• 沒有找到結果。

第三章 夏季季風指數和台灣降雨的關係

N/A
N/A
Protected

Academic year: 2021

Share "第三章 夏季季風指數和台灣降雨的關係"

Copied!
6
0
0

加載中.... (立即查看全文)

全文

(1)

第三章 夏季季風指數和台灣降雨的關係

3.1 指數的選取

受季風影響的地區除了盛行風的改變之外,最明顯的變化就是降 雨量的變化,因此可以利用盛行風的改變和降雨的多寡來代表季風的 活躍表現。爲了量化季風氣候的變異度,許多前人研究使用降雨或大 氣環流來定義不同的季風指數,例如 Webster and Yang 在 1992 年提 出的 W-Y、Goswami et al 在 1999 年提出的 SAM、Wang and Fan 在 1999 年提出的 DU2,以及 Lau et al 在 2000 年提出的 EAM 等,這些指數的 定義和可以反應的降雨強弱區域並不相同。Yang and Lau (2006)的研究 顯示,在上述的指數中,以 DU2 和東南亞及西太平洋地區的降水相 關性最大,因此他們稱 DU2 指數為 SEAM,本文亦稱為 SEAM。

本文所選擇的季風指數是 SEAM,其定義是 U850 (5°-15°N,90°-130°E) - U850 (22.5°-32.5°N,110°-140°E) ,SEAM 和東南亞及西太平洋地區的 降水相關性很大,如圖 3.1,陰影處代表 SEAM 和 CMAP 降雨的相關 係數大於 0.5 以上的區域,台灣也地處這個區域,故本文選用 SEAM 來定義夏季季風的活躍與不活躍。

圖 3.2 是 SEAM 的時間序列圖,紫色直線為 1950~2005 年的年際

(2)

變化,藍色折線為 SEAM 的 11 年滑動平均(1955~2000 年),可發現 SEAM 的年際變化相當大,它和台灣六測站的降雨相關將於 3.2 節中 討論。為探討台灣附近的大氣環流在季風活不活躍年之差異,將 11 年滑動平均後的數值定義為 R-SEAM ,選取 R-SEAM 較高的 10 年為 季風年代際變化活躍年(1973 年~1982 年) ,而 R-SEAM 較低的 10 年 為季風年代際變化不活躍年(1991 年~2000 年) ,R-SEAM 和台灣六測 站的降雨相關將於 3.3 節中討論。

3.2 指數和台灣降雨的相關

本文採用中央氣象局所定之豪大雨標準,日雨量達 50mm 以上為 大雨,其中日雨量達 130mm 以上為豪雨,表 1 為台北、台中、台南、

高雄、花蓮及台東六個測站從 1950 年至 2005 年的 5~6 月和 7~9 月的 豪雨次數、大雨次數、月雨量的 56 年平均值(台東的資料從 1952 年 起),可發現 5~6 月時的台中、台南和高雄在每一項都比其它三個測 站高,東部兩測站都是偏低的,這和陳與楊(1988)的研究顯示在 5 ~6 月梅雨期間,中央山脈以西的豪雨發生頻率比以東為多是符合的,而 台北在 5~6 月時的大雨次數和月雨量是比東部測站高,但豪雨次數上

(3)

卻是特別低;7~9 月時台南、高雄和台東的每一項變數都較高,台北 和台中都較低。整體而言,台南和高雄的每一季的豪雨、大雨次數和 月雨量都比其它四個測站高,應該是和位於季風影響的迎風面有關。

從表 2~表 3 也可以看出各測站的大雨次數和月雨量相關性非常 高,豪雨次數和月雨量的相關係數也非常高,這代表這些測站若除去 豪雨、大雨發生日的雨量,則平均月雨量會明顯降低。值得注意的是 台北測站在 5~6 月的豪雨次數非常低,月雨量卻不少,所以在表 3 中 豪雨次數和月雨量的相關係數就沒有其他測站來的高。

因為各測站的豪雨次數都不超過 0.6 次/月,大雨的定義就涵蓋 了豪雨,因此以下用豪大雨稱之。我們將台北、台中、台南、高雄、

花蓮和台東六個測站從 1950 年至 2005 年的 5~6 月和 7~9 月的豪大雨 次數、月雨量的 56 年平均值(台東的資料從 1952 年起)分別和 SEAM 做相關,如表 4。以下依月份分別討論之:

圖 3.3(a)~(b)為台北、台中、台南、高雄、花蓮和台東在 5~6 月 的豪大雨次數和月雨量的時間序列圖(1950~2005 年),r 為和 SEAM 的 相關係數,我們發現台灣六測站的 5~6 月豪大雨次數、月雨量和 SEAM 的相關係數很低,可以說沒什麼相關性。

圖 3.4(a)~(b)同圖 3.3,但為 7~9 月,台灣六測站中只有高雄、花 蓮、台東的月雨量和 SEAM 有一點相關,但相關係數也不高。

(4)

所以 SEAM 的年際變化和台灣六測站的 5~6 月或 7~9 月的豪大 雨次數、月雨量的年際變化並沒有太大的對應關係,在圖 3.1,SEAM 和 CMAP 降水的相關圖中,台灣雖處於相關係數 0.5 以上之區域,但 因台灣有多樣的地形地貌,影響降雨的因素不只有季風一項,所以在 年際變化上沒有太大關係。

3.3 11 年滑動平均過的指數和台灣降雨的相關

爲了討論季風的年代際變化,我們將台北、台中、台南、高雄、

花蓮及台東六個測站從 1950 年至 2005 年的的豪大雨次數、月雨量的 56 年平均值(台東的資料從 1952 年起)作 11 年滑動平均,再和 SEAM 的 11 年滑動平均即 R-SEAM 作相關,如表 5,以下依月份分別討論 之:

圖 3.5(a)~(b)是 5~6 月的豪大雨次數、月雨量的 11 年滑動平均的 時間序列圖(1950~2005 年),r 為和 R-SEAM 的相關係數,我們發現西 部四個測站的豪大雨次數、月雨量均和 R-SEAM 呈現高的正相關,東 部的測站只有花蓮在豪大雨次數、月雨量上和 R-SEAM 呈現負相關,

所以在季風年代際變化活躍年代(1973~1982 年),西部測站的豪大雨次

(5)

數和月雨量也會較高,而花蓮的豪大雨次數和月雨量反而是較少的。

圖 3.6(a)~(b)的說明如圖 3.6,但為 7~9 月的結果。和 R-SEAM 呈 現正相關的測站有花蓮的豪大雨次數,和 R-SEAM 呈現負相關的有台 北、台中、台南的豪大雨次數,以及台北、台中、台南、花蓮、台東 的月雨量,也就是說在季風年代際變化活躍年代(1973~1982 年),西部 測站除了高雄以外,其豪大雨次數和月雨量反而是較少的,東部的月 雨量也較少。而影響 7~9 月的豪大雨因素除了季風之外,颱風也是一 項重要的因素,從表 6 我們發現除了台南和高雄之外,不管是次數或 雨量上,其他四個測站因侵台颱風所產生的豪雨佔總豪雨的比例均很 高,因此我們將受颱風影響的豪雨雨量扣掉之後的新豪雨雨量再和 R-SEAM 作相關,如表 7,會發現台北、台南、高雄的相關係數變化 不大,台中的負相關降低,東部的兩個測站則會從負相關變成正相 關,代表除季風年代際變化外,侵台的颱風次數和路徑是影響花蓮和 台東的月雨量另一重要因素。

因此我們發現台灣西部四個測站在 5~6 月的豪大雨次數和月雨 量都和 R-SEAM 呈正相關,在 7~9 月除高雄外都呈負相關,與 5~6 月 時相反;東部的花蓮在 5~6 月都和 R-SEAM 呈負相關,到了 7~9 月的 豪大雨次數卻變成正相關。我們推測,在季風年代際變化活躍年代的 5~6 月盛行西南季風,使得西部四測站的豪大雨次數和月雨量也偏

(6)

多,東部測站則偏少;到了 7~9 月,降雨的因素不只有季風一項,颱 風的影響是否使得豪大雨次數和月雨量上呈現和 5~6 月相反,有待進 一步研究。

數據

圖 3.2 是 SEAM 的時間序列圖,紫色直線為 1950~2005 年的年際

參考文獻

相關文件

二零零六年第三季的出口單位價格指數為 95.7,較二零零六年第二季上升

Chang, Sym- metric Mendelsohn triple systems and large sets of disjoint Mendelsohn triple systems, in Combinatorial de- signs and applications (Lecture Notes in Pure and

被賦予「算聖」之稱的關孝和,是和算史上最傑出的數學家之一,和算自他開始進入

這些 dimensions 之間的關係, 而這些關係和 ordered basis 的選取無關, 所以 A, B associated λ 的 elementary Jordan matrices 的各個階數的個數會相同, 也就是 A,B 可以化為相同的

明確的 可量度的 可實現的 相關的 有時限的.

說明 闡明目的或原因/弄清事物之間的關係/說出原因和/或方式

有關根據教育局通告第 16/2013 號進行的商業活動的所有收入和支出,應在附件一報表 4

Key words: Buddha-name sūtras; Buddhist repentance rituals; merit; Buddha- name worship; Buddha-name