2021 年，臺灣面臨 56 年來最嚴重的乾旱，這場乾旱影響各大電子廠的生產，讓許多企業面臨停工的危機，還導致南部地區多次出現限水的情況。全球暖化問題的加劇帶來了頻繁的極端災害，對於短期氣候變動的預測也成為科學研究的重要課題。那麼，從短期的天氣到長時間的氣候該如何預測？氣候災害事件是否能提前警示？帶著這些問題，我們專訪了國立臺灣師範大學地球科學系陳正達教授，請他為我們解讀氣候預測的關鍵。

人類預測天象的歷史源遠流長，古人運用天文觀測來預測氣象。《詩經．小雅．漸漸之石》：「月離於畢，俾滂沱矣。」自古相傳畢星掌管雨水，一向推崇《詩經》的孔子見月亮接近畢星，預見到大雨降臨，要求子路準備雨具。在古戰爭中，掌握了天氣變化也等於抓住軍事先機，攻破曹操大軍的東風，就是孔明藉由觀測風象後佈下的陣勢。西方最早的氣象預測則來自巴比倫人，根據雲層變化來推測天氣走向。無論是東方還是西方，古人依賴自然現象預測氣象變化。隨著科學的進步，經驗法則走向科學常識，現在的天氣預測除了依據更完整的觀測，也同時運用大氣運動的理論為基礎，建構電腦模式進行數值計算已預測未來天氣。

17 世紀，科學革命興起，科學家們開始運用理性和實證的方式來解釋自然現象。隨著觀測儀器的發展，像溫度計、氣壓計等設備逐步問世，讓天氣預測從神話傳說轉變為實際的科學。在清朝時期，臺灣也跟上這波潮流。當時，基隆、淡水、安平、打狗等港口城市開始進行氣象觀測，臺灣最早的天氣預報就是打狗 1880 年的暴風警報。

隨著科技的進步，氣象預測逐漸從短延時的觀測推演逐漸發展為客觀的天氣預報，重大轉捩點發生在 19 世紀的偉大發明—電報的出現。電報使得大量數據能快速傳播到世界各地，使較大區域的氣象觀測得以透過資料交換而實現。當觀測資料長期累積後，就可以透過統計方法找尋不同氣象因子間的關係。吉爾伯特·沃克利用印度及其他地區的大量天氣數據，發現印度洋和太平洋之間大氣壓的「蹺蹺板」振盪現象 ，以及它與地球熱帶地區（包括印度）的溫度和降雨模式的相關性，推動氣候學的發展，成為氣候預測的先驅之一。(註：「蹺蹺板」振盪現象，是指印度洋和太平洋之間的大氣壓出現此消彼長的變化，就像蹺蹺板一邊上升、另一邊就下降一樣。這種現象代表，當太平洋東部的大氣壓升高時，印度洋或太平洋西部的大氣壓就會下降；相反地，當太平洋西部大氣壓升高時，東部就會降低。)

談及當前臺灣的氣象預測技術，陳正達教授表示：「現在的氣象局已擁有先進的觀測設備，包括氣象雷達、氣象衛星、船舶與自動氣象站等，並透過超級電腦進行數值模擬，最終產出高解析度的天氣預報圖。」他強調，計算能力的提升確實讓氣象預測的準確度逐步提高，科學家甚至能透過海溫、大氣環流等資料，推估未來一段時間內的天氣變化。然而，即便短期預報仍有不確定性，那麼更長時間尺度的季節氣候預測又會遇到哪些挑戰？陳教授坦言：「季節氣候預測的難度遠高於短期天氣預測，因為其涉及更複雜的氣候變率與外部強迫因子，精準預測仍是一項極具挑戰性的科學課題。」

現代氣象科學的發展，主要依賴於大量的數據分析和數學建模。以陳正達教授主持的乾旱預測計畫為例，這項研究旨在預測臺灣未來可能出現的跨季乾旱情況。研究團隊使用了全球的先進氣候預報中心所發展的系集季節氣候預報系統的歷史預報結果，並以臺灣氣候變遷推估資訊平台計畫（TCCIP）所產製的區域高解析度的網格化降雨資料進行驗證。

但要將這些來自不同來源的資料整合並進行有效分析，並非易事。首先，就像地圖有分為小比例尺的世界地圖和大比例尺的台北市地圖，觀測資料也有分為低中高不同解析度，每一類數據的應用範疇都不相同。

● 高解析度資料：擁有局部細節。適合研究局部地區的天氣現象，例如城市熱島效應、山區降水分布。

● 中解析度資料：適合研究區域性天氣系統，如颱風、季風等。

● 低解析度資料：適合研究全球或長時間尺度的氣候變化，如全球暖化、海溫變化等。

為了將歐洲中期天氣預報中心（ECMWF）所提供較低空間解析度的系集季節氣候預報系統預報數據轉化為區域性局部資料，需要使用降尺度技術（Downscaling）將低解析度的氣候模式數據轉換為高解析度區域數據，便能更精確地反映臺灣的天氣系統與伴隨降雨特徵，產出更準確的本地預測。

陳正達教授指出，若透過高解析度區域氣候模式進行動力降尺度模擬，將需耗費龐大的計算資源。尤其考量臺灣地形起伏劇烈，地勢變化對大氣環流與降水機制的影響更為顯著，使數值模擬的計算過程更為複雜，進一步延長運算時間與提升技術挑戰。

但我們依然能夠運用統計方法，或是目前流行的人工智慧/機器學習技術，找出將低解析度的模式模擬氣象數據轉換為高解析度區域降雨數據的客觀轉換關係。過程中也同時可以進行模式模擬偏誤修正（Bias Correction）。由於全球氣候模型和歷史觀測數據間存在誤差，科學家需要利用歷史事件進行校正，確保預測結果能更貼近實際情況。經過這些修正後，研究者才能生成具有高解析度的區域性預測數據，並進一步分析未來可能出現的乾旱事件。

研究顯示，隨著全球暖化，臺灣的乾旱頻率會有所改變。儘管梅雨季和颱風季的降水量可能增加，但乾季降水卻大多減少，而對農業用水相當重要的春雨，其多寡又往往與熱帶太平洋的聖嬰現象有關。更進一步分析發現，梅雨與颱風雖是臺灣的重要水資源，但如果當年沒有颱風為水庫與集水區帶來足夠的雨水，加上臺灣中南部地區冬季的降雨偏少，隔年乾旱發生的機率就會增加。這些變化顯示，短期氣候變動與長期氣候變遷交互作用，使臺灣的水資源變化更為複雜且難以預測。

然而，儘管這些研究提供了寶貴的資訊，陳正達教授仍強調，氣象預測是一項極為複雜的工作。每個環節、變因都可能影響最終結果，尤其是乾旱預測這類長期氣候預測，更是充滿挑戰。以臺灣旱災預測為例，臺灣的水資源主要仰賴颱風，但準確預測來年颱風的數量已經是極大的難題，更遑論颱風的強度、路徑以及其受地形的影響。因此，若要對未來一、兩個季節的乾旱情勢進行預測，以目前的資料與運算能力而言，仍難以達到理想的精度。

雖然乾旱預測仍面臨許多挑戰，但這些研究成果並未白費。長期的監測數據還是能幫助我們更深入了解降水變化及氣候變遷對降水模式的影響。除了國際合作外，人工智慧/機器學習技術的引入提供了處理大規模數據、優化預測模型的機會。例如，輝達與氣象署於2022年起開始發展Earth-2計畫，利用新型AI生成模型CorrDiff NIM結合GPU 加速、物理模擬與電腦繪圖，將較低解析度（約25公里）的全球天氣預報模式資料，提升成為高解析度（2公里），增加氣象數據的精準度。希望同樣的技術也可以有利於系集季節氣候預報系統的進步。隨著科技的發展，我們將能更精確地預測氣候變化，並制定有效的應對策略，從而為人類與地球的可持續發展奠定更加穩固的基礎。