高解析歷史氣候資料於都市風廊系統建構之應用－以嘉義市為例 

陳怡伶  國立成功大學建築學系 碩士生
王柳臻  國立成功大學建築學系 博士生
林子平  國立成功大學建築學系特聘教授

引言

氣候變遷使得發生極端天氣事件的次數變得更加頻繁^[1]，且都市在高強度的開發下，亦造成都市熱島效應（Urban heat island, UHI）持續加劇。建築物於日間吸收輻射熱、再於夜間釋放，造成都市內高溫蓄積，以及空調用電需求增加，其他如交通運輸工具等人為廢熱的排放，都將讓都市呈現長期高溫不散，進而影響民眾居住品質與舒適度。都市面對高溫現象可透過多種調適策略緩解，本文將以「通風散熱」的方向為主軸，選「嘉義市」為例，提出該市之風廊規劃，並透過計算流體力學（Computational fluid dynamic, CFD）模擬軟體，檢視其通風效果，以達降溫與提升都市環境宜居性之目標。本文已發表於第十屆風工程研討會^[2]，作者將藉嘉義市成果為示範案例，透過電子報形式改寫，以利說明與推廣氣候資料應用之流程與效益。

本文以臺灣氣候變遷推估資訊與調適知識平台計畫（TCCIP）產製的2公里解析度臺灣歷史氣候重建資料（Taiwan ReAnalysis Downscaling data, TReAD）^[3]為基礎，分析目標基地之背景氣候資料，建構都市風廊系統與指認通風路徑的流程，最終再運用CFD模擬軟體，驗證都市風廊之通風成效。

都市風廊系統建構流程

本文規劃之都市風廊系統建構流程，如圖1所示。首先，分析目標基地背景氣候資料及地表覆蓋型態，以作為地表粗糙長度計算的基礎，接著依循都市風場環境之特徵規劃風廊系統，透過指認連續通風路徑，以達到通風散熱、減緩都市熱島效應之目的。另外，都市風環境之風速、風向資料，亦可作為CFD模擬之邊界條件設定，以探究特定場域空間內的氣流分布情形。

圖1、都市風廊系統建構流程圖

資料使用與說明

本文所述風廊規劃是以TReAD作為背景氣候值的基礎。TReAD為解析度2公里的網格化歷史重建氣候資料，可提供背景參數相同、均勻分佈、點位密集的風向資訊，將有助於都市建立風廊系統^[4]。其原始資料長度共計40年^[3]，本文僅擷取2011至2018年間之「月平均溫度」與「月眾數風向」逐時資料進行分析與應用。「月平均溫度」以七月14時為例，將2011年至2018年中，每個七月皆有31天，每日14時之溫度（8年 x 31天 = 共計248筆），經平均後即為七月14時的平均溫度值；「月眾數風向」則以同樣的方式，將248筆風向角度，依16方位分類後，取出現佔比最高者為七月14時的眾數風向^[4]。

地表覆蓋型態則使用內政部國土測繪中心之國土利用現況調查資料，選擇其中「森林利用」、「水利利用」、「遊憩利用」共三項，作為後續地表粗糙長度面積占比之計算依據。

1. 背景氣候資料

欲規劃一地之都市風廊，首先須檢視高溫分布現況與熱島強度。「熱島強度」係指都市熱島現象的高溫中心，與周邊較低溫的郊區相比的溫度差異。是一可量化都市熱島現象嚴重程度的指標^[5]。本文檢視嘉義地區（含嘉義縣、嘉義市）於夏季午間之平均高溫分布，透過地理資訊系統（Geographic Information System, GIS）繪製2011至2018年之七月14時的平均溫度分布圖，如圖2所示。可發現嘉義市位處嘉義地區的熱島中心，其中：嘉義市西區平均溫度為32.9℃，與郊區的嘉義縣太保市31.9℃，兩處有約1℃之溫差，即所謂「熱島強度」。

圖2、嘉義地區TReAD七月14時平均溫度圖
（資料來源：陳怡伶等人，2023^[2]）

下一步為背景風向分析，依據TReAD之夏季七月全日（24小時）逐時眾數風向資料，分別歸納出七月全日各時段的主要風向，結果可得：嘉義市七月日間8時至12時吹西南風；午後13時至19時轉為來自沿海之西風；夜間20時至隔日清晨7時再回到南風。同時應用「微氣候健康檢查表^[4]」，該表係將「臺灣」比擬做一受檢查之人體，所受「健康檢查項目」為溫度、相對濕度、風速等，而各項氣象變數數據則為「檢查結果」，使用者可藉此快速判斷一地點之歷史氣候背景狀況。

本文以嘉義市東區與西區交界處之「嘉義西區_008」點位為代表，其夏季日間眾數風向以南向（30.5%）、南南西（36.1%）、西南西（22.2%）為主；夜間則為南向（80.6%）占比最高，如圖3（左）所示。綜整上述氣候資料，可歸納出如圖3（右）之嘉義市日夜間自然風廊，透過引入西側海風與南側的涼風進入嘉義市區，同時將高溫引至郊外，達到都市散熱之目標。

圖3、嘉義市微氣候健檢表－點位「嘉義西區_008」眾數風向（左）（資料來源：王柳臻，2022^[4]）
嘉義市七月自然風廊（右）（資料來源：陳怡伶等人，2023^[2]）

2. 地表覆蓋類型

通風散熱為都市熱島效應調適策略之一，主要是運用風場氣流將都市不易疏散之熱氣排出，並引入涼適空氣達到降溫之成效。其中，地表粗糙長度（Roughness Length，簡稱Roughness）是為都市通風效益評估之重要參數^[6]，「地表粗糙長度」係指當自然風在經過地表時，會受地表凸起物之影響而有不同程度之減速，包含地形起伏、建築物、植栽等皆是；「地表粗糙長度」數值越高，代表該地粗糙度越高，風經過時受阻檔之程度也越高，容易造成風速下降。根據圖4地表粗糙長度之計算，可將地表覆蓋之土地利用類型再細分為：升溫因子（建築物、空地）及降溫因子（水體、植栽）兩類，共四項；再依各項因子之面積占比、高度與係數，加權後得算出地表粗糙長度。

此外，透過檢視升溫因子分布的狀況，可得都市中升溫嚴峻與急需改善風場環境之區域；而降溫因子，則是利用植栽與水域蒸散作用，及水體比熱較高等的物理現象，達到降溫效果，預先辨識出具有降溫潛力之區域，後續在指認通風路徑時，可參考其分布情況，將都市風廊發揮最大效益。

圖4、嘉義市地表覆蓋類型（資料來源：陳怡伶等人，2023^[2])

調適策略：都市風廊系統的建構與通風路徑指認

綜整前述之分析結果，透過GIS軟體以100公尺為單位劃分均質網格，並逐一計算各網格內的不同因子與參數，得出嘉義市地表粗糙長度之分布情況，如圖5所示。圖中顏色愈深之處，表示粗糙長度愈高、潛在風阻愈大，即為通風效率急需改善之處。

參考蔡沛淇（2023）^[7]所建構的都市主要風廊（一級）指認策略，根據嘉義市的溫度分布狀態、日夜間自然風廊，同時考量交通要道紋理，以及前述地表粗糙長度計算的結果，依循「涼適帶入都市；熱氣引導至郊區」之目標主軸，指認出嘉義市主要風廊，如圖5所示，共涵蓋六條主要通風路徑及一條西向環繞型風環，以此作為連續通風路徑之基礎。回顧嘉義市於日治時期的都市規劃，於1943年（昭和18年）公布的首張嘉義都市計畫圖中，街道紋理與如今的風廊系統亦有相呼應之處，如圖6所示。

圖5 、嘉義市粗糙長度與主要風廊。（資料來源：陳怡伶等人，2023^[2]）

圖6 、1943年嘉義市首張都市計畫圖。
（資料來源：嘉義市政府都市發展處，2023^[8]。改繪自中研院人社中心地理資訊科學研究專題中心圖資，https://gissrv4.sinica.edu.tw/gis/twhgis/，2014^[9]）

承續都市主要風廊系統建構之結果，進一步檢視都市粗糙長度分布狀況。將粗糙長度較高且高溫中心區域，再規劃連續通風路徑。本文以嘉義火車站前站的高樓密集處作為示範區，該區緊鄰博愛風廊（位於林森西路），具有道路寬敞與地表粗糙長度低等特徵，故將其定為主要風廊，再根據都市街廓紋理以及降溫因子（植栽、水域）分布位置指認更細部的次要風廊，串接後即可形成連續通風路徑，如圖7所示。

圖7 、嘉義火車站周邊風廊之連續通風路徑。（資料來源：陳怡伶等人，2023^[2]）

都市風廊通風效益驗證：CFD模擬

將前述嘉義火車站周邊風廊之連續通風路徑，選用Flow Designer軟體作為CFD模擬工具，設定盛行西南風與距地表10公尺2.85m/s的平均風速作為背景氣候數據進行模擬，剖析該處的都市風場環境。如圖8之CFD模擬結果：主要風廊（林森西路及嘉義市鐵路廊道）走向，與盛行風向相符且路幅寬大，通風效益明顯優於周邊次要風廊，其風速達每秒2.6公尺。由此可證，都市風廊系統建構流程可有效達到「促進通風散熱」之熱島降溫調適的效果。

圖 8、嘉義火車站周邊風廊之CFD風場模擬（資料來源：陳怡伶等人，2023^[2]）

結語

本文以嘉義市為例，提出都市風廊的建構流程與通風路徑指認方式，並以CFD模擬進一步驗證實際之通風效益，可作為地方政府指認風廊、擬定都市通風政策規範與管制上之有效依據，透過塑造良好的都市通風環境，以實踐通風散熱、減緩都市熱島效應的目標。

運用TCCIP計畫所產製之高解析臺灣歷史氣候重建資料TReAD，分析所在地背景溫度、風向，結合地表覆蓋分析演算粗糙長度，探討降溫及升溫因子，以「引入涼爽空氣進入都市，使熱氣得以向外疏散」為主軸，指認連續通風路徑，或以法規規範建築物臨路面應退縮之距離等，確保與實踐「讓路給風走」的策略，以提升通風的效益，與都市熱島降溫之調適成果。

延伸閱讀

◆ TCCIP 電子報第67期：臺灣歷史氣候重建資料於都市規劃及建築設計之應用
◆ TCCIP 電子報第68期：氣候資訊於地方降溫政策之應用－以臺中市都市熱島計畫為例
◆ TCCIP氣候專欄：氣候變遷與極端氣候有何不同？兩者之間有因果關係嗎？
◆ 讓路給風走：都市退燒的特效藥，國立臺灣大學社會科學院風險社會與政策研究中心報導
◆【都市熱島】打造Cool Taipei！城市降溫先認識「風」怎麼來？公視我們的島

全球暖化對臺灣空氣品質的影響-秋冬季節細懸浮微粒（PM_2.5）的變化

蔡宜君 中央研究院環境變遷研究中心 副研究員
      謝佩蓉 國家災害防救科技中心 專案佐理研究員
鄭兆尊 國家災害防救科技中心 副研究員
許晃雄 中央研究院環境變遷研究中心 特聘研究員
      童裕翔 國家災害防救科技中心 助理研究員
      陳永明 國家災害防救科技中心 研究員

前言

隨著全球暖化不斷加劇，氣候變遷對臺灣空氣品質的影響日益明顯，尤其顯示在細懸浮微粒（PM_2.5）和臭氧等污染物濃度變化方面。由於影響空氣品質的因素包括大氣環境和污染源等，僅依賴觀測資料往往難以明確區分各個因素的貢獻。因此，本文利用數值模擬技術，探討氣候變遷對空氣品質的影響。先期研究成果，包括從觀測資料探討臺灣近十餘年空氣品質的時空特徵（TCCIP電子報第034期），顯示各種污染物中，臭氧（O₃）和細懸浮微粒（PM_2.5）導致空氣品質不良事件最為頻繁，發生時間多集中於秋季至隔年春季期間。臭氧造成空氣品質不良事件以春秋兩季為主，而PM_2.5則呈現明顯的區域與季節差異：北部與竹苗地區在春季平均每月有10天達不良標準，南部則以冬季為主，幾乎每月超過20天以上空氣品質不良。此外，驗證大氣模擬結果與觀測資料的差異（TCCIP電子報第049期），發現臺灣西部地區污染濃度高於東部，南部則明顯高於北部，這一分布現象為後續深入分析提供了重要依據。本期電子報將呈現數值模擬的最新成果，探討在不同全球暖化程度下，臺灣空氣品質的現狀與未來變化。由於臭氧為光化反應下的二次產物，且其與PM_2.5的空間分布及季節特徵相當不同，本期報告優先聚焦於PM_2.5造成的空氣品質不良事件，藉由此視角提供更為全面的參考資訊，應對氣候變遷帶來的環境挑戰。

全球暖化對臺灣PM_2.5污染季節特徵的影響

本文採用數值模式對2011-2015年的氣象場以及空氣品質進行模擬，並設計兩組全球暖化程度：增溫2℃與4℃^[註1]，以探討不同暖化情境下氣象場變化對空氣品質的影響，並推估未來空氣品質的趨勢（數值模擬設計可參考TCCIP電子報第034期）。圖1呈現三種情境的模擬結果：現代氣候狀態（CTRL）、全球增溫2℃情境（Pseudo-global warming run, PGW_2C）和增溫4℃（PGW_4C）下，PM_2.5造成空氣品質不良（AQI＞100）日數作為指標，觀察其季節性變化。模擬結果顯示，現代氣候狀態下臺灣地區夏季空氣品質相對較佳，不良日數較少。秋冬季節空氣品質明顯惡化，尤其在中南部地區，每季出現約30至70天的空氣品質不良情形^[註2]。在全球增溫2℃情境下，在秋季，中北部地區因PM_2.5造成的空氣品質不良日數略增，而南部地區則減少約3至5天；在冬季，除北部外，其他地區均呈現空氣品質不良日數增加3至6天的趨勢。在增溫4℃情境下，雖然整體變化趨勢相同與2℃情境一致，但PM_2.5濃度變化更為劇烈，顯示出高暖化程度下，污染問題將進一步加劇。

圖1、不同全球暖化程度下臺灣地區PM_2.5空氣品質不良日數（AQI＞100）的季節特徵圖。從左到右分別為春季（MAM）、夏季（JJA）、秋季（SON）和冬季（DJF）。
（a）現代氣候狀態（CTRL run）;（b）增溫2°C情境（PGW_2C）相對於現代氣候的變化；（c）增溫4°C情境（PGW_4C）相對於現代氣候的變化。空心圓代表環境部的空氣品質測站。（資料來源：Tsai et al., 2024）^[1]

[註1] 全球增溫2℃和4℃情境表示「30年平均的全球平均溫度相較於工業化前上升2℃和4℃」，更多說明可參考TCCIP電子報第047期：新暖化情境：全球增溫1.5℃與2℃情境設定。
[註2] 數據計算以環境部定義的空氣品質地區內的測站做平均。

秋冬季節中影響空氣污染的大氣環境

本文的模擬情境假設污染物排放量保持不變^[註3]，主要聚焦於全球暖化引起的氣象變化（例如環流、溫度、日照、降雨等等）對PM_2.5空氣品質的影響。圖1呈現的PM_2.5空氣品質變化主要反映了在不同全球暖化程度下（例如增溫2℃和4℃）氣象條件變化所產生的影響。為了深入了解這些影響，我們從大尺度環流（東北季風）與局部環流（空氣停滯指數（Air stagnation index, ASI）^[2]和通風指數（Ventilation index, VI）^[3]），兩個層面進行分析，討論氣候變遷對PM_2.5空氣品質的影響。

秋冬季期間，臺灣周圍盛行東北季風，雖然東北季風有機會帶來長程傳輸的污染物，亦可吹散臺灣北部的污染物。根據Su et al.（2022）^[4]對「東北季風日」（Northeasterly day, NE）的定義，選取位於臺灣本島東北方50公里處的彭佳嶼島，作為大尺度東北季風環境風場的代表。模擬結果（圖2）顯示，在現代氣候狀態下在秋冬季節（九月至翌年二月）每月平均有9至21天的東北季風日數（黑實線）。在不同全球暖化程度下，2月、9月和10月的東北季風日數呈減少趨勢，尤其是9月，在增溫2°C和4°C情境下分別減少超過10%和20%（圖2藍色和紅色直條）。相對的，12月的東北季風日則有增加3%至4%的趨勢。這意味著，若秋季東北季風日數減少，可能使該季節空氣污染加劇，而冬季東北季風日數增加則有助於改善臺灣北部的空氣品質。此結果也與圖1c中顯示的現象相吻合，在全球暖化程度下，北部在秋季出現較多污染日數，而冬季則相對減少。

除了大尺度東北季風外，局部環流也對空氣品質具有顯著影響。由於臺灣地形的影響，東北季風受到山脈阻擋，造成位於山脈背風側的中南部地區風速較低，污染物不易擴散。這也解釋了圖1b和圖1c中顯示的，中南部沿海地區秋季污染日數下降的現象，意味著當地局部環流具有相當程度的影響。為了量化局部環流對空氣品質的影響，我們採用了兩個指標，ASI採用的氣象因子包括10米風速（＜4m/s）、低層850hPa風速（＜5m/s）和日降雨量（＜1mm，乾燥天數），當ASI較高時，表示空氣停滯，擴散條件較差，不利於污染物的擴散。VI則採用行星邊界層高度（PBLH）(或稱大氣邊界層)和PBLH高度內的平均風速，代表污染物通風的潛力，較高的VI表示通風較好，可能伴隨較低的PM_2.5濃度。圖3結果顯示，在增溫2°C和4°C的情境下，中南部沿海地區ASI減少、VI增加，意味著當地空氣停滯能力減弱、通風效果增強，有利於污染物擴散，進一步降低污染日數。

為了進一步探討氣象條件與秋冬季PM_2.5濃度變化之間的關係，將這些氣象因子與秋冬季節的PM_2.5濃度做空間相關性分析，圖4a顯示秋季PM_2.5濃度變化與乾燥天數、PBLH及其高度內的平均風速變化的相關性高於其他氣象因素。圖4b則顯示，冬季乾燥日數和近地面與低層風場的變化與PM_2.5濃度變化的相關性較高，意味著冬季PM_2.5變化的原因與秋季不同。綜合以上分析可以看出，秋冬季節低層風減弱，是全球暖化背景下空氣品質惡化的重要氣象因素。若讀者對於地區性（例如北部、中部與南部）污染日數變化趨勢與氣象因子之綜合分析感到興趣，請參考文獻^[1]。

圖2、不同全球暖化程度下秋冬季節（九月至翌年二月）每月的東北季風日數變化。（a）現代氣候狀態（CTRL run，單位：日數，黑實線）；（b）增溫2°C情境（PGW_2C）相對於現代氣候的變化率（%，藍色直條）；（c）增溫4°C情境（PGW_4C）相對於現代氣候的變化率（%，紅色直條）。（資料來源：Tsai et al., 2024）^[1]

圖3、不同全球暖化程度相對現代氣候下秋季的（a）ASI平均天數與（b）VI變化。（資料來源：Tsai et al., 2024）^[1]

圖4、不同全球暖化程度下（a）秋季與（b）冬季PM_2.5與氣象因子之模式相關性（R）。氣象因子包括乾燥天數（Dry day）、10米風速（Ws,10m）、低層850hPa風速（Ws,850hPa）、空氣停滯指數（ASI）、行星邊界層內的平均風速（Ws, PBL）、行星邊界層高度（PBLH）以及通風指數（VI）。網線與實線分別表示在增溫2°C及4°C情境。
（資料來源：Tsai et al., 2024）^[1]

[註3] 污染物排放量的數據由環境部提供的臺灣空氣污染物排放量清冊推估而來。

模式結果的不確定性因素

本文使用的模式資料，網格解析度為2公里，這樣高解析度模擬能夠捕捉到更多關於PM_2.5在不同時間和空間分布的細節也提供了更豐富的氣象參數資訊，但仍存在一些不確定性，第一個部分是氣象條件的設定，本文資料採用區域大氣模式（Weather Research and Forecasting, WRF），所採用的初始條件和邊界條件是多模式系集平均 ^[註4]。這種方法可以減少各模式的偏差和不確定性，且需要較少的計算資源。然而，多個全球模式系集平均可能會忽略短時間（例如分鐘、幾十分鐘或小時級別）所出現的快速波動，例如局部對流、陣雨等（Li et al., 2019^[5]；Sato et al., 2007^[6]），導致氣候變遷的影響可能被低估，進而使得本文對氣候變遷對空氣品質影響的估計偏向保守。此外，本文的模擬，選擇固定的排放清單，以便更清楚的討論氣象場對空氣品質的影響。然而，事實上人為排放量隨著政策與技術進步一直在逐步下降，由於模擬未考慮到排放量的持續減少，本文模擬暖化後空氣污染狀況結果，實際情況可能沒有那麼嚴重。為了更好地量化和降低上述不確定性，未來的實驗設計可參考政策規劃調整排放量，以反映排放減量情境對空氣品質之影響，亦可提高數值模式解析度和運用系集預報方法，預期可更全面地量化這些影響，從而提升模擬結果的準確性和可靠性。

註4: 一個全球暖化程度各自有不同數量的模式推估結果，稱之為多模式系集。針對多模式系集推估的氣候變遷訊號，通常會計算所有模式的平均值，稱為系集平均；或計算所有模式的中位數，稱為系集中位數。對於氣候模式的模擬，普遍以系集平均或中位數作為最佳推估結果。資料來源：臺灣氣候變遷關鍵指標圖集：AR6統計降尺度版

延伸閱讀

◆ TCCIP電子報第034期：臺灣空氣品質變化與氣候變遷
◆ TCCIP電子報第049期：臺灣空氣品質與氣候變遷（II）-氣象與空氣品質模擬結果驗證

參考文獻

主題一  返回文章
[1] IPCC, 2012: Managing the Risks of Extreme Events and Disasters to Advance Climate Change Adaptation. A Special Report of Working Groups I and II of the Intergovernmental Panel on Climate Change [Field, C.B., V. Barros, T.F. Stocker, D. Qin, D.J. Dokken, K.L. Ebi, M.D. Mastrandrea, K.J. Mach, G.-K. Plattner, S.K. Allen, M. Tignor, and P.M. Midgley (eds.)]. Cambridge University Press, Cambridge, UK, and New York, NY, USA, 582 pp.
[2] 陳怡伶、王柳臻、林子平，2023：高解析歷史氣候資料於都市風廊系統建構之應用－以嘉義市為例，第十屆全國風工程研討會，臺南市。
[3] 林秉毅、鄭兆尊、陳永明、簡毓瑭，2020：40年高解析度臺灣歷史氣候資料。國家災害防救科技中心技術報告，NCDR 109-T05。
[4] 王柳臻，2022：高解析氣候歷史重建資料於都市規劃及建築設計之應用。國立成功大學建築學系碩士論文。
[5] Howard, L., 1833: The climate of London: deduced from meteorological observations made in the metropolis and at various places around it (Vol. 3). Harvey and Darton, J. and A. Arch, Longman, Hatchard, S. Highley [and] R. Hunter.
[6] Xu, Y., Ren, C., Ma, P., Ho, J., Wang, W., Lau, K. K. L., Lin, H., & Ng, E., 2017: Urban morphology detection and computation for urban climate research. Landscape and urban planning, 167, 212-224.
[7] 蔡沛淇，2023：基於都市風環境永續發展之風廊系統構建與應用。國立成功大學建築學系碩士論文。
[8] 嘉義市政府都市發展處，2023：文化新絲路2.0-嘉義車站周邊地區、文藝森粼整體規劃案，嘉義市。
[9] 中央研究院人文社會科學研究中心地理資訊專題中心，2014。臺灣百年歷史地圖－嘉義都市計畫平面圖（1943），https://gissrv4.sinica.edu.tw/gis/twhgis/。