章鶴群 ¹ 陳冠儒 ¹ 劉豫臻 ¹ 張惠玲 ² 洪景山 ³ 楊舒芝 ⁴

¹中央氣象局第四組
²中央氣象局科技中心
³中央氣象局資訊中心
⁴國立中央大學大氣物理研究所

(中華民國 107 年 4 月 19 日收稿,中華民國 107 年 6 月 27 日定稿)

摘 要

　　中央氣象局 WRF 系集預報系統(WRF Ensemble Prediction System, WEPS)所提供的颱風降雨機率預報(probabilistic quantitative precipitation forecasts, PQPFs),具有明顯的系統性偏差。本研究嘗試對 WEPS 所做的降雨機率預報進行校正以修正其偏差,令降雨預報的結果更具有實用價值,讓使用者參考該預報產品做出的決策能得到最大的經濟價值。
　　本研究使用劇烈天氣監測系統(QPESUMS)的雷達估計降雨量做為校正 WEPS 降雨機率的依據,校正的方法分別為線性迴歸法(Linear Regression, LR)及非線性的類神經網路法(Artificial Neural Networks, ANN),分析其校正後的可信度與區辨能力。在校正實驗中,將訓練樣本區分為全區和陸地,陸地再細分為平地(地形高度低於 500 公尺)和山區(地形高度高於 500 公尺),比較不同的訓練樣本對於校正後的結果有何影響。
　　研究結果發現,線性的 LR 和非線性的 ANN 方法都能夠成功地修正 WEPS 的降雨預報。校正後明顯增加了可信度,且對於降雨事件仍具有相當不錯的區辨能力,透過 Brier Skill Score( BrSS )的分析則證明校正後提升了預報能力。而將訓練樣本侷限在陸地,能夠將預報結果校正到十分接近完美可信(Perfectly reliable),並對降雨事件的區辨能力良好,預報能力也提升。
關鍵詞:系集降雨機率預報、迴歸法、類神經網路法