STRONG LAPSE CONDITION (LOOPING)
WEAK LAPSE CONDITION (CONING)
INVERSION CONDITION (FANNING)
Examples of Atmospheric Stability (attribution)
ในการพยากรณ์อากาศ แบบจำลองการคาดการณ์ใช้เพื่อทำนายสถานะของบรรยากาศในอนาคต โดยพิจารณาจากวิธีที่ระบบภูมิอากาศวิวัฒนาการตามเวลาตั้งแต่สถานะเริ่มต้น
แม้ว่าแบบจำลองการคาดการณ์จะค่อนข้าง ซับซ้อน (และ ต้อง ใช้ความสามารถทางวิทยาศาสตร์และวิศวกรรมที่แข็งแกร่ง) ศาสตร์แห่งการวิเคราะห์แบบจำลองการคาดการณ์เหล่านั้น และการตรวจสอบความ ถูกต้องแม่นยำ โดยการเปรียบเทียบการสังเกตเชิงประจักษ์จริงกับค่าที่คาดการณ์ไว้นั้นค่อนข้างตรงไปตรงมา
สำหรับขอบเขตของคุณภาพอากาศ เช่นเดียวกับการพยากรณ์อากาศ คุณสามารถกำหนดแบบจำลองที่ใช้ในการทำนายมลพิษในบรรยากาศในอนาคตได้ จริงๆ แล้วมี แบบจำลองดังกล่าวอยู่มากมาย ซึ่งมักเรียกกันว่า แบบจำลองการกระจายตัวของบรรยากาศ และเช่นเดียวกับการพยากรณ์อากาศ แนวคิดเดียวกันของการวิเคราะห์ความแม่นยำสามารถนำไปใช้กับการพยากรณ์มลพิษในบรรยากาศได้
บทความนี้เป็นบทความชุดแรกเกี่ยวกับการพยากรณ์คุณภาพอากาศ
--
การพยากรณ์มลพิษทางอากาศ PM 2.5 มีอยู่แล้วในโครงการดัชนีคุณภาพอากาศโลกสำหรับ เอเชีย ยุโรป และ ทั่วโลก
แต่ข้อมูลที่ใช้ในการป้อนแบบจำลองการคาดการณ์ส่วนใหญ่ขึ้นอยู่กับการสังเกตด้วยดาวเทียม (ดู บทความนี้ ) มากกว่าการอ่านค่าสถานีภาคพื้นดิน
การใช้ข้อมูลดาวเทียมมีข้อดีคือสามารถครอบคลุมส่วนใดๆ ของโลก รวมถึงมหาสมุทร หากไม่มีเมฆ แต่ในทางกลับกัน ข้อมูลดาวเทียมก็มีความแม่นยำน้อยกว่าโดยธรรมชาติ และใช้ได้เพียงวันละสองครั้ง เทียบกับ 24 ครั้ง (ทุกชั่วโมง) สำหรับการสังเกตการณ์ภาคพื้นดิน เมื่อพิจารณาถึง พลวัต ของมลพิษทางอากาศในเอเชีย การอ่านค่าเพียงสองครั้งต่อวันอาจทำให้เกิด ข้อผิดพลาดในการคาดการณ์ที่แท้จริง อย่างมีนัยสำคัญในการทำนาย ตามการจัดประเภทของ Rosanne Cole [2] :
ข้อผิดพลาดในการคาดการณ์ที่สังเกตได้อาจมีข้อผิดพลาดของข้อมูลสองประเภท: (1) ข้อผิดพลาดในการวัดในข้อมูลที่ใช้ในการสร้างการคาดการณ์ และ (2) ข้อผิดพลาดในการวัดในมูลค่าที่รับรู้ ข้อผิดพลาดของข้อมูลประเภทแรกจะเป็นองค์ประกอบของข้อผิดพลาดในการคาดการณ์จริง
ข้อผิดพลาดประเภท 2 เกี่ยวข้องกับแบบจำลองการกระจายตัวที่ใช้สำหรับการพยากรณ์ เนื่องจากมีการใช้แบบจำลองที่แตกต่างกันในประเทศและทวีปต่างๆ (ซึ่งเป็นกรณีของโครงการดัชนีคุณภาพอากาศโลกในปัจจุบัน) จึงต้องวิเคราะห์ความแม่นยำสำหรับแต่ละแบบจำลอง อันดับแรกบทความนี้จะเน้นไปที่โมเดลที่ใช้สำหรับทวีป เอเชีย ในโพสต์ต่อๆ ไป เราจะขยายการวิเคราะห์ไปยังทวีปต่างๆ มากขึ้น
--
กลับมาที่คำถามเบื้องต้นเกี่ยวกับความแม่นยำในการพยากรณ์ ประเด็นสุดท้ายที่ต้องพิจารณาในการวิเคราะห์ว่าการพยากรณ์ในคอมพิวเตอร์ล่วงหน้าไปไกลแค่ไหน ยิ่งล่วงหน้าน้อยเท่าใด โมเดลก็ยิ่งมีความแม่นยำมากขึ้นเท่านั้น ดังนั้น ก่อนอื่น กราฟการวิเคราะห์ต่อไปนี้จะขึ้นอยู่กับการคาดการณ์ "วัน +1" (เช่น การคาดการณ์สำหรับวันถัดไป หรือหากคุณเป็นวันอังคาร การคาดการณ์จะเป็นวันพุธ)
มีหลายวิธีในการแสดงความแม่นยำ วิธีที่ชัดเจนที่สุดคือตัวเลขธรรมดาที่แสดงถึงเปอร์เซ็นต์ของการพยากรณ์ที่ตรงกับการสังเกตจริง แต่เนื่องจากเราเชื่อว่าการแสดงภาพกราฟิกมีพลังมากกว่าตัวเลข เราจึงต้องการนำเสนอการจับคู่การคาดการณ์/การสังเกตแบบซ้อนทับสำหรับหลายเมืองในเอเชีย ช่องสี่เหลี่ยมด้านบนคือการสังเกตเชิงประจักษ์ และช่องด้านล่างเป็นค่าที่คาดการณ์ไว้
เมื่อตรวจสอบกราฟทั้งหมดด้านล่าง เราจะสังเกตเห็นผลลัพธ์ที่ค่อนข้างน่าผิดหวังสำหรับกวางโจว เฉิงตู และเกาหลีใต้... ถึงขนาดที่แบบจำลองที่ใช้สำหรับเอเชียเกือบจะถูกตัดสิทธิ์สำหรับการใช้งานสาธารณะ นี่คือสิ่งที่เราจะเขียนในโพสต์ที่สองของซีรี่ส์เกี่ยวกับการพยากรณ์คุณภาพอากาศ
--
--
ลิงก์ที่น่าสนใจสำหรับผู้ที่สนใจอ่านเกี่ยวกับความแม่นยำในการพยากรณ์:
