: 但是個人仍然是偏向是大氣擴散不佳
: 所以導致空氣污染問題
: 如果今天國內空氣污染問題真的這麼嚴重的話
: 那在大氣擴散良好的時候
: 應該也會有空氣污染的問題
: 但事實並不是如此
: 因為春夏秋可能因為空氣對流旺盛
: 使得整體大氣擴散條件較佳
上面說的沒錯，就南部而言空氣品質轉換的關鍵是大氣擴散條件
即垂直大氣的穩定度─逆溫層
就南部而言，對照斜溫圖的狀況就可以發現，
進入冬半季，地面到1000hPa時常出現輻射逆溫
就像個鍋蓋罩住南部的天空，無法對流向上
加上東面為中央山脈，地形阻礙東北風的流動，水平的風又微弱
污染物就在地面-1000hPa，一直上上下下，舊的出不去，新的一直生成
自然就會越來越嚴重，至於北部，其實多數時候，斜溫圖的狀況地面到850hPa
是適合自由對流的，就沒有污染物積累的問題
北部空氣不好，會伴隨金馬澎也都差，就是俗稱的祖國的善液....
至於中部，中部放球的地方是澎湖，夏天拿來預判雷雨的參考價值還蠻高的
冬天就...，中部的問題應該跟中火脫離不了關係~~~不過也許要有一些觀測數據
才能說服的了決策者
: 換句話說
: 今天的空氣污染排放標準只能做參考而已
: 不能像廢水排放標準是一個定值
: 因為即便你今天的空氣污染排放符合相關的管制標準
: 依樣會被環保署和環保團體釘得滿頭包 (台電幾個重要燃煤電廠就是一個例子)
: 可能會因為最近這幾天大氣擴散條件不佳
: 導致空污嚴重程度上升 (污染物累積)
: 扯遠了
: 因此假設今天我們可以準確預測國內大氣擴散程度
: 理論上就可以提早向國人說明隔天空氣污染程度是否嚴重
: 哪些工廠該降載
: 學校單位是否該取消室外活動的課程...等
: 透過準確地提出大氣擴散條件
: 作為相關指標
: 國內應該做的到才對
: (颱風路徑都可以預測了，每天預測隔天大氣擴散條件應該不是太困難才對)
環保署的網站已經有針對空氣品質的預報了，應該是足夠了
真的要預測擴散條件，理論上應該可以有70-90%的準確度
能見度的預報，跟大氣穩定度有極大的關連性
而這些東西各機場在編TAF時都有相關的預測，
只是民眾願意付出多大的機會成本？
颱風會造成生命財產損失，可是當颱風不如預期程度或超過民眾預期的時候
氣象局是如何被責難的？當這些預測有誤差時，
被降載的工廠、憤怒的民代及一般大眾會用什麼心態看預報這件事？
多做會多錯，那乾脆不做就不錯
: 不過小弟內心一直有一個疑問
: 為什至今全球無法準確預測1年後或者更久10年以後
: 這中間的技術門檻還差了什麼?
: 看板上的文章一直有模式模擬結果的文來讓大家討論
: 但是似乎沒辦法拉得很長
: 就算拉的長
: 可能也是之後幾個月的模擬值
: 但是因為差太遠了
: 所以大家通常不會公布
: 只會在推文中說根據模式模擬
: 往後一個月可能都會是雨天...之類的
: 難道無法把農民曆那種節氣更加準確化嗎?
: 如果可以達到那種程度的話
: 今天我們在空污問題上就可以明確訂出許多標準了
: EX:因幾月幾號擴散條件良好，風速為X m/s，降雨機率為80%，
: 故該日各固定污染源可依照核可空污排放進行排放
: 反之，如果空氣擴散條件很差，則可加嚴空氣污染排放標準
: 想問問至今還缺乏什麼東西
: 導致現今天氣預報準確度無法百分之百
: 且時間不夠長?
1.觀測點分佈的問題
模式的網格點目前最細我的印象是5KM*5KM，如果在這個網格點上，
有測站的實際資料，就可以直接代入到控制方程式中計算，但是海洋、高山
沒有測站該怎麼辦？就以蛙跳法的方式去計算數值，再去計算
預報就是用現有資料去推估未來發展，部分資料還是用估算的再去作計算
誤差就產生了
2.尺度變化問題
模式通常運算的是中尺度以上的天氣變化，常被人們運用的模式
都是在計算縱觀尺度的系統變化，讓預測員參考，可是很多天氣
變化是因為中小尺度的調整而產生的，比方說海陸風效應
比方說午後熱對流，這些都不是單靠電腦能夠運算出來的
3.積雲參數化的影響
正如同第一點所提到的，模式是用觀測資料代入方程式中去運算
可是積雲的消長，根本無法量化，因此學者將積雲的變化
以參數的方式給帶過了
4.誤差值的積累
前三項主要是說明為什麼數值預報會有誤差的情況，
至於原PO問，為什麼頂多參考3天，無法做到長時間的預報呢??
舉例可能會比較好懂，假如有個預報模式，準確度有90%
那麼代入12/9的觀測資料：
12/10的預報準確度會是90%
12/11的預報準確度就是81%
12/12的預報準確度只剩72.9%
12/13的預報準確度僅存65.61%
再算下去，就剩5X%了，這也就是為什麼不做太長天期的預報原因
產出的成品準確度一直發散，只能當作變化方向的參考，
數值預報對於氣象預報最大的價值，在於經過電腦運算，產品是客觀的
不需要預報員用自己的經驗去修正
如果一個資料，需要預報員用自己的經驗做大幅修正，反而喪失數值預報的客觀性