臺灣地區受到氣候變遷與都市熱島效應等大小尺度機率式天氣之影響，降雨之時空分布逐漸改變，對於都會區之水利防災工作產生 相當大之衝擊。檢視現存之災前及災中之災害預警資訊可知，現今所考慮之淹水潛勢圖和降雨-淹水警戒門檻值。其預警資訊中皆缺乏災害潛勢之 機率或是不確定性。對於接收端的決策者、地方政府或民眾而言，在無法清楚了解預警機制或災害潛勢如何計算之情況下， 很容易誤用災害預警資訊，造成防災資源的浪費，或民眾對於政府警戒資訊的不信任感。據此，探討氣候變遷下極端天氣之降雨分布特性， 可提供災害預警模式設定時空尺度之參考，且應用地面雨量站及降雨雷達產品，建立適合大臺北都會區洪氾管理之機率式災害預警模型有 其必要性及迫切性。

致災事件之年際頻率圖

短延時強降雨是在不同時空尺度之大氣因子複雜交互作用下所引致之極端降雨情形，若用傳統多變量統計分析模式仍不易得到 滿意之相關性分析。本研究擬應用非監督式學習之自組織映射網路(Self-Organizing Map, SOM)由降雨雷達所提供之三維回波資料、 地面雨量站等環境指標進行極短期降雨資料探勘。本研究以臺北市松山區中華里為研究區域，利用自組織映射網路自我學習之特性， 研析造成積淹水之極短期降雨與環境指標之關係，如圖所示。

研究概念圖

本研究在測試和訓練的過程中顯示，目前使用SOM針對了降雨量預估和預報中，的確已有能力提前掌握相關降雨和災害訊號。 但是在雷達回波與不同地形高程、距離關係上掌握程度仍有不確定性；經過評估後選定特定訓練區域以及使用頻率式降雨量預報之方式， 能適當的發布警戒和淹水預報，並能從原訂一級降雨量警戒值 60 mm/hr 調至 40 mm/hr，更能提前發布機率性預報以及雷達回波所對應之降雨範圍。

短延時強降雨致災潛勢示意圖

為進行定量化之雨量預報分析，本子計畫建置氣象水文情資研判系統架構。 本系統蒐集了歐洲中長期數值預報(European Centre for Medium-Range Weather Forecasts，以下簡稱歐洲模式或EC)、 美國國家環境預測中心National Centers for Environmental Prediction(NCEP)之全球數值天氣預報系統(Global Forecast System， 以下簡稱美國模式或GFS)、國家災害防救科技中心(NCDR)之MPAS及展期降尺度等圖像資料，藉由「逆向工程」，將圖像資料轉換為數值資料， 另外亦自中央氣象局開放資料平臺蒐集逐十分鐘觀測雨量資料，建置雨量資料庫。上述二者經資料整合後，依照氣象水文情資研判之需求 繪製客製化圖資，將逆向工程數值化之資料、降雨觀測資料及繪製完成之圖資同步上傳至Google雲端硬碟。本系統架構將雲端硬碟劃分為兩部分， 一部分作為雲端歷史資料庫，具備查詢過去各國模式預報數化資料、預報圖資及中央氣象局相關圖資；另一部分作為氣象水文情資研判系統網站 與雲端資料庫間之應用程式介面(Application Programming Interface，簡稱API)，凡是上傳至雲端資料庫之圖資，將會同步更新至前端網站， 有利於臺大天災中心人員即時透過氣象水文情資研判系統網站，進行天氣及水情分析。此外，本系統網站係由WordPress及相關插件進行架設。

氣象水文情資研判系統現行架構圖

本計畫利用Windy逆向工程重新繪製之EC(歐洲模式)及GFS(美國模式)每隔十二小時之24小時累積降雨預報圖， 進行客製化之天氣情資研判及水情分析。另一方面，為使防災人員快速了解各地水情，以及未來水情之評估， 本系統網頁於左側嵌入中央氣象局之十分鐘雨量頁面，該頁可針對過去10分鐘、1小時、3小時、6小時、12小時、24小時、本日累積、 前一日累積、前兩日累積降雨量進行測站排序。防災人員可透過頁面內建之排序功能，快速找出目前雨量最大之測站； 並可將測站代碼複製至右側欄位進行輸入，該頁面即會自動導入該測站之結果頁面，結果頁面將會顯示該測站之過去24小時降雨歷線觀測值 至未來72小時之歐洲模式及美國模式之降雨歷線預測值。此外，降雨歷線圖所呈現之時間尺度分別設有1小時累積雨量、 3小時累積雨量及24小時累積雨量等三種時間尺度之降雨歷線圖。

降雨歷線測站代碼查詢功能演示

0622梅雨─多納林道測站24小時降雨歷線圖

最後，本計畫執行時之一大重點為：所有氣象資訊之處理皆由過往之「圖像化」分析升級為「數值化」分析。 本計畫建置各式預報方法的數值化資料庫，並針對各模式客觀預報之表現進行定量校驗與檢討，嘗試了解現行預報之誤差特性。 唯有在了解各模式之客觀預報特性後，方能進行前瞻研究並改善定量降雨預報。進一步來說，預報技術的改善需配合嚴謹的校驗， 並了解所針對天氣系統之物理可預報度(internal predictability)與實作可預報度 (practical predictability)， 並適時納入機率預報與不確定性分析。

近年來，颱風與豪雨對於臺灣各地造成重大災情，嚴重影響民眾生活與安全，為期提昇災前與災中之整備應變能力， 透過科學的研究工具與方法，累聚研發防災能量，回饋易致災之各類颱風或豪雨情資之專業診斷分析，預先提供判斷建議于防災整備單位， 減少或降低坡地災害可能肇致的損失災情。
檢視2006-2020年 (共15年)臺灣土砂災害案例彙整資料（其中，土砂災害案例選取，以水保局官網公告標定之重大災害事件為準）， 土砂災害事件包含有土石流、崩塌、地滑、洪水、沖蝕。統計分析結果顯示，土砂災害肇生次數有減少趨勢，前7年的肇生事件數，佔總數72.9％； 土砂災害事件肇生數量以2009年最多（共127件），2020年最少（共3件）；分布並無年際變化，也就是說，土砂災害事件的肇生是與當年影響 的天氣系統現況與當時環境量場有關，年際分布並無規律變化的特徵。再由土砂災害事件的時空分布來看，最容易肇生的地區分別有 新北市、宜蘭縣、南投縣、嘉義縣、高雄市及屏東縣；其中，高屏兩地合佔總數的26％最多。另一方面，最常發生的時段落在6-10月， 暖季合佔總數的96％最多，與原先預期相當吻合。然而，我們更關心當有土砂災害事件發生之際，當時的天氣系統以及環境特徵。 結果顯示，主要可分為5大類型，
1.第1種類型：颱風、熱帶擾動或颱風過後所引進的西南氣流，共計373件，佔總數的75.4％。
2.第2種類型：梅雨鋒面，共計77件，佔總數的15.6％。
3.第3種類型：非梅雨鋒面的鋒面，以及午後雷陣雨，共計22件。
4.第4種類型：東北季風，以及東北季風與南方低壓系統所結合的共伴環流，共計14件。
5.第5種類型：地震，共計9件。
透過由日本名古屋大學所發展的CReSS雲解析度風暴模式（Cloud-Resolving Storm Simulator Model, CReSS 模式）進行雨量評估分析， 模擬結果發現，模式對於強降雨天氣系統具有相當程度的掌握預報能力，可用來釐清劇烈降雨系統發生與延續的時間、強度以及運動變化趨勢； 另一方面，嘗試提高模式的解析度，強化網格解析度為5 km及1小時輸出產品的頻度，結果驗證有助於掌握降雨系統的時空分布， 並進一步瞭解劇烈降水的影響範圍以及強度變化，經由綜合研判、診斷分析、事先預警及有效支援，俾利提昇坡地災害防救災害效能。 以今年10月中旬的圓規颱風及其後1013豪雨事件微粒，臺大天災中心研究團隊利用10月10日20時網格資料做為模式初始場資料， 進行數值模式的模擬計算，結果顯示，降雨歷線呈現出10月10日後的降雨相當連續且集中，降雨強度以時雨量20-40mm居多， 降雨最大的時段會落在10月12日至10月13日，降雨熱區又以宜蘭南部及花蓮地區最為顯著，這些預測的降雨資訊直接回饋於防災應變人員在調度整備、 預先部署作業安排的重要參考之一。

CReSS雲解析度風暴模式對2021年10月11日至10月14 日的颱風及颱風外圍環流降雨個案進行降雨歷線的模擬預報；其中，綠條柱：小於20mm；黃條柱：大於20mm且小於40mm；紅條柱：大於40mm且小於60mm；紫條柱：大於60mm（均為1小時累積降雨量）