〈研之有物〉雨神為何同行？區域豪雨和旱災的科學成因──專訪劉紹臣

防洪防旱前先知道...

2018 年 8 月強降雨使南部水災，造成居民傷亡也重創當地產業；同年 9 月，北部降雨使北北基多處淹水。時節將進入冬季與春季，臺灣又可能面臨長時間沒有下雨，引發缺水危機。如何面對「旱澇並存」的未來？本文專訪中研院劉紹臣院士，藉由數十年的大氣科學研究，帶我們了解氣候變遷如何影響臺灣降雨的變化。

區域大雨越來越大、小雨越來越小，這種趨勢會隨全球溫度的增加越來越厲害。

根據聯合國 IPCC 報告，從 1880 年到 2012 年全球平均地表溫度增加約 0.85°C。雖然聯合國研究報告或觀測資料分析，都認為「全球溫度變化」對「全世界總雨量」影響不明顯，但劉紹臣與其團隊發現「地方區域降雨」卻有所改變。

劉紹臣團隊選定北緯 60 度至南緯 60 度之間的區域，針對 1979 年至 2013 年世界各地雨量與溫度資料，使用年際變異法 (Interannual Difference Method, IDM) 分析，即任意選擇兩年雨量計算差值，然後比對該兩年的溫度差異做統計分析。分析結果顯示：區域降雨變化趨勢，大多呈現強降雨增加、中小雨減少。

「陸地上看到的這種現象，是用傳統降雨的雨量計測量出來的。海上則是來自遙測衛星的觀測。從陸地和海洋的區域觀測來看，區域大雨越來越大、小雨越來越小的現象非常一致。」劉紹臣補充。

什麼原因使得全球區域大雨越強、中小雨越小？

強降雨生成的原因，是由於底部有很多又濕又暖的空氣，而上面是相對比較乾冷的空氣；那這種情況下面熱、上面冷，它就會產生不穩定性質，因為熱的空氣密度比較低，熱空氣就會開始上升。

熱空氣含有很多水氣的話，上升到幾公里以後，那個水氣就開始變成液態水；再上升幾公里，通常是到六、七公里以後變得更冷，液態水就會變成冰。在水氣變液態、又變成固態的時候，會釋放出來所謂「潛熱」，會使這個對流更加強。

全球暖化的時候，溫度增加，空氣裡面的飽和水蒸氣也會增加。每增加絕對溫度 1K，空氣中的飽和水蒸氣會增加差不多 7%；也就是說，每增加 1K，這個對流釋放出來的潛熱就會多出 7%。

潛熱增加了 7%，氣流每這樣上下翻動一下，對流的強度也會增加 7% ，吸進來的水氣量也跟著增加。本來吸進來的半徑好比說是周圍 10 公里，可是對流一加強以後，吸進水氣的能量就更強了，就是以 20 公里的半徑範圍吸進大氣中的水氣。這個循環會繼續，因為它有一個正向的回饋作用，所以這個區域的降雨增幅就超過 7%。

因此，當對流的水氣越多，釋放出來的潛熱越多，那個區域的強降雨就會越強。

至於中小雨為何會減少，是因為氣溫增加 1K，大氣裡面的飽和水蒸氣只增加 7%，但這個強降雨拿走那麼多水氣，中小雨分配到的水氣就少很多。基於這些原因，我們才會看到地球上大部分區域的強降雨增加、而中小雨普遍減少。若以總雨量來說，原來有大量強降雨的地區 (例如大洋洲附近)，雨量會增加；原來中小雨比較多的地方 (例如墨西哥西部的大面積海洋)，雨量就會减少。

氣候變遷如何影響臺灣降雨？對我們生活有何衝擊？

臺灣區域降雨同樣有大雨越強、中小雨越小的變化。我們研究團隊蒐集 1961 年至 2005 年間，中央氣象局 15 個地面觀測站資料，將這 45 年來降雨量依降雨強度分成十個等級，再分析各年度降雨強度之降雨量隨溫度的變化。結果如下表所示：

我們的分析結果發現：臺灣強降雨隨溫度升高而增強，當全球溫度每增加 1K ，臺灣降雨強度前 10% 強降雨的降雨量，大約增加 140%；相對的，中小雨隨溫度升高而減少，降雨強度後 10% 小雨的降雨量，隨之減少大約 70% 。近年也發現中小雨的日數一直在減少，不降雨的日數正在增加。這種情況通常是在冬天和春天發生，是臺灣乾旱最嚴重的季節。

我們研究 1961 年至 2011 年侵襲臺灣的颱風特性，也看到類似趨勢。研究結果發現：隨著全球溫度增加，侵襲臺灣颱風的強降雨強度也隨之增加，而中小雨減少。

這個是非常可怕的事情，也就是說颱風強降雨會增加很多，那颱風引起的洪水還有土石流也就隨著增加。因為中小雨減少的趨勢，乾旱對我們臺灣的影響又比洪水來得更大，不只農業需要水，工業也需要用水。面對這些災害，臺灣必須採取調適措施因應，問題在於──我們的調適政策是根據「氣候模式」制定。

臺灣的氣候變遷調適政策建立在氣候模式之上，會有什麼問題？

氣候模式我們知道它的不定性很大。氣候模式目前真正有用的、大家比較能夠認可它的準確性，就是全球跟大尺度的「溫度」變化。連 IPCC 都認為氣候模式預測的「降雨」變化，尤其是區域性的降雨變化可信度很低。但世界各國絕大部分是根據氣候模式去做調適，我們臺灣也不例外。

我先從氣象預測模型來解釋。氣象預測模型是根據流體力學等各影響條件來預測天氣，如果把所有條件都考慮進去，那預測會非常準確。但如果有條件沒有考慮進去，預測時間一拉長就會失去準確性，隨預測時間越長、準確性越差。

世界上氣象預測最好的幾個國家，像是歐盟、美國、日本等國家，比較準確的氣象預測大約可以到十天，很少會超過二十天。也就是說，即便是短期的天氣預測，就有許多影響因子沒有考量進去；長時間、大空間尺度的氣候模式，其影響因子就更加複雜。氣象可預報性不會超過 20 天，但現在氣候模式要預測是 20 年、100 年以後的氣候變化。

而將預測全球性、長時間尺度的氣候模式，去細緻地看區域性、季節性的降雨趨勢，會增加預測的不確定性，若將其套用在臺灣各縣市降雨預測更是如此。

如果氣候模式預測長時間、大尺度降雨是錯的，那根據這個模式更精細地預測區域、季節性降雨，只是把錯的東西分析得更仔細一點。

近期對於區域強降雨預測有哪些進展？若應用在臺灣有何幫助？

過去研究發現區域大雨增加、小雨減少，我們也注意到大雨雨量的增加，增加程度大到影響全年的雨量。在很多區域，隨著一年一年的變化，只要降雨強度前 30% 的大雨其降雨量增加，那一年的總雨量就會增加；反之減少的話，那一年總雨量就會減少。

根據這個觀察，我們團隊和北京大學、暨南大學合作，用統計方法找出影響強降雨的因素：好比說聖嬰現象─南方震盪 (ENSO)、北太平洋年代際震盪 (PDO)，還有全球溫度等。這些影響因素很多是可以預測的，像是 ENSO 現在預測 1 年的準確性已經很不錯，全球溫度也有相當好的預測方法。

然後我們將這些影響因子，跟過去觀測到強降雨的雨量做統計迴歸。我們跟從前預測方法是一樣的，不同之處在於我們的研究聚焦於預測「強降雨」。

目前我們可以預測到差不多未來半年的降雨量，做出來準確性是很好的。這種預測目前來說世界各國雖然做的很多，可是成功率很小。美國氣象局做年度或季節的降雨量預測，通常只能預測下個季節比過去平均雨量偏高或偏低；我們團隊現在可以說下一個季節雨量是多少，或者是明年雨量是多少。

從季節或年度來預測區域降雨，對臺灣的防災是有直接的幫助。

我覺得政府不僅需要投入救災，事前的防災更是重要，像是防洪、防土石流和防旱等各種預防措施。如果把這個區域降雨預測方法應用在臺灣，提早知道下一年或下個季節會有強降雨或乾旱，對臺灣政府規劃氣候變遷的調適策略非常有用。

研究過程如何面對各種困境？

研究的過程總是有上上下下，有時候也是蠻沮喪的，認為自己努力不夠，更努力的話研究應當做得更好。

我大部分時間都在分析資料 (data)，我看 data 的時候，今天看 3 個鐘頭，明天看 2 個鐘頭，每次我都用不同的角度去看，拿不同的 data 來分析。幾乎每次我都會說，好像看到了一些新的東西。

也許後來證明當下初步的研究結果不大對，可是每當看到新東西的同時，對這種工作的滿足，帶給人生的快樂，那種快樂很難形容。

孔子說：「朝聞道，夕死可矣」，我從前完全不信，我後來是信。我相信有人真正看到一個新東西、發現一個新東西，他會快樂到講出這種話。就是說早上聽到這個道理以後，晚上就可以翹掉了，他真正感覺到他這一生夠了。我是做研究的，一天只要能夠學到一點東西，那一天我就會很快樂，這也支持我一而再、再而三地往前走。

原文連結：雨神為何同行？區域豪雨和旱災的科學成因──專訪劉紹臣

延伸閱讀：

• 劉紹臣的個人網頁
• 【演講影片】區域性降雨趨勢受全球暖化之影響，講者：劉紹臣
• 周佳、劉紹臣 (2012)。全球氣候變遷觀測。大氣科學，40(3)，185-213。
• 氣候變遷研究聯盟
• Liu, S. C., C. B. Fu, C. J. Shiu, J. P. Chen, and F. T. Wu. (2009) Temperature dependence of global precipitation extremes. Geophys. Res. Lett., 36, L17702.
• Adler, R. F., G. J. Gu, J. J. Wang, G. J. Huffman, S. Curtis, and D. Bolvin. (2008) Relationships between global precipitation and surface temperature on interannual and longer timescales (1979–2006). J. Geophys. Res., 113, D22104.
• Liu, R., S. C. Liu, R. J. Cicerone, C. J. Shiu, J. Li, J. Wang, and Y. Zhang. (2015) Trends of extreme precipitation in eastern China and their possible causes. Advances in Atmospheric Sciences, 32(8), 1027-1037.
• Run Liu , Shaw-Chen Liu , Chein-Jung Shiu , Jun Li , and Yuanhang Zhang. (2016) Trends of regional precipitation and their control mechanisms during 1979–2013. Advances In Atmospheric Sciences, Vol. 33, February 2016, 164–174