Ontdek de geheimen van de weerpluim

Het wordt door ons vaak benoemt in de weerberichten. Wat is de taak van een weerpluim? In dit bericht nemen we de pluim van het Europese weermodel ECMWF eens onder de loep. Welke geheimen kan ik hierin ontdekken? Wat is de waarde van de uitkomst van de verwachting en waar moet je allemaal rekening mee houden? Allemaal vragen die ik hieronder ga beantwoorden.

Er zitten best wel wat leuke wetenswaardigheden in de lijntjes die de temperatuurberekening weergeven. Een weerpluim lezen kan iedereen, maar het daarbij horende weerbeeld voorspellen is nog niet zo makkelijk. Daar zijn meerdere gegevens voor nodig. Alhoewel?

ECMWF Pluim haaientanden

Ik citeer hieronder de uitleg gegeven door het KNMI:

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.

Dit gaan we wat begrijpelijker uitleggen. Het Europese weermodel maakt een verwachting op voor de lange termijn. Dit is de rode lijn uitgerekend in de hoogste resolutie van het weermodel. Dat wordt ook wel de oper (operationele uitvoer) genoemd. De blauwe lijn is de uitkomst van de uitgerekende waarde, maar dan met een lagere resolutie om rekentijd te kunnen besparen. Lopen de rode en de blauwe lijnen dicht bij elkaar dan is de kans groot dat deze berekende waarde uitkomt.

Lopen ze uit de pas dan is de onzekerheid van de berekening groot. De groene lijnen (ook wel ensembles genoemd) zijn berekeningen expres met een andere beginwaarde uitgevoerd om het effect van onzekerheden in die begintoestand te simuleren. Kleine verschuivingen van de weersystemen hebben namelijk grote gevolgen, zeker voor de lange termijn verwachting.

Door die verschuivingen na te bootsen kan men juist bekijken hoe betrouwbaar de verwachting is. Uiteraard nemen de onzekerheden op de lange termijn verder toe. Zo kan in het algemeen gesteld worden dat de verwachting tot en met 5 dagen vooruit kijken betrouwbaar is. Voorbij 5 dagen moet men meer naar een mogelijke trendverwachting kijken.

Model Output Statistics zijn gecorrigeerde waarde van de ensembles. Zo moet er bij een verwachting ook nog rekening gehouden worden met het plaatselijk gebied. Denk hierbij als voorbeeld aan het soort grond. Bijvoorbeeld zandgrond of kleigrond. Deze hebben allebei heel andere eigenschappen. Zandgrond is veel opener van structuur en kan in de zomer veel warmer worden door het weerkaatsen van direct zonlicht. In de winter koelt het juist veel verder af.

Door deze plaatselijke verschillen toe te passen in de pluim komt men tot een betere verwachting. Overigens wordt dit gedaan door de meteoroloog en niet door de computer. Ook een goed voorbeeld is dat het in stedelijke gebieden vaak warmer is dan op het platte land. Door de bebouwing blijft de warmte immers langer hangen.

Bifurcatie

De groene lijntjes lopen vaak kris kras door elkaar, zeker verderop in de termijn. De berekeningen zijn dan onbetrouwbaar. Toch valt hier soms een mogelijke trend te ontdekken als er een bifurcatie optreedt.

bifurcatie pluim ECMWF

Bovenstaande afbeelding laat zeer duidelijk de bifurcatie van de ensembles zien. Het kan letterlijk gaan vriezen of gaan dooien. De grootste kans is dat de zachtere berekeningen uitkomen omdat de oper (rode lijn) en de control (blauwe lijn) bij de zachtere leden zitten. Dit zijn interessante pluimen voor de weeramateur en de meteoroloog omdat er toch ook duidelijk een kans is op kouder weer. Vaak ligt er in deze 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.

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 een schitterende afbeelding van de 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.

Pluim ECMWF haaientanden

Met deze informatie heeft u wat meer achtergrond gekregen om de weerpluim te kunnen interpreteren. Bij het KNMI hebben ze een handige tool gemaakt om de kansverwachting te kunnen bepalen van de verwachte temperatuur. Hierin zijn alle ensembles meegenomen en gevisualiseerd in een tabel.

KNMI tabel kansverwachting

Hoe groter het staafdiagram, hoe meer kans dat die aangegeven waarde uitkomt. Vergelijk dit maar eens met de 1e afbeelding in dit artikel bovenaan.

Bronnen: knmi.nl en weerplaza.nl


Lees ook eens: