從氣候變遷趨勢到淹水模擬大數據之應用-淹水致災雨量分析
作者：陳俊哲 國家災害防救科技中心 專案佐理研究員
蕭逸華 國家災害防救科技中心 專案佐理研究員
許至璁 國家高速網路與計算中心 副研究員
在氣候變遷未來淹水衝擊評估部分，自2019年起臺灣氣候變遷推估資訊與調適知識平台計畫 (簡稱TCCIP計畫)，在科研部分應用經濟部水利署提供製作第三代淹水潛勢圖之SOBEK模式逐步完成全臺AR5動力降尺度颱風時資料 (請參閱AR5動力降尺度颱風雨量資料生產履歷) 之淹水災況模擬，進行氣候變遷淹水機率趨勢的計算(參閱TCCIP電子報第53期，蕭等，2021) 與淹水衝擊圖的繪製，強化臺灣面對氣候緊急狀態下淹水風險評估與防災調適之參考，加速建構韌性社會發展之目標。
針對氣候變遷未來淹水趨勢之評估，過去採用物理模型進行模擬演算取得對應的淹水資料，惟因物理模型運算相當耗時，可預期在AR6 多氣候模式產生的颱風事件模擬數量將是AR5的幾倍情況下，全數利用物理模型進行模擬將是巨大的挑戰。有鑑於此，研究團隊思考對過去產生的雨量、淹水大數據進行更多的加值與應用，嘗試以大數據分析以及AI人工智慧訓練等方式，利用相對運算快的優點，加速AR6淹水衝擊評估。
本文以臺南市為範例，從雨量與淹水大數據分析出發，透過每格淹水網格的淹水致災雨量分析，進而推估未來淹水機率之方法進行展示，藉此說明淹水數據加值分析的初步成果。
一、淹水模擬大數據應用架構
圖1為淹水大數據應用架構，首先以TCCIP計畫AR5動力降尺度颱風時資料作為多情境降雨大數據雨量，時間段涵蓋基期 (1979至2003年)、世紀中 (2040至2065年) 及世紀末 (2075至2099年) 共813組颱風降雨事件，接著使用經濟部水利署提供之第三代淹水潛勢圖所應用之SOBEK模式淹水模型作為分析使用，演算813場相應的淹水大數據。有了這些雨量及淹水大數據，透過大數據分析或AI智慧化訓練等方式，可延伸更多的加值與應用面向，例如淹水致災雨量分析、淹水機率分析以及調適策略改善評估等。後續文章將以大數據分析為基礎的淹水致災雨量之量化方式，如圖1中綠色底色流程，用以反映一個地區對於降雨危害衝擊的承受能力。
圖1、淹水資料應用架構圖
本文以數值淹水資料庫為基礎，以臺南市為應用區，淺談大數據分析淹水致災雨量的成果。採用的SOBEK淹水模型包括一維河道模組 (1DFLOW-Rural)、一維雨水下水道模組 (1DFLOW-Urban)、二維淹水模組 (Overland Flow-2D) 及降雨-逕流模組 (Rainfall-Runoff) 等，並以一維架構設置橋梁、抽水站、堰壩、閘門及滯洪池等常見的防洪設施。臺南市轄區內主要河系包括八掌溪、急水溪、將軍溪、曾文溪、鹽水溪及二仁溪等6個流域，臺南市SOBEK淹水模型架構如圖2所示，其中涵蓋的物件種類與數量彙整如表1，包括渠道斷面數共計13,119個、堰或閘門有259座、橋梁229座、下水道人孔8,106個等。二維淹水模組則以數值地形模型 (Digital Elevation Model，DEM) 來反映現場地形變化，並搭配土壤、土地利用等資料，進行集水區劃分、水文參數推估及地表糙度估算等設定，建構完成二維淹水模型；其中降雨-逕流物件共4,298個，用以反映不同降雨格網之雨量時空變異性。
表1、臺南市淹水數值模型涵蓋物件統計表
項目
|
SCS降雨-逕流物件
|
斷面
|
堰、閘門
|
橋粱
|
抽水站
|
下水道人孔
|
數量
|
4,298
|
13,119
|
259
|
229
|
51
|
8,106
|
圖2、臺南市SOBEK淹水模型架構圖
二、淹水致災雨量分析方法
淹水致災雨量演算方法由本文共同作者國家高速網路與計算中心許至璁博士開發，計算流程如圖3所示，利用前述降雨與淹水模擬成果進行大數據分析，以數據中淹水網格為單元逐個進行演算，經由時序列動態淹水範圍與河道來建立淹水網格與計算點間的關聯性，演算流程中定義淹水門檻，包含0.01m、0.1m、0.3m、0.5m、1m、2m等淹水深度以上為分析標的，並統計不同淹水門檻分別關聯的計算點 (如圖4中與河道交集的圓點)，另淹水網格的淹水門檻數量會因其淹水深度而不同；接著以關聯計算點上游的集水區視為關聯物件，由降雨延時設定影響範圍，演算流程中定義1hr、3hr、6hr、12hr、24hr等五個延時雨量為分析標的，位於影響範圍內的關聯物件視為有效物件，示意如圖5所示，最後針對各有效物件推估集水區集流時間 (cTL,由經驗式推估) 及淹水漫地流傳遞時間(oTL,由模式逐時分析成果推估)，據以決定該集水區對應影響網格降雨時間的起算點，再計算不同降雨延時的累積雨量 (AR)，此累積雨量即為造成該網格淹水的致災雨量，最後將某一網格淹水的所有淹水場次之致災雨量取95 %信賴區間，其物理量為累積雨量mm，即是本篇定義的淹水致災雨量值，分析成果共計產出30組對應不同淹水門檻與降雨延時的淹水致災雨量圖。
以應用區臺南市、延時雨量3hr為例，不同淹水門致災雨量成果如圖6所示，圖上顏色分布顯示具淹水潛勢網格之致災雨量 (mm)，空白處則為無淹水衝擊；以淹水深度達0.3m來看，致災雨量係為往前延伸集水區稽延時間及漫地流稽延時間後之3hr累積致災雨量分析成果。
圖3、淹水致災雨量演算流程圖
圖4、淹水致災雨量分析考量因子示意圖
圖5、有效集水區篩選示意圖
圖6、淹水致災雨量分布圖 (以臺南區3小時延時為例)
三、淹水機率計算方法
淹水致災雨量可視為一個地區受到降雨事件侵襲時的承受能力，淹水致災雨量低表示淹水潛勢高。將淹水致災雨量量化的目的，是為了探討氣候變遷情境下降雨強度及降雨型態的改變對於淹水發生機率的影響。淹水機率分析採用時雨量資料，針對分析定義之6階淹水門檻及5階延時雨量，進行不同延時雨量累加與判釋，當同一階淹水門檻中任一延時累積雨量超越致災雨量時便判釋為淹水，並以 (淹水時數) / (事件總時數) 為該淹水門檻事件淹水發生淹水的機率，最終可得到各淹水格網的淹水機率分布。
以3天的事件為例，圖7說明以6 hr淹水機率的計算方式，每個連續6 hr逐時雨量進行累加，可得6 hr的代表雨量並檢視是否超越6 hr淹水致災雨量，致災次數除以樣本數即得淹水機率。
圖7、淹水機率演算流程圖(以3天尺度事件為例)
四、未來發展與應用
由大數據分析得到的不同門檻及延時的淹水致災雨量，搭配未來降雨時雨量資料，透果簡單的雨量累加與判釋，可以快速的計算地區的淹水機率，大大減低由物理模型模擬的時間。目前TCCIP已有動力降尺度三個時期 (基期、世紀中、世紀末) 逐年時雨量資料，後續進一步可做地區淹水機率長期趨勢之分析，例如以月時間尺度探討未來淹水變化的趨勢，示意如圖8。
另淹水致災雨量可以反映地區淹水的耐受性，可以做為淹水調適策略施行前後改善率評估的量化指標，如圖9所示，亦或可考量不同的下游邊界，應用在海平面上升對於外水溢淹之影響評估。
圖8、三個時期、不同月份淹水趨勢變化圖 (以某單點淹水網格示意，非整體)
圖9、淹水致災雨量分布於工程調適之應用示意圖 (非實際分析成果)
延伸閱讀
(1) TCCIP電子報第53期：暖化情境下淹水模擬成果分析方法探討，臺灣氣候變遷推估資訊與調適知識平台。
(2) TCCIP電子報第29期：淹水模式調校，大幅提升氣候變遷淹水模擬效能，臺灣氣候變遷推估資訊與調適知識平台。
(3) 氣候搖滾同學會，【氣候變遷下的水危機，水多水少都是問題】
喜歡這一期的文章嗎? 給作者一個讚！