颱風是足以在全球造成嚴重破壞的自然災害，同時也是至關重要的淡水來源。以臺灣為例，每年平均會有三到四個颱風影響本島，為全年的供水量貢獻了極高的比例。在2020至2021年的嚴重乾旱期間，臺灣創下56年來首度無颱風登陸的紀錄，更加突顯了臺灣水資源高度依賴颱風降雨的事實。然而，過量的颱風降雨容易引發洪水、山崩與基礎設施損壞；但降雨不足卻會造成水資源的短缺，這在氣候變遷所帶來的日益不確定性下更為嚴峻。因此，探討颱風在不同的氣候情境下之降雨量，對於未來的災害防治與水資源管理是極為重要之任務。

本研究發展出一套兩階段貝氏回歸模型，用以預測颱風6小時累積降雨量。該模型包含一個用於預測降雨發生機率的羅吉斯迴歸（Logistic Regression）模型，以及一個用於預測降雨強度的Gamma廣義線性模型（Gamma-GLM）。本模型選用了颱風中心氣壓、颱風風速、移動方向（轉角）、距測站距離，以及測站風速等關鍵變數，並結合前一時刻（6小時前）的狀態（Lag-1）進行建模，模型參數透過馬可夫鏈蒙地卡羅（MCMC）方法進行估算。為了考量區域變異性與降低模型不確定性，此模型於臺灣周圍劃分出四個空間區域分別進行訓練與預測（如上圖所示）。模型首先根據歷史颱風資料進行開發與驗證，隨後結合統計颱風模型所生成之虛擬颱風資料，將三個不同氣候時期（1995–2014年、2041–2060年，以及 2081–2100年）應用於該兩階段貝氏回歸模型進行降雨量預測，藉此評估未來氣候變遷下各時期臺灣颱風降雨的變化。

下圖為臺東測站在區域三之連續6小時累積降雨序列驗證結果（紅線：觀測值；藍線：預測中位數；藍色陰影：25%–75%預測區間；灰色陰影：5%–95% 預測區間）。雖然預測中位數未能與所有的觀測峰值完全一致，但模型仍有效捕捉了降雨的整體變化趨勢。大多數的觀測值皆落在90%預測區間內，顯示模型的預測偏差維持在可接受且穩定的範圍內。

下圖為三個氣候時期之極端降雨比例空間分布圖。圖中的數值與漸層代表「降雨比例」，定義為：超過指定閾值的降雨事件，相對於各測站總降雨事件數之比例。在極端降雨閾值（6小時累積降雨量>50毫米及>200毫米）的設定下，分布圖顯示極端降雨頻率從歷史基期（1995–2014年）至世紀中葉（2041–2060年）與世紀末（2081–2100年），整體呈現上升趨勢。其中，由歷史基期至世紀中，短期極端降雨增幅較大；世紀中至世紀末情境，其增幅則相對較緩。