De EPS-pluim
Een van de belangrijkste informatiebronnen voor meteorologen is tegenwoordig de EPS-pluim. Zoals de naam al zegt is dit een informatiebron die gebaseerd is op EPS (Ensemble Prediction System). Om de EPS-pluim goed te begrijpen is het belangrijk eerst te weten wat EPS precies inhoudt, dit kun je vinden bij uitleg Ensemble Prediction System.
EPS-modellen zijn sterk verschillend van andere modellen. Omdat bij EPS meerdere verwachtingen tegelijk worden gemaakt, vraagt dit om een andere manier van presentatie. Bij EPS-modellen is een van de bekendste presentatievormen een zogeheten ‘pluim’. Onderstaand zien we een dergelijke pluim. Hier de pluim van het ECMWF voor De Bilt op 6 maart 2006.
In deze grafiek worden alle gemaakte verwachtingen tegelijk gepresenteerd.
In rood zien we de ‘Oper’, de operationele verwachting gebaseerd op de huidige meetgegevens zoals ze werkelijk opgemeten zijn. De input voor deze lijn bevat mogelijk meetfouten. De ‘Controlerun’ is als blauwe stippellijn getekend. Deze blauwe lijn is eveneens gebaseerd op de huidige meetgegevens, maar nu toegepast op een andere, iets minder gedetailleerde manier. Zoals je ziet kan zelfs dat al een behoorlijk verschil maken. De bruine stippellijn, ‘ENSgem’, is de Trendlijn. Deze geeft de gemiddelde waardes aan voor elke plek in de grafiek. De bruine bolletjes in de temperatuursgrafiek is de GIDS verwachting. Die worden door de meteorologen zelf gebruikt om het systeem te beoordelen. Voor ons als gebruikers zijn deze bolletjes minder van belang.
De wirwar van groene lijnen zijn een klasse apart. Dit zijn ‘verstoorde’ verwachtingen. Aan de huidige meetgegevens wordt bewust een bepaalde verstoring toegevoegd. Eéntje is bijvoorbeeld verstoord met een fictief sneeuwdekje in Zuid-Nederland, een andere met een te hoge luchtvochtigheid boven Frankrijk, etcetera. Deze verstoorde invoeren noemen we ‘members’, ofwel leden. Bij de EPS-pluim van het ECMWF zijn er wel 50 leden. Ook al deze verstoorde beginwaarden worden ingevoerd in de computer voor een run. Het eindresultaat is een grafiek met 50 mogelijke verwachtingen.
Vanaf dit punt worden de groene lijnen belangrijk. Hiermee kunnen we de waarde van de operatieve verwachting inschatten. (Het ‘stuiteren’ van de temperatuur wordt veroorzaakt door de dagelijkse gang; het verschil tussen de dag- en nachttemperatuur. Dit is normaal.)
Waar we vooral op moeten letten zijn ‘tubes’, en de zogeheten spreiding van de leden.
Als de bundel lijnen smal is (zoals in het begin van de pluim, links), is de verwachting voor dat tijdstip redelijk zeker. Is het daarentegen een wirwar (zoals meestal aan het andere eind het geval is), dan is de verwachting onzeker. Overal in de pluim kunnen we dit soort plekken herkennen. In de onderstaande temperatuurspluim is het op donderdag onzeker wat het weer gaat doen, maar zaterdagmorgen is de verwachting weer zekerder.
In het paarse cirkeltje zien we dat de Oper het als een van de weinigen matig laat vriezen. Verreweg de meeste leden gaan deze nacht voor dooi. Vorst zou natuurlijk kunnen, maar het is waarschijnlijker dat de temperatuur boven nul blijft. In een dergelijk geval is de kans groot dat de meteoroloog op deze plek de Oper verwerpt en kiest voor het ENS-gemiddelde.
We kunnen meer met de pluim dan alleen fouten in de huidige verwachting opsporen.
De pluim bevat namelijk ‘tubes’; een soort van groeperingen. Hoewel tubes in clusterplaatjes beter naar voren komen, zijn ze ook in een pluim te herkennen. In de windverwachting van dezelfde dag is bijvoorbeeld zo’n tube te herkennen.
In de nacht van dinsdag op woensdag geeft de Oper weinig neerslag aan. Pas de volgende dag gaat het echt regenen. Maar wat zien we? Een eigenwijs piekje van verstoorde members die uren voor de Oper dat doet, al hun piek in de neerslag tonen. Dit is nu zo’n tube. Een aantal verwachtingen die het min of meer met elkaar eens is, en duidelijk iets losstaan van de rest. Hoe meer tubes, hoe onzekerder de verwachting. Hier zou het kunnen betekenen dat een bepaald front mogelijk sneller ons gebied zal bereiken dan oorspronkelijk werd verwacht. Als meteorologen dit zien zullen ze er zeker rekening mee gaan houden dat het kan, en gaan ze hier nog eens extra naar kijken.
De laatste belangrijke toepassing van de pluim is het combineren van de resultaten. En die laatste stap wordt gedaan door mensen.
Bekijk je de drie belangrijkste uitvoeren (de neerslag, wind en temperatuurpluimen zoals in deze grafiek), dan kun je gebruikmaken van de één, om elke andere op waarde in te schatten.
Een voorbeeld. We nemen opnieuw de nacht van dinsdag op woensdag. De neerslagpluim gaat er vooralsnog vanuit dat de meeste regen woensdagavond gaat vallen. Maar ook is er de tube die het op ’s morgens houdt. Gedurende een of meer frontpassages is er vaak een depressie in het spel, met als gevolg een windtoename. Kijken we nu naar de windpluim, dan zien we dat de Oper de wint op twee momenten laat pieken: woensdagavond, maar ook al tijdens de tube die ’s morgens neerslag verwacht. Ook de Controlerun gaat mee, evenals enkele verstoorde members. Dit maakt regen ‘s morgens opeens wat aannemelijker, en daarmee de kans groter dat de neerslagtube voor ‘s morgens correct is.
De temperatuurpluim laat een grote dagelijkse gang zien. Dat is opmerkelijk, want tijdens frontpassages is het gewoonlijk bewolkt. En bewolking dempt de dagelijkse gang. De wind- en neerslagpluimen laten beiden duidelijk zien dat er iets gaande is op woensdag. Een front dus. Het zal in dat geval niet helder zijn. Grote kans dat de Oper er hier naast zit, en dat de dagelijkse gang door de bewolking minder groot zullen zijn.
Als we nog langer naar de pluim kijken kunnen we stilletjes heel veel van dit soort verstopte aanwijzingen ontdekken, die stuk voor stuk een eigen verhaal vertellen. De een is belangrijker en opvallender dan de ander, en het is belangrijk door de members heen het bos te blijven zien. Ervaring en combinatie met andere data is hierbij erg belangrijk. Voor meteorologen is de pluim een onmisbaar instrument geworden om hun verwachtingen op te baseren, mee te controleren en achteraf te beoordelen.
Maar ook als weeramateur kunnen we ons voordeel doen met de pluim. Ieder kan ermee voor zichzelf de betrouwbaarheid van bepaalde verwachtingen inschatten. Zonder te moeten luisteren naar weerbulletins van derden of naar Teletekst te kijken.
Auteur: Hans Nienhuis