STRONG LAPSE CONDITION (LOOPING)
WEAK LAPSE CONDITION (CONING)
INVERSION CONDITION (FANNING)
Examples of Atmospheric Stability (attribution)
在天氣預報中，預測模型用於根據氣候系統從初始狀態隨時間的變化來預測大氣的未來狀態。
雖然預測模型相當複雜（並且確實需要強大的科學和工程能力），但透過將實際經驗觀察結果與預測值進行比較來分析這些預測模型並驗證其準確性的科學卻非常簡單。
對於空氣品質領域，就像天氣預報一樣，可以定義用於預測未來大氣污染的模型。實際上有很多這樣的模型，通常稱為大氣擴散模型。就像天氣預報一樣，同樣的精度分析概念也可以應用在大氣污染預測。
本文是空氣品質預測系列文章的第一篇。
--
PM 2.5空氣污染預測已在亞洲、歐洲以及全世界的世界空氣品質指數項目中提供。
但用於預測模型的數據主要基於衛星觀測（請參閱本文），而不是地面站讀數。
Using satellite data has the advantage of being able to cover any part of the globe, including oceans, provided there are no cloud. But, on the other hand, satellite data is also inherently less accurate, and only available twice a day, compared to 24 times (every hour) for terrestrial observations. Considering the dynamics of Air Pollution in Asia, having only two readings a day might introduced a significant true forecast error in the prediction, following Rosanne Cole's classification[2]:
觀測到的預測誤差可能包含兩種數據誤差：(1) 用於建立預測的數據中的測量誤差；(2) 實現值中的測量誤差。第一類資料誤差將成為真實預測誤差的組成部分
類型 2 的誤差與預測所使用的離散模型有關。由於不同的國家和大洲使用不同的模型（目前世界空氣品質指數項目就是這種情況），因此需要對每個模型進行精度分析。因此，首先，本文將重點放在亞洲大陸所使用的模型。在後面的文章中，我們將把分析擴展到更多的大陸。
--
回到關於預測準確度的最初問題，分析中要考慮的最後一項是電腦預測提前多久。提前量越少，模型可能越準確。所以，首先，下面的分析圖是基於「天+1」的預測（例如第二天的預測，或者如果你是星期二，那麼預測是星期三）。
有多種表示準確性的方法，最明顯的一種是一個簡單的數字，表示預測與實際觀測值相符的百分比。但因為我們確實相信圖形視覺化比數字更強大，所以我們更願意呈現亞洲幾個城市的疊加預測/觀測匹配。頂部的方塊是經驗觀察值，底部的方塊是預測值。
透過檢查下面的所有圖表，人們可以注意到廣州、成都和韓國的結果相當令人失望……以至於亞洲使用的模型幾乎失去了公共使用的資格。這是我們將在空氣品質預報系列的第二篇文章中寫的內容。
--
--
對於有興趣了解預測準確性的人來說，有一些有趣的連結：
