STRONG LAPSE CONDITION (LOOPING)
WEAK LAPSE CONDITION (CONING)
INVERSION CONDITION (FANNING)
Examples of Atmospheric Stability (attribution)
Trong dự báo thời tiết, các mô hình dự báo được sử dụng để dự đoán các trạng thái tương lai của khí quyển, dựa trên cách hệ thống khí hậu phát triển theo thời gian kể từ trạng thái ban đầu.
Mặc dù các mô hình dự báo khá phức tạp (và đòi hỏi năng lực khoa học và kỹ thuật mạnh mẽ), khoa học phân tích các mô hình dự báo đó và xác minh tính chính xác của chúng, bằng cách so sánh các quan sát thực nghiệm thực tế với các giá trị dự đoán, khá đơn giản.
Đối với lĩnh vực Chất lượng không khí, giống như dự báo thời tiết, có thể xác định các mô hình được sử dụng để dự đoán tập hợp ô nhiễm khí quyển trong tương lai. Thực tế có rất nhiều mô hình như vậy , thường được gọi là Mô hình phân tán khí quyển . Và cũng giống như dự báo thời tiết, khái niệm phân tích độ chính xác tương tự có thể được áp dụng cho dự đoán ô nhiễm khí quyển.
Bài viết này là bài đầu tiên trong loạt bài về dự báo Chất lượng Không khí.
--
Dự báo ô nhiễm không khí PM 2.5 đã có sẵn trong dự án Chỉ số Chất lượng Không khí Thế giới dành cho Châu Á , Châu Âu cũng như toàn thế giới .
Nhưng dữ liệu được sử dụng để cung cấp cho các mô hình dự báo chủ yếu dựa trên quan sát vệ tinh (xem bài viết này ) thay vì số liệu của các trạm trên mặt đất.
Sử dụng dữ liệu vệ tinh có ưu điểm là có thể bao phủ bất kỳ khu vực nào trên thế giới, kể cả đại dương, miễn là không có đám mây. Nhưng mặt khác, dữ liệu vệ tinh vốn cũng kém chính xác hơn và chỉ có được hai lần một ngày, so với 24 lần (mỗi giờ) đối với các quan sát trên mặt đất. Xem xét diễn biến của Ô nhiễm không khí ở Châu Á, việc chỉ có hai số liệu mỗi ngày có thể gây ra sai số dự báo thực sự đáng kể trong dự đoán, theo phân loại của Rosanne Cole [2] :
Một lỗi dự báo quan sát được có thể chứa hai loại lỗi dữ liệu: (1) lỗi đo lường trong dữ liệu được sử dụng để xây dựng dự báo và (2) lỗi đo lường trong giá trị thực tế. Lỗi dữ liệu loại thứ nhất sẽ là một thành phần của lỗi dự báo thực sự
Lỗi loại 2 liên quan đến mô hình phân tán được sử dụng để dự báo. Do các mô hình khác nhau được sử dụng cho các quốc gia và lục địa khác nhau (điều này hiện đang áp dụng cho dự án Chỉ số chất lượng không khí thế giới), nên cần phải thực hiện phân tích độ chính xác cho từng mô hình. Vì vậy, để bắt đầu, bài viết này sẽ tập trung vào mô hình được sử dụng cho lục địa Châu Á . Trong bài đăng sau, chúng tôi sẽ mở rộng phân tích đến nhiều châu lục hơn.
--
Quay lại câu hỏi ban đầu về độ chính xác của dự báo, một mục cuối cùng cần được xem xét trong phân tích về mức độ dự báo trước trên máy tính. Càng ít thông tin trước thì mô hình càng chính xác. Vì vậy, để bắt đầu, các biểu đồ phân tích sau đây dựa trên dự báo "ngày +1" (ví dụ: dự báo cho ngày hôm sau hoặc nếu bạn là Thứ Ba thì dự báo là cho Thứ Tư).
Có một số cách thể hiện độ chính xác, cách rõ ràng nhất là một con số đơn giản biểu thị phần trăm dự báo phù hợp với quan sát thực tế. Nhưng vì chúng tôi tin rằng trực quan hóa bằng đồ họa có sức mạnh hơn nhiều so với các con số nên chúng tôi muốn trình bày kết quả dự báo/quan sát chồng chất đối với một số thành phố ở Châu Á. Các ô ở trên cùng là các quan sát thực nghiệm và ô ở dưới cùng là các giá trị được dự đoán trước.
Bằng cách kiểm tra tất cả các biểu đồ bên dưới, người ta có thể nhận thấy kết quả khá đáng thất vọng đối với Quảng Châu, Thành Đô và Hàn Quốc... đến mức mô hình đang được sử dụng cho Châu Á gần như không đủ tiêu chuẩn để sử dụng rộng rãi. Đây là nội dung mà chúng tôi sẽ viết trong bài thứ hai của loạt bài về Dự báo chất lượng không khí.
--
--
Một số liên kết thú vị dành cho những ai muốn đọc về độ chính xác của dự báo:
