颱風風力預報技術發展 －氣候模式建立 許秀妮 飛航服務總臺　 2015年10月20日

大綱 前言 颱風風力預報技術發展－*氣候模式 相對於颱風中心位置各機場之風場特性 實際個案之應用及分析 結論 機場風力預報作業輔助工具介紹 資料及處理流程 相對於颱風中心位置各機場之風場特性 實際個案之應用及分析 結論 * 目前仍於研發及測試階段

前言－颱風風場預報服務 颱風期間風場(含＊最大風力)預報為最重要的工作項目之一。 為提供高品質之航空氣象服務，近年臺北航空氣象中心致力於開發1. 侵臺颱風對各民航機場的風場統計程式（2008）及 2. 類神經網路颱風風力程式 （2011） 等預報輔助工具，輔助預報員製作各民航機場（18-30小 時）機場預報和（24小時）最大風力預報產品供航空管制 單位、航空站及航空公司參考使用。 1.侵臺颱風對各民航機場的風場統計2008, CAA-ANWS-097-3-01 2.颱風接近期間各機場風力類神經網路分析系統建置及應用2011,CAA-ANWS- 100-3-01 ＊最大風力預測值為依據最新之機場預報(TAF)各時段內可能短暫或持續性出現之最大平均風速及陣風

前言－颱風風力預報輔助工具(一) 風場搜尋系統 輸入颱風： 侵臺颱風對各民航機場的風場統計, 2008年 1.中心經緯度 2.氣壓值 3.最大風速 4.移動方向 5.搜尋範圍 輸出各機場METAR： A.風向分布範圍 與風速大小 B.風速分布及頻率 C.各風速區間風向 　分布及頻率 D.各風速級距的最 　大風速分布 風場搜尋系統

前言－颱風風力預報輔助工具(二) 類神經網路的非線性迴歸分析 各民航機場風力類神經網路分析, 2011年 輸入預測颱風： 1.中心經緯度 2.氣壓值 3.七級風暴風半徑 輸出各機場： 未來每3小時之量化風場數值

+ 颱風風力預報技術發展 類比法 氣候統計法 風場預報 歷史案例的重現性 統計預報的穩定及重現性優點 為提升航空氣象服務品質，滿足航空公司提出延長預報時間至(~72小時)風場預報需求或在未發布颱風警報階段前提供各民航機場之風場預報供參考，預報員需研判颱風影響範圍、時段及程度。 氣候模式之建立：提供快速便利、簡單明瞭之客觀颱風風場預報參考工具，輔助預報員研判各機場風場變化趨勢。 氣候統計法 歷史案例的重現性 類比法 考慮特徵相似之歷史颱風個案 風場預報 + 統計預報的穩定及重現性優點

氣候模式設計概念 階段一 氣候統計客觀參考指引 階段二 颱風特徵修正參考指引 階段一 氣候統計客觀參考指引 數值模式對地形效應或機場地理位置因素所導致的風場特徵掌握較差，無法直接利用。 颱風風場型態與颱風中心相對的位置有很強的連結，利用風場觀測與颱風路徑資料，建立颱風期間各機場氣候統計風場資料庫。 建基於歷史颱風資料的統計應用，考慮歷史案例的重現性。 適用於一般典型（平均狀態）的颱風，但對非典型颱風(伴隨雲雨帶)會有低估陣風的情況。 階段二 颱風特徵修正參考指引 篩選合適條件之預報指引進行風場統計計算，以突顯類似颱風個案間之風場特徵。 依颱風個案風場特徵調整風力計算時所採用的權重或統計指標。

氣候模式之建立 資料收集： 10個民航機場之例行及特別天氣報告(部分機場無全日觀測) 1970年至2014年中央氣象局每六小時之颱風路徑資料，共274個颱風 機場 資料期間 ~2014年 颱風個數 RCSS 1970 274 RCTP 1979 223 RCKH RCKW 2004 65 RCFN 1987 170 RCGI 1995 117 RCLY 1996 111 RCBS 2000 93 RCMT 102 RCFG 2003 74

階段一 氣候統計 資料處理流程 颱風路徑資料內插成每一小時（中心位置經緯度、中心氣壓） 找出相對應時間內之各機場METAR/SPECI 10分鍾平均風向、風速及陣風(KT)觀測，並計算跑道側風值和陣風與平均風速之比 統計範圍：颱風進入守視範圍15°N~30°N，113°E~135°E 以經緯度各0.5度(~55km)網格點為間距 颱風風場網格資料庫： 歷年颱風經過該網格區域時，該機場觀測風向、風速、 陣風 平均值、眾數、中位數、標準差 最大平均風速 最大陣風 颱風過境該網格之觀測次數 網格資料繪圖（風場潛勢圖）

各網格點風場資料 - 以RCTP為例 圖形及文字顯示 A. 風場潛勢圖 B. 風場分布圖及相關資訊(颱風名字、強度及暴風半徑) 風速 統計指標 風向 風速 陣風 側風 陣風與平均風之比 眾數 040 29 39 19 1.3 中位數 030 27 40 10 1.5 平均值 11 標準差 050 15 0.2 最大平均風速 020 62 83 最大陣風 60 90 颱風過境該網格之觀測次數　（148） C.風場統計 TY OBS TIME Wind Gust/wind 2008 JANGMI 09/28 0830Z 02062G83KT 1.34 09/28 0900Z 03060G90KT 1.5

各網格點風場資料 - 以RCTP為例 風速≧48KT 陣風≧60KT RCTP RCSS D. 機場出現強風(可能不適航)之頻率圖 發生頻率及颱風中心之位置

應用-自颱風進入本區守視範圍 利用相對於颱風中心位置各機場之風場潛勢圖及預測颱風路徑圖 以快速便利、簡單明瞭之方式，輔助長時風場預報，並評估颱風影響範圍、時段及程度。 研判各民航機場平均狀況下之風場特性 RCTP風向 RCTP風速

RCTP風場潛勢圖-全部個案眾數 風向 風速 側風 (R05/23) 陣風 SW NW SE E-NE 颱風在125°E接近本區後，風速顯著增強(>25G40KT)。 接近東部、東北近海及登陸到離開期間，皆伴隨強風發生。 出現西北風時，伴隨強側風(可達25KT以上)發生。

RCSS風場潛勢圖-全部個案眾數 風向 風速 側風 (R10/28) 陣風 W SE E 颱風自東北部登陸和離開陸地時，盛行偏東及東南風，風速達20G30KT。 颱風在北部外海時，盛行西風，風速達25G35KT。 若短暫吹西北－北風時，風速較弱，風向不定。

RCKH風場潛勢圖-全部個案眾數 風向 風速 側風 R09/27 陣風 SW W-NW S 在颱風接近東部陸地、登陸於中南部至海峽時，盛行偏南至西南風，風速達20G30KT。 颱風遠離後引進的偏南側風

階段二 特徵修正 各種預報指引 侵襲月份 路徑類別 中心強度 7級風暴風半徑 2008JANGMI 強度颱風 風暴風半徑280km 階段二 特徵修正 各種預報指引 侵襲月份 路徑類別 中心強度 7級風暴風半徑 2008JANGMI 強度颱風 風暴風半徑280km ->大颱風個案 2005DAMREY 輕度颱風 風暴風半徑200km ->小颱風個案

個案一：2015年7月6-8日輕度颱風蓮花（LINFA） 實際個案之應用及分析 個案一：2015年7月6-8日輕度颱風蓮花（LINFA） 6日颱風中心在鵝鑾鼻南方海面，且移動緩慢。 7日後逐漸由北北東轉西北移動。 8日中心在海峽南部向西移動。

2015年輕度颱風LINFA－RCKH校驗結果 RCKH 7月6日06Z至7月8日15Z期間 TY WARNING # 01 - 13 逐時平均絕對誤差 預報指引 統計指標 風向 風速 陣風 全部 眾數 78.49 3.92 7.44 中位數 51.89 2.98 3.00 平均值 3.02 3.11 颱風路徑：第五類 65.28 5.58 12.56 67.92 7.30 13.33 5.81 11.78 颱風侵襲月份: 7月 55.49 6.76 9.56 54.51 6.69 5.89 5.41 5.22 颱風強度：輕度 53.66 5.29 6.44 61.95 3.49 4.56 3.51 4.11

2015年輕度颱風LINFA－RCKH校驗結果 RCKH 7月6日06Z至7月8日15Z期間 可反映風場之平均狀態(主趨勢變化)

個案二：2015年8月6-9日中度颱風蘇迪勒（SOUDELOR） 實際個案之應用及分析 個案二：2015年8月6-9日中度颱風蘇迪勒（SOUDELOR） 7日17L時中心在花蓮東南東方海面，以中度颱風上限逼近本區。 8日5L時中心由花蓮秀林鄉登陸，11L時在雲林縣出海，22L時由福建進入大陸。

2015年中度颱風SOUDELOR－RCTP校驗結果 RCTP 8月6日00Z至8月8日23Z期間 TY WARNING # 01 - 21 逐時平均絕對誤差 預報指引 統計指標 風向 風速 陣風 全部 眾數 30.45 10.25 20.34 中位數 24.55 7.94 16.38 平均值 7.69 16.45 平均+1標準差 5.42 10.07 颱風路徑：第三類 41.67 8.52 15.00 37.33 6.57 12.41 6.07 11.41 5.03 8.31 颱風侵襲月份: 8月 53.58 9.13 21.52 37.99 7.73 16.31 7.61 15.48 5.75 9.28 颱風強度：中度 53.28 10.95 16.90 47.73 8.64 15.34 8.58 15.28 6.25 11.00 颱風強度：強度 25.57 8.46 18.34 24.84 7.25 13.17 6.93 12.07 6.05 10.14

2015年中度颱風SOUDELOR－RCTP校驗結果 RCTP 8月6日00Z至8月8日23Z期間

2015年中度颱風SOUDELOR－RCSS校驗結果 RCSS 8月6日00Z至8月8日23Z期間 TY WARNING # 01 - 21 逐時平均絕對誤差 預報指引 統計指標 風向 風速 陣風 全部 眾數 24.49 10.86 24.03 中位數 14.86 9.77 20.13 平均值 9.64 20.38 平均+1標準差 6.41 11.75 颱風路徑：第三類 34.68 7.79 16.50 32.18 7.27 13.25 7.71 13.53 5.74 9.18 颱風侵襲月份: 8月 23.19 9.78 21.40 22.46 8.68 18.30 8.88 17.88 6.26 11.43 颱風強度：中度 52.62 10.98 22.35 37.54 9.80 20.19 9.82 19.59 6.62 12.78 颱風強度：強度 21.48 10.07 18.65 19.92 7.89 14.55 7.57 13.45 5.62 9.28

2015年中度颱風SOUDELOR－RCSS校驗結果 RCSS 8月6日00Z至8月8日23Z期間

2015年中度颱風SOUDELOR影響最大時期 8月7日17Z至8月8日02Z 颱風中心接近24.0°N 122.0°E

7日17-24Z RCTP風場分析 實際觀測與氣候模式統計預報值比較 風向 風速 陣風 十分鐘平均 觀測 040 42 67 統計預報 40 （取最大陣風前後三小時） 時間 風向 風速 陣風 71700 40 37 54 71718 33 49 71730 53 71745 65 71753 41 71800 71816 35 71818 38 64 71824 30 43 74 71830 44 71900 50 61 71930 45 71935 71955 48 77 72000 81 72030 63 72100 62 72125 60 46 76 72130 72200 70 47 72230 67 72243 80 72300 72330 42 實際觀測與氣候模式統計預報值比較 風向 風速 陣風 十分鐘平均 觀測 040 42 67 統計預報 40 60 最大陣風時之 050 48 81 030 55 75

7日16-23Z RCSS風場分析 實際觀測與氣候模式統計預報值比較 風向 風速 陣風 十分鐘平均 觀測 080 35 62 統計預報 28 47 平均值+2標準差 34 57 最大陣風時之 070 42 79 33 55 40 80 RCSS 觀測資料 （取最大陣風前後三小時） 時間 風向 風速 陣風 71600 80 19 34 71700 70 21 35 71706 60 23 46 71800 29 56 71836 33 63 71900 71929 42 79 72000 37 67 72100 44 66 72122 40 76 72200 43 74 72230 90 69

7日16-23Z RCSS風場分析 需使用平均值+2個標準差才可反映出強（陣）風之情形 實際觀測與氣候模式統計預報值比較 風向 風速 陣風 十分鐘平均 觀測 080 35 62 統計預報 28 47 平均值+2標準差 34 57 最大陣風時之 070 42 79 33 55 40 80

結論 颱風期間風場預報在飛航安全與飛航效益具相當大的重要性，對飛航管制單位、航空站管理單位及航空公司航運及調度作業等有很大的影響。因此臺北航空氣象中心積極加強颱風風場之研究，精進颱風風場預報之準確率。 本研究「颱風風場氣候模式之建立」藉由統計預報的穩定及重現性優點，透過颱風位置與台灣地形風場的關係，利用歷史颱風中心所在位置對應之機場觀測風場資料，建立一客觀颱風風場預報參考工具，以加強颱風風力預報技術。 為提升航空氣象服務品質，此氣候模式可滿足較長預報時段之風場預報需求，同時配合颱風路徑扇形機率預報而評估各機場可能出現之風力分布及機率。

結論-氣候模式之建立 階段一 客觀之參考指引：氣候統計法 針對臺北飛航情報區民航機場（共10個），當颱風進入守視範圍(15°N~30°N，113°E~135°E)內，以經緯度各0.5度(~55km)網格點為間距，求出歷年(1970-2014年）颱風（共274個）經過該網格區域時，某機場的風場分布及颱風過境該網格點之觀測次數。利用此一組空間分布的網格資料繪圖（相對於颱風中心位置該機場之風場潛勢圖），並建立颱風風場資料庫，以作為預測颱風風場的基礎資料。

結論-氣候模式之建立 但前題是要有精準之颱風路徑（速度與方向）預報，此為最關鍵之一。 階段二 修正之參考指引:特徵修正法 針對欲預報之颱風個案特徵，加以篩選所採用之預報指引（颱風侵襲月份、路徑類別、中心強度、7級風暴風半徑）等，利用所挑選特徵相似之歷史個案作為背景風場資料進行統計預報。 透過各統計指標之統計特性，對風力預報再作進一步修正，以降低氣候平均法對颱風風力預報的弱點，有效突顯氣候平均狀態之外可能出現之風力型態。 但前題是要有精準之颱風路徑（速度與方向）預報，此為最關鍵之一。

簡報完畢 敬請指教

未來工作 以降低氣候模式無法預報極端風力之弱點 個案測試 在颱風風場氣候模式的架構下，針對個別颱風之特徵選取適當的預報指引作篩選機制 引進系集成員之概念-機率預報 依統計方法差異及配合颱風路徑的不確定而產生出不同系集成員之颱風風場預報產品 引進Pattern Recognition概念之技術 利用即時觀測之雷達回波配對，加以篩選出和觀測類似的歷史個案，提供更即時精準的風場預報。 以降低氣候模式無法預報極端風力之弱點 發展颱風風場整合預報技術 氣候模式－＞類神經網路 以解決原始資料無對應之風場之限制，造成可信度較低