水資源領域應用統計降尺度日資料之轉換研究
作者：劉子明 國家災害防救科技中心 助理研究員
鄧澤宇 國家災害防救科技中心 佐理研究員
鄭克聲 臺灣大學生物環境系統工程學系 教授
國科會臺灣氣候變遷推估資訊與調適知識平台計畫 (TCCIP) 於2019年推出TCCIP - AR5統計降尺度日資料[1]，且已應用不同領域衝擊研究；例如，劉曉薇等[2]繪製不同暖化情境下，全國不同空間單元之氣候變遷關鍵指標圖表；李昱祺等[3]應用於評估臺灣地區未來情境下乾旱事件頻率與強度之變化狀況；黃與劉[4]分析暖化情境下臺灣地區葡萄損失與降雨之門檻值變化等研究。然而，水資源衝擊評估實務上乃使用測站觀測資料 (點資料) 進行水文模擬與評估，網格資料 (面資料) 與測站資料存在差異，直接使用可能產生問題。為此，本文將以水資源應用為出發點，針對應用統計降尺度網格資料，過程中可能出現的問題進行測試，並提出測站與網格資料轉換方法，以提供其他領域需要進行水資源量評估之參考。本研究主要成果已發表於國際期刊[5]，本文主要引述該發表論文之內容。
水資源應用之資料測試
本研究討論的水資源應用是指水資源可供水量評估以及考量供需平衡之水資源風險評估，二者都必須進行供水量與需水量的供需模擬；因此，需透過水文模式模擬集水區入流量，再進行供需水量之模擬演算。集水區入流量之模擬，多使用測站之雨量與氣溫觀測資料為輸入值，以水平衡演算模擬地表逕流量、入滲與蒸發散量。因此，本研究以測站雨量資料與TCCIP統計降尺度日雨量資料分別進行分析，藉以了解直接利用統計降尺度日資料作為測站資料應用可能遭遇之問題。
曾文水庫集水區範圍為研究案例，觀測資料採用集水區內有效年限近30年 (1976~2005年) 之雨量站共4站，並以1976~2005年作為基期，與各測站所座落之TCCIP統計降尺度日資料 (以下簡稱SDD資料) 之網格資料進行分析。4個測站分別為里佳 (測站代號：H1M220)、水山 (測站代號：H1M230)、樂野 (測站代號：H1M240)、表湖 (測站代號：H1P970)。曾文水庫集水區及雨量測站地理位置如圖 1所示。
圖 1、曾文水庫集水區及雨量測站地理位置
大氣環流模式 (General Circulation Model，簡稱GCM) 之挑選乃以各模式於臺灣的年雨量模擬表現進行排序與選擇[5]，本研究採用CanESM2、CMCC-CM、MIROC5、MPI-ESM-LR、HadGEM2-ES等5組GCM資料，並以測站資料與各GCM之年雨量進行分析。分析結果如圖2所示，SDD資料對應四測站皆呈現低估之情形，平均低估約12%，差距最大可能低估20%以上之年平均雨量。而以網格資料當作測站點，利用徐昇氏法計算集水區之平均雨量結果亦呈現低估，平均而言約低估13%。
圖 2、觀測資料與5個GCM的SDD資料年雨量比較
水資源應用之資料轉換
由水資源應用之資料測試可知，若將SDD資料當作測站資料，直接應用於集水區逕流量模擬，因降雨量的誤差，將導致逕流量模擬的誤差。針對此問題，本研究使用兩階段偏差修正方法[5]，嘗試保留統計降尺度日資料提供之未來降雨變化趨勢，同時修正網格資料在相對於測站觀測資料上降雨強度與降雨機率差距之問題。作法參考目前氣候模式偏差修正所使用之分位映射 (Quantile Mapping) 經驗累積分布函數 (Empirical Cumulative Distribution Function，簡稱 ECDF) 方法修正[6]，使用測站觀測日雨量資料與統計降尺度日資料進行ECDF之映射；另外將測站觀測資料之降雨機率為目標函數，令統計降尺度日資料之降雨機率與之相等，以確保最後進行月總雨量/年總雨量加總時，修正之統計降尺度日資料能與測站觀測資料相近，達到有效之偏差修正結果。
由於降雨門檻值對於修正成果之可能影響，故本研究首先探討不同降雨門檻值對GCM基期日雨量之修正成果差異。分別為：
方法A：不使用門檻值 (模式降雨日門檻值=0mm)
方法B：固定降雨門檻值 (模式降雨日門檻值=1mm)
方法C：變動降雨門檻值 (模式降雨日門檻值由觀測資料降雨機率推求)
選用與IPCC第五次評估報告 (AR5) 相同的基期 (1976~2005年)，並分別以日平均雨量、降雨機率、以及集水區年平均雨量進行分析與探討。
1. 日平均降雨量
三種不同方法之分位映射偏差修正方法結果，可發現方法A之偏差修正成果中，五個GCM修正成果，在全年之日平均雨量皆明顯高於觀測資料 (圖3)；方法B之修正成果中，五個GCM在全年之修正成果皆低於觀測資料 (圖4)；方法C之每月日平均降雨量與觀測資料基本一致 (圖5)。
圖 3、統計降尺度測站偏差修正-方法A成果(日平均降雨量)
圖 4、統計降尺度測站偏差修正-方法B成果(日平均降雨量)
圖 5、統計降尺度測站偏差修正-方法C成果(日平均降雨量)
上述三種不同修正方法結果之差異，原因出自於模式與觀測資料之降雨日數差異所導致。經過分位映射偏差修正後，基本上模式各月份之日降雨量ECDF曲線會符合觀測資料各月份之日降雨量ECDF曲線。然而修正方法並未考量每月降雨日數之差異，故就算每個日雨量皆符合該月ECDF曲線，只要降雨日數存在差異，GCM基期日雨量修正後之總雨量與觀測日雨量資料就不會一致。依此可知，若模式某月之降雨機率高於觀測資料，則會因為降雨日數較多，進而高估該月之總降雨量；反之若模式某月之降雨機率低於觀測資料，則會低估該月之總降雨量。
2. 降雨機率
本研究另外呈現三種修正方法下成果之降雨機率差異。降雨機率之定義為指定時段內降雨日/總日數之值。三個方法之降雨機率計算成果，在方法A中發現GCM網格資料降雨機率明顯高於觀測資料，故降雨量偏差修正成果呈現高估 (圖6)；方法B中降雨機率整體而言低於觀測資料，故降雨量偏差修正成果呈現低估 (圖7)；方法C中因模式之降雨機率採用觀測資料之值，故降雨機率一致，因此降雨量偏差修正成果基本一致 (圖8)。
圖 6、統計降尺度測站偏差修正-方法A成果(月降雨機率)
圖 7、統計降尺度測站偏差修正-方法B成果(月降雨機率)
圖 8、統計降尺度測站偏差修正-方法C成果 (月降雨機率)
3. 集水區年平均降雨量
比較不同偏差修正方法，對曾文水庫集水區基期平均降雨量之結果差異。以各測站之修正成果為基礎，利用徐昇式法計算各測站之權重，並依此推求集水區之平均降雨量。成果顯示，相較於觀測資料，未修正之成果略為低估，而方法A呈現大幅高估，方法B之成果更低於未修正之成果，而方法C之修正成果基本上與觀測資料相符合。不同修正方法下集水區平均降雨量計算成果如圖9所示。
圖 9、不同修正方法下集水區平均降雨量計算成果
曾文水庫集水區全年之觀測年平均降雨量約2,910mm，而同樣計算方法下GCM日雨量成果，未進行測站偏差修正之模式年平均降雨量約2,480mm至2,671mm間，整體而言相較觀測資料低估約15%；而使用偏差修正方法A之修正雨量成果，年平均降雨量約3,925mm至4,396mm間，相較觀測資料高估約40%；而使用偏差修正方法B之修正雨量成果，年平均降雨量約2,274mm至2,365mm間，相較觀測資料低估約20%；而方法C之修正成果與觀測資料相較接近，平均低估2%。
依上述成果顯示，GCM基期日雨量資料在未修正前已與觀測資料存在差異，在各別測站與集水區平均降雨量上均較觀測日雨量資料低估。而在不同偏差修正之方法上，同樣使用分位映射經驗累積分布函數之基礎下，降雨門檻值之訂定方法決定了GCM基期雨量與觀測資料之符合程度。使用門檻值 (方法A) 或是固定門檻值 (方法B) 皆無法有效符合觀測資料之降雨特性，而考量觀測資料之降雨日數差異 (方法C) 便能達到有效之修正成果。
結論與建議
TCCIP統計降尺度日資料提供了氣候變遷未來推估的日時間尺度資料，可應用於未來氣候變遷情境下，不同領域之衝擊評估。水資源可供水量評估或考量供需平衡之水資源風險評估，由於評估方法涉及測站資料的轉換，因SDD資料為網格 (面) 的資料，並非測站資料，建議需進行網格資料轉換測站資料之偏差修正，可避免網格資料直接進行逕流量模擬所導致的誤差。本研究提出之兩階段偏差修正方法，可降低水資源可供水量評估與考量供需平衡之水資源風險評估之不確定性，亦可提供其他相關領域應用統計降尺度資料於氣候變遷評估之參考。
參考文獻
[1] 童裕翔、陳正達、劉俊志、陳永明，「統計降尺度(日)資料評估與應用」，國家災害防救科技中心技術報告，NCDR 107-T19，2018。
[2] 劉曉薇、林修立、陳正達、童裕翔、陳永明，「臺灣氣候變遷關鍵指標圖集」，災害防救電子報，167期，2019。
[3] 李昱祺、王嘉琪、翁叔平、陳正達、鄭兆尊，「臺灣氣象乾旱特性未來趨勢推估」，大氣科學，47(1)，66-91，2019。
[4] 黃亞雯、劉曉薇，「氣候變遷下雨量對葡萄之衝擊評估-以彰化縣為例」，臺灣氣候變遷推估資訊與調適知識平台電子報，32期，2019。
[5] Teng, T.-Y.; Liu, T.-M.; Tung, Y.-S.; Cheng, K.-S. "Converting Climate Change Gridded Daily Rainfall to Station Daily Rainfall—A Case Study at Zengwen Reservoir" Water 13, no. 11: 1516. https://doi.org/10.3390/w13111516，2021
[6] Su, Y. F., Cheng, C. T., Liou, J. J., Chen, Y. M., Kitoh, A., “Bias correction of MRI-WRF dynamic downscaling datasets,” Terr. Atmos. Ocean. Sci., 27, 649-657, 2016.
延伸閱讀
(1) TCCIP電子報第28期：TCCIP 2019年統計降尺度日資料即將上線，臺灣氣候變遷推估資訊與調適知識平台。
(2) TCCIP電子報第30期：統計降尺度日資料應用案例-玉米生產風險評估，臺灣氣候變遷推估資訊與調適知識平台。
喜歡這一期的文章嗎? 給作者一個讚！