Da vejrudsigten fik et gevaldigt skub og udviklingen sidenhen

Fra håndtegnede kort til supercomputere. I går d. 1. august var det 40 år siden, at den første vejrmodel fra det internationale meteorologiske samarbejde ECMWF så dagens lys. Det var første skridt mod at kunne forudsige vejret mere end 1-2 dage frem og dermed begyndelsen på den stille revolution af vejrmodellens kvalitet. I dag kan vi forudsige vejrtyper ca. 5 dage frem, og modellerne inkluderer ting som størrelsen på træernes blade og kunstig intelligens.

Forskningschef ved DMI, Ulrik Smith Korsholm, har det store overblik over vejrmodellernes udvikling. Han har stillet op til interview for at føre os igennem den udviklingsrejse, som din vejrudsigt har været på gennem de sidste 40 år.

Én prognose kommer ikke alene

Hvad er ECMWF, og hvordan har det samarbejde gjort vejrprognoser i Danmark bedre?

”Det at lave vejrprognoser er ikke noget, man kan gøre alene,” slår Ulrik Smith Korsholm tydeligt fast.

”Vejret er globalt, og det vil sige, at vejrmønstre rundt om på hele kloden påvirker vejret i Danmark. For at forudsige vejret over sit eget område, er man derfor nødt til at have en vejrmodel for hele kloden, og det er der ikke mange lande, der har kapacitet til at gøre. Det er enormt dyrt og beregningsmæssigt meget tungt. Derfor arbejder 34 lande sammen i ECMWF (European Centre for Medium-Range Weather Forecasts), hvor der køres en global vejrmodel.”

”ECMWF er en af verdens fremmeste forskningsinstitutioner inden for meteorologi, og vejrmodellen er den bedste, der findes, når det kommer til medium range-prognoser (det vil sige prognoser, som dækker fra to dage og frem til en sæson).”

Hvad er en vejrmodel helt præcist?

”For at producere en vejrprognose, løser man de fysiske ligninger for vejrets udvikling på en computer. En model er en samling af ligninger. De er komplicerede, og der er mange af dem, men med en stor supercomputer kan man løse dem. De kan sige noget om, hvordan de meteorologiske felter udvikler sig i fremtiden. ”

”DMI’s modeller over Danmark er de bedste et par dage frem. Det er de blandt andet, fordi vi arbejder videre ud fra den globale vejrmodel, som ECMWF laver. På den måde bliver vi rigtig gode over Danmark.”

En forudsynet dansk direktør

”Det var ECMWF’s første direktør, som var fremsynet nok til at sætte arbejdet med udviklingen af vejrmodellen i gang, og han var faktisk dansk,” fortæller Ulrik Smith Korsholm.

”Han hed Aksel Wiin-Nielsen. Egentlig blev ECMWF lavet som en meteorologisk forskningsinstitution, men det lavede han om på. Han satte det mål, at i august 1979 skulle de første modelbaserede prognoser være klar. Computerbaseret meteorologi er en meget ung videnskab, så det var en ambitiøs og fremsynet plan på det tidspunkt. Men det lykkedes, og den 1. august var første version af vejrmodellen en realitet.”

     

Kort efter vejrmodel fra 1979.

Den første operationelle model fra 1. august 1979. Prognosen kunne gå 10 dage frem, og opløsningen var på 210 km.

Fra pen og papir til taster og skærm

Hvad er de vigtigste motorer for udviklingen af vejrmodeller og dermed vejrudsigter?

Der er to ting, som hovedsageligt driver udviklingen inden for vejrmodeller. Det ene er computer power – altså helt basalt hvor mange beregninger, kan computerne foretage hvor hurtigt. Det andet er selve videnskaben og dens anvendelse i modeller. Det vil sige viden om, hvad det er for nogle processer, der er på spil i vejrsystemer, og hvordan de foregår.”

Kan du ridse de vigtigste nedslag i vejrmodellernes udvikling indtil nu op?

”Ja, altså inden meteorologerne begyndte at anvende vermodeller, kunne man højst forudsige vejret 1-2 dage frem. I den første tid herefter var modellen dog stadig blot et supplement til de håndtegnede kort, som var meteorologernes primære værktøj. Her indtegnede de med møje trykfordelingerne og estimerede derfra vejret de kommende dage. I starten af 80’erne blev modellen fra ECMWF dog så god over dansk område, at den kunne forudsige vejret bedre end meteorologerne.”

”I 1986 kom der det, vi kalder ensembler. Det betyder, at man kører vejrmodellen for den samme periode gentagne gange, hvor man ændrer en smule på udgangspunktet hver gang. På den måde kan man se, hvor stor usikkerheden er på prognosen. Jo længere tid ud i fremtiden, man gerne vil se, jo vigtigere er ensembler, for jo større bliver usikkerheden.”

”Man er nødt til at have virkeligheden med ind i en vejrmodel. Den skal gerne starte med at beregne ud fra en rigtig fysisk observation, og ikke bare et teoretisk udgangspunkt. Det vil sige, at observerede temperaturer, tryk, vindtilstande med videre skal ind i modellen. Det er det, man kalder data-assimilering. Der er kommet langt flere observationer, og assimileringen er blevet mere præcist. Desto bedre begyndelsesbetingelse, desto bedre prognoser.”

Højere opløsning er noget, som vi er meget interesserede i, for så har vi et bedre udgangspunkt for vores prognoser – det er især smart ved meget lokale fænomener som for eksempel skybrud. Den første model fra 1979 kørte med en opløsning på 210 km. I dag er den nede på 9 km. Vi nedskalerer selv videre over dansk område, så vi i dag opererer med en opløsning på 2 km. Nogle steder i Grønland er vi helt nede på 500 m, for eksempel omkring Tasiilaq, hvor de voldsomme vinde piteraq forekommer. Både ECMWF og DMI øger jævnligt opløsningen i takt med at computerne bliver stærkere. Hver gang fører det til mere præcise prognoser.”

Kort lavet af en nutidig vejrmodel. Man ser trykfordeling, vind, temperatur og nedbør.

Eksempel på, hvad en vejrmodel kan præstere i dag. Adskillige parametre kan vælges til eller fra - her ses de fire mest almindelige: Nedbør, temperatur, trygfordeling og vind.

Kunstig intelligens og modeller over havis

Hvad ser du som de vigtigste elementer i den fremtidige udvikling af vejrmodeller?

”Allerede nu er modellerne mere detaljerede end de fleste nok går og tror. For eksempel har vi vegetation i, og det er ikke bare om der er skov eller ej, men også hvilke typer af skov, der er tale om. Det betyder noget, hvor høje træerne er, hvor store deres blade er, og hvornår bladene falder af. Vi har også byer repræsenteret, som for eksempel fortæller noget om, hvor der ligger asfalt, for asfalt absorberer varmen på en anden måde end andre ting.”

”Noget af det, der altid har været vigtigt, men som en højere opløsning kræver endnu flere detaljer omkring, er land-sø-kontrasterne. Derfor begynder man nu at koble andre typer modeller ind i vejrmodellerne. For eksempel har man koblet en hav-is-model ind i vejrmodellen. Det giver en langt større detaljeringsgrad.”

”En anden af de nyeste ting, der foregår, er brugen af kunstig intelligens. Det er et punkt, hvor vi samarbejder med ECMWF. Det handler blandt andet om at optimere beskrivelsen af de fysiske processer som for eksempel solstrålingens påvirkning af atmosfæren. Det er noget af det tungeste, man har i en vejrmodel, og derfor bruger vi kunstig intelligens, til at finde ud af det.”

”På rigtig lang sigt, er det, vi bevæger os hen imod, seamless forecasting. På nuværende tidspunkt har man én type modeller, som laver prognoser på helt kort sigt, en anden type, som ECMWF’s model, der arbejder med vejret op til en sæson frem, og derefter kommer klimamodellerne, som kigger rigtig langt ud i fremtiden. I fremtiden kommer vi til at koble disse modeller til én, som både kan lave vejrprognoser på de helt korte tidsskalaer og klimaprognoser på de lange tidsskalaer. Seamless betyder, at vi har en blød og kontinuerlig overgang mellem de forskellige modelspan, så de går ud i hinanden.”

Ulrik Smith Korsholm opsummerer: ”Tommelfingerreglen for udviklingen i vejrmodeller er, at over ti år, bliver man én dag bedre. Fremtiden bringer kort fortalt seamless prognoser, højere opløsning, bedre ensembler, kombinerede modeltyper, bedre indarbejdelse af atmosfæriske observationer og kunstig intelligens. Og dertil en bedre formidling af det komplicerede stof til brugerne.”

Læs ECMWF's egen nyhed i forbindelse med 40års-dagen her.

Læs den nørde udgave af, hvordan vejrmodeller fungerer.

Læs mere om den højopløselige vejrmodel omkring Tasiilaq her.

Af Lærke Krogaard Hansen
2. august 2019

Følg DMI på Twitter og Instagram
Hent vores app til iPhone eller Android
Se DMI's nyhedsarkiv