27 mei 2022 - 7 min. lezen
0 reacties 0

De kwaliteit van weersvoorspellingen is de afgelopen decennia enorm verbeterd. Aan de ene kant door betere modellen, aan de andere kant door meer en nauwkeurigere observaties die dienen als input voor de weermodellen. Maar hoe ver kunnen we gaan? Kunnen de weersvoorspellingen nog veel verbeteren? Waar is er nog ruimte voor verbetering? En bestaat er zoiets als een maximale voorspelbaarheid van het weer?

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 opladen.

Weermodellen worden steeds beter

Ongeveer 60 jaar geleden ontstonden “numerieke weermodellen” . Dat zijn weermodellen die de fysieke processen in de atmosfeer oplossen op een grid (een raster verdeeld over de aarde). Sindsdien is de nauwkeurigheid van weersvoorspellingen er enorm op vooruitgegaan. Dit dankzij een toename in rekenkracht, betere modellen, hogere resoluties (verticaal en horizontaal), incorporatie van meer atmosferische processen en betere/meer data-assimilatie van observaties (of initiĆ«le condities). Het gebruik van satellieten was voor deze laatste een enorme stap vooruit, vooral in afgelegen regio’s.

Een index die gebruikt wordt om de kwaliteit van een voorspelling na te gaan is de “anomaly correlation coefficient” (ACC) van de 500-hPa geopotentiaal hoogte. Dit betreft het verschil tussen voorspelling en observaties. Vaak wordt 50-60% aangenomen als de minimale waarde voor een kwaliteitsvolle voorspelling. De evolutie:

Jaarlijkse evolutie van de kwaliteit van voorspelling van ECMW. De onderste lijn is voor het zuidelijk halfrond. (ECMWF)

Op de grafiek is duidelijk te zien dat de kwaliteit van de weersvoorspelling er enorm op vooruitgaat en is gegaan. Gemiddeld met ongeveer 1 dag per decade. Het is ook opvallend dat het verschil in kwaliteit tussen het noordelijk en zuidelijk halfrond enorm gereduceerd is. Dat komt omdat tot de jaren 2000 er beduidend minder observaties waren op het zuidelijk halfrond. Door het gebruik van satellietmetingen is dat verschil nu niet meer groot.

De limiet van weermodellen

Maar, de verbetering van de weersvoorspelling heeft zijn limieten. Vanuit het perspectief van voorspelbaarheid kan dit concept van “atmosferische voorspelbaarheidslimiet” grofweg worden onderverdeeld in intrinsieke versus praktische voorspelbaarheid:

Intrinsieke voorspelbaarheid verwijst naar “het vermogen om te voorspellen, gegeven een bijna perfecte weergave van het dynamische systeem (door een voorspellingsmodel) en bijna perfecte initiĆ«le condities / grensvoorwaarden. Dit betreft dus een inherente limiet van een voorspelling vanwege de chaotische aard van de atmosfeer. Deze limiet kan op geen enkele manier worden verlengd. Het gaat om het zogenaamde vlinder effect.

De praktische voorspelbaarheid, ook wel onze weersvoorspellingsvaardigheid genoemd, is “het vermogen om te voorspellen gegeven realistische onzekerheden in zowel het voorspellingsmodel als de begin- en randvoorwaarden”. Deze praktische voorspelbaarheid kan worden vergroot door vermindering van de belangrijkste beperkende factoren van de voorspellingsfouten, zoals fouten in de beginvoorwaardes, fouten in de randvoorwaarden en modelfouten. Deze fouten zijn de laatste decennia aanzienlijk verminderd en kunnen verder worden verminderd met betere modellen die zeer nauwkeurige waarnemingen opnemen (assimilatie) en geavanceerde rekenkracht.

Maar, het is natuurlijk de vraag of en welke intrinsieke voorspelbaarheid van het weer op de gemiddelde breedtegraad er bestaat. Deze limiet van een voorspelling is het moment dat de spreiding tussen bijna identieke runs begint te verzadigen en net zo groot wordt als de spreiding tussen enkele willekeurig geselecteerde, maar dynamisch en statistisch mogelijke voorspellingen.

Voorspelbaarheidslimiet

De voorspelde onzekerheid en de voorspelbaarheidsgrens kunnen systematisch gekwantificeerd worden door de evolutie van de spreiding tussen de ensembleleden en het tijdstip waarop deze begint te verzadigen. De spreiding van de ensembles met realistische onzekerheden in de begincondities (EDA) wordt bijna twee grootteordes groter voordat ze verzadigd geraken na ongeveer 10-12 dagen (zie onderstaande grafiek).

De spreiding van de EDA01-ensembles (ensembles met minieme initiƫle verstoringen (dwz bijna perfecte begincondities), wordt bijna vier orden van grootte groter wordt vooraleer te stabiliseren rond 14-15 dagen op hetzelfde niveau als het EDA-ensemble.

Dit is een sterke indicatie van de intrinsieke voorspelbaarheidslimiet. Met ander woorden, als onze begincondities nauwkeuriger worden, tot bijna perfect, kunnen we het weer op de korte en middellange termijn beter voorspellen (minder onzekerheid want de blauwe curve ligt onder de rode curve). Maar, na 12-15 dagen valt het verschil met een voorspelling met meer fouten in de begincondities echter weg. Dat is opvallend.

Evolutie van de fout (onzekerheid) in ensemble te verwachten voor de komende 20 dagen in de winter en in de zomer.

Verbetering van 3-5 dagen mogelijk

De grafieken hierboven tonen dus dat met ensembles, geĆÆnitialiseerd met zowel realistische onzekerheden als met bijna perfecte beginconditie, de ultieme limiet van de dagelijkse weersvoorspelling op gemiddelde breedtegraad ongeveer 2 weken is. Er is wel nog een potentieel van 3-5 dagen door het verbeteren van de huidige praktische voorspelbaarheid, die ongeveer 9-10 dagen is. Dergelijke verbeteringen kunnen gerealiseerd worden door het verminderen van onzekerheden in de begintoestand door betere waarnemingen en betere gegevensassimilatie. Momenteel zijn we nog vrij ver verwijderd van de uiterste voorspelbaarheid. Het is duidelijk dat we nog voldoende ruimte hebben voor verdere verbetering van de dagelijkse voorspelbaarheid van het weer. Dat is waarschijnlijk iets voor de komende decennia.

Limiet van de weermodellen zelf

Hoewel het mogelijk lijkt dat het opnemen van extra onopgeloste schalen en verschijnselen zou kunnen leiden tot een verhoging van de bovengrens van voorspelbaarheid, wordt algemeen erkend dat met verbeterde modellen meer kleinschalige instabiliteiten zullen oplossen, maar dat de foutengroei waarschijnlijk zal toenemen, althans op kleinere schaal. Vanuit dat perspectief kan de huidige schatting van de intrinsieke voorspelbaarheidslimiet aan de optimistische kant zijn. Met andere woorden, “Hoe beter we worden op de korte termijn en op de kleine schaal, hoe minder nauwkeurig we worden verder in de tijd.”

Daarnaast zijn er naast de limieten van de voorspelling komende van de chaos van het weer zelf, de limieten van rekenkracht en computers. Indien we de resolutie van weermodellen verder vergroten gaat dat onvermijdelijk gepaard met een enorme toename in nodige rekenkracht en energie:

Illustratie van het aantal berekeningen (linker as) de energie (rechter as) nodig voor een 10-daagse weermodel voorspelling (onderste curve) en een 50-leden ensemble (bovenste curve).

Daarnaast moeten verdere verbeteringen aan de modellen zelf niet alleen komen van de wetenschap (betere parametrisaties van fysieke processen, koppelen van componenten zoals oceaan – atmosfeer, het gebruik van meer en betere observaties), maar ook van technologische verbeteringen (betere computers). Onderstaande figuur vat dit samen. De ellipsen tonen de belangrijkste fenomenen die we trachten te bepalen met onze modellen voor een bepaalde resolutie. De boxen duiden op de factoren waar de verbeteringen voornamelijk van moeten komen.

Processen opgelost in de modellen (ellipsen) voor bepaalde resoluties en complexiteit. De kaders tonen de factoren waar we kwaliteit van de voorspelling van de processen mee moeten verbeteren.

Conclusie

We kunnen stellen dat de kwaliteit van onze weersvoorspellingen nog wel wat marge heeft. Zo’n 2-5 dagen door het verbeteren van de begincondities. Verder in de tijd voorspellingen dan 13-15 dagen zullen we wellicht nooit kunnen door de “limiet van de voorspelbaarheid van het weer”. Daarnaast zullen andere limieten zoals rekenkracht, energiegebruik en schaal-verkleining/vergroting ook altijd een rol blijven spelen.

Bronnen:

Fuqing Zhang, Y. Qiang Sun, Linus Magnusson, Roberto Buizza, Shian-Jiann Lin, Jan-Huey Chen, and Kerry Emanuel: What Is the Predictability Limit of Midlatitude Weather? Journal of the Atmospheric Sciences 76, 4; 10.1175/JAS-D-18-0269.1

Bauer, P., Thorpe, A. and Brunet, G. The quiet revolution of numerical weather prediction. Nature 525, 47ā€“55 (2015). https://doi.org/10.1038/nature14956

Lander

Door Lander

Afgestudeerd fysisch geograaf aan de KU Leuven in de specialisatie weer- en klimaat. Ik ben doctorandus glaciologie - klimatologie aan de VUBrussel met focus op gletsjers in de Alpen en in Aziƫ. Sinds jongs af aan gepassioneerd door weer en klimaat focus ik mij binnen NoodweerBenelux op het schrijven van weerberichten, het geven van seminaries en het ontwikkelen van onze weerkaarten.


Verder lezen

Alles bekijken
36 Prognose

Zomerse temperaturen met af en toe een bui

3 dagen geleden - 3 min. lezen
1

Pyroceen: het tijdperk van vuur

4 dagen geleden - 3 min. lezen
80

Onweerskansen 23-24 juni 2022

22 juni 2022 - 4 min. lezen