De pluimverwachting: onzekerheid in het weer
 
Om een goede weersverwachting te maken, zijn verschillende ingrediënten nodig: betrouwbare waarnemingen, een goed rekenmodel en
krachtige computers om de enorme hoeveelheid berekeningen uit te voeren. Daarnaast is een goede nacalculatie nodig om de modeluitkomsten
zo goed mogelijk aan te passen aan de lokale situatie. Dit noemen we MOS (Model Output Statistics). Tot slot speelt ook de interpretatie door
een ervaren meteoroloog een belangrijke rol. Een meteoroloog kan de verschillende gegevens beoordelen en de nuances in plaats en tijd uitleggen.
Modellen 
Er bestaat geen ideaal weermodel dat altijd goed scoort. Daarvoor is onze atmosfeer te complex. Een weermodel is per definitie een vereenvoudigde weergave van de werkelijkheid. Daardoor ontbreken altijd bepaalde details. 
De werkelijkheid kan bovendien op verschillende manieren worden weergegeven. Daardoor bestaan er verschillende weermodellen, ieder met eigen uitgangspunten en randvoorwaarden. Bij het maken van een weermodel moeten een aantal keuzes worden gemaakt, bijvoorbeeld in: 
Resolutie: (hoe nauwkeurig ga je een gebied berekenen).
Hoe hoger de resolutie van een model, hoe meer rekentijd en computergeheugen nodig zijn. Je kunt dit vergelijken met een digitale foto: een afbeelding van 2700 × 1800 pixels bevat veel meer informatie en heeft daardoor meer geheugenruimte
nodig dan een afbeelding van 300 × 200 pixels. 
 
Bereik: bereken je alleen de Noordzee, Europa of de hele wereld. 
Hoe groter het gebied dat een model moet berekenen, hoe meer rekenkracht daarvoor nodig is. Om de rekentijd binnen de perken te houden, moet de resolutie daarom vaak lager zijn.  
 
Wanneer je een kleiner gebied berekent, kun je een hogere resolutie gebruiken en daardoor meer details meenemen. Maar een regionaal model is afhankelijk van informatie van buiten het rekengebied. Het weer dat ons over enkele dagen bereikt, kan immers honderden of soms duizenden kilometers van ons vandaan ontstaan. 
 
Er wordt daarom wel eens gezegd: Canada is de kraamkamer van ons weer. 
 
 Voorbeeld van een rekenrooster dat wordt gebruikt in
 een weermodel. Hoe kleiner de vakken van het rooster,
 hoe hoger de resolutie en hoe meer details het model
 kan berekenen. Bron: onbekend
 
Apps: 
Bij weersverwachtingen in apps wordt vaak gebruikgemaakt van de uitvoer van één of meerdere weermodellen. Deze gegevens worden
automatisch verwerkt tot een verwachting voor een bepaalde locatie. De gebruikte modellen hebben echter altijd een beperkte resolutie en
kunnen daardoor niet alle lokale verschillen in het weer berekenen. 
 
Een weermodel berekent de weersomstandigheden op vaste tijdstippen. Afhankelijk van het model kan dat bijvoorbeeld iedere 12, 6, 3 of zelfs
ieder uur zijn. Voor de tijdstippen daartussen moet een verwachting worden berekend op basis van de beschikbare modeluitkomsten. 
 
Stel dat een model neerslag berekent rond 00.00 uur en opnieuw rond 12.00 uur. Dat betekent niet automatisch dat het gedurende de hele
periode daartussen regent. Het kan bijvoorbeeld tussen 02.00 en 10.00 uur droog blijven. Hoe groter de tijd tussen de afzonderlijke modelberekeningen, hoe minder nauwkeurig het verloop tussen die tijdstippen kan worden weergegeven. 
 
Buienradar app 
 
Weerplaza app 
 
Meteoblue app 
Daarnaast speelt ook de locatie een belangrijke rol. Een weermodel kan niet voor iedere vierkante meter afzonderlijk een verwachting berekenen.
De atmosfeer wordt daarom verdeeld in een groot aantal roosterpunten. Afhankelijk van de resolutie kunnen deze punten enkele kilometers tot tientallen kilometers uit elkaar liggen. Tussen die roosterpunten kan het weer anders verlopen, vooral in gebieden waar het landschap op korte afstand sterk verandert. Denk bijvoorbeeld aan verschillen tussen land en zee, heuvels en dalen of stedelijke en landelijke gebieden.
Een ervaren meteoroloog kan daarom een waardevolle aanvulling geven. Door verschillende modellen, actuele waarnemingen en kennis van de
lokale omstandigheden met elkaar te vergelijken, kan de modeluitkomst worden beoordeeld en waar nodig worden geïnterpreteerd. Ook kan een meteoroloog aangeven hoe betrouwbaar de verwachting is. 
Pluimverwachting
Een weermodel geeft één mogelijke ontwikkeling van het weer. Maar omdat de beginsituatie van de atmosfeer nooit volledig en exact bekend is, ontstaat er altijd onzekerheid in de verwachting. Om die onzekerheid in kaart te brengen, worden meerdere modelberekeningen uitgevoerd.
Samen vormen deze berekeningen een ensemble. Dit systeem wordt ook wel een Ensemble Prediction System (EPS) genoemd.
In de volksmond kennen we deze verzameling berekeningen vooral als de pluimverwachting. Die naam komt van de uitwaaierende lijnen die
zichtbaar worden naarmate de verwachting verder vooruitkijkt. Het geheel lijkt enigszins op een rookpluim. Soms wordt daarom ook gesproken
over een spaghettiverwachting, omdat de afzonderlijke lijnen op een verzameling spaghettislierten lijken.
 
Meerdere berekeningen 
Bij een ensemble worden meerdere verwachtingen gemaakt met een vrijwel gelijke beginsituatie. Iedere berekening krijgt daarbij een kleine verstoring mee. Daarmee wordt onderzocht wat het gevolg kan zijn van de onzekerheden in de waarnemingen en in de beginsituatie van de atmosfeer. Zo kunnen bijvoorbeeld kleine verschillen worden aangebracht in: 
 
temperatuur  luchtdruk  wind  vochtigheid  andere atmosferische omstandigheden 
 
Iedere afzonderlijke berekening ontwikkelt zich vervolgens op zijn eigen manier. In het begin liggen de uitkomsten meestal nog dicht bij elkaar. Naarmate de tijd verstrijkt, kunnen de verschillen steeds groter worden. Juist die verschillen geven belangrijke informatie. Wanneer de verschillende berekeningen dicht bij elkaar blijven, is er relatief veel overeenstemming over de verwachte ontwikkeling. Waaieren de lijnen sterk uiteen,
dan neemt de onzekerheid toe. 
 
De pluim van het KNMI 
Het KNMI maakt voor zijn verwachtingen gebruik van de uitkomsten van het Europese weermodel van het ECMWF. Naast een operationele modelberekening worden meerdere aanvullende berekeningen uitgevoerd. Samen geven deze een beeld van de mogelijke ontwikkelingen van het weer. Een van deze berekeningen is de controlerun. Hierbij wordt dezelfde uitgangssituatie gebruikt, maar zonder de kleine verstoringen die aan de andere ensembleleden worden toegevoegd. Door de verschillende berekeningen met elkaar te vergelijken, ontstaat een beeld van de betrouwbaarheid en onzekerheid van de verwachting.
 
De exacte resolutie, het aantal berekeningen en de technische eigenschappen van het ECMWF veranderen regelmatig doordat de modellen en computers voortdurend worden verbeterd. Ik zou daarom de stukken met T1279, T639 en de vaste roosterafstanden van 16 en 32 km liever
niet meer zo specifiek opnemen. Voor een cursusartikel veroudert dat snel 
 
Wat laat een pluim zien? 
De uitkomsten van een pluimverwachting kunnen informatie geven over onder andere: 
 
temperatuur  neerslag  windrichting  windsnelheid  windstoten  luchtdruk  bewolking  kans op onweer 
 
De verwachting geldt daarbij voor een bepaald gebied of roosterpunt. Bij de bekende KNMI-pluimen wordt vaak De Bilt als referentie gebruikt.
Een pluim kan bijvoorbeeld ongeveer twee weken vooruitkijken. Duidelijk zichtbaar is dat de onzekerheid meestal toeneemt naarmate de voorspeltermijn langer wordt. De lijnen liggen aan het begin vaak dicht bij elkaar, maar kunnen later steeds verder uiteenlopen. 
 
Daarbij is het belangrijk om te beseffen dat een pluim voor één roosterpunt niet letterlijk kan worden vertaald naar één willekeurige plaats in Nederland. Lokale omstandigheden, zoals de afstand tot de zee, bebouwing, hoogteverschillen en de ligging ten opzichte van buiengebieden,
kunnen ervoor zorgen dat het weer op een andere locatie anders verloopt. 
 
 
  De rode lijn:rong: de operationele T1279 ECMWF verwachting (roosterpuntafstand 16 km) (de eigenlijke weersverwachting)     
De zwarte stippellijn: de onverstoorde T639 verwachting (roosterpuntafstand 32 km) (ook wel controlerun genoemd)   
De groene lijntjes: de 50 verstoorde T639 verwachtingen ('het ensemble' - roosterpuntafstand 32 km)   
De bruine streepjeslijn: het ensemble gemiddelde (geeft een stabieler beeld dan wanneer je alleen de rode of zwarte lijnzou volgen)   
 
 
  Hierboven de weerpluim 2 weken daarvoor uitgebracht. Zo zie je hoe de werkelijke waarde vooral verder vooruit flink af kan wijken van wat de meeste berekeningen zeggen     
 
Betrouwbaarheid  
Geeft een weerapp altijd een betrouwbaar beeld van het weer? Niet noodzakelijk. De betrouwbaarheid van een weersverwachting is afhankelijk van veel factoren. Een belangrijke rol wordt gespeeld door de ontwikkeling en stabiliteit van hoge- en lagedrukgebieden en de processen in de hogere luchtlagen. Al deze factoren beïnvloeden elkaar.  
 
Vooral wanneer we verder vooruitkijken, neemt de onzekerheid toe. Een weerapp kan dan wel een zeer precieze verwachting tonen, bijvoorbeeld een temperatuur, windrichting of hoeveelheid neerslag op een bepaald tijdstip, maar die nauwkeurigheid kan een schijnzekerheid geven.  
 
De enige zekerheid die je hebt, is de onzekerheid.  
 
Een pluimverwachting laat juist zien dat er vaak meerdere mogelijke ontwikkelingen zijn. Hoe verder de verschillende modelberekeningen
uiteenlopen, hoe groter de onzekerheid in de verwachting. En als de weersverwachting uiteindelijk niet blijkt te kloppen? Dan geven we vaak de boodschapper van het weerbericht de schuld. Maar nu weten we dat achter een weersverwachting een complex proces schuilgaat, met waarnemingen, rekenmodellen, enorme hoeveelheden berekeningen en de interpretatie van meteorologen.  
 
Zo krijgt een weersverwachting misschien een iets andere betekenis: het is geen vaststaand toekomstbeeld,
maar de best mogelijke inschatting op basis van alles wat we op dat moment weten. 
 

    Bronnen: Helga van Leur, KNMI