← Alle thema's
🔭
Het weer voorspellen
Instrumenten, modellen en onzekerheid.
Data-assimilatie en modellering
Het weer voorspellen is geen waarzeggerij meer maar een rekenwetenschap: men simuleert de evolutie van de atmosfeer vanuit haar huidige toestand, beschreven door de waarnemingen.
De primitieve vergelijkingen
Een numeriek voorspellingsmodel lost de primitieve vergelijkingen op: een reeks fysische vergelijkingen die het behoud uitdrukken van de hoeveelheid beweging, afgeleid van de wetten van Newton, van de massa, de energie en het water. Het deelt de atmosfeer op in een rooster van miljoenen vakjes en berekent bij elke tijdstap de nieuwe toestand van elk vakje vanuit de vorige.
De data-assimilatie
Om te starten heeft het model de best mogelijke begintoestand nodig. De data-assimilatie combineert miljoenen waarnemingen, satellieten, radiosondes, vliegtuigen, stations, met een voorlopige voorspelling, de laatste korte voorspelling die als eerste schatting dient, via methoden zoals 4D-Var. De kwaliteit van die analyse bepaalt de hele voorspelling.
Het probleem van de beginvoorwaarden
Omdat de atmosfeer chaotisch is, versterkt de minste fout in de begintoestand zich in de loop van de tijd. Daarom gaat zoveel inspanning naar de waarneming en de assimilatie: een uitstekend model gevoed met een slechte begintoestand zal toch een slechte voorspelling produceren.
💡 De kwaliteit van een voorspelling begint bij de begintoestand, dus de assimilatie, niet enkel bij het model.
Resolutie, parametrisaties en modeltypes
Twee grote keuzes vormen een model: de fijnheid van zijn rooster en de manier waarop het de verschijnselen behandelt die te klein zijn om rechtstreeks te berekenen.
De resolutie
De resolutie is de grootte van de maas, dat wil zeggen van een vakje van het rooster van het model. De globale modellen hebben een maas in de orde van 10 tot 15 km; de modellen met beperkt gebied dalen tot 1 à 3 km. Hoe fijner de maas, hoe beter het model het reliëf en de kleine verschijnselen kan weergeven, maar hoe meer rekenwerk het kost.
De parametrisaties
Sommige processen zijn kleiner dan de maas: de convectie, de turbulentie, de microfysica van de wolken, de straling. Omdat het ze niet rechtstreeks kan berekenen, benadert het model ze door vereenvoudigde formules, de parametrisaties. Ze zijn een van de belangrijkste bronnen van onzekerheid in de voorspellingen, want ze vatten een complexe wereld samen in enkele vergelijkingen.
Globale modellen en modellen met beperkt gebied
De globale modellen, zoals de IFS van het Europese Centrum, GFS of ICON, bedekken de hele planeet met middelmatige resolutie en voorspellen op lange termijn. De modellen met beperkt gebied en hoge resolutie, zoals AROME of ICON-D2, verfijnen een zone voor de komende uren. Daarom kruist meteobelge.be meerdere modellen naargelang de termijn, in plaats van op één te vertrouwen.
💡 De modellen met fijne maas, 1 tot 3 km, simuleren de onweders expliciet in plaats van ze te parametriseren.
Ensemblevoorspelling, verificatie en onzekerheid
Een moderne voorspelling stelt zich niet langer tevreden met één enkel scenario: ze kwantificeert haar eigen onzekerheid en onderwerpt zich aan een strenge evaluatie.
De ensemblevoorspelling
Omdat de begintoestand onzeker is, start men niet één maar tientallen simulaties, elk vertrekkend van een licht verstoorde toestand: dat is de ensemblevoorspelling. De spreiding van de scenario's, wat men de spread noemt, meet de onzekerheid: kleine spreiding, hoog vertrouwen; grote spreiding, voorzichtigheid. Zij laat toe een percentage kans op regen uit te drukken.
De verificatie
Een voorspelling moet worden geëvalueerd tegenover de waarnemingen. Scores zoals de RMSE, de gemiddelde kwadratische fout, of de Brier-score, voor waarschijnlijkheden, meten de afwijking van de werkelijkheid. Men zegt dat een model talent heeft, of skill, wanneer het beter doet dan een eenvoudige referentie, zoals de klimatologie of de persistentie, morgen gelijk aan vandaag voorspellen.
Nabewerking en grenzen
De ruwe modeluitvoer wordt verfijnd door een statistische nabewerking, de MOS, die de biases corrigeert, dat wil zeggen de systematische fouten, en de voorspelling aan het lokale terrein aanpast. Toch blijft de deterministische voorspelbaarheid beperkt tot een tiental dagen; daarna zijn enkel probabilistische tendensen mogelijk.
💡 Een voorspelling zonder onzekerheidsschatting is onvolledig: de spreiding van het ensemble is de eerlijke maat van het vertrouwen.
Maak een account om te spelen
De quiz en de ranglijst zijn voorbehouden aan leden. Meld je aan of maak een gratis account om je kennis te testen en in de ranglijst te komen.
Aanmelden of account maken
