Uit internationaal onderzoek is gebleken dat wij Nederlanders graag zaken onder controle willen hebben. Wij willen alles weten zodat we het kunnen sturen naar onze zin. Soms gaat die vlieger op. Niet voor niets geldt: Meten = Weten, Kennis = Kracht.

Maar soms zijn er zaken die niet met een paar knoppen te sturen zijn. Denk aan o.a. de economie, het consumentengedrag en het weer. Met de moderne smartphones van tegenwoordig heb je talrijke apps die jou een weersverwachting op maat geven. Maar hoe betrouwbaar is dat?

Om een goede weersverwachting te maken heb je een aantal ingrediënten nodig: de waarnemingen, een goed rekenmodel, krachtige computers voor de berekeningen, een goede nacalculatie voor de lokale situatie (dat noemen ze MOS = Model Output Statistics) en een interpretatie door een ervaren meteoroloog. En voldoende tijd om de nuances in plaats en tijd uit te leggen.

Modellen
Er bestaat geen ideaal model die altijd goed scoort (of je moet Doutzen Kroes heten). Onze atmosfeer is daarvoor te complex. Een model is per definitie een vereenvoudigde weergave van de werkelijkheid. Je mist dus details. Die werkelijkheid kun je op verschillende manieren weergeven, dus krijg je diverse weermodellen met verschillende randvoorwaarden.

Er wordt een aantal keuzes gemaakt in:
– Resolutie (hoe nauwkeurig ga je een gebied berekenen). Hoe beter de resolutie, hoe meer rekentijd nodig. Een foto van 2700×1800 pixels heeft meer geheugenruimte nodig dan eentje van 300×200.

• Bereik (neem je alleen de Noordzee, Europa of de hele wereld). Hoe groter je gebied, hoe lager de resolutie in je model moet zijn om de rekentijd binnen de perken te houden. Als je een klein gebied pakt, kun je nauwkeuriger berekenen, maar het beperkt je meteen in de tijd waarmee je vooruit kunt kijken. Weer van een paar dagen vooruit komt honderden tot soms duizenden kilometers bij ons vandaan. Er wordt wel eens gezegd: Canada is de kraamkamer van ons weer.

• Tijd (kijk je een paar uur vooruit, een paar dagen, een paar weken of een heel seizoen). Hoe verder je vooruit kijkt, hoe groter de kans is dat een weersverwachting niet blijkt te kloppen. Een kleine verandering die over het hoofd is gezien in het begin, kan tot een hele andere uitkomst leiden. Voor de eerste uren zal dat nog wel mee vallen, maar dagen verder geeft dat wel ander weer. Laat staan dat je weken of maanden vooruit wilt kijken. Dan gaan andere zaken een rol spelen zoals bijv. lange termijn verschijnselen in atmosfeer en de oceaan, ijssmelt in Groenland, langdurige droogte of hitte bij aanvang van de berekening. Dan kom je meer op het terrein van klimaat.

Apps
Met de weersverwachtingen in de apps loop je tegen de beperking aan dat het vaak één rekenmodel is met een grovere resolutie, die gratis of voor weinig te koop is voor de weerprovider die de app invult. En misschien wel het belangrijkst: er heeft geen meteoroloog naar gekeken. Nu klink ik als een bakker die zijn eigen gebak aanprijst of “Wij van WC-eend adviseren WC-eend”. Maar ik kan het uitleggen.

Weermodellen geven een uitkomst voor bepaalde tijdstippen (bijv. 00 GMT en 12 uur GMT). Daartussenin moet je interpoleren voor de andere tijdstippen. Het kan regenen volgens het model om 00 en 12 uur, maar tussen 2 en 10 uur kan het droog zijn. Dat zie je dan niet. Sommige modellen geven ook tijdstippen voor om de 6 of om de 3 uur. Dan kom je al dichterbij, maar dan krijg je nog het probleem van locatie. Een weermodel kan niet voor elke vierkante meter een verwachting geven, dus komen er roosterpunten uit (bijvoorbeeld elke 32 kilometer). Daartussenin kan het weer dus anders zijn, zeker als het landschap veel variatie biedt op korte afstanden. Een meteoroloog geeft dan een waardevolle aanvulling en een interpretatie van de betrouwbaarheid.

Pluim
Nu kun je ook met één weermodel gaan variëren om die onzekerheid in kaart te krijgen. Daarvoor wordt de Ensemble gebruikt (EPS = Ensemble Prediction System), in volkstermen ‘de pluimverwachting’. Die naam Pluim komt van de uitwaaierende lijntjes naar mate de tijd vordert. Het lijkt op een rookpluim. Sommigen associëren het met spaghettislierten en noemen het de spaghetti-verwachting.

Het KNMI gebruikt de ECMWF verwachting (een Europees weermodel bekostigd door de lidstaten). Daarbij wordt de operationele ECMWF verwachting (de eigenlijke weersverwachting met label T1279, roosterpuntsafstand ~16km) herhaald met 51 verwachtingen met een model met lagere resolutie (met label T639, roosterpuntsafstand ~32 km). Daarmee wordt rekentijd bespaard, maar kun je wel zien hoe anders een verwachting zou uitpakken als er een kleine variatie is in de begintoestand.

Ieder van die verwachtingen heeft een licht verstoorde begintoestand, om het effect van onzekerheden in die begintoestand te simuleren. Bijvoorbeeld een kleine afwijking in temperatuur, in luchtdruk, in straling. Iedere individuele modelberekening geeft zijn eigen verwachting voor temperatuur, luchtdruk, neerslag, 2m temperatuur, windsnelheid. Ook de operationele verwachting wordt met een lagere resolutie berekend (dat heet de controlerun). Dan kun je het verschil zien tussen dezelfde uitgangsituatie berekend met een grover en met een fijnmaziger model. Overigens als computers weer sneller worden, wordt de resolutie verbeterd. Vroeger hadden we 32 km roosterafstand, nu 16 km, over een paar jaar wordt die afstand weer kleiner. Dus de controle run is de vroegere operationele run.

De uitkomsten van de pluim geeft verwachtingen voor neerslag, 2m temperatuur en windsnelheid in 1 roosterpunt (de Bilt). Hieronder een voorbeeld voor 15 dagen vooruit. De meest actuele pluim vind je op: http://www.buienradar.nl/pluim

De rode lijn: de operationele T1279 ECMWF verwachting (roosterpuntafstand 16 km) (de eigenlijke weersverwachting)
De blauwe stippellijn: de onverstoorde T639 verwachting (roosterpuntafstand 32 km) (ook wel controlerun genoemd)
De groene lijntjes: de 50 verstoorde T639 verwachtingen (roosterpuntafstand 32 km)
De bruine stippellijn: het ensemble gemiddelde (geeft een stabieler beeld dan wanneer je alleen de rode of blauwe lijn zou volgen)

Het KNMI geeft ook een pluim voor 10 dagen op zijn site en die laat nog iets extra’s zien bij de temperatuur. Klik voor meest recente pluim (10 dagen vooruit) bij KNMI http://www.knmi.nl/exp/pluim/
De bruine bolletjes (te zien bij de 12 GMT-run): de zogenaamde GIDS-verwachting, afgeleid op basis van o.a. de operationele verwachting, het ensemble gemiddelde, en -statistisch- gecorrigeerd voor de systematische fouten.
MOS= Model Output Statistics. Tn=Minimum temperatuur. Tx=Maximum temperatuur.

Duidelijk is te zien hoe de onzekerheid in de verwachting groter wordt naarmate de voorspeltermijn toeneemt. Je kunt vervolgens een vertaalslag maken naar andere regio’s in ons land, maar het is dus onzin om het letterlijk te vertalen naar één specifieke plaats. Ook de precieze waarde van de bolletjes moet je neit te letterlijk nemen.

Betrouwbaarheid
Dus geeft een app een betrouwbaar weerbeeld? Nee. Zeker wat verder vooruit is het een schijnzekerheid. Maar als de app niet blijkt te kloppen, dan kun jij wel raden wie er dus ‘naast zat’ met de weerverwachting? Juist ja, de boodschapper van het echte weerbericht 😉 Ach, het went. Maar jij weet nu hoe de vork in de steel zit en wat voor complex verhaal erachter zit!

Dit laatste plaatje met dank aan collega Peter Timofeeff