Klimaat
Achtergrondinformatie over seizoensverwachtingen
Het weer is chaotisch; dit
betekent dat het principieel onmogelijk is een weersverwachting te
maken op een termijn van meer dan twee weken. Het gemiddelde weer is
beter voorspelbaar, omdat dat reageert op het aard- en zeeoppervlak.
Boven warmer zeewater zal ook de lucht warmer worden, en er verdampt
ook meer dan boven kouder zeewater, vooral in de tropen. Boven sneeuw
blijft het koeler, en een vochtige bodem geeft meer verdamping. Deze
condities blijven vaak weken of maanden lang bestaan, en
beïvloeden gedurende die tijd het gemiddelde weer. Als we dus de
zeewatertemperatuur, sneeuwbedekking en bodemvochtigheid kennen, is
het mogelijk op die termijn zinvolle seizoensverwachtingen te maken.
El Nino
El Niño is een speciaal geval. Langs de
evenaar in de oostelijke Stille Oceaan varieert de zeewatertemperatuur
heel sterk (tot 5°C). Deze slingeringen maken deel uit van een
atmosfeer-oceaan mechanisme (ENSO), dat
redelijk begrepen is. Op een termijn van zes maanden zijn de
schommelingen in zeewatertemperatuur daar voorspelbaar. Anderzijds
hebben ze ook een grote invloed op het weer in grote delen van de
wereld, en vormen zo de basis van veel seizoensverwachtingen.
Kansverwachtingen
Vanwege de grilligheid van het weer is de nauwkeurigheid van een
seizoensverwachting in maanden vaak vergelijkbaar met die van een
weersverwachting op een termijn van een aantal dagen. De onzekerheden
zijn zichtbaar in de gebieden die niet ingekleurd zijn: hier is de
verwachting zo vaag dat er geen zinnig woord over de afwijkingen van
het normale weer te zeggen valt. Als er wel een verwachting te maken
is wordt er vaak met `tercielen' gewerkt. Dit zijn de kansen op
droog, normaal of nat weer; of koud, normaal of warm weer. De grenzen
zijn dan zo gekozen dat 1/3 van de jaren droog is, 1/3 nat en 1/3
normaal. Een seizoensverwachting zou dan kunnen zijn dat voor het
komende voorjaar de verdeling 40%:35%:25% is (zoals op de getoonde
verwachting van het International Research Institute, IRI), dus een
grotere kans dan normaal op een droog voorjaar. Merk echter op dat er
dan volgens deze verwachting nog steeds een kans van een op vier is
dat het natter zal zijn dan normaal.
Fig.1 Voorbeeld van een kansverwachting
Statistische Modellen
De simpelste manier om een seizoensverwachting te maken is vaak om
te kijken hoe het weer de afgelopen 100 jaar met bijvoorbeeld El
Niño heeft samengehangen. Een voorbeeld is hieronder gegeven.
Horizontaal is de sterkte van El Niño in de winter uitgezet, en
verticaal de hoeveelheid regen die er in het volgende voorjaar in De
Bilt gevallen is. Het is duidelijk dat er een verband is: na een
sterke El Niño heeft het altijd veel geregend. Ook is er een
trend naar drogere lentes na La Niña's (links van de nul), maar
dat is veel minder duidelijk. Het kan ook hard regenen zonder dat El
Niño daar iets mee te meken heeft, zoals in 1979. Als nu de
winter NINO3 index bekend of voorspeld is, dan is aan de hand van deze
historische gegevens de kansverwachting voor de lenteregen te maken.
Fig.2 Het historische verband tussen El Niño en de voorjaarsregen in Nederland
Er zijn ook problemen met dit soort redeneringen. Ten eerste is er
de vraag of er echt een verband is, of dat het gewoon toeval was; dit
kan met statistische testen engiszins ingeschat worden. Verder moet
je rekening houden met het veranderende klimaat en andere storende
invloeden.
Dynamische modellen
Net zoals weersverwachtingen kunnen ook seizoensverwachtingen op de
computer berekend worden. Daarvoor gebruikt men een computermodel van
de atmosfeer, wat vaak hetzelfde is als het model dat voor de
weersverwachting gebruikt wordt. Ook van de wereldoceaan wordt een
computermodel gemaakt, en hieraan gekoppeld. De begintoestand van de
modelatmosfeer en modeloceaan wordt zo goed mogelijk met de laatste
waarnemingen in overeenstemming gebracht. Vervolgens berekent men hoe
deze modeltoestand zich verder ontwikkelt. Het computerweer lijkt na
een paar weken niet meer op de werkelijkheid, maar als je dit een paar
keer herhaalt zal het gemiddelde computerweer wel op het gemiddelde
echte weer lijken, omdat de reactie van het computerweer op
zeewatertemperatuur, sneeuw en bodemvochtigheid redelijk in
overeenstemming is met de werkelijkheid. Een voorbeeld van de
uitkomst van zo een berekening is de experimentele
ECMWF seizoensverwachting
hieronder.
Fig.3 Een voorbeeld van een ECMWF seizoensverwachting
Computermodellen hebben als voordeel dat ze veel meer bevatten dan
alleen maar El Niño: de hele oceaan wordt gesimuleerd, en
sneeuw em bodemvochtigheid worden ook berekend. De voorspellingen
bevatten dus effecten die niet met El Niño samenhangen. Het
nadeel is dat het moeilijk is om de nauwkeurigheid van de
verwachtingen te verifiëren; in een jaar worden maar vier
onafhankelijke 3-maandsgemiddelde verwachtingen gegenereert, dus pas
na 10 jaar voorspellen kan je enigszins zeggen of het syteem goed
werkt. Daarom worden als test ook veel `voorspellingen' gemaakt voor
het verleden, maar dat kost veel computertijd.
Er zijn ook grote onzekerheden in de verwachtingen.
- Onzekerheden in de zeewatertemperatuur voorspellingen. El
Niño wordt redelijk gesimuleerd, maar van andere delen van de
wereld zijn we nog niet zo zeker. Ook bodemvochtigheid wordt nog niet
zo goed voorspeld als we zouden willen.
- Fouten in het atmosfeermodel. In bepaalde gebieden reageert het
atmosfeermodel niet zo goed op de zeewatertemperatuur.
- De modellen rekenen op een relatief grof rooster (een paar honderd
kilometer), en kunnen de lokale omstandigheden vaak niet goed volgen.
Details zijn niet zonder meer te vertrouwen; vaak moet met een
statistisch model de grootschalige structuren naar plaatselijke
voorspellingen vertaald worden.
- De grilligheid van het weer wil zeggen dat het soms anders kan
lopen dan verwacht.
Er wordt veel onderzoek gedaan naar verbeteringen van de
computermodellen en de initialisatie daarvan, ook op het
KNMI. We verwachten dan ook dat seizoensverwachtingen de komende
jaren zullen verbeteren, hoewel ze nooit zo nauwkeurig zullen worden
als de weersverwachting voor morgen.