撰稿 / 蔡宜靜 (科學推展中心特約編輯)
圖1.不同物理參數對理論模型精準度造成之差異
氣象瞬息萬變，上一秒還晴朗的藍天，下一秒可能就下起滂沱大雨，然而劇烈的降雨向來是自然災害的導火線，當降水總量大於土地承載能力或防洪設計極限時，失去調節功能的土壤在高強度的降雨下，極易產生淹水、土石流甚至坡地崩塌等災害，造成財產、人命損失。舉例來說，2015年8月8日蘇迪勒颱風在台灣北部山區發生的短延時強降雨，引發山坡崩塌與土石流災害並導致烏來地區形成孤島，造成當地居民受困。
圖2. 台灣大學汪立本教授與Muñoz 等人於2018年提出的多閾值分割方法
對流胞即時預報對高強度短延時的劇烈降雨至關重要，準確的預報能夠預警天氣的險惡，為政府與人民證爭取更多反應時間，現行技術雖已使用雷達進行預測，但對流胞不僅強度、結構、機制複雜，發展過程中更有合併、分裂的可能性，多項複雜的變因使得即時預報準確度大幅降低。
世界各國對「短延時強降雨」的致災能力有目共賭，有鑑於此，台灣大學土木工程學系汪立本教授與英國倫敦帝國理工大學、比利時魯汶大學及英國新創公司攜手合作，引用雷雨胞追蹤技術1開發短延時雷陣雨預報系統，以此更精確地預判雷雨胞的可能走向，提高防災預警準確度。
圖3.以卡爾曼濾波（Kalman filter）優化雷雨胞追蹤模型
汪立本教授與團隊攜手，在合作案件中以2018年發表的雷雨胞追蹤技術為基礎，進一步將其改良為更適合英國氣象局所使用的三維雷達降雨資料，此外更以卡爾曼濾波（Kalman filter）為基礎，搭配分析歷史對流胞之統計特徵，藉此加強演算模型中的參數率定方法。經過多次驗證後，證實卡爾曼濾波改良的追蹤模型在確定預報的量化表現雖與原模型差異不大，但在視覺上卻能將模擬結果呈現的更為流暢，並有效降低機率預報之不穩定性。
目前已證實，汪立本教授以卡爾曼濾波優化後的雷雨胞追蹤技術，對雷雨胞的發展預測有更高的精確度，透過此項技術，氣象觀測員對短延時降雨能有更精準、即時的掌握，幫助政府與民眾在豪雨災害前爭取更多反應時間，以利達成預防甚至人員疏散。此外，此項技術也通過英國方的營運測試，將在近期進入英國氣象局，輔助預報員預測未來1~3小時的對流胞發展，使預報系統更加完善。
參考文獻
[1] Muñoz, C., Wang, L.-P. & Willems, P. (2018). Enhanced object-based tracking algorithm for convective rain storms and cells. Atmospheric Research, 201, 144-158.
[2] Reder, M. Raffa, R. Padulano, G. Rianna, P. Mercogliano, Characterizing extreme values of precipitation at very high resolution: An experiment over twenty European cities, Weather and Climate Extremes, Volume 35, 2022, 100407
[3] Rossi, P. J. et al, Kalman filtering–based probabilistic nowcasting of object- oriented tracked convective storms. Journal of Atmospheric and Oceanic Technology, 32(3), 2015, 461-477.
