Slimmere weersvoorspelling: nieuwe rekentruc bespaart tijd én rekenkracht
Je checkt 's ochtends je weerapp voordat je de deur uitgaat. Achter die simpele voorspelling zit een enorm rekenproces, met duizenden metingen van weerstations, ballonnen en satellieten. Onderzoekers werken voortdurend aan manieren om dat proces sneller en beter te maken. Een nieuwe studie laat zien hoe dat efficiënter kan.
Weermodellen gebruiken continu nieuwe metingen om hun voorspelling bij te stellen. Denk aan temperatuur, wind en luchtdruk, gemeten op duizenden plekken tegelijk. Maar niet elke meting is even nuttig. Sommige data verbeteren de voorspelling nauwelijks, of maken hem zelfs iets slechter.
Om te weten of een nieuwe meetbron (zoals een extra satelliet of weerstation) echt bijdraagt, moesten wetenschappers tot nu toe de hele voorspelling opnieuw doorrekenen. Dat is een bewerkelijk en duur proces, vergelijkbaar met het overnieuw bouwen van een heel puzzelstuk in plaats van er één los stukje in te schuiven. Voor grote weerdiensten die dagelijks miljoenen metingen verwerken, kost dat veel rekentijd en energie.
Een kortere weg
Een onderzoeksteam presenteert nu een nieuwe methode, genaamd PEFSO (preemptive ensemble forecast sensitivity to observations). Deze methode schat hoeveel een nieuwe meting bijdraagt aan de voorspelling, zonder dat het hele model opnieuw moet worden doorgerekend. Dat scheelt rekenwerk.
De methode maakt gebruik van een wiskundige versimpeling (een zogeheten lineaire benadering, waarbij complexe verbanden tijdelijk als simpele rechte lijnen worden behandeld om sneller te kunnen rekenen). Daarnaast ontwikkelden de onderzoekers een tweede procedure, ADD-SEL-PRE, die de voorspelling zelf kan bijwerken nadat slechte metingen zijn weggefilterd, ook weer zonder dure herberekening.
Getest op een vereenvoudigd weermodel
Het team testte beide methodes op het Lorenz-96 model, een vereenvoudigd wiskundig model dat vaak wordt gebruikt om weersystemen na te bootsen zonder de complexiteit van een echt wereldwijd weermodel. Daarbij gebruikten ze een kleine groep van 10 modelvarianten (een "ensemble"), wat neerkomt op praktische, realistische omstandigheden zoals weerdiensten die ook gebruiken.
De uitkomst: PEFSO schat de impact van nieuwe metingen ongeveer even goed in als de bestaande, duurdere methode (EFSO), zolang de wiskundige versimpeling geldig blijft. Ook de nieuwe ADD-SEL-PRE-aanpak gaf voorspellingsfouten die vergelijkbaar waren met de volledige herberekening, vooral voor voorspellingen tot twee dagen vooruit.
Wat betekent dit (nog) niet: Dit is één onderzoek, getest op een vereenvoudigd wiskundig model en niet op een volledig operationeel weermodel zoals dat van het KNMI of ECMWF. De methode moet nog bewezen worden op echte, wereldwijde weersystemen met veel meer data en complexiteit. Ook geldt de aanpak vooral goed voor voorspellingen tot twee dagen vooruit; bij langere termijnen werkt de wiskundige versimpeling minder betrouwbaar.
Als deze methode zich ook in echte weermodellen bewijst, kan dat weerdiensten helpen om sneller te bepalen welke nieuwe satellieten of meetstations de moeite waard zijn. Dat scheelt rekenkracht en energie, iets wat steeds belangrijker wordt nu weermodellen alsmaar groter en gedetailleerder worden.
Bron: Preemptive Ensemble Forecast Sensitivity to Observations