首頁 > 未來推估

此處提供的是使用統計降尺度方式所產製的推估未來100年的溫度&雨量資料

產製方法說明如下:

       為了使降尺度過後的台灣區域氣候資料能保有降尺度前氣候模式在該區域的氣候特性,本方法是使用Wood et al. (2002 2004) 與 Maurer (2007) 所發展的誤差校正空間分解法來提高模式模擬結果之解析度,如圖1所示,將高解析度觀測月平均資料與氣候模式資料皆先內插轉換至2°×2°的網格解析度,再運用每個網格點的長期觀測時間累積機率分布 (Cumulative Distribution Function, CDF) 修正模式的時間累積機率分布,為了避免只是資料互換,以交互驗證 (cross-validation) 的方式進行,先將要估計的年份排除後,再以其他年份的觀測與模式資料累積機率分布估算該年模式資料的修正值,同時該年實際觀測值可以做為誤差估算的基準,完成所有年份的個別計算後,再進一步分析累計多年份資料後的誤差變化。

       可以預期的是,單一年份相對於多年累計平均值的誤差大,因為此方法的特性是使模式的機率密度函數分布可以被修正為與觀測的機率密度函數分布的統計性質相似,但是不保證某個特定年份會與實際觀測值有所對應。此外當該年模式模擬值大於其他39年時,必須運用累積機率分布外插的方式處理,目前是以最大與最小5年分布進行線性外插,並以平均值加3個標準差與0做為外插值的上下限,由於3個標準差以常態分布而言已經是接近400年才發生一次的事件,即使做為未來百年氣候變遷的推估基準,也應還不致於過度高估,但還是必須要注意此氣候變數統計模型的適用性。這種方法在資料有顯著的長期趨勢時,必須特別處理其在未來氣候的適用性 (亦即多數結果都需要外插決定),此時必須先計算模式資料的長期趨勢特性,在模式誤差修正前先將其扣除,修正後再將此長期趨勢特性加回,以保持累積機率分布修正的有效性。藉由兩者累積機率分布關係式進行誤差修正後可以得到2°×2°誤差修正後的模式平均降雨或溫度。

       誤差修正後的模式平均資料除以2°×2°觀測資料氣候值的比值即為修正係數,將此2°×2°的修正係數以距離權重之空間內插方法內插至高解析度的原始觀測網格上,之後再乘上高解析度觀測資料氣候值,就可以得到某個特定年份的模式模擬資料統計降尺度結果。本計畫依據上述方法,以二階段的方式,搭配TCCIP計畫團隊產製之1960~2012年5公里空間網格之月降雨及月氣溫歷史資料,進行台灣地區之降雨及氣溫之統計降尺度資料產製。

 

圖1 統計降尺度流程圖 。(CDF:累積機率分佈、BCSD:偏差校正。1度約等於100公里)

關於我們

計畫簡介
人員與組織
資料來源/引用說明

過去變遷

觀測
距平
空間分佈
時序變化
分區比較
颱風資料

未來推估

空間分佈
時序變化
推估時間比較
情境比較
情境說明
模式說明
研究方法

知識專欄

氣候變遷新聞
氣候知識FAQ
摘要報告
氣候專欄

歷年會議

出版品

專書
簡報
圖集
影音
研究報告
團隊發表文章

資料服務

服務簡介
資料清單
申請流程
注意事項
Q&A

臺灣氣候變遷推估與資訊平台計畫辦公室
E-mail : tccip.office@ncdr.nat.gov.tw
新北市新店區北新路三段200號9樓
國家災害防救科技中心 TEL:+886-2-8195-8756
您是第 393020 位訪客
Powered by NCHC