臺灣梅雨期間降水之時空分析

全文

(1)國立臺灣師範大學地理學系第十六屆地理教學碩士在職專班論文. 臺灣梅雨期間降水之時空分析 Time and Space Analysis of Rainfall during the Meiyu season in Taiwan. 指導教授：翁叔平研究生：葉俊佑. 中華民國一○七年四月.

(2) 摘要本研究從綜觀氣候分類角度，將台灣梅雨季期間梅雨鋒面降水的空間分佈進行分類。資料以涵蓋 1960-2016 年的 1km 解析度日降水網格資料庫和經過標準化後的 Zscore 全台測站日降水資料庫為基礎。首先定義梅雨日和梅雨事件的日降雨門檻進行篩選，篩選出符合門檻的降雨日，接著使用經驗正交函數和旋轉經驗正交函數，分類出六種降水空間型態分佈 (spatial pattern)，包括西南沿海地區為主、北部地區為主、西部沿海地區為主、中央山脈山區為主、東部沿海地區為主和西北部地區為主。將六種空間分佈型態分別對應的降雨日日雨量進行平均，得到六個空間型態分佈的實際降水平均分佈。利用歐洲中期天氣預報中心之重分析環流資料與空間型態的實際降水分佈做組合分析，分析出與六種空間型態分佈耦合的大尺度環流距平場，包括氣壓距平場、垂直速度距平場和流線距平場的發展特徵，以了解六種降水空間分佈型態的大尺度環流狀態。將六種空間分佈型態進行長期趨勢分析，以觀察六種降水間分佈型態的頻率和強度有無趨勢變化，並以拔靴法進行檢定。發現在頻率變化上，空間型態 3（西部沿海地區為主）-1.94 次、空間型態 4（中央山脈山區為主）-6.4 次和空間型態 5（東部沿海地區為主）-2.57 次的百年趨勢;在強度變化上，空間型態 4（中央山脈山區為主）有 29.42mm 增強的百年趨勢，以及所有空間分佈型態未分類前的梅雨事件有 11.71mm 增強的百年趨勢。關鍵詞：梅雨、綜觀氣候分類、旋轉經驗正交函數、趨勢分析. i.

(3) . Abstract From the perspective of climate classification, this study classifies the spatial distribution of rainfall in the Meiyu front during the rainy season in Taiwan. The data are based on the 1km resolution daily rainfall grid database from 1960-2016 and the daily rainfall database from the standardized Z-score stations all over Taiwan. First, the daily rainfall totals of the Meiyu days and Meiyu events are defined to select the rainy days that meet the amounts. Empirical orthogonal functions and rotating empirical orthogonal functions are then used to classify these Meiyu days into six rainfall spatial patterns, including the coastal areas in the southwest, the sections in the north, the western coastal areas, the mountainous areas in Central Mountain Range, the eastern coastal areas and the northwestern regions. The average daily rainfall distributions of the six spatial distribution patterns are averaged to obtain the average rainfall distribution of the six spatial distribution patterns. Based on the analysis of the circulation data and the rainfall distribution of spatial patterns using the European Reanalysis-Interim (ERA-Interim) of European centre for Medium-Range Weather Forecasts (ECMWF), the large-scale circulation anomaly fields coupled with the six spatial distributions are analyzed, including the pressure anomaly field, vertical velocity anomaly field, and the development characteristics of the streamlined anomalous field. These analyses are utilized to detect the large-scale circulation state of the six rainfall spatial patterns. The long-term trend of identified spatial distribution patterns are also analyzed to detect their possible frequency and intensity changes based on the bootstrap method. For the frequency changes, it is found that the spatial patterns 3, 4 and 5, mainly located in the western coastal areas, the Central Mountains Range and eastern coastal areas individually, showed a -1.94/100-yr, -6.4/100-yr and -2.57/100-yr reduction, respectively. As for the intensity changes, the spatial pattern 4 (i.e. Central Mountain Range) has a significant 29.42mm/100-yr rising trend, and all (i.e. the unsorted) spatial distribution patterns Meiyu events have an 11.71mm/100-yr rising trend. Keywords: Meiyu, synoptic climate classification, rotated empirical orthogonal function, trend analysis ii.

(4) 目錄摘要/Abstract………………………………………………………i/ii 目錄……………………………………………………………………iii 第一章. 緒論……………………………………………………………1. 1-1 前言………………………………………………………………1 1-2 研究動機…………………………………………………………2 1-3 研究目的…………………………………………………………2 1-4 文獻回顧…………………………………………………………2 第二章. 資料來源與研究方法…………………………………………6. 2-1 資料處理…………………………………………………………6 2-2 梅雨日、梅雨事件定義…………………………………………6 2-3 分析方法與統計…………………………………………………7 第三章. 梅雨日、梅雨事件特徵………………………………………11. 3-1 空間型態分佈 …………………………………………………11 3-2 時間頻率分佈 …………………………………………………12 3-3 耦合之大尺度環流距平場 ……………………………………15 第四章長期趨勢分析…………………………………………………42 4-1 頻率變化 ………………………………………………………42 4-2 強度變化 ………………………………………………………43 第五章結論……………………………………………………………56 參考文獻 ………………………………………………………………58. iii.

(5) 第一章緒論. 1-1 前言梅雨是東亞地區特有的氣候現象。主要發生於臺灣、日本與華南地區的春末夏初，此時剛好是長江中、下游一帶黃梅成熟季節，因而稱為「梅雨」（Mei-yu、 plum rains）；日本人稱為「Baiu」，韓國則稱「Chang-Mai」。因為梅雨期降水雨量多且常連續多天，多天的雨日常使得物品容易發霉，也稱為「霉雨」（mold rains） (陳正改，1998)。梅雨鋒面系統會伴隨旺盛的對流，造成短時間內降水多而容易產生災害。以臺灣地區為例，梅雨季的豪大雨是僅次颱風的第二大氣象災害，對民眾生活影響很大(涂,余,周，2003)。梅雨鋒面產生原因是，春末夏初(5-6 月)冷暖季節交替之際，大陸冷高壓強度逐漸減弱，冷高壓範圍逐漸往北消退，同時，太平洋副熱帶高壓強度則逐漸增強，並往西太平洋伸展，使南海及孟加拉灣溫暖潮濕的氣流北上，與北方南下的大陸冷氣團交會。當兩股勢力相當，常在臺灣及華南一帶僵持不下，因而形成滯留的鋒面，即為梅雨鋒面由於鋒面帶上常有低氣壓擾動，加上北上的暖溼西南氣流提供水氣來源，特別容易產生連日陰雨，甚至是豪大雨。隨著太平洋高壓強度逐漸增強，大陸冷高壓不斷減弱，梅雨鋒面便逐漸往北移。從民國 83 年起，氣象局將 5、6 月訂為臺灣梅雨季，臺灣地區梅雨季的平均降水量約占全年總降水量的五分之一，是僅次於颱風的第二大水源，顯示對臺灣水資源的重要性。該時期的降水量，對於冬春季相對較乾的中南部地區更為重要，它可舒緩中南部地區冬春季少雨的乾旱現象，使水庫得以蓄水，也使農作物獲得灌溉水源，直到颱風季的到來。但梅雨季的降水量強度也至關重要，連續多天的降雨甚至更大強度的豪大雨，多則造成農業損失和水患，少則造成缺水乾旱。由於梅雨對臺灣的農業和經濟影響甚大，為了瞭解梅雨鋒面系統的結構，行政院國科會於民國 72-82 年進行「臺灣地區中尺度實驗計畫」(簡稱 TAMEX)，此計畫相關研究讓學界更全面了解梅雨期間的中尺度系統，有助於建置氣象預報作業和提供氣象災害防治的預警作業。. 1.

(6) 而關於梅雨期間中尺度系統的研究在 TAMEX 後，民國 82 年有「華南及台海地區中尺度實驗」(簡稱 HUAMEX)，研究華南及臺灣地區梅雨季的豪雨現象。民國 90 年則進行了「綠島實驗計畫」，以了解臺灣的地形對梅雨鋒面及中尺度對流系統的影響。顯示氣象界對梅雨鋒面中尺度系統的研究不曾中斷過，梅雨對於臺灣的經濟、農業和水資源的重要性可見一斑. 1-2 研究動機梅雨對人民生活息息相關，是一年水資源重要來源，臺灣地區梅雨季的平均降水量約占全年總降水量的五分之一，是僅次於颱風的第二大水源。並且國科會也於 1978 年宣布將梅雨列為臺灣地區四大災變天氣之一，可見梅雨季降水既重要但也具致災性。因此，氣象界對梅雨的相關研究不曾間斷過，包括梅雨的形成機制、鋒面結構、動力機制等，但過去研究是以梅雨鋒面個案進行研究，未從綜觀氣候分類的角度進行分析。本研究利用 TCCIP 計畫產製的高解析度日降雨網格化資料庫(1km*1km)，配合從 1960 年至 2016 年長時間資料，以較細緻的空間資料和較長期的時間資料進行組合分析。. 1-3 研究目的本研究採用 TCCIP 計劃產製的高解析度日降水網格化資料，比起以往的測站資料可以分析出更細緻的雨量空間分佈。除了能驗證日降水網格資料庫的忠誠度外，期望利用高解析度且時間長度夠長的降水資料，能分析出臺灣在梅雨季期間降水空間型態分佈，以及空間型態分佈有無變化趨勢。根據上述說明，本研究主要針對臺灣 1960 至 2016 年的日降水網格資料進行分析，主要目的如下：一、驗證日降水網格資料庫的忠誠度二、1960-2016 年臺灣梅雨季的降水空間型態分類三、臺灣梅雨季不同的降水空間型態的長期趨勢（包括頻率、強度）. 1-4 文獻回顧 (一)梅雨鋒面. 關於梅雨鋒的位置和生命週期研究，Chen(1988)利用 1975-1986 年華南與臺灣地區梅雨季期間 1°*1°經緯度網格與每 12 小時的時空解析度資料分析，發. 2.

(7) 現根據長期平均(29 年)，梅雨鋒的位置幾呈東西走向，由日本南方海面延伸至華南地區。Chen(2004)分析東亞與南海地區 850hPa 風場與渦度場，顯示 5 月中至 6 月中梅雨鋒面在 30°N 以南之華南滯留，隨後於 6 月中至 7 月中梅雨鋒面移至 30°N 以北。華南/臺灣地區梅雨鋒的週期約為 8 天。梅雨鋒的結構方面，Chen(2004)分析華南/臺灣地區梅雨季時 850hPa 梅雨鋒位於 1000hPa 梅雨鋒北側，顯示梅雨系統於 5 月中至 6 月中屬於斜壓性質。6 月中至 7 月中梅雨鋒北移至長江流域後，梅雨鋒面系統斜壓性減弱。而梅雨鋒面發展移動過程中，皆伴隨西南季風氣流提供水氣。此外，Chen and Chi(1980)分析梅雨鋒有兩大主要鋒生區，一位於 40°N 以北之中緯度極鋒鋒生區，另一位於 35°N 以南之副熱帶梅雨鋒鋒生區。陳與紀(1978)利用單站探空資料分析發現，梅雨鋒在北臺灣與南臺灣均有兩個垂直次環流，分別位在鋒前與鋒後。而當梅雨鋒面接近臺灣後，發現鋒面會受地形影響，中央山脈會使鋒面分成東西兩段，西段為華南、臺灣地區，東段為日本、黃海地區(陳 1978)，Chen and Chang(1980)進一步分析梅雨鋒面東西段結構上的差異，發現西段性質較相似熱帶系統、分布比較淺、溫度梯度比較弱、屬於暖心系統且沒有垂直傾斜的現象；東段則比較像中緯度斜壓系統，具有比較強的溫度梯度、屬於冷心系統垂直傾斜於整個對流層。而以移動速度而言，東段移動速度比西段快。從大尺度環流場觀察，王(2015)以 2008-2015 年 5-6 月梅雨時期的案例，將梅雨季分成前期(5/15)、中期(6/1-6/15)、後期(6/16-6/30)，前期主要由北方冷高壓主導大尺度環流場，臺灣和華南地區以東北季風為主，鋒面常駐在臺灣西南部外海海域，平均溫度低，隨著進入中期，冷高壓減弱北退，西太平洋高壓逐漸發展增強向西伸展，環境風場轉為西南風，鋒面位置北移到臺灣的西北部外海海域，平均溫度上升，至後期臺灣受到西太平洋高壓影響，低層風場轉為南風，梅雨鋒面持續移動到長江流域。 (二)全球氣候變遷. 政府間氣候變遷專門委員會(Intergovernmental Panel on Climate Change,IPCC)第四次評估報告(2007)指出過去 100 年與未來 100 年在暖化效應持續的衝擊影響。過去 100 年全球平均溫度上升 0.74°C，並加速增溫，乾旱及豪大雨等極端氣候發生的強度與頻率增加。在 2007 年以後的研究發現全球總降水量在增加，另一方面，全球強降水的強度和頻率也有逐漸增加的趨勢，並且偏向雨季越濕、乾季越乾。根據推估結果，全球平均降水量隨時間增加的趨勢，代表全球水循環增強。根據 TCCIP 臺灣氣候變遷科學報告(2011)指出，根據推估極端日降雨量在本世紀末，除了在副熱帶少雨區外，幾乎所有的地區都是增加的，中. 3.

(8) 高緯度的增加平均為 10-20%，赤道鄰近地區則超過 30%以上。由於降雨型態改變，IPCC 第四次報告指出，在熱帶及亞熱帶地區乾旱發生頻率有增多且增強的趨勢。透過全球乾濕季的降雨變化分析，降雨在雨季增加，乾季的降雨在減少，意味著降雨季節差異更加明顯，降雨兩極化現象在乾濕季分明的地區會更加明顯。 (三)臺灣的氣候變遷. 臺灣氣候濕潤，根據中央氣象局於 2009 年統計資料顯示降雨量在平地約 2221mm，山區 3858mm。以全島來看豐水期(5 至 10 月)雨量略減，枯水期(11 至次年 4 月)雨量略增(汪 2006)。若以分區來看，則北部的雨量有增多趨勢(柳等 2008)，西南部和東部都有減少趨勢(柳等 2008)。根據 TCCIP 臺灣氣候變遷科學報告(2011)，臺灣地區大豪雨(24 小時累積雨量超過 500mm)日數在近 50 年和近 30 年有明顯增多的趨勢，存在著大約 50-60 年週期的年代際變化現象。臺灣小雨日數則大幅度減少，以百年趨勢為每 10 年減少 2 天，近 30 年為每 10 年減少 4 天。以分析全台 6 個測站(台北、台中、恆春、宜蘭、花蓮、台東)的連續不降雨日過去百年來一致的增加，而降雨日數方面，各地區有普遍一致減少的趨勢。近 30 年，恆春和花蓮的極端偏乾事件發生機率高於其他時期。若未來依 IPCC 報告所預估全球乾濕季會更加明顯的話，對於臺灣北部春冬季的枯水期供水將有所影響。以氣候災害角度而言，臺灣屬於高災害風險區域，並且臺灣也與國際趨勢一致，災害特性以水文氣象災害為主。根據災害統計，臺灣的災害次數增加且災害特性改變，近年來多屬複合型災害為主，且災害程度也加劇。加劇的原因皆與極端氣候事件增加以及環境變遷有關。資料顯示，近年重大洪水災害與極端降水有關，包括短延時降雨強度(1-6 小時)和長延時降雨強度（超過 48 小時），在近 10 年(2000-2009)有增加的趨勢。此外臺灣近年災害程度加劇，環境變遷也是重要因素，包括山區的過度開發與建設、都市化與經濟發展需求..等，都會導致災害更加嚴重由上述幾篇文獻臺灣的降雨型態正在變遷，也符合 IPCC 和 TCCIP 的報告結果，顯示雨季越濕乾季越乾的降雨兩極化特徵。因此，本研究以梅雨季的極端降雨為主，欲了解梅雨季降雨量空間分布，及其耦合的大尺度環流場。 (四)綜觀氣候分類研究. 4.

(9) 綜觀氣候研究旨在蒐集氣候現象的時間和空間資料，將交互影響的時空因素進行分析。依選定區域內的長時間的空間資料進行組合分析，使用經驗正交函數分析方法(empirical orthogonal function,EOF)得到選定區域內的時間、空間訊號並分析新的因數，這些新的因數即為此段時間內空間中的氣候類型。如 Kostopoulou and Jones(2007)以 5°-35°E,25°-55°N 為範圍的網格資料庫 (橫縱軸皆為 13 格，共 169 格網格)，以 1958-2000 年時間資料進行組合分析，以旋轉經驗正交函數分析方法，分析東地中海海域的海平面氣壓場，歸類出各季節的主要海平面氣壓分布類型。而 Esteban,Martin-Vide and Mases(2006)以 30°N-60°N,30°W-15°E 為範圍的網格資料庫(共 257 格網格)，以 1960-2001 年時間資料進行組合分析，以旋轉經驗正交函數分析方法，分析西歐地區海平面氣壓場，歸類出海平面氣壓分布類型，並與 500hPa 重力位高度場進行組合分析。 Bettolli,Penalba and Vargas(2009)則以介於-28°- -38°S,-56°- -66°W 範圍內的五個測站資料，以 1979-2001 年時間資料進行組合分析，以經驗正交函數分析方法，分析阿根廷彭巴草原地區 1000hPa 和 500hPa 氣壓場的天氣型態。因此，可知綜觀氣候研究上，廣泛利用經驗正交函數分析方法，由於以大尺度角度進行氣候分類，因此需要長時間的時間資料進行分析。同時 Kostopoulou and Jones(2007)提到旋轉經驗正交函數分析方法(RPCA)，很適合用在綜觀氣候分類上，因為此方法可以處理大量多維度且含有大量變數的原始資料。此外，透過旋轉的方式可以產生更敏感的物理模，可以解釋很高比例的原始變數。. 5.

(10) 第二章資料來源與研究方法. 2-1 資料處理本研究採用 TCCIP 計畫所產製的臺灣 1 公里解析度之日降雨網格資料庫，使用臺灣颱風洪水研究中心的大氣水文資料庫(內含中央氣象局的氣象測站、自動測站)、民航局測站、國家防救災中心的水利署測站和環保署測站等資料來源，共 1969 站的日雨量資料，根據 2-2 節定義出「梅雨日」、「梅雨事件」。再利用全台 1969 個雨量測站資料(資料來源說明如上述)經過 Zscore(標準化)後的 Z 值雨量資料，進行經驗正交函數分析(EOF)，得到幾組主模(mode)的特徵值(eigenvalue)，並以空間內插方法補遺測站沒覆蓋的地方。由於部分主模空間訊號有混雜分不清楚的情形，因此利用變異數最大化旋轉(varimax rotate)，即旋轉 EOF(REOF)。取六組主模(mode)進行 REOF 後，得到主模的空間訊號(特徵向量,eigenvector)和時間訊號(主成份 principle component)，空間訊號部分顯示 2-2 節定義的梅雨期間「梅雨日」的降水空間分布類型，共有六種降水空間型態分佈(spatial pattern)。分析出六種空間型態分佈後，與 2-2 節的「梅雨日」、「梅雨事件」發生日期進行相關係數分析，根據相關係數大小，進行分類。每個發生日期分別會對應到六種空間型態分佈。將發生日期的 1km 日降水網格資料進行平均，得到六種空間型態分佈(mode) 實際降水量的平均雨量分布。同時，讀取六種空間型態分佈發生日期的歐洲中期天氣預報中心(European centre for Medium-Range Weather Forecasts, 即 ECMWF)六小時為單位的全球再分析環流觀測資料(European Reanalysis-Interim,即 ERA-Interim)，讀取觀測資料後減掉氣候值得到環流距平場。. 2-2 梅雨日、梅雨事件定義梅雨指的是每年 5-6 月臺灣發生的降雨事件，降雨型態以梅雨鋒面降雨為主，以綿綿細雨到強降雨皆有。首先，本研究將 1960 到 2016 年 5-6 月期間雨量總和大於年雨量總和 30%地區劃分出來如圖 2-2-1，將此定義成「梅雨區」。定義出梅. 6.

(11) 雨區後，尋找梅雨區範圍內每年五月至六月每日有效降水，大於等於 50 公厘的日子，定義為「梅雨日」。接著，將尋找範圍擴大到全台梅雨日前後，當日有效降水大於 1 公厘的日子，此日子與梅雨日相連的連續雨日，定義為「梅雨事件」。此搜尋標準是為了讓本研究所挑選出的梅雨日和梅雨事件具代表性，前述大於 50mm 表示降雨強度夠強，大於 1mm 降雨區域範圍表示夠大，以此條件篩選出的梅雨日和梅雨事件的平均網格點數加上一個標準差為 68.26%，接近 70%的比例，達到 6609.10 個網格點數，一個網格點為 1 平方公里，6609 個網格點即約 80*80 平方公里的降雨面積大小，結果如圖 2-2-2。. 2-3 分析方法與統計 (一)日降雨資料篩選. 本研究以臺灣日降雨網格資料庫中，各網格點梅雨季(5-6 月)大於整年降雨量 30%的極端降水做篩選條件，接著選出梅雨季的操作型定義，分別以日降雨量大於 50mm 做為梅雨日，由當日前後延伸其他日降雨量分別超過 1mm 做為梅雨事件。 (二)EOF 經驗正交函數分析方法. 經驗正交函數分析方法(Empirical Orthogonal Function,EOF)，是一種抓取矩陣中的主成份，以分析多維矩陣資料中的特徵變化，又稱為主成份分析 (Principal Components Analysis,PCA)(龔道溢，2013)，是因素分析方法之一。凡任一種現象，在未明白結構前，可先搜集許多被認為有關的變數;這些變數之間，具有強弱不等的相關性。凡相關性強的變數，互相結合為一組，稱為這現象的主成份（Principal Component），主成份的特徵量（Eigenvalue）越大，能解釋的變數愈多（梁蘄善,1991）龔道溢(2013)提到，EOF 分析從 1950 開始被使用，由 Lorenz 用在大氣研究上，目前廣泛被運用在各個學科上。在地學分析上，特徵向量對應空間資料，因此又稱空間特徵向量或空間主模(mode)，而主成份對應時間資料，因此 EOF 分析又被稱為時空分解(龔道溢，2013)。本研究採用 EOF，將選定「梅雨日」、「梅雨事件」的發生日期分析出空間訊號和時間訊號。在矩陣提取主成份後，會產生新變數，這些變數即主模(mode)，主模之間的特徵量若太接近，則空間訊號會出現混雜情形，為了讓空間訊號更明確呈現，會使用因素旋轉方法，方法包括：最大變異數(Varimax)、四方最大(Quartimax)、. 7.

(12) 相等最大(Equamax)等，本研究使用最大變異數方法，將 EOF 分析後的主因素進行旋轉，旋轉經驗正交函數分析方法(rotated-EOF,REOF) (三)空間相關係數分析. 相關係數分析(correlation coefficient)是用來測量變數之間關聯性強弱的統計方法。相關係數由皮爾森(Pearson)提出，因此又稱 Pearson correlation coefficient)，用於描述變數間相關性的強弱，一般用 r 來表示，相關係數大小介於-1 至 1 之間，正號表示變數之間存在正相關關係。反之，負號表示變數之間存在負相關關係。數值大小表示關聯性的強弱，數值越趨向 1 表示相關性越高，數值越趨向 0 表示相關性越低。 (四)拔靴法. 拔靴法(Bootstrap)是一種統計檢定的方法，由 Efron 於 1979 年提出，用來檢定統計資料的線性趨勢分佈。方法是將統計資料庫中原有的資料排序打散重新排列，計算打散後的資料分佈趨勢。本研究中，將空間型態分佈發生次數的時間排列打散，重新排列後計算線性趨勢，並將線性趨勢結果與原始資料所計算的線性趨勢做比對，以檢驗是否通過信賴水準。. 8.

(13) 圖 2-2-1 1960-2016 年 5-6 月雨量佔全年年雨量≧30%地區. 9.

(14) 圖 2-2-2 1960-2016 年 5-6 月日降水大於等於 50mm 為梅雨日(彩色格子)，顏色表示網格點數量，梅雨日前後日降水大於 1mm 為梅雨事件(灰色格子). 10.

(15) 第三章梅雨日、梅雨事件特徵. 3-1 空間型態分佈將選定的梅雨日、梅雨事件的日雨量資料，以經驗正交函數展開後，會得到數組主模(mode)的空間訊號和時間訊號，如陡坡圖(圖 3-1-1)所示，圖中列出 20 組主模的特徵值大小。如圖中顯示後面幾組主模(mode)的特徵值相近，表示主模之間的空間訊號可能會混雜，而主模 6 之後，特徵值都非常相近，因此利用旋轉經驗正交函數分別嘗試將主模 1 到主模 6 進行旋轉，直到嘗試主模 1 到主模 10。旋轉後各組主模的空間訊號如圖 3-1-2、圖 3-1-3、圖 3-1-4、圖 3-1-5 和圖 3-1-6。圖中可見，隨著旋轉的主模數量不同，較細微的空間訊號會分配到不同的主模，因此各組主模的空間訊號略有不同，而旋轉六組與旋轉九組的解釋變異量差異不大(少於 5%)，表示多的三組主模的空間訊號代表性很低，會抓取到零星的降雨事件，不是最主要的降水空間分佈，因此最後選擇以六組主模進行旋轉。由於旋轉後的空間訊號會重新分配，旋轉後各組主模的解釋變異量會與旋轉前各組主模的解釋變異量不相同，因此旋轉後將各組主模的解釋變異量重新由大至小排列，並為了方便觀察，將部分主模的空間訊號及時間訊號乘上負數以便顯示特徵向量正值部分均為主要的降水區域。調整後的空間訊號圖如圖 3-1-7。旋轉後空間訊號重新分配的六組主模(mode)，解釋變異量達 73%，這六組主模即六種降水空間型態分佈(spatial pattern)。六種空間型態分佈的空間訊號以特徵向量表示如圖 3-1-7，圖 3-1-7 中的特徵向量(eigenvector)與時間訊號即主成份如圖 3-1-8，兩者數值相乘可得到有雨日的降水分布型態。由於本研究選入的日期皆為有雨日(日雨量 1mm 以上)，因此兩個訊號相乘後的數值其正負值的意義為，數值越大的地方表示降水越多，數值越小的地方表示降水越少。六種空間型態分佈說明分述如下：空間型態 1(spatial pattern 1)的空間訊號顯示降水分布西南部沿海地區，包括台南、高雄和屏東地區至中央山脈南段為主，並由西南部沿海地區往東北遞減，東北部地區最少。空間型態 2(spatial pattern 2)的空間訊號顯示降水分布北部地區，雪山山脈以北降水最多，包括基隆、新北、台北、桃園為主，並由北部往南遞減，而在雪山附近有特別多的情形。空間型態 3(spatial pattern 3)的空間訊號顯示降水分布西部沿海地區，. 11.

(16) 包括苗栗、台中、彰化、雲林和嘉義沿海地區，並由西部沿海往東遞減，中央山脈以西降水最少。空間型態 4(spatial pattern 4)的空間訊號顯示降水分布在中央山脈山區，由山區中央最多往周圍遞減，其中雪山、阿里山和玉山最多。空間型態 5(spatial pattern 5)的空間訊號顯示降水分布中央山脈以東，包括宜蘭、花蓮和台東地區以花東縱谷北部最多，並由中央山脈以東往西遞減。空間型態 6(spatial pattern 6)的空間訊號顯示降水分布西北部沿海地區，由淡水、桃園、新竹、苗栗和台中地區，並往南部和東部遞減。除了由 REOF 分析得到六種空間型態分佈外，另將各種空間型態發生日期的日降水做平均，得到圖 3-1-9 的實際日降水平均分佈。將圖 3-1-7 與圖 3-1-9 對照，即統計模(圖 3-1-7)與物理模(圖 3-1-9)對照，可見降水量多的地方與特徵向量數值大的地方符合，且降水量大小分布趨勢與特徵向量數值大小分布趨勢也符合。. 3-2 時間頻率分佈 (一)空間型態頻率分佈. 根據 2-2 節的梅雨日、梅雨事件挑選出 913 天降雨日，將降雨日的網格點雨量資料與六種空間型態的空間訊號進行相關係數分析，依照每個降雨日與六種空間型態相關係數的高低，哪種空間型態相關係數高則該天降雨日歸類成該種空間型態，歸類後的六種空間型態的頻率分布如圖 3-2-1 所示，圖中 913 天的降雨日分別對應不同空間型態。此結果顯示六種空間型態的發生頻率。此相關係數分析結果進一步分開，得到六個空間型態的頻率分布如圖 3-2-2。而根據圖 3-2-1 中所示，共有 90 次梅雨事件，計算每次梅雨事件的入梅日為哪一種空間型態，次數統計表如表 3-2-1。空間型態 1(spatial pattern 1)對應的天數為 225 天，從頻率分布圖可見，空間型態 1 的分布主要分為四段時期，第一，1960-1979 年以 5/10 至 6/20 為主，發生次數多。第二，1980-1989 年後，以 5/1 至 6/10 為主，發生次數減少且發生日期沒有集中現象。第三，1990-2010 年，發生次數又開始增加，且發生在 5/10 之後為主。第四，2011-2015 年，發生次數又開始減少，且發生在 5 月為主。但 2016 年，又發生在 6/10 後之後，可待觀察之後發展。. 12.

(17) 空間型態 2(spatial pattern 2)對應的天數為 172 天，從頻率分布圖可見，空間型態 2 的時間分布不若空間型態 1 在某些年代會集中出現。而空間型態 2 由 1960 至 2009 年中，平均散佈在 5-6 月，且發生次數每年差異不大。但空間型態 2 發生次數從 2010 年後發生改變。2010-2015 年，發生在 5 月為主。而 2016 年卻以 6 月為主。空間型態 3(spatial pattern 3)對應的天數為 78 天，從頻率分布圖可見，空間型態 3 發生時間以 5/31 為界。1960-1975 年，主要發生在 6 月為主，只有 1968-1970 年有少數發生在 5 月，其餘皆集中在 6 月且次數多。1976-1987 年，轉而以發生在 5 月為主，只有 1982 和 1987 年少數發生在 6 月。1990-1995 年轉為 6 月為主。1996-2010 年發生次數則平均分散在 5 月、6 月。2011-2015 年轉為 5 月為主，但 2016 年則以 6 月為主。總結空間型態 3 發生次數的時間頻率分析，1960-2016 年期間，以 5 年時間尺度來看，只有 1996-2010 年發生次數較為分散，其餘皆集中 5 月或 6 月，而 2016 年轉為 6 月為主，接下來是否會集中 6 月可待觀察。除此之外，1960-2016 年期間，皆會有短暫幾年時間未發生 mode3，如 1960-1961 年、1964-1967 年、 1979-1981 年、1983-1984 年、1988-1989 年、1994-1995 年、2003-2004 年等。空間型態 4(spatial pattern 4)對應的天數為 307 天，從頻率分布圖可見，第一，以月分分布來看，空間型態 4 主要發生在 5/10-6/20。第二，以年份來看， 1960-1964 年以 6 月為主，1965-1986 年以 5/10-6/10 為主，1990-2015 年以 5/20-6/20 為主。第三，空間型態 4 從 1960-2016 年只有少數幾年沒有發生，如 1960-1961 年、1963 年、1966 年、1980-1981 年、1988-1989 年、1995 年、2003 年、2011 年等。空間型態 5(spatial pattern 5)對應的天數為 86 天，從頻率分布圖可見，第一，以月分分布來看，空間型態 5 主要發生在 5/20-6/20。第二，以年分分布來看，空間型態 5 主要發生在 1965-1990 年的 5/20 至 6/20，1991-2005 年則以 5/20 至 6/10 為主，且 2005 年之後發生次數明顯減少，2005 至 2015 年只發生一次，2016 年次數才增加，之後可再觀察。空間型態 6(spatial pattern 6)對應的天數為 45 天，從頻率分布圖可見，空間型態 6 時間分布可分為四部分，第一部分，1964 年開始發生後至 1979 年，發生日期分布在 5/10-6/20，也是四個部分中次數最多的。第二部分，1984-1993 年，發生日期分布在 5/30-6/20。第三部分，2002-2008 年，發生日期分布在 5/27-6/12。第四部分，2012-2015 年，發生日期分布在 5/15-6/1。空間型態 6 發生日期主要以 5/10-6/20 為主，以發生年分除了前述四個部分. 13.

(18) 為主外，其餘會有最多 5 年的空窗期穿插在四部分中。 (二)梅雨事件頻率分佈. 圖 3-2-3 為梅雨事件持續天數次數圖，橫軸為持續天數，縱軸為發生次數。 1960-2016 年共發生 90 次梅雨事件，由圖 3-2-3 中可見梅雨事件持續時間最短至少 2 天以上，最長為 28 天但僅發生過一次，大部分持續天數不超過 20 天，20 天以上發生次數為 7 次。圖中可見，梅雨事件持續天數以 3 天至 9 天為主，符合氣象局所述臺灣地區 5-6 月期間梅雨鋒面滯留，降雨持續多天的經驗。進一步觀察梅雨事件持續天數的年份頻率，圖 3-2-4 為梅雨事件持續天數年分頻率圖，圖中橫軸為年分，縱軸為持續天數，點的顏色表示次數，藍色為發生次數 1 次、紅色為發生次數 2 次。圖 3-2-4 可見，90 次梅雨事件中可觀察到幾個時間頻率現象。第一，從 1960-2016 年，扮演臺灣地區重要降雨來源的梅雨季，大部分皆會發生 2 天以上的梅雨事件，只有少數年分沒有發生梅雨事件，且未發生的年分不會連續太久，僅 1960-1961 年和 1988-1989 年有連續兩年未發生梅雨事件，其餘皆為短暫 1 年，如 1966 年、1980 年、1995 年、2003 年、2011 年等。第二，觀察梅雨事件持續 2 天以上至 10 天以下的時間頻率，除了少數沒發生梅雨事件的年分外，並沒有集中在哪個年分時期的趨勢。第三，11 天以上至 20 天以下的梅雨事件，在 1960-2016 年中，則有一段從 1977-1984 年長達 8 年的時間未發生。除了此段未發生的時期外，11 天以上至 20 天的梅雨事件平均分布在各時期中。第三，21 天以上至 28 天的梅雨事件發生次數不多僅 7 次，但在年分的時間頻率上，有個特別的現象是從 1986 年發生過持續 28 天梅雨事件後，直到 2016 年發生持續 26 天梅雨事件，這期間相隔 30 年。近年全球暖化議題探討個氣候現象變遷趨勢，以梅雨事件來看，30 年發生的機率小也許意味著可能受影響，但 2016 年又出現持續 26 天長的梅雨事件，代表的變遷意義可待繼續觀察。 (三)降水空間型態駐留、轉換頻率分佈. 分析出六組空間型態，除了觀察六組空間型態出現的頻率之外，如前述可計算每次梅雨事件持續的時間最少會持續 2 天以上，而降水持續至少 2 天以上意味著，事件發生期間降水空間型態可能不止一種，因此統計梅雨事件發生期間六種空間型態發生的次數，可觀察到空間型態駐留和轉換的空間意義。觀察降雨空間型態發生後的前一天和後一天是哪個空間型態，能了解梅雨事件發生後降水分布所持續的時間(即空間型態駐留時間)和降水分布空間轉換(即空間型態之間轉換)的關係，表 3-2-2 至表 3-2-7 為空間形態分佈 1 到降水空間. 14.

(19) 型態 6 的轉換次數表，表中 d-1 為空間形態發生的前一天為哪種空間型態，d+1 為空間形態發生的後一天為哪種空間型態，例如表 3-2-2 為空間型態 1 次數表， d-1 即空間型態 1 發生的前一天為哪一種空間型態，d+1 為空間型態 1 發生後一天為哪一種空間型態，表中若前一天或後一天為同一種空間型態表示空間型態駐留的現象，若不同一種空間型態表示空間型態轉換。各種空間型態駐留和轉換關係如圖 3-2-5 所示，藍色方框內數字為各空間型態，白色方框為各空間型態發生次數，各顏色箭頭為空間型態之間轉換之次數。從表 3-2-2 至表 3-2-7 可見，各空間型態發生時前後一天的駐留天數相差不大，表示梅雨事件發生後，降雨的範圍分布通常會持續三天以上。將圖 3-2-5 空間型態駐留和轉換次數關係搭配圖 3-2-2 的降雨空間型態分佈圖，六個空間型態分佈中，空間型態 4 駐留次數為 307 次為第一多，第二和第三則為空間型態 1 的 225 次和空間型態 2 的 172 次。主模之間轉換次數中最多的四種組合為空間型態 4 轉換到空間型態 1 為 63 次，空間型態 1 轉換到空間型態 4 為 62 次，空間型態 2 轉換到空間型態 4 為 43 次，空間型態 4 轉換到空間型態 2 為 39 次。以四種組合轉換的空間意義而言，如前述文章提到，因為空間型態 1 降雨分佈為西南沿海地區為主，空間型態 2 降雨分佈為北部地區為主，空間型態 4 降雨分佈為中央山脈山區為主。因此，空間型態 2 轉換到空間型態 4 和空間型態 4 轉換到空間型態 1 皆表示當梅雨事件發生後，鋒面不僅滯留多天且會南北擺盪。其中空間型態 4 無論駐留和轉換的次數皆最多，表示梅雨鋒面在島上擺盪期間受到中央山脈地形效應影響容易產生大量降水。. 3-3 耦合之大尺度環流距平場圖 3-3-1 至圖 3-3-6 圖中(a)到(e)圖中的資料為空間型態降雨日總和的平均值後扣除平均值的距平，陰影部分為通過 z 檢定 95%以上的資料。(a)為 200hpa 高層流線場，箭頭方向表示風向，箭頭長短表示風速，箭頭越長表示風速越快， (b)為 500hpa 高度的垂直速度場，實線表示正值，即垂直方向往上(空氣對流)，虛線為負值，即垂直方向往下(空氣下沉)，(c)為 10m 低層流線場， (d)為海平面氣壓場，實線為正距平，虛線為負距平，(e)即為 3-1 節所述各個空間型態降雨日實際降雨量平均值的空間分布圖。空間型態 1，圖 3-3-1 中由低層海平面氣壓場可見，低氣壓中心位置在臺灣正上方，配合 200hpa 高層流線場，高層低氣壓位置分布在環渤海，並有低壓槽線由華中長江流域延伸到山東半島、環渤海域。由高層和低層低氣壓位置不重疊. 15.

(20) 可知空間型態 1 的大尺度環流場有斜壓擾動發生。相對地，低層海平面氣壓場中，太平洋高壓分布在菲律賓群島以西的南海海域延伸到菲律賓群島以東的西太平洋海域，配合 10m 低層流線場可見，太平洋高壓將南方暖空氣往北輸送，由最後實際降雨分布可知，南方暖空氣勢力比北方冷空氣勢力強，因此降雨以西南部沿海為主。空間型態 2，圖 3-3-2 中由低層 10m 流線場顯示太平洋高壓勢力異常向西延伸進南中國海，提供來自西南來的溫暖水氣來源。而由高層 200hpa 流線場可見在河南、安徽地區高空有低壓中心，低壓槽線由河南、安徽地區往南經過江西到福建地區，而高層低壓槽前氣流會輻散誘發低層氣流輻合舉升，因此在 500hpa 垂直速度場中可見在浙江沿海一帶呈現正值即往上垂直對流，以臺灣北部降水為主，並且(e)圖中可見雪山山脈一帶因為地形舉升效應，也產生降水。空間型態 3，圖 3-3-3 中，10m 流線場可見槽線位置偏北，低氣壓中心位在東海。而此現象為臺灣上空提供向上舉升的力道，500hpa 垂直速度場可見臺灣北部有非常強的向上舉升，在臺灣西部沿海地區帶來大量降水。而槽線位置北抬將熱帶地區的熱力往北輸送，此熱力往高空以潛熱形式釋放能量。由高層 200hpa 流線場可見，槽線位置在低空輻合並高層輻散形成高壓，河南、安徽地區高空形成低壓，蒙古地區上空形成高壓，由西北往東南呈現高壓和低壓交替出現的波列現象，與低層 10m 流線場的西南氣流傳遞能量配合。此外，從雨量分布圖可見以中央山脈為界，西側迎風氣流舉升產生大量降水，而東側背風雨量較少。此中央山脈地形阻擋效應可從海平面氣壓場可見，負距平的虛線在中部地區產生彎曲。與此同時，也可從低層流線場看到，西南氣流到臺灣中部沿海地區後，往北繞過中央山脈，也形成彎曲。由低層海平面氣壓和低層流線場，配合 500hpa 垂直速度圖可見正距平在臺灣上空以上空為主。空間型態 4，圖 3-3-4 中，水氣來源來自南方高氣壓，海平面氣壓場可見在菲律賓群島西部南中國海上空有高壓。高壓脊線由中南半島向西延伸至南中國海、菲律賓群島東部海域和西太平洋，將南方暖空氣往北輸送。而梅雨鋒面主要位在日本群島南方，而臺灣上空仍有殘餘鋒面勢力，氣流在臺灣上空產生舉升，地形舉升效應進一步讓氣流在山區產生降水，以山區降水為主。(e)圖中，可見臺灣中部山區所產生的地形舉升效應為北邊的雪山山脈地區和南邊阿里山山脈、玉山山脈兩個地區有大量降水。空間型態 5，圖 3-3-5 中，高層 200hpa 流線場顯示有北風往南吹向臺灣，在東海高層上空形成低氣壓，在低空產生高壓。而低壓分布在臺灣南部使臺灣東. 16.

(21) 部地區成為迎風面，500hpa 垂直速度場可見中央山脈以東有明顯向上垂直運動的氣流舉升，因此降雨地區以臺灣東部為主。空間型態 6，圖 3-3-6 中，南太平洋高壓盤踞在南中國海和西太平洋上空，臺灣地區風向為西南方向，水氣主要由中南半島和華南一帶移入，500hpa 垂直速度場可見主要對流運動剛好位在福建地區海陸交界，降水以臺灣竹苗丘陵地區為主，圖中也可見雪山山脈地區因為地形舉升效應也有較多降水。而臺灣的降水空間分布應該會與福建地區降水空間分布一致。除了觀察與空間型態耦合的大尺度環流外，亦將各種空間型態在梅雨季期間的雨量貢獻度佔的比例有多少進行計算，圖 3-3-7 為將 1960-2016 年所挑選到的 913 天的降水量佔所有 1960-2016 年 5-6 月的總降水量比例，allcase 為六種空間型態雨量總和所佔的比例，圖中可見臺灣西部沿海佔比例最高可到 65%，中央山脈地區也佔 55%以上，臺灣東部地區也有將近 40%的比例，在空間分佈上由西部沿海往東遞減，表示梅雨事件影響西部較明顯。此外顯示本研究利用日降水網格資料，依照降水強度要夠強、降雨面積要夠大的降雨事件，篩選出的 913 天代表性高，分析出的六種空間型態可解釋 1960-2016 年 5-6 月大部分的降水事件，且能與大尺度環流距平場相對應。相對地，5-6 月降水事件四成屬於較小範圍、降水強度較小、較局部的熱力成因降水。. 17.

(22) 圖 3-1-1 陡坡圖. 18.

(23) 圖 3-1-2 根據陡坡圖中前六組主模，經過旋轉經驗正交函數後得到旋轉後的六組主模. 19.

(24) 圖 3-1-3 根據陡坡圖中前七組主模，經過旋轉經驗正交函數後得到旋轉後的七組主模. 20.

(25) 圖 3-1-4 根據陡坡圖中前八組主模，經過旋轉經驗正交函數後得到旋轉後的八組主模. 21.

(26) 圖 3-1-5 根據陡坡圖中前九組主模，經過旋轉經驗正交函數後得到旋轉後的九組主模. 22.

(27) 圖 3-1-6 根據陡坡圖中前十組主模，經過旋轉經驗正交函數後得到旋轉後的十組主模. 23.

(28) 圖 3-1-7 空間型態空間訊號分布圖. 24.

(29) 圖 3-1-8 六種空間型態分佈時間訊號圖. 25.

(30) 圖 3-1-9 六種空間型態分佈實際平均降水分佈圖. 26.

(31) 圖 3-2-1 1960-2016 年 5-6 月六種空間型態分佈發生日期之年代分佈. 27.

(32) 圖 3-2-2 六種空間型態分佈發生日期之年代分佈. 28.

(33) 圖 3-2-3 梅雨事件持續天數統計圖. 29.

(34) 圖 3-2-4 梅雨事件持續天數統計. 30.

(35) 圖 3-2-5 空間分佈型態轉換次數統計圖. 31.

(36) 圖 3-3-1 空間型態 1 耦合之大尺度環流距平場，(a)200hpa 流線距平場， (b)500hpa 垂直速度距平場，(c)10m 流線距平場，(d)海平面氣壓距平場，(e) 空間型態 1 實際降水平均分佈圖. 32.






(42) 圖 3-3-7 各種空間型態分佈的實際降水量佔 5-6 月雨量的比例. 38.

(43) 表 3-2-1 入梅日各空間型態次數表空間型態. 入梅日次數. 1. 10. 2. 28. 3. 8. 4. 20. 5. 14. 6. 10. 39.

(44) 表 3-2-2 空間型態 1 轉換次數表空間型態. d-1. d+1. 1. 90. 90. 2. 25. 13. 3. 14. 13. 4. 63. 62. 5. 20. 16. 6. 3. 8. 表 3-2-3 空間型態 2 轉換次數表空間型態. d-1. d+1. 1. 13. 25. 2. 48. 48. 3. 14. 17. 4. 39. 43. 5. 17. 10. 6. 13. 7. 表 3-2-4 空間型態 3 轉換次數表空間型態. d-1. d+1. 1. 13. 14. 2. 17. 14. 3. 13. 13. 4. 17. 26. 5. 4. 4. 6. 6. 2. 表 3-2-5 空間型態 4 轉換次數表空間型態. d-1. d+1. 1. 62. 63. 2. 43. 39. 3. 26. 17. 4. 129. 129. 5. 13. 18. 6. 14. 15. 40.

(45) 表 3-2-6 空間型態 5 轉換次數表空間型態. d-1. d+1. 1. 16. 20. 2. 10. 17. 3. 4. 4. 4. 18. 13. 5. 23. 23. 6. 1. 1. 表 3-2-7 空間型態 6 轉換次數表空間型態. d-1. d+1. 1. 8. 3. 2. 7. 13. 3. 2. 6. 4. 15. 14. 5. 1. 1. 6. 2. 2. 41.

(46) 第四章長期趨勢分析根據 2011 年臺灣氣候變遷科學報告中指出，臺灣地區的降水在未來模式大致呈現豐水期降水增加，枯水期降水減少的變遷趨勢。以夏季而言，平均降水變遷推估發生機率最高的變化區段由+10%至+20%之間。2017 年臺灣氣候變遷報告指出臺灣地區因氣候變遷，導致降水型態的改變，降水日數減少，降水強度卻增加，極端事件如暴雨或乾旱等事件發生頻率的增高，會增加用水的風險。許書平（1997）藉由數值檢定、區域整合趨勢分析，針對臺灣長期雨量趨勢做分析，顯示臺灣各地區之年不降水日數及年最長連續不降水日數均有增加趨勢。根據氣候變遷報告的數值模式推估，未來東亞梅雨季的降水量將增加、夏季西南氣流降水增強，同時伴隨鋒面系統的極端降水事件發生頻率及強度有增加趨勢。 3-2 節討論過六種空間型態的頻率分布後，由頻率可進一步分析各種空間型態的頻率有無長期趨勢。若有長期趨勢，則前期與後期的變化是什麼，與之耦合的大尺度環流場會是什麼，在降水強度上有無影響，降水強度是否也有長期趨勢變化，本章由頻率變化和強度兩個向度分析。. 4-1 頻率變化將 3-2 節提到六種空間型態的發生日期和次數進行 7 年滑動平均統計，以觀察長期趨勢變化。取 7 年滑動平均目的在去除聖嬰現象可對能降水的影響，有過濾雜訊的效果。圖 4-1-1 中由(a)至(g)分別為空間型態 1 至空間型態 6，以及所有梅雨事件次數總和的頻率趨勢。圖中黑色實現曲線為各年經過 7 年滑動平均後的頻率曲線，左側縱軸黑色數字即頻率次數，黑色虛線曲線即頻率變化趨勢，並以拔靴法進行檢定，經拔靴法 5 千次檢定後，各種空間型態趨勢如圖中所示，通過 90%信賴水準的為空間型態 3、空間型態 4 和空間型態 5。空間型態 3 平均百年為-1.94 次的遞減趨勢，並達 92.5%的信賴水準。空間型態 4 平均百年為-6.4 次的遞減趨勢，並達 95%的信賴水準。空間型態 5 平均百年為-2.57 次的遞減趨勢。其他趨勢雖未達到 90%信賴水準，但由(g)可見，整體梅雨事件平均百年仍有遞減的趨勢。而空間型態 3 為西部沿海為主，空間型態 4 為中央山脈山區為主，空間型態 5 為東部沿海為主，橫貫台灣整個中部地區，且三種空間型態皆為遞減的趨勢。顯示氣候變遷之下，影響梅雨事件對中部發生次數。. 42.

(47) 三種空間型態有遞減趨勢之下，進一步比較前期發生次數較多年份和後期發生次數較少年份的大尺度環流場有何不同，因此將後期發生次數最少的幾年與前期發生次數較多的幾年的環流場進行平均之後相減，但前期發生次數較少的年份有部分年份早於 1979 年，ERA-interim 的資料最早資料僅到 1979 年，因此環流場的資料比對是取用美國國家環境預報中心(National Centers for Environmental Prediction, NCEP)的全球環流重分析資料庫，得到圖 4-1-2、圖 4-1-3 和圖 4-1-4。圖中環流場資料為發生次數最少的年份減掉發生次數最多的年份，因此可知道不易產生降水事件的環流場狀況。(a)為 200hpa 流線場，(b)為 850hpa 流線場， (c)為海平面氣壓場，(d)為 500hpa 垂直速度場，虛線為負值代表後期垂直速度小於前期垂直速度，實線為正值表示後期垂直速度大於前期垂直速度。圖 4-1-2 為空間型態 3 不易發生降水的環流場狀況。200hpa 環流場可見南海上有微弱的輻散現象，850hpa 流線場可見台灣上空低層以東風為主，由於此流線場資料為後期發生次數少年份減掉前期次數多年份，因此東風結果代表後期年份西風減弱使東風較明顯，東風越過山脈後，在西側背風側沉降，配合 500hpa 垂直速度場山脈西側為下沉區代表對流減弱，使原來西側沿海地區降水偏少。圖 4-1-3 為空間型態 4 不易發生降水的環流場狀況。200hpa 環流場可見南海的輻散、輻合現象不明顯，由 850hpa 流線場可見台灣低層以東北風為主，由於此流線場資料為後期發生次數少年份減掉前期次數多年份，因此東北風結果代表後期年份西南風減弱使東北風較明顯，東北風越過山脈後，在西南側背風側沉降，配合 500hpa 垂直速度場中部山區為下沉區代表對流減弱，使得原來中部山區降水偏少。圖 4-1-4 為空間型態 5 不易發生降水的環流場狀況。200hpa 環流場可見南海有輻合現象，850hpa 流線場可見台灣上空低層以西風為主，由於此流線場資料為後期發生次數少年份減掉前期次數多年份，因此西風結果代表後期年份東風減弱使西風較明顯，西風越過山脈後，在東側背風側沉降，配合 500hpa 垂直速度場中部以南為下沉區代表對流減弱，使原來東部沿海地區降水偏少。. 4-2 強度變化除了 4-1 節所述的頻率變化之外，進一步觀察各種空間型態的降水強度有無變化趨勢。. 43.

(48) 圖 4-1-1 中紅色實線為各年經過 7 年滑動平均後的強度曲線，紅色曲線即降水強度的變化趨勢，右側縱軸紅色數字即雨量(mm)。將每年梅雨事件當日的日降水量除以當日有降水資料的網格點，得到降水強度資料，並進行七年滑動平均得到強度變化趨勢後，以拔靴法 5000 次進行趨勢檢定。圖 4-1-5 至圖 4-1-11 分別為所有梅雨事件的降水強度之年代分佈圖及各個空間型態降水強度之年代分佈圖。根據圖 4-1-1 顯示，空間型態 4 有通過檢定，搭配圖 4-1-9 空間型態 4 的年代分佈，顯示若未做滑動平均之前，會有某些特定年份有非常高降水強度的梅雨事件，可能跟聖嬰現象有關，因此需要做 7 年滑動平均去除此干擾因素。空間型態 4 通過 99%信賴水準，每百年 29.42mm 的遞增趨勢，即中央山脈山區梅雨季的梅雨事件降水強度增強。其他空間型態在降水強度變化上都未通過 90%信賴水準的檢定。而所有梅雨事件通過 90%信賴水準，每百年 11.71mm 的遞增趨勢，即梅雨事件發生後，降水強度有增強的趨勢。. 44.

(49) 圖 4-1-1 黑色實線為頻率變化曲線，黑色虛線為頻率變化趨勢，紅色實線為強度變化曲線，紅色虛線為強度變化趨勢，黑色括號內為次數變化趨勢和信賴水準，紅色括號內為強度變化趨勢和信賴水準. 45.

(50) 圖 4-1-2 空間型態 3 後期平均減掉前期平均的環流場，(a)200hpa 流線場 (b)850hpa 流線場(c)海平面氣壓場(d)500hpa 垂直速度場，虛線為負值代表後期垂直速度小於前期垂直速度，實線為正值代表後期垂直速度大於前期垂直速度. 46.



(53) 圖 4-1-5 六種空間型態分佈發生日期的降水強度之年代分佈. 49.

(54) 圖 4-1-6 空間型態 1 發生日期的降水強度之年代分佈. 50.






(60) 第五章結論梅雨對於台灣既是重要的水資源來源卻也是氣候災害之一。隨著 21 世紀氣候變遷議題逐漸被重視，台灣氣候變遷科學報告中提到的全球氣候變遷趨勢偏向濕的越濕、乾的越乾，台灣也符合這趨勢強降水次數增加，小雨次數減少，本研究針對 5-6 月梅雨期間的氣候變遷進行分析，以往對於梅雨相關的研究，多著重在梅雨鋒面系統的研究，包括動力系統、鋒面結構和形成機制討論。本研究利用長時間且高解析度的日降水資料進行綜觀尺度氣候分類，得到以下幾點關於梅雨期間降水空間分佈型態和長期趨勢的結論：. 一、. 日降水網格資料與大尺度環流距平場能對應. 根據 3-3 節所述，日降水網格資料所顯示的實際降水分佈配合大尺度環流距平場資料能對應得上。六個空間型態的降水分佈區域與流線場、垂直速度場和海平面氣壓場皆對應，並且可了解到耦合之環流距平場狀態。. 二、. 台灣梅雨季降水空間型態有六種. 旋轉經驗正交函數得到的六組空間分佈型態解釋變異量達 75%，表示過去梅雨季的降水分佈，75%情況以這六種分佈為主，即西南沿海地區、北部地區、西部地區、中央山脈地區、東部沿海地區和西北沿海地區等六種空間分佈型態(spatial pattern)。此外透過梅雨事件、梅雨日操作型定義的篩選，即降水強度大、雨區廣的定義下，得到的六種空間分佈型態佔梅雨季總降水量的 40~60%，表示梅雨季降水大部分來自梅雨鋒面降水。. 三、. 長期頻率變化，台灣中部地區降水頻率逐漸減少. 4-1 節提到空間型態 3、空間型態 4 和空間型態 5 的頻率皆在減少，這三種分別是西部沿海地區、中央山脈山區和東部沿海地區，空間上沿著北回歸線貫穿台灣的中部地區。由環流場資料顯示，三種空間型態頻率少的時期，皆為主要風向減弱，讓原先為迎風側降雨區轉為背風側氣流沉降區導致對流減弱降水偏少的情. 56.

(61) 況。表示中部地區 5-6 月之間，降雨日數也逐漸減少的趨勢，此趨勢將影響中部地區水資源的分配利用，需要有梅雨季越來越少降雨的準備。. 四、. 長期強度變化，梅雨季降水強度增強. 根據 IPCC 第四次氣候變遷報告(AR4)提到全球強降水次數增加，且台灣地區大豪雨次數增加，小雨日數減少，連續不降雨日數各地區普遍增加的趨勢結果，與本研究中梅雨降水空間型態的強度變化中，梅雨季降水強度以百年 11.71mm 的遞增趨勢也與此份報告分析一致。表示全球氣候變遷的趨勢也影響著台灣的氣候現象。此外 3-2 節提到，梅雨事件至少會持續 2 天以上，加上降水強度增強，因此梅雨鋒面降水的致災性將會提高。3-3 節提到梅雨鋒面降水主要以西部地區為主，以及長期以來台灣西部地區依賴梅雨季降水的特性，對於此增強趨勢將挑戰我們對水資源的利用與管理，也呼應到台灣處於高氣候災害風險地區，由過去的水文氣象災害，隨著降水強度增強又以山區最為明顯的情形下，未來極端降水不僅是水文災害而會連帶引發土石流等問題，變成複合型災害。由於受限於 ERA-interim 的資料長度關係，在長期趨勢分析中只能使用解析度較低的 NCEP 資料，環流場資料能觀察的較有限。未來隨著 ERA-interim 資料長度越來越齊全，能更了解大尺度環流場的狀態。. 57.

(62) 參考文獻一、期刊論文馬家齊、魏郁婷、吳瑞賢（2016）。因應氣候變遷調整稻作停灌決策時間對水庫用水管理的影響。農業工程學報，60（2），27-39。林婉婷（2010）。梅雨季降雨型態變遷與植生覆蓋變動關係研究-蓮華池。彰化師範大學地理學系碩士論文。國科會（2011）。臺灣氣候變遷科學報告 2011。行政院國家科學委員會。國科會（2017）。臺灣氣候變遷科學報告 2017。行政院國家科學委員會。翁叔平、楊承道（2015）。臺灣氣候變遷推估資訊與調適知識平台 2015 年期末報告。陳泰然(1988)。東亞梅雨鋒面之綜觀氣候特徵研究。大氣科學，16(4)，435-446。陳泰然(2004)。近期梅雨鋒面研究之回顧。大氣科學，32(3)，225-245。陳泰然(2007)。最近之梅雨研究回顧。大氣科學，35(4)，261-286。吳明進、傅達颺(1987)。台灣梅雨季降水之年際變化。大氣科學，15(1)，31-42。許書平（1997）。氣候變遷對水資源之衝擊-雨量分析。淡江大學水資源及環境工程學系碩士論文。 Chen, G. T.-J.,and C.-P.Chang(1980)。The structure and vorticity budget of an early summer monsoon trough (Mei-Yu) over southern China and Japan.Mon.Wea.Rev.,108,942-953. Chen, G. T.-J.,and S.-S. Chi(1980)。On the frequency and speed of Mei-Yu front over southern China and the adjacent areas.Papers Meteor.Res.,3,1&2,31-42. E. Kostopoulou and P.D.Jones(2007)。Comprehensive analysis of the climate variability in the eastern Mediterranean. Part I: map-pattern classification.International Journal of Climatology.27(9),1189-1214. Pere esteban, Javier Martin-Vide and Montserrat Mases(2006)。Daily atmospheric. 58.

(63) circulation catalogue for western europe using multivariate techniques. International Journal of Climatology.26(11),1501-1514. M.Laura Bettolli, Olga C.Pennalba and Walter M.Vargas(2009)。Synoptic weather types in the south of South America and their relationship to daily rainfall in the core crop-producing region in Argentina.Australian Meteorological and Oceanographic Journal.60(2010),37-48. 二、出版書籍. 梁蘄善（1991）。地理學計量分析。文化大學出版部。邱皓政（1990）。量化研究與統計分析。五南圖書出版公司。涂建翊、余嘉裕、周佳(2013)。台灣的氣候。遠足文化出版公司。三、網站資料. 交通部中央氣象局(CWB)：http://www.cwb.gov.tw/V7/ TCCIP 臺灣氣候變遷與推估資訊平台(2016 年 11 月 3 日)： http://tccip.ncdr.nat.gov.tw/v2/index.aspx （龔道溢）（2016 年 10 月 28 日檢索）。A.7EOF 分析。取自 http://adrem.org.cn/Faculty/GongDY/class2008/analysis4.pdf 陳正改(2018 年 2 月 1 日)。台灣梅雨面面觀。取自 http://web.fg.tp.edu.tw/~earth/learn/esf/magazine/980302.htm. 59.

(64) 謝辭好不容易走到這一步，讀研究所完成一篇屬於自己的論文，對我來說還是很不可思議。四年就這樣一轉眼就過去了，三年暑假的修課，三年每個週末都去師大研究室報到的日子終於結束了。首先，要感謝就是一路走來對我諄諄教誨的翁叔平老師，如同老師說的，在研究上有困難時，總能在研究室找得到老師，並且無論多繁忙多累，老師總會耐著性子一說再說，不斷叮嚀該注意的細節，常常交代研究外，當我很鑽牛角尖的時候，除了忍不住念我之外也說了很多人生的哲理，要我不要想太多做就對了。很感謝老師的耳提面命，讓我能完成這篇論文。另外要感謝楊承道學長在電腦程式上的協助和研究方法上的解惑，能讓我偏文組的腦袋理解難懂的統計方法，論文研究能如此順利真的很感謝學長的幫忙。此外謝謝楊明錚學長耐心為我解答氣候相關的疑問，讓我看得懂環流場的資料。在這四年的當中，謝謝柯怡安在第二年的暑假，卡在論文和學校的難關時的提點，那些話直到現在都很受用。三年的週末研究室生活，我的好同學徐紹青，跟你的寶可夢交流，真的為週末研究室生活多很多樂趣，三年時間不知不覺就過了，真的很開心我們都完成了論文。此外，很感謝璧妃老師在英文摘要的幫忙，總是二話不說就幫忙我修改英文摘要，拯救了我的菜英文。最後要謝謝我的家人，為了不讓我心理壓力太大，在背後默默的關心我，幫我分擔學業上的壓力，也和我同享完成的喜悅。最後的最後想說的是，四年前從修課開始的每一步路，一直都不覺得我能完成這一關，每次想來都覺得不可能很困難，但也就這麼一步一步面對和解決了，這一路走來冷暖自知點滴在心頭，要對自己說我終於做到了！希望這難得的經驗，我能一直記得，這會是我人生中很特別、美好又深刻的回憶。. 葉俊佑 2018.4.24. 60.

(65)