TCCIP 2019年統計降尺度日資料即將上線
作者：林修立 專案佐理研究員、朱吟晨 專案佐理研究員、童裕翔 專案助理研究員
 

　　自TCCIP成立以來，為臺灣各界研究計畫/機構/團體提供氣候變遷所需的科學資料一直是本計畫的一大重要任務。在以往，臺灣的氣候變遷相關科學研究常受限於資料的不易取得，可能因為隸屬於不同的政府機關與單位，或因格式的差異性等不同因素，使研究者遭遇許多困擾。

TCCIP氣候變遷大數據 提供臺灣的在地氣候變遷研究資料
　　為改善資料困境，科技部TCCIP計畫在臺灣的氣象觀測歷史資料上，與各政府單位或公營事業單位合作，包括交通部中央氣象局、經濟部水利署、行政院環保署、農委會水土保持局…等，共同彙整出可靠的臺灣長期觀測資料。對於未來的氣候推估，TCCIP介接國際科學研究的耦合氣候模式對比計畫（Coupled Model Intercomparison Project，CMIP），引進各國先進的全球氣候模式（Global Climate Model，GCM）推估資料。為使這些未來的推估資料能更切合臺灣的使用，本計畫透過動力/統計降尺度的技術，突顯出臺灣各地的氣候特徵，以詮釋出臺灣各地不同地理地區的未來可能氣候現象。

　　截至2019年，TCCIP已產製大量的臺灣氣候變遷科學數據，以氣象變數的資料為主，包括臺灣的歷史網格觀測資料、未來推估的動力降尺度與統計降尺度模式資料等（本計畫產製資料的相關內容請參閱TCCIP電子報第6期「封面故事」、TCCIP電子報第7期「封面故事」、TCCIP電子報第21期「封面故事」）。迄今（統計至2019年5月底），本計畫的資料已服務全臺近400多次資料申請案件，包括水資源、公共衛生、農業…等13個氣候變遷應用研究領域。

降尺度資料 提供更細緻的臺灣未來氣候可能變化
　　由於臺灣的面積較小，當全球氣候模式（Global Climate Model，GCM）以網格點的方式劃分全球區域、推估未來的氣候變化時，臺灣僅能佔其中的2-3個網格點資料表現之。這粗略的劃分方式無法精確表達臺灣各地的氣候特徵，因為距離海岸線的遠近、海拔高度的差異，或是所在的地理位置不同，都會造成各地氣候顯著的差異。

　　有鑑於此，本計畫使用降尺度的科學方法，以更細緻的網格點劃分臺灣，提高網格資料的空間解析度，提供使用者更細緻的氣候資料（圖1）。在統計降尺度的推估資料上，目前本計畫提供的網格空間解析度為5km*5km；時間尺度則以「月」為主，亦即每月提供一筆平均值（表１為目前本計畫提供之統計降尺度資料列表）。

圖1：降尺度方式示意圖。（圖片來源：氣候變遷災害風險知識懶人包系列(2)「不可不知的氣候變遷災害風險圖」）
 

表1：目前TCCIP官網提供申請之統計降尺度資料

因應使用者需求 產製的舊版統計降尺度「日」資料
　　經歷數年的資料服務，本計畫感謝許多資料使用者提供了使用經驗的意見與回饋，也盡力嘗試回應這些種種對資料的期待與改進建議。其中，許多研究者因研究領域所需（如水資源領域），提及以「月」為時間尺度的資料不夠精細，難以詮釋氣候變遷對其研究對象可能造成的衝擊與影響。

　　過去為解決此類資料問題，本計畫以統計降尺度月資料為基礎，套用天氣衍生器（Weather Generation）（請參閱電子報第7期「名詞小櫥窗」），將資料的時間解析度提高至「日」。但以此方法產製統計降尺度日資料需耗時較久，多了衍生器的使用流程也增加了資料的不確定性，本計畫目前僅利用單獨幾組GCM，產製出相對應的日資料；缺乏足夠的模式個數，亦即無法發揮統計降尺度資料GCM模式個數較多、增加可信度的優勢，也無法得出較合理的系集平均（ensemble）資料。

新版統計降尺度「日」資料產製方法
　　為改善前述統計降尺度日資料的不足，本計畫再接再厲，研發新版本的統計降尺度日資料。與產製舊版統計降尺度的方法相同，新版亦是使用Wood et al. (2002, 2004) 與 Maurer (2007) 所發展的偏差校正空間分解法（Bias Correction and Spatial Disaggregation，BCSD）；不同的是，新版的降尺度直接使用上游GCM日資料。

　　舊版統計降尺度如圖1所示，經歷兩階段的降尺度過程：階段一為將GCM網格資料先提高至空間解析度25km*25km，此乃為配合日本高解析度資料Aphordite網格資料；階段二則再將空皆解析度提高至5km*5km。每一階段都在空間解析度提高後，搭配BCSD方法。新版統計降尺度則直接將GCM網格資料提高至5km*5km，並搭配BCSD（圖2）。
 

圖2：新版統計降尺度日資料示意圖。（圖片修改自：氣候變遷災害風險知識懶人包系列(2)「不可不知的氣候變遷災害風險圖」）

　　另一個關鍵差異，即是兩版本所使用的觀測資料不同。由於統計降尺度的計算方式高度仰賴歷史觀測資料，不同的觀測資料將左右統計降尺度的結果。新版統計降尺度使用的觀測資料（翁與楊，2018），改良計算的結果，增加了資料的可信度。

《臺灣氣候變遷關鍵指標圖集》 統計降尺度日資料的應用成果
　　統計降尺度日資料以更先進的科學計算方法，提高資料的時間解析度，彌補過去統計降尺度月資料的不足。在較高的時間解析度資料上，能呈現更多的氣候細部變化，舉凡強降雨、連續降雨、乾旱日數、熱浪寒潮天數等，都是過去月資料無法呈現的，將有助於更多領域的科學研究。

　　本計畫今年度出版的《臺灣氣候變遷關鍵指標圖集》，即是統計降尺度日資料應用的成果（請參閱國家災害防救科技中心災害防救電子報第167期、電子報第27期「封面故事」）。《臺灣氣候變遷關鍵指標圖集》提供了22種關鍵指標，每一種都需要有以「日」為單位的資料，才得以完成，如年最大日降雨量 RX1DAY（Max 1-day precipitation amount）、日夜溫差DTR（Daily temperature range）等。在以往只有統計降尺度月資料的時期，這些資料時間尺度的轉換，都必須經過更多道繁瑣而複雜的步驟，才得以完成。

2019統計降尺度日資料 使用者更能靈活運用的時間解析度
　　在大數據的時代，提高資料可信度、改進資料品質，種種的資料優化或推陳出新都成為資料產製者無法推諉的重要使命。此新版統計降尺度日資料經過本計畫的產製、驗證與比較後，將於本年度正式上線，成為資料服務的一枚生力軍。誠摯歡迎使用者的申請，並持續期盼更多使用者能對本計畫提出精進建議與意見回饋。

參考資料
1. Maurer EP (2007) Uncertainty in hydrologic impacts of climate change in the Sierra Nevada, California under two emissions scenarios. Clim Change 82:309–325
2. Wood AW, Maurer EP, Kumar A, Lettenmaier DP (2002) Long-range experimental hydrologic forecasting for the eastern United States. J Geophys Res-Atmos 107:4429
3. Wood AW, Leung LR, Sridhar V, Lettenmaier DP (2004) Hydrologic implications of dynamical and statistical approaches to downscaling climate model outputs. Clim Change 62:189–216
4. TCCIP電子報第6期：TCCIP第二期重要成果系列報導之二_更前瞻的動力降尺度模擬與應用（2016），臺灣氣候變遷推估資訊與調適知識平台。
5. TCCIP電子報第7期：TCCIP第二期重要成果系列報導之三_多元的統計降尺度應用（2016），臺灣氣候變遷推估資訊與調適知識平台。
6. TCCIP電子報第21期：用對資料、選對工具－談資料特性（2018），臺灣氣候變遷推估資訊與調適知識平台。
7. TCCIP電子報第28期：《臺灣氣候變遷關鍵指標圖集》 為您呈現全臺未來氣候變化（2019），臺灣氣候變遷推估資訊與調適知識平台。
8. 國家災害防救科技中心災害防救電子報第167期：臺灣氣候變遷關鍵指標圖集（2019），劉曉薇、林修立、陳正達、童裕翔、陳永明，國家災害防救科技中心。
9. 氣候變遷災害風險知識懶人包系列(2)「不可不知的氣候變遷災害風險圖」（2019），國家災害防救科技中心。
10. 翁叔平、楊承道(2018)。臺灣地區日降雨網格化資料庫(1960~2015)之建置與驗證。台灣水利。66(4)，33-52。

喜歡這一期的文章嗎? 給作者一個讚！