STRONG LAPSE CONDITION (LOOPING)
WEAK LAPSE CONDITION (CONING)
INVERSION CONDITION (FANNING)
Examples of Atmospheric Stability (attribution)
Nelle previsioni meteorologiche, i modelli previsionali vengono utilizzati per prevedere gli stati futuri dell’atmosfera, in base a come il sistema climatico si evolve nel tempo a partire da uno stato iniziale.
Sebbene i modelli di previsione siano piuttosto complessi (e richiedano forti capacità scientifiche e ingegneristiche), la scienza dell’analisi di tali modelli di previsione e della verifica della loro accuratezza , confrontando le osservazioni empiriche effettive con i valori previsti, è piuttosto semplice.
Per il dominio della Qualità dell'Aria, così come per le previsioni meteorologiche, è possibile definire modelli utilizzati per prevedere l'insieme futuro dell'inquinamento atmosferico. In realtà esistono moltissimi modelli di questo tipo , spesso definiti modelli di dispersione atmosferica . E proprio come per le previsioni meteorologiche, lo stesso concetto di analisi di precisione può essere applicato alle previsioni sull’inquinamento atmosferico.
Questo articolo è il primo di una serie sulle previsioni della qualità dell'aria.
--
La previsione dell'inquinamento atmosferico PM 2.5 è già disponibile nel progetto World Air Quality Index per l'Asia , l'Europa e il mondo intero .
Ma i dati utilizzati per alimentare i modelli previsionali si basano principalmente sull’osservazione satellitare (vedi questo articolo ) piuttosto che sulle letture delle stazioni terrestri.
L'utilizzo dei dati satellitari ha il vantaggio di poter coprire qualsiasi parte del globo, compresi gli oceani, purché non siano presenti nuvole. Ma, d’altro canto, i dati satellitari sono anche intrinsecamente meno accurati e disponibili solo due volte al giorno, rispetto alle 24 volte (ogni ora) delle osservazioni terrestri. Considerando la dinamica dell'inquinamento atmosferico in Asia, avere solo due letture al giorno potrebbe introdurre un errore significativo nella previsione, seguendo la classificazione di Rosanne Cole [2] :
Un errore di previsione osservato può contenere errori nei dati di due tipi: (1) errori di misurazione nei dati utilizzati per costruire la previsione e (2) errori di misurazione nel valore realizzato. Gli errori nei dati del primo tipo costituiranno una componente del vero errore di previsione
Gli errori di tipo 2 sono legati al modello di dispersione utilizzato per la previsione. Poiché vengono utilizzati modelli diversi per i diversi paesi e continenti (questo è attualmente il caso del progetto World Air Quality Index), l’analisi dell’accuratezza deve essere eseguita per ciascun modello. Quindi, per cominciare, questo articolo si concentrerà sul modello utilizzato per il continente asiatico . Nei post successivi estenderemo l’analisi a più continenti.
--
Tornando alla domanda iniziale sull'accuratezza della previsione, un ultimo elemento da considerare nell'analisi riguarda l'anticipo con cui viene effettuata la previsione nel computer. Minore è l'anticipo, più accurato sarà probabilmente il modello. Quindi, tanto per cominciare, i seguenti grafici di analisi si basano sulla previsione del "giorno +1" (ad esempio, previsione per il giorno successivo, o se sei martedì, la previsione è per mercoledì).
Esistono diversi modi per rappresentare l'accuratezza, il più ovvio è un semplice numero che rappresenta la percentuale di previsione che corrisponde all'osservazione effettiva. Ma poiché crediamo che la visualizzazione grafica sia molto più potente dei numeri, preferiamo presentare la sovrapposizione previsione/osservazione per diverse città dell'Asia. I quadrati in alto rappresentano le osservazioni empiriche e quello in basso i valori pregustati.
Osservando tutti i grafici sottostanti si notano risultati piuttosto deludenti per Guangzhou, Chengdu e Corea del Sud... al punto che il modello in uso per l'Asia potrebbe quasi essere squalificato per l'uso pubblico. Questo è qualcosa che scriveremo nel secondo post di questa serie sulle previsioni della qualità dell'aria.
--
--
Alcuni link interessanti per chi è interessato a leggere informazioni sull'accuratezza delle previsioni:
