知識服務 / 電子報 / TCCIP 電子報第015期
常問問題 名詞小櫥窗 TCCIP最新消息 氣候變遷新聞
2018/01/05 臺灣氣候變遷推估資訊與調適知識平台電子報015期 923 點閱人次
封面故事

作者:TCCIP計畫辦公室

TCCIP第二期重要成果系列報導之七_持續滿足使用者需求的資料產製工具模組

本文為系列專題的最後一個重要成果。為了提供臺灣在地的未來氣候推估資料,以進行後續衝擊研究,氣候變遷計畫團隊重要工作項目之一即為「資料降尺度」,降尺度雖然大幅改善資料的時間、空間解析度,但是仍無法滿足使用者的所有需求。例如,部分資料使用者需要將統計降尺度的月資料提升到更精細的時間解析度(日資料、小時資料);部分資料使用者需要特別處理特殊變數 (如輻射資料);部分使用者需要進一步將動力降尺度資料進行偏差校正等等。上述針對應用端需求發展「客製化」資料,甚至「模組化」工具,也是本計畫的重要工作項目之一。本期電子報介紹兩個滿足資料需求之案例與成果。

  • 水文、農業應用需求:日資料以及時資料衍生、工具模組化

#需求:水文領域在進行衝擊評估與調適決策時,首要考量統計降尺度多模式與多情境資料,而水文應用需要日降雨資料進行流量模擬,在防洪土砂的災害衝擊模擬上則需要到小時資料的衍生資料。另一方面,農業部門在進行水稻產量評估時,也需要日最高溫、日最低溫、日雨量與日輻射量等變數。

本研究使用 LARS-WG 天氣衍生器,並因應臺灣極端天氣特性修改門檻值,輸入本計畫產製的歷史觀測網格資料和統計降尺度資料,衍生對應5km*5km網格點之基期和未來時期的日最高溫、日最低溫和日雨量。

針對時雨量部分:利用序率暴雨模擬模式 (Stochastic Storm Rainfall Simulation Modeling, SSRSM) 與本計畫所建立之水文參數經驗模式,進行時雨量模擬之工作,以此技術衍生未來情境下的時雨量資料。

#成果:本計畫所產製之日降雨資料已提供科技部TaiCCAT計畫、水利署相關計畫以及國家災害防救科技中心等單位進行水文衝擊評估使用。時雨量模擬工具也已建置完成,提供水利署團隊使用測試。

日最高溫、日最低溫等日資料衍生提供本計畫農試所團隊、TaiCCAT計畫農業領域使用。並提供日最高溫衍生資料給能源局委託之執行團隊,用以進行衝擊評估。

  • 農業應用需求:輻射資料處理,跨界合作

#需求:水稻生產評估需要網格化的日輻射資料,但是因為輻射量變數觀測不多,無法像溫度及雨量等資料直接利用天氣衍生器得到,因此本計畫利用日最高溫、日最低溫及統計迴歸方式衍生輻射量資料。

#成果:利用不足的觀測資料卻要產製全臺網格化資料,對本計畫團隊是一大挑戰;以輻射量為例,為發展不同估計方法並與觀測資料比對,本研究結合中央氣象局、農委會農試所以及國家災害防救科技中心相關研究人員進行跨界的資料模擬與比對。圖1是衍生後的年輻射平均資料與其他不同方式產製(衛星、測站GCM、RCM、統計、偏差校正)之資料比對。整體而言,使用統計降尺度高低溫差衍生方法比直接使用GCM資料更佳,但與測站內差仍有差距;衛星資料與動力降尺度似乎較合理反映空間型態,但量值與觀測有所差距。

結果雖差強人意,但技術上已往前跨進一步,目前此部分研究仍持續進行研發中,未來仍需要更長的衛星資料以及動力降尺度重新模擬等方法重建「歷史觀測」輻射量,以利後續評估。此經驗亦可作為未來在風場、濕度場等變數資料客製化的重要參考。

圖1 不同來源的年輻射資料網格化資料,分別為衛星影像反演、氣象局28個測站網格化資料、AR5模式 (CSIRO) 輻射資料、MRI-WRF動力降尺度資料、MRI-WRF動力降尺度資料偏差校正後資料、以及利用最高溫最低溫衍生之輻射資料。

 

常問問題
Q : 研究中的日輻射量是如何衍生出來的?

臺灣自21世紀初才有較完整的日輻射觀測資料,在目前的歷史觀測資料中,尚無長時間日輻射量資料可提供後端使用者分析,因此,本計畫從觀測資料較完備的溫度資料著手。本研究的關鍵假設是臺灣目前、未來的日夜溫差與日輻射量的關係不會改變。研究的詳細流程如圖2,精簡步驟敘述如下。

步驟一:本計畫使用2003-2012年測站資料中的日夜溫差(日夜溫差=日最高溫-日最低溫)、日輻射量建立迴歸式。為配合本計畫產製的網格資料解析度(5 km*5 km),將測站資料套至相同的網格點。

步驟二:本計畫統計降尺度產製的是月時間尺度的日夜溫差資料,需先使用天氣衍生器(註)轉化為日時間尺度的日夜溫差資料,再套用至步驟一建立的迴歸式,獲得臺灣基期與未來的日輻射量資料。

參考文獻:
林以淳、朱容練、劉俊志、蘇元風,2016,氣候變遷情境下日輻射量資料之衍生,農業工程學報,第62卷第1期,第29-40頁。

註:詳見電子報第七期名詞小櫥窗。
名詞小櫥窗
Bias Correction (偏差校正)

若模式資料與觀測資料的差距過大,亦即模式資料偏離事實太多,會影響到後續的研究分析工作,造成系統性的誤差。在不改變模式本體的前提下,可使用Bias Correction (偏差校正)調整模式資料,使模式資料的結果更貼近觀測資料。

本計畫的偏差校正法採用統計學上的累積機率密度函數(Cumulative Density Function, CDF)對應法 (Piani et al. 2010a; Piani et al. 2010b),其用意在使模式的推估資料與觀測資料具有相同之CDF,模式推估資料就能與觀測資料具有相同之平均值、標準偏差…等統計特性。偏差校正的具體計算方式如圖3的藍色虛線,模式資料、觀測資料先分別計算CDF,每一筆模式資料都能依CDF數值對應到一筆觀測資料,進而將模式資料的數值修正成該筆觀測資料的數值。

圖3:偏差校正示意圖

參考文獻:

  1. Piani, C., Haerter, J. O., Coppola, E., 2010. Statistical bias correction for daily precipitation in regional climate models over Europe, Theor. Appl. Climatol. 99:187-192.
  2. Piani, C., Weedon, G. P., Best, M., Gomes, S.M., Viterbo, P., Hagemann, S., Haerter, J. O., 2010. Statistical bias correction of global simulated daily precipitation and temperature for the application of hydrological models, Journal of Hydrology, 395: 199-215.
  3. 臺灣氣候變遷推估與資訊平台102年度報告。
TCCIP最新消息
「臺灣氣候變遷科學報告2017」正式上線

「臺灣氣候變遷科學報告2017」已於106年12月正式上線,歡迎於官網下載。報告分為兩冊,分別由本計畫前期的兩個科技部氣候變遷優勢領域計畫─「臺灣氣候變遷推估與資訊平台計畫」與「臺灣氣候變遷調適科技整合研究計畫」合作,分別就氣候變遷的物理現象與機制、衝擊與調適面向進行科學性撰述,本年度即將舉辦科學報告說明會,敬請期待!

氣候變遷新聞
若巴黎市府的新政策能付諸實行,2030年後的巴黎將不再有傳統的燃油車輛,只剩電動車、大眾運輸系統與自行車,且2050年將達成碳中和(carbon neutrality)的目標。巴黎之前已宣布將在主辦夏季奧林匹克運動會的那年--2024年--淘汰柴油車,因此這項新政策是將目標延伸到汽油車輛。執行方式上......
< 詳細閱讀 >
回上頁