twitter google+ facebook

Hvorfor afviger de numeriske prognoser fra virkeligheden?

Geografisk område dækket af DMI's ensembleprognosesystem.
Sandsynlighed i procent for snestorm (dvs. mere end 10mm nedbør som sne og vind over 10m/s) beregnet midt på dagen d. 22. dec. 2012 og gyldig for d. 23. dec. 2012 om eftermiddagen.

Det skyldes dels usikkerheder i forbindelse med kendskabet til atmosfærens tilstand, dvs. vind, temperatur, fugtighed etc. på det tidspunkt hvor prognosen startes, dels utilstrækkeligheder i modellen, ofte relateret til fysiske processer der finder sted på skalaer som er mindre end hvad der kan beskrives i modellen.

Det er dokumenteret i kaosteori at for et ikke-lineært system som atmosfæren, kan selv den mindste usikkerhed i prognosens begyndelsesbetingelse vokse med tiden til en betragtelig usikkerhed senere i prognosen (også kendt som "sommerfugleeffekten", altså at selv så lille en forstyrrelse som en sommerfugls basken med vingerne er nok til at ændre vejret på et senere tidspunkt).  Heraf følger at en numerisk prognose i praksis altid vil afvige fra virkeligheden, så i stedet for at beregne én (mere eller mindre unøjagtig) prognose, er det i princippet mere korrekt at beskrive prognoser i form af sandsynligheder for de mulige udfald.

Beregningerne der skal til for at give en fuldstændig prognose i form af korrekte sandsynligheder ligger imidlertid udover hvad vi kan klare med nutidens computerkraft.  I stedet forsøger vi at estimere prognoseusikkerheden ved at køre en såkaldt ensembleprognose, dvs. en række prognoser der alle er gyldige til samme tidspunkt og som alle beskriver en mulig vejrudvikling.

Prognoserne, eller medlemmerne i ensemblet, afviger fra hinanden ved at være startet fra atmosfæretilstande som afviger en anelse fra hinanden, samt ved anvendelse af forskellige konfigurationer af modellen, herunder også stokastiske bidrag til modelligningerne.

DMI anvender ensembleprognoser på tidsskalaer fra timer til uger og måneder. DMI's eget ensembleprognosesystem er baseret på HIRLAM-modellen og kører fire gange i døgnet, to døgn frem i tiden.  Ensemblet består af 25 medlemmer.  Baseret på ensembleprognoserne beregnes sandsynligheder som primært anvendes i forbindelse med varsling af farligt vejr, såsom skybrud, middelvind og vindstød af storm- og orkanstyrke samt kraftigt snefald og snestorm.

Tidligere var det forbeholdt de største meteorologiske centre at køre ensembleprognoser, da det selvsagt kræver meget regnekraft, men med udviklingen indenfor supercomputere er det på det seneste også blevet muligt for nationale meteorologiske institutter at køre lokale ensembleprognoser i høj opløsning, og det kan forventes at produkter baseret på ensembleprognoser vil blive mere og mere udbredte.

For yderligere information kontakt:

 

Seniorforsker Henrik Feddersen,  Forskning og udvikling gennem DMI's pressekontor på 39 15 75 09.