臺灣地區不同颱風路徑之降雨變遷

作者：姜欣妤  國家災害防救科技中心 專案佐理研究員
鄭兆尊  國家災害防救科技中心 副研究員

受到臺灣複雜且崎嶇地形的影響，臺灣地區的颱風降雨分布受颱風路徑所主導，颱風路徑的變遷也主導了各區域颱風降雨趨勢。為了減少因颱風路徑推估的不確定導致對區域降雨變遷的誤判，因此本計畫利用20-25公里解析度的日本MRI (Meteorology Research Institute) 與美國HiRAM (High Resolution Atmospheric Model) 兩個全球氣候模式模擬且經過降尺度後之影響臺灣地區颱風進行九大路徑分類^[1]，然後針對不同路徑的颱風降雨變遷趨勢進行討論，並對觀測的颱風路徑資料 (以下簡稱 “觀測”) 與不同模式間的同類颱風路徑上仍存在的差異所造成的影響進行討論。多了颱風路徑分類的訊息，對各領域在颱風降雨推估資料應用上也會有所幫助。

本文中因受限於颱風降雨觀測資料的時間長度，觀測使用1991-2015年的影響臺灣颱風共126個，進行9大路徑分類後，每個分類的颱風個數只剩十多個。由於樣本數目少不利於統計分析，所以推估資料採用了多組系集的模擬，可得到較多的颱風個數，有利於分析。本研究MRI模式的基期使用兩個系集模擬1979-2003年共166個颱風，21世紀末使用四個系集模擬2075-2099年共169個颱風，HiRAM模式的基期僅使用單一系集模擬1979-2008年共149個颱風，世紀末則有四個系集模擬2075-2099年共214個颱風。
 

臺灣地區颱風九大路徑分類

本研究中先利用臺灣地區歷史颱風路徑圖進行AI模式訓練，為得到較佳的模式訓練效果，本文中使用1951-2018年所有影響臺灣的颱風路徑圖共326個颱風來進行模式訓練，透過卷積神經網絡 (Convolutional Neural Network, CNN) 進行圖像辨識，以此方式訓練好的模式再對模式之颱風路徑圖進行中央氣象局所定義 (如圖1所示) 的九大路徑分類^[1]，分類後可得到各路徑的預測機率，將預測機率最高者訂為該颱風的路徑分類。

圖1.    中央氣象局定義9大路徑分類以及各分類在1911-2020年間所佔的比例。圖片來源:颱風百問^[1] 圖12。

觀測、MRI與HiRAM基期的颱風依此分類方式得到各路徑的個數與百分比如表1，由觀測的路徑資料分類可以發現，基期主要影響臺灣地區的颱風路徑為2號、3號、6號路徑；在MRI的模擬中，路徑比例最高為5號、6號路徑，3號路徑相對模擬較少；HiRAM模擬中路徑比例最高為5號路徑，其次為6號、8號路徑，可見模式模擬路徑與觀測有明顯的差異。世紀末的颱風路徑分類如表2，HiRAM與MRI的5號路徑比例都有同樣增加的情形，且在所有路徑中的所佔比例算高，在HiRAM中僅次於1號路徑。由觀測與推估的差異可以看出，颱風路徑模擬的不確定性很大，模式模擬並無法重現觀測的颱風路徑分布，未來各路徑颱風數目的增減也莫衷一是，這個不確定性連帶會影響對未來颱風降雨趨勢的計算結果。分析相同颱風路徑的颱風降雨能簡化問題，比較能真實地反映未來颱風降雨強度的變化情況。

表1.    觀測、MRI、HiRAM基期在臺灣地區的九大路徑與特殊路徑颱風個數與百分比，括號內為該時期的颱風總數。

表2.   MRI、HiRAM基期在臺灣地區的九大路徑與特殊路徑颱風個數與百分比，模式旁括號內為該時期的颱風總數，百分比括號內為相較於基期增減的比例。

不同路徑的颱風降雨合成空間分布

我們選擇了幾個主要影響臺灣的颱風路徑進一步比較降雨，分別是觀測中比例較多的2、3、6號路徑，及模式中模擬較多且世紀末有增加情形的5號路徑。然而，分析後發現，即使已做了路徑分類，所合成的同類路徑颱風降雨仍可能有明顯差異。以HiRAM與MRI模式的6號路徑為例，平均每場颱風總雨量在空間上即有明顯差異，由兩個模式的基期平均每場颱風總雨量分布發現 (圖2a)，HiRAM模擬的總雨量明顯較多，且在山區亦有較大的降雨強度，MRI僅在北部、宜蘭地區有較大降雨，降雨量整體明顯較HiRAM小。比較模式模擬與觀測中6號路徑颱風降水的偏差 (圖2b)，HiRAM在臺灣西半部有高估的情形，MRI則在全台皆呈現低估的情況。進一步比較兩個模式在21世紀末的平均每場颱風總雨量改變率 (圖2c)，兩個模式的降雨變遷趨勢在空間上呈現相反的趨勢，HiRAM在東半部增加、西半部部分區域減少，MRI則恰好相反。

圖2.    HiRAM與MRI 6號路徑合成 (a) 基期平均每場颱風總雨量，單位:mm/event，
(b) 基期平均每場颱風總雨量與觀測之偏差，單位:mm/event，(c) 21世紀末平均每場颱風總雨量改變率，單位:%。
 

路徑相似度可幫助判斷降雨變遷之可信度

由上述分析發現，經路徑分類後的降雨合成空間分布仍有差異，且不同模式的同類路徑未來降雨變遷趨勢亦不一致，檢視觀測與兩個模式的基期6號颱風路徑合成的路徑密度分布圖 (圖3)，發現即使都是使用6號路徑進行合成，但颱風中心通過的大部分位置仍然會有明顯差異，甚至到21世紀末時，兩個模式的路徑密度分布也與基期有顯著不同，這將影響到降雨變遷趨勢的推估結果。因此在應用颱風九大路徑降雨變遷趨勢的推估結果時，仍需評估同號路徑密度分布的差異，當基期模擬與未來推估的路徑密度分布空間相似程度越高，對於此路徑的局部區域降雨變遷趨勢推估的可信度越高。

圖3.    (a) 觀測、(b) HiRAM基期、(d) HiRAM 21世紀末與 (c) MRI基期、(e) MRI 21世紀末
6號路徑合成路徑密度分布圖，單位:次數。

參考文獻

1. 中央氣象局，2021: 颱風百問 https://www.cwb.gov.tw/V8/C/K/Encyclopedia/typhoon/typhoon.pdf?v=20200330
2. Hsin-Yu Chiang, Chao-Tzuen Cheng, Chia-Ying Tu, Huang-Hsiung Hsu, Shih-Hao Su, 2019: Taiwan typhoon rainfall change in nine major typhoon tracks. TCCIP International workshop on climate change. TCCIP International workshop on climate change​
3. 氣候搖滾同學會，【氣候氣候變遷下，未來臺灣降雨ㄏ降雨會變多還是變少?】

延伸閱讀

• 氣候變遷下巨災型颱風降雨特徵變化，臺灣氣候變遷推估資訊與調適知識平台電子報043期。
• 全球暖化下臺灣颱風的未來變遷，臺灣氣候變遷推估資訊與調適知識平台電子報031期。

​

喜歡這一期的文章嗎? 給作者一個讚！