台灣夏季熱浪與伴隨大尺度環境

全文

(1)國立台灣師範大學地球科學系碩士論文. 指導教授：陳正達博士. 台灣夏季熱浪與伴隨大尺度環境. Summer Heatwaves in Taiwan and Their Large-scale Environmental Conditions. 研究生：黃冠鈞撰. 中華民國 103 年 6 月. I.

(2) 致謝在進入研究所之前，對大氣是充滿著好奇心，想要深入了解大氣的奧妙，抱著一顆熱枕的心進入了研究所，而在研究所裡也學習到了很多事物，三年的時間，說長不長，說短也不短，雖然常常會遇到挫折，但幸好都有學長姐們及老師的幫助讓我可以得以順利解決問題，而有些許成果出來。在這裡，首先要感謝老師，老師的教導，啟發了我許多的想法，雖然一開始一知半解的，但老師不停地督促，讓我慢慢了解老師的真正想法以及我的研究方向，接著我也要感謝小童學長、騰平學長、修立學長、世豪學長、建蒲學長、智傑學長…等的學長及美鳳學姐、怡文學姐、沛語學姐、玉秀學姊、育緯學姊…等的學姊的鼓勵與幫助，學長們的大力幫助，讓我對於研究的不了解慢慢地步上軌道而知道該如何做，雖然還是常常找你們麻煩，但你們都會不厭其煩地為我解答，還有學姐們的鼓勵，雖然研究上的問題，比較少請教你們，但你們還是會不時地關心最近有沒有遇到什麼問題，不停地鼓勵我不要氣餒，都是讓我在遇到問題時，能繼續有動力地將它完成，真的由衷地感謝老師及各位學長姊的照顧，當然，還有我的同學們，雖然大家研究的方向都不同，但也會不時地聚在一起聊聊最近的情況，互相幫忙、尋求解答，讓研究所生活增添了一些樂趣，所以也要感謝機長、大氣、柏勳、學孜、士然、鑫皓，還有學弟妹炳奎、雅惠…等，有你們的幫忙，讓我更有動力繼續往前。最後，最重要的還是我的父母，人生中遇到的難題，他們都會一起陪伴著我渡過，幫助我解決，讓難題不再困難，而能順利通過，在研究所期間他們同樣是這樣地陪伴著我，鼓勵著我去將它完成，也因為他們的鼓勵，讓我沒有半途而廢，也讓自己有信心地堅持下去。三年時間，除了讓自己大氣知識的增長，其實也讓自己學習到該如何去思考每一件事情，讓自己可以更獨立、更有想法，惟有讓自己有清楚的思路，做起事來才可以更有效率、更有動力，也讓結果可以更臻於完美，共勉之。. i.

(3) 摘要熱浪的發生往往造成了極為嚴重的災害，尤其是會造成人體極不舒適的感覺，甚至會造成死亡，例如：1995 年芝加哥熱浪、2003 年巴黎熱浪及 2010 年俄羅斯熱浪…等，隨著全球溫度持續暖化的趨勢也使得熱浪發生的頻率、強度和持續時間變得更強、更長。而在前人研究中，他們發現在歐美地區發生熱浪時，主要是由於阻塞高壓所造成，而在高壓的下沉區造成高穩定度及較低濕度的環境分布，導致在此區域會有異常高溫持續出現的情況。然而，對於在台灣地區夏季也常有熱浪發生，但對於熱浪發生時大尺度環境與中高緯度區域未必相同，因此冀望能研究分析台灣熱浪發生期間的大尺度環境的分布特徵。前人所做的熱浪研究中對於熱浪的定義並沒有統一的標準，本論文在熱浪分析時所使用的熱浪定義，參考過去研究，是以最高溫的兩個極端百分位值加以定義，可以允許持續熱浪中短暫的降溫。我們除了針對熱浪發生的頻率、持續時間加以探討，也討論結果對選取百分位值的敏感度。而資料的使用有氣象局測站資料及美國環境預報中心的氣候預報系統再分析資料(NCEP Climate Forecast System Reanalysis, CFSR)，分別從每個測站及再分析資料網格點裡定義出熱浪時段，由測站及再分析資料的分析結果，發現如果採取較高的極端百分位值，使熱浪發生的頻率為平均每年或甚至是平均 1~2 年才發生一次的極端事件，而熱浪平均的持續時間則是介於 10~15 天左右，在平均每年最早起始時間約在 7 月中旬開始，而平均每年最晚結束時間則接近於 7 月底結束，不過年際之間個別熱浪事件還是有相當大的差異。而從大尺度環境角度我們藉由分析 500hpa 重力位高度場、風場、垂直速度場、相對溼度場，發現在熱浪發生期間的共同特徵是太平洋高壓西伸至台灣以西，並在台灣附近形成下沉氣流與乾燥的環境。除此之外，我們同樣選取高解析度氣候模式 GFDL-HiRAM 所模擬的資料分析，比較現今氣候與未來 21 世紀末氣候變遷下熱浪特性型態的改變。以氣候預報系統再分析結果驗證 GFDL-HiRAM 模式所模擬的熱浪特性，兩者在熱浪發生的頻率、平均持續時間、平均每年最早起始時間及平均每年最晚結束時間 ii.

(4) 的結果相似，如果熱浪定義的兩個極端百分位值的選擇一樣，HiRAM 所模擬的平均熱浪持續時間比氣候預報系統再分析的結果略短。而從模式 21 世紀末的未來推估結果，可以發現在未來氣候變遷下，溫度的上升會使得幾乎每年都會發生一次持續整個夏季的熱浪事件，平均熱浪持續時間的增加幅度則會是現今氣候下的 10 倍以上，平均每年最早起始時間同樣會提早 70~80 天開始，而平均每年最晚結束時間則會延後 50~60 天結束，由熱浪特性型態的改變，顯示在未來氣候暖化下會使得現今氣候下所定義每一、兩年才發生一次的熱浪事件變成夏季的常態。. 關鍵字：熱浪、副熱帶高壓. iii.

(5) Abstract Heat wave is one of serious disasters. Their occurrences and lasting effects could cause extreme discomfort to human body, and even lead to death, such as: 1995 Chicago heatwave, 2003 Paris heatwave and 2010 Russian heatwave. As the global temperature continued the warming trend, the heat waves become more frequent, the intensity become stronger and the duration expected to be longer than the present climate. In previous studies, the heatwave in Europe and America are mainly caused by blocking events. The high stability, decending motion and low humidity in the persistent high-pressure region, often create sustained high temperatures anomalies over the area. However, for the summer heatwave occurred in Taiwan, large-scale environment settings may not be the same in extratropical regimes. Our study aimed to analyze the large-scale environment characteristics near Taiwan during the heatwaves. There was no uniform or standard definition of heatwave in the previous literature. In our study, we also try to highlight the sensitivity of the result to the definition of heat waves through changes in the parameters used for heatwave threshold. Following past studies, we selected a definition of heat wave that use both high and extreme temperature percentiles to quantify the heatwave occurrences. The use of second thresholds allows temperature to drop for a brief period of time during a heatwave event. We use both CWB surface station and US NOAA NCEP Climate Forecast System Reanalysis (CFSR) data for heatwave analysis. We first examine the sensitivity of heatwave characteristics to the two percentile values in our heatwave definition for each individual station and reanalysis grid points. There is a strong dependence of heatwave occurrence to the most extreme percentile threshold used. If we chose a more strict heatwave definition by using a higher extreme percentile value, the frequency of heat waves occurrence would reduce to once or twice per year on average, with mean duration between 10 to 15 days, and the earliest start time began about mid-July and the latest end time close to the iv.

(6) end of July, Note that, the individual heatwave events can still have considerable interannual variability. For these relatively rare heatwave events over Taiwan we analyzed the large-scale environment with 500hpa geopotential height, wind, vertical velocity, and relative humidity fields, and found common features during the heatwave events were the extension of Northwest Pacific subtropical high pressure system to the west of Taiwan, and formed a dry environment with dominant descending motion in vicinity of Taiwan. In addition to the heatwave analysis using observation and reanalysis data, we also use a high-resolution climate models GFDL-HiRAM simulation and projection data, compare the heatwave events in the present climate and near the end of 21st century. Comparing to the present-day heatwaves and their sensitivity to the thresholds used in heatwave definition in the CFSR data. GFDL-HiRAM model simulated heatwave characteristics are reasonably well. When the same two high and extreme percentile values, applied, similar heatwave characteristics are found except the average duration in the HiRAM simulation was slightly shorter than in reanalysis data. The results from the future model projection near the end of the 21st century, show that with present-day heatwave definition, the warming temperatures in the future climate will lead to a single continued summer heatwave event almost every year. The mean increasing of heat waves duration will be more than 10 time of those in the present climate. The mean annual starting time for heatwave will advanced by 70 to 80 days, while the mean annual heatwave ending time will delay by 50 to 60 days, with such changes in the heatwave pattern, we can expect the once or twice per year heatwave events in the present climate will occurrence everyday through the summer.. Keyword：heatwave、subtropical high. v.

(7) 目錄致謝……………………………………………………………………………… i 中文摘要…………………………………………………………………………ii 英文摘要…………………………………………………………………………iv 目錄………………………………………………………………………………vi 圖目說明……………………………………………………………………… vii 第一章前言 1.1 介紹………………………………………………………………01 1.2 第二章 2.1 2.2 2.3 2.4 第三章 3.1 3.2. 動機………………………………………………………………03 熱浪分析熱浪定義…………………………………………………………04 資料使用…………………………………………………………05 共同時間定義……………………………………………………06 分析討論…………………………………………………………07 綜觀環境場分析資料使用…………………………………………………………11 環境場分析討論…………………………………………………11. 3.3 第四章 4.1 4.2 第五章 5.1 5.2 第六章. 區域討論…………………………………………………………13 偵測熱浪環境定義…………………………………………………………15 偵測定義討論……………………………………………………18 模式模擬推估資料使用…………………………………………………………19 模式模擬討論……………………………………………………20 結論…………………………………………………………………22. 參考文獻…………………………………………………………………………25 圖表………………………………………………………………………………27. vi.

(8) 圖目說明圖 2.3.1. 共同時間定義流程圖(針對所有測站或是所有網格點). 圖 2.3.2. 共同時間定義示意圖. 圖 2.4.1. 測站在選取不同測站數下的平均每年熱浪次數. 圖 2.4.2. CFSR 在選取不同格點數下的平均每年熱浪次數. 圖 2.4.3. 測站在選取不同測站數下的平均持續天數. 圖 2.4.4. CFSR 在選取不同格點數下的平均持續天數. 圖 2.4.5. 測站在選取不同測站數下的平均每年熱浪天數. 圖 2.4.6. CFSR 在選取不同格點數下的平均每年熱浪天數. 圖 2.4.7. 測站在選取不同測站數下的平均每年最早起始時間. 圖 2.4.8. CFSR 在選取不同格點數下的平均每年最早起始時間. 圖 2.4.9. 測站在選取不同測站數下的平均每年最晚結束時間. 圖 2.4.10. CFSR 在選取不同格點數下的平均每年最晚結束時間. 圖 2.4.11. CFSR 在不同百分位下的熱浪時段時間比較圖. 圖 3.2.1a. 選定百分位下的交集熱浪時段 500hpa 高度場合成圖. 圖 3.2.1b. 非熱浪時段(排除選定百分位下熱浪時段) 500hpa 高度場合成圖. 圖 3.2.2a. 選定百分位下的交集熱浪時段 500hpa U 風場合成圖. 圖 3.2.2b. 選定百分位下的交集熱浪時段 500hpa V 風場合成圖. 圖 3.2.2c. 非熱浪時段(排除選定百分位下熱浪時段) 500hpa U 風場合成圖. 圖 3.2.2d. 非熱浪時段(排除選定百分位下熱浪時段) 500hpa V 風場合成圖. 圖 3.2.3a. 選定百分位下的交集熱浪時段 500hpa 垂直速度場合成圖. 圖 3.2.3b. 非熱浪時段(排除選定百分位下熱浪時段) 500hpa 垂直速度場度合成圖. 圖 3.2.4a. 選定百分位下的交集熱浪時段 500hpa 相對溼度場合成圖. 圖 3.2.4b. 非熱浪時段(排除選定百分位下熱浪時段) 500hpa 相對溼度場合成圖. 圖 3.2.5. 選定百分位下的交集熱浪時段 500hpa 高度場距平合成圖. 圖 3.2.6. 選定百分位下的交集熱浪時段 500hpa U、V 風場距平合成圖 vii.

(9) 圖 3.2.7. 選定百分位下的交集熱浪時段 500hpa 垂直速度場距平合成圖. 圖 3.2.8. 選定百分位下的交集熱浪時段 500hpa 相對溼度場距平合成圖. 圖 3.3.1. 交集熱浪時段高度正距平值天數累積分布圖. 圖 3.3.2. 交集熱浪時段垂直速度正距平值天數累積分布圖. 圖 3.3.3. 交集熱浪時段相對溼度負距平值天數累積分布圖. 圖 3.3.4. 交集熱浪時段 500hpa U 風場距平合成圖. 圖 3.3.5. 交集熱浪時段高度正距平值天數累積分布圖極值區(藍色方框). 圖 3.3.6. 交集熱浪時段垂直速度正距平值天數累積分布圖極值區(藍色方框). 圖 3.3.7. 交集熱浪時段相對溼度負距平值天數累積分布圖極值區(藍色方框). 圖 3.3.8. 交集熱浪時段 500hpa U 風場距平合成圖距平極值區(藍色方框). 圖 3.3.9. 選定百分位下的交集熱浪時段的每一時段的高度距平值時間序列圖. 圖 3.3.10. 選定百分位下的交集熱浪時段的每一時段的風場距平值時間序列圖. 圖 3.3.11. 選定百分位下的交集熱浪時段的每一時段的垂直速度距平值時間序列圖. 圖 3.3.12. 選定百分位下的交集熱浪時段的每一時段的相對溼度距平值時間序列圖. 圖 4.1.1. 高度距平值天數累積分布圖. 圖 4.1.2. 高度距平值定義偵測之 TS 值分布. 圖 4.1.3. 高度距平值定義偵測之 TS 值最高區的時間比對圖. 圖 4.1.4. 高度距平值定義偵測之 TS 值較低區的時間比對圖. 圖 4.2.1. 高度距平值定義同時再加入風場距平值、垂直速度場距平值、相對濕度場距平值條件之 TS 值分布(滿足三個距平值條件). viii.

(10) 圖 4.2.2. 高度距平值定義同時再加入風場距平值、垂直速度場距平值、相對濕度場距平值條件之時間比對圖(滿足三個距平值條件). 圖 4.2.3. 高度距平值定義分別再加入風場距平值、相對溼度場距平值或是加入相對溼度場距平值、垂直速度場距平值或是加入垂直速度場距平值、風場距平值條件之 TS 值分布(滿足其中 2 個距平值條件). 圖 4.2.4. 高度距平值定義分別再加入風場距平值、相對溼度場距平值或是加入相對溼度場距平值、垂直速度場距平值或是加入垂直速度場距平值、風場距平值條件之時間比對圖(滿足其中 2 個距平值條件). 圖 4.2.5. 高度距平值定義分別再加入風場距平值或是加入相對溼度場距平值或是加入垂直速度場距平值條件之 TS 值分布. 圖 4.2.6. 高度距平值定義分別再加入風場距平值或是加入相對溼度場距平值或是加入垂直速度場距平值條件之時間比對圖. 圖 5.2.1. CFSR 與 AMIP 的熱浪交集時段平均每年熱浪次數圖及 SST2090 與 AMIP 的熱浪交集時段平均每年熱浪次數的比值圖. 圖 5.2.2. CFSR 與 AMIP 的熱浪交集時段平均持續天數圖及 SST2090 與 AMIP 的熱浪交集時段平均持續天數的比值圖. 圖 5.2.3. CFSR 與 AMIP 的熱浪交集時段平均每年熱浪天數圖及 SST2090 與 AMIP 的熱浪交集時段平均每年熱浪天數的比值圖. 圖 5.2.4. CFSR 與 AMIP 的熱浪交集時段平均每年最早起始時間及 SST2090 與 AMIP 的熱浪交集時段平均每年最早起始時間的差異圖. 圖 5.2.5. CFSR 與 AMIP 的熱浪交集時段平均每年最晚結束時間及 SST2090 與 AMIP 的熱浪交集時段平均每年最晚結束時間的差異圖. ix.

(11) 第一章前言： 1.1 介紹：熱浪，指的是天氣在某一段時間內持續地保持異常高的氣溫，而在眾多的研究當中，對於熱浪分析都有從不同的方向做定義，而綜觀熱浪定義方法，可以大致的分為兩種定義方向，一個是絕對指標，一個是相對指標，絕對指標則是制定一個溫度門檻值，當超過了溫度門檻值並能持續一段時間，則定義為一熱浪，而相對指標則是使用百分位排序來制定溫度門檻值，同樣是當超過了百分位排序所得的溫度門檻值並能持續一段時間，則定義為一熱浪。在絕對指標或是相對指標中，對於不同地區熱浪的研究，使用的溫度門檻值及持續天數門檻也不盡相同，結果也都會有不一樣，以相對指標來看，有使用單一門檻值(Ding et al.(2009))或是雙重門檻值(Meehl and Tebaldi(2004))，單一門檻值的百分位主要是選取在 90~99 百分位上，雙重門檻值的百分位則會選取在 80 百分位以上及 90 百分位以上，持續天數門檻有制訂在 2 天、3 天……等，甚至更長的持續天數，除此之外，相對定義中，也有更多項更複雜的指標(Smith et al.(2013))，此篇研究的相對定義中，有一個指標為體感溫度指標(Apparent temperature)，簡稱為 AT，此指標除了考慮溫度以外，還有加入了水氣壓、風速、體表每單位淨輻射，由這些變數計算出 AT 值，再由百分位排序制訂門檻，而分為三個等級，接著則是絕對指標，絕對指標也是視不同地區有不同的溫度門檻值、持續天數門檻，而絕對指標中，同樣有複雜多項的指標制訂過程(Smith et al.(2013))，此研究中提及到了. ，此為美國 National Weather Service 氣象中心所制訂的絕. 對指標，考慮了溫度及相對溼度，此指標的制訂是希望可以更能貼近人體的感受，就像相對指標中的體感溫度指標(AT)，而計算出的. 則分為三個層. 級，用於日常生活對於熱浪出現得警報，讓一般人可以清楚知道天氣的變化，而在世界氣象組織（WMO），他們則是制定了絕對指標為當連續五天以上最高氣溫超過平均最高氣溫 5°C(9°F)以上，則可以視為熱浪，所以不管是絕對指標或是相對指標，制訂的門檻值會視不同地區特性而有所調整，主要還是希. 1.

(12) 望能定義出這種極端的天氣型態。了解熱浪定義的不同指標與說明後，對於熱浪特性的分析，在眾多的研究中，都會朝著探討熱浪特性在現今氣候下的趨勢變化，從不同的特性，例如：平均每年熱浪次數、平均持續天數、平均每年熱浪天數……等著手分析，同時也會去比較現今氣候下與未來氣候下的變化差異，Kunkel et al.(2010) 使用 RCM(Regional climate model)模式，並藉由絕對指標定義，探討美國地區的熱浪特性變化，他們發現在未來，美國的西部及南部地區，在. 的. 高排放下，熱浪得平均每年天數會增加 30~60 天，Meehl and Tebaldi(2004) 則是使用 PCM(Parallel Climate Model)模式，並藉由相對指標定義，針對美國芝加哥及法國巴黎的熱浪特性作探討，分別從平均每年熱浪次數及平均每年天數在看，他們發現在未來，在芝加哥及巴黎地區，平均每年熱浪次數及平均每年天數都是會有增長的趨勢，次數增加、天數變多，Chu(2007)探討台灣地區及全球在 21 世紀熱浪的變化形態，分別使用了相對定義及絕對定義來探討，相對定義主要分析熱浪的次數及持續天數，絕對定義則是分析熱浪的強度，以相對定義來看，在過去 1950~2005 年，台灣地區在 16 個測站中有 5 個測站，平均每年熱浪次數及平均每年熱浪持續天數都是有增加的趨勢，其餘測站則較不明顯，而以絕對定義來看，16 個測站中有 10 個測站的熱浪強度是有增強的，而在全球地區，由模式資料裡針對 20 世紀(1961~2000 年) 及 21 世紀分別從相對定義及絕對定義發現，在 20 世紀時中高緯度較容易有熱浪發生，但持續天數則較短，21 世紀中(2046~2065 年)則在全球陸地的熱浪次數及持續天數都是會增加的，甚至到了 21 世紀末(2081~2100 年)會更明顯，尤其在低緯度地區，而熱浪強度，全球地區在 20 世紀都是可以看到增強趨勢，而到了 21 世紀，原本 20 世紀增強的地區，在 21 世紀則是會更明顯的增強。由前人的研究中可以了解到，熱浪特性的變化在現今及未來都是可能會有增加的趨勢，不僅次數、平均天數的增加，熱浪強度同樣會有增長趨勢，所以 Meehl and Tebaldi (2004)分別針對了單一事件作分析，分別為 1995. 2.

(13) 年芝加哥熱浪、2003 年巴黎熱浪，研究中指出在熱浪期間，500hpa 的重力位高度距平場上，出現了一個極大的高度正距平中心籠罩在芝加哥地區，同樣地在巴黎地區也是有一個高度正距平中心位於此，而除此之外，他們也針對現在及未來分別作探討，從模式裡可以看到現在及未來在 500hpa 重力位高度距平場的變化，而將兩段時間做相減，更可以看到在未來，重力位高度場在兩個地區都是有增強的情形，而由高度距平場增強的區域，他們推測了這可能會是使中緯度熱浪事件加劇的因素之ㄧ，而在亞洲地區，中國(Ding et al.(2009))對於中國東部地區在現在 1961~2007 年熱浪的研究探討中，將年份分為熱浪發生頻率高的年份及熱浪發生頻率低的年份，從熱浪發生頻率高的年份中同樣以 500hpa 重力位高度距平場整體來看，也是一個高度正距平中心籠罩在中國東部地區，而中國東部地區是位處於副熱帶地區，所以 Ding et al 推測是受副熱帶高壓的影響而使得高溫持續，熱浪出現頻率也增加， 500hpa 重力位高度場或許是一個重要的影響因素，不管是在現今氣候下或是未來氣候下，熱浪的出現與 500hpa 重力位高度場的增強是有關連的，除此之外，也有從波動、槽脊位置(Huth et al.2000)做分析而得到不同的結果。. 1.2 動機：熱浪的分析，不管是在國內或是國外都已有很多的研究成果，而在本文裡，同樣也是針對台灣地區的熱浪特性作探討，並比較現今氣候下與未來氣候下的熱浪特性變化，使用的熱浪定義為相對指標定義(Partial Duration Series)，此相對指標定義在 Huth et al.(2000)、Meehl and Tebaldi (2004) 及 Chu(2007)都是使用此方法來探討熱浪特性變化。而對於一個相對指標定義方法來說，隨著百分位選取的不同，門檻值也會不一樣，而由不同門檻值定義出來的熱浪時間特性也會有所不相同，例如：平均次數、平均天數、持續時間……等的熱浪型態都會改變，所以在本文研究裡則是使用此相對指標定義方法，探討在不同百分位選取下所造成熱浪特性的變化，這樣分析的目的主要是想了解在百分位的變動下，是否會造成台. 3.

(14) 灣地區熱浪特性的明顯變化，而變化的趨勢會是如何分布，門檻值的變動是如何影響著熱浪特性變化，而或許能由熱浪特性的變化了解台灣地區百分位的合適使用，也藉由百分位的探討，能去推估比較現今氣候與未來氣候熱浪特性型態的改變，是否在未來會有增強的趨勢。在另一方面，我們同樣會去探討在熱浪期間的大尺度環境變化，從不同的環境場著手分析，了解促使熱浪發生的環境條件以及它們之間的相聯性，進而利用環境條件，制訂一個由環境條件所組成的環境定義偵測方法，由環境特徵定義出熱浪，這部分或許還是較少有研究成果出來，所以想藉由此研究，測試分析能否透過此環境定義就能偵測到熱浪的發生，期望在未來，我們可以從環境的變化，就能知道熱浪可能發生的時間，不須由溫度定義，同樣能預知熱浪在未來的變化。在本文裡，第二章主要探討分析熱浪定義在不同資料的所呈現的結果，第三章則針對熱浪發生的時間分析綜觀環境場型態，第四章則是藉由綜觀環境分布型態的特性作為環境定義的條件而偵測熱浪，第五章利用模式資料及再分析資料探討現在與未來氣候推估下熱浪特性的變化，第六章則為結論。. 第二章熱浪分析： 2.1 熱浪定義：在本文裡使用的熱浪定義為一個相對指標的定義，此定義引用 Huth et al.(2000)、Meehl and Tebaldi (2004) 及 Chu(2007)研究論文裡使用的相對定義方法，名為“ Partial Duration Series ”，此定義為先將全年的日溫度做排序，接著選取較高百分位所換算出的溫度值為 T1，而選取較低百分位所換算出的溫度值為 T2，而天數為至少連續三天為一段時間，所以篩選的條件為當一段時間裡滿足： (1)這段時間內的日溫度均大於等於 T2 (2)至少有三日的日溫度大於或等於 T1 (3)整段時間的平均日溫度大於或等於 T1. 4.

(15) 即定義為一熱浪事件。定義的使用為需要同時滿足三個條件才能視為一熱浪事件，而由此定義的條件也能知道 T1、T2 對於篩選的作用，T2 在條件裡為一個啟動的作用，對於篩選的時間裡每日溫度都要在 T2 以上，而 T1 在條件裡為一個強度維持的作用，除了都須達到 T2 以上，還要再經由 T1 的篩選保留，所以由此定義所得到的熱浪，會有開始與結束時間，而每一次的持續時間也不盡相同，時間較長的可以持續一個月以上，時間最短的為持續三天，而在同一年裡可能會有不只一次的熱浪發生，也有可能某一年裡沒有熱浪出現，因此透過此一定義，我們可以去探討熱浪發生的頻率、持續時間、起始、結束時間……等的熱浪特性，而對於不同資料裡百分位排序所得出的溫度門檻值也會有不同，以測站資料來說，每一個測站都能算出在不同百分位下的 T1、T2 值，而以再分析資料或是模式資料同樣能針對每一個網格點計算出在不同百分位下的 T1、T2 值，而代入到熱浪定義裡做分析。. 2.2 資料使用：觀測資料：測站日平均溫度時間：1961~2010 年測站選取：淡水、台北、基隆、花蓮、蘇澳、宜蘭、台南、高雄、嘉義、台中、大武、新竹、恆春、成功、台東、梧棲，共 16 個測站。再分析資料： CFSR(Climate Forecast System Reanalysis) 日最大溫度時間：1979~2009 年網格解析度：0.3125°x0.3125° 對於再分析資料的使用，CFSR 因為是全球網格資料，而我們是針對台灣地區的研究，所以選取台灣地區的經緯度範圍為東經 120°~122°E，北緯 22°. 5.

(16) ~25.3°N，而在此區域裡總共有 77 個網格點，對於熱浪定義分析的時間，主要是選取每年的 5~9 月，雖然溫度排序是以全年日溫度做排序，但熱浪主要出現的時間還是集中在夏季，所以我們將時間選取在 5~9 月，而這與前人研究中所選取的時間是相同的。. 2.3 共同時間定義：在本文研究裡使用得資料為測站及再分析資料，而測站不單只有一個測站，再分析資料也是網格資料，而由於每一個測站或是網格點會因為溫度排序得關係而有不同的 T1、T2 值，所以代入到熱浪定義篩選所定義出的熱浪時間，在每個測站或是網格點裡都會因為 T1、T2 門檻的不同而有所變動，尤其是在開始與結束時間會不盡相同，所以我們要探討的是在大部分測站或是大部分網格點裡的一段共同發生時間，而這共同發生時間也能代表的是在大部分甚至全部測站或是網格點裡都能有出現熱浪的一個時段，這也能代表的是大部分台灣地區甚至是整個台灣地區都會發生熱浪的一個時段，而由這樣定義出的熱浪時段也能更具有代表意義而不只是單一地方發生而已，同時也能清楚知道在某一年裡熱浪發生的起始時間及結束時間，由這段共同發生的時段，再去對應到綜觀環境場上，可以曉得綜觀環境場是如何的分布型態而導致熱浪發生。所以定義共同時間的做法則是以交集的方式來做定義，而交集定義的做法為(圖 2.3.1)將所有測站或是所有網格點裡的同一年熱浪發生時段找出，接著統計這些在同一年的熱浪發生時段裡每一天出現的次數，而出現次數代表的是這些發生時段裡每一天有在幾個測站或是格點裡出現，並統計出發生時段裡每一天的測站數或是格點數，統計了測站數及格點數之後，我們可以利用測站數或格點數做為交集的門檻，而去定義出在不同測站數或是格點數下的熱浪共同時段，而我們可以從示意圖(圖 2.3.2)更清楚的了解，藍色方塊為各個格點的熱浪時段，假設有四個測站或是四個格點而我們今天選取交集的測站數或是格點數在 2 站或是 2 格以上，則共同的熱浪時段為 6 月 1 日. 6.

(17) ~6 月 4 日，而如果選取測站數或是格點數在 3 站或是 3 格以上，則共同的熱浪時段變為 6 月 2 日~6 月 4 日，所以在測站數或格點數提高得情況下，所得到的熱浪交集時段是會有變動的，但卻是可以代表更多測站或是格點的一個共同發生時段，而在接下來的討論中，我們會是以熱浪的交集時段來做討論及分析。. 2.4 分析討論：在本文研究裡，對於熱浪的分析，我們主要是藉由選取不同百分位而得到的 T1、T2 值代入到熱浪定義中去做探討，探討在不同的 T1、T2 門檻下所造成熱浪特性的變化，而熱浪特性我們主要分析的有平均每年熱浪次數、平均持續天數、平均每年天數、平均每年最早起始時間、平均每年最晚結束時間，對於這些熱浪特性在不同的 T1、T2 門檻下會是怎麼樣的變化形態。針對所有測站及再分析資料的網格點，分別計算在不同百分位的 T1、T2 值並加入共同時間定義。而將藉由交集定義計算出來的時段分析它的平均每年熱浪次數、平均持續天數、平均每年天數、平均每年最早起始時間、平均每年最晚結束時間，而在百分位的選取分別為 T1 選取 84~98 百分位、T2 選取 70~85 百分位。定義時段的作法為分別計算每個測站及每個網格點在選取的百分位組合下的 T1,T2 值，將 T1,T2 值代入熱浪定義，定義出每個測站及每個網格點在不同百分位門檻下有的熱浪時段，再者，利用共同時間定義對在不同測站數或是格點數下定義出交集熱浪時段，最後能統計出在不同百分位組合的交集熱浪時段平均每年熱浪次數、平均持續天數、平均每年天數、平均每年最早起始時間、平均每年最晚結束時間。而測站有 16 個站，CFSR 位於台灣地區則有 77 個網格點，所以交集的選取分別為測站數 6 站、8 站、10 站、12 站及格點數 20 個、30 個、40 個、50 個、60 個、70 個。經由百分位分析及共同時間定義後，得到了一些結果，對於熱浪的特性探討，我們從測站及 CFSR 的平均每年熱浪次數來做個討論，圖上橫坐標為. 7.

(18) T1 的百分位、縱座標為 T2 的百分位，從測站的平均每年熱浪次數(圖 2.4.1) 來看，測站數則是依序由小到大排列，對於在百分位的變動下，隨著 T1、T2 的百分位提高，平均每年熱浪次數是會減少的，T1、T2 在低百分位時，平均每年熱浪次數可以達到 2~3 次以上，而在 T1、T2 的高百分位時，平均每年熱浪次數則減少到平均 1~2 次，甚至是 0~1 次，也就是平均 1~2 年發生一次，但因為這類型的熱浪屬於極端型的熱浪，所以發生次數本身就會較少，而變動比較不同的地方是在 T1 為低百分位(84~90 百分位)時，平均每年熱次數則隨著 T2 百分位得提高，次數反而是會變得更多，而會形成這樣的分布主要是在於 T2 百分位的變動，因為 T2 在熱浪定義中是一個啟動的門檻，所以原本一段很長的熱浪時段，隨著 T2 百分位門檻提高，就會被分成多個時段，次數自然就會增加許多，而接著則是 CFSR 的平均每年熱浪次數(圖 2.4.2)，同樣格點數依序由小到大排列，次數的變動與測站的變動是很相似的，同樣在 T1、 T2 的低百分位時，平均每年熱浪次數可以達到 2~3 次以上，而在 T1、T2 的高百分位時，平均每年熱浪次數則減少到平均 1~2 次，甚至是 0~1 次，也就是平均 1~2 年發生一次，變動比較不同的地方是同樣在 T1 的低百分位(84~90 百分位)時，平均每年熱次數則隨著 T2 的百分位提高，次數反而是會變得更多，但在高格點數(60 個、70 個)，這樣的分布型態則較不明顯。接著則是平均持續天數，我們從測站(圖 2.4.3)來看，同樣測站數依序由小到大排列，在 T1、T2 的低百分位時，平均持續天數為最長的，平均持續天數至少都有在 15 天以上，而隨著 T1、T2 的百分位增加，平均持續天數則是會變短，持續時間減少到 10~15 天，但隨著測站數的提高，平均持續天數的變化則會變得不明顯，並且在 T1、T2 的低百分位時隨著測站數的提高平均持續天數也會跟著變短，但在 T1、T2 的高百分位時，平均持續天數則差異不大，再來是 CFSR(圖 2.4.4)，格點數依序由小到大排列，平均持續天數的變化也相似於測站的平均持續天數變化，T1、T2 的低百分位時，平均持續天數為最長，同樣都有在 15 天以上，隨著百分位增加，平均持續天數則同樣會變短，持續時間同樣減. 8.

(19) 少到 10~15 天，而較不一樣的地方是，隨著格點數的增加，平均持續天數變短的趨勢則比測站的變短趨勢來得更明顯，尤其在高格點數(60 個、70 個)，平均持續天數則趨近於 10 天以下，接著我們看到平均每年熱浪天數，平均每年熱浪天數與平均持續天數的用意不太一樣，而平均每年熱浪天數與平均每年熱浪次數是較有關係的，所以同樣從測站(圖 2.4.5)來看，測站數依序由小到大排列，能發現隨著 T1、T2 的百分位變動，在 T1、T2 皆為低百分位時，平均每年熱浪天數為最多的，熱浪天數可以達到 90 天以上，但平均每年熱浪次數(圖 2.4.1)並不是最多的，而我們可以由 T1 的低百分位(84~90 百分位) 時看到，隨著 T2 的百分位提高，平均每年熱浪天數是慢慢地減少，但以平均每年熱浪次數來看，卻是會增加的，這是因為 T2 門檻的提高所造成的，所以由平均每年熱浪天數及平均每年熱浪次數也能知道平均持續天數(圖 2.4.3) 的變化分布，而在其他百分位的變化也是隨著百分位的提高平均每年熱浪天數逐漸變少，在 T1、T2 的高百分位時，平均每年熱浪天數則減少到 10~20 天，甚至測站數的提高，平均每年熱浪天數則會更少，再來是 CFSR 的平均每年熱浪天數(圖 2.4.6)，格點數依序由小到大排列，天數的變化分布與測站也是很相似的，在 T1、T2 的低百分位時，平均每年熱浪天數可以達到 90 天以上，而隨著百分位的提高平均每年熱浪天數也逐漸變少，在 T1、T2 的高百分位時，平均每年熱浪天數則減少到 10~20 天，格點數提高，同樣平均每年熱浪天數則會更少，從 CFSR 的平均每年熱浪次數及平均每年熱浪天數的變化也能曉得平均持續天數的變化，接著我們看到平均每年最早起始時間，由測站的平均每年最早起始時間(圖 2.4.7)，測站數依序由小到大排列，從圖上發現，隨著 T1、T2 的百分位提高，平均每年最早起始時間則是會延後開始，最晚開始時間則在 7 月中旬時開始，在 T1 的百分位為 96~98、T2 的百分位為 80 以上都有此情況出現，並且隨著測站數的提高，整體平均每年最早起始時間則又會再延後開始，同樣看到 CFSR 得平均每年最早起始時間(圖 2.4.8)，格點數依序由小到大排列，同樣有著相似的變化，T1、T2 的百分位提高，平. 9.

(20) 均每年最早起始時間則是會延後開始，同樣開始時間出現在 7 月中旬之後，而隨著格點數增加，變化則比測站來得更明顯，甚至到了高格點數(60 個、 70 個)，平均每年最早起始時間則會趨近於相同，大多數都會是接近於 7 月中旬之後開始，起始時間越來越相近，會有這樣的形態出現是因為，在高格點數本身熱浪次數少，所以每一次的熱浪時段起始時間就會變很突顯，單一時段的代表性就越強，最後我們可以看到平均每年最晚結束時間，同樣從測站(圖 2.4.9)先來看，測站數依序由小到大排列，從圖上可以發現當 T1、T2 的百分位提高，平均每年最晚結束時間則是會越來越早結束，最早結束時間接近於 7 月底，而隨著測站數的增加，平均每年最晚結束時間則趨近於相同，整體結束時間會集中在 7 月底到 8 月底之間，再來則是 CFSR 平均每年最晚結束時間(圖 2.4.10)，格點數依序由小到大排列，同樣的是隨著 T1、T2 的百分位提高，平均每年最晚結束時間同樣會越來越早結束，最早結束時間接近於 7 月底之前，而對於格點數的增加，平均每年最晚結束時間則同樣趨近於相同，甚至會更早結束，整體結束時間接近 7 月中到 8 月中，所以由平均每年最早起始時間及平均每年最晚結束時間合併來討論，發現在 T1、T2 的低百分位時，最早起始時間較早開始，而結束時間則較晚結束，而在 T1、T2 的高百分位時，最早起始時間則較晚開始，結束時間則較早提前結束，而這現象又能回到平均持續天數上，與低百分位持續時間長，高百分位持續時間短是有相關的。而由分析了熱浪特性變化，我們可以了解在不同的特性中，T1、T2 所產生的作用及測站數、格點數的不同所產生熱浪特性形態上的變化，接下來，我們則是要針對這些熱浪時段，進一步的從綜觀環境場來探討造成熱浪發生得環境型態，所以在這裡我們選擇的熱浪時段則是以極端的時段為主，百分位則是以高的百分位為主，測站數及格點數也希望越多越好，而這所代表的用意是在幾乎整個台灣地區會發生的極端事件，所以我們以 CFSR 平均每年熱浪次數中格點數為 30 個(圖 2.4.2)，並且 T1 值百分位選取在 98 百分位、T2 值百分位選取在 83 百分位的交集熱浪時段為主要分析，在這百分位的組合下. 10.

(21) 所定義出的交集熱浪時段，雖然次數較少，平均可能 1~2 年會發生一次，但能代表的是更極端、強度更強的熱浪發生，而格點數如果再往上提升到更高，所能保留的時段又會再更少，而這樣分析的事件數則會太少，並不能代表熱浪發生時在環境場的一個基本的分布型態，會變成是個案的分析討論，所以選取在此是有用意的。而為了更加確定交集熱浪時段的發生時間，T2 值的百分位再做了些比較，以發生時間來看，我們選取了 81,82,84,85 百分位，也就是 83 百分位±2 的幅度來做比較分析(圖 2.4.11)，能從圖上發現，交集熱浪時段的次數差異不大，而持續時間也同樣差異不大，時間發生的位置也是極為相似的，熱浪出現的時間主要集中在 6~8 月，整體來看，這些交集熱浪時段都是確定有發生存在的，而我們就以這些交集熱浪時段為主，接著從大環境場著手分析，以期能了解熱浪發生時，環境場的分布型態。. 第三章綜觀環境場分析： 3.1 資料使用： CFSR(Climate Forecast System Reanalysis) 1979~2009 年網格解析度：0.5°x0.5° 變數：重力位高度場、風場、垂直速度場、相對濕度場高度：500hpa 3.2 環境場分析討論：定義了熱浪時段，接著我們要進一步探討熱浪發生時的綜觀環境型態，而我們其實可以推測當高溫的出現，通常會發生在晴朗無雲甚至是無風的天氣狀態下，晴朗無雲無疑就是高壓的籠罩而影響，而在高壓的籠罩下，形成了一個下沉、無風、乾燥的環境，而如果高壓的勢力強，那麼就有可能會持續一段時間，所以針對熱浪時段我們分別從不同的環境場著手分析，了解熱浪發生時的環境場分布特性，是如何影響著高溫連續的發生，是否就跟我們所推測的環境特徵相似。針對所有熱浪時間分別從四種環境場做合成，因為環境場是使用 CFSR，所以我們以 CFSR 的交集熱浪時段為主要分析，在上一. 11.

(22) 章節中也有提到，而我們環境場主要探討的是 500hpa 高度。而可以從合成圖上看到熱浪發生時環境場的整體分布型態，首先我們從熱浪時段的高度場合成圖(圖 3.2.1a)來看，與非熱浪時段的高度場合成圖 (圖 3.2.1b)可以明顯的比較出，副熱帶高壓的勢力範圍整個西伸到台灣地區，高度等值線的分佈在熱浪發生時台灣為籠罩在 5880gpm 等值線之下，甚至在台灣周圍地區形成一小區高壓中心的分布，而非熱浪時期，副熱帶高壓的勢力範圍則較東退到台灣東部外海地區，而高度等值線則是以 5860gpm 等值線較接近台灣地區，而接著是風場部分，熱浪時段的風場合成圖(圖 3.2.2a,b) 分為 u、v 風場，而從 u 風場可以看到在台灣周圍地區北邊西風強、南邊東風強，v 風場則是在台灣東側為一較弱的北風，西側為一較強的南風，由 u、v 風場的組合，可以曉得在熱浪發生時台灣地區周圍環境的風場會形成一個反氣旋的中心位置，而位處在一個下沉區，而以熱浪發生時 u 風場的影響來得比 v 風場更明顯，範圍來得更廣泛，非熱浪時段的風場合成圖 (圖 3.2.2c,d)， u、v 風場的分布型態則沒有在熱浪時段時的分布型態，雖然在 u 風場上，同樣在台灣的北邊為強西風帶，南邊為較強東風帶，但位置的分布則離台灣地區較遠，而 v 風場在台灣地區周圍環境則呈現的是南風分量，並沒有像在熱浪時段裡有南北風分量的出現，而風場的分布型態可能沒辦法形成反氣旋，而使得下沉區位置不明顯，這或許就是熱浪時段與非熱浪時段的差異之處，再來是垂直速度場，熱浪時段(圖 3.2.3a)的分布型態，從圖上可以發現在台灣地區周圍環境都是處於下沉速度區，雖然分佈的位置不是很均勻，而非熱浪時段(圖 3.2.3b) 在台灣地區周圍環境都是處於上升速度區，雖然分布範圍不是很大，而以熱浪時段及非熱浪時段整體來比較，差異並不是很明顯，但在台灣地區周圍環境還是能比較出差異，最後則是相對溼度場，熱浪時段 (圖 3.2.4a)與非熱浪時段(圖 3.2.4b)比較，能看出在台灣地區周圍環境相對溼度的百分比差異了 10%，在熱浪發生時整體台灣地區周圍環境相對溼度是介在 40~50%，而非熱浪時期台灣地區周圍環境相對溼度則會增加到 50%以上，由此可知熱浪發生時台灣地區周圍整體環境是比較乾燥的。. 12.

(23) 從環境場得探討分析可以了解在熱浪發生時台灣地區周圍環境整體的分布型態，這或許與高溫連續發生是有相關連的，而對於周圍環境的變化，我們可以從距平合成圖上更清楚的看到，了解周圍環境整體變化最大的會是位在哪裡，所以針對熱浪時段同樣從四種環境場著手分析，首先我們從高度場距平合成圖(圖 3.2.5)來看，從圖上可以看到有幾個距平中心區域出現，而位於台灣地區則是有一正距平中心區，這正距平中心區可能就是使得台灣地區產生高溫並能持續一段時間的關鍵區域，代表著副熱帶高壓在此區域的強度比氣候平均來的更強、範圍更大，接著則是風場，風場可分作 u 風場及 v 風場距平合成圖分別來看(圖 3.2.6)，而從圖上發現對於台灣地區周圍環境來說 u 風場的變化差異分布較明顯，位在台灣地區北邊有一正距平中心區，位在台灣地區南邊則有一負距平中心區，而 v 風場同樣在台灣地區東西兩側有距平中心區，西側有正距平中心區，東側有負距平中心區，所以由距平合成圖可以更清楚地看到 u、v 風場在台灣地區周圍環境變化最大的區域，再來是垂直速度場距平合成圖(圖 3.2.7)，從圖上可以看到在台灣地區周圍環境是一正距平中心區，同樣由距平合成圖清楚看到台灣地區周圍環境變化最大的區域，而這也是在熱浪發生時的一個環境特徵，最後從相對溼度場距平合成圖(圖 3.2.8)上來看，熱浪發生時相對溼度距平在台灣地區周圍環境都是呈現負距平的型態，而形成一個負距平中心區，而此區代表的是在熱浪發生時台灣地區周圍環境整體相對濕度比氣候平均來得乾燥。由探討了不同的環境場，可以曉得與我們所推測的環境特徵是相同的，但這是在熱浪時段裡整體的環境分布型態，如果我們可以更仔細地去探討熱浪時段裡每一天台灣地區周圍環境的型態，是否同樣是高度場為正距平，風場有正負距平分布，垂直速度場也是正距平，而相對溼度場為負距平型態。. 3.3 區域討論：從不同的環境場距平圖上，可以了解在熱浪發生時整體的環境分布型態，而從這些環境分布型態裡，我們也發現了區域影響的可能性，所以我們就區. 13.

(24) 域影響的可能性，思考著能否藉由環境特徵找到影響熱浪發生的關鍵區，而要找到關鍵區，我們就會從熱浪時段裡每一天的分布型態著手分析，找出在每一個環境特徵裡的典型區域，所以我們進一步地計算了距平值天數分布，距平值天數分布的用意在於對於不同環境場在熱浪發生的所有時間裡，去累積計算在每個網格點裡為正距平值或負距平值的天數，這樣一來，能看出在不同環境特徵裡，我們所要的距平特徵值，主要集中分布的區域是位在哪裡，而這區域所代表的是在熱浪時段裡不同的環境場的一個典型區域，而環境特徵值我們主要看的是高度場以正距平值為主(圖 3.3.1)，垂直速度場同樣是正距平值(圖 3.3.2)，而相對濕度場則是以負距平值為主(圖 3.3.3)，風場部分，則是以 u 風場距平合成圖(圖 3.3.4)上的兩個距平極值區為主，選擇 u 風場是因為在台灣地區周圍環境 u 風場的距平極值區比 v 風場的距平極值區來得更明顯，所以作為風場的一個典型區域。從距平值天數分布圖上我們可以發現天數分布的極值區，在熱浪時段裡主要都是位在台灣地區及周圍環境，我們將此極值區的範圍劃定出來，而作為每個環境場的 index 區，分別為高度場的距平值天數分布圖(圖 3.3.5)在 103°E~128.5°E,17°N~26°N，垂直速度場的距平值天數分布圖(圖 3.3.6)在 112°E~127°E,17.5°N ~24.5°N，相對濕度場的距平值天數分布圖(圖 3.3.7) 在 112.5°E ~120.5°E,22°N ~25.5°N，u 風場距平合成圖(圖 3.3.8)為兩個距平極值區，正距平在 114°E ~136°E,28.5°N ~35°N 及負距平在 110°E ~127.5 °E,12.5°N ~21°N。區域劃定出來後，我們接著可以來探討對於熱浪時段裡每一天的變化，而我們利用 index 區，將熱浪時段裡每一天的距平值計算出來，並將每個時段排列成距平值時間序列圖分別有高度距平值時間序列圖(圖 3.3.9)、風場距平值時間序列圖(圖 3.3.10)、垂直速度距平值時間序列圖(圖 3.3.11)、相對溼度距平值時間序列圖(圖 3.3.12)，所以呈現出來的就是每一個交集熱浪時段每一天的距平值變化，從圖上可以發現，每一個交集熱浪時段裡，距平值是會有變動的，以高度距平值時間序列圖(圖 3.3.9)來說，大部分時間的. 14.

(25) 距平值都是正的，這可能是受到副熱帶高壓增強的影響，而少部分時間是負距平值，這種情況則可能是受到了颱風外圍環流的影響，也有可能是副熱帶高壓的強度減弱、勢力東退所造成的影響，但這樣的影響並不會讓溫度馬上下降，而還是會持續一段時間，而在同一個時段裡就能發現高度距平值會有正負的變化，造成這樣變化的原因主要在於受到副熱帶高壓強度的變動或是颱風外圍環流的影響，而對於其他的環境場距平值時間序列圖，在時間的對應上，也是有一些關係存在，在主要的分布型態上，當高度距平值為正值時，風場的距平值也是為正的，垂直速度距平值同樣也是為正的，而相對濕度距平值則會是負的，但當高度距平值為負值時，風場距平值則變為是負的，垂直速度距平值也可能變為是正的，最後相對濕度距平值也可能變為是正的。從熱浪時段裡每一天距平值的變化分布型態，可以了解如果是高壓增強的影響，就會形成一個晴朗無雲、下沉、乾燥的環境，而如果是颱風外圍下沉氣流的影響，因為是處在一個下沉區，同樣會使得周圍環境晴朗無雲、乾燥，而另一方面，雖然高壓減弱了，但溫度並不會下降得太多，還是會持續一段時間的高溫。. 第四章偵測熱浪： 4.1 環境定義：在上一章節裡，我們從距平值時間序列圖發現了它們的對應關係，而從對應關係裡可以了解到，在主要的分布型態中，當距平值為正值時，表示的是高壓的強度範圍西伸到台灣地區甚至周圍環境，在高壓的籠罩下，使得風場可能呈現反氣旋分布，垂直速度場則處於下沉區，相對溼度場則是一個較乾燥的環境，這些都有利於高溫的發生，或是有其他因素的影響而使得高溫出現，而我們了解了環境的特性，接著則是思考著一個問題，能否藉由此一環境特性進一步地思考著如何利用作為一個環境條件而用在偵測熱浪上，也就是藉由距平值的變動設計一套環境定義方法來做偵測，而不須溫度定義，也能定義出跟由溫度定義所計算出的熱浪時間相同，由前面溫度定義分析所. 15.

(26) 得到的熱浪時段主要集中在 6~8 月之間，所以在這裡環境定義偵測分析針對的時間同樣為每年的 6~8 月，來跟溫度定義的時間做比對。四種環境場的距平值裡，我們先以高度距平值為主來設計偵測方法，因為高度距平值的變化直接反映的是副熱帶高壓的強度增強或減弱，而設計此偵測方法的概念類似於所使用的由溫度為門檻的熱浪定義方法，此方法設計同樣使用兩個距平門檻值 H1,H2，並 H1 大於 H2，而天數門檻同樣制訂在至少連續三天為一段時間，所以定義條件為當一段時間裡滿足： (1)這段時間內的日高度距平值大於等於 H2 (2)至少有三日的日高度距平值大於或等於 H1 (3)整段時間的平均日高度距平值大於或等於 H1 即定義為一熱浪時段。此方法所使用的門檻值是依據高度距平值時間序列圖裡每一天的高度距平值分布(圖 4.1.1)來選取 H1、H2 的範圍，H1 選取在 0~53、H2 選取在-42~52，而對於門檻值的選取，我們在前一章節中分析每一段熱浪時段的高度距平值的變化，發現高度距平值不一定會一直維持在正值區，在每一段時間裡，高度距平值也會出現在負值區，所以為了符合高度距平值的變動，測試方法中 H2 值的選取會從負值開始，而兩個距平值作為門檻的用意也就在於 H2 在條件裡是一個啟動作用，對於篩選的時間裡每日高度距平值都要大於 H2 以上，而 H1 在條件裡則是用於強度的維持作用，同樣除了都須大於 H2 以上，還需要再經由 H1 的篩選保留，而這樣去做偵測定義是為了能更嚴謹的定義出每一個時段，並不是只需大過單一門檻值就能被定義，所以由此定義所得到的時間同樣會有開始與結束的時間，而每一段的持續時間也不盡相同，持續時間最短的為持續三天，而較長持續時間同樣可能持續一個月以上或更久，而為了能知道此環境定義偵測的準確度及合適的門檻值 H1、H2 選取，我們將由高度距平值定義的時間與溫度定義的時間做比對，計算相同時間的天數及相同天數比例(TS)，而 TS 的計算公式為：. TS=. ℎ𝑖𝑡𝑠 ℎ𝑖𝑡𝑠+𝑚𝑖𝑠𝑠𝑒𝑠+𝑓𝑎𝑙𝑠𝑒 𝑎𝑙𝑎𝑟𝑚𝑠. 16.

(27) 各項所代表的用意為：溫度定義有. 溫度定義無. 環境定義有. hits. false alarms. 環境定義無. misses. correct negatives. 這裡我們相同天數比例圖討論的範圍為 H1 在 0~53、H2 在-42~-1，由相同天數比例圖(圖 4.1.2)可知，TS 值最高出現在 H1 為 24、H2 為-42~-33 之間， TS 值介在 0.25 到 0.26 之間，而除了從相同天數比例圖上來看，我們可以更清楚的從時間比對圖來討論，時間比對圖指的是將高度距平值定義的時間與溫度定義的時間陳列在圖上做比對，圖 4.1.3 為選取 TS 值最高的在 H1 為 24、 H2 為-38~-33 的組合下的時間比對圖，從圖上我們可以看到比對的結果，由高度距平值定義雖然是可以捕捉到溫度定義的時間，同時高度距平值定義的誤報時間也很少，但對於溫度定義有的時間而高度距平值定義卻沒有捕捉到的時間也占了一部份，表示捕捉效率並不是很好，而如果我們將 TS 值降低到 0.13 來看時間比對圖(圖 4.1.4)，選取在 H1 為 7、H2 為-38~-33 的組合，可以發現溫度定義的熱浪時段都能有效地捕捉到，但會使得 TS 值低的原因在於誤報時間，誤報時間的增加使得 TS 值降低，雖然能捕捉到時間，但誤報的時間也占了多數，所以由高度距平值為門檻設計的環境定義偵測方法，還沒能有效地捕捉到真正的時間，這或許還需要再加入其他的環境條件來補強而使得捕捉效率可以更好並且能使誤報時間及錯失時間都能減少。由高度距平值的定義，我們知道還需有改進的空間，所以接著我們考慮了另外三個環境距平值的使用，有風場距平值(wnd)、垂直速度距平值(vvel)、相對濕度距平值(rh)，而對於三個環境距平值的門檻選取使用，我們主要以大於 0 及小於 0 來作制訂，這樣的門檻選取使用是因為同樣在前面的討論中，我們看到了四個環境場之間的對應關係，所以在這裡選取得是風場距平值 (wnd)門檻為大於 0，而相對濕度距平值(rh)門檻為小於 0，最後垂直速度距平值(vvel)門檻為大於 0，而這三種環境距平值又會有不同的組合，分別的. 17.

(28) 門檻條件組合有： a. wnd>0 and rh<0 and vvel>0 b. wnd>0 and rh<0 , rh<0 and vvel>0 , vvel>0 and wnd>0 c. wnd>0 , rh<0 , vvel>0 a 條件的定義是要同時滿足三個距平值的門檻，才能通過，而 b 條件則是滿足其中兩個距平值門檻就能通過，最後 c 條件只要滿足其中一個距平值門檻就能通過，分成三種不同的條件組合，主要是想去測試如何的條件組合下，能將由溫度定義的熱浪時段都能捕捉偵測到，而誤報的時間也希望能經由條件的增加而篩掉使得可以有更好的結果，所以我們會將由高度距平值定義出來的時間在經由其他環境距平值門檻的篩選，我們稱高度距平值定義為第一階段篩選，而加入不同環境距平值定義為第二階段篩選，透過兩階段的定義來檢驗在不同環境條件門檻組合下的偵測能力，而我們同樣會去重新計算 TS 值，從中了解環境定義的偵測方法該如何使用而可以達到最好的效果。. 4.2 偵測定義討論：經過第一階段及第二階段定義篩選後，我們重新計算了相同天數比例 (TS)，分別為第一階段加入 a 條件的 TS、第一階段加入 b 條件的 TS、第一階段加入 c 條件的 TS，圖 4.2.1 為第一階段加入 a 條件的 TS 值分布，我們可以看到 TS 值的極值區在 H1 為 15、H2 為-42~-38，在圖上不是很明顯，而整體的 TS 值與只用高度距平值定義的 TS 值(圖 4.1.2)比較，TS 值較高值區整體向左偏移，並且範圍擴大，我們同樣可以來比較時間比對圖，所比較的對象為在上一節中所討論到的 H1 選取在 7、H2 選取在-38~-33(圖 4.1.4)的時間比對圖，也就是只用高度距平值定義的時間比對圖，與加入不同環境條件的時間比對圖來做比較，這樣做是因為才能去比較出差異，圖 4.2.2 為第一階段加入 a 條件的時間比對圖，從圖上可以發現對於誤報時間大幅地減少許多，而能偵測得到由溫度定義的時間也還是有保留著，但錯失的時間有增加比較多，這可能是條件設定的較嚴謹而造成的，接著則是看到第一階段加入. 18.

(29) b 條件的 TS 值分布 (圖 4.2.3)，TS 值的極值區明顯的可以看到，並且分布的範圍更廣泛，與只用高度距平值定義的 TS 值(圖 4.1.2)比較，整體的 TS 值是有增加的，而從第一階段加入 b 條件的時間比對圖(圖 4.2.4)與只用高度距平值定義的時間比對圖(圖 4.1.4)比較來看，發現雖然誤報的時間多了一些，但能偵測得到由溫度定義的時間有更多能保留著，錯失的時間則減少，最後則是第一階段加入 c 條件的 TS 值分布(圖 4.2.5)，TS 值的極值區分布雖然沒有在第一階段加入 b 條件的 TS 值中分布來得廣，但主要也都是集中在 H1 為 22~25 之間，整體的 TS 值也是有增加的，而時間比對圖(圖 4.2.6)與只用高度距平值定義的時間比對圖(圖 4.1.4)比較來看，幾乎都能偵測得到由溫度定義的時間，但誤報的時間又比加入 b 條件來得多，所以這也使得 TS 值無法有效的增加。從加入不同的條件組合下，我們可以知道在環境定義偵測方法上的組合以第一階段加入 b 條件為比較好，但是以 TS 值來看，環境定義偵測方法還需要再去做修改調整，不管條件如何的加入，都還是沒能讓 TS 值再增加，造成這樣的原因在於有時是誤報時間多，而有時又是錯失時間多或是捕捉到正確時間少，而在奔研究中對於環境定義偵測熱浪的探討，目前是坐到這裡，往後在其他研究中，如果對這方面有興趣，或許能再做更深入的分析探討，期望能有更好的結果，讓 TS 值提高到 0.7 以上。. 第五章模式模擬推估： 5.1 資料使用：模式：GFDL-HIRIM-C360(NOAA) 模式解析度：1152x720 模擬時間：AMIP(1979~2008 年)、SST2090(2086~2095 年) 變數：日最大溫度係集模擬：AMIP(r1i1p1)、SST2090(r1i1p1、r2i1p1、r3i1p1) 對於模式資料的使用，GFDL-HIRIM-C360 是全球網格資料，而我們同樣. 19.

(30) 是針對台灣地區的研究，所以同樣選取台灣地區的經緯度範圍為東經 120° ~122°E，北緯 22°~25.3°N，而在此區域裡總共有 78 個網格點，對於熱浪定義分析的時間，主要是選取每年的 5~9 月，雖然溫度排序是以全年日溫度做排序，但熱浪主要出現的時間還是集中在夏季，所以我們將時間選取在 5~9 月，而這與前人研究中所選取的時間是相同的。而 SST2090 的係集模擬則是將 r1i1p1、r2i1p1、r3i1p1 的時間加總起來合併成 30 年的時間來做分析。而在這章節中我們利用再分析資料及模式資料來做分析比較，主要探討的是熱浪特性型態的變化，也就是比較現在(AMIP)與未來(SST2090)在平均每年熱浪次數、平均持續天數、平均每年天數、平均每年最早起始時間及平均每年最晚結束時間這些熱浪特性的變化，了解在未來氣候變遷下熱浪特性型態的改變。對於熱浪定義，同樣是使用相對定義方法(Partial Duration Series)，計算每個網格點在不同百分位下的熱浪時段，並藉由交集定義，分析在不同百分位下的熱浪特性，而交集定義的作法與在第二章節中是同樣的，百分位的選取同樣是 T1 選取在 84~98 百分位、T2 選取在 70~85 百分位，交集的網格點數選取在 39 個格點數，而為了能比較出現在與未來的熱浪特性變化，對於 T1,T2 門檻值，在模式資料裡皆是以 AMIP 所換算出的溫度門檻值為主要來做分析，而利用此熱浪定義對於現在與未來仔細地討論。. 5.2 模式模擬討論：熱浪特性的比較，我們可以從平均每年熱浪次數看起，圖 5.2.1 為 CFSR 與 AMIP 的平均每年熱浪次數圖及 SST2090 與 AMIP 平均每年熱浪次數的比值圖，比值圖是為了用於分析它的未來趨勢，我們可以先來看到 AMIP 與 CFSR 的平均每年熱浪次數比較，從圖上發現 AMIP 整體的次數變化與 CFSR 是很相似的，同樣在 T1 為低百分位(84~90 百分位)時，隨著 T2 百分位的提高，平均每年熱浪次數是會增加的，次數變化的方向為由 T1 在低百分位、T2 在高百分位朝著 T1 在高百分位、T2 在低百分位慢慢地減少，而 T1 在較高百分位. 20.

(31) 之後，次數的變化則趨於一致，接著我們再來看到 SST2090 與 AMIP 的比值圖，發現在未來平均每年熱浪次數是會增加的，尤其在高百分位，次數增加了一倍，而在其他的百分位上，增加得幅度則較小，接著則是 CFSR 與 AMIP 的平均持續天數圖及 SST2090 與 AMIP 平均持續天數的比值圖(圖 5.2.2)，從圖上我們可以看到 AMIP 與 CFSR 的平均持續天數變化，雖然整體的變化分布很相似，但其實可以比較得出來，在 T1 為高百分位(95~98 百分位)，CFSR 的平均持續天數比 AMIP 的平均持續天數來得長，而在 T1 百分位為 90~94 之間、T2 百分位在 82~85 之間，CFSR 的平均持續天數也是比 AMIP 的平均持續天數來得長，這是差異比較明顯的區域，接著我們也來看到 SST2090 與 AMIP 的比值圖，在未來氣候變遷下，整體的平均持續天數都是會增加得，同樣在高百分位處，增加的幅度是最大的，T1 百分位在 95~98 之間，整體平均持續天數增加了 10 倍左右，而在其他的百分位上，整體平均持續天數的增加都有在 3 倍以上，接著則是 CFSR 與 AMIP 的平均每年熱浪天數圖及 SST2090 與 AMIP 平均每年熱浪天數的比值圖(圖 5.2.3)，從 CFSR 與 AMIP 兩者的比較，整體的變化也是極為相似的，同樣在 T1、T2 為低百分位時，平均每年的熱浪天數為最多，隨著 T1、T2 百分位的增加，平均每年熱浪天數則會減少，比較不一樣的地方在於 T1 為高百分位時，整體 AMIP 的平均每年熱浪天數比 CFSR 稍微少一些，同樣我們看到在未來的氣候變遷下，整體平均每年熱浪天數增加最大的區域在 T1 的高百分位區(96~98 百分位)，雖然百分位的提高，門檻值也跟著提高，可是在未來能大於門檻值以上的天數則還是能大幅的增加，增加比值幅度最大能在 14 倍以上，大部分的增加幅度都在 2 倍以上，接著我們看到 CFSR 與 AMIP 的平均每年最早起始時間及 SST2090 與 AMIP 平均每年最早起始時間的差異圖(圖 5.2.4)，差異值指的是用 SST2090 的起始時間減去 AMIP 的起始時間而得，同樣先來看到 CFSR 與 AMIP，起始時間則是隨著 T1、T2 百分位的提高而會變得較晚開始，而 T1 在高百分位(96~98 百分位)時，整體平均每年最早起始時間則趨於一致，再來我們看到 SST2090 與 AMIP 平均每年最早起始時間的差異比較，在未來氣候變遷下，起始時間則是會提早開始，尤. 21.

(32) 其在 T1 高百分位區(96~98 百分位)，整體起始時間提早了至少有 70 天以上，而在其他的百分位上，起始時間得提前最少也提早了 40 天左右，最後則是 CFSR 與 AMIP 的平均每年最晚結束時間及 SST2090 與 AMIP 平均每年最晚結束時間的差異圖(圖 5.2.5)，差異值同樣指的是用 SST2090 的結束時間減去 AMIP 的結束時間而得，同樣先來比較 CFSR 與 AMIP，平均每年最晚結束時間的變化剛好與平均每年最早起始時間的變化相反，在 T1、T2 為低百分位時，結束時間則是最晚的，而在 T1、T2 為高百分位時，結束時間反而是會提前得，同樣在 T1 高百分位(96~98 百分位)區，整體結束時間也是趨於一致，再來就是 SST2090 與 AMIP 平均每年最晚結束時間的差異比較，在未來氣候變遷下，平均每年最晚結束時間則是會延後結束，同樣在 T1、T2 高百分位區，結束時間更是延後了 50~60 天以上，而整體的平均每年最晚結束時間則都能延後再 24 天以上，所以由平均每年最早起始時間及平均每年最晚結束時間來看，在未來熱浪的發生，起始時間會提早，而結束時間則會延後，整體持續時間拉長，而從平均持續天數也同樣能發現這樣的情況，增加幅度大的都會發生在高百分位的區域裡。從模式模擬現在與未來可以了解到，以 T1、T2 都由高百分位排序而得的溫度門檻值而言，在現在氣候下，能達到此門檻值的可以算是少數而極端的熱浪時段，平均可能 1~2 年發生一次，平均持續時間大約 10 天左右，但在未來氣候變遷下，此極端的熱浪時段可能已不是少數會出現的，而是可能會常發生，雖然次數的比較，並不能看出有明顯的增加幅度，但從持續天數、起始時間、結束時間，不難看出在未來氣候變遷下發生機率的增加，更早出現、更晚結束，能通過門檻值標準的時間則增加更多，大幅地增加了持續時間及天數。. 第六章結論：從使用溫度為門檻的熱浪定義分析中，我們可以了解到對於在本文裡熱浪定義方法的選取，門檻值在定義中的作用，T2 在條件裡為一個啟動的作用，. 22.

(33) 對於篩選的時間裡每日溫度都要在 T2 以上，而 T1 在條件裡為一個強度維持的作用，而我們更可以了解在定義中透過使用不同百分位的門檻值及不同的交集數下熱浪特性的變化，發現在 T1、T2 的高百分位時熱浪發生的頻率為平均每年或甚至是平均 1~2 年才發生一次的極端事件，而熱浪平均的持續時間則是介於 10~15 天左右，在平均每年最早起始時間約在 7 月中旬開始，而平均每年最晚結束時間則接近於 7 月底結束，由平均每年最早起始時間及平均每年最晚結束時間合併來討論，發現在 T1、T2 的低百分位時，最早起始時間較早開始，而結束時間則較晚結束，而在 T1、T2 的高百分位時，最早起始時間則較晚開始，結束時間則較早提前結束，而由選定的百分位及共同時間定義出的交集熱浪時段再看到環境場的分布，由環境場的分布特性，了解造成熱浪發生的整體環境因素是因為台灣在副熱帶地區受到太平洋高壓西伸至台灣以西，並在台灣附近形成下沉氣流與乾燥的環境所影響，而透過將此環境因素的特徵顯現出來，讓我們知道不同的環境場在區域上的變化，而這可能就是不同環境場主要的區域特徵，而為了更深入了解，我們將熱浪時段每一天的環境特徵仔細地作分析而得出了距平值的時間序列圖，清楚知道每一天不同的環境特徵變化特性，並將不同的環境特徵變化特性整合在一起，更能清楚發現環境特徵之間在美意天的對應關係，當高壓增強時，會形成一個晴朗無雲、下沉、乾燥的環境，環境場的變動是會有互相影響作用的。緊接著在本文裡，我們更進一步地透過環境特徵的變化特性而設計了環境定義偵測方法，測試著能否利用環境特徵的變化特性為條件而同樣有能力偵測到熱浪發生的時間，雖然有能力捕捉到與溫度定義相同的熱浪發生時間，但其偵測到誤報的時間還是沒能有效地減少，同時錯失的時間也沒能降低，這或許在未來的研究分析中，我們可以有另一個方向來思考著如何透過環境定義偵測熱浪，而不需使用到溫度定義，只要偵測到環境特徵的變化，並且能有持續的發生，就可預測可能熱浪發生的時間。而對於模式的分析可以知道，從不同的熱浪特性討論中，我們利用 GFDL-HiRAM 模式模擬現在與觀測的結果是很相近的，不管是在平均每年熱浪. 23.

(34) 次數、平均持續時間、平均每年熱浪天數、平均每年最早起始時間、平均每年最晚結束時間，都有相似的結果，而在模式模擬未來的推估中，比較現今氣候與未來 21 世紀末氣候變遷下熱浪特性型態的改變能發現在未來氣候變遷下，除了平均每年熱浪次數的變化差異比較小之外，其他的熱浪特性變化都是有大幅度的增加，溫度的上升會使得幾乎每年都會發生一次持續整個夏季的熱浪事件，平均熱浪持續時間的增加幅度則會是現今氣候下的 10 倍以上，平均持續天數的增長在於平均每年熱浪天數的增加，熱浪天數的增加也間接影響每一次熱浪發生的持續時間，而在 21 世紀末熱浪的開始發生則會更早地開始、更晚地結束，尤其在兩個極端百分位值的選擇下平均每年最早起始時間同樣會提早 70~80 天開始，而平均每年最晚結束時間則會延後 50~60 天結束，未來的溫度變化能更容易達到現今氣候下的溫度門檻值以上，變得是更普遍的出現，所以在現今氣候下的極端熱浪事件，在未來會變得是較普遍的熱浪事件，變成了夏季的常態，或許在不同的模式中會有不一樣的結果，但熱浪特性的型態的確是會受到未來氣候變遷下的影響而產生改變，這是值得我們去探討了解的，而在未來的研究中也許能朝著這方向再去做更多的分析、討論。. 24.

(35) 參考文獻： Alexander, L. V., et al. (2006). "Global observed changes in daily climate extremes of temperature and precipitation." Journal of Geophysical Research 111(D5). Chu, Y. C. (2007). "Heat waves of the 21st century." D.Horel, J. (1981). "A rotated principal component analysis of the interannual variability of the northern hemisphere 500 mb height field.pdf." Monthly Weather Review 109. Ding, T., et al. (2009). "Changes in hot days and heat waves in china during 1961-2007." International Journal of Climatology Fei, S. T. and L. H. bang (2003). "Abrupt change of the west pacific subtropical high and its interannual variation during the later spring and early summer." G.Steadman, R. (1984). "Steadman's model function.pdf." Journal of climate and Applied Meteorology 23. Huth, R., J.kysely, and L.Pokorna (2000) <A gcm simulation of heatwaves, dry spells, and their.pdf>. Jiang, X., et al. (2011). "Interannual and interdecadal variations of the south asian and western pacific subtropical highs and their relationships with asian-pacific summer climate." Meteorology and Atmospheric Physics 113(3-4): 171-180. Li, W., et al. (2011). "Changes to the north Atlantic subtropical high and its role in the intensification of summer rainfall variability in the southeastern united states." Journal of Climate 24(5): 1499-1506. MuQ iaozhen, et al. (2001). "Variations of the western pacific subtropical high in summer during the last hundred years." Michael A. Palecki, S. A. C., and Kenneth E. Kunkel (2001). "<The Nature and Impacts of the July.pdf>." Bulletin of the American Meteorological Society 82(7).. 25.