李天浩Lee, Tim Hau臺灣大學:土木工程學研究所林佑蓉Lin, Yu-JungYu-JungLin2010-07-012018-07-092010-07-012018-07-092009U0001-1808200903354300http://ntur.lib.ntu.edu.tw//handle/246246/187907既有氣候法颱風定量降雨模式推估台灣降雨的推估技術，無法分辨2001年桃芝颱風和2005年海棠颱風兩個路徑類似、降雨分佈卻很不相同的案例。桃芝颱風結構緊實、導引氣流強勁、通過速度快、降雨集中在中心通過路徑兩側，和海棠颱風導引氣流不強、在花蓮外海打轉、速度減緩到滯留，造成颱風環流外擴到台灣北部和南部通過、降雨集中在台灣南部高屏溪等流域上游山區、中部地區降雨反而小。桃芝和海棠颱風降雨分佈型態顯示，路徑類似颱風若結構不同，降雨空間分佈型態未必類似，氣候法將所有類似路徑颱風降雨平均，不同個案推估的定量降雨誤差可能差異很大。研究利用路徑類似歷史颱風的風雨觀測資料，建立可以辨識、分類颱風型態的「分類差異距離指標」，區分為型態接近與不同的颱風，排除型態不同的類似路徑颱風，僅利用指標為「類似」的歷史颱風事件計算氣候平均降雨。資料分析使用的方法概要：(1) 利用歷史颱風風雨觀測紀錄資料，觀察颱風與地形交互作用與降雨風場分布，嘗試建立適合作颱風風雨分類的統計指標；(2) 以中央氣象局定義之第二及第三類颱風路徑為分析目標，由歷史颱風統計指標之主成分分析與相關係數統計方法，決定「類似」與「相異」事件的選擇門檻；(3) 將「分類差異距離指標」應用至預報範圍，以主成分分析統計各指標間相關性的結果，檢定類似指標應用的全域性；(4) 改進氣候法降雨推估，僅利用指標為「類似」的歷史颱風事件計算氣候平均降雨，比較改進後的氣候法估計誤差權重平方和與誤差變異係數，並評斷方法的改進效益。究證實，「分類氣候法」在特殊降雨分布之颱風案例可能從延時1小時預報開始，預報的誤差變異數就比傳統氣候法高；預報時數增加時，分類氣候法估計颱風降雨的準確度可能更加不如傳統氣候法。而在典型降雨分佈之颱風案例中，雖然傳統氣候法的降雨推估誤差，相對於特殊案例已經較低，分類氣候法依然能夠再降低；龍王颱風過山前的案例改進較有限，但龍王颱風過山後，和聖帕颱風過山前和過山後的三個案例，推估未來1~3小時的改進幅度都相當明顯。對於選擇的8個降雨推估案例：分類氣候法於T=0找到的案例，在台灣北部、東北部的降雨誤差比傳統氣候法小，T=1~3時的誤差持續較小；在中、南、東部的降雨誤差和傳統氣候法相當，T=1~3時的推估值未獲改進。果顯示二、三類路徑颱風案例太少，在有限案例中，分類法僅找到台灣北部區域降雨型態比較類似的颱風事件，其他區域降雨型態的歧異程度和傳統氣候法相同。未來若有更多颱風案例，分類法能找到所有降雨區域都和真實降雨類似的案例，則1~3小時的降雨推估有機會更優於傳統氣候法。The assessment of the original typhoon climatology rainfall QPF model cannot analyze typhoons which have similar path but different rainfall pattern such as Toraji in 2001 and Haitang in 2005. Typhoon Toraji has strong atmospheric structure, powerful current lead high speed passing and concentrating rainfall through the way. Typhoon Haitang has opposite atmosphere condition, which has week current lead slow passing. The typhoon center stay at offshore Hualien induce the outer circulation extend to northern and southern Taiwan. Haitang’s rainfall almost concentrated on Kaoping river basin upstream, and less in middle Taiwan. This two typhoon rainfall pattern shows: if similar path typhoon have different structure, the distribution pattern of rainfall would not in the same. The climatology use all similar path typhoon to compute the rainfall average but different case might be has big variation in QPF model.his research use historical wind and rainfall observation which has similar path to establish the classification indicators that can analysis the wind and rainfall pattern. Include the historical typhoon which has analogous indicators to compute the climatology average rainfall but exclude the different pattern historical typhoon. Data using process as follows: (1) Observe the interaction between typhoon and Taiwan topography, also the wind and rainfall distribution, then use historical wind and rainfall observation to establish the classification indicators. (2) Decide the threshold of similarity and difference, and use PCA method to realize the relation between the indicators. Use type 2 and type 3 typhoon path defined as CWB to be database. (3) Apply the indicators to the predicted area then check out the application of the all predicted region. (4) Improve the Climatology Rainfall QPF, then compute the error square of estimate and the coefficient of variation which is compared with original climatology rainfall QPF method.his research confirms that error variance of classification climatology might higher than traditional climatology in special rainfall pattern of typhoon begin from lag time is 1; when predict lag time increase, it will not better than traditional climatology. On the other hand, error variance in typical rainfall pattern of typhoon is better than it in special rainfall pattern cases; for 8 cases of rainfall: When lag time is 0 in northern and northeastern Taiwan, the error square of estimate calculated by classification climatology is less than traditional climatology. When lag time is 1 to 3, the error square of estimate is continued small but the error square of estimate is equal to traditional climatology in middle, southern and eastern Taiwan.n this few cases, classification climatology only can find the similar rainfall pattern cases in northern Taiwan area. The variance of rainfall pattern in other areas is like the traditional climatology. In the future, if we have more typhoon cases, this classification climatology will find all rainfall areas are almost the same with the true rainfall pattern and predict of rainfall will better than the traditional climatology in lag time is 1 to 3.目錄辭 II要 IIIBSTRACT V錄 VII目錄 IX目錄 XII1章 緒論 1.1 研究動機 1.2 文獻回顧 2.3 研究目標與方法 6.4 論文架構 72章 研究方法 8.1 建立指標 8.1.1 氣候法之颱風事件篩選方式 8.1.2 分類差異距離指標 9.2 篩選指標 13.3 檢驗指標適用性 13.3.1 建立全域指標方法 14.3.2 檢驗全域適用性 15.4 分類氣候法 16.4.1 零階氣候法(0-order) 16.4.2 類似降雨法I(SRP I) 16.4.3 類似降雨法II (SRP II) 18.4.4 效益評估方法 193章 方法應用及案例分析 21.1 颱風案例建立指標 21.2 篩選颱風案例指標 23.3 檢驗指標之全域適用性 31.4 颱風案例之分類氣候法 35.4.1 選取應用案例 35.4.2 應用案例之效益評估 374章 總結與建議 49.1 總結 49.2 建議 51考文獻 52ppendix A 颱風與風雨資料處理 54ppendix B 積分距離(integral length)大小對元素距離差異結果影響 57ppendix C 採用「區域」雨量而非「測站」雨量 對於計算元素差異距離是 否有所影響 59ppendix D 統計分析方法 62目錄 1 1 氣象局侵台颱風資料庫網頁路徑分類定義示意圖(摘錄自氣象局侵台颱風資料庫網頁)： (左)1897~2007年侵台颱風分類與發生次數統計。(右)1897?1996年間颱風登陸地點之分段統計。 6 2 1 區域雨量差異分類法分區圖。(左)台灣地形等高線和分區邊界圖，灰色線是100m，綠色線是300m；紅色為3000公尺。(中左)12個降雨分區與編號，以及地形效應不明顯的粉紅色區域。(中右)中央管河川25個水系流域邊界圖，以及氣象局35個地面氣象站、401個遙測自動站，以及水利署231雨量站，共計667站的位置分佈圖。(右)各分區內的雨量站分佈情形。 11 3 1 五個歷史颱風路徑，和七個參考樣本的空間分布位置(數字編號表示為CASE1~7) 23 3 2 分類差異指標正規化之資料散布圖( 和 ) 24 3 3 分類差異指標正規化之資料散布圖( 和 ) 24 3 4 分類差異指標正規化之資料散布圖( 和 ) 25 3 5 兩種不同起始點之0.5°×0.5°網格示意圖。左：以(117.00°E,19.00°N)為起始點。右：以(117.25°E,19.25°N)為起始點。 32 3 6 各個2度網格內風雨差異距離PCA第一主成分之奇異向量與解釋變異百分比。(a)差異距離經過正規化處理後之PCA結果。(b)風雨差異距離未經過正規化處理後之PCA結果。 (圖中各網格左上角依序：黑字為雨差異距離之奇異向量，藍字為風差異距離之奇異向量，左下紅字為該網格內選取分析之ab案例數量，右下綠字為解釋變異百分比，單位為%。) 34 3 7 過山前後選取案例位置示意圖。(紅色颱風符號表示颱風中心所在位 置，黑色數字表示案例編號。) 36 3 8 三種氣候法經由區域權重後之雨量誤差平方( )和隨時間(hr)變化示意圖 41 3 9 三種氣候法於各案例各延時之雨量誤差變異係數 44 3 10 三種分類氣候法於延時T=0時各分區之雨量誤差變異係數 45 3 11 三種分類氣候法於延時T=1時各分區之雨量誤差變異係數 45 3 12 三種分類氣候法於延時T=2時各分區之雨量誤差變異係數 45 3 13 三種分類氣候法於延時T=3時各分區之雨量誤差變異係數 46 3 14 三種分類氣候法於延時T=4時各分區之雨量誤差變異係數 46 3 15 三種分類氣候法於延時T=5時各分區之雨量誤差變異係數 46 3 16 三種分類氣候法於延時T=6時各分區之雨量誤差變異係數 47 3 17 各延時各分區平均降雨 47 3 18 各分區平均降雨觀測值 48 3 19 無距離權重之區域雨量誤差平方和 48 4 1 誤差平方和 隨預報延時變化示意圖 51A-1 歷史颱風路徑資料選用範圍，經度117°E~129°E，緯度19°N~28°N(紅框區域) 54A-2 台灣667個測站分布圖 55B-1 分類差異指標正規化之資料散布圖( 和 )， 為100公里 58B-2 分類差異指標正規化之資料散布圖( 和 )， 為30公里 58C-1 剔除不列入考慮區域後的台灣本島524個降雨測站分佈圖 59C-2 分類差異指標之資料散布圖( 和 ) 60C-3 分類差異指標之資料散布圖( 和 ) 61C-4 分類差異指標之資料散布圖( 和 ) 61目錄 3 1 七個參考樣本時間，和在其颱風中心0.3度以內的歷史颱風。樣本時間皆為台灣標準時間TST(GMT +08:00)，以yyyymmddhh表示為年、月、日、時 22 3 2 圖 3 2、圖 3 3、圖 3 4中顏色與CASE、編號與颱風事件的對照表。樣本時間皆為台灣標準時間TST(GMT +08:00)，以yyyymmddhh表示為年、月、日、時 25 3 3 分類差異指標( 、 、 和 )正規化之相關係數矩陣 29 3 4 分類差異指標( 、 、 和 )正規化之第k主成分特徵向量( 、 、 和 ) 29 3 5 分類差異指標( 、 和 )正規化之第k主成分特徵向量( 、 和 ) 30 3 6 第1主成分經奇異向量權重後的統計值 由大到小排序 30 3 7 降雨估計選取案例 36 3 8 預報時間點起算延時六小時各小時經距離權重之區域雨量誤差平方和 37925414 bytesapplication/pdfen-US颱風降雨型態氣候統計定量推估typhoonrainfallpatternclimatologystatisticsquantitative precipitation forecastthesishttp://ntur.lib.ntu.edu.tw/bitstream/246246/187907/1/ntu-98-R95521312-1.pdf