Nieuwsbrief

Statistische post-processing bestaat uit het corrigeren van systematische afwijkingen in weersvoorspellingen door  statistische relaties te definiëren tussen voorspellingen en waarnemingen uit het verleden, en deze vervolgens te gebruiken  om toekomstige voorspellingen te corrigeren. Dit betekent dat een reeks voorspellingen en waarnemingen uit het verleden beschikbaar moeten zijn, zodat een passende correctieschema kan worden ontwikkeld.

Statistische post-processing mehoden worden al sinds de jaren zestig gebruikt om voorspellingsfouten gedeeltelijk te corrigeren of om waarneembare parameters te voorspellen die niet in de modellen zijn opgenomen. Bij de eerste pogingen werd gebruik gemaakt van klassieke lineaire regressie om de relatie tussen voorspellingen uit het verleden en waarnemingen te modelleren. De resultaten werden vervolgens gebruikt om de nieuwe voorspellingen bij te stellen. Sindsdien zijn vele andere methoden ontwikkeld, met name voor probabilistische voorspellingen, ook bekend als ensemblevoorspellingen omdat het gaat om een reeks voorspellingen die  enigszins verschillende beginvoorwaarden veronderstellen. Dergelijke methoden zijn noodzakelijk gebleken om de weersvoorspellingen te optimaliseren, ongeacht de kwaliteit van het model. Daarom heeft het KMI gewerkt aan een methode die kan worden toegepast op de middellange-termijn probabilistische voorspellingen van het ECMWF. Deze techniek, genaamd Member-by-Member (MBM), ontwikkeld door onze collega's Bert Van Schaeybroeck en Stéphane Vannitsem, corrigeert elk lid van het ensemble onafhankelijk, behoudt de statistische kenmerken van het ensemble, en verbetert het vertrouwen in de geproduceerde probabilistische informatie.

Het systeem genereert ensemblevoorspellingen aangepast voor maximum- en minimumtemperaturen op 2 meter hoogte en windstoten van 11 weerstations in België. Dit zijn de referentiestations van 11  klimatologische regio's in België. De post-processing methode is sinds juni 2020 operationeel.

Sindsdien is de post-processing van de ensemblevoorspelling om middernacht van het Europees Centrum samen met de ruwe voorspellingen beschikbaar voor de meteorologen in het weerbureau van het KMI; dit stelt hen in staat om de middellange-termijnvoorspellingen aan te passen die bijvoorbeeld via de website en de KMI-weerapp aan de burgers worden verstrekt.

In de onderstaande figuur wordt een typische ensemblevoorspelling  van 1 november 2020 weergegeven  met post-processing voor het weerstation Elsenborn. Voor alle variabelen zijn de voorspellingen (onbewerkt in blauw, gecorrigeerd in oranje) en de fouten verbeterd ten opzichte van de waarnemingen van het station (in groen). Dit is vooral zichtbaar voor de voorspelling van de windstoten, die aanzienlijk is verschoven naar lagere waarden endie dichter aansluiten bij de waarnemingen.

Zoals bij de meeste operationele weersvoorspellingscentra wordt ook op het KMI statistische post-processing erkend als een prioriteit voor de toekomstige ontwikkeling van de voorspellingsketen. Statistische post-processing zorgt momenteel voor belangrijke correcties, maar er worden nieuwe ontwikkelingen overwogen die de post-processing van andere variabelen en het opbouwen van verbeterde voorspellingen op een raster mogelijk zouden maken.

Twee artikels die onlangs in het Engels zijn gepubliceerd in de nieuwsbrief van het Europees Centrum (ECMWF) :

• https://www.ecmwf.int/en/newsletter/164/news/statistical-post-processing-ecmwf-forecasts-belgian-met-service
• https://www.ecmwf.int/en/newsletter/166/meteorology/statistical-post-processing-ensemble-forecasts-belgian-met-service

Het origineel wetenschappelijk artikel (in het Engels) van Bert Van Schaeybroeck en Stéphane Vannitsem over de "Member-by-Member" techniek:

• Van Schaeybroeck, B., & Vannitsem, S. (2015). Ensemble post‐processing using member‐by‐member approaches: theoretical aspects. Quarterly Journal of the Royal Meteorological Society, 141(688), 807-818.