熱帶氣旋客觀偵測方法已經被廣泛運用於全球預報模式與氣候模擬之評估與校驗，典型之熱帶氣旋偵測條件有：(1)海平面氣壓場具有局部低壓、(2)熱帶氣旋中心之850 hPa相對渦度、(3)熱帶氣旋中心附近之最大表面風速、(4)高層暖心、(5)高低層氣溫距平差異以及(6)高低層相對渦度差異。
本研究利用2016年之ERA-Interim(ECMWF)與MERRA-2 (NASA)兩組再分析資料，分析數值模式內之熱帶氣旋特徵，採用兩種熱帶氣旋偵測方法：(1)熱帶氣旋直接比對與(2)熱帶氣旋客觀偵測。本研究以多變量羅吉斯迴歸(Multivariate Logistic Regression)改進熱帶氣旋客觀偵測模式，配合颱風最佳路徑資料(Best Tracks)進行校驗。藉由機率式與二元式等校驗方法，評估再分析資料於西北太平洋地區之熱帶氣旋客觀偵測結果，並分析兩組再分析資料之差異。
熱帶氣旋直接比對之結果顯示，MERRA-2之局部低壓中心偵測率(約99%)較ERA-Interim (約92%)高7%，而條件(2)至條件(4)之偵測率皆相似。然而，兩組再分析資料對於代表颱風垂直結構特徵之高低層氣溫距平差異條件，皆表現得不盡理想，條件(5)、(6)之偵測率較條件(2)-(4)約低了20至40%。熱帶氣旋客觀偵測之機率式校驗結果顯示，兩組再分析資料於2016年測試組之ROC曲線下面積(area under the Receiver Operating Characteristic curve)皆高達0.9，代表颱風客觀偵測模式具有良好的判別能力。二元式校驗結果顯示，兩組再分析資料之偵測率約為85%，然而，ERA-Interim之誤報數量(152)較MERRA-2再分析資料(311)約少了50%。最後，本研究將熱帶氣旋客觀偵測模式應用至2017年ERA-Interim。校驗結果顯示，2017年ERA-Interim具有較多的局部低壓中心缺漏個案；若要求路徑生命期需至少為24小時，熱帶氣旋之偵測率約為58%，誤報率約為40%。

Objective tropical cyclone (TC) detection methods have been widely used for tracking TCs in the global model forecasts and climate simulations. The typical detection criteria used by the TC tracking methods are: (i) local minimum in sea-level pressure (SLP)；(ii) 850 hPa relative vorticity at the TC center, (iii) maximum surface wind speed near the TC center；(iv) an upper-level warm core；(v) temperature anomaly at the upper level is higher than at the lower levels；and (vi) warm-core feature detection inferred from the difference of the relative vorticities between the lower and upper levels. 
In this study, the atmospheric reanalysis datasets from the ERA-Interim (ECMWF) and MERRA-2 (NASA) are used to investigate the representativeness of TC features. Two TC identification methods are applied: (1) direct TC matching, and (2) objective TC detection. The Logistic Regression is used to improve the objective TC detection method. The results from two reanalysis datasets are compared with the best tracks by using the probabilistic and binary verification methods.
The result of the direct TC matching method shows that the probability of detection (POD) of the local minimum SLP centers is about 7% higher in the MERRA-2 (~99%) than that in the ERA-Interim (~92%), which may be due to the MERRA-2’s horizontal resolution ( ) is relatively higher. The PODs are also similar if the conditions 2-4 are analyzed. Both reanalysis datasets are somewhat less successfully in representing the TC’s vertical structure in terms of the differences of temperature anomalies between the lower and upper levels. The PODs are about 20-40% lower than those of the conditions 2-4. The result of the objective TC detection method shows that the area under the Receiver Operating Characteristic curve (AUC) for both datasets in 2016 are about 0.90. The binary verification result shows that the PODs are about 85% in both reanalysis datasets. However, the False Alarm number for the ERA-Interim (152) is about 50% lower than for the MERRA-2 (311). Finally, the objective TC detection method is applied to the ERA-Interim in 2017. The verification results show that there are more missing minimum pressure centers in the ERA-Interim in 2017. The POD is 58% and FAR is 40% if it is required that a TC track must last at least 24 hours.

目錄
中文摘要 ................................................................................................................. ....i
英文摘要................................................................................................................. ...ii
目錄................................................................................................................. ..iv
圖目錄................................................................................................................. .vii
表目錄................................................................................................................. xiii
第一章、 緒論......................................................................................................... ...1
1.1、 研究動機.....................................................................................................1
1.2、 文獻回顧.....................................................................................................1
1.2.1、 熱帶氣旋直接比對系統.....................................................................1
1.2.2、 熱帶氣旋客觀偵測系統.....................................................................4
1.3、 研究目的及方法....................................................................................... 11
1.4、 論文架構................................................................................................... 11
第二章、 研究資料................................................................................................. .12
2.1、 颱風最佳路徑資料(Best Tracks)..............................................................12
2.1.1、 最佳路徑資料分類...........................................................................12
2.2、 再分析資料(Reanalysis Datasets).............................................................17
2.2.1、 ERA-Interim再分析資料.................................................................17
2.2.2、 MERRA-2再分析資料.....................................................................18
第三章、 研究方法................................................................................................. .19
3.1、 熱帶氣旋之直接偵測...............................................................................19
3.2、 熱帶氣旋之客觀偵測...............................................................................20
3.2.1、 客觀偵測方法條件...........................................................................20
3.2.2、 羅吉斯迴歸分析(Logistic Regression Analysis；LR)...................23
3.2.3、 主成份分析(Principal Components Analysis；PCA) ......................25
3.3、 校驗方法...................................................................................................26
3.3.1、 機率式校驗.......................................................................................26
3.3.2、 二元式校驗.......................................................................................29
第四章、 結果分析與討論..................................................................................... .33
4.1、 直接偵測結果評估...................................................................................33
4.1.1、 颱風個案之通過率...........................................................................33
4.1.2、 颱風中心平均場...............................................................................36
4.2、 客觀偵測結果評估...................................................................................52
4.2.1、 正確與誤報個案特徵比較...............................................................52
4.2.2、 羅吉斯迴歸模型...............................................................................75
4.2.3、 機率式校驗.......................................................................................80
4.2.4、 二元式校驗.......................................................................................82
4.2.5、 平均場特徵比較...............................................................................91
4.3、 客觀偵測方法應用................................................................................. 112
4.3.1、 羅吉斯迴歸分析結果..................................................................... 112
4.3.2、 路徑比對結果................................................................................. 115
第五章、 結論......................................................................................................... 142
參考文獻................................................................................................................. 145 

圖目錄
圖 1.1、Hodges et al. (2017)直接比對法示意圖	3
圖 1.2、垂直結構之渦度中心示意圖	5
圖 1.3、Carmargo and Zebiak(2002)定義之分區範圍示意圖	8
圖 1.4、熱帶氣旋偵測方法再改進前後之路徑差異比較	8
圖 2.1、JTWC於2016年各類氣旋之數量統計圖	16
圖 2.2、JTWC於2017年各類氣旋之數量統計圖	16
圖 3.1、距平範圍示意圖(距平定義為 )	20
圖 3.2、本研究分析範圍為西北太平洋( )與陸地遮罩範圍示意圖	21
圖 3.3、羅吉斯迴歸函數	24
圖 3.4、ROC曲線示意圖	28
圖 3.5、Reliability Diagram示意圖	29
圖 3.6、低壓中心比對範例	31
圖4.1、2016年ERAI再分析資料於熱帶氣旋與非熱帶氣旋之偵測率	34
圖 4.2、2016年MERRA-2再分析資料於熱帶氣旋與非熱帶氣旋之偵測率	35
圖4.3、ERAI熱帶氣旋分類中之颱風個案於條件5通過與未通過之氣溫平均場(23x23網格範圍)	37
圖4.4、MERRA-2熱帶氣旋分類中颱風個案於條件5通過與未通過之氣溫平均場(27x27網格範圍)	38
圖4.5、ERAI熱帶氣旋分類中條件5通過之個案強度分類數量圖與強度分佈圖	40
圖 4.6、ERAI熱帶氣旋分類中條件5未通過之個案強度分類數量圖與強度分佈	41
圖4.7、MERRA-2熱帶氣旋分類中條件5通過之個案強度分類數量圖與強度分佈	42
圖 4.8、MERRA-2熱帶氣旋分類中條件5未通過之個案強度分類數量圖與強度分佈	43
圖4.9、ERAI熱帶氣旋分類中之颱風個案於條件6通過與未通過之相對渦度平均場(23x23網格範圍)	45
圖4.10、MERRA-2熱帶氣旋分類中之颱風個案於條件6通過與未通過之相對渦度平均場(27x27網格範圍)	46
圖4.11、ERAI熱帶氣旋分類中條件6通過之個案強度分類數量圖與強度分佈圖	48
圖 4.12、ERAI熱帶氣旋分類中條件6未通過之個案強度分類數量圖與強度分佈	49
圖4.13、MERRA-2熱帶氣旋分類中條件6通過之個案強度分類數量圖與強度分佈	50
圖 4.14、MERRA-2熱帶氣旋分類中條件6未通過之個案強度分類數量圖與強度分佈	51
圖 4.15、兩組再分析資料通過過去客觀偵測模式之正確與誤報個案分佈圖	52
圖 4.16、利用陸地遮罩後誤報個案之低壓中心分佈圖	53
圖 4.17、ERAI再分析資料誤報個案純量平均場	56
圖 4.18、ERAI再分析資料正確個案純量平均場	57
圖 4.19、MERRA-2再分析資料誤報個案純量平均場	58
圖 4.20、MERRA-2再分析資料正確個案純量平均場	59
圖 4.21、ERAI於300 hPa氣溫距平之PCA特徵圖	60
圖 4.22、MERRA-2於300 hPa氣溫距平之PCA特徵圖	60
圖 4.23、正確個案與誤報個案利用PCA分析300 hPa氣溫後所得之橢圓長軸(粉色)短軸(藍色)之長度盒狀圖	62
圖 4.24、正確個案與誤報個案利用PCA分析300 hPa氣溫後所得之橢圓長短軸比例盒狀圖	63
圖 4.25、正確個案與誤報個案利用PCA分析300 hPa氣溫後所得之原點與橢圓中心距離(粉色)、原點與最大正距平點之距離(藍色)以及最大正距平點與橢圓中心之距離(綠色)盒狀圖	65
圖 4.26、兩組再分析資料於增加各條件後之缺漏數量增加狀況	67
圖 4.27、通過條件1(局部低壓中心)之正確及缺漏百分比	69
圖 4.28、同時通過條件1及條件2(850 hPa相對渦度)之正確及缺漏百分比	70
圖 4.29、同時通過條件1及條件3(近地面風速)之正確及缺漏百分比	71
圖 4.30、同時通過條件1及條件4(300 hPa氣溫距平)之正確及缺漏百分比	72
圖 4.31、同時通過條件1及條件5(高低層氣溫距平差異)之正確及缺漏百分比	73
圖 4.32、同時通過條件1及條件6(高低層相對渦度差異)之正確及缺漏之百分比	74
圖 4.33、ERAI再分析資料分組之分布狀況	76
圖 4.34、MERRA-2再分析資料分組之分布狀況	76
圖 4.35、兩組再分析資料於變數逐步選取之AIC狀況	78
圖 4.36、機率式校驗之ROC曲線	81
圖 4.37、機率式校驗之Reliability Diagram	81
圖 4.38、再分析資料(訓練組)於各機率門檻之關係圖	83
圖 4.39、再分析資料(訓練組)於各機率門檻之颱風強度分類	85
圖 4.40、再分析資料(測試組)於各機率門檻之關係圖	88
圖 4.41、再分析資料(測試組)於各機率門檻之颱風強度分類	90
圖 4.42、ERAI再分析資料各變數於正確之平均場	92
圖 4.43、MERRA-2再分析資料各變數於正確之平均場	93
圖 4.44、ERAI再分析資料各變數於誤報之平均場	95
圖 4.45、MERRA-2再分析資料各變數於誤報之平均場	96
圖 4.46、ERAI再分析資料各變數於正確之熱帶低壓之平均場	97
圖 4.47、MERRA-2再分析資料各變數於正確之熱帶低壓之平均場	98
圖 4.48、ERAI再分析資料各變數於正確否定之平均場	100
圖 4.49、MERRA-2再分析資料各變數於正確否定之平均場	101
圖 4.50、兩組再分析資料測試組缺漏之低壓中心分佈	102
圖 4.51、ERAI再分析資料缺漏之熱帶低壓於各變量之平均場(測試組)	103
圖 4.52、MERRA-2再分析資料缺漏之熱帶低壓於各變量之平均場(測試組)	104
圖 4.53、ERAI再分析資料缺漏之熱帶風暴於各變量之平均場(測試組)	105
圖 4.54、MERRA-2再分析資料缺漏之熱帶風暴於各變量之平均場(測試組)	106
圖 4.55、ERA-Interim再分析資料缺漏之颱風於各變量之平均場(測試組)	110
圖 4.56、MERRA-2再分析資料缺漏之颱風於各變量之平均場(測試組)	111
圖 4.57、ERAI資料於2017年之客觀偵測模式機率式校驗結果	112
圖 4.58、ERAI資料於2017利用羅吉斯迴歸所得之各變數通過各機率門檻關係	114
圖 4.59、Tropical Depression Two局部低壓中心比對結果	116
圖 4.60、Tropical Storm Muifa局部低壓中心比對結果	117
圖 4.61、Tropical Storm Nanmadol局部低壓中心比對結果	118
圖 4.62、Tropical Storm Kulap局部低壓中心比對結果	119
圖 4.63、Tropical Storm Roke局部低壓中心比對結果	120
圖 4.64、Typhoon Nesat局部低壓中心比對結果	121
圖 4.65、Typhoon Banyan局部低壓中心比對結果	122
圖 4.66、Typhoon Banyan於ERAI再分析資料中之低層相對渦度狀況	123
圖 4.67、Tropical Storm Pakhar局部低壓中心比對結果	124
圖 4.68、Tropical Storm Mawar局部低壓中心比對結果	125
圖 4.69、Tropical Storm Guchol局部低壓中心比對結果	126
圖 4.70、Tropical Depression Twentytwo局部低壓中心比對結果	127
圖 4.71、Tropical Depression Twentysix局部低壓中心比對結果	128
圖 4.72、Tropical Depression Twentynine局部低壓中心比對結果	129
圖 4.73、Tropical Storm Kirogi局部低壓中心比對結果	130
圖 4.74、2017年ERAI資料命中路徑比對狀況	132
圖 4.75、2017年ERAI資料命中路徑比對狀況	133
圖 4.76、2017年ERAI資料命中路徑比對狀況	134
圖 4.77、Tropical Storm Haitang之局部低壓中心比對狀況	135
圖 4.78、Tropical Storm Haitang於各時段之平均海平面氣壓狀況	136
圖 4.79、ERAI資料於2017年之誤報路徑分佈	137
圖 4.80、ERAI資料於2017年所得之誤報與命中路徑最大強度之盒狀圖	138
圖 4.81、ERAI資料於2017年所得之誤報與命中路徑生命期之盒狀圖	138
圖 4.82、ERAI資料於2017年所得之誤報與命中路徑累積移動距離之盒狀圖	139
圖 4.83、ERAI資料於2017年所得之誤報與命中路徑平均移動距離之盒狀圖	139
圖 4.84、命中與誤報於各門檻之關係圖	141 

表目錄
表 1.1、解析度表	3
表 1.2、TC Tracker 參數於各洋區建議值	8
表 2.1、熱帶氣旋與非熱帶氣旋分類表	13
表 2.2、2016年JTWC最佳路徑資料中所有颱風個案	14
表 2.3、2017年JTWC最佳路徑資料中所有颱風個案	15
表 2.4、研究使用之變數列表	18
表 2.5、本研究使用之再分析資料來源及其資料格式	18
表 3.1、羅吉斯迴歸使用變數表	23
表 3.2、列聯表(Contingency Table)	30
表 4.1、熱帶氣旋直接偵測條件	33
表 4.2、再分析資料通過基本條件之低壓中心與最佳路徑颱風中心之比對結果	75
表 4.3、兩組再分析資料於羅吉斯迴歸模型選取之變數	79
表 4.4、不同再分析資料之羅吉斯迴歸模型	79
表 4.5、兩組再分析資料訓練組於最佳機率門檻之颱風各類別之正確與缺漏數量	84
表 4.6、再分析資料訓練組與測試組於最佳機率門檻之二元式列表值	87
表 4.7、兩組再分析資料測試組於最佳機率門檻之颱風各類別之正確與缺漏數量	89
表 4.8、ERAI再分析資料缺漏之颱風衛星雲圖	108
表 4.9、MERRA-2再分析資料缺漏之颱風衛星雲圖	109
表 4.10、本研究之熱帶氣旋客觀偵測模式與Hodges et al.(2017)之結果比較	140

1.	Agresti, A. (2002). Categorical Data Analysis (2nd ed.). Wiley.
2.	Bengtsson, L., M. Botzet, and M. Esch (1995). Hurricane-type vortices in a general circulation model. Tellus, 47A, 175–196.
3.	Bengtsson, L., K. I. Hodges, and M. Esch (2007a). Tropical cyclones in a T159 resolution global climate model: Comparison with observations and re-analyses. Tellus, 59A, 396–416.
4.	Bengtsson, L., K. I. Hodges, M. Esch, N. Keenlyside, L. Kornblueh, J.-J. Luo, and T. Yamagata (2007b). How many tropical cyclones change in a warmer climate? Tellus, 59A, 539-561.
5.	Camargo, S. J., and Zebiak, S. E. (2002). Improving the detection and tracking of tropical cyclones in atmospheric general circulation models. Weather and forecasting, 17(6), 1552-1162.
6.	Elsberry, R. L., H.-C. Tsai, and M. S. Jordan (2014). Extended-Range Forecasts of Atlantic Tropical Cyclone Events during 2012 Using the ECMWF 32-Day Ensemble Predictions. Weather Forecast., 29, 271-288.
7.	Feinberg, S. (1985). The analysis of cross-classified categorical data (2nd ed.). Cambridge, MA: MIT Press, 198.
8.	Fine, C. M., R. H. Johnson, P. E. Ciesielski, and R. K. Taft (2016). The role of topographically induced vortices in tropical cyclone formation over the Indian Ocean. Monthly weather review, 144, 4827–4847.
9.	George Antonogeorgos, Demosthenes B. Panagiotakos, Kostas N. Priftis and  Anastasia Tzonou (2009). Logistic Regression and Discriminant Analysis in evaluating factors associated With Asthma Prevalence among 10-12 year old  children: Divergence and Similarity of the two Statistical Methods: International  Journal Pediatrics. Volume 2009, 1-7. 
10.	Hajian-Tilaki, K. (2013). Receiver operating characteristic (ROC) curve analysis for medical diagnostic test evaluation. Caspian journal of internal medicine, 4(2), 627-635.
11.	Hodges, K. I. (1994). A general method for tracking analysis and its application to meteorological data. Monthly weather review, 122, 2573–2586.
12.	Hodges, K. I. (1995). Feature tracking on the unit sphere. Monthly weather review, 123, 3458–3465.
13.	Hodges, K. I. (1999). Adaptive constraints for feature tracking. Monthly weather review, 127, 1362–1373.
14.	Hodges, K. I., B. J. Hoskins, J. Boyle, and C. Thorncroft (2003). A comparison of recent reanalysis datasets using objective feature tracking: Storm tracks and tropical easterly waves. Monthly weather review, 131, 2012–2037.
15.	Hodges, K., Cobb, A. and Vidale, P. L. (2017). How Well Are Tropical Cyclones Represented in Reanalysis Datasets? Journal of Climate, 30 (14), 5243-¬5264. 
16.	Mueller, C., Saxen, T., Roberts, R., Wilson, J., Betancourt, T., Dettling, S., Oien, N., and Yee, J. (2003). NCAR auto-nowcast system. Weather and Forecasting, 18(4), 545-561.
17.	Sardeshmukh, P. D., and B. J. Hoskins (1984). Spectral smoothing on the sphere. Monthly weather review, 112, 2524–2529.
18.	Serra, Y. L., G. N. Kiladis, and K. I. Hodges (2010). Tracking and mean structure of easterly waves over the Intra-Americas Sea. J. Climate, 23, 4823–4840.
19.	Strachan, J., P. L. Vidale, K. Hodges, M. Roberts, and M.-E. Demory (2013). Investigating global tropical cyclone activity with a hierarchy of AGCMs: The role of model resolution. J. Climate, 26, 133–152.
20.	Tsai, H. C., Lu, K. C., Elsberry, R. L., Lu, M. M., and Sui, C. H. (2011). Tropical cyclone-like vortices detection in the NCEP 16-day ensemble system over the western North Pacific in 2008: Application and forecast evaluation. Weather and Forecasting, 26(1), 77-93.
21.	Tsai, H. C., Elsberry, R. L., Jordan, M. S., and Vitart, F. (2013). Objective verifications and false alarm analyses of western North Pacific tropical cyclone event forecasts by the ECMWF 32-day ensemble. Asia-Pacific Journal of Atmospheric Sciences, 49(4), 409-420.
22.	Vitart, F., Buizza, R., Alonso Balmaseda, M., Balsamo, G., Bidlot, J. R., Bonet, A., and Palmer, T. N. (2008). The new VAREPS-monthly forecasting system: Afirst step towards seamless prediction. Quarterly Journal of the Royal Meteorological Society, 134(636), 1789-1799.
23.	Vitart, F., Leroy, A., and Wheeler, M. C. (2010). A comparison of dynamical and statistical predictions of weekly tropical cyclone activity in the Southern Hemisphere. Monthly Weather Review, 138(9), 3671-3682.
24.	Waple, A. M., Lawrimore, J. H., Halpert, M. S., Bell, G. D., Higgins, W., Lyon, B., Menne, M. J., Gleason, K. L., Schnell, R. C., Christy, J. R., Thiaw, W., Wright, W. J., Salinger, M. J., Alexander, L., Stone, R. S. and Camargo, S. J. (2002). Climate assessment for 2001. Bulletin of the American Meteorological Society, 83(6), 938-938.
25.	Youden, W. J. (1950). Index for rating diagnostic tests. Cancer, 3(1), 32-35.