HiRAM推估不同暖化程度之颱風變化
作者：蔡鴻鵬 國家災害防救科技中心 專案佐理研究員
許晃雄 中央研究院環境變遷研究中心 特聘研究員
臺灣地處西北太平洋颱風盛行地區，根據中央氣象署統計，平均每年遭受3~4次颱風的侵襲[1]，為遭受颱風影響最頻繁的國家之一。颱風的影響一體兩面；侵襲期間的強風與豪雨對經濟、農業帶來巨大的損失，也對人民帶來生命財產上的威脅；但颱風伴隨的豐沛雨量卻也是臺灣民生、工業及農業用水的重要來源。隨著社會的發展，工業革命後人類對地球氣候的影響日益顯著，二氧化碳濃度上升、全球平均溫度增加，根據過去研究發現，在全球暖化的背景下，未來颱風數量將顯著的減少但卻變得更加極端，強颱的比例增加、強度變得更強且更具破壞力[2] [3]；除此之外，颱風的移動速度減慢也可能導致颱風影響時間拉長，造成更多的災害以及損失。有鑑於臺灣地理位置特殊及每年颱風災害對自然環境、農業及社會經濟帶來的影響甚鉅，本篇文章利用HiRAM c384 [4] 高解析度全球大氣模式 (AGCM)，透過叢集分析[5] 帶入四組不同海溫給模式做為初始條件並產製四組模擬結果，最後選取各組模擬全球平均溫度上升2°C (以下簡稱GWL 2°C) 及4°C (GWL 4°C) 兩個時段做分析，透過與基期比較來了解全球暖化情形下西北太平洋颱風可能的變化，藉此提供客觀科學數據以利相關單位進行評估與應對。
研究資料與方法
評估之模式與觀測資料
本研究使用高解析度全球大氣模式HiRAM及IBTrACS颱風觀測資料做分析，詳細說明如下：
模式選用HiRAM c384 (High Resolution Atmospheric Model) 高解析度全球大氣模式，針對臺灣周遭西北太平洋地區 (100°E-180°E，0°N-50°N) 生成的颱風進行模擬，此外，使用叢集分析 (Cluster analysis) 透過HiRAM帶入不同的海溫初始條件來了解不同海溫分布對模式模擬產生的影響。叢集分析的四組海溫資料來自過去參與CMIP5 (耦合氣候模式對比計畫, Coupled Model Intercomparison Project phase 5) 的28個模式在相同的RCP8.5情境下模擬世紀末 (2070-2100) 海溫，並依照模擬出的海溫分布特性分類後再平均所得，分為太平洋海溫偏冷的c1、太平洋海溫偏暖的c2以及西北太平洋海溫較暖的c3，最後加上一組28個模式不分類的總平均c0 [6]，共四組海溫資料分別帶入HiRAM進行模擬，最後再從模擬的結果擷取各組近地表兩米溫度 (T2m) 全球平均上升2°C及4°C的時間前後各10年 (共20年) 資料進行颱風偵測，以c0~c3個別結果或四組系集平均的方法與基期做比較分析。
模式基期 (1995-2014) 的結果可與實際觀測資料做比較，藉此了解模式的差異以及特性，本文比對的颱風觀測資料使用美國國家海洋和大氣管理局 (National Oceanic and Atmospheric Administration, NOAA) 所提供的IBTrACS v.3[7] (International Best Track Archive for Climate Stewardship Version 3)，此資料時間解析度為每6小時一筆，同時包含南北半球各大區域颱風生成位置、路徑軌跡、最大風速、最低中心氣壓等等資訊。
研究方法
本實驗分為HiRAM模擬基期、GWL 2°C、GWL 4°C三組情境，並統一各取20年時間做比較，基期時段模擬使用HadISST海溫資料作為海洋邊界條件，模擬選取年份為1995-2014，暖化情境部分則依照叢集分析各組模擬T2m平均上升達2°C及4°C的年份來選取，四組模擬GWL 2°C時間大致落在2032-2055，GWL 4°C時間則落在2072-2095，隨叢集分析各組別模擬時帶入的海溫邊界條件差異而有些微不同，
詳細年份如表1所示。本實驗設計比較基期以及暖化情境之颱風差異，藉此推估未來全球暖化下颱風可能的發展變化以及趨勢。
表1、基期與全球暖化 (GWL) 2°C/4°C情境4組叢集分析選取的實際年份對照表
模式模擬的颱風與現實觀測到颱風有相當大的不同，在模式模擬資料中找出類似颱風結構的 ”類颱風” 需要一系列的定義及篩選條件進行客觀的辨識，也因此許多研究單位開發出各自不同的颱風偵測方法，其偵測定義及流程各有不同，各有其優缺點，但通常是透過環境場的渦度、溫度、風速、氣壓以及生成位置等等條件進行篩選。本篇颱風偵測方式使用美國國家海洋大氣管理局 (National Oceanic and Atmospheric Administration, NOAA) 地球物理流體動力學實驗室 (Geophysical Fluid Dynamics Laboratory, GFDL) 所發展的GFDL VORTEX TRACKER[8] (渦度追蹤法) 進行颱風偵測與追蹤。
暖化情境下西北太平洋颱風變化趨勢分析
圖1顯示西北太平洋地區颱風生成數量年際趨勢，藍色框內代表基期的20年，平均每年生成約22.4個颱風，與IBTrACS同年份觀測資料平均值23.6相近 (未展示圖表)，顯示HiRAM c384能夠模擬出合理的颱風數量。黃色及紅色框框內分別為GWL 2°C與GWL 4°C情境的颱風數量，其中背景灰色細線為叢集分析c0至c3的個別結果，黑色實線則為四組平均值，可以看到模式預估暖化情境下未來颱風數量將逐漸減少，在GWL 2°C情境颱風數量略為減少 (-11%)，而GWL 4°C情境下則明顯減少了將近一半的颱風 (-49%)，顯示模式預估未來颱風的減少數量隨暖化程度增加而變得越來越明顯。
圖1、 HiRAM模擬西北太平洋颱風個數年際變化。藍色:基期，黃色: GWL 2°C情境，紅色: GWL 4°C情境。灰色細線為c0-c3之模擬結果，黑色實線為系集平均值。黑色粗體字為所選時段平均每年颱風數量，單位：個/年。
圖2是HiRAM模擬西北太平洋各月份颱風生成數量的氣候平均值，比較黑線 (基期) 與黃線 (GWL 2°C)、紅線 (GWL 4°C) 同樣可以看到颱風數量在暖化情境下逐漸減少，原本基期在8月份颱風數量達到最高，平均每月生成5.5個颱風左右，在GWL 4°C情境下颱風生成數量減少近一半，約剩每個月3個，其中，颱風數量減少主要集中在颱風季(6~10月)。
圖2、 HiRAM模擬西北太平洋颱風數量季節變化。黑線：基期，黃線：GWL 2°C情境系集平均值，紅線：GWL 4°C情境系集平均值。單位：個/年
臺灣位於西北太平洋西側海陸交界位置，同時也是颱風經過頻率最高的區域之一，平均每年遭受3~4個颱風侵襲。颱風的生成位置以及移動軌跡不僅影響著颱風自身的發展，也威脅到諸多沿海國家的安全，有鑑於此，為瞭解颱風的生成位置與路徑在暖化情境下可能如何變化，我們將西北太平洋100°E-180°E，0°N-50°N區域切分為5°x 5°網格後計算每一個網格點範圍內颱風季 (6~10月) 生成的颱風數量以及軌跡密度。從IBTrACS觀測資料來看，颱風生成的位置主要集中於南海以及菲律賓東邊海面，緯度則大致介於5°N-20°N之間 (圖3a)。不同海溫組別的颱風生成位置與軌跡在空間跟數量上有些微差別，但整體在暖化情境下的變化趨勢一致， 以HiRAM c0的結果為例，模擬的颱風生成位置大致上與觀測相符，能夠模擬出南海與菲律賓東側的盛行區域，但模式模擬菲律賓東側的颱風生成位置過於偏東，從150°E向東過度沿伸至170°E (圖3b)。圖3c與圖3d為GWL 2°C與GWL 4°C的結果，從圖中可以發現颱風生成數量在GWL 2°C情境下變化並沒有非常一致的結果，海面上一些區域增加，一些區域減少，總體的颱風數量雖有稍微減少，但在空間上並沒有明顯一致性。在GWL 4°C的情境中則明顯不同，颱風盛行地區生成數量一致的減少，且減少的位置整體來說與生成的熱區重合。下排圖3e至圖3h排列順序與上排圖3a至圖3d相同，但為軌跡密度計算的結果。從基期 (圖3f) 結果可以看出，相較於觀測 (圖3e) 颱風路徑多集中在臺灣、中國以及東南亞沿海一帶，模式模擬 (圖3g、圖3h) 的颱風路徑過於向東延伸，特別是在140°E至150°E的地區明顯高估，此誤差與前面提到HiRAM模擬颱風生成位置過於向東延伸有關。
圖3、上排為西北太平洋颱風生成位置，依序分別為 (a) IBTrACS，(b) HiRAM基期，(c) HiRAM GWL 2°C，(d) HiRAM GWL 4°C之結果。(e) ~ (h) 同上排之排序但為颱風軌跡密度。等值線為暖化情境減去基期之變化，藍色:減少，紅色:增加
暖化不僅對颱風的數量造成影響，同時也關係颱風的發展以及強度，在Tsou et al. (2006) 的研究指出[9]，暖化的背景提供更多的能量有利於颱風增強，但高層增溫造成垂直梯度減少也可能對颱風產生不利的因素。有鑑於暖化對颱風數量及強度有不同的影響，本研究接著分析颱風強度在未來的變化；圖4表示模式模擬颱風的最低中心氣壓 (X軸) 與最大風速 (Y軸) 關係，從結果可看出，基期的颱風強度上限約落在最低中心氣壓900 hPa、最大風速60 m/s，在暖化情境下颱風的強度都增加，唯GWL 2°C較不明顯，GWL 4°C則有顯著的變化，颱風強度上限增至875 hPa以及70 m/s，顯示未來的颱風將有能力發展成更強、更具破壞性的颱風。圖4分析代表的是颱風的極端值、最強上限的變化，接著分析颱風整體強度的未來趨勢。圖5為所有颱風所有時刻的最大風速機率密度函數PDF (Probability Density Function) 分布，可看到颱風的風速主要集中在15m/s至30m/s區間，幾乎占了50%以上的比例，接著隨著風速的增加出現頻率逐漸遞減，直到60 m/s以上僅有少數個案達到極端的強度。比較基期以及暖化情境的PDF分布發現，全球暖化情境特別是4°C時，中間區段介於20m/s至45m/s的分佈比例減少，取而代之的是較低 (20 m/s以下) 以及較高 (45 m/s以上) 的風速，顯示HiRAM推估在暖化情境下颱風風速有變得更為極端的趨勢，貧弱以及極強的強風機率增加，但中等強度風速的出現比率略微減少。
圖4、颱風最大風速與最低中心氣壓的散布圖 (Scatterplot)。實心圓點為HiRAM模擬各颱風生命期間最大風速與該時刻最低中心氣壓分布，黑色為基期，黃色為GWL 2°C情境，紅色為GWL 4°C情境的分布，實線則為各基期與暖化情境模擬之回歸曲線。
圖5、颱風總體風速PDF分布。HiRAM模擬所有颱風生命期間所有時間點的最大風速 (MWS) 機率密度函數 (PDF) 分布；藍色為基期結果，黃色為GWL 2°C情境，紅色則為GWL 4°C情境的PDF分布。
總結
本研究透過叢集分析法研究高解析度全球模式HiRAM c384模擬西北太平洋地區颱風在基期以及全球暖化程度2°C (GWL 2°C) 與全球暖化程度4°C (GWL 4°C) 的差異，其中在基期實驗中發現HiRAM有能力模擬出合理的颱風數量以及颱風數量季節變化，平均每年生成颱風數量約22.4個，與觀測資料IBTrACS每年23.6個相近，且颱風隨季節的數量改變也能夠掌握。除了數量以外，颱風生成的位置與軌跡路徑對臺灣至關重要，透過分析發現HiRAM能夠合理的掌握颱風生成空間分布以及數量，除了生成位置過度向東延伸至140°E-150°E外，大致上與觀測的分布相當接近，能夠模擬出南海以及菲律賓東邊海域的颱風生成熱區，軌跡密度的部分同樣相對於觀測過於向東延伸，此差異推測與生成位置的誤差有關。
在暖化情境的實驗下，模式推估未來颱風數量將減少，其中在GWL 2°C的變化較不明顯，颱風數量平均每年約減少11%，但在GWL 4°C情境下颱風數量大幅減少(減少49%)，顯示暖化情境中颱風不僅有減少的趨勢，且隨暖化程度加劇，颱風數量減少的速度也加快。颱風生成位置與路徑密度方面在暖化實驗同樣位置過度向東延伸，且受到颱風數量減少所致，未來通過臺灣周圍的颱風數量也相對減少 (絕對數量減少，非比例減少)。
最後，針對未來颱風的強度進行分析，比較基期以及暖化情境的模擬結果後發現，颱風極端個案在暖化情境中無論是最大風速還是最低中心氣壓都有再進一步發展增強的趨勢，風速極大值增加、最低氣壓減少，顯示未來暖化背景下颱風有能力成長為更強、更具破壞力的颱風。而在颱風整體強度的部分，分析所有颱風個案及時間的風速PDF發現，相對於基期，暖化情境下風速較低 (20 m/s以下) 以及風速較高 (45 m/s以上) 的分布比例有增加的趨勢，中等風速 (介於20 - 45 m/s) 的分佈則略為減少，顯示未來颱風風速整體往較強以及較弱兩極發展，中等風速的颱風比率相對減少。
參考資料
[1] 中央氣象署 / 颱風百問 / 38. 歷年有多少個颱風侵襲臺灣？以哪個月份最多？
https://www.cwa.gov.tw/V8/C/K/Encyclopedia/typhoon/typhoon_list02.html#typhoon-38
[2] Emanuel, K. A., & Sobel, A. (2013) . Response of tropical sea surface temperature, precipitation, and tropical cyclone-related variables to changes in global and local forcing. Journal of Advances in Modeling Earth Systems, 5(2), 447-458. https://doi.org/10.1002/jame.20032
[3] Hsu, P.-C., Chen, K.-C., Tsou, C.-H., Hsu, H.-H., Hong, C.-C., Liang, H.-C., et al. (2021) . Future changes in the frequency and destructiveness of landfalling tropical cyclones over East Asia projected by highresolution AGCMs. Earth's Future,9, e2020EF001888.
[4] HiRAM https://www.gfdl.noaa.gov/hiram/
[5] Straus, D. Clustering Techniques in Climate Analysis. Oxford Research Encyclopedia of Climate Science. Retrieved 21 Apr. 2023, from https://oxfordre.com/climatescience/view/10.1093/acrefore/9780190228620.001.0001/acrefore-9780190228620-e-711
[6] Mizuta, R., O. Arakawa, T. Ose, S. Kusunoki H. Endo, and A. Kitoh, 2014: Classification of CMIP5 future climate responses by the tropical sea surface temperature changes. SOLA, 10, 167−171, doi:10.2151/sola.2014-035)
[7] 何謂IBTRACS? https://www.ncei.noaa.gov/products/international-best-track-archive
[8] GFDL VORTEX TRACKER https://dtcenter.org/community-code/gfdl-vortex-tracker
[9] Tsou, C.-H., P.-Y. Huang, C.-Y. Tu, C.-T. Chen, T.-P. Tzeng, and C.-T. Cheng, 2016: Present Simulation and Future Typhoon Activity Projection over Western North Pacific and Taiwan/East Coast of China in 20-km HiRAM Climate Model, Terr. Atmos. Ocean. Sci., 27 (5) , 687-703.
延伸閱讀
1. 世界氣象組織：五年內，有50%機率升溫達到1.5℃
https://tccip.ncdr.nat.gov.tw/km_news_one.aspx?kid=20220518225207
2. 帶你關注IPCC最新報告中的五個重點
https://tccip.ncdr.nat.gov.tw/km_news_one.aspx?kid=20220408190745
3. 當Ms.颱風遇到Mr.氣候變遷
https://scitechvista.nat.gov.tw/Article/c000003/detail?ID=8528b648-dfec-40b3-9c48-4632b1fa8b96
4. 遠見雜誌：科學家解謎：為什麼最近幾年，颱風真的愈來愈少？https://www.gvm.com.tw/article/93635
5. 未來氣候變遷情境下西北太平洋颱風活動之變化
https://tccip.ncdr.nat.gov.tw/km_newsletter_one.aspx?nid=20201117152503
喜歡這一期的文章嗎? 給作者一個讚！