水資源（進階）：把缺水翻譯成方程式

假如你是石門水庫的調度員，颱風前一晚該「先放掉多少水」？

入門篇留下了一個沒算完的兩難：同一座水庫，颱風時想把水位壓低以防洪，乾季時又想把水位拉高以供水，兩個目標的水位策略恰好相反。當颱風還在巴士海峽外海打轉，你手上只有一份未來 72 小時、誤差動輒上百毫米的降雨預報，卻得在今晚做出「預洩(pre-release)多少億噸水」的決定——放太多，颱風雨不如預期，你白白把救命水倒進海裡；放太少，洪峰一來蓄不住，下游就要淹。

這個決定不能靠直覺，背後是一整套可以量化、推導、最佳化的水文學(hydrology)。入門篇談的是「水從哪來、為何留不住、怎麼管理」的概念地圖；進階篇要把這張地圖換成方程式：降雨如何透過集水區的轉換函數變成河川流量、水庫的蓄水—產水關係如何用數學決定可靠供水量、地下水井抽水時水位如何隨時間下降、以及缺水風險如何用機率語言而非「百年大旱」這種模糊說法來描述。讀完你會發現，水資源工程的核心，其實是一門關於時間、不確定性與最佳化的科學。

集水區是一個「系統」：從降雨到流量的轉換函數

入門篇把集水區描述成「匯集降水的地表範圍」。進階的觀點是：集水區是一個動態系統(dynamical system)——輸入是降雨的時間序列 $P(t)$，輸出是集水區出口的河川流量歷線 $Q(t)$，中間隔著土壤入滲、植被攔截、地下水補注、坡面與河道演進等一連串延遲與衰減。水文學要回答的核心問題是：這個系統的「轉換函數」長什麼樣子？

最經典的線性化答案是 1932 年 Sherman 提出的單位歷線(unit hydrograph, UH)。它的假設是：對某個集水區，一場「單位深度（例如 $10\,\text{mm}$）、均勻分布、持續特定時長」的有效降雨(effective rainfall，即扣掉入滲損失後真正變成逕流的那部分)，會產生一條固定形狀的流量歷線。在線性與時間不變(linear time-invariant, LTI)的假設下，任意一場降雨的逕流，就是把降雨切成一段段，各自乘上單位歷線後疊加(superposition)的結果——本質上是一個摺積(convolution)：

$$ Q(t) = \int_{0}^{t} I(\tau)\, U(t-\tau)\, \mathrm{d}\tau $$

其中 $I(\tau)$ 是有效降雨強度、$U(t-\tau)$ 是單位歷線。離散化後就是水文課本上反覆出現的疊加表格。這個框架的威力在於：只要從一場觀測暴雨反推出集水區的單位歷線，就能預測任何其他降雨情境下的流量歷線——這正是洪水預報的數學起點。

當然，真實集水區是非線性的（大雨時入滲飽和、逕流係數會變），所以現代洪水預報早已改用分布式水文模式（如 HEC-HMS、SWAT），把集水區切成成千上萬個網格、各自解水量平衡與坡面演進方程。但單位歷線的核心直覺——集水區是一個有記憶、會延遲、可線性疊加的濾波器——至今仍是理解「為什麼洪峰總是落在雨峰之後幾小時」的最佳起點。台灣河川集水區面積小、坡陡，集流時間(time of concentration)短到只有數小時，這正是為什麼台灣的暴洪往往「來得又快又猛」，留給預警與調度的時間窗極短。

動手算一下：把降雨「灌」進單位歷線

假設某小集水區的 1 小時單位歷線（對應 $10\,\text{mm}$ 有效降雨）的縱座標（單位 $\text{m}^3/\text{s}$）為：

$$ U = [\,0,\ 12,\ 30,\ 18,\ 6,\ 0\,] \quad (\text{每小時一格}) $$

現在來了一場連續兩小時的暴雨，有效降雨第 1 小時 $20\,\text{mm}$、第 2 小時 $30\,\text{mm}$。我們把每小時降雨換算成「幾個單位」：第 1 小時 $20/10 = 2$ 倍、第 2 小時 $30/10 = 3$ 倍，再各自乘上 $U$ 並錯開一小時疊加：

洪峰出現在第 3 小時、達 $126\,\text{m}^3/\text{s}$，明顯落在雨峰（第 2 小時）之後——這就是集水區的「延遲記憶」。注意疊加後洪峰的量值並非單純相加，而是不同時段降雨的響應在時間軸上交錯堆疊的結果。把格距縮到 $10$ 分鐘、單位歷線換成上千格，這套邏輯就是即時洪水預報系統每幾分鐘在背後跑一次的計算。

水庫能「保證」供應多少水？蓄水—產水關係

入門篇說水庫的功能是「把豐水期的水搬到枯水期」。但一座給定容量的水庫，到底能保證穩定供應多少水？這就是水資源規劃中最古典的問題：蓄水—產水分析(storage–yield analysis)。

關鍵概念是安全供水量(firm yield / safe yield)：在歷史（或模擬）的最嚴重枯水期間，水庫不放空也能持續供應的最大穩定出水量。直覺上，水庫越大，越能撐過越長的乾旱、安全供水量越高；但兩者並非線性——容量加倍，安全供水量的增幅會遞減，因為再大的水庫也擋不住「連續多年偏枯」這種極端事件。

求安全供水量最經典的圖解法是 Rippl 質量曲線法(mass curve method，1883)。把入流量對時間做累積積分，得到一條「累積入流曲線」；若要求固定出水率 $D$，則累積需求是一條斜率為 $D$ 的直線。水庫所需的最小容量，等於累積入流曲線與該需求直線之間最大的垂直落差——也就是乾旱期間「入不敷出」累積虧空的峰值。其數學形式為循序虧空(sequent peak)：

$$ S_{\text{required}} = \max_{t}\left[\, \sum_{i=1}^{t}(D_i - I_i)\, \right]_{\text{累積虧空峰值}} $$

其中 $I_i$ 是各期入流、$D_i$ 是各期需求。這條式子直白地說：水庫要蓋多大，由歷史上最慘那段連續乾旱的累積缺口決定。

這也解釋了入門篇沒講透的一件事：為什麼水庫的淤積如此致命。淤積吃掉的是有效容量 $S$，而由上式，$S$ 變小直接壓低安全供水量；更糟的是，淤積往往優先填滿水庫底部的呆水位(dead storage)以上空間，侵蝕的正是乾旱時最後的救命儲水。台灣水庫普遍面臨高淤積率，等於安全供水量在無聲中逐年縮水。

看一個例子：兩種水庫的「抗旱體質」

假設甲、乙兩座水庫年平均入流相同（都是 $10$ 億噸），但入流的變異程度不同：甲位於降雨穩定區，乙位於旱澇兩極化的台灣中南部。雖然長期平均一樣，但乙的入流標準差大得多——豐水年爆量、枯水年幾近見底。

由 Rippl 法，決定容量的是累積虧空峰值，而非平均值。乙因為會出現「連續兩三年偏枯」的長尾事件，累積虧空遠大於甲，因此要達到同樣的安全供水量，乙需要的水庫容量會大得多。這給了一個反直覺但重要的結論：

$$ \text{安全供水量} \;\propto\; f(\bar{I},\ \sigma_I,\ S) \quad\text{——關鍵不只是平均入流 } \bar{I},\ \text{更是其變異 } \sigma_I $$

換句話說，台灣治水的困難不單是「總量」，而是入流的高變異性讓每一單位的安全供水量都要用更昂貴的庫容去換。氣候變遷若進一步放大 $\sigma_I$（旱更旱、澇更澇），即使年均雨量不變，現有水庫的安全供水量都會下降——這是「同一座水庫、未來更不可靠」的數學根源。

地下水井的水力學：抽水時水位如何隨時間下降？

入門篇用 Darcy 定律 $q = -K\,\dfrac{\mathrm{d}h}{\mathrm{d}x}$ 描述地下水的穩態流動。但實際抽水是一個非穩態(transient)過程：你打開抽水機那一刻，井周圍的水位會立刻開始下降，形成一個隨時間不斷擴大、加深的洩降漏斗(cone of depression)。要量化它，需要把 Darcy 定律和質量守恆結合成地下水流的控制方程。

對承壓含水層(confined aquifer)，二維徑向流的非穩態方程為：

$$ \frac{\partial^2 h}{\partial r^2} + \frac{1}{r}\frac{\partial h}{\partial r} = \frac{S}{T}\frac{\partial h}{\partial t} $$

其中 $h$ 是水頭、$r$ 是離井的徑向距離、$T$ 是導水係數(transmissivity)（含水層整層的透水能力）、$S$ 是儲水係數(storativity)（單位水頭變化下單位面積釋出的水量）。注意它的形式和熱傳導方程一模一樣——地下水位的擴散，數學上就是一個擴散過程。

Theis（1935）對「定流量抽水、無限含水層」這個邊界條件解出了著名的解析解。任一距離 $r$、時間 $t$ 的洩降量(drawdown) $s$ 為：

$$ s(r,t) = \frac{Q}{4\pi T}\, W(u), \qquad u = \frac{r^2 S}{4 T t} $$

其中 $Q$ 是抽水率、$W(u)$ 是井函數(well function，即指數積分 $E_1$)。這個解的物理意義非常豐富：洩降量正比於抽水率 $Q$、反比於導水係數 $T$（含水層越會導水，水位降得越淺）；而 $u$ 隨時間 $t$ 變小、$W(u)$ 隨之變大，意味著只要持續抽水、洩降漏斗就會持續擴大加深，不存在真正的「穩定」——除非有補注或邊界（如河流、湖泊）來供水。

這正是入門篇「地層下陷」議題的力學上游：當區域內密集鑿井、各井的洩降漏斗彼此疊加(interference)，整片含水層水位被長期壓低，孔隙水壓 $u$ 持續減小，依有效應力原理 $\sigma' = \sigma - u$，黏土層便不可逆地壓密下陷。Theis 解告訴我們：地層下陷不是「抽太多」的模糊指控，而是可以從抽水率、井群分布、含水層參數定量預測的後果。實務上，水文地質學家正是用抽水試驗(pumping test)觀測 $s(r,t)$、反推 $T$ 與 $S$，再據此評估含水層的安全產水量到底是多少。

用機率描述缺水：從「百年大旱」到風險量化

入門篇用了「百年大旱」這個詞。但「百年」到底是什麼意思？這牽涉到水文學如何用機率而非定性描述來量化極端事件與缺水風險。

所謂「重現期(return period) $T_r$ 年的事件」，定義是任一年發生超過該量級事件的機率為 $1/T_r$。所以「百年大旱」嚴格說是「任一年發生機率約 $1\%$ 的乾旱」，而不是「每一百年才來一次」。一個常被誤解的推論：在連續 $n$ 年內，至少遭遇一次 $T_r$ 年事件的機率是

$$ P(\text{至少一次}) = 1 - \left(1 - \frac{1}{T_r}\right)^{n} $$

代入 $T_r = 100$、$n = 50$，得 $P \approx 1 - 0.99^{50} \approx 0.39$。也就是說，未來 50 年內碰上「百年大旱」的機率高達近四成——極端事件遠比「百年」二字給人的安全感頻繁。這也是為什麼基礎設施不能只按歷史平均設計，必須按可接受的風險水準設計。

至於「現在到底算不算乾旱」，現代水文用標準化降水指數(Standardized Precipitation Index, SPI) 來客觀判定：把某地某時段的累積降水，對照其長期機率分布做標準化，轉成一個類似 $z$ 分數的指標——

$$ \text{SPI} = \frac{P - \bar{P}}{\sigma_P} \quad (\text{經機率分布校正後}) $$

SPI 為負代表偏旱、$\le -1.5$ 屬嚴重乾旱、$\le -2$ 為極端乾旱。它的好處是無因次、可跨地區比較——台灣多雨地區少 $200\,\text{mm}$ 和中東乾燥區少 $200\,\text{mm}$，意義天差地遠，但 SPI 把它們放在同一把「相對於各自常態偏離多少」的尺上。這讓「缺水」從新聞標題的形容詞，變成可監測、可預警、可觸發分級限水決策的量化訊號。

重點回顧

• 集水區是一個有記憶的線性濾波器：單位歷線(unit hydrograph)以摺積描述「降雨→流量」的轉換，解釋了洪峰為何延遲於雨峰；台灣集水區小而陡，集流時間短，是暴洪又快又猛的根本原因。
• 水庫的安全供水量由歷史最嚴重枯水期的累積虧空峰值決定（Rippl 質量曲線法），關鍵不只是平均入流，更是入流的變異程度 $\sigma_I$——這也是淤積與氣候變遷削弱水庫可靠度的數學機制。
• 抽水是非穩態擴散過程，Theis 解 $s = \dfrac{Q}{4\pi T}W(u)$ 顯示洩降漏斗會持續擴大、井群會互相干擾，是地層下陷的力學上游。
• 重現期是年發生機率的倒數，不是「固定週期」；「百年大旱」在 50 年內遭遇機率近 $40\%$，故設施須按風險水準而非歷史平均設計。
• SPI 把缺水從形容詞變成無因次、可跨區比較的量化訊號，是現代乾旱監測與分級限水的決策依據。

深入探討（研究所視角）

水庫操作從「規則曲線」走向隨機動態最佳化

實務上水庫調度長年靠規則曲線(rule curve)：把全年劃成若干時段，預先畫好「水位高於上界就多放、低於下界就限供」的操作線。它穩健、易執行，但本質是靜態、確定性的經驗法則，無法善用即時的氣象預報資訊，面對旱澇兩極化的非定常氣候會逐漸失準。

研究前沿是把水庫操作formulate成隨機動態規劃(stochastic dynamic programming, SDP)問題。狀態是當前蓄水量 $S_t$ 與水文狀態（如前期入流、聖嬰指數），決策是本期放水量 $R_t$，目標是最小化長期期望損失（缺水懲罰＋洪災懲罰）。其 Bellman 最佳性方程為：

$$ V_t(S_t) = \min_{R_t}\ \mathbb{E}_{I_t}\Big[\, L(S_t, R_t, I_t) + \gamma\, V_{t+1}(S_{t+1}) \,\Big], \qquad S_{t+1} = S_t + I_t - R_t - E_t $$

其中 $L$ 是當期損失函數、$\gamma$ 是折現因子、$E_t$ 是蒸發與滲漏、入流 $I_t$ 為隨機變數。為對抗「維度詛咒」與入流的高度不確定，當代做法引入情境樹(scenario tree)的隨機規劃與集合預報(ensemble forecasting)：用數值天氣模式產生數十條未來降雨路徑，對整個集合做最佳化，輸出的不是單一指令而是「對沖式(hedging)」策略——在乾旱風險浮現時提早小幅限供，以避免日後被迫大幅停水。這把入門篇那個「颱風前先放多少」的兩難，轉化為一個可計算、可隨預報更新滾動修正(rolling horizon)的最佳化問題。

地表水—地下水的聯合運用與系統最佳化

更高層次的水資源規劃，把整個流域視為一張節點—連線網路(node–link network)：水庫、取水口、地下水井、需求端、迴歸水各為節點，河道、管線、含水層補注為連線，求解的是多目標、多時段的網路流最佳化——在滿足質量守恆、容量上下限、最小生態流量等約束下，最小化缺水成本與環境衝擊。

其中最具台灣意義的策略是地表水與地下水的聯合運用(conjunctive use)：豐水期多用地表水、並刻意引水人工補注(managed aquifer recharge, MAR) 含水層，把地下含水層當成「沒有蒸發損失、不會淤積、容量遠大於地面水庫」的天然超大水庫；乾旱期再抽地下水救急。這在數學上是把地下含水層的儲存方程，連同 Theis 型的洩降約束（確保抽水不致引發地層下陷與海水入侵），一起納入跨年度的最佳化模型。對地狹人稠、地面水庫淤積嚴重又長期超抽地下水的台灣西南部而言，「先在豐水期把地下水補回去、再在乾旱期合理抽用」的聯合運用，可能比再蓋一座注定淤積的水庫更具長期韌性。

與其他主題的連結

進階水資源科學是水文學、流體力學、隨機最佳化與氣候科學的交會。往上游，集水區的轉換函數承接水循環的能量與質量收支；往機制，地下水流與洩降漏斗是多孔介質流體力學的擴散方程在地質介質中的具體實現；往決策，水庫與流域調度是隨機最佳控制在公共資源治理上的應用；往未來，氣候變遷透過放大入流變異 $\sigma_I$ 與改變極端事件的重現期，直接侵蝕一切基於歷史平穩性(stationarity)的傳統設計準則——這正是水文界近年提出「穩定性已死(stationarity is dead)」的深層警示。從一條摺積積分、一道擴散方程、一個 Bellman 方程，到一座島嶼如何在不確定的氣候下分配它的每一滴水，進階水資源把數學的精確與治理的艱難，緊緊綁在了一起。