作者：TCCIP計畫辦公室

TCCIP第二期重要成果系列報導之四_不確定性分析研究

從TCCIP第一期計畫開始，「不確定性分析」一直是使用者關心的重點，尤其是與決策或風險評估相關的應用。相較於AR4，AR5的模式成員更多，資料是多模式、多情境的。針對不確定性的分析，TCCIP第二期計畫使用具體量化的方式，比較不同不確定性來源所占之比重，或者針對不同程度的可信程度予以區別不確定性之程度，並利用機率 (信心區間) 描述未來可能的改變率 (取代原先的單一改變率)，盼能協助使用者更瞭解資料應用於各階段之不確定性內涵。以下分別對未來推估溫度與雨量之不確定性來源比較、未來流量改變率之不確定性兩方面進行簡要說明。

AR5氣象資料不確定性分析：溫度雨量大不同

• 成果：在溫度方面，情境間的差異最大；在降雨方面，GCM模式間的差異最大。

未來推估氣象資料的不確定性來源包含模式內部自然變異量、不同模式間的不確定性與暖化情境的不確定性等三種。以時間序列觀察未來推估時三種不確定性的變化為例，圖1為臺灣地區全年平均溫度之90%信賴區間時間序列圖，模式內部的變異量 (橘色) 從頭到尾相同；模式間的不確定性 (藍色) 以非常緩慢的速率增加；情境間的不確定性 (綠色) 在21世紀初非常小，在21世紀末呈現最大，亦即越到暖化後期，不同情境間的所導致的增溫差異越大。圖2為臺灣地區夏季降雨之90%信賴區間時間序列圖，模式間的不確定性 (藍色) 為最大，情境間的不確定性 (綠色) 與模式內部變異量 (橘色) 較小，也就是不同暖化情境對平均降雨的差異性遠較模式之間的差異來得小，與前述的溫度狀況不同。

圖1 臺灣地區全年平均在90%信賴區間下，20年滑動平均之世紀末增溫圖 (三種顏色各表示不確定性所佔的比重: 橘色為模式內部的變異量、綠色為模式間的不確定性、藍色為情境間的不確定性)

圖2 臺灣地區夏季在90%信賴區間下，20年滑動平均之世紀末雨量變化率圖 (三種顏色各表示不確定性所佔的比重: 橘色為模式內部的變異量、綠色為模式間的不確定性、藍色為情境間的不確定性)

• 成效：分析不同變數的不確定性來源對應用端非常重要。上述成果顯示，如果應用端關注的氣象因素是「溫度」(例如本計畫的登革熱、水稻生產研究)，相較於分析不同模式間的差異，著眼於分析不同暖化情境 (例如RCP4.5、RCP8.5) 可能的改變量是較為重要的。如果應用端關注的是「雨量」(例如水文分析)，那模式之間的差異就可能遠大於不同的暖化情境所造成的差異，由於選取的「模式」會直接影響最後的結果，「選擇模式」在水文應用上有其一定程度的重要性。

流量未來推估不確定性分析：從水文應用挑選模式，可縮減一半模式成員

基於電腦資源與計算時間有限的考量，本計畫為服務後端資料使用者如水文應用等的需求，可藉不確定性的分析研究為其節省運算的時間與成本。AR5 情境共有43組GCM模式，其中20個GCM模式提供了四種排放情境 (RCP2.6、RCP4.5、RCP6.0、RCP8.5) 的推估資料，此20個模式涵蓋了國際上13個主要氣候機構所提供的模擬結果。由於「模式挑選」是「水文應用」的特點，水文應用的不確定性分析將是減少「模式樣本」的重要工作之一。

• 成果：圖3是本計畫利用各情境中的所有模式與挑選交集的20個模式，分析荖濃溪的豐水期流量衝擊結果 (其他流域結果類似，圖略)，以盒鬚圖呈現所有43個GCM模式的評估之變異性。比較盒鬚圖的大小與趨勢發現，不同的情境差異不大；然而此結果與共同交集的20個GCM模式流量分析結果相近，故水文應用使用者若分析此20個模式樣本而非43個模式結果，將可大量減少分析的樣本個數。

圖3 不同情境下，所有模式與20個模式於豐水期流量變化之盒鬚圖分析 (以荖濃溪為例)

• 成效：從43個模式樣本降到20個模式樣本，對水文應用可大量減少分析量，也可避免同個氣候中心類似的模式結果重複計算的問題。因此水文應用端的資料使用者若無法分析該情境所有GCM的模式資料，建議可優先分析此20個模式的。

喜歡這一期的文章嗎? 給作者一個讚！