STRONG LAPSE CONDITION (LOOPING)
WEAK LAPSE CONDITION (CONING)
INVERSION CONDITION (FANNING)
Examples of Atmospheric Stability (attribution)
気象予測では、気候システムが初期状態から時間の経過とともにどのように進化するかに基づいて、予測モデルを使用して大気の将来の状態を予測します。
予測モデルは非常に複雑ですが (強力な科学的および工学的能力が必要です)、これらの予測モデルを分析し、実際の経験的観測と予測値を比較することでその精度を検証する科学は非常に簡単です。
大気質の領域では、天気予報と同様に、将来の大気汚染を予測するために使用されるモデルを定義できます。実際には、大気分散モデリングと呼ばれるそのようなモデルがたくさんあります。また、天気予報と同様に、同じ精度分析の概念を大気汚染予測にも適用できます。
この記事は、大気質予測に関するシリーズの最初の記事です。
--
PM 2.5大気汚染予測は、アジア、ヨーロッパ、そして全世界の世界大気質指数プロジェクトですでに利用可能です。
しかし、予測モデルに供給するために使用されるデータは、主に地上局の測定値ではなく衛星観測 (この記事を参照) に基づいています。
衛星データを使用すると、雲がない限り、海洋を含む地球上のあらゆる場所をカバーできるという利点があります。しかしその一方で、衛星データは本質的に精度が低く、地上観測では 24 回 (1 時間ごと) 存在するのに比べ、1 日に 2 回しか利用できません。アジアの大気汚染のダイナミクスを考慮すると、Rosanne Cole の分類に従って、1 日に 2 回の測定値しかない場合、予測に重大な真の予測誤差が生じる可能性があります[2] 。
観測された予測誤差には、(1) 予測の作成に使用されたデータの測定誤差、および (2) 実現値の測定誤差の 2 種類のデータ誤差が含まれる場合があります。第 1 種のデータ エラーは、真の予測誤差の構成要素となります。
タイプ 2 の誤差は、予測に使用される分散モデルに関連しています。国や大陸ごとに異なるモデルが使用されるため (現在、世界大気質指数プロジェクトがこれに当てはまります)、精度分析はモデルごとに行う必要があります。したがって、この記事ではまず、アジア大陸で使用されるモデルに焦点を当てます。後の投稿では、分析をさらに多くの大陸に拡張します。
--
予測の精度に関する最初の質問に戻りますが、分析で考慮すべき最後の項目は、コンピューターでの予測がどれだけ先かということです。事前の時間が少ないほど、モデルの精度が高くなる可能性があります。まず最初に、次の分析グラフは「日 +1」の予測に基づいています (たとえば、翌日の予測、または火曜日の場合は水曜日の予測です)。
精度を表す方法はいくつかありますが、最も明白な方法は、実際の観測値と一致する予測の割合を表す単純な数値です。しかし、私たちはグラフィックによる視覚化が数値よりもはるかに強力であると信じているため、アジアのいくつかの都市についての予測と観測の一致を重ね合わせて提示することを好みます。上部の四角形は経験的観測値、下部の四角形は予測値です。
以下のすべてのグラフを確認すると、広州、成都、韓国については非常に残念な結果が得られていることがわかります...アジアで使用されているモデルは公共での使用にはほとんど適格ではない可能性があります。これについては、大気質予測に関するこのシリーズの 2 回目の投稿で書く予定です。
--
--
予測精度について興味がある人向けの興味深いリンク:
