進入主要內容 :::
:::

請下拉選擇功能

:::

強化氣象災害數據智能化預警技術

一、計畫目的

根據過去台灣地區氣象災害事件發生的紀錄,颱風、豪雨的發生最為頻繁,其次是寒害、乾旱。目前國內氣象預報均以中央氣象局預報為主,已可以掌握災害氣象的趨勢,對中央災害應變中心運作已有相當大的助益。然而,在資源有限的情形下,如何正確解讀氣象資訊並將資訊細緻化,是目前防災所面臨的挑戰。

就氣象災害預警技術的研發而言,若利用天氣尺度進行災害預警的分類,可分為極短期降雨預警、颱洪預警與極端氣候預警三個部分。在極短期降雨預警部分,利用新建置的防災降雨雷達資料進行開發,本年度將延續去年所研發的新整合技術(the extrapolation adjusted by model predictionExAMP),透過雷達即時處理、分析及推估進行災變天氣的監測,並進一步整合雷達資料同化與高解析數值預報相關技術,來發展短延時強降雨預警技術。在颱洪預警技術研發方面,以多重尺度的全球模式(Model for Prediction Across ScalesMPAS)與颱洪系集雨量預報系統為基礎,透過多尺度多模式方式來開發無接縫(Seamless)預警技術,以滿足不同尺度的預警需求。此外,將模式預報資料再利用統計方法進行分群與訊號分析,以分析颱風與豪雨的災害風險,來提供預警資訊。極端氣候預警技術部分,由於氣候預報技術仍有許多瓶頸需要突破,本計畫除了利用國內外各單位所發布的預報資料進行預警外,仍會持續發展極端與災變氣候的監測技術,提供因極端氣候所導致的災害前兆,做為防災預警的整備依據。

近年數據科學蓬勃發展,國內外資料開發的倡議不斷。本計畫將積極收集防災大數據資料,同時介接民生公共物聯網所建置成果,強化防災大數據的預警應用,利用AI演算的引進發展新的預警方法,並透過即時資料分析建構新的災害預警模組,強化預警能力。

 

圖1、應用新雷達回波整合技術 (the extrapolation adjusted by model predictionExAMP) 所開發的行動裝置APP「落雨小幫手」中回波、雨量轉換展示

 

二、執行內容

本計畫執行時分為四部分:

第一部分為「運用高解析防災降雨雷達網資料強化暴雨即時監測技術」。利用整合氣象雷達與降雨雷達的觀測資料,進行估計降雨技術(QPE)的再精進,同時利用去年建置的全台風場估計技術(WISSDOM)自動化模組,配合中央氣象局與台電的閃電觀測,研判極端強降雨的發生。另外,新建置的降雨雷達可提供先進的偏極化觀測,可以用以推估雨滴顆粒相關資訊,有助於雨量估算與預報。

第二部分為「強化颱洪多模式多尺度定量降雨預報技術發展」。以多重尺度的全球模式(Model for Prediction Across ScalesMPAS)與颱洪系集雨量預報系統為基礎,建構數值預報模式的預警系統。多模式預警系統包括,(1)雷達資料同化系統精進,利用即時雷達觀測資料與WISSDOM三維反演風場資料,進行高解析模式資料同化技術研究,以提升短時間模擬與預警技術能力。(2)系集降雨預報系統改版,針對颱風、梅雨、午後雷暴強降雨、旱災等氣象相關災害事件提升預警能力,透過物理靈敏度測試、資料同化技術改良、統計分析技術研發等方法重新建置新版系集雨量預警系統。(3)月尺度預警技術研發,利用多重尺度的全球模式(MPAS)為基礎,建立歷史模擬資料,進行月預報系統建置。(4)多尺度預警評估系統。

 

圖2、全方位、多尺度多模式預警系統架構與工作項目

第三部分為「利用機器學習開發極端降雨預警技術」。氣象數據包含觀測資料、再分析資料及模式預報資訊等,每項資料都有它的價值與限制。隨著大數據科學的崛起,本子計畫已引進機器學習的相關AI技術,透過過去研發經驗,進行大數據的分析與模組化的訓練。本年度將擴大建立全台AI判識極端降雨的能力,預計針對極端降雨事件進行建模、判識學習與預警模組等技術開發,期望透過數據科學的運用降低預報的不確定性,強化掌控災害風險能力。

第四部分為「強化防災應變整備之氣象前兆評估研究」。颱洪災害應變與水資源管理,都需要長度不一的整備時間,倘若可以有效發掘災害氣象的演變,建立前兆指標進行監測,將有助於災害應變與防災管理的整備與佈署決策。本計畫將針對過去氣象災害事件(颱洪、旱災、寒害、高溫等)引進與比對各項國內外已研發的氣候指標,透過燈號方式建立指標監測的操作標準。本年度將先針對西北太平洋影響颱風的氣候指標進行技術開發,建立防災管理與應變操作可用的參考訊號。

 

三、重點成果

年度預計產出如下:

(一)     運用高解析防災降雨雷達資料,強化極端降雨預警技術與防災產品開發

(二)     颱洪暴雨月預報歷史多年背景資料建置

(三)     美國大氣研究中心(NCAR)相關定量降雨模式技術引進,進行自動化與作業化開發

(四)     運用AI機器學習技術,建立全台分區預警技術的建模

(五)     建立防災管理與災害應變時可運用的氣象前兆指標產

 

四、歷年相關成果

1.2020年度重點成果請參閱技術報告「雷達觀測資料即時處理技術及產品應用之開發」(NCDR109-A12)

2.2020年度重點成果請參閱技術報告「AI技術於區域降雨與雷達回波判識先期研究」(NCDR109-T15)

3.2020年度重點成果請參閱技術報告「模式調整外延(ExAMP)即時預報方法之開發與應用」(NCDR109-T04)

4.2020年度重點成果請參閱技術報告「MPAS全球模式冬季月預報技術先期研究」(NCDR109-T01)

置頂