地球科學系(含 海洋環境科技研究所)

Permanent URI for this communityhttp://rportal.lib.ntnu.edu.tw/handle/20.500.12235/59

本系設立的宗旨,首在養成學生具備地球科學五大學術領域–地質學、大氣科學、海洋科學、天文學和地球物理–充分之本職學能;本系的教育目標,則首重致力培養有志從事地球科學之專精人才,以培育優秀之地球科學研究人才和實務工作的專業人才為主軸,並以培養優良的中學地球科學師資為輔。特別是在國內各地球科學相關系所中,本系是唯一同時涵蓋五大地球科學研究領域,並擁有師範大學在科學教育專業基礎的高等學術機構,此為本系之特色。若志在從事中等學校地科教學,本系亦可提供地科教學知能和教育專業知識,充分培育健全之地球科學師資。

在課程上,為營造更優質的學習與研究環境,本系已適度調整原以師資培育目標為主的舊有課程架構,整合各地球科學次領域之基礎課程,降低本系必、選修課程之比例,大幅減少各次領域之必修課程學分,以增加學生在各次領域課程選修之自由度及彈性,進而充分落實各次領域之專業進階課程。此外本系並積極鼓勵學生,實際參與實驗、撰寫論文、從事專題計畫研究等,以豐富其研究經驗,訓練學生使其具備獨立研究之精神與能力。經由選修本系提供之更多進階專業課程,進而厚植學生之理論基礎、充實其專業背景,並強化其選定目標次領域之學術養成和專業訓練;連同充足的研究經驗,本系學生的未來發展,將更具時代性與面對挑戰時的競爭力,進一步達到「博而精、廣而深」的終極目標。近來本系更積極增聘優秀外籍專任師資,以全英語教學方式授課,期能增加學生之國際觀與國際競爭力。

本系在碩、博士班研究所的教育上,採一系多所之架構,除地球科學研究所外,還包括海洋環境科技研究所。本系研究所的研究重點與發展方向,首在地球科學各領域之深耕與研究發展,並加強各次領域間之跨學門合作,以進一步提升本系之學術研究及國際化,並為本系學生的訓練和學習,提供全面全方位的考量,以訓練學生從容面對多變的世界,因應未來的挑戰。

Browse

Search Results

Now showing 1 - 10 of 20
  • Item
    印尼東爪哇巴契丹地區中新世中期火山岩的年代與地球化學特徵
    (2025) Lintjewas Lediyantje; Lintjewas Lediyantje
    None
  • Item
    「臺灣地區豪大雨預報實驗」之定量降水預報評估研究:預實驗午後雷陣雨/颱風個案結果
    (2025) 吳哲維; Wu, Zhe-Wei
    本研究以「臺灣地區豪大雨預報實驗計畫」(Taiwan Area Heavy-rainfall Prediction Experiment, TAHPEX)之高解析多模式數值天氣預報系統為基礎,評估其對梅雨季午後對流與颱風事件之五日(120小時)定量降水預報(Quantitative Precipitation Forecast, QPF)效能,探討系集預報在不同降雨類型、雨量門檻及預報時間下的預報能力與雨區大小分辨。資料涵蓋2017至2021年TAHPEX實驗期間,梅雨季午後對流事件共17例、颱風事件4例,分別採6小時與24小時累積雨量進行分析,模式成員為TAHPEX計畫內M01至M13等多位成員。午後對流個案,本研究依據雨量分級劃分為A級(3小時 ≥ 100mm)、B級(時雨量 ≥ 40mm但< 100mm)、C級(時雨量 < 40mm),並以11種雨量門檻進行TS(Threat Score)與BS(Bias Score)等技術指標評估。結果顯示,在低雨量門檻(0.05、2.5mm)條件下,多數模式成員即便在預報時間長達四至五日前,仍能維持TS ≥ 0.2之預報能力,顯示模式具備掌握對流事件的潛力。其中,模式成員M04、M05與M12表現穩定,於多數事件與時段皆達「良好預報」標準(0.8 < BS < 1.25 且 TS ≥ 0.2)。但預報能力於高雨量門檻下明顯下降,C級事件則普遍預報困難,顯示弱對流事件本身之模擬仍具挑戰。 颱風個案則以10種雨量門檻進行24小時與前後12小時降雨的比較分析。結果而言,24小時累積雨量預報之TS值較12小時為高,但當降雨集中於特定12小時時段,短時預報之表現反而優於全日累積預報。 TAHPEX系集預報對於災前預警與氣象作業具有實務應用潛力。研究建議未來可進一步引入模式加權整合、資料同化與積雲參數化,以提升模式在高雨量事件條件下之定量降水預報,並強化臺灣地區在面對颱風及午後對流等致災性天氣事件時之防災決策支持能力。
  • Item
    應用機器學習預報臺灣北部夏季午後對流之研究
    (2025) 黃品豪; Huang, Pin-Hao
    本研究以臺灣北部地區夏季午後對流降雨為研究對象,採用XGBoost機器學習模型(eXtreme Gradient Boosting)進行降雨分級預報,並結合SHAP方法(SHapley Additive exPlanations)分析模型輸出結果,以強化預報的可信度與可解釋性。研究使用2018至2024年5至9月間的中央氣象署觀測資料、探空資料及相關模式輸出進行模型訓練與驗證。結果顯示,XGBoost模型對於午後降雨事件具備良好的分級預報能力,其驗證資料的預兆得分(TS)達 0.76,誤報率(FAR)僅 0.11,較過去採用模糊邏輯方法之 TS = 0.594、FAR = 0.333明顯提升,展現 AI 方法在中小尺度降雨預報上的潛力與優勢。研究進一步指出,當預報目標越單純時,XGBoost所獲得的技術指標表現越佳,顯示明確界定預報任務能有效提升模型效能。透過SHAP分析,成功辨識影響午後對流降雨的多項關鍵特徵,包括低層水氣輸送、中高層大氣穩定度及近地面風場配置等;各特徵貢獻方向與過往研究所揭示的午後對流機制相符,驗證模型結果具備物理合理性與可解釋性。此外,分析也發現,當預報目標限定於弱綜觀環境下的午後對流降水時,模型對中高層動力與穩定度特徵的依賴性顯著增加,而針對所有降雨事件則以地面水氣與風場為主要依據,顯示不同尺度與條件下,AI 模型可捕捉不同的環境場訊號。研究同時討論了AI模型於中小尺度對流事件預報上的應用優勢與侷限,指出雖能突破傳統數值模式在解析度與即時性上的限制,但AI模型的黑箱過程仍是實務應用的重要挑戰。透過SHAP分析,本研究部分化解此問題,提升了預報結果的透明度。然而,本研究也坦承資料量有限及僅聚焦夏季弱綜觀條件,模型於不同區域及季節的泛化性尚待驗證。未來研究建議可擴增更長期與多樣化的觀測資料,並結合AI與數值模式之優勢,發展混合式預報系統,兼具物理完整性與AI高效能及可解釋性。同時,針對尚未完全明瞭的高層與近地面動力場特徵,未來亦應結合更高解析度的資料進一步探討。綜上所述,本研究展示了以XGBoost搭配SHAP方法進行午後降雨分級預報的可行性,成果可為短期降雨預報作業提供新的技術參考與方法支持,亦為未來相關應用提供可持續發展之基礎。
  • Item
    2020年梅雨季前段極端降雨事件之原因及多重尺度交互作用分析
    (2024) 邱彥超; Chiu, Yen-Chao
    本研究調查了2020年5月21日至23日,臺灣地區所經歷的一次破42年梅雨季紀錄之極端降水事件(Y20R事件)。此次降水事件的成因主要與多個天氣系統之間的交互作用有關。2020年梅雨季前段,西北太平洋副熱帶高壓異常強大,導致西南季風顯著增強,從而加強了南海與中南半島一帶往東亞地區的水氣傳輸。在強烈的季風影響之下,於青藏高原東南側形成的西南渦(SWV)向臺灣方向移動。當SWV通過臺灣北側海面時,它提供了臺灣附近的潮濕渦旋環境,其底層的西北風與西南季風在臺灣海峽中部匯合,形成了有利於鋒面生成的動力和熱力條件,進而增強了海峽上的鋒面活動。這一過程中,SWV的位置則會影響鋒面生成的位置,而鋒面的位置又對降水強度影響甚大,當鋒面位於臺灣南部雨區的北側時,會顯著增加該地區的降水量。最後,觀測系統模擬實驗的結果顯示,在預報系統中加入南海北部的投落送資料可以提升對南海地區風場和水氣場的初始條件,從而改善臺灣,尤其是臺灣南部地區的強降水預報能力。本研究對理解臺灣梅雨季降水的形成機制以及大尺度背景場(2020年環境場)和中尺度天氣系統(SWV)之間的交互作用具有重要意義,並對提升極端降水事件的預報能力提供了一個參考方案。未來的研究可以擴大範圍,包含更多類型的降水事件,以便深入瞭解其降水機制。
  • Item
    「臺灣地區豪大雨預報實驗」之定量降水預報評估研究:預實驗梅雨個案結果
    (2024) 黃柏瑜; Huang, Po-Yu
    本研究利用「臺灣地區豪大雨預報實驗 (Taiwan Area Heavy-rainfall Prediction Experiment, TAHPEX)」計畫預實驗資料,以24小時累計雨量達200毫米為標準,挑選2017年6月1日至4日、2019年6月10日至14日,以及2021年5月29日至6月1日共3個顯著影響臺灣的梅雨事件,利用預兆得分 (TS)、偏倚得分 (BS) 及相似性技術得分 (SSS) 等客觀方法,評估及檢視計畫模式成員在梅雨事件降雨期間,24小時豪大雨預報表現。此外,以差時系集概念輸出系集預報產品,包含系集平均、機率擬合、超越機率(序位一至序位三)以及定量降雨機率預報,與TAHPEX計畫模式成員預報結果進行比較,嘗試提出不同預報產品之間的應用可能與其限制。TAHPEX計畫模式成員24小時預報表現,在山區,各成員在第2至3日以上預報時間,對50、80毫米門檻皆具有良好的預報能力,隨預報接近校驗時段,提升預報能力雨量門檻,最大可達24小時累計降雨量百分五十。在平地,以第2日以內的預報,在50及80毫米門檻具預報能力,在2017年梅雨事件中可達200毫米門檻。校驗結果亦顯示,1公里網格解析度模式成員 (M11),在山區多能有更好的可預報度在更高的雨量門檻,在平地有更趨近觀測的預報降雨區域,窺見高解析度模式對海峽移入和地形舉生的對流系統,有更好的預報應用潛力。在系集預報產品校驗結果,系集平均隨校驗雨量門檻提升,預報能力顯著降低,僅能在50、80毫米門檻具有良好預報能力。機率擬合在山區,相較系集平均多有更好的可預報度在更高的雨量門檻,預報表現多相當於TAHPEX計畫模式最佳成員,在平地僅天氣系統明確下具有較佳的預報表現,仍以TAHPEX計畫模式成員(如M11)表現較佳。超越機率-序位一在本研究2017年梅雨事件,為預報結果中最佳,在2019及2021年梅雨事件,則能在第2日以上預報,對於是否降雨的情境具良好的預報能力。超越機率-序位二和序位三其機率門檻代表的降雨量,相當於機率擬合和系集平均,可提供系集預報產品中更廣域的預報降雨分布。定量降雨機率預報,在山區隨預報接近校驗時段,機率預報40%以上之雨量門檻可提升達130、200毫米,在更高雨量門檻提供機率預報分布區域,多能與觀測結果範圍相近。在平地則以80毫米以下門檻,機率預報40%以上範圍多能符合觀測結果,其上雨量門檻機率預報則提供可能發生的區域,可輔助其他預報產品進行預報作業。回顧2012至2014年梅雨季預報校驗結果,TAHPEX計畫模式成員,在200毫米門檻TS得分均有顯著提升,而350毫米門檻表現持平,仍有進步空間。本研究亦窺見更高解析度氣象模式,為預報能力提升方向之一,尤其是平地預報表現,若能加入更多更高解析度模式成員,不論是個別模式成員之12或24小時預報結果,或其輸出之系集預報產品,應可期待能有較目前TAHPEX計畫成果更好的預報表現與成果。
  • Item
    璨樹颱風(2021)路徑與駛流分析
    (2024) 吳玠均; WU, Chieh-Chun
    颱風對臺灣地區具有重大的影響,其路徑往往會決定臺灣的災害程度。本研究利用WRF數值模式,透過NC2014颱風動力初始化技術,以ECMWF的ERA5再分析資料作為初始與邊界條件,針對2021年璨樹颱風(Typhoon Chanthu, 2021)的移動路徑進行數值模擬分析。本研究採用駛流分析與地形敏感度實驗,著重分析於颱風環流與地形對其路徑及結構的影響。結果顯示,颱風移動路徑受到環境駛流與地形的雙重影響。當太平洋副熱帶高壓向東退縮時,創造了一條有利颱風向北移動的氣流通道,來引導颱風北上,使其向臺灣東方海域移動。當颱風接近臺灣地形時,由於中央山脈阻擋颱風的環流,颱風路徑出現了偏東且加速北轉的現象,最終沿著臺灣東部近海向北行進。地形敏感度實驗中,探討了臺灣和菲律賓的地形對颱風路徑的影響。結果顯示,地形在調節颱風的移動速度和方向扮演關鍵角色,當颱風遇到地形障礙時,若其北/南側環流減弱,則會導致颱風向東/西偏移。此外,地形效應亦會減緩颱風移動速度。本研究增加了我們對於颱風路徑與複雜地形之間的關係的了解,有助於提高颱風在接近複雜地形時的動態預測,對改善颱風預報提供了重要參考。
  • Item
    臺灣北部秋季長時間連續降雨個案之合成分析研究
    (2024) 盧昮佑; Lu, Chung-Yeu
    本研究探討臺灣北部秋季長時間降雨的類型並分析成因。利用測站與再分析資料進行合成分析,以探討不同降雨類型下各種氣象參數的特徵與演變。根據統計2009至2022年臺北測站連續七日以上降雨個案之降雨類型、發生頻率,結果顯示臺北測站總降雨日數為655日,其中連續七日以上降雨日數為214日,約佔總降雨日數的32.6%。因多數超個案係由不同類型組合而成,其中,颱風為54日、鋒面30日、純高壓102日、分裂高壓則為28日,這表示在2009年至2022年秋季多日連續降雨期間,發生頻率為純高壓>颱風>鋒面>分裂高壓。 本研究將2009至2022年臺北測站連續七日以上降雨個案分成6種降雨類型(颱風類型一:北移颱風並登陸臺灣、颱風類型二:北移颱風並未登陸臺灣、颱風類型三:西移颱風通過巴士海峽、鋒面、純高壓及分裂高壓),類型之合成探討不同降雨類型之天氣演變與垂直剖面的時序變化。 颱風類型之合成分析結果顯示,當彭佳嶼測站東北風風速達10 m s-1時,臺灣北部將產生降雨且東北風增強北部降雨量會增多。 高壓類型個案合成分析顯示,此類型有以下相同特徵,當彭佳嶼測站東北風風速達7m s-1時,臺灣北部將產生降雨且東北風增強北部降雨會增多。
  • Item
    臺灣雲解析差時系集颱風定量降水預報應用研究
    (2023) 陳鑫澔; Chen, Shin-Hau
    臺灣的颱風降雨雖為主要的水源之一,但也常因此造成災害。數值天氣預報開發以來,時常面臨著不確定性造成的困難,眾多研究者嘗試使用各式方法獲取防災資訊,本研究面對臺灣颱風防災的需求,嘗試在現有資源限制下,建構針對臺灣颱風降水於防災的建議系統。具體而言,本研究使用雲解析風暴模式,建構上採用了2.5km水平格點間距,每六小時進行八天的預報,在本研究的十個目標颱風內,經過評估後皆能在各颱風風雨影響臺灣前至少52小時前,也就是大約兩天以前,找出颱風影響期間總累積降雨量的相似技術得分(Similarity Skill Score,簡稱SSS) 大於0.6的高解析度的降水情境,顯示此方法實際應用上可以在有反應時間的前提下,提供有效的降水情境。 防災事前可以針對最糟糕的降水情境做防範,但為了更有效的找出較有參考價值的預報,本研究針對十個西行侵臺颱風選出105個預報參數,使用機器學習嘗試建構能夠預估降水指引(SSS為其中之一)與路徑指引的模型並進行評估,評估後大多數機器學習預估的SSS皆能適度掌握不同初始時間預報中的實際降水SSS好壞。機器學習預估的結果約在實際颱風影響臺灣26小時前可以產出,當預估的SSS中位數達0.6以上時,實際的SSS也有71%超過0.6,顯示可以在中心登陸兩天前預先指出那些預報的可信度低,那些的可信度高。 本研究進行機器學習訓練時進入模型的颱風數量上不多,可當作ㄧ初步之研究,文章中亦討論了許多颱風預報相關性分析,並提出了幾個可能的改進方向。總體來說,高解析差時系集預報輔以機器學習可在臺灣西行颱風的防災預警上,提供有效的降水情境,並指出較具可信度的預報。
  • Item
    以機器學習研究台灣梅雨季不同降水型態之時空分布與環境分析
    (2023) 楊立宇; Yang, Li-Yu
    台灣於梅雨季內常伴隨鋒面與中小尺度系統,常發生劇烈降水事件。為了解並統整受梅雨鋒面影響下不同降水型態對應的大氣環境狀態,本研究先尋找近十年台灣受梅雨季鋒面影響之時段,從中篩選出大量降水事件。由於降水事件個數眾多,本研究先以事件之降水極值進行初步分類;再以主要降水區域的空間差異,以機器學習方法將前述分類結果再逐一細分。從結果可見,部分類別間的主要降水區域分布相似度高,但亦有類別的降水區過於零散且發生頻率偏低。因此本研究從中挑選、整併出4種降水極值、6種主要雨區共計24種雨型,並刪除一種事件數甚少的雨型,最終以23種雨型進行後續分析。分析結果可見,平地雨區與山區雨區之間無論時序變化、環境特徵均差異大,顯見平地與山區的降水事件發生機制明顯不同,不過南部平地、中南部山區雨區之間受海陸風與背景西南風之輻合影響,其日夜變化明顯相互關聯。北部平地雨區之發生頻率時序為所有雨區中最顯其獨特性,在季內變化上,較集中於5月發生;在日夜變化上,較集中發生於凌晨至早上時段。所有山區雨型於近中午至午後時段有較多大降水極值事件出現,顯示有明顯之日夜變化現象。從環境條件分析之結果可見,熱力或水氣性質參數在台灣附近之位置或指向通常與各雨區位置有所相關,即途經或指向該雨區,且地理位置與之相近的平地雨區,其大氣特徵與隨降水極值變化下之大氣變化趨勢有彼此相近的現象。本研究另使用中央氣象局之梅雨季豪大雨檢查表的部分項目,統計與各雨型之間的相關性。自結果可見,位置較南的雨區即越適用此些項目,顯示位置較北的雨區或需另行訂定其他項目或僅使用少數項目,以利預測該地的豪大雨事件。本研究可提供台灣梅雨季不同降水類型下的環境特徵,並提出現有豪大雨檢查表的不足之處,期盼未來能依其資訊進一步製作預測指標,以協助預報員在預報實務上的運作。