臺灣位在歐亞大陸與太平洋交界處，緯度不高卻有相當多種天氣系統隨著季節變換出現並影響臺灣。若根據帶來降雨的天氣系統區分季節，東亞地區大致上可以分為五個季節（圖1），春季（2/15~5/15）、梅雨季（5/16~7/24）、夏季（或颱風季，7/25~9/27）、秋季（9/28~12/1）與冬季（12/2~隔年2/14）。在這五個季節中，臺灣只有夏季不會受到鋒面影響，秋季到隔年春季都會出現冷鋒，梅雨季則是滯留鋒為主。伴隨著鋒面而來的降水，也成為臺灣非常重要的水資源之一。


圖1. 台北氣象站氣候平均日雨量（毫米），使用1998~2020的日雨量平均（藍色長條圖），紅色曲線為5天滑動平均。以黑色虛線劃分東亞地區的五個自然季節。

隨著全球平均氣溫升高，降雨型態變得更加極端，鋒面活動的變動則是造成降雨型態改變的其中一個因素。如果想知道這些與鋒面相關的降雨會怎麼變化，就必須先找出鋒面出現的頻率與地理位置可能有什麼改變。這樣講起來好像很簡單，但其實在分析上相當具有挑戰性。暖化後的情況，目前只能依靠氣候模式來模擬，但是鋒面是狹長形的結構，寬度約6公里到80公里左右。現在大多數的氣候模式網格都大於鋒面寬度，難以解析出精確的鋒面位置與強度。雖然我們無法精確地模擬每一道鋒面，但是依然可以在現有資源下，討論鋒面的氣候特徵，並做有限度的未來推估。如果能知道未來可能的變化趨勢及不確定性，對水資源管理及相關的災害應變都會有幫助，尤其是需要長期規劃的政策擬定，可以為此提供一些初步的參考依據。

 鋒面的特徵與判斷

鋒面附近有些常見的特徵，例如：在地面天氣圖上可能有明顯的風速變化、風向轉變及溫度變化等。如果搭配衛星雲圖看，可能會看到鋒面伴隨著長條狀的雲帶。預報員做天氣診斷分析時，就是從觀測資料中尋找這些特徵；當相關的特徵出現得越多、越明確時，就越能肯定的判斷鋒面位置及種類。但是，當特徵不夠明顯時，像是溫度變化較小，就不見得會判斷為鋒面。目前在天氣預報上，這些特徵的尋找與判斷，都必須透過預報員人工處理。也就是說，可能會影響鋒面判斷的因素，除了觀測資料的品質與完整度，相關科學知識的累積，也包含預報員的經驗與主觀看法。

即時的鋒面判斷，目的就是做3~7天的預報；而且天氣預報會在短時間內不斷滾動式修正，所以鋒面位置及種類的判斷，稍微有點不一樣並沒有太大的影響。但是當我們拉長時間尺度後，氣象科技、資料與專業知識等都有明顯的進步，鋒面判斷的依據就可能有明顯的改變。在這樣的情況下，到底鋒面氣候特徵的改變，是因為氣候變遷、還是人類文明的進步，就很難釐清了。

為了避免人為因素造成的假象，分析氣候資料時，勢必要發展客觀的鋒面偵測方法。目前大多數的方法都是採用與溫度相關的氣象變數來計算，例如：位溫。因為鋒面附近最明顯的特徵，就是溫度變化很大。有時鋒面兩側的濕度變化也會很大，因此有些方法會多考量濕度的影響，例如採用相當位溫或濕球位溫。接著找出「位溫梯度變化率」 最大的地方，定義為鋒面位置（圖2）。最後把每個網格中鋒面出現的天數加起來，就是每個季節的鋒面頻率。


圖2. 鋒面自動偵測與人為判定之比較，以2012年2月6日為例。
（a）為自動偵測的結果（黑點），土黃色線表示濕球位溫梯度為2K/100公里的等值線，桃紅色線表示梯度為2.5K/100公里，色階表示日累積雨量（毫米）。黑點（鋒面）都落在濕球位溫梯度等值線較密集的一側，也就是降雨帶的前緣。
（b）為日本氣象廳該日12Z地面天氣圖，自動偵測的位置與圖上滯留鋒的位置相近。

 氣候上的鋒面頻率分布

有了自動偵測的方法後，就可以應用到觀測資料上。氣候研究上常用的是一種稱為「再分析資料」的數據（註一），這是一種融合觀測資料及模式模擬的資料。在數值上，最接近觀測資料且符合已知的物理定律；在格式上因為已經網格化，使用上非常方便，因此經常被當成很重要的參考依據。我們這次使用的是歐洲中期天氣預報中心（ECMWF）最新一代的再分析資料（簡稱ERA5），空間解析度最高可到30公里，水氣相關的變數也比前一代準確很多。

根據ERA5資料的結果（圖3 a, b），春冬兩季的鋒面，最常出現在北緯20~25之間的華南地區，範圍向東延伸到臺灣東部外海，並向東北方（琉球方向）延伸至日本南部海面。另外一條常出現鋒面的帶狀區域，是北緯35~45之間的中國華北及東北地區、韓國及日本。出現的頻率大約每個季節2天到一周左右。

接著來看一下氣候模式的模擬情況，這邊採用的資料是第五階段耦合模式對比計畫（簡稱CMIP5）（註二）提供的模擬。每個氣候模式都會先做歷史模擬（historical simulation），也就是模擬1850~2005年這段時間，負責產出資料的研究單位，會拿各式各樣的觀測資料來比對，檢查歷史模擬有沒有掌握到現今氣候的重要特徵。但是這些檢查，多半僅侷限在基本氣象變數及重要的氣候現象（如：聖嬰、季風等），不會特別針對鋒面評估。所以，我們要先把每個模式模擬的鋒面頻率跟ERA5的資料比對看看；這邊我們比對的是1979~2005年的平均狀態，共使用了29個模式。

我們根據ERA5及CMIP5歷史模擬的相關係數和模式表現指標，這兩個數值來挑選鋒面模擬得較好的模式，最後挑出的數量是冬季有7個模式，春季有6個模式。將這些模式的鋒面頻率平均後得到圖4（c,d），空間分布上蠻接近ERA5的結果，鋒面頻率則有些高估。如果沒有做模式挑選，直接將所有的模式數據平均，則高估的情況會更嚴重。


圖3. ERA5與CMIP5歷史氣候模擬之鋒面頻率比較，單位為天數/季節。
(a)及（b）為ERA5，（c）及（d）為表現較佳之氣候模式的平均。上下排分別為自然季節的冬季及春季。虛線長方形為評估及挑選氣候模式時採用的區域。

註一：由於某些偏遠地區的觀測資料在傳送時會有時間落差，來不及放入預報模式中。同時氣象預報模式也會因為科技進步不斷更新版本，版本差異也會對氣候資料產生人為干擾。所以，為了補上遲到的觀測資料，並解決預報模式版本更新可能會造成的影響，擁有較大規模的氣象單位（主要為美國、歐洲、日本）會用最新版的預報模式，加入完整的觀測資料重新作一次分析預報，稱為「再分析資料」。

註二：由於氣候模式運行時，需要龐大的電腦運算資源，絕大多數國家都只能負擔一個氣候模式的運作，為了克服資料量不足的問題，由聯合國政府間氣候變遷小組（IPCC）負責規劃實驗條件（例如：統一模擬的年份、規定四種未來暖化情境等）及產製資料的時程，這就是耦合模式對比計畫（簡稱CMIP）。世界各國的研究單位再各自產出氣候模擬，將資料上傳到資料庫跟全球免費共享。CMIP5表示是第五階段產出的資料。我們常聽到的IPCC第五次評估報告是各國的科學家利用CMIP5的公享資料進行分析後的研究結果。最新版的第六次評估報告（主要根據CMIP6資料），其中第一工作小組負責的科學報告草案已在2021年8月公布，第二、三工作小組負責的是社會經濟衝擊及調適因應，則預定於2022年公布。

 未來的鋒面變化

CMIP5計畫中的氣候模式同時也會做不同程度的暖化情境模擬，用來推估到21世紀末時的氣候狀態。我們採用的是最極端的暖化情境（RCP8.5）（註三），把21世紀最後30年（2071-2100年）的鋒面頻率平均後，再減掉歷史模擬的值就可以比較暖化前後的差異（圖4 a,b ），同時也疊上歷史模擬的氣候值（等值線）。比對後可以發現，冬季的鋒面頻率不管是中緯度鋒面或副熱帶的鋒面都將減少，尤其是華南地區減少得最明顯。春季的鋒面頻率也有類似的改變，同時減少的地區比較偏向氣候極大值的南側，增加的區域則比較偏向北側；綜合來看，鋒面區會有往北偏移的情況。

會有這樣的改變，很可能跟對流層低層的水氣傳送有關，我們可以看 850hPa （距離海平面約1.5公里高）的水氣傳送在暖化前後的差異（圖4 c,d 中的黑色箭頭），在華南到臺灣一帶，是一個擁有水氣的反氣旋（順時針）氣流場（以紅色箭頭與A標示），這個氣流場會把海上的水氣傳送到華中及華北，提高該地區低層水氣在南北方向上的對比，因此容易形成鋒面。這個過程在春季比較明顯，因為春季的順時針環流比冬季更強，水氣來源位在溫暖的南海及熱帶洋面上，帶來充沛的水氣。


圖4. 未來鋒面頻率及水氣環流的改變
（a）及（b）顏色為鋒面頻率的改變，等值線為鋒面頻率氣候值，單位皆為天數/季節。（c）及（d）顏色為850 hPa濕球位溫梯度的改變，單位為K/100公里；黑色箭頭為水氣通量的改變。紅色A表示反氣旋（順時針）環流，紅色箭頭表示主要的水氣傳輸方向。上下排分別為自然季節的冬季及春季。

註三： 在CMIP5階段規劃了四種暖化情境，其中RCP8.5情境表示世界各國沒有做任何溫室氣體的減量，為最極端的情境，8.5 表示2100年地球表面每平方公尺接收到的淨輻射量較1750年（工業革命前）增加了8.5瓦。

 鋒面降雨的模擬及推估

最後來看一下鋒面降雨的模擬，常見的做法是把已經標定為鋒面的網格當中心，再選取周圍八個網格，將這九個網格中的雨量都算成是鋒面降雨。這個計算方式雖然不是完全精確，卻可以比較有效率地用一致的標準來統計長期的資料。以這個方法統計了歷史模擬中的鋒面降雨佔該季節全部降雨的比例（圖5 a, b），在鋒面頻率最高的華南到臺灣一帶，大約有35% 以上的雨量來自鋒面。未來這些區域的降水，則隨著鋒面頻率降低，可能會減少約10-30%（圖5 c, d） 。但是華中及華北地區、韓國及日本，都將因為來自南方較強的水氣通量產生較多鋒面及相關降水。


（a）及（b）為歷史模擬的鋒面雨量在總雨量中所佔的比例；（c）及（d）為暖化後鋒面雨量改變的比例。上下排分別為自然季節的冬季及春季。

雖然在北臺灣地區，春季的降雨佔年降雨量比例不高，約20%，但是在經歷冬天乾季後，若暖化後春季鋒面頻率及降雨減少，很可能會延長乾季，產生乾旱現象，在水資源管理上需要提早因應。例如，目前「臺灣氣候變遷推估資訊與調適知識平台（TCCIP）」已開始與農委會及農民合作，嘗試更省水的水稻耕種方式（旱田直播），也有不錯的結果。面對未來的降雨改變，做好跨領域的合作與技術開發，將是相當關鍵的因素。

 未來的挑戰

由目前的結果來看，鋒面的模擬仍有許多不確定性，大多數氣候模式仍無法模擬出合理的鋒面頻率分布。臺灣附近的鋒面頻率在21世紀末的變化趨勢，如果讓現有的26個模式來投票（前述29個模式中有3個沒有提供未來推估的資料），超過一半的模式沒有明顯趨勢（未通過90% 信心水準的統計檢定），大約1/3 是減少的趨勢，不到1/3是增加的趨勢。雖然有效票顯示是減少的趨勢，過去長期的雨量觀測資料也是減少的趨勢，但是對於未來推估，客觀數據上依然信心不足。

除了因為氣候模式本身解析度不足以模擬狹長的天氣現象外，大氣中有一些時間尺度較長的氣候振盪也會影響天氣現象，例如：週期為20-90天的季內振盪（Hung et al. 2014），及數十年以上的太平洋十年際振盪（Hung et al. 2004），都已被證實會影響東亞地區的冬季及春季降雨，但是這兩種氣候現象，在氣候模式中仍無法模擬得很好，也許會間接影響到鋒面的模擬。

最後是梅雨鋒面的偵測與推估，出現在臺灣附近的梅雨鋒面用現有的自動偵測方式非常難找到，這與梅雨鋒面的特性有關。由於梅雨鋒面出現在較溫暖的季節，此時南北溫度梯度已經變小，主要的鋒面特徵為濕度及風向的明顯變化。雖然現有的方式已經考慮了水氣變數，但偵測的效果並不好，該怎麼調整偵測方法中的各種參數，或把風向變化也加入偵測方法中，還需要測試。再者，梅雨季受鋒面激發的中尺度對流，也因為尺度太小無法被氣候模式解析。不過只要我們清楚的知道缺點在哪裡，未來就有可能改善。

 致謝

本研究與中央研究院環境變遷研究中心許晃雄教授及陳英婷小姐合作完成（Wang et al.2021）。 圖一資料由大氣水文研究資料庫提供（https://dbar.pccu.edu.tw/），文化大學大氣科學系郭韋辰先生協助製圖。