95％以（**）及 99％（***）的信賴區間，最後再以 NCL 將圖片繪製出來，且將降水納入影響氣候變遷的條件中，分成一般日、雨日、無雨日、雨前一日，以及雨後一日，接下來先以一般日、雨日、無雨日為一組，再以雨前一日、雨日及雨後一日為一組，並同樣依照冬、夏、春、秋的順序進行探討。第一節. 冬季（12、1、2 月）結果分析. 在氣候基期的章節裡，可知季風氣候區的臺灣，溫度主要受緯度、季風以及地形所影響，冬季影響臺灣氣候最深的因素為東北季風，為北方南下的鋒面系統，該鋒面常使北部及東北部迎風地區呈現陰雨綿綿的現象，而中南部地區因位處背風面，以及受到南方鋒面系統的影響，在表現上會和迎風地區有所不同。（一）一般日、雨日、無雨日. a、平均值綜觀而言，不論是一般日、雨日還是無雨日，臺灣冬季日均溫的平均值呈現上升的趨勢，且受到緯度的影響，北部的測站（如臺北、花蓮）的升幅較高；南部的測站（如臺東、恆春）幅則較少，凸顯了暖化對於緯度相對較高的地區，有較顯著的影響，如圖 5-1-a。最高溫的平均值長期趨勢表現，以 12、1 月份表現較類似，阿里山、澎湖測站變化最明顯。Kukla and Karl（1993）的研究中指出，全球暖化可能使陸地上的雲量增加，阻擋太陽向下短波輻射，使最高溫下降；在本研究的長期趨勢中，也有相同的表現，且在地形放大效應的加乘下，山區的日溫差有更顯著的降幅，因此阿里山測站的降溫表現較明顯。而澎湖受地理因素影響，不易攔截水氣致使雲量較少，太陽短波入射較強，在長期趨勢表現上便凸顯了暖化作用對於最高溫的影響，如圖 5-1-b。自 2 月份開始，各地溫度開始有較明顯的升幅，而山區放大效應的情形則減弱（和氣候基期表現一致）。最低溫的長期趨勢升幅較最高溫更為明顯，且北部表現又高於南部。此外，阿里山的升幅最高，澎湖及恆春表現較低。北部地區冬季雲量較多，夜間輻射冷卻受到抑制，溫度得以保留，升幅較高；冬季的澎湖及恆春地區夜間雲量較少，輻射冷卻作用明顯，故最低溫升幅較小，如圖 5-1-c。 48.

(54) 臺灣冬季的雨日，受到季風及地形因素的影響而有地區性的差異，分成乾、濕季兩種表現，臺中、臺南、恆春因位處東北季風的背風沉降區、澎湖因地勢低平而降雨天數少，樣本數不足的情況下，使用拔靴法便不易發現其統計顯著性。而迎風面的臺北、花蓮，以及阿里山測站，通過檢驗的比例較高，充分表現了冬季的降雨分布特徵。冬季最低溫的長期趨勢，大都有 95%以上統計顯著性，且普遍有 1℃/100yr 以上的升幅，其中阿里山測站，受到地形放大效應的影響使升幅較高。阿里山資料長度不如其他測站，但因遠離市區能受人類活動影響較小，因此最低溫長期趨勢有較大升幅的原因，理應和雲量的增加有關。而北部地區的雨日夜間雲量較多，輻射冷卻受到抑制，中南部地區夜間雲量較少，加強了輻射冷卻作用，因此隨著緯度的降低，雨日的最低溫上升幅度也跟著減弱。無雨日的最高溫，以澎湖、臺南、恆春等地區有較高的統計顯著性，北部冬季雨日較多，造成無雨日的資料量不足，難以進行統計檢定。此外，阿里山測站的表現較為特殊，12 月份的無雨日最高溫長期趨勢降幅較高，而 1 月份降幅趨緩，使得 12 月和 1 月份最高溫的溫差減少，如圖 5-1-d。臺灣測站最低溫升幅皆較最高溫為大，且幾乎通過統計檢定。在 Kukla and Karl（1993）的研究中指出，1950 年代以來，最低溫的升幅高達最高溫的 3 倍之多，而最低溫的高度上升，代表百年來夜間的輻射冷卻作用逐漸減弱，影響因素主要為二氧化碳的增加，以及雲量的增加，因此吾人就兩個方向來探討，都市發展（以澎湖為例）以及暖化造成的雲量增加（以阿里山為例）。 IPCC 的報告中指出，受到 1950 年代開始的工業活動、都市發展影響，全球溫度有較大幅度的變化；而臺灣約在 1970 年代左右開始快速發展，也造成的空氣懸浮微粒增加，而大氣中的懸浮微粒，可能使白天太陽短波入射受阻，減緩白天最高溫的上升，也可能降低夜間輻射冷卻作用，導致夜晚最低溫上升，因此臺灣的測站在 1970 年代左右，長期趨勢開始有明顯的變化，如圖 5-1-c。劉紹臣（2002）研究指出，澎湖和恆春是個乾淨的測站，透過環保署 70 多個監測站的紀錄顯示，恆春觀測到的 PM10 濃度最低；而透過衛星大氣光學深度（AOD）數據的分析顯示，澎湖僅夏季會受到微弱的臺灣汙染物質影響，因此兩者溫度變化受都市發展的影響較小。上述結果，加上兩者冬季雲量較少的特性，使得太陽短波入射的增溫效果顯著，因此最高溫的升幅較本島高；而相對的晴朗環境也使夜間輻射冷卻強烈，可能是造成百年來，最低溫升幅不如高度發展地區的緣故，如圖 5-1-c。阿里山測站在一般日、雨日及無雨日三種情境下的夜間最低溫，皆有大幅度的成長。吾人認為阿里山海拔高度較高，地理位置遠離都市，受人類活動影響較小，影響輻射冷卻理應為水氣量的變化；Kukla and Karl（1993）指出，全球暖 49.

(55) 化可能會改變海洋與大氣的環流模式，並導致陸地上雲量的增加，使夜間輻射冷卻作用減弱，該研究分析庇里牛斯山的數據發現，雲量的增加和日溫差的減少，在統計學上有顯著的相關性。Shu-Ping WENG（2010）的研究也指出，冬季高緯度地區夜間的最低溫增長幅度較高，該情形也表現在山區測站，且山區測站（C 型測站）的最高溫出現下降的表現。由圖 5-1-c 可知，若單就阿里山溫度平均值觀察，雨日水氣量較充足，阻擋夜間輻射冷卻，因此最低溫的平均值較無雨日為高；但就長期趨勢觀察，可發現無雨日的升幅較雨日為高，極可能受到暖化影響，使無雨日的雲量增加，並縮小和雨日的雲量差異，削弱了輻射冷卻作用，使最低溫長期趨勢增長速度大於雨日。此外，阿里山無雨日的最高溫降幅也較其餘地區高，代表太陽短波入射受到影響，也可能因雲量的增加所致。因此，阿里山測站的長期趨勢上，不論是最高溫，或是最低溫的表現，都間接證實雲量在百年變化上有增加趨勢。. b、標準差透過平均值的觀察，大致可知臺灣在這一百多年來，不論是一般日、雨日還是無雨日，日均溫皆持續上升，且升幅和緯度成正比，而南北降雨型態的不同，在雨日的表現上也會有所差異。但是在標準差、偏度及峰度的表現上，通過拔靴法檢定的比例較少。整體而言，臺灣冬季均溫的標準差並無太大幅度的變化，但就通過檢定的部分進行觀察，12 月、2 月均溫的標準差長期表現有增加趨勢；觀察最高溫的標準差長期趨勢則發現，12 月、2 月多為增長表現，1 月份則為下降表現。山區的標準差不論通過檢定與否，長期趨勢皆為下降表現。吾人同樣以澎湖及阿里山進行觀察，澎湖最高溫的標準差長期趨勢為上升表現，主因是乾季的澎湖受東北季風影響，冬季較為寒冷，但暖化作用干擾了澎湖的低溫環境，造成溫度上的波動，故標準差上升，如圖 5-1-e。阿里山無雨日標準差，長期趨勢有減少的表現，同樣和水氣大氣中的水氣量增加有關，雲量的增加，對於短波入射增溫以及長波輻射冷卻造成影響，使山區白天溫度不易增溫，夜晚溫度不易散失，標準差下降，如圖 5-1-f。. c、偏度前文平均值的長期趨勢分析曾提及，2 月份開始溫度有較大的升幅，吾人認為全球暖化有可能使得冬天減少，春季提早發生，因此在均溫的偏度表現上可看 50.