STRONG LAPSE CONDITION (LOOPING)
WEAK LAPSE CONDITION (CONING)
INVERSION CONDITION (FANNING)
Examples of Atmospheric Stability (attribution)
मौसम की भविष्यवाणी में, पूर्वानुमान मॉडल का उपयोग वायुमंडल की भविष्य की स्थितियों की भविष्यवाणी करने के लिए किया जाता है, जो इस बात पर आधारित होता है कि प्रारंभिक अवस्था से समय के साथ जलवायु प्रणाली कैसे विकसित होती है।
जबकि पूर्वानुमान मॉडल काफी जटिल हैं (और मजबूत वैज्ञानिक और इंजीनियरिंग क्षमताओं की आवश्यकता होती है ), उन पूर्वानुमान मॉडल का विश्लेषण करने और अनुमानित मूल्यों के साथ वास्तविक अनुभवजन्य टिप्पणियों की तुलना करके उनकी सटीकता की पुष्टि करने का विज्ञान काफी सरल है।
वायु गुणवत्ता के क्षेत्र के लिए, मौसम की भविष्यवाणी की तरह, वायुमंडलीय प्रदूषण के भविष्य के सेट की भविष्यवाणी करने के लिए उपयोग किए जाने वाले मॉडल को परिभाषित करना संभव है। वास्तव में ऐसे बहुत सारे मॉडल हैं, जिन्हें अक्सर वायुमंडलीय फैलाव मॉडलिंग के रूप में जाना जाता है। और मौसम की भविष्यवाणी की तरह, सटीकता विश्लेषण की वही अवधारणा वायुमंडलीय प्रदूषण की भविष्यवाणियों पर लागू की जा सकती है।
यह लेख वायु गुणवत्ता पूर्वानुमान पर श्रृंखला का पहला लेख है।
--
PM2.5 air pollution forecast is already available on the World Air Quality Index project for Asia, Europe as well as the whole world.
लेकिन पूर्वानुमान मॉडल को फीड करने के लिए उपयोग किया जाने वाला डेटा ज्यादातर स्थलीय स्टेशनों की रीडिंग के बजाय उपग्रह अवलोकन ( इस लेख को देखें) पर आधारित है।
उपग्रह डेटा का उपयोग करने से महासागरों सहित दुनिया के किसी भी हिस्से को कवर करने में सक्षम होने का लाभ मिलता है, बशर्ते कि वहां कोई बादल न हो। लेकिन, दूसरी ओर, उपग्रह डेटा भी स्वाभाविक रूप से कम सटीक है, और स्थलीय अवलोकनों के लिए 24 बार (हर घंटे) की तुलना में दिन में केवल दो बार उपलब्ध होता है। एशिया में वायु प्रदूषण की गतिशीलता को ध्यान में रखते हुए, रोज़ैन कोल के वर्गीकरण के अनुसार, एक दिन में केवल दो रीडिंग होने से भविष्यवाणी में एक महत्वपूर्ण वास्तविक पूर्वानुमान त्रुटि हो सकती है [2] :
एक देखी गई पूर्वानुमान त्रुटि में दो प्रकार की डेटा त्रुटियां हो सकती हैं: (1) पूर्वानुमान बनाने के लिए उपयोग किए गए डेटा में माप त्रुटियां और (2) वास्तविक मूल्य में माप त्रुटि। पहली तरह की डेटा त्रुटियाँ वास्तविक पूर्वानुमान त्रुटि का एक घटक होंगी
टाइप 2 की त्रुटि पूर्वानुमान के लिए उपयोग किए जाने वाले फैलाव मॉडल से संबंधित है। चूँकि विभिन्न देशों और महाद्वीपों के लिए अलग-अलग मॉडल का उपयोग किया जाता है (यह वर्तमान में विश्व वायु गुणवत्ता सूचकांक परियोजना का मामला है), प्रत्येक मॉडल के लिए सटीकता विश्लेषण करने की आवश्यकता है। तो, आरंभ करने के लिए, यह लेख एशियाई महाद्वीप के लिए उपयोग किए गए मॉडल पर केंद्रित होगा। बाद की पोस्ट में, हम विश्लेषण को और अधिक महाद्वीपों तक विस्तारित करेंगे।
--
पूर्वानुमान की सटीकता के बारे में प्रारंभिक प्रश्न पर वापस जाएँ, विश्लेषण में विचार किया जाने वाला एक अंतिम आइटम यह है कि कंप्यूटर में पूर्वानुमान कितना पहले से है। जितना कम अग्रिम होगा, मॉडल उतना ही अधिक सटीक होने की संभावना है। तो, शुरुआत के लिए, निम्नलिखित विश्लेषण ग्राफ़ "दिन +1" पूर्वानुमान पर आधारित हैं (उदाहरण के लिए अगले दिन के लिए पूर्वानुमान, या यदि आप मंगलवार हैं, तो पूर्वानुमान बुधवार के लिए है)।
सटीकता का प्रतिनिधित्व करने के कई तरीके हैं, सबसे स्पष्ट एक साधारण संख्या है जो वास्तविक अवलोकन से मेल खाने वाले पूर्वानुमान के प्रतिशत का प्रतिनिधित्व करती है। लेकिन क्योंकि हमारा मानना है कि ग्राफिक विज़ुअलाइज़ेशन संख्याओं की तुलना में कहीं अधिक शक्तिशाली है, हम एशिया के कई शहरों के लिए सुपरपोज़्ड पूर्वानुमान/अवलोकन मिलान प्रस्तुत करना पसंद करते हैं। शीर्ष पर स्थित वर्ग अनुभवजन्य अवलोकन हैं और नीचे वाला वर्ग पूर्वानुमानित मान हैं।
नीचे दिए गए सभी ग्राफ़ की जाँच करने पर, कोई भी गुआंगज़ौ, चेंग्दू और दक्षिण कोरिया के लिए काफी निराशाजनक परिणाम देख सकता है... इस हद तक कि एशिया के लिए उपयोग में आने वाला मॉडल सार्वजनिक उपयोग के लिए लगभग अयोग्य ठहराया जा सकता है। यह कुछ ऐसा है जिसे हम वायु गुणवत्ता पूर्वानुमान पर इस श्रृंखला की दूसरी पोस्ट में लिखेंगे।
--
--
पूर्वानुमान सटीकता के बारे में पढ़ने में रुचि रखने वालों के लिए कुछ दिलचस्प लिंक:
