Dag 1 in detail

De resultaten die in deze paragraaf worden getoond zijn gebaseerd op de data uit de periode 15 oktober 2016 tot en met 14 oktober 2020. We splitsen deze dataset in data uit het koude halfjaar (KS=15 oktober t/m 14 april) en het warme halfjaar(WS). We verifiëren de verwachtingen van het weerbureau Weeronline(WOL) en van het KNMI voor de locatie Utrecht tegen de waarnemingen uit De Bilt. Overeenkomstige verwachtingen voor Eindhoven worden geverifieerd tegen waarnemingen uit Eindhoven. We gebruiken bij deze verificatie alleen die dagen waarvoor de beide verwachtingen beschikbaar zijn.
We zullen eerst enkele diagnostische grafieken tonen die de gebruiker gevoel kunnen geven voor de karakteristieken van de verwachtingen. We zullen daarbij zowel voor de verwachtingen als de waarnemingen uitgaan van de afwijking van de dagnormaal (zie elders op deze site) We duiden daarbij de waarneming aan met dWng en de verwachtingen met dWOL respectievelijk dKNMI. We doen dat om de jaarlijkse gang die bij die grootheden (waarneming en verwachting) aanwezig is eruit te halen. We kunnen dan beter beoordelen of het om extreme waarnemingen en/of verwachtingen en de verificatie heeft dan alleen betrekking op de 'weer' component en niet op de jaarlijkse gang.

SCATTERPLOTS van OPGETREDEN versus VERWACHT

Een heel bekende methode om een eerste indruk te krijgen van de kwaliteit van een verwachting is gebaseerd op het scatterdiagram. In zo'n diagram zetten we op de x-as de verwachting uit, dWOL of dKNMI, en op de y-as wordt de waarneming dWng uitgezet. Op het kruispunt zetten we een marker (bijvoorbeeld een + of *). We krijgen dan een wolk van punten die als de verwachting zeer goed is bijna een rechte lijn volgen. Als de verwachting minder goed is krijg je een wolk van punten. In de diagrammen hieronder zijn zowel de verwachtingen van Weeronline als van het KNMI uitgezet op de x-as. Op de y-as staat de waarneming uitgezet. We krijgen dan twee puntenwolken omdat bij iedere waarneming twee verwachtingen beschikbaar zijn.

Klikken op het onderschrift toont de figuur in een nieuw groter venster.
Klikken op EH, toont de overeenkomstige figuur voor Eindhoven.

Zoals we zien clusteren de verwachtingen van beide providers rond de diagonaal die de perfecte verwachting representeerd. Wel zien we dat het KNMI vaak wat verder van de diagonaal ligt. De verwachtingen van het KNMI zijn dus vaker iets slechter dan die van Weeronline. Daarnaast zien we in het koude seizoen dat de plots, bovenaan, iets links van de diagonaal komen te liggen,dat zou er op duiden dat de hoogste dTX in de winter iets worden onderschat.

KANSVERDELINGEN van VERWACHTINGEN en WAARNEMINGEN

Een belangrijk aspect voor de kwaliteit van de verwachtingen is de klimatologische verdeling van verwachtingen. Bij voorkeur moet de kansverdeling van de verwachtingen lijken op de kansverdeling van de waarnemingen. Met behulp van de 'Density tool' uit het statistisch pakket R hebben we kansdichtheidsfunties gemaakt voor zowel de waarnemingen (dWng) als de verwachtingen dWOL en dKNMI. Deze kansfuncties zijn weergeven in onderstaande figuren.