STRONG LAPSE CONDITION (LOOPING)
WEAK LAPSE CONDITION (CONING)
INVERSION CONDITION (FANNING)
Examples of Atmospheric Stability (attribution)
Bei der Wettervorhersage werden Vorhersagemodelle verwendet, um zukünftige Zustände der Atmosphäre vorherzusagen, basierend darauf, wie sich das Klimasystem im Laufe der Zeit ausgehend von einem Ausgangszustand entwickelt.
Während die Prognosemodelle recht komplex sind (und starke wissenschaftliche und technische Fähigkeiten erfordern ), ist die Wissenschaft der Analyse dieser Prognosemodelle und der Überprüfung ihrer Genauigkeit durch den Vergleich tatsächlicher empirischer Beobachtungen mit vorhergesagten Werten recht einfach.
Für den Bereich Luftqualität ist es ebenso wie für die Wettervorhersage möglich, Modelle zu definieren, die zur Vorhersage der zukünftigen Luftverschmutzung verwendet werden. Es gibt tatsächlich viele solcher Modelle , die oft als Atmospheric Dispersion Modeling bezeichnet werden. Und genau wie bei der Wettervorhersage kann das gleiche Konzept der Genauigkeitsanalyse auf Vorhersagen der Luftverschmutzung angewendet werden.
Dieser Artikel ist der erste einer Reihe zur Vorhersage der Luftqualität.
--
Die Vorhersage der PM 2,5- Luftverschmutzung ist bereits im Rahmen des World Air Quality Index-Projekts für Asien , Europa und die ganze Welt verfügbar.
Die Daten, mit denen die Vorhersagemodelle gespeist werden, basieren jedoch größtenteils auf Satellitenbeobachtungen (siehe diesen Artikel ) und nicht auf Messwerten terrestrischer Stationen.
Die Nutzung von Satellitendaten hat den Vorteil, dass sie jeden Teil der Erde, einschließlich der Ozeane, abdecken kann, sofern keine Wolken vorhanden sind. Andererseits sind Satellitendaten aber auch von Natur aus ungenauer und nur zweimal am Tag verfügbar, im Vergleich zu 24 Mal (jede Stunde) bei terrestrischen Beobachtungen. Angesichts der Dynamik der Luftverschmutzung in Asien könnte die Tatsache, dass nur zwei Messwerte pro Tag vorliegen, zu einem erheblichen tatsächlichen Prognosefehler in der Vorhersage führen, der Rosanne Coles Klassifizierung folgt [2] :
Ein beobachteter Prognosefehler kann zwei Arten von Datenfehlern enthalten: (1) Messfehler in den Daten, die zur Erstellung der Prognose verwendet wurden, und (2) Messfehler im realisierten Wert. Datenfehler erster Art werden Bestandteil des wahren Prognosefehlers sein
Fehler vom Typ 2 hängen mit dem für die Prognose verwendeten Ausbreitungsmodell zusammen. Da für die verschiedenen Länder und Kontinente unterschiedliche Modelle verwendet werden (dies ist derzeit beim World Air Quality Index-Projekt der Fall), muss die Genauigkeitsanalyse für jedes Modell durchgeführt werden. Daher konzentriert sich dieser Artikel zunächst auf das Modell für den asiatischen Kontinent. In einem späteren Beitrag werden wir die Analyse auf weitere Kontinente ausweiten.
--
Zurück zur anfänglichen Frage nach der Prognosegenauigkeit: Ein letzter Punkt, der bei der Analyse berücksichtigt werden muss, ist die Frage, wie weit im Voraus die Vorhersage im Computer erfolgt. Je weniger im Voraus, desto genauer dürfte das Modell sein. Zunächst einmal basieren die folgenden Analysediagramme auf der Prognose „Tag +1“ (z. B. Prognose für den nächsten Tag, oder wenn Sie ein Dienstag sind, dann gilt die Prognose für den Mittwoch).
Es gibt mehrere Möglichkeiten, die Genauigkeit darzustellen. Die offensichtlichste ist eine einfache Zahl, die den Prozentsatz der Prognose angibt, die mit der tatsächlichen Beobachtung übereinstimmt. Da wir jedoch davon überzeugt sind, dass grafische Visualisierungen viel aussagekräftiger sind als Zahlen, ziehen wir es vor, die überlagerten Vorhersage-/Beobachtungsübereinstimmungen für mehrere Städte in Asien darzustellen. Die oberen Quadrate sind die empirischen Beobachtungen und das untere die prognostizierten Werte.
Wenn man sich alle untenstehenden Grafiken anschaut, kann man ziemlich enttäuschende Ergebnisse für Guangzhou, Chengdu und Südkorea feststellen ... so sehr, dass das für Asien verwendete Modell fast für die öffentliche Nutzung disqualifiziert werden könnte. Darüber werden wir im zweiten Beitrag dieser Serie zur Luftqualitätsvorhersage schreiben.
--
--
Einige interessante Links für Interessierte, die mehr über die Prognosegenauigkeit erfahren möchten:
