STRONG LAPSE CONDITION (LOOPING)
WEAK LAPSE CONDITION (CONING)
INVERSION CONDITION (FANNING)
Examples of Atmospheric Stability (attribution)
W przewidywaniu pogody modele prognostyczne służą do przewidywania przyszłych stanów atmosfery w oparciu o ewolucję systemu klimatycznego w czasie od stanu początkowego.
Chociaż modele prognostyczne są dość złożone (i wymagają dużych zdolności naukowych i inżynieryjnych), analiza tych modeli prognostycznych i weryfikacja ich dokładności poprzez porównanie rzeczywistych obserwacji empirycznych z przewidywanymi wartościami jest dość prosta.
Dla dziedziny Jakość powietrza, podobnie jak dla prognozowania pogody, możliwe jest zdefiniowanie modeli służących do przewidywania przyszłego zestawu zanieczyszczeń atmosfery. Istnieje naprawdę wiele takich modeli , często nazywanych modelowaniem dyspersji atmosferycznej . Podobnie jak w przypadku przewidywania pogody, tę samą koncepcję analizy dokładności można zastosować do prognozowania zanieczyszczenia atmosfery.
Artykuł ten jest pierwszym z serii dotyczącej prognozowania jakości powietrza.
--
Prognoza zanieczyszczenia powietrza pyłem PM 2,5 jest już dostępna w projekcie Światowego Indeksu Jakości Powietrza dla Azji , Europy i całego świata .
Jednak dane wykorzystywane do zasilania modeli prognostycznych opierają się głównie na obserwacjach satelitarnych (zobacz ten artykuł ), a nie na odczytach ze stacji naziemnych.
Zaletą korzystania z danych satelitarnych jest możliwość objęcia zasięgiem dowolnej części globu, w tym oceanów, pod warunkiem, że nie ma chmur. Z drugiej jednak strony dane satelitarne są z natury mniej dokładne i dostępne tylko dwa razy dziennie w porównaniu do 24 razy (co godzinę) w przypadku obserwacji naziemnych. Biorąc pod uwagę dynamikę zanieczyszczenia powietrza w Azji, posiadanie tylko dwóch odczytów dziennie może wprowadzić istotny błąd prognozy w prognozie, zgodnie z klasyfikacją Rosanne Cole [2] :
Zaobserwowany błąd prognozy może zawierać błędy danych dwojakiego rodzaju: (1) błędy pomiaru danych wykorzystanych do skonstruowania prognozy oraz (2) błąd pomiaru wartości zrealizowanej. Błędy danych pierwszego rodzaju będą składową prawdziwego błędu prognozy
Błędy typu 2 związane są z modelem rozproszenia zastosowanym w prognozie. Ponieważ dla różnych krajów i kontynentów stosuje się różne modele (tak jest obecnie w przypadku projektu Światowego Wskaźnika Jakości Powietrza), należy przeprowadzić analizę dokładności dla każdego modelu. Zatem na początek ten artykuł skupi się na modelu zastosowanym dla kontynentu azjatyckiego . W późniejszym poście rozszerzymy analizę na więcej kontynentów.
--
Wracając do początkowego pytania o dokładność prognozy, ostatni element, który należy uwzględnić w analizie, z jakim wyprzedzeniem prognozowana jest w komputerze. Im mniejsze wyprzedzenie, tym prawdopodobnie dokładniejszy będzie model. Na początek poniższe wykresy analityczne opierają się na prognozie „dzień +1” (np. prognoza na następny dzień lub jeśli jesteś wtorkiem, to prognoza dotyczy środy).
Istnieje kilka sposobów przedstawienia dokładności, z których najbardziej oczywistym jest prosta liczba reprezentująca procent dopasowania prognozy do rzeczywistej obserwacji. Ponieważ jednak wierzymy, że wizualizacje graficzne mają znacznie większą moc niż liczby, wolimy przedstawić nałożone na siebie dopasowanie prognoz/obserwacji dla kilku miast w Azji. Kwadraty u góry to obserwacje empiryczne, a u dołu przewidywane wartości.
Sprawdzając wszystkie poniższe wykresy, można zauważyć dość rozczarowujące wyniki dla Kantonu, Chengdu i Korei Południowej… do tego stopnia, że model stosowany w Azji mógłby zostać niemal zdyskwalifikowany do użytku publicznego. O tym napiszemy w drugim poście z tej serii na temat prognozowania jakości powietrza.
--
--
Kilka interesujących linków dla zainteresowanych, aby przeczytać o dokładności prognoz:
