14 januari 2023 - 6 min. lezen
0 reacties 0

In de zomer van 2021 kregen we te maken met enorme overstromingen, die bij vele onder ons een zware indruk achtergelaten hebben. Wist je dat we de neerslag die daartoe geleid heeft, gemiddeld 1 keer in 400 jaar in ons land verwachten? Dat kunnen we berekenen doordat we in Ukkel al meer dan 120 jaar de neerslag meten. Als we zoā€™n berekeningen willen doen voor de toekomst, zitten we echter snel vast: we moeten immers vertrekken van 30 jaar aan klimaatdata. Een van de hulpmiddelen die we kunnen inzetten om zo nauwkeurig mogelijk toekomstige extremen in te schatten, is weergeneratie. In recent onderzoek beschreef Jorn Van de Velde (UGent) een model waarmee dat kan gedaan worden, en hij licht dit in deze blog toe.

Deelnemen aan discussie? Ben je geĆÆnteresseerd om deel te nemen als weeramateur of liefhebber van het weer aan het weerforum? Onderaan dit artikel krijg je bliksemsnel & gratis toegang tot alle reacties. Je kan ook je eigen weerfoto’s uploaden.

Beperkingen van klimaatmodellen

We zijn ondertussen al vele decennia vertrouwd met het gebruik van klimaatmodellen om uitspraken te doen over de toekomst van ons weer. Deze modellen doen dat uitstekend: voor zowel temperatuur als neerslag weten we op globale schaal goed wat ons gemiddeld te wachten staat. Een grotere uitdaging zit hem echter in het bestuderen van extreem weer op lokale schaal. We willen weten wat voor neerslag we bv. gemiddeld Ć©Ć©nmaal om de 10 jaar kunnen verwachten om rioleringen te ontwerpen, gemiddeld Ć©Ć©nmaal om de 50 jaar om bufferbekkens te kunnen ontwerpen of Ć©Ć©nmaal om de 100 jaar of meer om dijken en andere grote maatregelen te ontwerpen. Het is belangrijk om deze zogenaamde terugkeertijden nauwkeurig te kunnen beschrijven.

Om bufferbekkens zoals deze goed te kunnen ontwerpen, moeten we terugkeertijden tot 50 jaar nauwkeurig kunnen bepalen.

Als het over weer gaat, worden standaard klimaatnormalen gebruikt als referentie. Deze beschrijven het weer van de afgelopen 3 decennia, of dus 30 jaar. Momenteel gebruiken we het klimaatnormaal van 1990 tot 2020 als referentie. In lijn daarmee, zijn periodes van 30 jaar het handigst om toekomstig weer bestuderen. Met kortere tijdreeksen (bv. 10 jaar) hebben we al snel te weinig informatie. Langere tijdreeksen (bv. 50 jaar) vertonen door klimaatverandering echter te grote schommelingen en variatie. Stel dat we bijvoorbeeld uitspraken willen doen over het gemiddelde klimaat in 2055: als we hiervoor 50 jaar gebruiken, bekijken we alle gegevens uit het klimaatmodel van 2030 tot 2080. We verwachten echter dat het weer in 2080 al sterk zal verschillen van dat in 2030. Met een periode van 30 jaar, gebruiken we de in tijd beperktere klimaatgegevens van 2035 tot 2065.

Klimaatverandering zorgt voor sterke veranderingen in onze omgeving. Als we een te grote tijdspanne uit klimaatmodellen zouden nemen, zorgt dit voor te grote variatie in de resultaten. (IPCC)

Het probleem zit hem vervolgens in de hogere terugkeertijden. Op basis van 30 jaar kunnen we een terugkeertijd voor een beperkt rioleringsstelsel wel beschrijven. Het wordt echter veel moeilijker als we terugkeertijden van 50 jaar, 100 jaar of meer bestuderen. Op dat moment moeten we die 30 jaar gaan extrapoleren, wat veel onzekerheid kan opleveren, ondanks de nodige statistische onderbouwing,

Langere tijdreeksen dankzij weergeneratie

Een hulpmiddel dat we kunnen gebruiken om met meer zekerheid uitspraken over die 30 jaar te doen, is weergeneratie. Hierbij wordt op basis van de statistische eigenschappen van een tijdreeks een nieuwe, verschillende, tijdreeks gemaakt. Deze nieuwe tijdreeks zal echter dezelfde statistische eigenschappen hebben. Dat betekent dat we informatie gebruiken zoals de gemiddelde waarde, de standaardafwijking, de mate waarin opeenvolgende waarden gelijk zijn aan elkaarā€¦ De exacte waarden beschouwen we echter niet. Dit soort modellen wordt al langer gebruikt om ontbrekende waarden in weergegevens aan te vullen, maar ook om overstromingsmodellen te bevoorraden met lange, continue tijdreeksen van neerslag. In dit geval gebruiken we het dus om een langere versie te maken van een bestaande tijdreeks. Doordat de statistische eigenschappen van de oorspronkelijke tijdreeks gebruikt worden, zullen de extremen in de tijdreeks in lijn liggen met de oorspronkelijke tijdreeks. Doordat we echter meer gegevens hebben, kunnen we beter onderbouwde uitspraken doen over hogere terugkeertijden. Ons onderzoek heeft ook effectief aangetoond dat wat we berekenden beter in de lijn ligt van de verwachtingen dan analyses op basis van beperkte tijdreeksen.

Een belangrijke vraag is echter of we dit enkel willen doen voor neerslag. Veel extreme weersomstandigheden worden namelijk aangedreven door de combinatie van neerslag, voorafgaande verdamping, temperatuur en andere weersvariabelen. Wij hebben daarom niet enkel neerslag bekeken, maar ook verdamping en temperatuur. Om dat correct te doen, moet de relatie tussen deze weersgegevens juist zijn. Als deze niet realistisch is, kunnen we in de problemen komen. Een voorbeeld is als we consistent hoge neerslaghoeveelheden zouden combineren met een hoge temperatuur. Enkel in de zomer kan dit uitzonderlijk voorkomen, maar ā€™s winters verwachten we dit niet.

Om neerslag, verdamping en temperatuur samen correct te kunnen weergeven, hebben we gebruik gemaakt van verschillende modellen. Eerst hebben we neerslag gegenereerd met een model. Dit hebben we gekoppeld met modellen die voor meerdere variabelen tegelijkertijd de kans van voorkomen kunnen modelleren. Door de relatie tussen neerslag, verdamping en temperatuur zo expliciet te beschouwen in de modellen, kunnen we er zeker van zijn dat de juiste relaties in acht genomen worden wanneer langere tijdreeksen gemaakt worden. Hoewel we dit hier enkel voor deze 3 weersvariabelen gedaan hebben, kan zoā€™n model in principe ook voor andere variabelen gebruikt worden, zoals windsnelheid, luchtvochtigheidā€¦ Op die manier kan het voor verschillende toepassingen gebruikt worden.

Een opstap naar vele toepassingen

Er zijn vele mogelijke toepassingen van weergeneratoren, binnen en buiten de context van klimaatverandering. Een typisch gebruik is het aandrijven van overstromingsmodellen met voldoende lange tijdreeksen. Doordat de modellen ook ruimtelijk en in de tijd steeds fijner kunnen werken, zijn er de laatste jaren ook veel voorbeelden verschenen van hoe ze gebruikt kunnen worden om stedelijke overstromingen correct te voorspellen. Stedelijke overstromingen zijn immers een grote uitdaging. Daarnaast openen weergeneratoren ook mogelijkheden om de laatste generatie van klimaatmodellen te versterken. Deze zogenaamde ā€˜Convection-permitting-modelsā€™ laten toe om toekomstig weer op een heel fijne schaal te modelleren en daarmee onder meer rekening te houden met convectie en andere weersprocessen. De rekenkracht die hier achter zit, betekent echter dat de tijdreeksen doorgaans nog korter zijn dan die van de tot nu toe gangbare klimaatmodellen. Door middel van weergeneratoren zouden deze tijdreeksen verlengd kunnen worden, wat betekent dat we nog meer uit deze nieuwe modellen kunnen leren.

Het is duidelijk: er zijn veel mogelijkheden! Weergeneratoren laten toe om met meer zekerheid uitspraken te doen over klimaatverandering en extreem weer, maar hebben ook daarbuiten mogelijkheden. Ik ben er zeker van dat deze tak van het klimaatonderzoek niet stil zal liggen de komende jaren.

Gastblog

Door Gastblog

Expert in weer en klimaat of een ander boeiende niche in de wetenschap? Geregeld worden wetenschappers aan het woord gelaten via een gastblog.


Verder lezen

Alles bekijken