> ## Content Index
> Fetch the complete content index at: https://ontraadseld.nl/llms.txt
> Use this file to discover other available public pages before exploring further.

# Betere voorspelling van gevaarlijke windstoten: nieuwe meetdata moet weermodellen slimmer maken
- URL: https://ontraadseld.nl/betere-voorspelling-van-gevaarlijke-windstoten-nieuwe-meetdata-moet-weermodellen-slimmer-maken/
- Published: 2026-09-10T21:38:32.000Z
- Updated: 2026-09-16T09:57:25.000Z
- Author: Ontraadseld
- Tags: klimaat

Woon je in een heuvelachtig gebied en heb je wel eens een onverwachte windvlaag over je erf gehad, terwijl de weerapp niets bijzonders voorspelde? Dan ben je niet de enige. Juist in glooiend of bergachtig terrein voorspellen weermodellen harde windstoten vaak niet goed. Een groep Amerikaanse onderzoekers heeft nu een grote verzameling windmetingen gebouwd die dit probleem moet helpen oplossen.

Goede windvoorspellingen zijn belangrijk. Denk aan waarschuwingen voor stormschade, veilige vluchten voor vliegtuigen, of het plannen van windenergie. Maar de modellen die weerdiensten nu gebruiken, de zogeheten numerieke weersvoorspellingsmodellen (computerprogramma's die met natuurkundige wetten het weer berekenen), missen regelmatig hoge windsnelheden dicht bij de grond. Vooral in complex terrein, zoals heuvels en bergen, gaat dit vaak mis.

De laatste jaren experimenteren wetenschappers met kunstmatige intelligentie (AI) om het weer te voorspellen. Die AI-modellen leren patronen herkennen uit grote hoeveelheden data, in plaats van alleen natuurkundige formules te gebruiken. Eerdere tests laten zien dat deze AI-methode soms beter voorspelt dan de traditionele modellen. Het probleem is alleen: er was nog geen goede, betrouwbare set met meetgegevens om al die modellen eerlijk met elkaar te vergelijken.

Daar komt de nieuwe dataset om de hoek kijken. De onderzoekers noemen hem WIND-Bench. Ze verzamelden metingen van windsnelheid dicht bij de grond, afkomstig van honderden weerstations verspreid over de Verenigde Staten. Deze stations horen bij een bestaand meetnetwerk, MADIS genaamd, dat gegevens van verschillende sensornetwerken bundelt.

Een belangrijk onderdeel van het werk was het opschonen van de data. Sensoren kunnen namelijk kapot zijn of verkeerde waarden doorgeven, en dat kan er per ongeluk uitzien als een extreme windstoot. De onderzoekers ontwikkelden daarom een methode om storingen in sensoren te onderscheiden van echte, hoge windsnelheden. Ze deden dit door de metingen te vergelijken met voorspellingen van HRRR, een gedetailleerd weermodel van de Amerikaanse weerdienst NOAA.

Het resultaat is een gestandaardiseerde toetssteen. Onderzoekers en weerdiensten kunnen hiermee testen hoe goed hun modellen, of het nu traditionele modellen of AI-modellen zijn, echte windsnelheden voorspellen. Zo kan iedereen dezelfde meetlat gebruiken en modellen onderling vergelijken.

**Wat betekent dit (nog) niet:** Deze dataset is zelf geen weersvoorspelling en verbetert dus niet meteen de voorspelling die jij op je telefoon ziet. Het is gereedschap voor onderzoekers om bestaande en nieuwe modellen te testen en te verbeteren. Of en wanneer dit leidt tot merkbaar betere windwaarschuwingen in de praktijk, hangt af van vervolgonderzoek dat deze dataset gaat gebruiken. Ook is de dataset gericht op de Verenigde Staten, dus voor andere landen moet nog blijken of dezelfde aanpak werkt.

Bron: [WIND-Bench: A Benchmark Dataset for In-Situ Near-Surface Wind Speed Observations Across the Conterminous United States](http://arxiv.org/abs/2609.12228v1?ref=ontraadseld.nl)