國家調適推動框架第一階段操作成果
構面①：界定範疇
（1）設定目標
基於前述擬定欲解決的研究問題，設定以高雄市養殖漁業生產的大宗養殖物種，「石斑魚科（Epinephelidae）」為受影響對象，其養殖生產區為受影響範圍，並以近年逐漸受到重視的極端強降雨事件為危害影響類型，結合AR6未來氣候情境模擬資料，評估現行的高雄養殖生產區於汛期（每年5至10月），可能面臨的潛在極端強降雨事件的氣候風險，提供地方政府與產業因應未來極端氣候事件調適操作參考。
（2）關鍵物種選定原則
高雄為我國許多大宗養殖物種的重要生產區，如：虱目魚、鱸魚、石斑魚、吳郭魚，其中又因高雄永安特有的「鑽石水」與獨特的「鑽石斑」，雖高雄市生產的石斑魚總產量位居全國第二，但石斑魚仍成為高雄具代表性的養殖物種之一。2022年，高雄市石斑魚的年產量約5,000噸，年產值約1,100,000千元（農業部漁業署，2023），故本研究選定石斑魚作為關鍵物種，並進行後續風險分析。
構面②：檢視現況
（1）歷年生產概況
根據2008-2023年全臺的石斑魚養殖產量顯示，2010年至2012年間，石斑魚的養殖總產量有明顯成長趨勢；2021年後，除極端氣候事件造成的產量下降，大致維持穩定生產（圖3）（農業部漁業署，2023[2]）。2022年，依據高雄市內陸水產養殖漁業的總生產量，以及養殖面積的占比均顯示，石斑魚位居第二，分別為28.2%（表1）與20.40%（表2）（高雄市政府海洋局，2024[3]）。養殖生產區位分佈地理位置方面，根據2008至2021年高雄市各行政區的養殖漁業面積統計結果顯示，高雄茄萣、湖內、永安與彌陀區為高雄養殖漁業主要生產區，主要以鹹水魚塭為主，養殖模式包含：單養與混養兩類模式（圖4）。
.png)
圖3. 2008至2023年臺灣石斑魚養殖漁業的產量與產值變化（資料來源：農業部漁業署，2024[2]）
.png)
圖4 高雄石斑魚養殖漁業主要生產區分布
表1. 2022年高雄市內陸養殖漁業前5大養殖物種的生產量及占比 （資料來源：高雄市政府海洋局，2024[3]）
表2. 2022年高雄市內陸養殖漁業前5大養殖物種的養殖面積及占比 （資料來源：高雄市政府海洋局，2024[3]）
（2）歷年養殖漁業生產的產物及設施損失概況
近年來，高雄市面臨極端氣候危害類型多元，包括：颱風、低溫寒害及短延時強降雨等。根據2009至2022年的設施型與產物型的漁業損失資料得知，颱風事件共造成總計1,320,583千元的產物損失，以及1,325,968千元的設施損失；短延時強降雨造成總計5,325千元的產物損失；低溫寒害部份，造成共計3,930,761千元的產物損失；三種類型災害中，低溫寒害事件造成損失占總漁業損失金額的59.7%，為高雄市主要漁業經濟損失的天然災害來源（表3）（農業部，2023[4]）。
表3. 2009至2022年間高雄市天然災害漁業損失統計金額及占比（資料來源：農業部，2023[4]）
.jpg)
**精簡未有產物或設施損失年份，故未顯示於表格內。
構面③：未來風險
（1）AR6氣候情境風險評估與資料特性說明
本研究依據2023年通過《氣候變遷法》，以及「國家氣候變遷調適行動計畫（112-115年）（核定本）」的國家調適應用情境之固定增溫情境[1]，使用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，簡稱TCCIP）產製的AR6統計降尺度1公里資料。若要討論極端強降雨，本以動力降尺度資料較合適，但因動力降尺度資料網格的空間解析度為0.05˚*0.05˚（約為5公里），為能更細微觀察沿海漁村不同鄉鎮間的危害與差異，故本研究以統計降尺度資料進行示範操作，評估高雄石斑魚養殖生產區面臨的極端強降雨事件造成的危害，及其風險評估。
（2）危害關鍵指標選取原則
本研究界定危害指標為汛期（每年5至10月）間的極端強降雨量，故本研究使用2025年公告的「臺灣產物高雄地區降水量參數養殖水產保險」理賠標準，即【賠付點為510毫米，即連續48小時累積降水量達510毫米，啟動保險理賠，賠付金額＝保險金額×保險金額賠付比例（累積降雨量達520毫米賠付比例為1%（48H 510mm），810毫米為100%）（48H 810mm）】，為極端強降雨事件危害及風險評估的關鍵指標（臺灣產物保險股份有限公司，2025[5]）。
（3）網格化資料呈現與運算概念
本研究使用的圖資，空間範圍為「村里」，地理座標系統使用GCS_WGS_1984座標系統，語系為中文，資料編碼格式為UTF-8。氣候模式基期設定為1960至2014年，空間解析度為0.01˚*0.01˚（約為1公里），模擬方法係以網格化資料進行模擬。首先，自全臺1公里網格點中挑選出高雄市管轄範圍，篩選出石斑魚的生產作業區域後，設定以0.01˚網格資料提供之經緯度為網格中心點，0.01˚*0.01˚之範圍內皆為相同之變數數值（圖5）（詳參閱「延伸資料」之「網格化觀測資料網格高程生產履歷」）。再者，結合高雄市歷年養殖生產數據資料，評估未來暖化情境的生產潛在風險，產出高雄市漁業生產區風險圖。
.png)
圖5. 本研究使用網格邊界及運算概念示意
（5）漁業生產作業區的氣候危害與風險辨識結果
AR6 GWL 2℃情境下，高雄市石斑魚養殖主要生產區的沿海鄉鎮，發生連續48小時降雨量達「510mm（48H510mm）」、「810mm（48H810mm）」三大關鍵門檻指標的極端強降雨事件數，整體呈現增加趨勢（圖6）。
風險評估結果顯示，「48H510mm」指標部分，相較於基期，高雄市石斑魚養殖主要生產區的沿海鄉鎮未來發生連續48小時降雨量達510mm的極端強降雨事件數，約增加3.75~10次。風險變化率，因受到基期事件數的差異，北高雄與南高雄的風險變化趨勢不同，北高雄的變化率約為-0.1% ~ -27%，南高雄的變化率約增加1% ~ 20%，其各鄉鎮的變化趨勢略有不同。依據變化率由大至小排序分別為：林園（約1% ~ 20%）、彌陀（-0.1% ~ -9%）、路竹（-9% ~ -27%）、永安（-7 ~ -14%）、湖內（-11% ~ -25%）與茄萣（-12% ~ -21%）（圖6：上排）。
再者，「48H810mm」指標部分，相較於基期，GWL2℃情境下，石斑魚養殖生產區發生事件數亦呈現增加趨勢，相較於48H510mm指標，連續性強降雨事件發生率增加趨勢更為明顯，特別為沿海養殖區域，約增加0.08 ~ 1.3次。風險變化率部分，南北高雄地區的漁業生產區整體生產風險呈現增加趨勢（約增加75% ~ ≥100%），各鄉鎮的變化趨勢略有不同，依據變化率由大至小排序分別為：除路竹區的港后里與下坑里（75% ~ 100%）以外，其他各鄉鎮的變化趨勢皆為≥100%（圖6：下排）。
結語
本操作示範以「國家調適應用情境與調適推動框架」的「第一階段調適（構面①至構面③）」之「辨識氣候風險與調適缺口」為主。根據GWL 2°C的未來情境分析成果顯示，現行的石斑魚養殖漁業保險承保的極端強降雨危害指標，發生的事件數與變化率均呈現增加的趨勢。特別是，未來48H降下810mm的指標中，高雄現行的石斑魚生產區中，除路竹區外，其他生產區的潛在風險均≥100%，代表未來高雄石斑魚的養殖生產區，發生極端強降雨事件將可能成為常態。然而，現有的調適政策或作為，是否足以因應未來的氣候風險，成為漁業生產者與漁政管理者都需面對與思考的重要課題。
基於本研究的氣候危害與風險評估的結果，建議未來地方調適策略擬定時，主責部門需立基於全球暖化程度評估結果，建立具有共同參與機制的決策工具，檢討修正現行的調適措施，推動規劃等未來整體性的調適政策擬定。同時，調適策略擬定時，需考慮與解決氣候、氣候相關與非氣候因子交織而成的綜合性風險議題，為產業轉型時，可能潛在機會，擬定對應的調適規劃，促使產業邁向永續經營。
圖6. AR6 高雄石斑魚養殖生產區基期（左圖）及GWL2°C風險評估（右圖）；上排：48H510mm、下排：48H810mm
參考文獻
[1]環境部，2023。國家氣候變遷調適行動計畫（112-115 年）（核定本）。（瀏覽日期：2023/10/16）
[2]農業部漁業署，2023。中華民國臺閩地區漁業統計年報。（瀏覽日期：2024/9/19）
[3]高雄市政府海洋局，2024。統計年報。（瀏覽日期：2024/9/25）
[4]農業部，2023。中華民國臺閩地區農業統計年報（112年）。（瀏覽日期：2024/9/20）
[5]臺灣產物保險，2025。降水量參數養殖水產保險。（瀏覽日期：2025/11/23）
[6]農業部，2024。113年凱米颱風農業災情報告。(瀏覽日期：2025/09/01)
延伸閱讀
.jpg)
圖2、TCCIP 海洋資料產製與應用發表於本次CMIP 研討會
CMIP7中的多模式比較實驗
過去三十年CMIP促進全球氣候模式研究的比較與整合（參閱知識小櫥窗），在下一階段參與CMIP7的比對實驗，其概念上可分為三個類型：
- 在基礎情境模擬方面，例如自工業革命以來的歷史氣候模擬，以及未來溫室氣體排放情境模擬，提供一致的氣候資料與未來推估的評估比較，支援IPCC評估報告氣候變遷科學資訊以及相關衝擊分析，此類型的實驗也是一般氣候資料使用者較常接觸到的資料；
- 在科學機制與歸因方面，藉由不同外部與內部可能的氣候作用因素規劃實驗，進行多模式模擬比較。例如氣膠（AerChemMIP）、土地利用（LUMIP）、自然與人為作用偵測與歸因（DAMIP）、輻射作用（RFMIP）…等，這類型比對實驗可以幫助科學家增進對氣候變化成因與不確定性的理解；
- 另外還有主題性研究與區域性研究方面，以氣候系統例如強調高解析度模擬（HiResMIP）、區域氣候（CORDEX）、氣候臨界點（TIPMIP）、碳移除（CDRMIP）、野火（FireMIP）、漁業（FishMIP）…等，探討極端事件、氣候衝擊、氣候臨界點以及碳循環等議題。
透過這些多元的多模式實驗比對與整合，有助於氣候科學家對氣候變遷機制與區域氣候變遷的掌握，也拓展科學家在主題研究過程對於地球系統影響的科學理解，亦透過多模式比較與情境模擬，得以量化其不確定性。在科學延伸應用上，氣候風險評估、淨零與減緩政策設計、環境資源管理及災害調適策略等方面，新興MIP如FireMIP、FishMIP、CDRMIP、TIPMIP等的模式比對成果可支援相關科學資訊與決策所需的量化數據，促進從科學認知到政策實踐的有效連結。
CMIP7中的溫室氣體排放情境設計
IPCC評估報告使用的氣候情境設計（表1），從早期在CMIP3（IPCC_AR4）階段，由不同社會經濟發展路徑推估溫室氣體排放來設定情境；接著在CMIP5（IPCC_AR5）採以氣候系統能量收支的輻射作用（RCP）為情境設計核心，定義未來暖化幅度；到了CMIP6（IPCC_AR6）則整合社會經濟路徑與輻射作用為SSP-RCP矩陣，結合人類發展與氣候強迫，作為情境設定。
表1、CMIP3至CMIP6中的溫室氣體排放情境設計
.png)
接下來的CMIP7的情境設計（表2；圖3），除了考量人類社會發展與政策相關性，情境範圍涵蓋從高排放到符合巴黎協定的極低排放，簡化設計與命名情境為高（H）、中（M）、低（L）排放類別，並不以與前一代情境完全對應為目標，而是強調涵蓋合理的未來排放路徑；另外，還納入了氣候可逆性的概念，新增先超載再碳移除（overshoot）情境（高轉低情境HL、中轉低情境ML），探討即使二氧化碳濃度回降，氣候系統是否能回復原狀，提供淨零與負排放等議題科學資訊。
表2、CMIP7中的溫室氣體排放情境設計（參考文獻[7]）
.png)
圖3、排放情境對應之增溫時序圖（本圖摘自參考文獻[7]）
更為趨近真實的溫室氣體排放情境設計
早期氣候模式從大氣環流模式開始發展（圖4），透過給定海表溫度（SST）與溫室氣體濃度，模擬大氣對外部作用的回應。隨著模式發展，海洋模式亦加入氣候模擬當中，架構成大氣–海洋耦合模式，使海氣交互作用與海洋動力得以在模式中真實呈現。然而，耦合模式亦顯著提高計算資源需求，且可能引入來自海洋模式的模擬偏差。即便在後來發展的地球系統模式，納入更趨近真實運作的氣膠、植被、冰圈、碳循環等生地化過程，然而多數模擬仍採用給定溫室氣體濃度驅動氣候模式的設計（concentration driven）運作。
.png)
圖4、氣候模式發展示意圖 (本圖摘自參考文獻[8])
在過去CMIP6氣候模式溫室氣體濃度設計，以給定濃度驅動為主。接下來發展的CMIP7，鼓勵氣候模式改採用納入碳循環、生地化過程交互作用等計算的排放驅動（emission-driven）設計，使大氣中溫室氣體濃度成為系統內部計算的結果，進而更貼近真實氣候系統的運作。然而，這也將為模式帶來更為複雜的計算、不確定性，同時更為提高運算資源的需求。可以預期未來CMIP7中採用排放驅動設計的模式數量將會增加；然而，考量模式架構與運算成本等因素，使用給定濃度驅動的模式仍將持續存在。
過去IPCC評估報告仰賴各階段的氣候模式發展及其評估結果，以持續更新氣候變遷科學資訊。本次會議也對即將應用於IPCC AR7的快速評估架構（Assessment Fast Track Rapid Evaluation Framework, AFT-REF）進行展示與討論，透過標準化與簡化分析流程，有助於縮短氣候模式產出與科學評估之間的時間差，加速氣候模式結果的解讀，並提供 IPCC AR7 所需的科學資訊。此外，多系集模擬（參閱知識小櫥窗）已成為近年氣候研究的重要趨勢。透過 3至10 個成員（以上）的多系集成員模擬設計，可有效量化評估從資料分析中看見，氣候趨勢的改變是來自於氣候系統內部短期的自然變化、擾動，抑或是外部作用，例如人為暖化對氣候變遷的貢獻，並評估未來氣候推估的不確定性來源。
結語
本次會議展示下一階段CMIP7發展方向，將從既有CMIP基礎納入更多元的模式比對議題，建立更精簡且系統性的情境實驗架構，並強調透過系集模擬，改善對於未來氣候推估不確定性的理解。多模式整合、快速評估架構與多系集模擬的發展，將為未來IPCC評估報告提供重要科學資訊。會議當中海溫分布改變、極端天氣、氣候系統下的碳循環與水循環、氣候臨界點等議題，也反映出CMIP研究重心由平均氣候、極端事件更朝向以整體地球系統為核心的系統性角度，去探討氣候變遷在未來可能的演變與潛在衝擊。
參考文獻
[1] CMIP7實驗資料與報告發布https://wcrp-cmip.org/cmip-phases/cmip7/fast-track/
[2] CMIP 官網會議紀實 https://wcrp-cmip.org/cmip2026/#
[3] Wang, Y. C., Hsu, H. H., Chen, C. A., Tseng, W. L., Hsu, P. C., Lin, C. W., ... & Shiu, C. J. (2021). Performance of the Taiwan earth system model in simulating climate variability compared with observations and CMIP6 model simulations. Journal of Advances in Modeling Earth Systems, 13(7), e2020MS002353.
[4] Chen, C. A., Hsu, H. H., & Liang, H. C. (2021). Evaluation and comparison of CMIP6 and CMIP5 model performance in simulating the seasonal extreme precipitation in the Western North Pacific and East Asia. Weather and Climate Extremes, 31, 100303.
[5] Bordoni, S., Kang, S. M., Shaw, T. A., Simpson, I. R., & Zanna, L. (2025). The futures of climate modeling. npj Climate and Atmospheric Science, 8(1), 99.
[6] Durack, P. J., Taylor, K. E., Gleckler, P. J., Meehl, G. A., Lawrence, B. N., Covey, C., ... & Williams, D. N. (2025). The Coupled Model Intercomparison Project (CMIP): Reviewing project history, evolution, infrastructure and implementation. EGUsphere, 2025, 1-74.
[7] van Vuuren, D., O'Neill, B., Tebaldi, C., Chini, L., Friedlingstein, P., Hasegawa, T., ... & Ziehn, T. (2025). The scenario model intercomparison project for CMIP7 (scenariomip-CMIP7). EGUsphere, 2025, 1-38.
[8] Sanderson, B. M., Booth, B. B., Dunne, J., Eyring, V., Fisher, R. A., Friedlingstein, P., ... & Zaehle, S. (2024). The need for carbon-emissions-driven climate projections in CMIP7. Geoscientific Model Development, 17(22), 8141-8172.
延伸閱讀