STRONG LAPSE CONDITION (LOOPING)
WEAK LAPSE CONDITION (CONING)
INVERSION CONDITION (FANNING)
Examples of Atmospheric Stability (attribution)
В прогнозировании погоды прогностические модели используются для прогнозирования будущих состояний атмосферы на основе того, как климатическая система развивается со временем по сравнению с исходным состоянием.
Хотя модели прогнозов довольно сложны (и требуют сильных научных и инженерных возможностей), наука анализа этих моделей прогнозов и проверки их точности путем сравнения фактических эмпирических наблюдений с прогнозируемыми значениями довольно проста.
Для области качества воздуха, как и для прогнозирования погоды, можно определить модели, используемые для прогнозирования будущего набора загрязнений атмосферы. На самом деле существует множество таких моделей , часто называемых моделированием атмосферной дисперсии . И точно так же, как прогноз погоды, та же концепция анализа точности может быть применена к прогнозам загрязнения атмосферы.
Эта статья является первой из серии, посвященной прогнозированию качества воздуха.
--
Прогноз загрязнения воздуха PM 2,5 уже доступен в проекте Мирового индекса качества воздуха для Азии , Европы и всего мира .
Но данные, используемые для создания прогнозных моделей, в основном основаны на спутниковых наблюдениях (см. эту статью ), а не на показаниях наземных станций.
Использование спутниковых данных имеет то преимущество, что позволяет охватить любую часть земного шара, включая океаны, при условии отсутствия облаков. Но, с другой стороны, спутниковые данные по своей сути менее точны и доступны только два раза в день по сравнению с 24 раза (каждый час) для наземных наблюдений. Учитывая динамику загрязнения воздуха в Азии, наличие только двух показаний в день может привести к значительной истинной ошибке прогноза в соответствии с классификацией Розанны Коул [2] :
Наблюдаемая ошибка прогноза может содержать ошибки данных двух видов: (1) ошибки измерения данных, использованных для построения прогноза, и (2) ошибки измерения реализованной стоимости. Ошибки данных первого рода будут составной частью истинной ошибки прогноза.
Ошибки 2-го типа связаны с используемой для прогноза дисперсионной моделью. Поскольку для разных стран и континентов используются разные модели (в настоящее время это относится к проекту Мирового индекса качества воздуха), анализ точности необходимо проводить для каждой модели. Итак, для начала эта статья будет посвящена модели, используемой для азиатского континента. В последующих публикациях мы расширим анализ на большее количество континентов.
--
Возвращаясь к первоначальному вопросу о точности прогноза, последний момент, который следует учитывать при анализе, заключается в том, насколько заранее прогнозируется на компьютере. Чем меньше опережение, тем точнее будет модель. Итак, начнем с того, что следующие графики анализа основаны на прогнозе «день +1» (например, прогноз на следующий день или, если вы вторник, то прогноз на среду).
Существует несколько способов представления точности, наиболее очевидным из которых является простое число, представляющее процент совпадения прогноза с фактическим наблюдением. Но поскольку мы действительно считаем, что графическая визуализация гораздо более эффективна, чем цифры, мы предпочитаем представить сопоставление наложенных прогнозов и наблюдений для нескольких городов Азии. Квадраты вверху — эмпирические наблюдения, а квадраты внизу — прогнозируемые значения.
Проверив все приведенные ниже графики, можно заметить довольно разочаровывающие результаты для Гуанчжоу, Чэнду и Южной Кореи... до такой степени, что модель, используемая в Азии, может быть почти дисквалифицирована для публичного использования. Об этом мы напишем во второй статье серии о прогнозировании качества воздуха.
--
--
Несколько интересных ссылок для тех, кто хочет узнать о точности прогнозов:
