De wondere wereld achter het weerbericht

We kunnen onderhand wel concluderen dat we dit jaar geen echte winter zullen krijgen. In november vorig jaar deden nog de wildste verhalen de ronde: het zou een heel, heel koude winter worden. Al gauw bleek daar niets van te kloppen. Het is ook onmogelijk over zulke lange termijnen voorspellingen te doen. 

En dat terwijl de dagelijkse weersvoorspelling zo’n routineus klusje lijkt. Meteorologen als Gerrit Hiemstra en Helga van Leur vertellen ons in een simpel visueel verhaal hoe warm of koud het wordt en of we onze paraplu de volgende dag mee moeten nemen naar het werk. Bij Alkmaar hangen wat wolken. Bij Maastricht schijnt de zon. ’s Nachts wat vorst aan de grond en in het zuiden twee graadjes warmer.

Het flitsende praatje aan het einde van het journaal verhult de gigantische complexiteit die achter de gepresenteerde getallen schuilgaat. Al langer doe ik onderzoek naar de wetenschap van het voorspellen, en bij het onderdeel weersvoorspellingen stond ik versteld van wat er aan het dagelijkse weerbericht voorafgaat: enorme datastromen, hoogst geavanceerde berekeningen, de vervlechting van meteorologie met belangrijke wetenschappelijke doorbraken en inzichten, en de grote vooruitgang die de laatste decennia is geboekt. Maar ook de grote barrières die maar niet, en misschien nooit, beslecht kunnen worden.

Vandaag presenteer ik mijn bevindingen uit die wonderlijke wereld van de weersvoorspelling. Oftewel: wat gaat er allemaal schuil achter dat verradderlijk simpel ogende slot van het journaal?

De kracht van voorspellingen is in vijftien jaar verdubbeld

Op een zonnige dag in De Bilt ontmoet ik Sander Tijm (43). Hij is een van de modelbouwers op de productieafdeling van het Koninklijk Nederlands Meteorologisch Instituut (KNMI), de afdeling waar de weersverwachting wordt gemaakt. Die verwachtingen zien we overal terug. Aan het einde van de journaals, op verschillende weersites en -apps en bedrijven als Schiphol gebruiken ze om het vliegverkeer in goede banen te leiden.

Tijm ‘draait’ de modellen, zoals hij het noemt. Hij laat miljoenen regels software alle inkomende data bewerken tot een concrete verwachting. Daarnaast doet hij onderzoek naar hoe het weermodel beter kan worden. En daarin zijn grote vorderingen gemaakt. In zo’n vijftien jaar tijd is de accuraatheid van de voorspellingen verdubbeld. In de jaren negentig voorspelde het KNMI één dag accuraat vooruit, nu twee.

In de jaren negentig voorspelde het KNMI één dag accuraat vooruit, tegenwoordig twee

Dat is te danken aan toegenomen computerkracht waardoor de "resolutie" van de modellen hoger is geworden. Wat betekent dit?

Laten we Nederland als voorbeeld nemen en het zogenoemde HARMONIE-model, dat het KNMI sinds kort gebruikt. Het KNMI hakt Nederland daarmee op in kubussen - de zogenoemde ‘gridboxen’ - van 2,5 bij 2,5 kilometer bij honderd meter hoog. Voor elk van de bijna 40 miljoen gridboxen worden twaalf variabelen berekend, waaronder windrichting (in alle richtingen, ook verticaal), windsnelheid, temperatuur, neerslag, turbulentiegraad, wolkenwater en wolkenijs.

Tussen die miljoenen kubussen worden allerlei berekeningen uitgevoerd. Het model rekent steeds zestig seconden vooruit, dus bekijkt wat de staat van de atmosfeer nu is, over zestig seconden en over zestig seconden en over zestig seconden - en dat voor 48 uur verder.

Als de aarde uitademt

Deze wijze van rekenen, met behulp van gridboxen, heet numerieke weersvoorspelling en vindt zijn oorsprong aan het einde van de negentiende eeuw. Eeuwenlang was de meteorologie het domein van goedbedoelende amateurs en filosofen. De grote Aristoteles maakte in zijn werk Meteorologica een aantal zeer accurate observaties, bijvoorbeeld over verdamping, maar ontkwam niet aan bovennatuurlijke verklaringen voor weersverschijnselen. Wind ontstond volgens hem als de aarde uitademende.

In de middeleeuwen was God de logica achter regen, storm en zonneschijn. In de vroege renaissance bouwde Galileo de eerste thermometer – de tijd van het meten was aangebroken. Maar het zou nog tot de zeventiende eeuw duren voordat de metingen in een overkoepelende theorie over de werking van de atmosfeer konden worden geplaatst. Het determinisme werd toen en vogue. Newton leerde hoe natuurverschijnselen zich volgens vaste wetten laten beschrijven. De Franse wiskundige Laplace maakte de wereld voorspelbaar. Als je de beginconditie weet en de wetten der mechanica, kun je ad infinitum vooruit kijken, aldus Laplace.

Richardson vereenvoudigde de wiskunde door de atmosfeer in stukken te knippen. De roosterstructuur waar het KNMI nog steeds zijn modellen op bouwt, was geboren

Het was de Noorse meteoroloog en wiskundige Vilhelm Bjerkvens die de lessen van Laplace aan het einde van de negentiende eeuw voor het eerst probeerde toe te passen. Hij ontwikkelde zeer ingewikkelde modellen en berekeningen om de toestand van de atmosfeer op een vast tijdstip en op een vaste plek te bepalen. Helaas slaagde hij er niet in tot een betrouwbare voorspelling te komen. 

Waar Bjerknes faalde, slaagde Lewis Fry Richardson, een scherpe Britse denker. Richardson wordt beschouwd als de grondlegger van de numerieke weersvoorspelling. Tijdens de Eerste Wereldoorlog vereenvoudigde hij de wiskunde van Bjerknes door de atmosfeer in stukken te knippen. Hij bedacht de roosterstructuur waar het KNMI nog steeds zijn modellen op bouwt, de eerder genoemde gridbox. 

D-Day van de weersvoorspelling

De potentie van deze numerieke benadering werd niet door iedereen omarmd. Het hielp niet dat Richardsons verwachtingen er faliekant naast zaten. Dat had volgens hem te maken met het gebrek aan rekenkracht. Niet voor niets droomde hij van een ‘voorspellingsfabriek.’ Een fabriek waar 64.000  menselijke computers iedere dag een wereldvoorspelling zouden berekenen. Erg praktisch was dit idee niet. Nóg niet.

In de eerste helft van de twintigste eeuw woedde er een richtingenstrijd, waarbij de numerieken de dominantie van de ouderwetse nattevingermeteorologen uitdaagden.

Er was een D-Day voor nodig om de strijd te beslechten. Letterlijk.

De geallieerden waren bevreesd om onder nadelige weersomstandigheden de landing in Normandië uit te voeren. De numerieken en de nattevingermeteorologen leverden daarom beiden weeradvies. De oude garde raadde de landing van 6 juni 1944 af. De numerieken zeiden juist: doen. De generaals volgden het numerieke advies en de landing verliep onder goed weer.

Deze computer kon 5.000 berekeningen per seconde maken, het maken van een complete verwachting duurde zo 24 uur

De numerieken kregen na de oorlog de wind verder in de rug door de ontwikkeling van elektronische computers. John von Neumann, één van de grondleggers van de moderne computer, en Jule Charney maakten in 1950 voor het eerst een volledig geautomatiseerde weersverwachting. Deze computer kon 5.000 berekeningen per seconde maken, het maken van een complete verwachting duurde zo 24 uur.

Niet heel nuttig dus.

Dit traagheidsprobleem zou vanzelf opgelost worden door steeds snellere processoren. Het leek een gouden tijd voor de meteorologie. Het zou niet lang duren, zo werd in de jaren vijftig en zestig gespeculeerd, voordat er betrouwbare seizoensverwachtingen konden worden berekend. 

De chaos temmen

De Amerikaanse wiskundige/meteoroloog Edward Lorenz maakte begin jaren zestig hardhandig een einde aan die droom. De atmosfeer bleek niet Laplaciaans voorspelbaar te zijn. Ze was chaotisch. 

Lorenz deelde in 1960 zijn kantoor aan het Massachusetts Institute of Technology met een enorme computer, een Royal McBee, een rochelend apparaat met warme buizen en lange draden. Hij onderzocht hoe voorspelbaar het weer was en liet een computer weerscenario’s berekenen.

Hij voerde exact hetzelfde scenario met exact dezelfde data meermaals uit. Maar in de ene uitkomst produceerde de computer een wolkenloze hemel. In de andere uitkomst ontstonden hevige onweersbuien. Na lang speuren bleek dat in de tweede run de inputdata waren afgerond tot drie cijfers achter de komma, in plaats van vijf. Maar ze leidden tot fundamenteel ander weer.

Na tien dagen is er, vanwege de chaotische aard van de atmosfeer, geen zinnige voorspelling meer te doen

Lorenz stuitte op chaos en zette hiermee de eerste schreden in het formuleren van een zeer invloedrijke theorie.

Van chaos is sprake als aan twee condities is voldaan. Ten eerste is een chaotisch systeem dynamisch. Het gedrag van het systeem op tijdstip x beïnvloedt het gedrag van het systeem op een ander tijdstip. De tweede conditie is zogenoemde non-lineariteit: een verandering op één punt in het systeem leidt tot een exponentiële verandering op een ander punt. Veranderingen werken ook sterker door. Lorenz wist dit non-lineaire effect zelf mooi samen te vatten in een titel van een praatje dat hij in 1972 hield: ‘Predictability: Does the Flap of a Butterfly’s Wings in Brazil Set of a Tornado in Texas?’

Lorenz’ inzichten waren goed en slecht nieuws voor de meteorologie. Aan de ene kant verklaarden ze veel natuurlijke processen. Maar aan de andere kant trok Lorenz een enorme muur op aan de horizon: na tien dagen is er, vanwege de chaotische aard van de atmosfeer geen zinnige voorspelling meer te doen. Die tien dagen is een harde grens binnen de meteorologie en naarmate die grens wordt genaderd, worden de voorspellingen onbetrouwbaarder. Onlangs heeft het European Centre for Medium-Range Weather Forecasts een redelijk accurate tiendaagse voorspelling gemaakt. De grenzen worden wel opgezocht, maar daarover dadelijk meer.

Beginnen met niets

Het KNMI heeft Lorenz’ chaostheorie zoveel mogelijk in haar modellen gevat. De natuurwetten, zoals de thermodynamica, zijn ingeprogrammeerd, net als het oppervlak van Nederland: bossen, bebouwing, water en land. De kunst bij iedere voorspelling is om een betrouwbare begintoestand te krijgen van waaruit berekend wordt. Maar dat is nog niet zo makkelijk. Het KNMI heeft daar zo recent mogelijke data van zijn weerstations voor nodig. Die 35 weerstations staan verspreid over het land en leveren continu ruwe data over wind, neerslag, luchtdruk en soms zicht. Daarnaast rapporteert een groep van ruim driehonderd waarnemers dagelijks over neerslag. Er komt ook nog data binnen van weerballons en vliegtuigen. In de toekomst moeten ook radar- en satellietgegevens worden gebruikt.

Modelbouwer Sander Tijm legt uit hoe nauw de waarnemingen van de weerstations luisteren. ‘Stel dat we om middernacht beginnen en een verwachting maken voor 48 uur. Iedere drie uur vergelijken we de uitkomst van het scenario met de waarnemingen. We proberen dat op zoveel mogelijk punten te doen. Dan passen we het model aan dat goed aansluit bij die waarnemingen en krijgen zo een nieuwe begintoestand en gaan daarmee verder. Maar in de waarnemingen zit altijd ruis. Misschien meet je op een plek waar redelijk veel bos staat. In het model heb je daar misschien grasland liggen. Dat kan een flink verschil tussen de modeluitkomst en de waarneming veroorzaken.’

Ten tweede is voorspellen lastig vanwege de grilligheid van de atmosfeer. Die kan op tientallen manieren een voorspelling in de war gooien. ‘Waarom een bui zich op een bepaalde plek ontwikkelt en niet twintig kilometer verderop is afhankelijk van een samenloop van omstandigheden die nauwelijks te berekenen zijn. Je hebt lucht nodig die warm genoeg is zodat een bui kan ontstaan. De lucht boven een stad is iets warmer dan boven het land eromheen. Dan krijgt de lucht net dat zetje waardoor er zich een bui buiten de stad kan ontwikkelen. Maar dat is misschien nog een kleine bui. Aan de rand daarvan stroomt weer koude lucht uit en duwt de omliggende lucht weer omhoog, zodat verderop mogelijk een grotere bui ontstaat. Je weet alleen niet precies waar. En dat krijg je ook niet in het model.’

Ook al meet het KNMI op 2,5 bij 2,5 kilometer bij 100 meter; kleine lokale weersverschijnselen zijn niet te voorspellen. Tijm wijst op de enorme hoosbui tijdens Pukkelpop in de zomer van 2011. Daar vielen vijf doden als gevolg van extreem, maar zeer lokaal weer. ‘We kunnen wel zien dat er mogelijk een flinke onweersbui zal komen, maar niet precies waar en wanneer.’ In Frankrijk en Engeland proberen ze nog fijnere gridboxen te maken, van soms wel 600 meter bij 600 meter. Voor bergachtig gebied kan dat nut hebben, denkt Tijm, daar zie je grote verschillen op een klein oppervlak. Het KNMI vindt 2,5 bij 2,5 wel gezegend.

De afgelopen eeuw heeft de meteorologie vooral in het teken gestaan van het verfijnen van het numerieke voorspellingsmodel. De computerkracht werd groter, de resolutie van de modellen (de gridboxen) werd kleiner. De grenzen lijken wel zo’n beetje bereikt. Je blijft uiteindelijk altijd tegen chaos vechten.

Voorspellen in de toekomst

Een mogelijk interessante nieuwe ontwikkeling zit niet zozeer in de rekenkracht maar in de rekenmethode. Er worden door academische groepen alternatieve wiskundige methoden ontwikkeld om de atmosfeer te beschrijven en uiteindelijk te voorspellen: het gebruik van fractals.

De eerder genoemde Richardson bedacht in de vroege twintigste eeuw al dat achter de complexiteit van het weer een simpeler werkelijkheid moest liggen. Hij zag dat weersverschijnselen zogenoemde schaalinvariantie hadden. Schaalinvariantie is een vorm of patroon in een object dat telkens terugkeert, onafhankelijk van de geometrische schaal waarop je kijkt. Een blad heeft met zijn nerven een bepaald patroon. Zoom je in op een van die nerven, dan zie je eenzelfde vertakking van kleinere nerven. Zoom je daar weer op in, dan zie je eenzelfde vertakking van nog kleinere nerven. Zonder dat Richardson het wist, had hij het over fractale geometrie, een wiskundige theorie waar Benoit Mandelbrot in de jaren zeventig in één klap wereldberoemd mee zou worden. 

Een Canadese onderzoeksgroep onder leiding van Shaun Lovejoy, toonde een paar jaar geleden aan dat regen zich laat beschrijven met fractale wiskunde. Als het werk van Lovejoy klopt zou dat kunnen betekenen dat weermodellen betrouwbaarder worden op kleinere schaal. Tijm ziet op korte termijn nog geen praktische toepassing van deze rekenmethodes. Volgens hem is de atmosfeer simpelweg te chaotisch.

Big data en geavanceerde computermodellen ten spijt: chaos laat zich niet zomaar temmen

Het KNMI zet voorlopig in op zogenoemde ‘ensembles.’ Daarbij worden, met steeds iets andere begincondities en modelomstandigheden, tientallen scenario’s gemaakt. Die worden vervolgens vergeleken. Als de uitkomsten van de verschillende scenario’s dicht bij elkaar zitten - vijfenveertig van de vijftig scenario’s voorspellen bijvoorbeeld regen boven Groningen - is de kans groter dat de weersverwachting klopt. Liggen de uitkomsten ver van elkaar, twintig voorspellen regen boven Groningen, twintig zon en tien sneeuw, dan moet een meteoroloog een stuk voorzichtiger zijn in zijn of haar voorspelling. Het KNMI zegt dus iets over de kans dat een verwachting klopt en verrijkt daarmee de betrouwbaarheid van de voorspelling.

En misschien ligt in die uitspraken over betrouwbaarheid de sleutel voor een goede voorspelling. We kunnen mopperen op weermannen en -vrouwen die ernaast zitten, op loze weeralarmen of onterechte onheilsberichten. Als we van tevoren weten wat een voorspelling waard is, dan wekt dat ook de juiste verwachtingen bij ons. Dat lijkt een beetje op valsspelen, maar het is een realistische manier om tegen toekomstverwachtingen aan te kijken. Want Big Data en geavanceerde computermodellen ten spijt: chaos laat zich niet zomaar temmen.

Dit artikel is een aflevering in een langlopende reeks over voorspellen in tijden van Big Data. Lees bijvoorbeeld ook: