中央氣象局全球預報模式對不同BSISO相位下臺灣梅雨季降雨特徵之預報能力評析：以2016－2017年為例

本研究針對2016－2017年臺灣梅雨季（5、6月）降雨在北半球夏季季內振盪（Boreal Summer Intraseasonal Oscillation；簡稱BSISO）不同相位下的特徵進行討論。主要希望透過觀測資料與模式模擬結果的比對，了解中央氣象局全球預報模式（Central Weather Bureau Global Forecast System；簡稱CWB／GFS）對於兩種不同週期之BSISO（分別為振盪週期30～60天的BSISO1，以及振盪週期10～30天的BSISO2）現象下的東亞地區降雨、環流場變化以及對臺灣地區降雨特徵的掌握能力。有關模式方面，主要著重在預報領先時間（lead time）第1～15天（簡稱LT1～15）的資料分析。有關觀測資料方面，主要採用測站降雨、GPM（Global Precipitation Measurement）IMERG（Integrated Multi-satellite Retrieval for GPM）衛星降雨，以及NCEP（National Centers for Environmental Prediction）第二版再分析資料（Reanalysis 2）進行分析。藉由觀測資料分析的研究結果顯示，2016－2017年臺灣梅雨季降雨存在季內振盪變化週期的訊號，且降雨強度的變化特徵受到BSISO現象下東亞地區環流場變化的影響。其中，當BSISO1在相位7～1以及BSISO2在相位4～6時，受到大尺度低壓帶傳播至臺灣、華南及琉球一帶的影響，臺灣地區會有較強的降雨事件發生。比對CWB／GFS與觀測資料後發現，CWB／GFS大多能掌握臺灣地區強降雨事件（＞30mm／day）發生時間和BSISO相位的對應關係（即強降雨事件多發生在BSISO1相位7～1及BSISO2相位4～6）。其中，就空間相關係數（spatial correlation；簡稱Scorr）和均方根誤差（root mean square error；簡稱RMSE）的統計分析來看，以LT1～5的Scorr為最大、RMSE為最小（即預報表現最好），LT11～15的Scorr為最小、RMSE為最大（即預報表現最差），LT6～10的預報表現則介於兩者之間。而在定量上，CWB／GFS對臺灣地區的降雨預報結果，不論是LT1～5、LT6～10或LT11～15，則大多「低估強降雨事件的降雨強度」並「高估弱降雨事件的降雨強度」。進一步探究CWB／GFS能掌握臺灣地區強降雨事件發生時間和BSISO相位對應關係的原因，我們發現主要跟CWB／GFS能有效掌握BSISO現象下，臺灣附近環流場與降雨場變化的移動特徵有關。這些研究結果有助於瞭解CWB／GFS在臺灣降雨預報上的應用價值。另需說明的是，本研究為使用2016－2017兩年預報資料進行的先期研究（pilot study），這些研究結果是否適用於其他年份，仍待未來有更多的CWB／GFS資料可提供分析時，再進行相關驗證。