本校土木工程學系汪立本助理教授近期與倫敦帝國理工大學、比利時魯汶大學及英國新創公司合作，協助英國氣象局開發短延時降雨預報系統（參見圖一）。本合作案源自於英國氣象局內部文獻審查，選定汪教授於2018與魯汶大學學者共同發表於科學期刊之雷雨胞追蹤技術（Muñoz et al. 2018），希望藉此合作機會引入此技術、並進一步開發為短延時雷陣雨預報系統，協助預報員能更精確地預先判斷雷雨胞之可能走向，增進防災預警之準確性。
相較於大氣預報模式，利用即時雷達降雨資訊推估短時間降雨之可能走向，不但成本較低，在短延時內（約6小時）其準確度也較高，適合提供即時降雨相關之預警。其中雷雨胞追蹤、預測技術，可以協助判斷容易致災的雷陣雨在短時間內可能的發展、走向，對於都市內水防災之預警有很大幫助。汪教授在此合作案負責雷雨胞追蹤及預測演算法之開發及實作，他與團隊首先以2018發展之雷雨胞追蹤技術為基礎、加以改良，使之更加適合用於英國氣象局最新之三維雷達降雨資料。然後，結合文獻中以卡爾曼濾波（Kalman filter）為基礎之雨胞預測演算法（Rossi et al. 2015），並藉由分析歷史雨胞統計特徵，改善原演算法之參數率定方法。驗證結果顯示，新的預報技術可以更好地預測雷雨胞之走向，並且提供更有效率之集合預報結果（ensemble forecast）（見圖二）。
此預報系統目前已經通過營運測試，即將進入英國氣象局日常預報程序、輔助預報員預測未來1-3小時雷陣雨系統之發展與走向。
圖一、雷陣雨預報系統提供接下來數小時雷雨胞可能之走向。此圖為2021年7月4日英國時間下午4時45分之雨胞追蹤及5-30分鐘之集合預報結果
圖二、原始預測模型（紅色資料點）與新的預測模型（藍色線條）之Brier skill scores (BSS) 之預報評估結果比較。新的方法展示出更有效率之集合預報成果。
參考文獻
Muñoz, C., Wang, L.-P. & Willems, P. (2018) Enhanced object-based tracking algorithm for convective rain storm and cells, Atmos. Res., 201, 144-158.
Rossi, P. J., Chandrasekar, V., Hasu, V. & Moisseev, D. (2015) Kalman Filtering-Based Probabilistic Nowcasting of Object-Oriented Tracked Convective Storms, J. Atmos. Ocean Tech., 32 (3), 461-477.