張巧薇 ¹ 江建霆 ² 劉高源 ¹ 蘇世顥 ^1*
1 中國文化大學大氣科學系 2 中國文化大學地學所
(中華民國 107 年 10 月 26 日 收稿;中華民國 108 年 3 月 27 日定稿)

摘要

　　本研究利用三種不同的客觀分析診斷工具,測試對於辨識臺灣地區鋒面事件的能力。基於鋒面熱力參數(TFP)之空間變異所發展之診斷工具,在診斷分析時,可同時提供鋒面位置與強度等資訊,有助於推估受鋒面影響之降雨之空間分布與降雨強度變化。另外,以自組織映射圖(SOM)群聚分析技術發展之診斷工具,為非監督式學習架構,可大幅降低人為主觀判斷所導致之誤差。診斷的同時,將各類型相似環境特徵的事件加以標示,對於推估氣候變遷下,伴隨鋒面系統之劇烈天氣事件發生頻率變異提供極佳的資訊。考量到計算資源限制與降低主觀誤差等要素,我們發展基於機器學習技術之診斷工具。針對鋒面系統判定之測試結果顯示,無論是以線性或非線性模組作為核心之演算模型,均能掌握鋒面頻率變化之長期變異。傳統客觀分析方法診斷影響臺灣之鋒面系統能力較差,各季節之命中率約 0.1-0.25,但誤報率較低。SOM 診斷工具在命中率的表現些微優於機器學習方法,但同時伴隨著誤報率偏高的缺點。相較於傳統客觀分析方法,這兩種新的客觀診斷工具之系統判定成效皆較佳。整體而言,以SOM 技術為基礎之診斷工具能診斷出大部分鋒面事件,但有過度判定的傾。而基於機器學習方法之診斷工具,在命中率上與 SOM 相距不遠,但卻可大幅降低誤報率,對於長期鋒面系統頻率變化有較好的掌握能力。

關鍵詞:鋒面系統、客觀診斷、群聚分析、機器學習