 |
Man benytter disse observationer til at opstille en statistisk model, der kan bruges til at forudsige sandsynligheden for f.eks. et lunt forår. Man kan meget forenklet sige, at man prøver at finde en historisk vejr- eller klimasituation, der minder om den, der er lige nu, og så benytter man den historiske vejrudvikling til at udarbejde en aktuel prognose.
Denne figur viser beregnede sandsynligheder for, at temperaturen bliver højere end normalt (dvs. højere end et langtidsgennemsnit) i området på kortet. Sandsynlighederne er beregnet for de stationer som er vist med blå prikker på kortet. Prognosen som gælder middeltemperaturen i forårssæsonen marts-maj 1998, viser meget stor sandsynlighed for et mildt forår i Danmark.
Dynamiske sæsonprognoser er fundamentalt forskellige fra empiriske. Her benytter man en koblet atmosfære-ocean klimamodel til forudsigelsen. En sådan model minder om en vejrprognosemodel. Men den beskriver ud over atmosfærens strømninger også verdenshavenes temperatur-, salt- og strømudvikling hen over tid. Sådanne modeller kræver information om den øjeblikkelige tilstand af atmosfære og oceaner ud fra observationer. Derefter beregner modellen i små tidsskridt atmosfærens og oceanernes tilstand frem i tiden. Normalt laves mange dynamiske prognoser (i praksis startes en hver dag), som alle på grund af atmosfærens kaotiske natur, giver et forskelligt bud på f.eks. det næste halve års vejr. Hvis man ser på sæsonmiddelværdier (en sæson vil typisk være en 3-månedersperiode), vil man ofte finde, at ét type vejr eller en klimasituation (f.eks. varmere end normalt) forekommer i et flertal af de individuelle prognoser. Det endelige prognoseprodukt vil derfor for dynamiske sæsonprognoser også beskrive sandsynligheder for forskellige udviklinger i vejret. Disse sandsynligheder er beregnet ud fra de mange individuelle modelprognoser.
© DMI, 28. juli 2008
|
