范正成臺灣大學：生物環境系統工程學研究所楊文仁Yang, Wen-JenWen-JenYang2007-11-272018-06-292007-11-272018-06-292006http://ntur.lib.ntu.edu.tw//handle/246246/56016摘 要 本研究擬蒐集中央氣象局及水利署於全台各地之雨量站資料，分析歷史降雨事件之相關統計特性，以進行CLIGEN氣候生成模式於台灣地區適用性之驗證，並以全球環流模式GISS以及HADCM3模式之輸出值，模擬分析未來氣候變遷對台灣地區降雨沖蝕指數(R指數)之影響，完成未來氣候變遷台灣地區年等降雨沖蝕指數圖之繪製。 研究結果顯示，台灣地區之有效雨量佔年平均雨量之80%以上，其最大三十分鐘降雨強度(I30)之分佈型態，西南部屬低闊峰分佈，東北部則屬於高狹峰的分佈型態，且I30與平均降雨強度有較佳的相關性。依據有效降雨事件之分析結果，建立I30迴歸公式以及倒傳遞類神經網路(BPN)，而BPN在I30的推估上，可以獲致較佳的結果。此外，CLIGEN氣候生成模式對於台灣地區年雨量與月雨量之模擬結果良好，惟對有效降雨事件之重要特性的模擬，仍有待進一步之評估。 GISS平衡試驗之模擬結果顯示，於兩倍CO2濃度情境時，基隆、宜蘭、新竹、嘉義以及花蓮地區，其年平均R指數有增加之趨勢，高雄與台東地區則減少。HADCM3漸變試驗之模擬結果亦顯示，未來氣候變遷對台灣地區R指數有顯著之影響，除了B2情境短期，部分地區是減少的外，其餘無論短期、中期或長期均有增加之趨勢，尤以長期之影響為最，其中又以西南部地區之R指數受其影響為最，而對花蓮台東地區之影響則最小。若不考慮RUSLE公式中其他因子之變化，則R 指數之增加率即為土壤沖蝕之增加率；惟此一假設並未考慮氣候變遷對C因子的影響，氣候變遷對土壤沖蝕之影響仍有待進一步之評估。ABSTRACT In this study, the rainfall data were collected from Central Weather Bureau and Water Resource Agency in Taiwan. Using these data, the CLIGEN model was validated for Taiwan based upon the attributes of historical rainfall events from the analysis results. The impact of climate change on rainfall erosivity (the R factor) in Taiwan was assessed as well. Results show that the effective rainfall in Taiwan was more than 80% of the mean annual rainfall. The distribution types of the maximum 30-minute rainfall intensity (I30) in southwest and northeast area were leptokurtosis and platykurtosis respectivily, and there was a good relationship between I30 and mean rainfall intensity. According to the analysis results of effective rainfall events, a regession model and a Back-Propagation artifical neurual network (BPN) were established, and the BPN has a better performance in predicting the I30. Apart from these, the CLIGEN weather generator was found to be satisfactory in modeling the annual precipitation and monthly precipitation in Taiwan. However, further validation for the other important attributes of effective rainfall events was required. The simulation results of the GISS equilibrium experiment show that the annual rainfall erosivity tends to increase in Keelung, Ilan, Hsinchu, Chiayi and Hualien, and decrease in Kaoshiun and Taidong under the scenario of 2 times concentration of CO2. From the results of HADCM3 transition experiment, it was found that future climate change might have significant influence on rainfall erosivity in Taiwan. Except for B2 scenario, there was an increasing trendency for the R factor during the short, medium and long term, southwest area in long term especially. The increase in the R factor will lead to increase the soil erosion as well, if other factors in the Revised Universal Soil Loss Equation (RUSLE) remain constant. However, the assumption doesn’t consider that the influence of climate change on the factor C, the research for the impact of climate change on soil erosion needs to be further studied.目 錄 謝誌 Ⅰ 中文摘要 Ⅱ Abstract Ⅲ 圖目錄 Ⅷ 表目錄 X 第一章 研究動機與目的 1 1.1 研究動機 1 1.2 研究目的 2 第二章 文獻回顧 4 2.1 降雨沖蝕指數 4 2.2 降雨動能與連續最大三十分鐘降雨強度 10 2.2.1 降雨動能 11 2.2.2 連續最大三十分鐘降雨強度 14 2.3 全球氣候變遷 16 2.3.1 溫室效應與全球暖化 16 2.3.2 氣候變遷預設情境 19 2.4 氣候變遷對降雨沖蝕指數之影響 21 第三章 研究方法 23 3.1 氣象站選取及雨量資料分析 24 3.1.1 氣象站之選取 26 3.1.2 降雨分析 29 3.2 氣候變遷預設情境 33 3.3 雨量資料之模擬生成 38 3.4倒傳遞類神經網路 40 3.5降雨沖蝕指數之計算 43 第四章 有效降雨事件之分析及預測 45 4.1有效降雨事件分析 45 4.2 最大三十分鐘降雨強度(I30)之分析及預測 51 4.2.1 I30與有效雨量以及降雨延時之關係 51 4.2.2 最大三十分鐘降雨強度推估公式 56 4.2.3 倒傳遞類神經網路推估模式 58 4.3 CLIGEN氣候生成模式之模擬驗證 62 4.4 小結 68 第五章 氣候變遷對台灣地區降雨沖蝕指數之影響 71 5.1GISS平衡試驗之模擬結果 71 5.2HADCM3漸變試驗模擬結果 79 5.2.1 HADCM3-A2情境之模擬結果 79 5.2.2 HADCM3-B2情境之模擬結果 90 5.3未來氣候變遷台灣地區年等降雨沖蝕指數圖之繪製 101 5.4氣候變遷對台灣地區降雨沖蝕指數之影響及因應策略 110 5.4.1 氣候變遷對台灣地區降雨沖蝕指數之影響 110 5.4.2 因應策略及措施 112 5.5小結 120 第六章 結論與建議 123 6.1結論 123 6.2建議 125 參考文獻 128 附錄A 氣候變遷預設情境 137 附錄B 各氣象站對應GCMs之預設情境所修正後之月平均雨量 139 附錄C CLIGEN氣候生成模式之操作說明 142 附錄D各測站未來短中長期之年平均雨量與降雨沖蝕指數 144 作者簡歷 150 圖目錄 圖2.1 台灣等降雨沖蝕指數圖（黃俊德, 1979） 6 圖2.2 台灣等降雨沖蝕指數圖（盧光輝, 1999） 8 圖2.3 台灣等降雨沖蝕指數圖（盧昭堯, 2005） 9 圖3.1 研究流程圖 23 圖3.2 本研究所採用之十個降雨氣候分區 25 圖3.3 本研究所分析之主要氣象站位置 28 圖3.4 各氣象站之月平均雨量變化 31 圖3.5 各氣象站年雨量之五年移動平均線 32 圖4.1各地區月平均有效雨量之變化 50 圖4.2各地區月平均有效降雨之變化 50 圖4.3 各地區之I30強度組距頻率分佈圖 55 圖4.4 BPN網路之學習誤差收斂圖 60 圖4.5 BPN網路之輸出值與實際觀測值之比較 61 圖4.6 推估I30之BPN類神經網路架構 61 圖5.1基隆宜蘭地區月平均雨量比值之變化 76 圖5.2 新竹嘉義地區月平均雨量比值之變化 76 圖5.3 高雄台東地區月平均雨量比值之變化 77 圖5.4 花蓮地區月平均雨量比值之變化 77 圖5.5 各地區降雨沖蝕指數之彈性指數 78 圖5.6 HADCM3-A2短期各地區月平均雨量比值 84 圖5.7 HADCM3-A2中期各地區月平均雨量比值 84 圖5.8 HADCM3-A2長期各地區月平均雨量比值 85 圖5.9 HADCM3-A2情境各地區年平均R指數之增減趨勢 89 圖5.10 HADCM3-B2短期各地區月平均雨量比值 95 圖5.11 HADCM3-B2中期各地區月平均雨量比值 95 圖5.12 HADCM3-B2長期各地區月平均雨量比值 96 圖5.13 HADCM3-B2各地區年平均降雨沖蝕指數之增減趨勢 100 圖5.14 HADCM3-A2短期情境台灣地區年等降雨沖蝕指數圖 104 圖5.15 HADCM3-A2中期情境台灣地區年等降雨沖蝕指數圖 105 圖5.16 HADCM3-A2長期情境台灣地區年等降雨沖蝕指數圖 106 圖5.17 HADCM3-B2短期情境台灣地區年等降雨沖蝕指數圖 107 圖5.18 HADCM3-B2中期情境台灣地區年等降雨沖蝕指數圖 108 圖5.19 HADCM3-B2長期情境台灣地區年等降雨沖蝕指數圖 109 圖5.20 HADCM3-A2短期台灣地區年降雨沖蝕指數影響趨勢圖 110 圖5.21 HADCM3-A2中期台灣地區年降雨沖蝕指數影響趨勢圖 107 圖5.22 HADCM3-A2長期台灣地區年降雨沖蝕指數影響趨勢圖 108 圖5.23 HADCM3-B2短期台灣地區年降雨沖蝕指數影響趨勢圖 109 圖5.24 HADCM3-B2中期台灣地區年降雨沖蝕指數影響趨勢圖 110 圖5.25 HADCM3-B2長期台灣地區年降雨沖蝕指數影響趨勢圖 111 表目錄 表2.1 降雨動能與降雨強度之關係式一覽表 12 表2.2 各試區降雨動能與降雨強度之關係式 13 表2.3 各種溫室氣體濃度、增加率與生命期 17 表3.1 主要氣象站之基本相關資料 27 表3.2 主要氣象站之月平均雨量 31 表3.3 主要氣象站之年雨量統計分析表 32 表3.4 各氣象站所對應GCMs輸出之格點位置 36 表3.5 各地區年雨量與年降雨沖蝕指數之關係式 44 表4.1.a 各氣象站之年有效降雨事件及有效雨量 47 表4.1.b各氣象站之年有效降雨事件及有效雨量 48 表4.2 各氣象站之月平均有效降雨事件及有效雨量 49 表4.3.a I30與平均降雨強度、降雨延時以及降雨量之關係式 53 表4.3.b I30與平均降雨強度、降雨延時以及降雨量之關係式 54 表4.4 各各氣象站於公式(4.1)及公式(4.2)中之最佳參數值及表現 57 表4.5 不同架構BPN之網路學習表現 60 表4.6 CLIGEN模式年雨量之模擬結果與觀測值之比較 63 表4.7.a CLIGEN模式月平均雨量之模擬結果與觀測值之比較 65 表4.7.b CLIGEN模式月平均雨量之模擬結果與觀測值之比較 66 表4.8 CLIGEN模式降雨事件之模擬結果與觀測值之比較 67 表5.1兩倍CO2情境時各地區月平均雨量與現況之比較 75 表5.2各地區之年平均雨量以及降雨沖蝕指數與現況比較 78 表5.3 HADCM3-A2短期情境各地區之月平均雨量 81 表5.4 HADCM3-A2中期情境各地區之月平均雨量 82 表5.5 HADCM3-A2長期情境各地區之月平均雨量 83 表5.6 HADCM3-A2情境各地區之年平均雨量與降雨沖蝕指數 88 表5.7 HADCM3-B2情境短期各地區之月平均雨量 88 表5.8 HADCM3-B2情境中期各地區之月平均雨量 93 表5.9 HADCM3-B2情境長期各地區之月平均雨量 94 表5.10 HADCM3-B2情境各地區之年平均雨量與降雨沖蝕指數 99 表5.11台灣地區短中長期年平均R指數模擬之結果與比較 1032146983 bytesapplication/pdfen-US氣候變遷降雨沖蝕指數最大三十分鐘降雨強度氣候生成模式類神經網路全球暖化Climate changeRainfall erosivityThe maximum 30-minute rainfall intensityClimate generatorArtifical neurual networkGlobal warming[SDGs]SDG13thesishttp://ntur.lib.ntu.edu.tw/bitstream/246246/56016/1/ntu-95-D92622001-1.pdf