天與水之歌:難以掌握的天氣

 
2017/10/06 蔡金成 | 國家實驗研究院台灣颱風洪水研究中心     136
 

目前的天氣預報可以使民眾知道明天的降雨機率是百分之多少。透過客製化天氣服務,更可以得知明天在哪個地方會下多少毫米的雨量。但如果想知道早上這一陣大雨再過幾分鐘會停?那可能就為難預報人員了。

 

啟程

 

「大雨就要開始不停的下,我的心,我的心,已經完全的沒有主張。」(歌曲〈大雨〉)

 

早上出門前如果突然一陣大雨,你是不是會想換雙雨鞋?這樣的一場雨讓許多人在上班的途中相當不便,但如果這場雨是限水之後的一場及時雨,想必你我心中都會默念:「多下一點吧!」

 

近幾年,每逢颱風挾帶大量雨勢,脆弱的山區就容易產生土石流,不單影響道路通行,倘若崩坍發生在鄰近取水區的上游,更會造成原水濁度飆升而影響用水。降雨的多寡深深影響著你我的生活。

 

目前的天氣預報可以讓民眾知道明天的降雨機率是百分之多少。透過客製化天氣服務,更可以得知明天在哪個地方會下多少毫米的雨量。但如果想知道早上這一陣大雨再過幾分鐘會停?那可能就為難預報人員了。因為天氣預報有不確定性,也就是「天氣,很可能報─不─準!」

 

看我七十二變

 

天氣報不準的原因有觀測資料不足、大氣運動如蝴蝶效應、超級電腦與科學理論尚待發展等。想預報天氣,首先就要鎖定「晴時多雲偶陣雨」的發生處–大氣對流層。

 

大氣就如蘋果的表皮包覆著地球,這一層薄薄的大氣層又分成許多細膩的結構。在對流層中,加熱源是地球表面吸收太陽短波輻射後所發出的長波輻射,因為地球自轉軸傾斜,加上以太陽為中心公轉,地面接收到的太陽短波能量隨緯度不同而有差異。

 

簡言之,低緯度赤道地區受到太陽照射的時間長,溫度比高緯度的兩極地區高。赤道地區溫暖和南北極地區較冷的溫度分布,讓對流層每天上演著無數次高音震盪與低音共鳴的樂曲,包含寒流、副熱帶高壓、冷風鋒面、梅雨鋒面、颱風、午後雷雨胞、龍捲風、颮線等天氣系統,都是當中的敬業歌者。

 

《孫子兵法》云:「知己知彼,百戰不殆。」在這麼複雜的對流層中,要準確預報天氣的變化,就必須清楚當前天氣運動的情況。透過地面觀測站、施放探空氣球、衛星與雷達遙測、颱風期間的飛機投落送及無人飛機等,盡可能蒐集完整的觀測資料,搭配預報大氣運動的數學方程式,就能預報大氣的運動。

 

但在廣大的海洋與人煙稀少的陸地,非常欠缺觀測資料。每年固定造訪台灣的颱風,其生成與發展增強的過程都是在缺少觀測資料的海面上。為此,掩星觀測的福衛三號與七號將接續扮演海上監測者的角色,可望更能幫助掌握海面上的颱風動態與發展過程。在氣象觀測人員布下天羅地網蒐集大氣觀測數據的同時,對於「知彼」有了最佳的準備。

 

「知己」的這一門課,要從科學家勞倫茲的數學模型談起。勞倫茲模型呈現初始狀態的些微差異會隨著時間演變逐漸放大,也說明了大氣運動的非線性特點(蝴蝶效應)。當我們確立天氣預報隨時間越長,演變越難掌握的特性,也就更清楚預報天氣能力的限制。

 

科學家對於許多天氣現象仍持續藉由不同的儀器探索,盼能多看透一些。以颱風為例,台灣近幾年以投落送觀測颱風的計畫因為考量機組人員的安全,維持在颱風中心外圍投擲投落送。這觀測計畫獲得的颱風外圍結構與影響颱風運動敏感區域的資料,對於改進颱風路徑預報已獲得相當的成果。2005年的龍王颱風,台灣首度啟動無人飛機嘗試蒐集颱風中心的珍貴數據,雖然未能成功返航,但已跨出第一步。時隔十數載,國研院颱洪中心結合國內觀測團隊再次啟動,並挑戰完成無人飛機觀測颱風中心的計畫。

 

更難以預測的是只有幾公里的午後雷雨胞,這麼小範圍的雲在不同地域其組成成分也有差異,有些水滴所占的比率高,有些冰晶比率高,有些則是冰雹多,配上不同種類的雲屬就更複雜了。儘管在繁複且幾乎無解的情況下,專家仍依觀測資料搭配假設推論,發展不同的物理參數方法描述各式各樣的雲朵。為了時間效益、高解析度的預報,以及數值模式未來更臻完備,超級電腦的計算需求日益殷切。如何在時效與準確性中取得平衡,考驗著氣象與資訊人員的智慧。

 

氣象從業人員面對觀測資料不足與大氣運動的非線性特點,加上科學發展與電腦計算資源仍持續進步中,雖非巧婦難為無米之炊,但要百分之百準確,當前已宣告—難。面對這預測大氣運動的困難,颱洪中心結合作業單位與災防機關,盼以「系集技術」提高預報資料的參考價值,並呈現天氣預報的不確定性。

 

翻滾吧天氣

 

系集技術是由多個不同的數值模式針對相同的時間進行重複預報所組成。以颱洪中心的系集實驗為例,在颱風即將影響台灣之際,會產出26個不同的預報,分別由不同的區域模式(ARW-WRF、MM5、CReSS、Hurricane WRF)、不同的模式初始化策略,搭配數值模式不同的物理參數法(積雲參數法、邊界層參數法與輻射參數法),以及不同的預報策略,來達到各個預報結果都不同的目的。

 

26個不同的預報中,每一個預報時間長度是78小時,扣除6小時資料蒐集與電腦運算時間,預報資料有3天有效期間得以運用。在使用天氣預報資料時,使用者仍必須了解資料的特性。如前面所提及,大氣運動的蝴蝶效應特性,加上觀測資料蒐集不夠完整密集,預報資料隨著時間越長,不準確的機率越高(不確定性越高),而越接近當前的預報資料,就有越高的參考價值。

 

透過系集預報,在多個不同的預報同時產生下,能夠藉由整體系集成員的表現,獲得最有可能的大氣運動趨勢。舉例來說,如果26個系集成員中有20個成員都預報颱風在54小時之後會登陸台灣,便可以得到54小時後颱風中心會登陸台灣的機率大約是77%。系集系統延伸的機率預報產品顯著改進過去單一預報的情境:可能這一次的預報是0%(颱風不登陸),下一回的預報是100%(颱風登陸)的鐘擺狀態。

 

由於系集系統考慮不同資料同化策略與不同物理參數法而建構,不僅反映出觀測資料的不足為天氣預報所帶來的不確定性,也呈現科學發展尚未徹底知悉每一次成雲及降雨的過程。藉由系集預報系統,我們獲得一個機率預報的數值,在0%與100%之間的數據,代表著人類無法百分之百說準下一刻氣溫是加2度或減1度。但卻能夠從系集預報系統中挖掘出可能的氣溫變化趨勢:增溫2度的機率20%,增溫1度的機率40%,維持不變的機率20%,降低1度的機率20%。這難以掌握的天氣預報,將以系集預報進行適切的詮釋。

 

天氣的蝴蝶效應

 

了解大氣運動的特性之後,聽聞越久的天氣預報:「一周後將有寒流等級的冷空氣來襲!」「10天左右有颱風將登陸台灣!」您將能夠心裡有底,不隨新聞起舞,而是謹慎地關心每日天氣預報的更新。

 

在颱風的路徑預報上,以系集預報的概念來呈現預報的不確定性。以2016年尼伯特颱風為例,颱風中心約在7月8日上午登陸台灣,透過系集預報,5日晚間就可獲得系集平均的颱風路徑有很高的機率登陸並影響台灣。同樣的情境,若採單一預報的結果,可能會產生颱風由巴士海峽或台灣北部近海通過的結果,或許運氣好能取得登陸台灣的預報結果,但單一預報誰有把握?

 

系集預報運用於降雨時,以尼伯特颱風7月5日的預報為例,72小時的有效累積降雨量預測資料中,由於系集成員颱風路徑預報有所差異,不同的颱風路徑加上中央山脈地形影響,預測的降雨分布就有不同。透過系集平均的降雨量預測值,模式預報的降雨能掌握尼伯特颱風影響台灣前期東半部及北部的降雨空間分布。系集平均的降雨預報雖已提供相當高的參考值,但雨量極值的預測和系集平均降雨量尚容易出現低估的現象。

 

攸關颱風侵台期間的天災假,系集技術也能有所助益。尼伯特颱風7月7日凌晨2點的系集風速預報資料顯示,全台平均風速達到7級的縣市有台東縣蘭嶼、屏東縣、高雄市、台南市等,隨著颱風環流偏北風在台灣海峽的地形效應下,桃園市新屋、澎湖與東吉島的系集預報風速都達到平均風7級的天災假標準。儘管數值模式的風速預報資料有其參考價值,但在部分觀測站仍出現預報偏差的現象。為增進對風速的預報能力,未來將透過觀測數據與人工智慧修正預報資料的偏差。

 

未完成

 

透過天氣預報可以知道明天的降雨機率,現在更能藉由客製化天氣服務,知道明天某一個縣市最可能下多少毫米的雨,最可能出現幾級的風速,這是數值模式與系集技術的發展與進步。系集的精神就是一次進行多個不同的預報,完整呈現天氣預報的不確定性,並提升預報的參考價值。

 

難以掌握的天氣預報,在系集預報的協助下,讓我們對於天氣變化具備「最可能」與「最適切」的詮釋方式。俗話說:「千算萬算,毋值天一劃。」就算系集預報已經掌握大氣運動的趨勢,仍有需要持續發展與改進之處。我們必須深刻了解,最準確的氣象預報是隨著不斷有最新的觀測資料而產出,並且持續地更新。每天出門前花點時間關心天氣,就不怕一早會遇上惱人的大雨。

 

「大雨就要開始不停的下,我的心,我的心,已經提早地掌握方向!」