學位論文
Permanent URI for this collectionhttp://rportal.lib.ntnu.edu.tw/handle/20.500.12235/73900
Browse
15 results
Search Results
Item 臺灣雲解析差時系集颱風定量降水預報應用研究(2023) 陳鑫澔; Chen, Shin-Hau臺灣的颱風降雨雖為主要的水源之一，但也常因此造成災害。數值天氣預報開發以來，時常面臨著不確定性造成的困難，眾多研究者嘗試使用各式方法獲取防災資訊，本研究面對臺灣颱風防災的需求，嘗試在現有資源限制下，建構針對臺灣颱風降水於防災的建議系統。具體而言，本研究使用雲解析風暴模式，建構上採用了2.5km水平格點間距，每六小時進行八天的預報，在本研究的十個目標颱風內，經過評估後皆能在各颱風風雨影響臺灣前至少52小時前，也就是大約兩天以前，找出颱風影響期間總累積降雨量的相似技術得分(Similarity Skill Score，簡稱SSS) 大於0.6的高解析度的降水情境，顯示此方法實際應用上可以在有反應時間的前提下，提供有效的降水情境。 防災事前可以針對最糟糕的降水情境做防範，但為了更有效的找出較有參考價值的預報，本研究針對十個西行侵臺颱風選出105個預報參數，使用機器學習嘗試建構能夠預估降水指引(SSS為其中之一)與路徑指引的模型並進行評估，評估後大多數機器學習預估的SSS皆能適度掌握不同初始時間預報中的實際降水SSS好壞。機器學習預估的結果約在實際颱風影響臺灣26小時前可以產出，當預估的SSS中位數達0.6以上時，實際的SSS也有71%超過0.6，顯示可以在中心登陸兩天前預先指出那些預報的可信度低，那些的可信度高。 本研究進行機器學習訓練時進入模型的颱風數量上不多，可當作ㄧ初步之研究，文章中亦討論了許多颱風預報相關性分析，並提出了幾個可能的改進方向。總體來說，高解析差時系集預報輔以機器學習可在臺灣西行颱風的防災預警上，提供有效的降水情境，並指出較具可信度的預報。Item Petrogenesis of Late-Neoproterozoic granite of the Doba basin, southern Chad(2023) 陳氏慧; Tran Thi HuenoneItem 以機器學習研究台灣梅雨季不同降水型態之時空分布與環境分析(2023) 楊立宇; Yang, Li-Yu台灣於梅雨季內常伴隨鋒面與中小尺度系統，常發生劇烈降水事件。為了解並統整受梅雨鋒面影響下不同降水型態對應的大氣環境狀態，本研究先尋找近十年台灣受梅雨季鋒面影響之時段，從中篩選出大量降水事件。由於降水事件個數眾多，本研究先以事件之降水極值進行初步分類；再以主要降水區域的空間差異，以機器學習方法將前述分類結果再逐一細分。從結果可見，部分類別間的主要降水區域分布相似度高，但亦有類別的降水區過於零散且發生頻率偏低。因此本研究從中挑選、整併出4種降水極值、6種主要雨區共計24種雨型，並刪除一種事件數甚少的雨型，最終以23種雨型進行後續分析。分析結果可見，平地雨區與山區雨區之間無論時序變化、環境特徵均差異大，顯見平地與山區的降水事件發生機制明顯不同，不過南部平地、中南部山區雨區之間受海陸風與背景西南風之輻合影響，其日夜變化明顯相互關聯。北部平地雨區之發生頻率時序為所有雨區中最顯其獨特性，在季內變化上，較集中於5月發生；在日夜變化上，較集中發生於凌晨至早上時段。所有山區雨型於近中午至午後時段有較多大降水極值事件出現，顯示有明顯之日夜變化現象。從環境條件分析之結果可見，熱力或水氣性質參數在台灣附近之位置或指向通常與各雨區位置有所相關，即途經或指向該雨區，且地理位置與之相近的平地雨區，其大氣特徵與隨降水極值變化下之大氣變化趨勢有彼此相近的現象。本研究另使用中央氣象局之梅雨季豪大雨檢查表的部分項目，統計與各雨型之間的相關性。自結果可見，位置較南的雨區即越適用此些項目，顯示位置較北的雨區或需另行訂定其他項目或僅使用少數項目，以利預測該地的豪大雨事件。本研究可提供台灣梅雨季不同降水類型下的環境特徵，並提出現有豪大雨檢查表的不足之處，期盼未來能依其資訊進一步製作預測指標，以協助預報員在預報實務上的運作。Item 艾利颱風 (2016) 遠距降水之原因探討(2023) 鄭竣元; Zheng, Jun-Yuan本文針對2016年10月6日至9日受艾利颱風與綜觀環境場影響，在臺灣東半部發生之強降雨事件進行分析。使用WRF數值模式進行模擬，透過ETKF資料同化產生之64個系集成員進行降雨機制的探討。在風場強度與累積降雨的相關係數分析中，發現各系集成員之降雨模擬對於風場強度有很高的敏感度。透過將系集成員分成強風組 (strong wind group, SW) 和弱風組 (weak wind group, WW) 進行分析發現兩組降雨差異主要出現在臺灣東南部的區域，SW相比WW在該區有較接近觀測之降雨量，且透過風場以及水氣場的比較後發現颱風環流的發展是造成該雨區降雨的關鍵因素。而整起降雨事件根據主導的天氣系統不同，可以大致以7日0600 UTC為劃分。前期降雨主要受綜觀環境場的低壓環流影響，後期則是由艾利颱風的外圍環流主導。在颱風環流敏感度實驗中，透過海溫調降使成員中整體風場條件最好的m7之颱風環流減弱。結果顯示原本颱風環流與綜觀環境場之低壓環流的合流因此減弱，分析後發現此合流是致使後續臺灣東南部降雨的關鍵因素。在水氣敏感度實驗中則是調整m7初始相對濕度來改善事件前期花蓮附近之區域降雨，結果發現降雨肇因為低壓環流勢力北上後，將水氣帶至臺灣東部，低層東南風受地形抬升形成降雨。Item 冬季東北季風對宜蘭地區降水與氣流分佈影響之理想模擬研究(2023) 李俊賢; Li, Chun-Hsien秋冬季(9～2月)東北季風降雨為臺灣東北部與東部地區重要的降雨來源之一。由於宜蘭地區特殊的口袋狀地形使平原內氣流形成偏轉、產生輻合，而在東南側山區迎風面造成大量的降雨。本研究欲探討單純的東北風對宜蘭地區降雨及風場造成的影響，利用2020年宜蘭劇烈降雨觀測實驗(Yilan Experiment for Severe Rainfall in 2020，YESR2020)期間東北風事件的大氣環境為基礎，以CReSS模式的理想化模擬，探討不同環境濕度、風速及風向下的降雨及風場分佈。本研究以臺灣東北方海面之分析資料時空間平均，製作水平向均勻、無氣壓梯度的模式初始場及邊界條件，進行東北風理想模擬實驗。實驗設計了3種相對濕度(80%、70%、60%)、3種風速(12、8、4 m s-1)及7種風向(0°、15°、30°、45°、60°、75°、90°)，共63種大氣環境組合，探討各實驗在蘭陽平原及其周圍山區局部環流與降雨之間的關係。 各實驗分析結果顯示，當環境相對濕度改變時，對大氣穩定度、降雨量、氣流遇地形障礙後的運動方式等都有顯著影響。當空氣濕度較高時，其具有豐沛的水氣及較低的穩定度，各地山區迎風面均有較大的降雨量，且較容易爬升越過地形。氣流進入平原西南側後，由於空氣的質量堆積及沿地形舉升後的絕熱冷卻造成氣壓上升，形成較大的擾動氣壓及擾動氣壓梯度，導致氣流產生逆鐘向水平繞流，使平原東南側山區輻合降雨增強。 當環境風速改變時，對降雨強度、擾動氣壓梯度、氣流遇地形障礙後的運動方式等都有明顯改變。當環境風速較高(12 m s-1)，氣流容易沿著地形爬升、產生較大氣壓擾動，導致平原內形成水平繞流及東南側輻合增強。而當環境風速較低(4 m s-1)時，水氣供應減少，降雨強度減弱，風場較容易受擾動氣壓影響。在東北風到偏東風情境，近地面的離岸氣壓梯度力範圍越向外海移動，使輻合雨帶向東移。當環境風向改變時，降雨區域、擾動氣壓分佈、平原內氣流運動情形亦有明顯不同。當環境風向為東北風時(30°～60°)，氣流較容易進入蘭陽平原西南側形成較大擾動氣壓，導致平原內形成逆鐘向繞流增強。在環境風向較偏東風時，平原內有較大的擾動氣壓，且在高濕度、高風速情境下，平原西南側有較大的擾動氣壓梯度，在沿海地區搭配海陸地面磨擦差異，形成較強的輻合帶。Item 颱風數目年代際變化生成指數發展(2023) 劉亦宸; Liu, I-Chen西北太平洋（WNP）颱風生成數（NTC）具有年代際變化的現象，而颱風的生成會受大尺度環境場的影響，前人依此關係發展出颱風生成指數（GPI），但無法掌握到NTC年代際變化現象。因此本研究以Murakami and Wang（2010）的 GPI 及Wang and Murakami（2020）DGPI 指數中的環境參數為基礎，利用高解析度CMIP6 HighResMIP 資料與主成分迴歸分析（PCR），發展出能掌握在 WNP 區 NTC年代際變化的 GPI 。 本研究發現，夏季時多數模式能模擬到 NTC 年代際變化的現象，但在 TC 突變的模擬上和觀測結果並不一致。秋季時，海氣耦合模式的年代際變化、突變模擬上比大氣模式好。模式中以 HadGEM3-GC31-HM 的海氣模式結果與觀測最接近。在兩時期 TC 生成的空間分布差異上，大氣模式的分布和觀測不符甚至相反，而海氣模式在TC多的位置與觀測相符，不過對活躍期數量較少的西北區域較無法掌握。在相關性分析結果上，海氣模式的結果也比大氣模式接近觀測值，且呈現正相關，大氣模式則為負相關。 藉由探討 NTC 變化與大尺度環境變化的關係，我們發現在活躍期，有利於 TC 生成的大尺度環境分布情況，會與自身 TC 生成較多的區域相對應。兩時期生成指數差異的結果顯示，觀測上 Murakami and Wang（2010）的 GPI 總值變化與實際的 NTC 變化相反，未能掌握非活躍期 NTC 大幅減少的特徵。 本研究發展的新 GPI 指數（NGPI），雖然選取的環境參數與原有的 GPI 接近，但大多數以年代際變化明顯的 PC2 、 PC3 居多，尤其是在夏季。 NGPI 與原 GPI最大的不同是，夏天 NGPI 沒有絕對或相對渦度項，在動力因素上，只採用ω項、垂直風切項；在熱力因素上，只採用相對濕度 PC2 、 PC3 。秋天的 NGPI ，在動力因素上，則選用相對渦度項和垂直風切項，在熱力因素上，只採用相對濕度 PC1 。因此，在建立年代際變化新的 GPI 時，考慮不同季節選用不同的環境參數，對於不同季節 NTC 年代際變化的掌握會更好。Item 大尺度環流對西北太平洋副熱帶高壓之貢獻度(2021) 梁晏瑜; Liang, Yen-Yu西北太平洋副熱帶高壓(以下簡稱副高)的強度及範圍影響東亞地區的天氣現象，如：春末夏初的副高西北側牽制著梅雨鋒面的位置並影響水氣傳送，夏季時的熱帶氣旋沿著副高邊緣前進。若能掌握好副高的變異性及先驅指標，就能對季節性預報有較直接的幫助。大尺度環流為影響副高強度的因素之一，可分成哈德里胞環流、沃克環流及季風環流三部分，本研究分析多組再分析資料討論各環流分量對副高強度的影響，同時利用CMIP6氣候模式檢驗在全球暖化下各環流的強度及趨勢變化。本研究使用200hPa速度位來量化環流。首先將速度位的緯向平均定義為哈德里胞環流，剩餘的偏差場再分為年平均值和季節週期，分別代表沃克環流及季風環流。研究中分為兩部分，第一部分分離熱帶大尺度環流—哈德里胞環流、沃克環流及季風環流，取該環流之速度位峰值得出時間序列後，比較各環流的年際變化及長期趨勢。第二部分將各環流之時間序列移除平均場後定義為環流指數，接著選定兩處研究範圍—臺灣地區(WPSH Taiwan)及北太平洋地區(NPSH)建立副高指數，並與各環流指數做相關分析及回歸分析，討論各環流對低層不同範圍的副高變異其貢獻程度差異多寡。研究結果顯示在北太平洋地區副高的環流貢獻量，再分析資料、歷史模擬資料以及SSP 5-8.5情境下未來推估模式資料主要環流貢獻皆為哈德里胞環流，分別占了55%、51%、44%，其次皆為沃克環流分別占了36%、35%、30%。接著比較在臺灣地區副高的環流貢獻量，再分析資料、歷史模擬資料以及SSP 5-8.5情境下未來推估模式資料的主要貢獻環流皆為哈德里環流，分別占了77%、89%、55%，其次的環流貢獻上再分析資料為沃克環流(21%)、歷史模擬資料及SSP 5-8.5情境則為季風環流分別占7%、30%。Item 不同初始場在臺灣梅雨季高解析度模式定量降水預報之效益評估研究(2022) 宋俞德; Sung, Yu-Te在5-6月的梅雨季是台灣每年除了颱風季以外重要的降水來源，但其短時間累積的強降雨也是不可忽略的災害之一。在嘗試不同實驗去更了解影響梅雨季降雨各種因素的同時，人們也為了提升定量降水預報能力的方法上從預報的不同角度去切入，例如初始場資料、邊界條件、模式種類、模式設定等。所以本研究利用同化反演參數產生的初始場資料，在不同個案中與無同化資料的控制組定量降水模式的表現差異。選取個案的區間是從2016-2019年5-6月中滑動24小時累積雨量大於200mm的個案為標準。最後選取出了6個個案其中有3個鋒面型和3個西南氣流型的個案，評估12小時定量降水預報技術。 實驗設計中有五個預報成員，主要差異在預報初始時間前12小時內不同的方式產生初始場，分別有2個無同化成員-冷啟動、提前12小時預報和3個WRF同化成員-純物理過程、同化GTS、同化GTS和衛星，都是用CReSS做預報。 本論文比較無同化組和同化組成員的定量降水預報技術，同化組成員對於梅雨季的強降雨事件較過度預報但也有較好的預報技術。不過同化組成員中，同化GTS和衛星的成員也有最好的預報技術，即 ｢同化衛星資料對於台灣梅雨季定量降水預報技術有提升｣。Item 雲解析差時系集在侵襲菲律賓颱風定量降水預報之評估研究(2021) 蔡建鴻; Tsai, Chien-Hung熱帶氣旋是熱帶和中緯度地區降水的重要來源，其所帶來的降雨雖可為水資源和農業帶來好處，但在許多情況下亦透過洪水與土石流對人口和基礎設施造成廣泛的破壞。若能準確的對颱風路徑、強度及降雨等做預報，對於即將來臨的災害亦可盡早提供警報來降低人命及財產的損失。除台灣以外，東亞地區亦存在著相同遭受颱風侵擾的國家，以鄰近臺灣南邊的國家菲律賓共和國為例，其都會地區聚集來高度密集的人口，當災害來臨時，勢必要仰賴這些預報來提供警訊。歷史資料顯示，每年平均約有9個颱風登陸菲律賓，但分布於菲律賓全島的氣象觀測站僅有56座，在數量與密度上均嫌不足，且計算資源也較不充分下。本研究利用雲解析差時系集預報對於2018年侵襲菲律賓的山竹颱風、2015年的巨爵颱風以及茉莉颱風作定量降水預報之評估，將預報結果的降水量與衛星及觀測雨量站的資料做比對，並校驗其技術得分，以了解在差時系集方法下，定量降水預報之參考價值。結果顯示，差時系集預報在颱風路徑、最大風速及最低氣壓之預報上皆有當預報初始時間越接近實際觀測時，其誤差變小的趨勢，並且離目標降水時段兩天前之內開始的預報路徑誤差都在150公里以下。在降雨方面，其強度與位置分布也會隨預報時間越接近目標降水時段而越與觀測接近，顯示該三個個案利用差時系集預報方法，可提前在防災應變上提供有用的參考資訊。技術得分校驗結果顯示，差時系集預報中路徑誤差較小之成員若使用全球降水測量(GPM)資料計算佔比技術得分(FSS)，山竹、巨爵和茉莉颱風分別為0.8、0.7和0.5以上，使用測站資料計算得分則分別為0.5、0.6和0.7以上。在使用預兆得分(TS)評估結果得知，整體趨勢與FSS得分相似，在高門檻值強降水區域都有不錯的預報表現，顯示差時系集預報對於颱風降雨有一定程度技術。Item 臺灣梅雨季滯留性雨帶之模擬研究：2017年6月2日個案(2021) 葉亭妤; Yeh, Ting-Yu2017年6月2日有一梅雨鋒面與伴隨雨帶在臺灣北海岸地區造成超大豪雨事件，鋒面在凌晨接近臺灣北部近海緩慢南移且呈現類似滯留的現象，對流系統在北海岸造成的12小時累積雨量高達641毫米，受此強降雨的影響在北部地區出現多處淹水的災情。綜觀環境分析顯示，低層有噴流存在、低層鋒面擾動輻合配合高對流層輻散，有利於對流系統形成與加強。雷達回波與色調強化雲圖顯示，臺灣北部上空的對流發展旺盛，類似颮線的鋒面對流帶滯留在北海岸與臺灣海峽北部，其上的對流胞不斷東移登陸造成持續的強降雨。本研究使用日本名古屋大學的雲解析風暴模式（CReSS 3.4.2版）模擬此個案探討造成高累積雨量的原因。3公里解析度的模擬顯示，模式對於綜觀環境的表現及鋒面接近臺灣北部時移動緩慢近似滯留的現象有不錯的掌握，累積降水值可達到近400毫米。透過地形敏感度實驗的比較，顯示地形噴流的形成可產生較強的輻合帶使對流發展與增強，移除臺灣地形後只有西南風與東北風產生的輻合，其強度較弱且生成對流較少，只移除北部地形的影響則差別甚小。利用前述3公里模擬與預報的一個成員所驅動的1公里高解析度模擬顯示，前者在24小時同樣可累積近400毫米的雨量，但高解析度預報則可超過600毫米，更接近實際觀測值。可能造成兩者累積雨量差別的結果為高解析度預報因雨帶在相同地方持續較久的時間，故在小區域可以累積集中更多降雨；而儘管模擬的鋒面移動同樣慢、降雨強度也相似，但因較屬移行性雨帶，較未停留在相同地方而導致降雨較分散。高解析預報有低壓擾動的生成在臺灣西北外海使臺灣北部近海的輻合帶長時間沒有移動，低壓南側西風與西南風產生輻合，西南西風被增強同時也增強與東北風輻合強度，海峽北部的輻合帶位置不變，降水可以集中且累積降雨較多；而模擬缺少低壓擾動的形成，為西南風和東北風產生的輻合，導致輻合帶不持續位置也不固定，雖然整體的降水多但雨帶多為移行性，因此無法集中在北海岸地區。