國立成功大學近海水文中心
Coastal Ocean Monitoring Center, National Cheng Kung University (COMC, NCKU)

作業化油污擴散模式 Operational Oil Spill Model

臺灣四周海域的油污染事件頻仍，除了船舶擱淺、油管溢洩等意外可能造成油污染擴散，亦常有油污來源不明的污染事件發生，對海域環境與生態都會有不同程度的影響。臺灣海域發生油污染事件皆以海面上溢洩油為主，如海面上發生油污染事件，在進行風險評估與緊急應變時，考慮風與海流是主導海面上油污漂移與擴散的重要因子，因此可透過海洋流體動力數值模式（如SCHISM）的模擬，以及中央氣象署提供的數值模式(WRF)風場，搭配現場觀測（如海上資料浮標、X-band雷達、或TOROS的HF雷達）資料，提供海氣象條件給油污染擴散數值模式（如GNOME）進行預測（prediction）或往回推算（hindcast）。進而將模擬的油污漂移軌跡及影響範圍載入跨平台的Google Earth所建立的環境敏感地圖，即可滾動式提出不同延時的油污染風險地圖與風險等級評估表。據此建置的緊急應變之作業與溝通平台，除了方便使用者採用不同作業系統的電腦或行動裝置，查詢最新的油污染風險情資，還可對應變所需資材的數量與配置進行測量與規劃。

如2021年6月22日高雄大林外海發生溢洩油事件，油污染漂移及擴散至小琉球與恆春地區海岸，在油污染事件發生初期，海保署即應用如衛星、直昇機、UAV無人機等各種科技方法，分別在不同時間進行偵測海面上油污染擴散範圍，以掌握油污染對海域的影響範圍。本次油污事件發生在開放海域，油污染受到風與海流作用致使對海洋環境影響範圍增大，因此將海保署應用科技方法偵測到的油污染擴散範圍輸入油污染擴散數值模式，做為油污染擴散模擬的初始洩油條件，再搭配海氣象數值模式預測的風與海流，有助於提升油污染漂移軌跡與擴散範圍預測的精度。

依據海保署提供高雄大林外海溢洩事件資訊，來設定油污染擴散數值模擬之參數，並進行二次的油污染擴散模擬。第一個案例模擬參數：溢洩油位置為北緯22°29’46.6”及東經120°16’40.5”；初始溢洩油時間為2021年6月22日02:00；油品為燃料油；總洩油量為50公秉；溢洩方式為持續溢洩30分鐘；模擬時間為72小時；預測風場來自WRF；預測流場來自SCHISM。在洩油事件初始時間6月22日02:00，圖1為WRF預測臺灣西南海域的風場，圖中流矢表示風向，流矢顏色表示風速大小，由預測結果顯示小琉球附近海域風向約為西南方向，接近高雄外海風向受到陸地影響轉為東南方向，而在屏東縣車城鄉約轉為東方向；圖2為SCHISM預測臺灣西南海域的流場，圖中流矢表示海流流向，流矢顏色表示海流流速大小，由預測結果顯示高雄至小琉球附近海域海流流向約為南南東至東南方向，在屏東縣車城鄉外海受到陸地地形影響約轉為東方向。圖3為GNOME進行第一次預測洩油後經歷40小時的油污染漂移及擴散結果，其結果顯示油污在開始溢洩時受到風與海流作用往小琉球方向漂移，並未往高雄海岸漂移擴散。圖4為GNOME在第一次預測洩油後72小時的油污染風化比例之演變，圖中綠色點線表示水面上油污，紅色點線顯示抵達岸邊油污，藍色點線表示蒸發的油污，在圖中水面上油污與抵達岸邊油污的變化趨勢顯示，油污約在6月22日16:00至6月23日10:00抵達小琉球周圍海岸的數量明顯增加，此預測結果與海保署現地實際調查結果相符。

圖1 CWB-WRF預測6月22日02:00的風場

圖2 SCHISM預測6月22日02:00的流場

圖3 GNOME第一次預測洩油40小時後油污染在海面上分布情況

圖4 GNOME第一次預測洩油72小時後油污染風化時序列之演變

真實溢洩油事件需要即時更新各項資料，並依據更新資料滾動式進行預測未來油污染擴散的情況。有鑑於此，第二次預測即依據海保署提供的衛星影像(6月23日18:00)所辨識出的海面上油污染分布範圍做為初始模擬的條件，並持續更新海氣象預測資料。圖5為第二次預測洩油51小時後(6月26日06:00)油污染在海面上分布情況，其結果顯示油污染已抵達屏東縣車城鄉海生館附近的海岸，車城鄉外海也有油污的分布，此結果國家海洋研究院提供的衛星影像偵測到的油污染擴散分布範圍(圖中橘色框選處)是吻合的；另外，空勤總隊直升機也在海生館附近海域勘查到海面上有油污染分布，也驗證第二次預測結果可做為油污緊急應變策略擬定之參考依據。

圖5 GNOME第二次預測洩油51小時後油污染在海面上分布情況

油污染可能影響區域的風險評估有賴於油污擴散及漂移軌跡的有效預測，若能在溢洩油事件發生初期，儘快蒐集海氣象即時觀測資料與啟動電腦數值模擬，即能透過油污染擴散模式掌握油污在不同延時的影響範圍。現今電腦數值模式發展已非常成熟，可依據油污染發生情況，選用與結合不同來源的模擬或實測資訊進行組合搭配，以提升油污漂移軌跡與擴散範圍預測的精度（Chuang, et al., 2016；Chiu et al., 2018b），並針對緊急應變策略中的資訊整合提出建議。