結合季節雨量與水文模式於枯水期旬流量預測                     

                                    郭 俊 超

台灣在豐枯水期降雨之分配較為懸殊，長期以來對枯水期之水資源供應是一大挑戰。再加上可能隨著全球暖化，近幾十年來觀測的資料中發現乾旱有趨嚴重的趨勢，不降雨日數亦有增加的現象，對現今水資源調度面臨更大的考驗。因此若能更建立一個枯水期流量預測模式，將對水資源管理有所幫助。因此本研究擬發展氣象-水文模式來預測石門及曾文集水區枯水期之季節旬流量，其中架構的第一部分先以小波理論探討枯水期兩季節(十一至一月及一月至三月)的特性，進而尋找適當的海溫預報子範圍，再採用以遺傳類神經網路模式(ANN-GA)預測枯水期季節雨量。架構的第二部分採用三個時間分解(disaggregation)模式，考慮傳統兩種廣為接受的分解模式及碎形架構的模式，分別為: Valencia and Schaake (VS)模式、Lane模式、及Canonical Random Cascade model (CRCM)，來測試季節雨量降尺度至小尺度雨量之能力，並測試分解為不同尺度的結果。架構的第三部分由修正的HBV連續型降雨-逕流模式(MHBV)所組成，搭配自動化全域參數搜尋法及兩階段率定法，期望能針對台灣豐枯水期流量差異的情況下，來率定出適當的石門及曾文集水區參數。最後結合這三個部分來預測枯水期旬流量。

從季節雨量的的小波分析發現十一至一月份(NDJ)及一月至三月份(JFM)的雨量有2-4年之震盪週期，由季節雨量之去趨勢小波第一主成分(DCR-WPC1)與前一季去趨勢之小波尺度平均(DCR-SAWP)海溫，尋找出對應NDJ及JFM季節雨量之太平洋海溫的預報因子區域 (七至九月之海溫大致在5°N-30°N, 120°E-150°E之區域; 十至十二月海溫大致在0°N-60°N, 125°E-160°W之區域)，進一步利用遺傳類神經網路來預測季節雨量。本文用前25年(1974-1998)做模式參數率定，後7年(1999-2005)做模式驗證。根據所採用的評鑑指標：相關係數、均方根誤差、及Hansen-Kuipers (HK) scores，預報結果在台灣北部及西部地區表現良好(整體結果ρ約0.3~0.7)，但東南部地區表現的較差，可能的原因為前者的季節雨量對海溫的相關性較後者高。

在雨量分解部分，首先測試VS模式及Lane模式在旬及三日的分解成果，發現兩者差異不大，因此為了更接近水文模式之模擬尺度，後續採用三日的分解結果來應用。此兩模式進一步跟CRCM的結果進行比較，大致上VS模式與Lane模式較CRCM來的好。評估測試後選用Lane模式做為後續應用之模式。

在水文模式的模擬方面，兩階段率定應用在石門曾文集水區較過去一階段率定精度來的高。本架構在流量預測方面，首先將藉由率定好的遺傳類神經網路模式預測季節雨量，利用Lane模式分解成三日雨量，接著將分解後的三日雨量做為MHBV的輸入，如此可合理提供一季之旬流量預測，預測結果在兩流域相關係數為0.48至0.53之間。有助於此兩流域之水資源管理者進行更有效之規劃畫水庫操作。

關鍵字: 小波、海溫、季節雨量、分解模式、概念型降雨-逕流模式、流域流量。