CORDEX-EA臺灣地區日降雨統計降尺度初步探討
作者：林修立 國家災害防救科技中心 專案佐理研究員
一、前言
全球氣候模式 (Global Climate Model, GCM) 是未來氣候變化推估的重要工具，但受計算資源的限制，模式的網格大小多大於100公里。在第六階段耦合氣候模式對比計畫 (Coupled Model Intercomparison Project Phase 6, CMIP6) 中，雖然有少數高解析度的模式，但大部分的模式解析度仍較低，不敷臺灣地區氣候變遷分析和極端事件研究的應用。由於臺灣地區具有獨特的東亞季風系統和複雜的地形，使用高解析度的區域氣候模式 (regional climate model, RCM) 進行降尺度模擬能解決模式原始解析度過低的問題，提供臺灣地區氣候變遷和極端事件分析更好的選擇。
世界氣候研究計畫 (WCRP, World Climate Research Programme) 的「協同區域氣候降尺度實驗｣(CORDEX, Coordinated Regional Climate Downscaling Experiment)[1] [2]，進行全球各區域的氣候特徵研究，運用觀測資料分析與區域氣候模式降尺度發展的技術，了解並預測各地區的氣候變遷趨勢。因此，CORDEX 成為區域性氣候變遷研究重要計畫。CORDEX將全球分為14個區域，臺灣包含在東亞區域實驗計畫 (CORDEX-EA，圖1) 中；本文針對CORDEX-EA的2組RCM驅動參與CMIP5 的3組GCM所產生的六組模擬結果，對代表濃度路徑 (representative concentration pathway, RCP)[3] 高排放情境 (RCP8.5) 進行平均和極端降雨的變化推估分析。
二、模式與降尺度方法
CORDEX-EA模式資料如表1，兩組RCM模式分別是REMO2015與RegCM4-4，分別有HadGEM、MPI與NorESM三組GCM模式所組成共六組模式，解析度為0.22度 (25公里)。模式在歷史資料 (historical) 時間長度不一，本研究選取所有模式共有的1980～2005年 (共26年) 為降尺度之時段，在未來推估方面選用RCP8.5世紀末2071～2100年 (共30年) 來討論。
表1、CORDEX-EA之2組RCM與3組GCM組成之6組模式列表與其時間長度
由於0.22度 (約25公里) 的空間解析度仍無法反映臺灣地區降水的細節，本研究也針對上述CRODEX-EA的日雨量推估資料進行空間0.05度解析度的統計降尺度。在觀測網格資料的部分，使用TCCIP所產製0.05度網格化觀測日資料[4]。此觀測資料只有陸地的部份有資料，海洋上除有測站之離島外並無資料。詳情請參閱網格化觀測雨量資料之資料生產履歷[5]。統計降尺度方法如圖2所示，詳情請參閱AR6統計降尺度雨量資料生產履歷[6]。
圖2、統計降尺度之流程圖
三、分析與討論
三個GCM分別代表強、中、弱三種降雨強度，依序為：HadGEM (強)、MPI (中)、NorESM (弱)。
以年平均降雨量與年最大降雨量分析臺灣地區降雨分布；結果顯示，在年平均降雨氣候值方面，CORDEX-EA在0.22度 (約25公里) 解析度下，三組GCM在東部山區迎風面均有雨帶；GCM與RCM兩者在降尺度後之氣候值均與TCCIP網格化觀測資料相近 (圖3)。在HadGEM (強) 年最大降雨 (RX1DAY) 也有相同的表現 (圖4)。
圖3、臺灣地區1980～2005年之平均降雨分布圖 (單位為mm/day)。
兩組RCM模式REMO2015 (左) 與RegCM4-4 (右) 分別有三組GCM模式HadGEM2、MPI-ESM、NorESM1降尺度的結果，中間TCCIP為相同時間之網格化觀測資料。第一列為CMIP5模式原始解析度、第二列為CORDEX-EA之25公里解析度、第三列為CORDEX-EA降尺度至0.05度、第四列為CMIP5模式直接降尺度至0.05度。
圖4、臺灣地區1980～2005年之平均年最大降雨降雨 (RX1DAY) 分布圖 (單位為mm/day)。
兩組RCM模式REMO2015 (左) 與RegCM4-4 (右) 分別有三組GCM模式HadGEM2、MPI-ESM、NorESM1降尺度的結果，中間TCCIP為相同時間之網格化觀測資料。第一列為CMIP5模式原始解析度、第二列為CORDEX-EA的25公里解析度、第三列為CORDEX-EA降尺度至0.05度、第四列為CMIP5模式直接降尺度至0.05度。
在臺灣地區降雨季節循環部分，在CORDEX-EA的25公里解析度降雨均呈現高估的趨勢 (圖5橘線)，在CMIP5降尺度後 (圖5黃線) 與CORDEX-EA降尺度後 (圖5灰線) 各季節降雨均接近觀測之季節降雨分布 (圖5藍線)，兩組RCM與三組GCM共六組模式均呈現夏季6月、8月多雨雙峰趨勢。
圖5、1980～2005年各月份全臺灣平均降雨 (單位為mm/day)。
兩組RCM模式REMO2015 (左) 與RegCM4-4 (右) 分別有三組GCM模式HadGEM2、MPI-ESM、NorESM1降尺度的結果。綠線為CMIP5模式原始解析度、橘線為CORDEX-EA的25公里解析度、灰線為CORDEX-EA降尺度至0.05度、黃線為CMIP5模式直接降尺度至0.05度、藍線為TCCIP 0.05度觀測資料。
在未來推估方面，統計降尺度的方法大致上會呈現模式原始的變化。模式NorESM1在CMIP5降尺度後雨量增加變化率就原始解析度來得高、在CORDEX降尺度前後就顯得很一致 (如圖6)。在年最大降雨的變化率也是如此結果 (如圖7)，CORDEX的降尺度前後結果相近，優於CMIP5降尺度前後。最主要原因為降尺度第一步驟為內差至觀測網格0.05度；CMIP5解析度太低，在內差的過程勢必加入很多內差平滑化的效應，而CORDEX解析度很高，經過內差前後不會改變太多。
圖6、臺灣地區RCP8.5情境下世紀末平均降雨變化率 (單位為%)。
兩組RCM模式REMO2015 (左) 與RegCM4-4 (右) 分別有三組GCM模式HadGEM2、MPI-ESM、NorESM1降尺度的結果。第一列為CMIP5模式原始解析度、第二列為CORDEX-EA的25公里解析度、第三列為CORDEX-EA降尺度至0.05度、第四列為CMIP5模式直接降尺度至0.05度。
圖7、臺灣地區RCP8.5情境下世紀末平均年最大降雨 (RX1DAY) 變化率 (單位為%)。
兩組RCM模式REMO2015 (左) 與RegCM4-4 (右) 分別有三組GCM模式HadGEM2、MPI-ESM、NorESM1降尺度的結果。第一列為CMIP5模式原始解析度、第二列為CORDEX-EA的25公里解析度、第三列為CORDEX-EA降尺度至0.05度、第四列為CMIP5模式直接降尺度至0.05度。
四、結論與建議
CORDEX-EA在相同GCM下，RCM模式在解析度更高的優勢下，能更加細緻的呈現臺灣地區的降雨特性。REMO2015在臺灣地區年平均降雨在東部山區有一條雨帶出現；而RegCM4-4除了東部山區雨帶外在東部迎風面也有一條雨帶出現，這些是低解析度的GCM模式所沒辦法模擬出來反應了地形效應之降雨。
統計降尺度只能在降雨強度與季節循環部分進行修正，模式未來的變化仍會保有其原始特性，高解析度的RCM模式針對臺灣地區降雨的細節就是粗解析度的GCM模式所無法呈現。至今CORDEX-EA計畫仍僅有CMIP5的模式，未來推出CORDEX之CMIP6模式時，將能對臺灣地區提供更精細的未來降雨推估。
參考文獻
[1] Giorgi F, Jones C, Asrar G. 2009: Addressing climate information needs at the regional level: the CORDEX framework. WMO Bulletin, 58 (3) : 175-183.
[2] Gutowski W J Jr, Giorgi F, Timbal B, et al. 2016: WCRP coordinated regional downscaling experiment (CORDEX) : a diagnostic MIP for CMIP6. Geoscientific Model Development, 9 (11) : 4087-4095. DOI:10.5194/gmd-9-4087-2016
[3] Van Vuuren D P, Edmonds J, Kainuma M, et al. 2011: The representative concentration pathways: an overview. Climatic Change, 109 (1) : 5-31.
[4] 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，水利期刊66 (4) P.33-52
[5] 楊承道，2022：網格化觀測雨量資料生產履歷，臺灣氣候變遷推估資訊與調適知識平台計畫。檢自URL：https://tccip.ncdr.nat.gov.tw/km_publish_data_profile_one.aspx?dp_id=20200117105621
[6] 林修立，2022：AR6統計降尺度雨量資料生產履歷，臺灣氣候變遷推估資訊與調適知識平台計畫。
[7] Switanek, M.B., Troch, P.A., Castro, C.L., Leuprecht, A., Chang, H.-I., Mukherjee, R. and Demaria, E.M.C. 2017: Scaled distribution mapping: a bias correction method that preserves raw climate model projected changes. Hydrology and Earth System Sciences, 21, 2649– 2666.
延伸閱讀
TCCIP 電子報28期，TCCIP 2019年統計降尺度日資料即將上線
https://tccip.ncdr.nat.gov.tw/km_newsletter_one.aspx?nid=20190606161412