论文部分内容阅读
自2010年来,作者使用日本名古屋大学「云解析风暴模式」(Cloud-resolving Storm Simulator,简称CReSS)进行台湾例行天气预报之水平网格间距为5km及2.5 km,后者足可解析对流云之基本结构.目前每日实时进行四次78 h预报,并提供给「台湾台风洪水研究中心」之系集降水预报实验.其中2.5 km成员为该实验中分辨率最高、且细网格区亦最大者.本研究即评估2.5 km和5km模式,对2012-2014年台湾梅雨季的24 h定量降水预报(quantitative precipitation forecast,QPF)表现、研究其特性、并讨论此特性之意涵,以更了解传统技术得分评估的本质、及适当评估的方法.传统评估模式QPF技术之得分,如预兆得分(或T得分),在个别预报中的普遍现象为,得分随降水门坎值下降.此特性也同时意味,模式对愈大规模的事件(雨区愈大)之平均得分将愈高,即愈有预报能力.本文将梅雨期间每24 h根据观测雨量,由多雨至少雨分为A-D四级,而连D组都未达者,则列入至X组.另由A组中挑选全台有超过10％的雨量站达到130 mm者为A+组,代表在A组中雨势规模最大事件.2.5 krn模式分类后之评估显示,模式QPF对的A+组得分最高,A级者次之,然后随B、C、D逐步下降.针对A+组的0-24 h QPF的平均TS,在50、130、200、及350mm的豪(大)雨门坎处,分别达0 45、0 29、0.24、及0.21； 24-48 h QPF为0.43、0.26、0.2及0.07；而48-72 h亦有0.4、0.19、0.09及0.04的得分,A组亦有相似之结果.显示针对雨势规模大的时段,CReSS不但表现优异,且具有相当的前置时间(约1-2天)供防灾应变准备,亟待进一步的积极应用.本研究亦比较2.5 km与5km预报技术,显示当模式分辨率提高时,对雨势规模大的A+和A组有较佳的预报技术,尤其在豪(大)雨门坎(50-500 mm)最为显著.同时,在降雨预报不足方面,豪(大)雨门坎评估2.5 km较5km的模式预报有所改善,且随模式预报时间拉长,其预报技术降低的速率也较慢.另外,长期以来传统评估的平均得分包括了过多不重要时段(如本文中B-D组),这些时段雨区小,得分由少数测站计算,统计代表性亦低.然而造成致灾的时段(如本文中A和A+)才是最关键且重要的,评估应包括这些时段才是针对重点评估.