氣候變遷衝擊下縣市災害風險評估- 以台南市為例

NCDR 103-T31

氣候變遷衝擊下縣市災害風險評估- 以台南市為例

國家災害防救科技中心 中華民國 104 年 04 月

NCDR 103-T31

氣候變遷衝擊下縣市災害風險評估- 以台南市為例

陳韻如、徐硯庭、施虹如 林宣汝、陳偉柏、陳永明

國家災害防救科技中心 中華民國 104 年 04 月

摘要

本研究藉由分析不同降尺度方法的資料，並分別應用數值模擬模 式與指標套疊兩種方式，評估鄉鎮的淹水與坡地災害衝擊。淹水模式 採用 FVCOM 模式模擬曾文水庫下游溢淹情形，而坡地模式則是採用 TRIGRS 評估水庫上游集水區的崩塌情形。依據分析的結果淹水脆弱 度高的區域，主要是沿海與河岸兩側低窪的鄉鎮，包含七股區、北門 區、學甲區、鹽水區、善化區、麻豆區與新市區。在曾文水庫上游發 生崩塌坡地災害潛勢提高，其產生的崩塌量增加約 20%，且上游崩塌 的土砂量流入曾文水庫，將可能造成水庫庫容量減少 9%，將影響未 來水資源可供水量。在未來氣候變遷衝擊下，台南市淹水高災害風險 區分布位置主要集中在台南市的中部區位，分別是新營區、永康區、

學甲區、安南區、北區與中西區等。在坡地災害高災害風險區，則主 要分布在白河區、六甲區、楠西區、玉井區及大內區等。

關鍵字：脆弱度、承載力、淹水模式、高風險區位

Abstract

This study is to assess the impacts of inundation and slope disaster by a numerical model and indexes overlapping by different downscaling methods. The FVCOM, an inundation simulation model, is used to assess the inundation properties in the downstream of the Zengwun Reservoir.

The TRIGRS, a slope stability model, is used to assess the landslide of the upstream of the Zengwun Reservoir. The results show that the high vulnerability zones are located near the riparian and coast, such as Cigu, Beimen, Sigang, Yanshuei, Shanhua and Madou Districts. The risk of landslide increase in the upstream and the volume of landslide increase about 20%. This will cause a decrease of 9% in storage of the Zengwun Reservoir. Furthermore, the available water and water supply of the Zengwun Reservoir will reduce. In the impacts of climate change, the high risk of inundated disaster is located in the central of Tainan City, such as Sinying, Yongkang, Sigang, Annan, North and West Central Districts. The high risks of slope disaster are distributed in Baihe, Lioujia, Nansi, Yujing and Danei Districts.

Keyword ： Vulnerability 、 Carrying Capacity 、 Inundation Simulation Model、Hotspot

I

目錄

第一章 緒論... 1

1.1 研究目的 ... 1

1.2 工作項目 ... 3

1.3 章節介紹 ... 4

第二章 氣候變遷情境說明 ... 5

2.1 統計降尺度資料 ... 5

2.2 動力降尺度之情境資料 ... 15

第三章 淹水災害脆弱度 ... 22

3.1 淹水災害特性 ... 22

3.2 淹水災害脆弱度評估 ... 27

3.3 氣候變遷衝擊下淹水災害脆弱度 ... 39

3.4 淹水災害衝擊評估之跨領域應用 ... 43

第四章 坡地災害脆弱度分析 ... 47

4.1 坡地災害特性 ... 47

4.2 坡地災害脆弱度評估流程 ... 52

4.3 氣候變遷下的坡地災害脆弱度 ... 67

4.4 坡地的跨領域應用 ... 71

第五章 縣市災害風險圖製作 ... 74

II

5.1 風險圖製作方法 ... 75

5.2 淹水災害風險圖 ... 82

5.3 坡地災害風險圖 ... 88

第六章 結論與建議 ... 96

III

圖目錄

圖 1.1.1 研究架構 ... 2

圖 2.1.1 假設最劣情境之示意圖 ... 6

圖 2.1.2 雨量測站空間分布圖 ... 12

圖 2.1.3 氣候變遷情境下 100 年頻率年 24 小時累積總雨量空間分布 ... 15

圖 2.2.1 淹水與坡地風險圖之氣候變遷情境資料產製流程 ... 16

圖 2.2.2 偏差校正示意圖 ... 19

圖 2.2.3 校正前後颱風事件平均總降雨量比較 ... 20

圖 3.1.1 2009 年莫拉克颱風事件淹水災害調查 ... 26

圖 3.2.1 洪水災害衝擊評估流程 ... 28

圖 3.2.2 淹水災害研究範圍 ... 28

圖 3.2.3 之不規則網格圖 ... 31

圖 3.2.4 地形分布圖(a)，以及局部放大地形圖(b) ... 31

圖 3.2.5 淹水模式所使用颱風之路徑 ... 32

圖 3.2.6 將軍漁港潮位站，模擬與量測之時序比對 ... 33

圖 3.2.7 曾文溪橋水位站，模擬與量測之時序比對 ... 34

圖 3.2.8 2009 年莫拉克颱風模擬與現調之淹水範圍比對 ... 35

圖 3.2.9 淹水脆弱度評估流程 ... 36

IV

圖 3.2.10 0612 豪雨模擬與調查淹水範圍 ... 38

圖 3.2.11 卡玫基颱風模擬與調查淹水範圍 ... 38

圖 3.2.12 凡那比颱風模擬與調查淹水範圍 ... 38

圖 3.2.13 莫拉克颱風模擬與調查淹水範圍 ... 38

圖 3.2.14 歷史莫拉克事件淹水模式模擬成果 ... 39

圖 3.3.1 氣候變遷下 200 年頻率年之淹水模擬情形 ... 41

圖 3.3.2 氣候變遷下 200 年頻率年之淹水災害指標 ... 41

圖 3.3.3 假設極端事件下淹水災損情形(影響戶數與地上物損失) .. 43

圖 3.4.1 淹水災害跨領評估之流程圖 ... 44

圖 3.4.2 歷史颱風事件淹水深度與桿菌性痢疾病例之空間分佈 ... 45

圖 3.4.3 歷史颱風事件淹水深度與腸病毒病例之空間分佈 ... 46

圖 4.1.1 曾文溪流域莫拉克事件山崩機率圖 ... 49

圖 4.1.2 2007-2013 年歷史颱風事件造成的崩塌災害點位 ... 49

圖 4.2.1 坡地部分研究流程 ... 53

圖 4.2.2 曾文水庫上游集水區地理位置 ... 54

圖 4.2.3 曾文水庫上游聚落和重要道路分布 ... 55

圖 4.2.4 曾文水庫上游集水區之地質分布 ... 56

圖 4.2.5 曾文水庫上游土地利用分布 ... 56

圖 4.2.6 模式結果校驗程序 ... 61

V

圖 4.2.7 TRIGRS 模式參數率定驗證流程 ... 62

圖 4.2.8 坡地災害指標示意圖 ... 63

圖 4.2.9 2005 年海棠颱風模式預測與實際崩塌圖層比對 ... 65

圖 4.2.10 2007 年柯羅莎颱風模式預測與實際崩塌圖層比對 ... 65

圖 4.2.11 2008 年辛樂克颱風模式預測與實際崩塌圖層比對 ... 65

圖 4.2.12 2009 年莫拉克颱風與實際崩塌圖層比對 ... 65

圖 4.2.13 莫拉克颱風事件崩塌模式模擬成果 ... 66

圖 4.3.1 基期 200 年頻率年之 LV1 指標 ... 68

圖 4.3.2 近未來 200 年頻率年之 LV1 指標 ... 68

圖 4.3.3 基期 100 年頻率年坡地承載力指標 ... 68

圖 4.3.4 近未來 100 年頻率年坡地承載力指標 ... 68

圖 4.3.5 基期 200 年頻率年坡地承載力指標 ... 68

圖 4.3.6 近未來 200 年頻率年坡地承載力指標 ... 68

圖 4.3.7 地上物損失分布圖 ... 70

圖 4.3.8 影響戶數分布圖 ... 70

圖 4.4.1 坡地災害跨領域評估流程 ... 71

圖 4.4.2 近未來 200 年頻率年下的庫容淤積百分比 ... 73

圖 5.1.1 氣候變遷災害風險圖評估流程 ... 76

圖 5.1.2 災害風險定義圖 ... 76

VI

圖 5.1.3 各災害風險圖展示鄉鎮數及研析範圍 ... 82

圖 5.2.1 氣候變遷下淹水災害之危害度圖 ... 83

圖 5.2.2 氣候變遷下淹水災害之危害度圖(世紀末 2075~2099 年) .. 83

圖 5.2.3 淹水災害之環境脆弱度圖(1) ... 84

圖 5.2.4 淹水災害之環境脆弱度圖(2) ... 85

圖 5.2.5 淹水災害之社會脆弱度 ... 85

圖 5.2.6 水災害風險圖 ... 86

圖 5.2.7 淹水災害風險圖與人類發展指標圖 ... 87

圖 5.2.8 淹水災害風險圖與台南市區域計畫空間發展策略圖 ... 88

圖 5.3.1 氣候變遷下坡地災害之危害度圖 ... 89

圖 5.3.2 坡地災害之環境脆弱度圖 ... 91

圖 5.3.3 坡地災害之社會脆弱度 ... 92

圖 5.3.4 坡地災害風險圖 ... 93

圖 5.3.5 於近未來下之坡地災害風險圖 ... 93

圖 5.3.6 於世紀末下之坡地災害風險圖 ... 94

圖 5.3.7 坡地災害風險圖與人類發展指標圖 ... 94

圖 5.3.8 坡地災害風險圖與台南市區域計畫空間發展策略圖 ... 95

VII

表目錄

表 2.1.1 研究區域雨量測站 ... 11

表 2.1.2 歷史基期各測站之設計降雨量(毫米) ... 12

表 2.1.3 氣候變遷情境下各測站之設計降雨量(毫米) ... 13

表 3.1.1 洪水災害主要面臨問題來源與類型 ... 24

表 4.1.1 坡地災害主要面臨問題來源與類型 ... 51

表 4.2.1 坡度與土壤深度換算表(國家災害防救科技中心，2012) ... 59

表 4.2.2 採用地質水文參數表 ... 59

表 4.2.3 修正後成功率評估準則表 ... 61

表 4.2.4 模式校驗結果 ... 64

表 4.3.1 200 年重現期下基期與氣候變遷情境 ... 69

表 4.3.2 鑑別坡地災害熱點及風險成因 ... 70

表 5.1.1 災害風險圖各指標 ... 78

表 5.1.2 指標等級區分範例 ... 81

表 5.1.3 指標等級區分範例 ... 81

1

第一章 緒論

1.1 研究目的

近年來氣候變遷衝擊、極端氣候事件的發生，造成水文氣象類型 的災害逐年增加，且隨著災害規模與頻率增加，災害損失亦急遽攀 升。淹水、乾旱與坡地災害事件，造成的衝擊，可能更進一步影響糧 食安全、生態環境的改變與公共衛生等。台灣屬於高風險災害區域，

約 75%人口，可能面臨兩種災害風險。氣候變遷衝擊可能加重災害問 題的嚴重性，在未來氣候變遷情境下，災害的衝擊可能更為嚴重。瞭 解未來氣候情境下，災害風險的空間分佈，將有助於決策者針對高風 險與高脆弱度區域，進一步採取適當的調適措施，降低自然災害造成 的風險。面對氣候變遷的威脅，該如何應用氣候情境資料，評估鄉鎮 災害衝擊的風險，以提早規劃相關調適措施，將是一項重要的課題。

目前國內進行氣候變遷衝擊評估，所採用的情境資料，多是來自 於科技部『台灣氣候變遷推估平台與建置』計畫，簡稱 TCCIP，提供 的氣候情境資料，再進一步加值應用，其情境資料包含統計降尺度與 動力降尺度氣候情境資料。本研究利用此兩組降雨資料，分析可能造 成的淹水與坡地災害特性，並進一步評估鄉鎮的災害脆弱度與風險 等。本研究成果將分成兩個部分，如圖 1.1.1，第一部份是利用水利

2

署應用統計降尺度資料，產製的測站時雨量資料，本研究進一步利用 頻率分析，產製流域內不同頻率年下的空間降雨分佈，並利用數值模 式模擬，淹水與坡地災害於台南地區可能造成的衝擊，進而計算各鄉 鎮的淹水與坡地的脆弱度與高風險區位。而第二部分則是利用動力降 尺度時雨量資料，進行頻率分析，計算鄉鎮發生極端降雨的機率，以 作為風險圖中的危害度指標，最後利用指標相乘方式（危害度指標×

脆弱度指標），以獲得災害風險圖。

圖 1.1.1 研究架構

藉由分析不同降尺度方法的資料，以瞭解各項氣候情境資料應用 於評估災害衝擊的適用性，可提供未來其他使用者在應用氣候情境資 料前，可先行瞭解資料的特性與限制，以選擇合適的情境資料，進一

3

步評估災害衝擊。

國家災害防救科技中心（2014），簡稱 NCDR，產製全台災害風 險圖，主要是針對全台鄉鎮進行比較相對高風險區位。今年度產製的 鄉鎮脆弱度指標與風險圖等，主要針對單一縣市進行淹水與坡地的數 值模擬，可得知較細緻空間尺度（網格）災害衝擊程度與延時結果，

如地表溢淹情形、淹水延時等，藉由數值模式的分析結果，進一步計 算災害脆弱度。而鄉鎮的風險圖，主要是以縣市內的鄉鎮相互比較的 災害風險，較過去產製的全國風險圖，較能呈現出縣市內各鄉鎮災害 風險的差異，且可細部分析各指標的變化，以探討造成高風險區位的 因素，作為未來風險溝通與區域規劃之參考。

1.2 工作項目

本研究以台南市為研究區域，評估曾文溪流域內的淹水災害與坡 地災害可能造成的衝擊，利用數值模式評估曾文水庫下游地區，在氣 候變遷衝擊下，降雨造成的下游區域溢淹情形，而坡地災害則是分析 曾文水庫上游的集水區，可能產生的崩塌量，進而評估可能造成水庫 淤積的情形。鄉鎮之淹水與坡地災害風險圖，則是依據 2014 年 NCDR 建立的全台災害風險圖評估方法，應用於評估台南市內鄉鎮。

4

1. 利用 TCCIP 提供的降尺度資料，評估研究區域內的不同降雨延 時極端降雨發生的頻率。

2. 利用淹水模式分析氣候變遷衝擊下，曾文溪流域下游的溢淹情 形，並評估鄉鎮平均淹水面積、淹水深度與淹水歷程。

3. 評估台南市之淹水災害脆弱度指標。

4. 利用淺層崩塌物理模式評估曾文溪流域上游可能崩塌潛勢，再 結合土砂運移模式，評估水庫上游的崩塌量對於水庫庫容變化 之影響。

5. 評估曾文溪上游集水區之坡地災害脆弱度指標。

6. 利用指標方法評估氣候變遷下台南市的鄉鎮淹水與坡地災害之 風險圖。

1.3 章節介紹

本報告於第二章節說明研究中採用的氣候情境資料，包含統計降 尺度與動力降尺度資料。第三章將說明本研究採用的淹水模式與淹水 災害衝擊分析結果，並將模擬歷史淹水災害與水媒性傳染病例，進行 空間套疊，以作為未來災害跨領域評估研究的參考。第四章則是介紹 坡地災害衝擊的模式與評估流程，以及坡地災害的脆弱度成果。第五 章說明如何利用指標相乘方式，評估台南市的淹水與坡地災害鄉鎮風 險圖。最後，第六章依據本研究分析的成果提出相關的結論與建議。

5

第二章 氣候變遷情境說明

氣候變遷衝擊評估可採用的資料，可分為動力降尺度與統計降尺 度資料，此兩種降尺度資料應用於台灣地區的空間解析度為 5km。動 力降尺度資料，主要是來自單一模式的結果，而統計降尺度資料則是 多個氣候模式的評估結果。本章節主要說明如何應用此兩類降尺度資 料，進一步分析淹水與坡地災害衝擊。

2.1 統計降尺度資料

本研究根據科技部『台灣氣候變遷推估平台與建置』計畫提供的 假設最劣情境資料，進行自然災害衝擊評估分析。假設最劣情境，是 利用多個大氣環流模式的多模式平均（Multi-model ensemble ），進一 步加值產製的情境資料。在此是以 A1B（二氧化碳排放情境之一，假 設再生能源與石化燃料並用，土地使用變遷速度適中）情境下的各月 降雨改變率，根據多模式平均的結果於於豐水期（5 月～10 月）增加 一倍標準差，枯水期（11 月～4 月）減少一倍標準差，設定成假設最 劣情境，如示意圖 2.1.1。此假設最劣情境仍維持豐越豐，枯越枯之 特性，由於豐水期的六個月份皆是設定維持相當大雨量增加率，且枯 水期設定為顯著之雨量減少率。其衝擊程度相對個別單一 GCM 模式 是嚴重許多，甚至比 24 個模式中衝擊最大的 GCM 模式造成的影響

6

更為加重，此最劣情境之設定可視為相當極端之氣候變遷情境假設。

圖 2.1.1 假設最劣情境之示意圖

由於假設最劣情境的降雨資料，為月的改變率，無法直接應用於 評估極端降雨事件的時雨量。故研究中採用水利署之『氣候變遷水文 情境評估研究(2/2)』計畫成果，以 GCM 資料降尺度至時雨量技術，

評估曾文溪流域與台南地區的氣候變遷降雨資料。該計畫透過天氣衍 生器將 GCM 模式之月改變率降尺度為日雨量，並透過類神經網路建 立日雨量與降雨事件參數之關係，最後透過序率暴雨模擬模式，繁衍 具有歷史資料統計特性之時雨量序列，詳細評估方法請參考水利署 (2012)成果報書。

在氣候變遷情境下與歷史基期之比較，則同樣採用序率暴雨模擬 模式之繁衍資料，但歷史基期之模擬時，將月改變率設定為 1，即可

-40 -30 -20 -10 0 10 20 30 40

1 2 3 4 5 6 7 8 9 10 11 12

降 雨 改 變 率

（

％

）

月份

oneSD Ensemble

7

表現出歷史資料之統計特性。藉由合成多組時雨量資料，在此以該計 畫產製的氣候變遷情境下測站之 500 年的資料，進行頻率分析與空間 內插，以產製網格的基期與近未來的降雨特性，網格的雨量資料再進 一步應用災害評估模式中，如淹水模式與坡地崩塌模式。在水文頻率 分析方面，本研究採用分別採用 100 年與 200 年回歸期之 48 小時降 雨延時，評估淹水災害與坡地災害可能的衝擊。下文說明本研究採用 之頻率分析方法與頻率分析結果。

(一) 水文頻率分析

依據基於序率水文學理論，將降雨頻率分析分為 4 個步驟：年極 端值序列之擷取、該極端值序列最適機率分布之選定、最適機率分布 之參數推估及特定重現期下水文量之計算。茲將各工作步驟以及基本 理論分述如下：

(a)

藉由各雨量站之歷年時雨量紀錄資料，依據設計延時之訂定，

擷取有效年極端值序列。其中設計延時則是採用了為 24 及 48 小時之 設計降雨延時。

(b)

由於降雨量極端值序列之最適機率分布，會影響特定重現期水

8

文量之大小。依據選取合適之機率分布時，採用 K-S 適合度檢定，以 做為挑選最佳的機率分布之依據，計算 KS 統計量如下：

𝐷_𝑛 = 𝑠𝑢𝑝|𝐹_𝑛(𝑥) − 𝐹(𝑥)| (式 2.1.1)

其中

𝐹_𝑛(𝑥) =1

𝑛∑ 𝐼_{𝑥𝑖≤𝑥}

𝑛

𝑖=1

(式 2.1.2)

為 經 驗 累 積 機 率 函 數 (Empirical Cumulative Distribution Function, ECDF)，n 為 i.i.d 之樣本數。F(X)為給定特定分布之累積機 率函數(CDF)，當兩者差異 Dn 大於門檻值時，則判定資料不是給定 之特定機率分布。常用之機率分布為皮爾遜第三型、對數皮爾遜第三 型、極端值第一型、對數常態分布等。

(c)

本計畫使用動差法進行最適機率分布之參數推估工作。水文量 大 於 或 等 於 某 一 特 定 值 所 發 生 的 時 距 稱 為 重 現 期 距 (recurrence interval)，其平均值即稱為重現期(return period)。在水文量之頻率分 析中，重現期一般均以年為單位，故某特定水文量所相對應之重現 期，即表示發生大於或等於此水文量所需之平均年數。相對某特定重 現期水文量之大小，可表示為(Chow, 1951)

9

(式 2.1.3) 式中𝐾_𝑇為重現期 T 之水文量大小；

^

本計畫所進行各種重現期計算包括重現期為 2、5、10、20、25、

50、100 及 200 年，降雨頻率分析結果常以 Horner 公式之形態表示，

其代表特定重現期條件下，設計延時與降雨強度之關係，如下式所示：

(式 2.1.4) 式中𝐼_𝑡為平均降雨強度(mm/hr)；t 為降雨延時(hr)；a、b、c 為 待定係數，可利用最小二乘法迴歸求得；由於降雨強度 I 必為正值，

因此待定係數必須符合

^{a  0}

^{t  b  0}

^{c  0}

(d)

雨型是指降雨在某一段時間內之分佈情形；雨型設計過程須將 歷年降雨紀錄予以整理分類，應用統計方法分析最可能產生之雨型分 佈。交替組體法(alternating block method)是直接利用降雨強度-延時- 頻率曲線，所發展的設計雨型方法。降雨強度公式本研究採用 Horner





T K

x  

t c

b t I a

) (





10

公式，以 24hr 雨型為例，其設計步驟如下：

i. 依集流時間𝑇_𝑐選擇雨型之單位時間間距𝑇_𝑟。

6hr < 𝑇_𝑐 , 𝑇_𝑟 =1.0hr (式 2.1.5)

3hr < 𝑇_𝑐 ≤ 6ℎ𝑟 , 𝑇𝑟 =0.8hr (式 2.1.6)

1hr < 𝑇_𝑐 ≤ 3ℎ𝑟 , 𝑇𝑟 =0.4hr (式 2.1.7) 𝑇_𝑐 ≤ 1hr , 𝑇_𝑟 =0.15hr (式 2.1.8)

ii. 參考水利署92年「台灣地區雨量測站降雨強度－延時 Horner公式分析」或前經濟部水資源局90年12月「水文設 計應用手冊」查得Horner公式之之常數。

iii. 以該雨量強度公式計算各個延時(Tr,2Tr,..,24hr)之降雨強 度，其對應之該延時降雨量為降雨強度與延時的乘積，再 將每相鄰延時的降雨量相減，即得24hr雨型之每一單位時 間的降雨量。

iv. 將每個單位時間的降雨量除以24小時總降雨量，可得各個 單位時間的降雨百分比，將降雨百分比之最大值放置在中 間（第12小時），再依右大左小依序排列，即可完成尖峰 在中央的24小時雨型。

11

(二) 降雨頻率分析結果

本研究所選用之各測站基本資料如表 2.1.1 所示，空間分布如圖 2.1.2。其中，高雄、台南、虎頭埤三個測站之頻率分析結果直接採用

「氣候變遷水文情境評估研究(2/2)」之成果。經分析後，本研究選用 極端值第一型分布為各測站資料之機率分布，計算各重現期之設計降 雨量，如表 2.1.2 與表 2.1.3 所示。

表 2.1.1 研究區域雨量測站

站號 站名 縣市

測站位置

高程(m) TM2_X

(公尺)

TM2_Y (公尺)

01O750 王爺宮 台南市 188639 2569019 130 01N850 南化(2) 台南市 196645 2549314 114 01O760 關山 台南市 208553 2563541 240 01O770 環湖 台南市 190415 2560828 60 H1O940 大棟山 台南市 202022 2578466 1234

01O710 虎頭埤 台南市 182893 2547078 34 467410 臺南 台南市 168772 2543053 13.8 H1M420 三角南山 台南市 207848 2569527 1086

H1P970 表湖 高雄市 215277 2573137 1100 467440 高雄 高雄市 180167 2496144 2.3 H1M220 里佳 嘉義縣 221382 2587089 1550 H1M230 水山 嘉義縣 231678 2596639 2450 H1M240 樂野 嘉義縣 221874 2595423 1850 H1M250 馬頭山 嘉義縣 209446 2581581 1020 H1M430 龍美 嘉義縣 215487 2589717 1200

12

圖 2.1.2 雨量測站空間分布圖

表 2.1.2 歷史基期各測站之設計降雨量(毫米)

測站名稱 與站號

延時 重現期(mm)

(hr) 2 年

5 年

10 年

25 年

50 年

100 年

200 年 01O750 24 222.1 281.6 321.0 370.8 407.7 444.4 481.01

48 265.0 333.6 379.1 436.7 479.4 521.8 564.13 01N850 24 217.7 284.1 327.9 383.1 424.0 464.5 505.00 48 280.0 361.1 414.3 481.2 530.8 579.9 628.80 01O760 24 227.4 310.1 364.8 433.9 485.2 536.1 586.81 48 268.0 363.1 426.1 505.6 564.6 623.2 681.57 01O770 24 258.9 345.0 402.0 473.9 527.3 580.3 633.06 48 328.1 448.4 528.2 628.9 703.6 777.8 851.79 H1O940 24 260.0 362.5 430.4 516.1 579.7 642.8 705.78 48 306.7 434.6 519.3 626.2 705.6 784.3 862.81 01O710 24 207.2 290.9 342.8 404.8 448.5 490.4 530.85 48 266.6 370.0 428.8 495.1 539.9 581.6 621.02 467410 24 213.9 321.1 390.0 473.8 533.7 591.6 648.03 48 279.0 412.3 495.6 595.1 665.4 732.8 798.09 H1M420 24 301.7 414.4 489.0 583.1 653.0 722.4 791.48 48 375.5 523.5 621.1 744.3 835.7 926.3 1016.64 H1P970 24 259.3 379.6 459.1 559.5 634.0 707.9 781.64

13

測站名稱 與站號

延時 重現期(mm)

(hr) 2 年

5 年

10 年

25 年

50 年

100 年

200 年 48 312.6 455.6 550.1 669.4 757.8 845.6 933.05 467440 24 218.1 313.0 376.6 455.7 513.2 569.3 624.36 48 270.2 404.9 501.8 626.9 720.1 812.4 904.19 H1M220 24 279.2 392.9 468.1 562.9 633.2 703.0 772.53 48 372.3 545.1 659.6 804.3 911.6 1018.9 1124.35 H1M230 24 193.2 267.1 315.9 377.6 423.3 468.7 513.96

48 261.9 373.4 447.3 540.8 610.1 679.0 747.70 H1M240 24 262.9 375.2 449.7 543.8 613.7 683.1 752.23 48 338.1 486.0 584.3 708.5 800.8 892.4 983.69 H1M250 24 271.7 382.3 455.5 547.9 616.5 684.6 752.42 48 339.9 490.9 590.8 717.0 810.7 903.7 996.31 H1M430 24 271.2 388.0 465.3 563.0 635.5 707.4 779.10 48 326.1 478.9 580.1 708.0 802.9 897.1 990.96

表 2.1.3 氣候變遷情境下各測站之設計降雨量(毫米)

測站 名稱 與站號

延時 重現期(mm)

(hr) 2 年

5 年

10 年

25 年

50 年

100 年

200 年 01O750 24 235.0 304.4 350.4 408.4 451.5 494.31 536.91

48 280.5 364.6 420.3 490.6 542.8 594.67 646.28 01N850 24 244.5 319.4 368.8 431.3 477.7 523.68 569.48 48 308.7 404.8 468.0 547.6 606.5 665.03 723.23 01O760 24 245.1 334.1 393.1 467.6 522.9 577.79 632.46 48 285.8 391.6 461.6 550.2 615.9 681.18 746.17 01O770 24 287.6 379.2 439.8 516.4 573.2 629.65 685.81 48 359.9 484.7 567.4 672.1 749.8 826.99 903.88 H1O940 24 276.8 377.2 443.5 527.3 589.5 651.26 712.72 48 337.8 470.2 557.6 667.8 749.6 830.77 911.56 01O710 24 252.3 339.8 393.4 456.7 501.2 543.74 584.73 48 335.8 441.8 500.4 565.9 609.9 650.87 689.41 467410 24 239.4 345.0 411.4 491.2 548.0 603.05 657.00 48 320.8 451.2 531.2 626.1 693.1 757.83 821.08 H1M420 24 318.6 430.6 504.7 598.3 667.8 736.79 805.49 48 396.3 539.2 633.7 753.1 841.7 929.57 1017.11

14

測站 名稱 與站號

延時 重現期(mm)

(hr) 2 年

5 年

10 年

25 年

50 年

100 年

200 年 H1P970 24 271.9 387.9 464.8 561.8 633.8 705.24 776.42

48 331.0 473.7 568.1 687.3 775.7 863.41 950.78 467440 24 247.2 347.7 418.6 510.9 581.0 651.61 722.85 48 314.6 453.3 558.8 701.2 811.7 924.59 1039.76 H1M220 24 293.8 402.5 474.3 565.1 632.4 699.21 765.75

48 395.9 558.5 666.2 802.1 903.0 1003.18 1102.93 H1M230 24 209.2 291.0 345.1 413.4 464.0 514.35 564.42

48 285.9 409.6 491.7 595.5 672.6 749.22 825.51 H1M240 24 295.2 413.4 491.6 590.4 663.6 736.37 808.80 48 377.8 542.7 651.9 789.8 892.2 993.84 1095.08 H1M250 24 292.4 401.4 473.5 564.5 632.0 699.12 765.90

48 364.4 513.6 612.4 737.3 829.9 921.89 1013.50 H1M430 24 295.6 425.2 510.9 619.1 699.4 779.09 858.46

48 361.2 536.8 652.7 799.1 907.7 1015.45 1122.76 根據前述水文頻率分析與設計雨型的評估後，以台南地區以及曾 文溪流域上游為研究區域，以推估的氣候變遷衝擊下 15 個雨量站的 24 小時總雨量，進行空間內差繪製降雨分布圖，氣候變遷情境下之 分析結果如圖 2.1.3 所示，最大雨量在曾文溪上游，其雨量介於 494~779mm，氣候變遷情境下總雨量約增加 10%。

依據鄭克聲等人(2001)之建議，降雨頻率分析使用之有效紀錄年 限至少為廿年，當使用過短紀錄年限進行頻率分析時，則分析之結果 存在極大之不確定性。因此建議未來進行設計暴雨之空間分析時，應 考慮使用有效紀錄年限至少為廿年份雨量站之資料。

15

圖 2.1.3 氣候變遷情境下 100 年頻率年 24 小時累積總雨量空間分布

2.2 動力降尺度之情境資料

本研究的災害風險圖之氣候變遷情境資料，主要是來 TCCIP 計 畫所產製之動力降尺度高解析度網格雨量資料。氣候變遷情境資料應 用於風險圖分析之流程，如圖 2.2.1 所示。由於臺灣的資源與技術，

無法尚未自行發展全球大氣環流模式，故本研究先行採用日本氣象廳 之氣象研究所(Meteorological Research Institute, MRI) 發展的高解析 度 大氣環流 模式 (Atmospheric General Circulation Model ， 簡稱為 MRI-JMA AGCM)模擬出的氣候推估結果，作為初始場及邊界條件進 一步進行動力降尺度以獲得更高解析度之資料以應用於臺灣。

16

圖 2.2.1 淹水與坡地風險圖之氣候變遷情境資料評估流程

MRI-JMA AGCM 係根據日本氣象廳原有用在天氣預報作業的數 值模式所發展而成，水平解析度約為 20 公里，為一非常高解析度的 全球模式。此模式採分段模擬(又稱為時間切片，time slice)基期 (1979~2003 年)，近未來(2015~2039 年)以及世紀末(2075~2099 年)等 三個時期的氣候推估，所使用之氣候變遷情境為 A1B 情境。

由於全球大氣環流的模擬，需要耗費的時間與經費相當高，故各 國再模擬多是選擇分段模擬的方式，進行氣候變遷情境推估。日本 MRI-JMA AGCM 的模式，是以 1979~2003 年視為在未受到氣候變遷

17

衝擊下的比較基準，由於大氣模擬模式的不確定性相當高，故模擬時 多是以 20 年~30 年期間的平均特性代表該時期的氣候特性，進而為 了讓人類感受到二氧化碳排放濃度是會明顯造成氣候變異的衝擊，讓 決策者能提早做出相關的因應對策，故各國在模擬時會進行近未來的 模擬，日本模式則是以 2015~2039 年可能的二氧化碳的排放情境，表 示近未來可能造成的氣候變遷衝擊。另外，由於氣候變遷是屬於長時 間的衝擊且不確定性較高，二氧化碳濃度的改變對氣候變遷造成的影 響，需要數十年才易看出氣候的變化，故多數國家再進行大氣環流模 式模擬時，會進一步模擬世紀末可能的氣候變遷情形，在日本的模式 中則是以 2075~2099 年期間表示世紀末可能的氣候特性。

由於 20 公里的解析度對於呈現台灣集水區尺度之降雨事件空間 特性仍顯不足，故 TCCIP 計畫以美國大氣研究中心(NCAR)所發展的 天氣研究與預報模式系統(Weather Research and Forecasting modeling system，簡稱為 WRF 模式)進行區域動力降尺度，產製出水平空間解 析度為 5 公里、時間解析度為 1 小時之降雨推估資料(該資料後續簡 稱為 MRI-WRF)，此資料於全臺灣共 1566 個網格。

由於 MRI-WRF 動力降尺度所模擬之降雨資料，無法模擬歷史颱 風發生之時間點，而是嘗試重現歷史颱風之特性，例如路徑、總降雨

18

量、氣壓等。然而動力降尺度所依賴之數理模式並無法百分之百的描 述大氣變化特性，存在所謂的模式不確定性(model uncertainty)，為確 保動力降尺度資料應用於降雨事件特性分析時，能反映觀測資料之統 計特性，本研究利用測站觀測資料對動力降尺度資料進行偏差校正 (bias correction)。

(一)颱風事件雨量資料偏差校正

偏 差 校 正 方 法 採 用 累 積 機 率 密 度 函 數 (Cumulative Density Function, CDF) 對應法(Piani et al. 2010a; Piani et al. 2010b)，其目的在 於 使 MRI-WRF 模 式 推 估 資料 與測 站 觀 測 資料 具有 相 同 之 母體 (population)分布特性，以使模式推估資料與觀測資料具有相同之統計 特性，例如平均值、標準偏差等。校正過程示意如圖 2.2.2 所示，其 中 X 為校正前之 MRI-WRF 推估降雨，Xc 為校正後之降雨。

圖 2.2.2 偏差校正示意圖

19

圖 2.2.2 偏差校正示意圖

由於台灣地區造成淹水災害的強降雨事件主要為颱風事件，故本 研究僅針對颱風季節之降雨事件進行偏差校正。MRI-WRF 動力降尺 度可模擬颱風路徑、氣壓等資訊，故可推估颱風中心位置，並由大氣 領域之定義(颱風中心距離台灣沿岸 300 公里內)決定颱風事件，其在 基期所挑出之颱風事件數共 88 場。測站觀測資料依據相同定義所挑 出的颱風事件則有 109 場。

(二)颱風事件雨量偏差校正結果

為比較颱風降雨事件於偏差校正前後之差異，針對歷史觀測與 MRI-WRF 之颱風事件計算其平均颱風事件總降雨量，結果如圖 2.2.3 所示。可發現相較於觀測資料的特性而言，MRI-WRF 在校正前的總 降雨率明顯偏低，而校正後其平均總降雨量與觀測之分布較為接近，

由此可知偏差校正改善了 MRI-WRF 於颱風事件降雨量低估的問題。

20

測站觀測 MRI-WRF 校正前 MRI-WRF 校正後

圖 2.2.3 校正前後颱風事件平均總降雨量比較

(三) 降雨資料頻率分析

經過偏差校正後的 MRI-WRF 時雨量序列，以每個網格為單元，

計算連續 24 小時降雨量之年最大值序列，進行水文頻率分析。

針對不同時期(基期、近未來、世紀末)分別計算每年之連續 24 小時之年最大值序列(例如：基期為 25 年，則有 25 筆年最大值資料)，

並推估此年最大值序列之統計分布，推估過程中選用極端值一型、對 數常態與皮爾遜第三型分布(PT3)等。經統計檢定後，大部分網格點 皆通過檢定為 PT3 分布，而後根據不同目的之需求設定降雨門檻值，

例如 600mm 或 350mm 等，透過前述所推估之 PT3 理論分布，利用 下式計算連續 24 小時累積雨量超過門檻值(例如：𝑥_𝑇=600mm)之超越 機率，其中 T 為重現期：

P(X ≥ 𝑥_𝑇) = ¹

𝑇 (式 2.2.1)

21

依據不同災害特性，設定降雨門檻值，以計算降雨指標於三個推 估時期發生之機率，以淹水災害風險圖為例，即計算 25 年當中，連 續 24 小時累積雨量超過 600mm 發生之機率(P(X≧600))作為危害度 指標；而坡地災害風險圖中之則是以連續 24 小時雨量超過 350mm 發 生之機率(P(X≧350))作為危害度指標。

22

第三章 淹水災害脆弱度

3.1 淹水災害特性

（一）淹水災害成因

台灣平均每年發生 3.5 次颱風與多次豪雨，是台灣最嚴重的天然 災害。洪水發生的主要原因為暴雨，以及其他如泥砂量大、河道短促 等不利的自然條件，再加上許多人為因素的影響，往往使得災害程度 加重，故洪災往往是「天災」加上「人禍」的結果，而不是單一因素 造成的。形成洪水的主要天然因素包含雨量驚人、河道坡度大、表土 沖蝕量大等。台灣為島嶼國家，每年五、六月的梅雨及六月至十月的 颱風，往往帶來十分驚人的雨量，尤其每小時之雨量強度大。另一方 面，台灣的集水區及河道坡度大，河道無法大量積蓄水量，上游的溪 流在短時間內便會流至下游，造成洪水。

李光敦等人(2013)曾指出受到全球氣候變遷效應的影響，水文異 常現象發生頻率增高，災害規模亦有加劇的趨勢。再則，台灣的集水 區土壤脆弱，平均每年土壤沖蝕率為 2 至 20 公厘，是中國黃河流域 之 5 至 70 倍、美國密西西比河流域之 30 至 300 倍。大量的泥砂隨著 洪流而下，沈積在河道內，將影響河道排洪能力，在排水效果不佳的 情況下，可能造成下游嚴重溢淹情形。

23

人為因素方面則包含人類與水爭地、都市化及集水區的開發、破 壞水土保持、過度依賴結構性防災方法（堤防）等。都市沿著河川發 展，興建往日河川的洪氾區在洪水來臨時，即容易遭受水患衝擊。另 一方面，都市化改變了水文環境。不透水面積增加，透水的森林、草 地面積減少，使得大多數的降雨無法入滲到地下，造成地面逕流量增 加，提升水災發生的機會。此外，台灣的集水區上游有不少濫墾、濫 伐及超限利用的情況，水土流失情況嚴重，泥砂產量也增加，使下游 河川及排水道淤積，不利於洪水之宣洩，以及過度依賴堤防作為整治 工程，也是造成水災的原因之一。在極端異常的暴雨及洪水，仍可能 會發生洪患，堤防一旦潰決，造成的財產生命的損失往往比未築堤防 更加嚴重(氣候天氣災害研究中心，2014)。曾梓峰與丁澈士(2011)、

CLISP-WP.3(2011)、Davoudi, S. (2013)以及黃書禮(2013)都曾指出都市 化使得洪患更為嚴重，強調都市發展與流域防災整合之重要性。

本研究根據相關文獻，綜整出洪水災害之成因與特性，並定義危 害度為以降雨因子為造成自然災害主要指標，淹水災害的脆弱度因子 則由淹水面積、淹水深度與淹水延時組成。暴露指標則主要以保全住 戶、建築物與工業區為暴露因子。透過 IPCC-AR5 之定義危害、暴露 度與脆弱度，列於表 3.1.1。

24

表 3.1.1 洪水災害主要面臨問題來源與類型

問題來源 問題類型 說明

短延時強降雨

累積降雨量過大 危害 淹水風險之危害來源，降雨

量大，危害越大。

地勢低窪、地層下陷速率增

加 危害

淹水風險之危害來源，低窪 地區為水流匯集處，危害 大。

排水系統能力不足(雨水下 水道容量設計、滯洪池、抽 水站等)

脆弱度 排水系統因排水能力不足 而造成系統脆弱度增加。

河川堤防溢堤 脆弱度

堤防高度因河川洪水量過 大而顯得不足，造成系統脆 弱度增加。

土地利用 暴露度

不同土地利用所造成的損 失不同，如農業區與工業區 便有所差異。

人口 暴露度

人口密度分布，人口集中地 區暴露在強降雨區，易造成 嚴重的生命財產損失。

(二)歷史淹水情形

台南地區近十年來，除了颱風事件會造成淹水災情，瞬間時雨量 的暴雨亦有淹水災情發生。莫拉克颱風與水氣豐沛旺盛之西南氣流產 生輻合作用，挾帶大量雨水浸淹台灣中南部，造成淹水災情範圍相當 廣泛，造成台南 70 年來最嚴重的水患。由於其帶來的雨量使得原先 缺水的曾文水庫短時間內超過負荷，啟動洩洪後，最大排洪量高達 8,277cms，一日內洩洪量超過 5 億立方公尺，相當於曾文水庫自身有

25

效蓄水量的八成量體（相當於北部石門與翡翠蓄水量總和），導致下 游潰堤、多處嚴重浸泡洪水之中，受災範圍包括沿岸官田、下營、學 甲、麻豆、大內、善化、西港、安定與七股等鄉鎮，其中麻豆鎮的小 碑里、北勢水勢曾達到一樓高，而附近的麻豆圓環也曾水深及膝；其 他曾文溪沿岸的善化六分寮、東勢寮和官田西庄、拔子林等地也都因 曾文堤防溢堤淹水。

彙整經濟部水利署、地方政府及各勘查團隊之勘查資料等各單位 淹水調查資料，台南地區約 20 個鄉鎮市發生淹水，最大淹水深度發 生於學甲鎮及麻豆鎮，淹水深度約為 2 公尺，總淹水面積約 33,930 公頃(NCDR，2010)。致災原因可概歸類有降雨量超過河川及區域防 洪標準、河堤破損之淹水、河床淤積所造成之溢淹、沿河兩岸低窪地 區之淹水、都市排水不良造成之淹水與水庫放水加劇淹水之災情。圖 3.1.1 為 2009 年莫拉克颱風對台南造成的淹水災情，推測淹水災害的 成因，主要是短延時強降雨與累積降雨量過大(危害)，造成排水不 及、河川堤防溢堤或低窪地區的淹水問題(脆弱度)，導致人民的生命 財產損失(暴露量)。

26

圖 3.1.1 2009 年莫拉克颱風事件淹水災害調查

經濟部水利署(2011)藉由降雨-逕流、河川水理、二維淹水模式分 析淹水潛勢，採用層級分析法，將淹水深度、水流流速、水位上升率、

淹水時間等因子分成生命與財產兩個面向並給定權重，計算水災風 險，其分析結果以仁德區、柳營區、安南區有 50%的村里判定為淹水 災害衝擊下有較高的生命風險度，而有較高的財產風險的區域則是仁 德區、永康區、安平區、新市區。

目前國內相關治水政策自 2006 年至 2013 年，規劃八年八百億之 易淹水區治理計畫，改善包括三爺溪水系、將軍溪排水、港尾溝溪排 水、永康排水以及鹿耳門溪排水等重要排水系統。於 2014 年規劃六

27

年六百億之「易淹水地區後續治理及維護管理計畫」，將持續改善台 南市的淹水災害衝擊。政策目標之評估項目與可接受風險為以有保全 對象的區域，減少區內的下游的淹水面積、淹水深度，針對坡地災害 潛勢區位，且考量氣候變遷衝擊下，以近未來(2020~2039)期間，可 能發生的極端事件所造成的洪水災害衝擊，採取相關調適措施。

3.2 淹水災害脆弱度評估

根據前述章節分析，造成淹水災害主要成因，來自於颱風與暴雨 所帶來的短延時強降雨與過大的累積降雨量造成嚴重的災情。本研究 藉由淹水模式模擬，評估在基期與氣候變遷衝擊下，台南地區可能淹 水的情形，進而計算各鄉鎮間遭遇的淹水災害時的，相對脆弱程度，

並進一步評估各鄉鎮可能造成的災害損失。本研究評估洪水災害分析 流程如圖 3.2.1 所示，根據 2.1 節的雨量資料，進一步應用於災害評 估模式，淹水模式採用的是 3D 水動力淹水模式（Finite Volume Community Ocean Mode, FVCOM），評估淹水歷程、淹水深度與範 圍，並利用 NCDR 開發之災損評估模式(TLAS)分析影響戶數雨災 損。本研究模擬的淹水區域主要是以曾文水庫下游以及沿海地區，包 含台南市各鄉鎮範圍，進行分析評估，研究區域範圍如圖 3.2.2 中淺 藍色的區位所示，主要針對曾文水庫下游進行分析模擬。

28

圖 3.2.1 洪水災害衝擊評估流程

圖 3.2.2 淹水災害研究範圍

29

3.2.1 淹水模擬模式 (一)淹水模式介紹

FVCOM 是三維有限體積水動力模式(Chen et al., 2004, 2006)，該 模式整合海岸逕流以及降雨的溢淹模擬工作，該模式所需的資料主要 是地形、河川斷面以及設計雨型，本究主要是利用前述的設計雨型帶 入模式中評估曾文溪下游之淹水範圍與淹水深度。

FVCOM 模式是使用不規則網格在水平方向離散，不規則網格可 以擬合複雜的海岸線邊界，並且可以在物理變動量大的區域細化網 格，提高空間解析度。此外，模式使用修改後之 Mellor and Yamada (1982) level 2.5 以及 Smagorinsky (1963) 紊流閉合方法處理垂直與水 平方向的混合問題。而乾、溼網格的處理能力，使模式可模擬因海岸 暴潮、河川溢堤以及降雨所造成之淹水情況。此外，模式也被廣泛使 用於海岸暴潮及海岸淹水模擬（Weisberg and Zheng, 2006a, 2006b, 2008; Aoki and Isobe, 2007; Rego and Li, 2009a, 2009b）。經過布氏近 似、靜水壓與淺水假設之卡式坐標動量方程式可表示如下：

 

0 0

1 sx bx

h h

u u u P u u

u v fv g N N

t x y x x x x y y h

 



  

  

                 (式 3.2.1)

 

0 0

1 sy by

h h

v v v P v v

u v fu g N N

t x y y y x x y y h

 



  

  

                  (式 3.2.3)

 

 

 

 

t x y x y

  

         

     (式 3.2.3)

30

其中^{u v,} 為^{x y,} 方向之深度平均流速；^為海表面高程；

h

^f



N

模式基於下述規範以點處理技巧，模擬乾、濕網格的過程：

^min

min

, ,

wet if D h D dry if D h D





  

   

 (式 3.2.4)

對於任意三角形元素：

   



 



, min , , max , ,

, min , , max , ,

N N N N N N

N N N N N N

wet if D h h h D

dry if D h h h D

  

  

  

    



其中，N N1, 2,N3為三角元素的三個頂點；

D

曾文溪三維模式由 271,326 網格與 136,165 節點所組成（如圖 3.2.3 方向分以 sigma 坐標分為 5 層，模擬時距為 5 秒。模式的每個格 點均有坐標以及水深或地行高程資訊，圖 3.2.4(a)與圖 3.2.4(b)為整 個模擬範圍與曾文溪口局部放大之水深分布。

31

圖 3.2.3 之不規則網格圖

（a）

(b)

圖 3.2.4 地形分布圖(a)，以及局部放大地形圖(b)

(二)FVCOM 淹水模式校驗

任何模式建置完成後，必須先經過檢定與驗證程序，殆定模式之 準確性後，方可應用於氣候變遷條件下之淹水情況推估。本子計畫以

32

三場為曾文溪流域帶來豪雨之颱風事件，進行模式之校驗，分別為 2007 年柯羅莎颱風、2008 年卡玫基颱風以及 2009 年莫拉克颱風，圖 3.2.5 為繪製之颱風路徑，可以看出此三場颱風均為 2 號路徑颱風，

由臺灣東南部往西北部移動，颱風的強風與低氣壓雖未對臺灣西南海 岸造成顯著暴潮，但颱風引進的西南氣流卻為該地區帶來大量雨水，

也因此造成曾文溪水位暴漲，甚至發生溢堤現象。模式校驗分為兩部 分，一為曾文溪河道水位站與外海潮位站之時間序列資料校驗；二為 2009 年莫拉克颱風，曾文溪流域淹水範圍之空間校驗。

圖 3.2.5 淹水模式所使用颱風之路徑

圖 3.2.6 為模式模擬與量測之將軍漁港站潮位時序圖，圖形顯

33

示，模擬結果與量測結果甚為吻合，此三場颱風對將軍漁港潮位變化 影響不大，漲潮潮位不超過 1.5 公尺。圖 3.2.7 為曾文溪河道，曾文 溪橋水位站，模擬與觀測比較圖，水位誤差最大有達瞬間 4 公尺左 右，但大部分誤差均位於+2 到-2 公尺之間，模式對洪峰值以及洪峰 時間的掌握，甚為精確。

圖 3.2.6 將軍漁港潮位站，模擬（黑色實線）與量測（黑色十字）之時序比對。

圖(a)2007 年柯羅莎颱風，圖(b)2008 年卡玫基颱風以及圖(c)2009 莫拉克颱風

34

圖 3.2.7 曾文溪橋水位站，模擬（黑色實線）與量測（黑色圓圈）之時序比對。

圖(a)2007 年柯羅莎颱風，圖(b)2008 年卡玫基颱風以及圖(c)2009 莫拉克颱風

35

除單點時序資料校驗外，本計畫亦針對淹水範圍進行空間分布校 驗，圖 3.2.8 為模式模擬曾文溪流域於 2009 年莫拉克颱風期間之淹 水範圍（有色階），與水利水現場調查（白色）之比對圖。模擬可重 現出與現場調查大致相同之淹水範圍，但由於缺乏支流的斷面資料，

因此，模式對少部分範圍有低估現象發生，但模式仍可正確反映出，

因為河水溢堤以及強降雨所造成之淹水分布情況。

圖 3.2.8 2009 年莫拉克颱風模擬（有色階）與現調（白色）之淹水範圍比對

36

3.2.2 淹水脆弱度評估

根據 FVCOM model 模擬市區淹水模擬數據結果，進行量化災害 衝擊之指標分析，流程請參考圖 3.2.9。利用 FVCOM model 模擬之 逐時水深與逐時淹水範圍數據，演算台南各鄉鎮之逐時洪水體積，並 以最大洪水體積值為脆弱度指標(FV1)，意即，洪水體積越大之鄉鎮，

脆弱度指標越高；研究中並探討淹水延時的影響，以開始淹水至水深 到達最大深度時之時間長度表示，淹水延時越久，失敗的時間越長，

回復至正常狀況（未淹水前的情形）越不易。

圖 3.2.9 淹水脆弱度評估流程

37

3.2.3 歷史災害模擬

本研究利用 FVCOM 模式模擬過去幾場歷史颱風事件，包含 2005 年 0612 豪雨事件、卡玫基颱風、凡那比颱風與莫拉克颱風，並與過 去有調查淹水範圍的圖資相互套疊，如圖 3.2.10~圖 3.2.13，四場颱 風事件中以 0612 豪雨與莫拉克事件模擬的淹水範圍與調查範圍較為 相近，雖高估部分淹水範圍，主要的淹水區位大致有推估。

本研究以莫拉克颱風為例，進一步分析其鄉鎮淹水面積、深度與 體積，並計算鄉鎮之淹水脆弱度（最大淹水體積），如圖 3.2.14 (a)、

(b)、(c)（d）如所示。莫拉克的淹水模擬面積約為 88,327 公頃，受到 河水溢堤影響，淹水深度較深出現在曾文河道左岸之大內區、山上區 與善化區。由於地勢低窪且受到海潮影響，台南沿海一帶的鄉鎮平均 淹水延時較長，相對在回復到未淹水前的狀況越不易。而北區、東區 因地勢較高(先天優勢)且具有較完善之排水系統，故淹水延時相對較 短，其災後回復力到正常現象較快。相對於安南與七股區，淹水延時 長且淹水面積與體積相對大，故在遭遇淹水災害時，此兩區較不易回 復到未淹水前的狀態。

38

圖 3.2.10 0612 豪雨模擬與調查淹水範圍 圖 3.2.11 卡玫基颱風模擬與調查淹水範圍

圖 3.2.12 凡那比颱風模擬與調查淹水範圍 圖 3.2.13 莫拉克颱風模擬與調查淹水範圍

39

(a) 莫拉克事件之鄉鎮淹水深度 (b) 莫拉克事件之鄉鎮淹水面積

(c) 莫拉克事件之鄉鎮淹水脆弱度（FV） (d) 莫拉克事件之淹水延時 圖 3.2.14 歷史莫拉克事件淹水模式模擬成果

3.3 氣候變遷衝擊下淹水災害脆弱度

（一）淹水災害脆弱度

本研究利用合成模式產製日雨量資料，再以類神經網路與序率暴 雨模式，產製不同頻率年下設計暴雨量，但其空間分佈相同主要是降 雨量有些需程度上差異，在計算鄉鎮間的差異並不大，故在此以呈現

40

氣候變遷下的 200 年頻率年之設計暴雨量，可能造成台南地區的淹水 災害衝擊之結果，如圖 3.3.1。在曾文溪較上游未設置堤防河段，由 於曾文水庫之洩洪量相當大，受限於主河道通洪能力與兩岸高程差，

故部分主河道兩岸較低區域有溢淹問題。中游北岸官田一帶，由於堤 防仍有缺口，故有沿主流河岸低地溢淹之情形，由細部流向分析結果 顯示，若洪水溢淹至官田一帶，則其將順地勢往麻豆、學甲、下營一 帶運移，亦即跨流域影響將軍溪流域上游各區。

圖 3.3.2 為氣候變遷情境下可能的淹水深度、淹水面積、淹水脆 弱度與淹水延時，在鄉鎮間的空間差異圖，曾文河道左岸之大內區、

山上區，因沿用現有的河堤高度資料，該處尚未設置提防，而造成部 分河道的水溢淹情形，故模擬時該區域沿著河堤的淹水深度較高，故 造成大內與山上區，的淹水深度相對其他區域高，但其淹水面積不 大，故該區的淹水脆弱度變相對低，且由於此兩區的高程較高，洪水 較易往下游流動，其消散速度快，故淹水延時短。下游地區七股區、

北門區、學甲區與鹽水區、因地勢低窪為水流匯集地，故淹水面積大，

深度淺，但延時長，故其淹水脆弱度相對高。

41

圖 3.3.1 氣候變遷下 200 年頻率年之淹水模擬情形

(a)氣候變遷下 200 年頻率年之鄉鎮淹水深度 (b) 氣候變遷下 200 年頻率年之鄉鎮淹水面積

(a)氣候變遷下 200 年頻率年之淹水脆弱度

（FV）指標

(b) 氣候變遷下 200 年頻率年之淹水延時

圖 3.3.2 氣候變遷下 200 年頻率年之淹水災害指標

42

（二）淹水災害與災損套疊之結果熱點區域

本研究結合國家災害防救科技中心所研發之「臺灣颱洪災損評估 系統(簡稱 TLAS Taiwan)」，透過自動化的計算模組，評估災害損失，

本研究僅針對影響戶數與地上物損失進行洪水災害衝擊評估。

由於此災損評估模式與土地利用與網格淹水深度具有高度相關 性，淹水深度越高且影響的區域為在工業區﹑商業區或區域網絡密度 高的區域，其災損較高。圖 3.3.3 是根據極端事件淹水之模擬的災損 結果，淹水熱點區位為永康區、南區與安南區，此三區欲發生淹水災 害造成的經濟損失相對較其他區域大。而中西區由於人口集中，發生 淹水災害對於該區域內影響戶數相對多，故在淹水災害衝擊中，未來 受災的風險是較高的。

43

圖 3.3.3 假設極端事件下淹水災損情形(影響戶數與地上物損失)

3.4 淹水災害衝擊評估之跨領域應用

本研究以歷史颱風事件資料與氣候變遷情境資料，利用 FVCOM 模式評估台南地區的歷史淹水範圍與未來氣候變遷情境下的淹水範 圍，進一步換算成鄉鎮的平均淹水深度與面積，並探討與水媒疾病的 影響，其分析分析流程如圖 3.4.1。

44

圖 3.4.1 淹水災害跨領評估之流程圖

本研究根據蒐集的疾病相關資料，台南地區的水媒性病例，主要 發生在 2005 年-2011 年期間，依據發生病例期間前後的歷史豪雨與颱 風事件，進行分析模擬，共一場豪雨事件與五場颱風事件。 在桿菌 性痢疾方面有四場淹水事件與有疾病相關資料，分別是 0612 豪雨事 件（2005），鳳凰颱風（208）、莫拉克颱風（2009）、南馬督颱風（2011）

等事件，其空間分佈如圖 3.4.2，主要病例在官田區。

在腸病毒病例則只有三場淹水事件，分別是泰利颱風（2005）、

鳳凰颱風（2008）、卡玫基颱風（2008）等事件，主要病例在新營區，

其空間分佈如圖 3.4.3。

在歷史淹水事件與疾病資料空間分佈相互套疊，由於淹水模擬與

45

疾病空間分佈相關性不高，因此尚未完成淹水深度與疾病的回歸關 係，未來將進一步利用可處理眾多變數間過度複雜非線性的關係的 Generalized additive model 分析模式，分析對淹水後多久的時間會造 成疾病發生，以及淹水高度是否影響疾病擴散問題。

(a) 0612 豪雨 (b) 鳳凰颱風

(c) 莫拉克颱風 (d) 南瑪都颱風

圖 3.4.2 歷史颱風事件淹水深度與桿菌性痢疾病例之空間分佈

46

（a）泰利颱風 （b）鳳凰颱風

（c）卡玫基颱風

圖 3.4.3 歷史颱風事件淹水深度與腸病毒病例之空間分佈

47

第四章 坡地災害脆弱度分析

4.1 坡地災害特性

臺灣地區降雨主要來自颱風和鋒面型梅雨，此兩季節的降雨特 性，經常造成嚴重的坡地災害衝擊。坡地災害的損失，高居天然災害 的首位，並且發生的頻率相當高(洪如江，2009)。造成坡地災害的機 制，可分為內在因素與外在因素，前者內在因素則是坡面本身地質構 造與地形屬於較為脆弱的特性，而外在因素則是受到外力作用影響，

使得坡面的剪應力作用增加，造成邊坡不穩定而滑落，常見原因包含 地震、豪雨及人為因子，例如山坡地過度開發、森林砍伐、集水區濫 墾及超限利用、山區開闢道路或興建水庫、工程選址或道路選線不 當、邊坡排水系統與護坡工程維護不周等(洪如江，2002；洪如江，

2009)。降雨為坡地災害發生的最主要驅動力之一，在氣候變遷下，

可能造成集中降雨且短延時降雨增加，使得地表土壤流失量增加，因 此將加重坡地災害的衝擊。

林美聆於 2013 年與 2014 年皆針對極端降雨下流域大規模崩塌對 後續土砂災害之影響進行評估，以高雄那瑪夏區為例，研究中評估崩 塌率與災害事件累積雨量之關係，研究成果顯示，莫拉克颱風事件前 該區域崩塌率低於 10%以下，而莫拉克颱風事件後該區域的崩塌率增

48

加至 10%以上，顯示莫拉克颱風事件造成的坡地災害非常嚴重。由於 莫拉克颱風的總雨量遠大過以往的災害事件，致使崩塌率急遽增加且 影響後續崩塌率偏高，至 2012 年尚未減緩。由此可知，極端降雨事 件造成了嚴重的大規模崩塌，使得流出的土砂量體越多，流域後續的 影響也將越嚴重。

根據 2010 年國家災害防救科技中心針對莫拉克颱風之災情勘查 與分析結果，過去曾文水庫上游集水區歷經多場重大坡地災害事件 中，又以 2009 年莫拉克颱風所夾帶之極端降雨影響最為嚴重，因累 積降雨量大且降雨延時長，已超過坡地土石流發生警戒雨量最高 650 毫米/天之容忍程度，再加上莫拉克颱風侵襲之前，台灣中南部發生 多次規模超過 5 之淺層地震，使得土壤鬆動而易崩塌，山坡地範圍崩 塌地面積約 387 公頃，係為莫拉克颱風前之 7.6 倍。

圖 4.1.1 為 2012 年中央地調所「易淹水上游集水區地質調查及資 料建置計畫」所繪製的山崩潛勢機率圖，相較於鄰近流域，曾文水庫 上游集水區屬於高崩塌潛勢機率之地區。另外，從國家災害防救科技 中心「99 年台南縣市易致災脆弱性因子調查分析」中針對歷史颱風 對曾文水庫上游集水區造成之崩塌點位分布，可知歷史崩塌點位多位 於較上游地區，如圖 4.1.2，此區亦是聚落分布較密集之處，故可推

49

測坡地災害的成因與降雨量、地質條件或坡地開發程度有關。

圖 4.1.1 曾文溪流域莫拉克事件山崩機率圖 (資料來源：易淹水上游集水區地質調查及資料建置計畫)

圖 4.1.2 2007-2013 年歷史颱風事件造成的崩塌災害點位

50

短延時的強降雨或累積降雨量過大，增加土體下滑力使之超過坡 面承載能力，對於地質脆弱或是坡面較陡的邊坡(脆弱度)，便易發生 崩塌災害，造成保全住戶與財產損失(暴露量)。而且崩塌落下的土體 經由河道運移，可能堆積在河道或淤積水庫裡，衍生後續河道通水斷 面窄縮而溢淹，或水資源供給匱乏等相關議題。根據 IPCC-AR5 針對 風險是由危害度、暴露度與脆弱度所組成之定義，將坡地災害主要面 臨問題來源與類型，以此三項指標表示，整理如下表 4.1.1。

51

表 4.1.1 坡地災害主要面臨問題來源與類型

問題來源 問題類 說明

降雨 危害度 降雨強度、延時及累積總雨量越大，所造 成的危害度越大。

地質、地形 脆弱度

地質岩性(例如砂頁岩互層之差異侵蝕)、斷 層破碎帶、順向坡面；以及高程變化幅度 大，一旦有外力侵襲，易引發山崩、落石 等災害。

土壤性質

(凝聚力、內摩擦角) 脆弱度

邊坡滑動與否，為土壤下滑力與摩擦阻力 的平衡結果。當土壤抗剪強度(由土壤凝聚 力與土壤內摩擦角特性形成)小於土壤自 重產生之下滑力時，邊坡便會滑動而產生 坡地災害。土壤有效凝聚力及內摩擦角越 小，均會使得脆弱度越大。

土壤含水量、

地下水位 脆弱度

高土壤含水量、高地下水位或地震激發之 超額孔隙水壓皆會降低土壤抗剪力，使得 脆弱度越大。

缺乏植被

邊坡穩定工程強度 脆弱度

缺乏植被的裸露表土或邊坡穩定工程強度 設計不足，皆易受到降雨沖刷而導致土壤 流失及結構破壞，而使得脆弱度越大。

邊坡有張力裂縫 脆弱度

當岩土邊坡發生不穩定時，常於坡頂產生 鉛直張力裂縫，使剪力滑動破壞面轉而沿 此張力裂縫向地表發展，而使剪力面縮 短，導致邊坡整體安全係數之下降。通常 張力裂縫易發生於低凝聚力的岩土材料，

在邊坡滑動變位過程中，當坡體內應力超 過岩土材料之抗張強度，則產生張力裂 縫，當邊坡出現張力裂縫時，可視為邊坡 不穩定的預警。且降雨充塞陡坡頂部的張 力裂縫或微裂易致使墜落型態的坡地災害 發生。

道路開發 脆弱度

早年山區主要道路的開發，由於疏於考量 到保護措施是否足夠，缺乏充分調查、規 劃、設計、施工、道路選線不當，及邊坡 保護不足與不當等情形，使得脆弱度提高。

保全對象 暴露度 山區保全對象可為聚落、產業或是道路，

保全對象的分布越廣，其暴露度越大。

52

4.2 坡地災害脆弱度評估流程

國內評估坡地災害的評估方法，主要分為定值法與機率法兩大 類，定值法係利用極限平衡法計算該不穩定點之安全係數，對於豪雨 誘發山崩之分析，是在無限邊坡模式上，考量豪雨入滲及地下水位改 變對邊坡穩定之可能的影響(朱聖心，2001；李錫堤，2009）。機率法 是 利 用 多 變 量 迴 歸 (multivariate regression) 、 羅 吉 斯 迴 歸 (1ogistic regression)得到一組能區別山崩群組與非山崩群組的線性方程式，評 估崩塌與土石流潛感值（Mark and Ellen, 1995; Rupert et al., 2003; 李 錫堤等人，2003；陳樹群等人，2012）。

本研究模擬未來氣候變遷情境下，於降雨歷程中的坡面穩定情 形，以推估其承載時間，以及水庫上游可能產生的崩塌量對於下游水 庫 庫 容 的 衝 擊 影 響 。 應 用 美 國 地 質 調 查 所 (USGS) 所 發 展 的 TRIGRS(Transient Rainfall Infiltration and Grid-Based Regional Slope-Stability Model)淺層崩塌物理模式分析模擬研究區內可能的崩 塌，進而結合土砂運移模式，評估水庫庫容的變化，本研究評估流程 如圖 4.2.1 所示。根據 2.1 節產製的降雨資料，進行坡地模擬評估，

最後配合災損模式，套疊出水庫上游的熱點區域，詳細的研究區域與 評估方式於後續小節描述之。

53

圖 4.2.1 坡地部分研究流程

4.2.1 坡地研究試區概述

本研究以台南地區上游之曾文水庫上游集水區作為坡地土砂模 擬研究試區，如圖 4.2.2 紅色框處。曾文溪主流發源於嘉義縣阿里山 鄉的東水山，主要河川長度約為 56.2 公里，流經嘉義縣與台南縣交 界間後進入曾文水庫，主支流總長度約 213 公里。