文/董冠麟(台灣大學地理環境資源系學生)
点击这里设置自定义 HTML
今年八月的蘇迪勒颱風以及九月底的杜鵑颱風重創台灣北部地區,也引發北部地區水資源管理的議題。然而,為何過去幾年那麼多颱風經過,都沒有對台灣北部造成太多衝擊,今年這兩個颱風卻可以造成如此衝擊呢?或許我們可以從「空間」的觀點,來觀察台灣的降雨分布。
根據中央氣象局的颱風歷史資料庫,颱風的路徑主要可以分成9類;前五類為向西移動的颱風、後四類則為南向北移動的颱風:
第一類:颱風主要是從台灣北部外海向西或向西北方移動者、
第二類:自台灣北部向西或西北移動者、
第三類:自台灣中部向西或西北方移動者、
第四類:自台灣南部向西或西北不移動者、
第五類:自台灣南部海面向西或西北移動者、
第六類:自台灣東岸或外海向北移動者、
第七類:自台灣西岸或外海向北移動者、
第八類:自台灣南部外海向東或東北移動者、
第九類:自台灣南部向東或東北移動者
以1897至2014年颱風統計而言,在118個侵台颱風中,以第三類、第四類及第二類颱風數量佔前三名,個別為30次、28次及21次。
台灣的氣象站主要由中央氣象局負責控管,截至目前為止,台灣的雨量監測站共計約有四百多個,密度足以知道每個地方的降雨量;然而,如果只是透過數據或表格的判讀,可能很難協助我們快速掌握降雨分布,因此我們可以利用地理技術中的「空間分析」協助我們將資料視覺化,並利用推估的方式,計算整個台灣的降雨分布。
資料處理的部分,我們先取得1897年到1997年的資料(由於「台灣颱風預報輔助系統」已有1897年到1997年整理好的資料,為了方便,暫且使用這100年資料作分析);將所有的資料下載下來;並利用ESRI ArcGIS軟體,將測站的資料投影到平面上,接著我們利用地理技術中的空間統計的「kriging(克利金)」內插法,從現有的雨量資料中去內插出整個台灣的降雨量。由於作圖時間因素,所以本文只做第一類至第七類路徑颱風累積雨量推估。
根據中央氣象局的颱風歷史資料庫,颱風的路徑主要可以分成9類;前五類為向西移動的颱風、後四類則為南向北移動的颱風:
第一類:颱風主要是從台灣北部外海向西或向西北方移動者、
第二類:自台灣北部向西或西北移動者、
第三類:自台灣中部向西或西北方移動者、
第四類:自台灣南部向西或西北不移動者、
第五類:自台灣南部海面向西或西北移動者、
第六類:自台灣東岸或外海向北移動者、
第七類:自台灣西岸或外海向北移動者、
第八類:自台灣南部外海向東或東北移動者、
第九類:自台灣南部向東或東北移動者
以1897至2014年颱風統計而言,在118個侵台颱風中,以第三類、第四類及第二類颱風數量佔前三名,個別為30次、28次及21次。
台灣的氣象站主要由中央氣象局負責控管,截至目前為止,台灣的雨量監測站共計約有四百多個,密度足以知道每個地方的降雨量;然而,如果只是透過數據或表格的判讀,可能很難協助我們快速掌握降雨分布,因此我們可以利用地理技術中的「空間分析」協助我們將資料視覺化,並利用推估的方式,計算整個台灣的降雨分布。
資料處理的部分,我們先取得1897年到1997年的資料(由於「台灣颱風預報輔助系統」已有1897年到1997年整理好的資料,為了方便,暫且使用這100年資料作分析);將所有的資料下載下來;並利用ESRI ArcGIS軟體,將測站的資料投影到平面上,接著我們利用地理技術中的空間統計的「kriging(克利金)」內插法,從現有的雨量資料中去內插出整個台灣的降雨量。由於作圖時間因素,所以本文只做第一類至第七類路徑颱風累積雨量推估。
第一類路徑颱風
由於第一類颱風從台灣北部外海經過,因此對台灣北半部有較明顯降雨;從推估的結果看,也與推理結果相似;我們取最近一次的2013年菲特颱風累積雨量(圖三)做比較;確實以台灣北部降雨為主、由東北向西南遞減。
第二類颱風路徑
第二類颱風從台灣北部進入台灣本島,因此推測也以台灣北部降雨為主;然而根據分析結果,北部地區除了台北市地區有較明顯的累積雨量外,其餘北部地區無明顯降雨,推測可能原因為過去測站資料密度較低,因此北部地區除了測站密度較高的台北市以外;其他北部地區稍有落差。然而,從推估及實際颱風(2015年9月杜鵑颱風)的資料比對觀察,基本上降雨的主要地區皆為北部及阿里山附近,相當吻合。
第三類颱風路徑
第三類颱風由台灣東部中央約花蓮一帶進入台灣,從分析的結果觀察,以東部及東南部降雨量較明顯,其餘則為接近山區一帶有較高的累積雨量。我們可以比對今年的八月的蘇迪勒颱風及2014年的麥德姆颱風。從蘇迪勒颱風觀察,台灣東北部有相對高的累積降雨,但分析結果中台灣北部降雨明顯較少,與結果不合;而2014年的麥德姆颱風卻較接近台灣。從兩個颱風比較上觀察,發現兩颱風的暴風半徑有明顯差距,例如10級暴風半徑杜鵑為100公里、麥德姆則為80公里,其他誤差可能包括實際行經路徑差異、參考的推估資料量不足等。
第四類颱風路徑
從推估的結果觀察,第四類颱風的累積雨量由西北向東南遞增,最高雨量落在台東及屏東一帶;從2011年的南瑪都颱風觀察比對,整體而言降雨量從西北向東南遞增,趨勢上與推估的結果相當吻合。
第五類颱風路徑
第五類颱風推估結果與第四類颱風結果相近,皆為自西北向南(東南)遞增。然而,從2013年天兔颱風的觀察而言,最高的降雨偏向東部;而推估的結果偏向東南側;推測可能原因為颱風實際路徑或滯留時間、暴風半徑等因素有關;但整體趨勢上大致吻合。
第六類路徑颱風
基本上第六類颱風泛指所有從台灣東南外海向北移動的颱風;由於自南向北,邏輯上中央山脈以西都會有降雨、東部則為局部降雨。然而,推估的結果顯示,南邊及北邊有相對明顯降雨,中部一帶有明顯的低雨量區。再與2013年的康芮颱風比較,發現非常不吻合。推測原因為資料量不足(1897~2014年,共計6個,佔所有侵台颱風數量5%),滯留時間、暴風半徑等因素。
第七類颱風路徑
第七類路徑颱風,自1897至2014年共計三個;由於資料量少因此表準差不會太大。從推估的結果觀察,雨量在西南部及東南有較高的雨量;整體趨勢由北向南(微偏東)遞增。與2001年奇比颱風觀測結果相近。
基本上推估的結果皆與實際觀測結果相近,現在也已有許多政府部門或防災機關利用地理技術做為防災的重要參考依據,以上文章提供各位讀者做參考,也可以做為下次颱風襲台時的參考及推測依據。
補充說明
參考資料
校稿編輯:林士榮
基本上推估的結果皆與實際觀測結果相近,現在也已有許多政府部門或防災機關利用地理技術做為防災的重要參考依據,以上文章提供各位讀者做參考,也可以做為下次颱風襲台時的參考及推測依據。
補充說明
- 由於測站的數量是在最近幾年才逐漸遞增,因此為了資料的連貫性,只取用架設已久的測站資料(主要參考自「台灣颱風預報輔助系統」平台)做推估。
- 空間推估的方式有許多種,克利金方法也有許多種模型,在以上的推估過程是用spherical model做推估。
- 讀者可以觀察到,比較推估結果與實際上的雨量分布,雖然在大致趨勢上相似,但個案之間的差異往往落差甚大,推測原因如下:首先,空間推估是一種樣本統計方法,但單一颱風的結構與降雨特性變異度大;再者,近年雨量測站的密度、準確度逐漸提升,也可能導致推估結果與實際雨量分布之間的關係發生變化。
參考資料
- 中央氣象局颱風資料庫,http://rdc28.cwb.gov.tw/TDB/ntdb/pageControl/basic
- 颱風部屋,http://www.tyroom.url.tw/typhoon/statistics/tai_01.htm#200
- 台灣颱風預報輔助系統,http://photino.cwb.gov.tw/tyweb/typhoon_eye/forcastuse_rain04a01.htm
校稿編輯:林士榮