HARMONIE
Versie 2015-2019
Inleiding.
Het Harmonie-model is het fijnmazige KNMI-model dat ten grondslag ligt aan de verwachtingen voor de korte termijn, maximaal 48 uur vooruit. Een selectie van de uitvoer van het model wordt dagelijks via het KNMI Data Platform voor iedereen ter beschikking gesteld. Deze uitvoer bevat uurlijkse velden met verwachte waarden voor diverse parameters. De velden worden beschikbaar gesteld in het GRIB-formaat en bevat roosterpuntswaarden op een resolutie van omstreeks 2500 meter. Voor deze studie is alleen de uitvoer van de zogenoemde 00-uur run opgevraagd. Ik heb uit het totale bestand de velden met temperatuur-verwachtingen, op 2 meter hoogte (T2M), en de verwachte neerslag geëxtraheerd. Uit die velden heb ik de verwachte waarden op roosterpunten vlakbij De Bilt en vlakbij Eindhoven afgeleid. Hierdoor verkreeg ik per locatie twee tijdreeksen met respectievelijk de verwachte uurlijkse waarde van de T2M en van de verwachte gecumuleerde neerslag (RR) tot dat tijdstip. Hieruit zijn de volgende grootheden afgeleid:
- TX0: De maximum-temperatuur op de komende dag (Dag 0). Het maximum van de uurlijkse waarden van +6 t/m +18 uur.
- TN1: De minimum-temperatuur in de komende nacht. Het minimum van de waarden van +18 t/m +30 uur.
- TX1: De maximum-temperatuur op de volgende dag. Het maximum van de +30 t/m +42 uur.
- RD0: Neerslagtotaal overdag, komende dag. RD0=RR18-RR06
- RD1: Neerslagtotaal overdag, morgen. RD1=RR42-RR30
- RE1: Neerslagtotaal etmaal, morgen. RE1=RR48-RR24
Verificatie van de temperatuur-verwachtingen.
We zullen de hierboven beschreven verwachtingen verifiëren door ze te vergelijken met de waarnemingen van de overeenkomstige grootheid die we hebben ontleend aan de Extremen-pagina op de KNMI-site. We zullen die waarneming aanduiden met Wng. Verder zullen we, de temperaturen, vaak noteren als afwijking van de normaal op de betreffende dag waarvoor de verwachting of waarneming geldig is. We zullen dat aanduiden door een kleine d voor de naam te zetten, dus bijvoorbeeld dTX1 of dWng. Verder bleek tijdens de verificatie dat de verwachte temperaturen behept zijn met een substantiële bias. We hebben daarom ook een gecorrigeerde verwachting geïntroduceerd. Deze correctie wordt berekend door over de voorafgaande 30 dagen de bias van de verwachtingen berekenen en die als correctie eraf te trekken. We duiden deze gecorrigeerde verwachtingen aan met een kleine c. Dus cTX1 is de gecorrigeerde verwachting en dcTX1 is de afwijking van de normaal van die verwachting. We zullen de verificatie resultaten samenvatten in kernbegrippen als Bias, Spreiding(SPR) en Mean Absolute Error(MAE) van de fouten in de verwachtingen. Deze gegevens zullen in grafieken presenteren waarin tevens de overeenkomstige reultaten van de reguliere verwachtingen van Weeronline, de MeteoGroup en het KNMI zijn opgenomen. Voor de verificatie werden alleen de dagen gebruikt waarop alle verwachtingen beschikbaar waren.
De verificatieperiode besloeg het tijdvak november 2015 tot en met november 2019. De dataset werd gesplitst in twee deelgroepen: dagen in het warme halfjaar 15 april tot 15 oktober(WS) en dagen in het koude halfjaar (KS) de overige dagen. Iedere groep bevatte omstreeks 700 dagen. Hieronder volgen twee kolommen met grafieken. In de linkerkolom staan de resultaten voor de locatie De Bilt. De rechterkolom bevat de resultaten voor Eindhoven.
Echter voordat we verificatie resultaten tonen willen we aan de hand van scatterdiagrammen, van opgetreden versus verwacht, globaal een gevoel krijgen voor de kwaliteit van de verwachting. Eerst presenteren we de scatterdiagrammen van dTX1 gevolgd door numerieke verificatie resultaten. Daarna volgen enkele bijzondere (scatter)diagrammen waaruit blijkt dat het klimaat van de verwachte TX1 overeenstemd met het klimaat van de waargenomen TX. De daaropvolgende paragraaf presenteert op dezelfde wijze de resultaten voor TN1.
Na TN1 volgen dan nog wat resultaten voor TX0
Scatterdiagrammen van TX1 voor De Bilt en Eindhoven




Verificatie Resultaten TX
BIAS


Spreiding(SPR)


Mean Absolute Error(MAE)

