近年肇因於全球氣候異常頻仍發生影響，極端水文事件更異發生頻率加劇，無論是高強度之極端暴雨颱洪事件或是低流量乾旱事件皆造成頻率分析上之困擾，當超越歷史紀錄之乾旱事件發生時，由於該類事件為從未發生過之極端事件，以一般常見頻率分析之參數推估方法容易對重現期計算上產生不正確之估計，有鑑於此，本計畫以線性動差法(L-moments)為基礎，採低值端(lower-tail)部分加強權重之方式，推導出低尾端線性動差法(LL-moments)，以改善傳統L-moments方法在極端值推估上之妥適性問題，並進一步結合通用型極端值分布(generalized extreme-value distribution, GEV)以推導衍生出LL-GEV作為低流量頻率分析之用，另外，嘗試以LL-GEV為基礎，以其形狀參數κ之改變作為判斷資料變異程度之指標，以建立氣候異常辨識方法。