封面故事

臺灣百年溫度與降雨變化趨勢

羅資婷 科長 中央氣象署
李亭萱 助理研究員 中央氣象署

前言

近年來，氣候變遷已成為全球關注的焦點，在臺灣夏季持續突破的高溫紀錄、暴雨的發生、以及前幾期電子報中所提及的百年大旱，氣候變遷帶來的改變正逐漸顯現在我們的日常生活中。本文引述國家氣候變遷科學報告2024^[1]，以中央氣象署(Central Weather Administration, CWA)設站時間最長的6個百年署屬測站，包括臺北、臺中、臺南、恆春、花蓮及臺東測站，分析從1900年至2022年溫度及降雨的長期變化趨勢，探討全球暖化背景下臺灣的氣候變遷特徵。

溫度趨勢

從臺灣百年站的溫度趨勢可以觀察到，無論是平均溫度(圖1a)、最高溫度(圖1d)還是最低溫度(圖1g)，在全球暖化的影響下，過去百年都呈現逐漸上升的趨勢，且近30年上升更為明顯，顯示了暖化情形隨著時間的演進而加劇。若比較冬半年(11月至隔年4月)及夏半年(5月至10月)，則以夏半年上升幅度較為明顯(圖1b, e, h)。此外，在冬半年的長期趨勢中，除了百年來持續增溫的趨勢外，還包含了較低頻率的年代際振盪訊號(圖1c, f, i)；然而，針對臺灣冬天較長週期的振盪原因仍需更多的研究分析與探討。若比較平均溫度、日最高溫及日最低溫三個溫度變數，則可以看到日最低溫的增溫幅度相較於其它兩者更為劇烈。

 

圖1、平均溫度、日最高溫、日最低溫時間序列圖。灰色陰影部分為6個百年測站溫度分布範圍，灰色實線為測站平均，黑色實線為15年滑動平均。近30年、50年及長期趨勢線分別以藍、綠、紫色線表示。實線表示通過5%顯著性檢定，虛線則未通過。(原圖出處：臺灣氣候變遷科學報告2024^[1]，第二章)

 

另外，本文依據Yan等人研究方法^[2]，將日均溫資料以傅立葉轉換做分解後，再合併得到近一年及以上的長周期訊號，找出最冷日與最暖日前後45天窗區中，頭尾日期的溫度做平均，得到冷、暖氣溫變換的門檻值。利用門檻值篩選找出每年的冬、夏季的起始與結束時間、季節長度、季節峰值溫度與峰值發生時間，來做後續的探討。由圖2可以看到，6個百年站的夏季長度由近1、2個月延長至4、5個月，冬季長度則由近4個月縮短至1、2個月，呈現夏季天數增加、冬季天數縮短的趨勢。此外，夏季長度的增加幅度較冬季更大，尤其在南部測站，此一特徵更為明顯(圖2c, d)。另外，關於峰值溫度出現的時間，除了中南部測站夏季峰值時間較分散外，其他測站變化較小。夏季峰值溫度通常出現在約8月初，而冬季則落在近1月底。整體來說，百年站一致呈現夏季提早開始、延後結束，夏季更長，冬季延後開始、提早結束，冬季更短的趨勢。

圖2、臺灣6個百年測站所定義出的夏季與冬季，分別以紅色與藍色表示。上圖依序為(a)臺北、(b)臺中與(c)臺南，下圖為(d)恆春、(e)花蓮與(f)臺東。橫軸為年份，縱座標為日期，實心圓點為季節始末日期，實線為其五年移動平均，空心圓點則為峰值日期。(原圖出處：臺灣氣候變遷科學報告2024^[1]，第二章)

 

降雨趨勢

相較於溫度的顯著增溫，臺灣的降雨因受到季節、地形及區域差異，百年測站並沒有明顯的長期趨勢(圖3a)。自1960年後，少雨年發生的頻率明顯較之前要多，且在2000至2015年期間，影響臺灣的颱風較多，顯著增加了臺灣的降雨量；然而自2015年後，颱風數量明顯減少，導致臺灣近期降雨偏少。除了年總雨量的統計以外，針對6個百年測站的季節雨量趨勢，同樣顯示沒有明顯的長期趨勢(圖3c)，但可以看出不同區域的特徵，如東部測站颱風季的降雨呈現減少趨勢，而南部測站則於同樣季節下，顯示了雨量增加的趨勢。相較於降雨量，日雨量大於0.1mm的日數於過去統計中，則有明顯天數減少趨勢(圖3b)，在總雨量近乎不大幅度改變下，雨日的減少反應了降雨在時間上更加集中的趨勢。

圖3、(a)、(b)顯示了百年測站年降水量及年雨日(日降雨量0.1mm) 時序圖。黑色實線為15年滑動平均。近30年、50年及長期趨勢線分別以
藍、綠、紫色線表示。實線表示通過5%顯著性檢定，虛線則未通過。(c)則呈現個別測站在不同降雨季節的趨勢值。
((c)原圖出處：臺灣氣候變遷科學報告2024^[1]，第二章)。

 

極端的溫度及降雨

除了過去平均狀態上的溫度及降雨長期趨勢，氣候變遷下，極端溫度及降雨發生的頻率也呈現明顯改變；本文以冷暖晝夜的天數描述過去臺灣極端高、低溫度的趨勢，並以80mm、200mm、350mm雨量門檻做極端降雨趨勢的說明(圖4)。其中，以較前期的時段(1961-1990)做冷暖晝夜天數在計算上的參考時期，以更明顯呈現過去至今的極端溫度長期趨勢。自1910年初起，極端高溫在白天及夜晚的發生天數(暖晝及暖夜天數)呈現逐漸上升的趨勢，尤其是夜晚的極端高溫發生天數，自1990年後開始有顯著的大幅度增加(圖4a, b)；而極端低溫在白天及夜晚的發生天數(冷晝及冷夜天數)，則呈現持續減少的趨勢(圖4c, d)。與極端高溫類似，夜晚的減少幅度明顯較白天大。在過去極端溫度上，相較於白天更加炎熱的狀態，夜晚感受到涼爽或寒冷的頻率會明顯減少。

在極端暴雨方面，分析三種不同門檻(大雨日，豪雨日，大豪雨日)極端降雨的發生日數變化，發現極端降雨發生頻率較高的年份與颱風帶來的降雨有關(圖4e-f)，在2000年至2015年間，影響臺灣的颱風個數較多，導致極端降雨的頻率增加，尤其在山區的豪雨日及大豪雨日天數是由颱風帶來的極端降雨所貢獻。

圖4、極端高溫於(a)白天及(b)夜晚的天數統計，及極端低溫於(c)白天及(d)夜晚的天數。極端降雨天數呈現於(e)-(g)。
(原圖出處：臺灣氣候變遷科學報告2024^[1]，第二章)

 

總結

綜觀臺灣過去百年的氣候變化，受全球暖化影響，臺灣6個百年測站均顯示平均溫度、日最高溫、日最低溫都逐年升溫的趨勢，且近30年升溫幅度愈劇烈；其中，日最低溫相較於其他兩者有著更顯著的增溫幅度。降雨方面，雖於6個百年站並無明顯的趨勢存在，但雨日的天數明顯減少，表現降雨集中的特徵。於極端事件的百年變化，相較於極端高溫更加炎熱的情形，夜晚感受到涼爽或寒冷的頻率會明顯減少；極端降雨在2000年至2015年發生天數較頻繁，尤其以山區測站更為顯著，此一特徵與影響臺灣的颱風個數在此區間較多，所帶來的降雨有關。考慮到臺灣地形複雜，更多有關降雨的分析需依據不同地區特性做更完善的統整，以更深入了解臺灣由過去至今的氣候狀態。

 

延伸閱讀

1. 臺灣氣象乾旱事件分析與未來趨勢推估－2023臺灣變遷分析系列報告導讀
    
2. TCCIP電子報第63期：氣候變遷下 乳牛的熱壓力指數持續上升
    
3. TCCIP氣候變遷關鍵指標圖集

 

歷史臺灣周遭海流重建之探討

廖建明 國家海洋研究院海洋工程與研究中心 主任 
陳沛宏 國家海洋研究院海洋工程與研究中心 助理研究員
吳虹儀 國家災害防救科技中心 專案佐理研究員

前言

臺灣位於西北太平洋邊陲地帶富有多樣的海洋環境，包含南海、黑潮及其支流與大陸沿岸流。黑潮為北太平洋西側陸棚邊緣的強勁洋流，源自北赤道洋流，向北流經菲律賓、臺灣和日本的東海岸，將大量熱能、鹽類與生物等從赤道地區帶到西北太平洋海域，增加該海域的溫度和濕度，對區域性的氣候和天氣變化以及海洋生態系統影響重大^[1]。近年來，全球氣候變遷造成水溫上升、海平面上升與頻繁性的極端氣候事件，如颱風、淹水與乾旱^{[2] [3] [4]}，使得海洋生物和人類面臨重大威脅。此外，目前國內在進行海洋漁業的氣候變遷風險評估時，僅有低解析度的觀測資料可供使用，且部分經濟魚種的漁場空間範圍缺乏適當的資料支持，這些都增加評估的難度。因此，需要高時空解析度的海洋歷史資料來進行更準確的評估。

為了解過去氣候變遷對於西北太平洋及臺灣周邊海域的影響，本研究利用三維海洋數值模式 (HYbird Coordinate Ocean Model, HYCOM) 建置西北太平洋及臺灣周邊過去近30年的0.04度高解析度海洋狀態模擬。HYCOM模式在模擬海洋狀態時能保持水體的物理特性，已被廣泛應用於各種特性的變化，包括海洋的中尺度水團特性、季節性和年際變化，以及生物特性等研究^[5][6]。重建西北太平洋及臺灣周邊高解析度海洋結構的歷史資料，需依賴歷史大氣資料來驅動HYCOM模式，本研究歷史大氣資料選用0.25度空間解析度ERA5 (ECMWF Reanalysis v5) 的西北太平洋海域，並將臺灣附近的大氣資料置換成臺灣氣候變遷推估資訊與調適知識平台計畫 (Taiwan Climate Change Projection Information and Adaptation Knowledge Platform, TCCIP) 提供的高解析度臺灣歷史氣候重建資料 (Taiwan ReAnalysis Downscaling data, TReAD)^[7]，最終產製出ERA5與TReAD歷史大氣資料。以ERA5與TReAD大氣資料驅動海面邊界，模擬西北太平洋與臺灣周邊海域長期海洋資料，重現過去近30年的海洋變動與趨勢，為未來研究海洋氣候變遷及其對相關海洋產業的影響提供長期且重要的基礎資訊。

研究方法

本研究採用的HYCOM模式，空間解析度為4公里(0.04度)，垂直方向共分為41層，時間解析度為每小時一筆，模擬涵蓋範圍為西北太平洋海域 (99-148.96°E, 2-41.16°N)，網格數為1250×980×41 (經度向×緯度向×垂直向)。HYCOM模式之垂直方向採用混合座標系統，包含z座標、σ座標與等密度座標，為近岸到遠洋區域提供更高的垂直解析度。溫度與鹽度氣候起始場採用World Ocean Atlas 2018 (WOA18) 月平均資料^[8][9]，並以解析度0.72度之全球HYCOM模式資料作為海洋側邊界，水深地形資料由ETOPO1^[10]內插至本研究選取之西北太平洋格網與開放邊界上 (表1、圖1)。

歷史大氣資料利用長時間高解析度ERA5與TReAD，此資料選取西北太平洋海域解析度為25公里的ERA5大氣資料，並在臺灣附近海域範圍嵌入10公里高解析度的TReAD大氣資料。最終，將ERA5與TReAD大氣資料內插為空間解析度為8公里之每小時一筆的大氣資料，以作為HYCOM模式海面邊界條件。本研究模擬所需之大氣參數包含：10公尺高風速風向、海面大氣壓力、降水率、表面向下長波輻射、表面向下短波輻射、2公尺高氣溫，以及2公尺高比濕 (表1)。

本研究模擬總時間長度約為30年 (1993年11月1日00:00 至2022年12月31日23:00)，由於本研究所模擬的場域需要至少1.5年的冷啟動時間，以確保模式內的各變數達到平衡狀態，故本研究執行1993年11月1日至1995年4月30日，共計18個月的冷啟動過程。在剔除冷啟動時段後，本研究選取1995年5月1日00:00至2022年12月31日23:00的模擬結果，進行近30年的海洋狀態分析。

表一、模式設定

圖1、本研究模擬西北太平洋海域之水深地形圖

 

分析與討論

本研究使用HYCOM模式進行近30年的模擬結果，探討西北太平洋及臺灣周邊海域的長期季節性海洋特性變化。模擬中輸出五個海洋參數分別為三維海流速度、水溫、鹽度及密度，以及二維海面高度。其中海流與海溫對海洋生態與產業影響甚大，故本研究著重於此兩個參數的分析。圖2為1995年5月至2022年12月各季節海表面流場的觀測與模擬結果，結果顯示，HYCOM模擬結果 (0.04°) 相較AVISO (Archiving, Validation and Interpretation of Satellite Oceanographic data) 衛星觀測資料 (0.25°) 在四季中皆能明顯模擬黑潮蜿蜒的現象，且平均海表面流速較各季節的AVISO觀測結果大；圖3為1995年5月至2022年5月各季節海表面水溫的觀測與模擬結果，在春季與冬季時，海表面水溫因黑潮流經臺灣東部而有較高的溫度，而HYCOM模擬結果 (0.04°) 與OSTIA (Operational Sea Surface Temperature and Ice Analysis) 衛星觀測資料 (0.05°)^[11]在四季中有一致的海表面水溫分布趨勢，由此可知，建置0.04度高解析度HYCOM海洋數值模擬系統，可充分顯現黑潮蜿蜒特性與海表面水溫季節變化。

圖4為在1995年5月至2022年12月的夏季與冬季臺灣周邊海流分布圖。夏季時，受西南氣流影響，臺灣東部黑潮流速增快，最大東北向流速可達1.9 m/s；冬季時，受東北季風影響，臺灣東部東北向的黑潮流速減弱，也使得在臺灣西南海域中，部分黑潮因東北季風吹拂而入侵南海，為臺灣西南海域帶來較高的溫度與鹽度。此外，在北向平均流速剖面圖可知 (圖5)，因海底地形呂宋島弧將往北的黑潮海流在21.5°N與22.5°N間分成兩股海流，再往北至23.5°N這兩股海流又合成單一股海流，而23.5°N黑潮流幅寬度約為100公里 (121°E -122°E)，流層厚度約為500公尺，在不同季節中，從表層至100公尺水深間具有較快的北向平均流速。

 

圖2. 1995年5月至2022年12月西北太平洋海洋狀態海表面流場之季節變化模擬結果。由左至右：春、夏、秋與冬季；由上至下：觀測資料 (AVISO) 與模擬結果 (HYCOM)。觀測資料 (AVISO) 與模擬結果 (HYCOM) 之四季平均海表面流速分別為0.12 m/s、0.13 m/s、0.12 m/s、0.14 m/s與0.16 m/s、0.17 m/s、0.15 m/s、0.20 m/s。

 

圖3. 1995年5月至2022年5月西北太平洋海洋狀態海表面水溫之季節變化模擬結果。由左至右：春、夏、秋與冬季；由上至下：觀測資料 (OSTIA) 與模擬結果 (HYCOM)。觀測資料 (OSTIA) 與模擬結果 (HYCOM) 之四季平均海表面水溫分別為24.7℃、28.2℃、27.4℃、23.8℃與24.8℃、28.1℃、27.5℃、24.1℃。

 

圖4. 1995年5月至2022年12月夏季和冬季的臺灣周邊海表面流場對海表面水溫與海面表鹽度之模擬結果。
上圖為夏季與冬季海表面流場對海表面水溫之模擬結果，下圖為夏季與冬季海表面流場對海面表鹽度之模擬結果。

 

圖5. 1995年5月至2022年12月期間，臺灣東部北向平均流速季節性模擬剖面圖。從左至右從上至下分別為春、夏、秋與冬季。

 

結論與建議

本研究採用HYCOM海洋模式進行高解析度 (0.04°) 西北太平洋與臺灣周邊海域海洋模擬。從近30年 (1995年05月至2022年12月) 模擬結果顯示，在西北太平洋的臺灣和日本東側黑潮具有蜿蜒特性，海表面水溫各季節的模擬結果也與觀測資料相符。冬季時，黑潮入侵南海帶來較高的溫度與鹽度，並確認黑潮流經臺灣東部各季節之緯向流速與範圍。高解析度HYCOM模式確實能用於長期海洋氣候的模擬，以增進我們對該地區海洋流動特徵的理解。未來研究規劃將擴展海洋歷史模擬時長至40年，以深入分析海洋特性並驗證模式的穩定性和效能。長期海洋歷史模擬數據有助於為海洋產業和科研領域應對海洋氣候變化提出關鍵見解。

 

參考文獻

文章一

[1] 許晃雄、李明旭等人（2023）。臺灣氣候變遷科學報告2024

[2] Yan, Z. W., J. J. Xia, C. Qian, & W. Zhou, (2011). Changes in Seasonal Cycle and Extremes in

China during the Period 1960-2008. Adv. Atmos. Sci., 28 (2), 269-283。

[3] 李庭慧、黃威凱、許晃雄 (2018)。台灣氣溫季節循環的長期變遷。大氣科學，46 (3)，294-316。

返回主題一

文章二

[1] Saito, H. (2019). The Kuroshio: its recognition, scientific activities and emerging issues. Kuroshio current: Physical, biogeochemical, and ecosystem dynamics, 1-11.

[2] 蕭逸華、趙益群、陳俊哲、許至璁 (2021)。暖化情境下淹水模擬成果分析方法探討。臺灣氣候變遷推估與資訊電子報053期。https://tccip.ncdr.nat.gov.tw/km_newsletter_one.aspx?nid=20211104152812

[3] 陳昭安 (2023)。臺灣氣象乾旱事件分析與未來趨勢推估。臺灣氣候變遷推估與資訊電子報066期。https://tccip.ncdr.nat.gov.tw/km_newsletter_one.aspx?nid=20230909033640

[4] 蔡鴻鵬、許晃雄 (2024)。HiRAM推估不同暖化程度之颱風變化。臺灣氣候變遷推估與資訊電子報070期。https://tccip.ncdr.nat.gov.tw/km_newsletter_one.aspx?nid=2024030817103

[5] L’Hégaret, P., Duarte, R., Carton, X., Vic, C., Ciani, D., Baraille, R., & Corréard, S. (2015). Mesoscale variability in the Arabian Sea from HYCOM model results and observations: impact on the Persian Gulf Water path. Ocean Science, 11(5), 667–693.

[6] Li, Y., & Han, W. (2015). Decadal Sea Level Variations in the Indian Ocean Investigated with HYCOM: Roles of Climate Modes, Ocean Internal Variability, and Stochastic Wind Forcing. Journal of Climate, 28(23), 9143–9165.

[7] 林秉毅、鄭兆尊 (2021)。歷史觀測資料補遺救星-臺灣歷史氣候重建資料。臺灣氣候變遷推估與資訊電子報046期。https://tccip.ncdr.nat.gov.tw/km_newsletter_one.aspx?nid=20210323110413

[8] Garcia, H. E., Boyer, T. P., Baranova, O. K., & Locarnini, R. A. (2019). World Ocean Atlas 2018: Product Documentation. A. Mishonov, Technical Editor.

[9] Locarnini, M. M., Mishonov, A. V., Baranova, O. K., Boyer, T. P., Zweng, M. M., Garcia, H. E., ... & Smolyar, I. (2018). World ocean atlas 2018, volume 1: Temperature.

[10] Amante, C., & Eakins, B. W. (2009). ETOPO1 arc-minute global relief model: procedures, data sources and analysis.

[11] Good, S., Fiedler, E., Mao, C., Martin, M. J., Maycock, A., Reid, R., ... & Worsfold, M. (2020). The current configuration of the OSTIA system for operational production of foundation sea surface temperature and ice concentration analyses. Remote Sensing, 12(4), 720.

返回主題二

喜歡這一期的文章嗎? 給作者一個讚！