一、計畫目的

在氣候變遷劇烈的威脅下，臺灣正面臨極端天氣頻率與強度同步攀升的嚴峻考驗，從高頻短延時的強降雨到衝擊深遠的洪旱災害，皆使現行防災體系負荷過重。由於傳統統計推估與數值模式在應對高度非線性、快速演變的極端現象時，常受限於解析度不足與反應時效遲滯，導入新興科技已成為提升預警精準度的當務之急。
本計畫聚焦於「高低頻極端氣象災害新預警技術研發」，深度整合人工智慧(AI)、數據科學與前瞻數值模擬，致力建構高即時性、精細化且高穩定性的預警矩陣。透過跨部會與學研合作，本計畫將系統性整合氣象、雷達及衛星觀測大數據，為中央與地方防災單位提供可靠的決策依據。預期成果不僅能強化臺灣對極端災害的掌控力與復原韌性，更將驅動人工智慧在氣象領域的深度轉型，為國家安全與永續發展奠定關鍵技術根基。

二、執行內容

本計畫執行時分為三部分：

  1.導入AI技術強化極短期雨量預報技術
為因應氣候變遷下日益頻繁的極短延時強降雨，本計畫致力於人工智慧技術與雷達氣象學之深度結合。藉由優化雷達降雨估計方法，發展10分鐘尺度的極短時強降雨預警能力。針對山區豪雨及都市淹水等高風險情境，將提供更具時效性的預警資訊，協助防災單位掌握黃金應變時間，建構更具韌性的智慧防災體系。

圖1、導入人工智慧技術強化極短期雨量預報

2.季節尺度汛期洪澇天氣風險判釋技術研發
面對汛期洪澇與颱風帶來的次季節尺度威脅，本計畫導入人工智慧技術優化氣象模式之系集預報產出，研發具備高解析度之雨量機率預警與天氣型態識別方法。透過智慧化監測與分析，全面精進極端洪澇事件的中期風險評估效能，填補短期預報與氣候預測間的關鍵技術缺口。

3.新雨量預警技術研發
為彌補純AI方法在物理一致性上的限制，計畫同步引進國際最新的數據天氣推估(DWP)技術，並進行在地化調整與作業化應用，同時測試與建置新一代氣象區域數值模式(MPAS Regional model)，透過數值模擬與人工智慧降尺度技術的整合，建立更穩健的氣象預警架構。

三、重點產出

年度預計產出如下：

1. 運用人工智慧技術開發雷達降雨估計(QPE)與雨量預警(QPF)方法

2. 運用人工智慧技術研究汛期天氣類型判釋與洪澇風險分析技術

3. 引進新氣象區域數值模式與臺灣區數據天氣推估模式開發降雨預警模組

四、歷年相關成果

• 2025年度重點成果請參閱技術報告「機器學習應用於偵測東亞季風區年循環天氣型態特徵研究」（NCDR 114-T13）
• 2024年度重點成果請參閱技術報告「智慧化天氣類型判識研究」（NCDR 113-T09）
• 2023年度重點成果請參閱技術報告「機器學習與深度學習模型應用於易致災天氣之研究」（NCDR 112-T07）
• 2023年度重點成果請參閱技術報告「雙偏極化雷達於高衝擊降水系統提前判識之技術發展」（NCDR 112-T06）
• 2022年度重點成果請參閱技術報告「大數據演算法於氣象防災之應用評估」（NCDR 111-A12）
• 2022年度重點成果請參閱技術報告「防災降雨雷達於短延時強降雨即時預警技術開發」（NCDR 111-T02）
• 2021年度重點成果請參閱技術報告「偏極化雷達產品於定量降雨估計與預報之應用」（NCDR 110-T04）
• 2021年度重點成果請參閱技術報告「氣候災害預警產品與動態視覺化展示技術開發」（NCDR 110-A17）
• 2020年度重點成果請參閱技術報告「雷達觀測資料即時處理技術及產品應用之開發」（NCDR109-A12）
• 2020年度重點成果請參閱技術報告「AI技術於區域降雨與雷達回波判識先期研究」（NCDR109-T15）
• 2020年度重點成果請參閱技術報告「模式調整外延(ExAMP)即時預報方法之開發與應用」（NCDR109-T04）
• 2020年度重點成果請參閱技術報告「MPAS全球模式冬季月預報技術先期研究」（NCDR109-T01）