STRONG LAPSE CONDITION (LOOPING)
WEAK LAPSE CONDITION (CONING)
INVERSION CONDITION (FANNING)
Examples of Atmospheric Stability (attribution)
আবহাওয়ার ভবিষ্যদ্বাণীতে, পূর্বাভাস মডেলগুলি বায়ুমণ্ডলের ভবিষ্যত অবস্থার ভবিষ্যদ্বাণী করতে ব্যবহার করা হয়, জলবায়ু ব্যবস্থা কীভাবে প্রাথমিক অবস্থা থেকে সময়ের সাথে বিবর্তিত হয় তার উপর ভিত্তি করে।
যদিও পূর্বাভাস মডেলগুলি বেশ জটিল (এবং এর জন্য শক্তিশালী বৈজ্ঞানিক এবং প্রকৌশল ক্ষমতার প্রয়োজন), সেই পূর্বাভাস মডেলগুলিকে বিশ্লেষণ করার বিজ্ঞান, এবং প্রকৃত অভিজ্ঞতামূলক পর্যবেক্ষণগুলিকে ভবিষ্যদ্বাণীকৃত মানগুলির সাথে তুলনা করে তাদের নির্ভুলতা যাচাই করা বেশ সোজা।
বায়ু মানের ডোমেনের জন্য, আবহাওয়ার পূর্বাভাসের মতোই, বায়ুমণ্ডলীয় দূষণের ভবিষ্যত সেটের পূর্বাভাস দিতে ব্যবহৃত মডেলগুলিকে সংজ্ঞায়িত করা সম্ভব। আসলে এরকম প্রচুর মডেল রয়েছে, প্রায়ই বায়ুমণ্ডলীয় বিচ্ছুরণ মডেলিং নামে পরিচিত। এবং আবহাওয়ার ভবিষ্যদ্বাণীর মতোই, বায়ুমণ্ডলীয় দূষণের পূর্বাভাসের ক্ষেত্রে নির্ভুলতা বিশ্লেষণের একই ধারণা প্রয়োগ করা যেতে পারে।
এই নিবন্ধটি বায়ু মানের পূর্বাভাসের একটি সিরিজের প্রথম।
--
PM 2.5 বায়ু দূষণের পূর্বাভাস ইতিমধ্যেই এশিয়া , ইউরোপ তথা সমগ্র বিশ্বের জন্য ওয়ার্ল্ড এয়ার কোয়ালিটি ইনডেক্স প্রকল্পে উপলব্ধ।
কিন্তু পূর্বাভাস মডেলগুলি খাওয়ানোর জন্য ব্যবহৃত ডেটা বেশিরভাগই স্থলচর স্টেশন রিডিংয়ের পরিবর্তে উপগ্রহ পর্যবেক্ষণের উপর ভিত্তি করে ( এই নিবন্ধটি দেখুন)।
স্যাটেলাইট ডেটা ব্যবহার করে সমুদ্র সহ পৃথিবীর যে কোনও অংশকে কভার করতে সক্ষম হওয়ার সুবিধা রয়েছে, যদি কোনও মেঘ না থাকে। কিন্তু, অন্যদিকে, স্যাটেলাইট ডেটাও সহজাতভাবে কম নির্ভুল, এবং স্থলজ পর্যবেক্ষণের জন্য 24 বার (প্রতি ঘণ্টায়) তুলনায় দিনে মাত্র দুবার পাওয়া যায়। এশিয়ার বায়ু দূষণের গতিশীলতা বিবেচনা করে, রোজান কোলের শ্রেণীবিভাগ অনুসরণ করে, দিনে মাত্র দুটি পাঠ করা ভবিষ্যদ্বাণীতে একটি উল্লেখযোগ্য সত্য পূর্বাভাস ত্রুটির পরিচয় দিতে পারে [২] :
একটি পর্যবেক্ষণ করা পূর্বাভাস ত্রুটিতে দুটি ধরণের ডেটা ত্রুটি থাকতে পারে: (1) পূর্বাভাস তৈরি করতে ব্যবহৃত ডেটাতে পরিমাপ ত্রুটি এবং (2) উপলব্ধ মানতে পরিমাপ ত্রুটি। প্রথম ধরণের ডেটা ত্রুটিগুলি সত্য পূর্বাভাস ত্রুটির একটি উপাদান হবে
টাইপ 2 এর ত্রুটি পূর্বাভাসের জন্য ব্যবহৃত বিচ্ছুরণ মডেলের সাথে সম্পর্কিত। যেহেতু বিভিন্ন দেশ এবং মহাদেশের জন্য বিভিন্ন মডেল ব্যবহার করা হয় (এটি বর্তমানে ওয়ার্ল্ড এয়ার কোয়ালিটি ইনডেক্স প্রকল্পের ক্ষেত্রে), প্রতিটি মডেলের জন্য নির্ভুলতা বিশ্লেষণ করা প্রয়োজন। সুতরাং, শুরু করার জন্য, এই নিবন্ধটি এশিয়া মহাদেশের জন্য ব্যবহৃত মডেলের উপর ফোকাস করবে। পরবর্তী পোস্টে, আমরা বিশ্লেষণটি আরও মহাদেশে প্রসারিত করব।
--
পূর্বাভাসের নির্ভুলতা সম্পর্কে প্রাথমিক প্রশ্নে ফিরে যান, কম্পিউটারে পূর্বাভাস কতটা আগে বিশ্লেষণে বিবেচনা করা হবে তা একটি শেষ আইটেম। যত কম অগ্রিম, তত বেশি নির্ভুল মডেল হওয়ার সম্ভাবনা। সুতরাং, শুধু শুরু করার জন্য, নিম্নলিখিত বিশ্লেষণ গ্রাফগুলি "দিন +1" পূর্বাভাসের উপর ভিত্তি করে (যেমন পরের দিনের পূর্বাভাস, অথবা আপনি যদি মঙ্গলবার হন, তাহলে পূর্বাভাসটি বুধবারের জন্য)।
নির্ভুলতার প্রতিনিধিত্ব করার বিভিন্ন উপায় রয়েছে, সবচেয়ে সুস্পষ্ট হল একটি সাধারণ সংখ্যা যা প্রকৃত পর্যবেক্ষণের সাথে মিলে যাওয়া পূর্বাভাসের শতাংশের প্রতিনিধিত্ব করে। কিন্তু যেহেতু আমরা বিশ্বাস করি যে গ্রাফিক ভিজ্যুয়ালাইজেশন সংখ্যার চেয়ে অনেক বেশি শক্তিশালী, তাই আমরা এশিয়ার বেশ কয়েকটি শহরের জন্য সুপারপোজড পূর্বাভাস/পর্যবেক্ষণের মিল উপস্থাপন করতে পছন্দ করি। উপরের বর্গক্ষেত্রগুলি হল অভিজ্ঞতামূলক পর্যবেক্ষণ এবং নীচে একটি পূর্বাভাসিত মান৷
নীচের সমস্ত গ্রাফ পরীক্ষা করে, কেউ গুয়াংজু, চেংদু এবং দক্ষিণ কোরিয়ার জন্য বেশ হতাশাজনক ফলাফল লক্ষ্য করতে পারে... এশিয়ার জন্য ব্যবহৃত মডেলটি প্রায় জনসাধারণের ব্যবহারের জন্য অযোগ্য হয়ে যেতে পারে। এটি এমন কিছু যা আমরা এয়ার কোয়ালিটির পূর্বাভাস সম্পর্কিত এই সিরিজের দ্বিতীয় পোস্টে লিখব।
--
--
পূর্বাভাসের নির্ভুলতা সম্পর্কে পড়তে আগ্রহীদের জন্য কিছু আকর্ষণীয় লিঙ্ক:
