Ontdek de geheimen van de weerpluim

Het wordt door ons vaak gebruikt in de weerberichten: ‘de weerpluim’. Ook op onze discussiedraad verschijnen ze vrijwel dagelijks, omdat ze een eerste blik werpen op het te verwachten weer op de middellange en lange termijn. Zeker nu, in tijden van potentiële winterse aspiraties, zijn ze onontbeerlijk! 

Veel weeramateurs onder ons weten perfect hoe ze de pluimverwachting moeten interpreteren, maar voor leken is het vaak moeilijk om precies te bepalen wat de pluim juist allemaal te vertellen heeft over het weer. In dit bericht trachten we nog eens op een rijtje te zetten hoe je de weerpluim nu best interpreteert en wat de pluimverwachting ons kan vertellen over het te verwachten weerbeeld.

Lijntjes op de weerpluim

De weerpluim, ook wel ‘ensemble’ genoemd, bestaat uit verschillende lijntjes (ook wel ‘leden’ genoemd), die verschillende kleuren aannemen. De term  ‘ensemble’ verwijst naar het feit dat in de weerpluim verschillende meteorologische opties tegelijk (ensemble) worden geëvalueerd om de onzekerheid van de 14 daagse verwachting te kunnen inschatten. Hieronder lichten we toe waarvoor de verschillende kleuren staan en hoe we de leden moeten interpreteren. We focussen ons voornamelijk op de pluimverwachting van het Europese weermodel ECMWF.

50 groene leden

De Europese weerpluim vertoont in totaal 52 leden in haar ensemble. 50 van de leden hebben een groene kleur en zijn als het ware allemaal potentiële uitkomsten (voor de komende 14 dagen) voor een bepaalde meteorologische parameter. De meest geraadpleegde pluimverwachting is die van de temperatuur, maar er bestaan eveneens weerpluimen voor de dauwpuntstemperatuur, neerslag, windsnelheid, CAPE, etc.

weerpluim ECMWF

  • De groene lijnen : de 50 verstoorde verwachtingen (T639)
    De rode lijn : de operationele T1279 ECMWF verwachting
    De blauwe stippellijn : de onverstoorde T639 verwachting
    De bruine stippellijn : het ensemble gemiddelde
    De bruine bolletjes : de zogenaamde GIDS-verwachting, afgeleid op basis van o.a. de operationele verwachting, het ensemble gemiddelde, en -statistisch- gecorrigeerd voor de systematisch fouten.
    MOS= Model Output Statistics. Tn=Minimum temperatuur. Tx=Maximum temperatuur.

Onzekerheid door begintoestand

Zoals we weten heeft het weer een probleem met de begintoestand. De groene leden van het ensemble zijn berekeningen die elk individueel met een andere beginwaarde gesimuleerd zijn, om het effect van onzekerheden in die begintoestand van de atmosfeer te simuleren. Zoals we allemaal weten, kunnen kleine verschuivingen van de weersystemen immers grote gevolgen hebben op de weersverwachting van de volgende dagen, zeker  op lange termijn (10 tot 15 dagen).

Soms – zoals dat ook nu het geval is – hebben de weermodellen het zelfs moeilijk om binnen de 5 dagen het weer juist in te schatten, juist omwille van de cruciale rol die de exacte locatie van bepaalde weersystemen kan spelen. Denk daarbij bijvoorbeeld aan de positie van een ex-orkaan die het weer in onze contreien stevig in de war kan sturen! Door in totaal 50 mogelijke opties te simuleren en als het ware de verschuiving van de weersystemen na te bootsen, kunnen we dus een beeld krijgen van de (on)zekerheid in de verwachting, inzake initiële condities.

Bifurcatie

De individuele leden van het ensemble lopen vaak kriskras door elkaar, zeker verderop in de termijn. De berekeningen zijn dan als het ware onbetrouwbaar en de weersverwachting kan dan nog alle kanten op. Toch valt hier soms een mogelijke trend te ontdekken als er een bifurcatie optreedt (twee mogelijke trends).

weerpluim bifurcatie

De weerpluim van vanmorgen. Deze laat veel onzekerheid zien (bifurcatie) op de lange termijn. Zelfs vanaf dag 4 lopen de individuele leden al verder uit elkaar! De initiële condities zijn dus van groot belang.

Bovenstaande afbeelding schetst de weerpluim van het Europese model van vanmorgen. Deze laat zeer duidelijk bifurcatie zien. Op de lange termijn lopen de scenario’s zeer fel uit elkaar: Het kan letterlijk gaan vriezen of dooien… Dit zijn uiteraard zeer interessante pluimen voor de weeramateurs en meteorologen onder ons, omdat er toch ook duidelijk een kans bestaat op kouder weer!

Vaak ligt er in zulke situatie een gebied met koud weer dicht in de buurt en afhankelijk van het stromingspatroon krijgen wij er dan wel of niet mee te maken. Dit zien we ook duidelijk terug op de kaarten vandaag. Een gebied met zeer koude lucht op 850 hPa ligt zeer dicht bij, maar aan de andere kant van de Benelux staan Atlantische storingen te popelen om door te dringen en zeer zachte lucht aan te zuigen naar onze contreien. Het is dus een spannende evolutie/clash in het ‘land van weermodellen’.

Resolutie van weermodellen

Weermodellen delen de aarde en haar atmosfeer op in vakjes om het weer te simuleren. De afstand die zo een vakje heeft (in km) wordt ook wel de ‘resolutie’ van een weermodel genoemd. Hoe hoger de resolutie van een weermodel (hoe kleiner een vakje is), hoe meer processen er met meer accuraatheid kunnen worden opgelost door het model; en hoe beter bepaalde weerfenomenen worden gesimuleerd.

Denk bijvoorbeeld maar aan convectie, het proces dat verantwoordelijk is voor het genereren van onweersbuien. Dit is typisch een proces dat hoge resolutie vergt om accuraat gesimuleerd te worden door het model. Vandaar dat we bijvoorbeeld zeer vaak kijken naar de ‘fijnmazige’ weermodellen (met een resolutie kleiner dan 4 km) om onweerssituaties beter in te schatten.

Oper en controle

Het Europese weermodel simuleert in het ensemble op twee verschillende resoluties. De rode lijn de grafiek is de modelverwachting met de hoogste resolutie en wordt ook wel de oper of ‘operationele’ uitvoer genoemd. Dit lid van het ensemble is als het ware de ‘best-guess’ of met andere woorden, de best mogelijke oplossing die het weermodel schetst op de hoogste resolutie. De blauwe lijn in het ensemble (de ‘controle’ uitvoer) is uitgevoerd met dezelfde begintoestand als de operationele run, maar dan met een lagere resolutie om rekentijd te kunnen besparen.

Als de operationele (rode) en controle ver uit elkaar gaan dan kunnen we stellen dat de verwachting erg onzeker is. In dit geval wordt de onzekerheid niet veroorzaakt door de begintoestand van de atmosfeer (cruciale posities van weersystemen), maar wordt de onzekerheid veroorzaakt door een probleem dat sterk afhankelijk is van de modelresolutie.

Lopen de rode en de blauwe lijnen dicht bij elkaar, dan is er meer betrouwbaarheid in de verwachting en is de kans dat deze oplossing uitkomt groter. Maar.. pas op! Als het ensemble van de groene lijntjes sterkt verschilt van de oplossing geschetst door de oper en controle, dan mag je dat niet zomaar negeren en bestaat de kans alsnog dat een andere oplossing het zal halen!

Geheimen van de weerpluim

Aan de temperatuurberekening kun je vaak ook afleiden of er veel bewolking aanwezig is, want bewolking tempert de dagelijkse gang. De verschillen in de temperatuur is tussen dag en nacht dan niet groot. Wordt er weinig bewolking verwacht, dan zie je een grote dagelijkse gang terug en dat resulteert in “haaientanden” in de pluim. Hieronder wordt een voorbeeld afgebeeld van een pluimverwachting met de zogenaamde haaientanden. Let ook eens op de eensgezindheid van de ensembles.

Hier zie je een meerdaagse verwachting waarvan de uitkomst lang betrouwbaar is, aangezien zowel de groene lijntjes als de oper en controle dicht bij elkaar in de buurt liggen. Zulke hoge betrouwbaarheid zie je typisch in gevallen met een hogedrukblokkade, waarbij er lange tijd eenzelfde weerpatroon aanhoudt en je typisch een dagelijkse gang hebt door heldere condities onder het hoog.

Pluim ECMWF haaientanden


Lees ook eens: