臺灣每年的5、6月均迎來梅雨季節，7到10月則常受接踵而來的颱風侵襲，且隨著日益極端之氣候影響下，豪雨及強颱所帶來的極端雨量在水土保持不良的集水區上游地區，常有土石流等嚴重災害，而當排水設施不堪豪雨侵襲的負荷時，民宅淹水災害也是時有所聞。因此，為了降低大眾生命財產所受之威脅，準確的降雨觀測與預測以作為防災研究及避免對策的參考是有其必要性的。本研究首先分析中央氣象局提供之高精度雷達回波，並根據已蒐集雷達回波資料之測站持續新增數據資料，選定阿里山地區、南化地區、六龜地區以及六甲地區共16測站，將其應用於預測雲層下方的降雨強度與分佈情形，建立上述試驗測站之雷達回波強度dBZ與降雨強度I之單變數迴歸式，作為快速且直接的推測雨量之依據。接著再加入影響降雨之變數如風速、風向和溫度進行修正，整理出各變數間之多元迴歸關係式，進一步提高雷達回波估計降雨量之準確度。另考慮到在極端雨量下迴歸式精確度在類神經網路學習下還可再行提升，因此選出阿里山測站、北寮測站、六龜測站以及王爺宮測站，針對梅雨及西南氣流、午後雷陣雨及颱風降雨類型建立倒傳遞類神經網路結構。梅雨及西南氣流、午後雷陣雨作為網路模式的輸入因子與多元迴歸式變項相同；而颱風模式考慮到其降雨機制之複雜，再根據氣象局颱風警報單提供資訊，以及物理現象衍伸出之參數，共計17項輸入因子納入類神經網路輸入層中。除推估現時雨量外，也即時模擬出短時距目標如1、3小時後的高精度降雨量，以達到本研究藉降雨預報供防災研究參考之目的，且可供未來更進一步的研究和應用。

Firstly, this study analyzed the high-precision radar echoes provided by the Central Meteorological Administration, and selected 16 stations in Alishan area, Nanhua area, Liugui area and Liujia area based on the continuously added data of the stations that have collected radar echoes, and applied them to forecast the rainfall intensity and distribution under the clouds. The single variable regression formulas of radar echo intensity dBZ and rainfall intensity I of the test stations are described as a basis for fast and direct estimation of rainfall. Then, the variables affecting rainfall, such as wind speed, wind direction and temperature, are added to correct them. The multiple regression relationships among the variables are sorted out to further improve the accuracy of radar echo estimation of rainfall. In addition, considering that the accuracy of regression can be further improved under extreme rainfall, the Alishan station, Beiliao station, Liugui station and Wang Yegong station are selected to construct neural network structure for plum rain and southwest airflow, afternoon thunderstorm and typhoon rainfall types. Considering the complexity of rainfall mechanism, the typhoon model had 17 input factors in the input layer of the neural network. In addition to estimating the current rainfall, it can also simulate the high-precision rainfall of short-range targets such as 1 or 3 hours later.

1.Bent, A. E., "Radar echoes from atmospheric phenomena", Massachusetts Institute of Technology Radiation Laboratory Report, No.173, pp.10. , 1946.
2.Doherty, L. H., “Z-R Relationships Deduced from Forward Scatter Doppler Measurements”, Journal of Atmospheric Sciences, vol. 21, No. 6, pp.683-697, 1964.
3.French, M. N., W. W. F. Krajewskia and R. R. Cuykendallb, “Rainfall forestcasting in space and time using a neural network”, Journal of the Hydrology, vol. 137, pp.1-pp31, 1992。
4.Harter, R. M., “An estimation of rainfall amounts using radar-drived Z-R relationships”, Master of Science Thesis, Purdue University, 1989.
5.Marshall, J. S., Langille, R.C. and Palmer, W. Mck., "Measurement of rainfall by radar", Journal of Meteorology, Vol.4, pp.186-192., 1947.
6.Marshall, J. S., and Palmer, W. McK., "The distribution of raindrops with size", Journal of Meteorology, Vol.5, pp.165-166., 1948.
7.Probert-Jones, J. R., "The radar equation in meteorology", Quarterly Journal, Royal Meteorological Society, Vol.88, No.4, pp.485-495., 1962
8.Tokay, A., and Short, D. A., " Evidence from tropical raindrop spectra of the origin of rain from stratiform versus convection cloud", Journal of Applied Meteorology and Climatology, Vol.35, pp.355-371., 1995.
9.Xin, L., Recuter, G., and Larochelle, B., "Reflectivity-rain rate relationship for convective rainshowers in Edmonton", Atmosphere-Ocean, Vol.35, pp.513 -521., 1997.
10.Xiao, R. and Chandrasekar, V., “ Development of a Neural Network Based Algorithm for Rainfall Estimation from Radar Observations ”, IEEE Transactions on geoscience and remote sensing, vol. 35, No. 1, pp.160-171, 1997.
11.王珍貴，「應用類神經網路模式模擬颱風降雨量」，國立成功大學水利及海洋研究所碩士論文，2007
12.王安翔、林聖琪、張智昌、柯明淳與林李耀，「雷達估計降雨於坡地災害之應用與限制」，交通部中央氣象局，建國百年天氣分析預報與地震測報研討會，pp.458-463，2011。
13.王如意、謝龍生、王鵬瑞，「八掌溪流域降雨-逕流預報模式串聯應用之研究」，臺灣水利，第46卷，第1期，1998。
14.丘台光、陳嘉榮、張保亮與林品芳，「劇烈天氣監測系統QPESUMS之服務與應用」，交通部中央氣象局，2007。
15.江衍銘、張斐章，「以類神經網路建構定量降雨及多階段洪水預報模式」，臺灣水利，第55卷，第2期，2007。
16.何雲筠，「以雷達回波推估降雨量及邊坡地下水位之研究」，國立成功大學土木工程研究所碩士論文，2015。
17.何慶齡，「以雷達回波估計降雨量並建立邊坡致災警戒系統」，國立成功大學土木工程研究所碩士論文，台南市，台灣，2016。
18.李清勝、劉格非、周仲島、何興亞、林李耀與陳建元，「土石流潛勢區之雨量估計與即時預報技術發展研究(第一年)」，行政院農委會水土保持局計畫，2005。
19.李鴻源、黃威雄，「應用類神經網路於颱風降雨預報之研究」，第十一屆水利工程研討會論文集，臺灣，台北，第 C35 – C39 頁，2000。
20.周仲島，「西南氣流與季風豪雨實驗研究成果報導」，台大理學院電子報，第13期，2012。
21.周宜萍，「同化雷達資料對數值預報影響之研究」，國立中央大學大氣物理研究所碩士論文，桃園市，台灣，2005。
22.周乃昉、鄭子璉、林柏承，「應用類神經網路於颱風降雨量的推估」，第十一屆水利工程研討會論文集，臺灣，台北，第 C23 - C28 頁，2000。
23.邱健倫，「使用氣象雷達改善對流尺度定量降水預報研究¬-理想和真實個案之分析結果」，國立中央大學大地科學系大氣物理研究所論文，桃園市，台灣，2013
24.林忠義、吳明璋、何瑞益，「極短期定量降雨預報技術研發與應用技術之研發」，國家實驗研究院臺灣颱風洪水研究中心，2016
25.范瀞勻，「階層式梯度法之類神經網路學習」，國立台灣科技大學工業管理所碩士論文，台北市，台灣，2009
26.段智懷，「倒傳遞類神經網路小區域颱風降雨預報-前饋式與遞迴式之比較」， 逢甲大學水利工程研究所碩士論文，2004。
27.徐森雄、陳俐伶、李冠昌、蔡宜君，「風速對雨量量測之影響(二)」，作物、環境與生物資訊，第2卷第4期，第308-314頁，2005。
28.陳正改、謝信良，「新店新流域颱風定量降雨預報之研究」，行政院國家科學委員會研究報告， 1987 。
29.陳台綺與張偉裕，「雙偏極化雷達在定量降水估計上的應用」，國家災害防救科技中心災害防救電子報，2006。
30.陳順宇，「迴歸分析第四版：SPSS、STATISTICA軟體操作」，三民書局出版，台北，2009。
31.陳允哲，「使用雷達回波降雨資料建立邊坡滑動預警系統」，國立成功大學土木工程研究所碩士論文，台南市，台灣，2018。
32.莊雅雯，「以雷達回波估計降雨量及應用於邊坡災害管理」，國立成功大學土木工程研究所碩士論文，台南市，台灣，2017。
33.莊璧瑜，「雲解析模式對臺灣梅雨季豪大雨定量降水預報技術之評估研究」，國立臺灣師範大學理學院地球科學研究所碩士論文，台北市，台灣，2015
34.張智昌、孫志鴻、賴進貴，「整合氣象雷達與即時降雨資料於颱風降雨推估之研究」，環境與世界，第13期，第1-22頁，2006。
35.張永欣，「以多變量地質統計方法進行雨量空間內插」，國立中央大學應用地質研究所碩士論文，桃園市，台灣，2007。
36.張斐章、江衍銘、蔡孟蓉，「類神經網路結合衛星影像於颱風降雨預報」，臺灣水利，第55卷，第1期，2007。
37.張斐章、張麗秋，「類神經網路」，東華書局，2004。
38.葉怡成，「類神經網路─模式應用與實作」，儒林，1993。
39.劉鑌鋈，「利用機器修正QPESUMS雷達估計降雨」，國立成功大學水利及海洋工程研究所碩士論文，台南市，台灣，2009。
40.詹錢登，「土石流發生降雨警戒值模式之研究」，行政院農委會水土保持局計畫，2002。
41.鄭連焜、陳秀娟，「颱風模式法推估PMP之進一步研究」，中興顧問社，1998。
42.蕭文龍，「統計分析入門與應用SPSS中文版+SmartPLS 3(PLS_SEM)」，碁峰資訊股份有限公司出版，台北，2016。
43.賴明煌，「以雨量基準建立公路通行管理準則－以阿里山公路為例」，國立成功大學土木工程研究所博士論文，2013。
44.內政部地政司衛星測量中心，http://gps.moi.gov.tw/sscenter_mapframe/map/sscenter_map.aspx，2019
45.交通部中央氣象局南區氣象中心網站，https://south.cwb.gov.tw/index，2019
46.交通部中央氣象局網站，http://www.cwb.gov.tw，2019
47.香港地下天文台，https://www.weather.org.hk/wxmap.html，2019
48.統計觀念與軟體操作實務，https://tctspss.blogspot.com/，2019
49.國家研究中心臺灣颱風洪水研究中心，https://www.ttfri.narl.org.tw，2019
50.國土資訊系統自然環境資料庫，https://ngis.wra.gov.tw/NgisGIS/，2019
51.MATLAB中文論壇，https://www.ilovematlab.cn/forum.php?mod=home，2019