Je hebt vast wel eens de kans op regen gegoogeld zodat je wist of je een paraplu mee moest nemen. Of de weersverwachting voor de komende dagen zodat je een zonnige dag kon uitkiezen voor een dagje strand. Misschien is je opgevallen dat dit vele pagina’s met weersverwachtingen van verschillende sites oplevert, zoals van Buienradar, Nu.nl, KNMI en Weeronline. Daarnaast zijn er allerlei apps met weersverwachtingen beschikbaar. Maar, waarom bestaan er zo veel? En waarom spreken ze elkaar soms tegen?
Grote kans dat je denkt aan de meteoroloog die je zag presenteren of wiens naam onder de verwachting stond. Zijn of haar interpretaties kunnen inderdaad voor verschil zorgen. Een onbekendere factor die grote invloed kan hebben op de uiteindelijke weersverwachting is het weermodel. Hoe dat zit en wat een weermodel precies is, lees je in dit artikel.
De definitie van een weermodel
Het KNMI definieert weermodellen als “computerberekeningen die de toestand van de atmosfeer, dus het weer, beschrijven”. Door middel van wiskundige berekeningen die luchtstromingen en warmte- en vochtuitwisseling nabootsen, berekenen deze modellen de weeromstandigheden op een bepaald moment in de toekomst. Maar, de uitkomst van een weermodel is geen weerbericht! Meteorologen hebben de belangrijke taak om de modellen te interpreteren en daarmee een weersverwachting te formuleren. Een nauwkeurig weermodel helpt wel om betere verwachtingen te maken. Dankzij nieuwe kennis en technieken is de huidige weersverwachting voor vijf dagen vooruit even goed als een verwachting voor één dag vooruit in 1980.
Waarnemingen
De toename van gegevens over de huidige situatie in de atmosfeer is een van de ontwikkelingen die heeft geleid tot betere weermodellen. Naast metingen van traditionele observatiemethoden, zoals grondweerstations en weerballonen, kunnen we daarom steeds meer (nauwkeurige) metingen gebruiken van satellieten, vliegtuigen, schepen en weerradars. Zo krijgen we informatie over variabelen als wind, luchtdruk, temperatuur en regen van vele locaties op de grond én op verschillende hoogtes in de atmosfeer. Deze metingen worden als startpunt van weermodellen gebruikt, ook wel initiële condities (startcondities) genoemd. Hoe meer van deze startpunten we hebben en hoe nauwkeuriger deze zijn, hoe beter de berekeningen en uitkomsten van het model zijn.
Resolutie
Nadat de waarnemingen ingevoerd zijn in het model, worden de berekeningen uitgevoerd per tijdstap. De grootte van de tijdstap wordt tijdresolutie genoemd. Ook deze keuze beïnvloedt de uitkomst van het weermodel! Een kleinere tijdstap leidt tot preciezere resultaten, maar ook tot een langere rekentijd. Hetzelfde geldt voor de resolutie in kilometers. Het model knipt de atmosfeer namelijk op in rekengebiedjes, gridcellen genoemd. Deze gridcellen hebben een bepaalde hoogte, die afhankelijk is van de hoeveelheid lagen waarin de atmosfeer is opgedeeld, en een bepaalde breedte. Voor elke gridcel en per tijdstap berekent het weermodel de verwachte toestand van de atmosfeer. Uiteindelijk vormt de uitkomst van vele tijdstappen de basis voor een weersverwachting.
Parametrisatie
Sommige processen zijn (nog) te complex of te kleinschalig om met de huidige modelresoluties op te lossen. Dit soort processen worden vereenvoudigd weergegeven in het model, ook wel parametrisaties genoemd. Een voorbeeld is de ontwikkeling van zogeheten cumuluswolken, in Nederland ook wel bekend als bloemkool- of schapenwolken. Deze wolken zijn kleiner dan de hoogste resolutie waarmee op dit moment gerekend kan worden in een weermodel. Over het algemeen geldt: hoe groter de gridcellen van een model, hoe meer processen er geparametriseerd moeten worden. Tijdens de parametrisatie worden er keuzes gemaakt over de samenhang van variabelen (bijvoorbeeld: hebben ze een lineaire of exponentiële relatie tot elkaar) en de waardes van constanten.
Een chaotisch systeem
Maar, net als in de observaties, zitten er ook onzekerheden in de parametrisaties. De invloed van deze (zeer kleine) onzekerheden kan erg groot zijn omdat de atmosfeer een zogeheten chaotisch systeem is, ook wel het butterfly effect genoemd. Dit betekent dat kleine onzekerheden in de observatie of parametrisatie op één locatie tot een heel ander resultaat kunnen leiden op vele andere plekken. Door de grote toename in rekenkracht van computers kunnen er steeds meer berekeningen worden gemaakt. Hierdoor hebben we de mogelijkheid om het model voor dezelfde dag heel vaak te laten rekenen, iedere keer met minuscule(!) aanpassingen in de initiële condities en parametrisaties. Dit resulteert in de zogenoemde pluim die op het nieuws wel eens voorbijkomt.
In figuur 1 is een pluim te zien, gemaakt een aantal dagen voor de koude dagen met sneeuw in februari 2021, die bijzonder goed was voorspeld. De rode lijn is een hogeresolutieberekening (~16kmx16km). De zwarte lijn heeft exact dezelfde voorwaarden als de rode, maar heeft een lagere resolutie (~32kmx32km). Daardoor wordt het effect van een lagere resolutie duidelijk. Deze controlerun heeft namelijk dezelfde resolutie als de groene lijnen die telkens andere voorwaarden hebben (verstoorde runs). Hoe verder de groene lijnen uit elkaar liggen, hoe groter de onzekerheid is.
Verschillende weermodellen
Maar welk weermodel is het beste? Helaas is het antwoord: dat verschilt! Alle hiervoor beschreven keuzes (parametrisaties, startwaardes, resolutie) zorgen voor verschillen tussen de uitkomsten van modellen. Welke het best is kan daarom afhangen van de weersituatie en van de geografische regio. Daarnaast maakt het ook uit of je de verwachting op korte (maximaal 48 uur, hoge resolutie) of lange termijn (tien dagen, lage resolutie) wilt weten.
Toch kan er wel iets gezegd worden over de situatie in Nederland. Veel apps die in Nederland beschikbaar zijn, gebruiken het gratis beschikbare Global Forecast System (GFS) model. Statistisch gezien geeft deze minder goede verwachtingen voor Nederland dan bijvoorbeeld het Europees Centrum voor Weersverwachtingen op Middellange Termijn (ECMWF) model.
Hoe ziet de toekomst van weermodellen eruit?
Weersverwachtingen worden niet alleen gebruikt om te voorkomen dat je dagje strand in het water valt: ze dragen ook bij aan je veiligheid. Zo kan er extra water afgevoerd worden als er veel regen voorspeld is of word je gewaarschuwd als er een storm op komst is. Daarom zijn onderzoekers en meteorologen continu bezig met het verbeteren van weermodellen. Zo stapte het KNMI voor kortetermijnverwachtingen (twee dagen) de afgelopen jaren geleidelijk over van het HIRLAM-weermodel naar HARMONIE. HARMONIE heeft een hogere resolutie dan HIRLAM, waardoor een aantal kleinschalige processen niet meer geparametriseerd hoeven te worden.
Naast het verhogen van de resolutie wordt er onderzoek gedaan naar het verbeteren van parametrisaties door onze kennis van de atmosfeer te vergroten. Ook worden nieuwe observatiemethoden onderzocht waardoor we meer (nauwkeurige) input aan de modellen kunnen geven. Een voorbeeld van zo’n techniek is het meten van regen via je telefoon. Deze gebruikt radiosignalen om gegevens te ontvangen van en te zenden naar gsm-masten. Deze signalen worden gemonitord door telecomproviders. Regen verzwakt dit signaal en deze verzwakking is sterker naarmate het aantal en de grootte van de regendruppels groter worden. In figuur 2 is een voorbeeld te zien van metingen die op deze manier zijn verkregen.
Verschil tussen weer- en klimaatmodellen
Ter afsluiting een antwoord op de vraag: waarom kan klimaatopwarming over tientallen jaren wel goed voorspeld worden, maar het weer over zes dagen niet? Hiervoor is het belangrijk om onderscheid te maken tussen weer en klimaat. Het weer gaat over variaties over een tijdsperiode van uren/dagen/maanden, terwijl het klimaat gaat over variaties over een tijdsperiode van tientallen jaren. Daarnaast neemt een klimaatmodel ook processen zoals oceaanstromingen en smeltende ijskappen mee. Een weermodel wordt gebruikt om te voorspellen of het morgen regent in Nederland (korte termijn) en een klimaatmodel om de mondiale opwarming van de aarde over tientallen jaren te berekenen (lange termijn). Daarnaast zijn de processen die aan klimaatopwarming ten grondslag liggen al lang bekend, zoals dat extra CO2 voor opwarming kan zorgen en dat er minder zonlicht weerkaatst wordt wanneer sneeuw smelt waardoor de opwarming nog sneller gaat. Meer informatie over klimaatmodellen kun je vinden in dit artikel.
