STRONG LAPSE CONDITION (LOOPING)
WEAK LAPSE CONDITION (CONING)
INVERSION CONDITION (FANNING)
Examples of Atmospheric Stability (attribution)
При прогнозирането на времето прогнозните модели се използват за предсказване на бъдещи състояния на атмосферата въз основа на това как климатичната система се развива с времето от първоначално състояние.
Въпреки че прогнозните модели са доста сложни (и изискват силни научни и инженерни способности), науката за анализиране на тези прогнозни модели и проверка на тяхната точност чрез сравняване на действителни емпирични наблюдения с прогнозирани стойности е доста ясна.
За областта на качеството на въздуха, точно както за прогнозата за времето, е възможно да се дефинират модели, използвани за прогнозиране на бъдещия набор от атмосферно замърсяване. Всъщност има много такива модели , често наричани моделиране на атмосферна дисперсия . И точно като прогнозата за времето, същата концепция за анализ на точността може да се приложи към прогнозите за атмосферно замърсяване.
Тази статия е първата от поредица за прогнозиране на качеството на въздуха.
--
Прогнозата за замърсяването на въздуха PM 2,5 вече е налична в проекта за Световен индекс за качеството на въздуха за Азия , Европа , както и за целия свят .
Но данните, използвани за захранване на прогнозните модели, се основават най-вече на сателитно наблюдение (вижте тази статия ), а не на показания на наземни станции.
Използването на сателитни данни има предимството да може да покрие всяка част от земното кълбо, включително океаните, при условие че няма облаци. Но, от друга страна, сателитните данни също са по своята същност по-малко точни и са достъпни само два пъти на ден, в сравнение с 24 пъти (на всеки час) за наземни наблюдения. Като се има предвид динамиката на замърсяването на въздуха в Азия, наличието на само две отчитания на ден може да доведе до значителна истинска грешка в прогнозата в прогнозата, следвайки класификацията на Rosanne Cole [2] :
Наблюдаваната прогнозна грешка може да съдържа грешки в данните от два вида: (1) грешки в измерването на данните, използвани за конструиране на прогнозата, и (2) грешка в измерването на реализираната стойност. Грешките в данните от първия вид ще бъдат компонент на истинската грешка в прогнозата
Грешките от тип 2 са свързани с дисперсионния модел, използван за прогнозата. Тъй като се използват различни модели за различните държави и континенти (това е случаят в момента с проекта за Световния индекс на качеството на въздуха), анализът на точността трябва да се направи за всеки от моделите. Така че, като начало, тази статия ще се фокусира върху модела, използван за азиатския континент. В по-късна публикация ще разширим анализа до повече континенти.
--
Връщайки се към първоначалния въпрос относно точността на прогнозата, един последен елемент, който трябва да се вземе предвид в анализа, е колко напред е прогнозата в компютъра. Колкото по-малко е предварителното, толкова по-точен е моделът. И така, само за начало, следните графики за анализ се основават на прогноза за „ден +1“ (напр. прогноза за следващия ден или ако сте вторник, тогава прогнозата е за сряда).
Има няколко начина за представяне на точността, като най-очевидният е просто число, представляващо процент от прогнозата, съответстваща на действителното наблюдение. Но тъй като вярваме, че графичната визуализация е много по-мощна от числата, предпочитаме да представим съвпадението на насложената прогноза/наблюдение за няколко града в Азия. Квадратите в горната част са емпиричните наблюдения, а квадратите в долната част са прогнозираните стойности.
Като проверите всички графики по-долу, можете да забележите доста разочароващи резултати за Гуанджоу, Чънду и Южна Корея... до степен, че моделът, който се използва за Азия, може почти да бъде дисквалифициран за обществена употреба. Това е нещо, което ще напишем във втората публикация от тази поредица за прогнозиране на качеството на въздуха.
--
--
Някои интересни връзки за тези, които се интересуват, за да прочетат относно точността на прогнозата:
