STRONG LAPSE CONDITION (LOOPING)
WEAK LAPSE CONDITION (CONING)
INVERSION CONDITION (FANNING)
Examples of Atmospheric Stability (attribution)
În predicția vremii, modelele de prognoză sunt folosite pentru a prezice stările viitoare ale atmosferei, pe baza modului în care sistemul climatic evoluează în timp de la o stare inițială.
În timp ce modelele de prognoză sunt destul de complexe (și necesită capacități științifice și de inginerie puternice), știința analizării acelor modele de prognoză și a verificării acurateței lor, prin compararea observațiilor empirice reale cu valorile prezise, este destul de simplă.
Pentru domeniul Calității Aerului, la fel ca și pentru predicția vremii, este posibil să se definească modele utilizate pentru a prezice setul viitor de poluare atmosferică. Există, de fapt , o mulțime de astfel de modele , adesea denumite modelare prin dispersie atmosferică . Și la fel ca și predicția vremii, același concept de analiză de acuratețe poate fi aplicat și predicțiilor poluării atmosferice.
Acest articol este primul dintr-o serie despre prognoza calității aerului.
--
Prognoza poluării aerului cu PM 2,5 este deja disponibilă în cadrul proiectului World Air Quality Index pentru Asia , Europa , precum și pentru întreaga lume .
Dar datele folosite pentru a alimenta modelele de prognoză se bazează în mare parte pe observația prin satelit (vezi acest articol ) și nu pe citirile stațiilor terestre.
Utilizarea datelor satelitare are avantajul de a putea acoperi orice parte a globului, inclusiv oceanele, cu condiția să nu existe nor. Dar, pe de altă parte, datele satelitare sunt, de asemenea, în mod inerent mai puțin precise și sunt disponibile doar de două ori pe zi, comparativ cu 24 de ori (în fiecare oră) pentru observațiile terestre. Având în vedere dinamica poluării aerului în Asia, a avea doar două citiri pe zi ar putea introduce o eroare semnificativă de prognoză reală în predicție, urmând clasificarea lui Rosanne Cole [2] :
O eroare de prognoză observată poate conține erori de date de două feluri: (1) erori de măsurare în datele utilizate pentru a construi prognoza și (2) eroare de măsurare în valoarea realizată. Erorile de date de primul fel vor fi o componentă a erorii adevărate de prognoză
Erorile de tip 2 sunt legate de modelul de dispersie utilizat pentru prognoză. Deoarece sunt utilizate diferite modele pentru diferite țări și continente (acest lucru este în prezent cazul pentru proiectul World Air Quality Index), analiza acurateței trebuie făcută pentru fiecare dintre modele. Deci, pentru început, acest articol se va concentra pe modelul folosit pentru continentul asiatic . În postarea ulterioară, vom extinde analiza la mai multe continente.
--
Înapoi la întrebarea inițială despre acuratețea prognozei, un ultim element care trebuie luat în considerare în analiză în ceea ce privește cu cât timp înainte prognoza în computer. Cu cât este mai puțin în avans, cu atât modelul este probabil să fie mai precis. Deci, pentru început, următoarele grafice de analiză se bazează pe prognoza „ziua +1” (de exemplu, prognoza pentru ziua următoare sau dacă sunteți marți, atunci prognoza este pentru miercuri).
Există mai multe moduri de a reprezenta acuratețea, cea mai evidentă fiind un număr simplu reprezentând procentul de prognoză care se potrivește cu observația reală. Dar pentru că credem că vizualizarea grafică este mult mai puternică decât numerele, preferăm să prezentăm potrivirea prognoză/observare suprapusă pentru mai multe orașe din Asia. Patratele de sus sunt observatiile empirice iar cel de jos valorile anticipate.
Verificând toate graficele de mai jos, se pot observa rezultate destul de dezamăgitoare pentru Guangzhou, Chengdu și Coreea de Sud... în măsura în care modelul utilizat pentru Asia ar putea fi aproape descalificat pentru uz public. Acesta este un lucru pe care îl vom scrie în a doua postare a acestei serii despre Prognoza calității aerului.
--
--
Câteva link-uri interesante pentru cei interesați să citească despre acuratețea prognozei:
