Meteorologica juni 2017

Jaargang 26 -

nr.

2 - Juni 2017

meteorologica

ZWARE BUIEN OP KOMST? Uitgave

van de

Nederlandse Vereniging

ter

Bevordering

van de

Meteorologie

Climate Physics Master’s Programme at Utrecht University, The Netherlands This Master’s programme offers a unique combination of theoretical courses and practical training in all aspects of the climate system.

Physics, dynamics and chemistry of the atmosphere, the oceans, the glaciers and ice sheets and their interaction are the core of this programme.

Our research fields: • Ocean Circulation and Climate • Physical Oceanography of the Coastal Zone • Atmospheric Dynamics and the Hydrological Cycle • Atmospheric Physics and Chemistry • Ice and Climate

More information: Utrecht University, The Netherlands Institute for Marine and Atmospheric Research

www.uu.nl/masters/climate

2

Meteorologica 2 - 2017

Inhoudsopgave

4

8

4

Zwaardere plensbuien verwacht

Geert Lenderink, Jessica Loriaux

8

Zomerhageldetectie met behulp van radar

Casper Kalkhoven

12 Geostrofische druk

Huug van den Dool

14 Mooi weer op komst?

14

Karin van der Wiel

18

Simulaties van toekomstig weer

Frank Selten

24 Column – Organisatie in de VS

Van

25 Meteorologisch Nachtwerk – Samenvatting

de hoofdredacteur

In dit nummer van Meteorologica worden twee gezichten van toekomstig weer en klimaat belicht. We beginnen met het ‘slechte’ nieuws: Nederland zal meer en heviger buien te verduren krijgen. Geert Lenderink en Jessica Loriaux laten in hun artikel (pagina 4) zien dat de meest extreme buien met wel 14% per graad temperatuurstijging zullen toenemen. Dit is twee maal zo veel als op grond van de vochtinhoud van de atmosfeer (de welbekende Clausius-Clapeyron vergelijking) mag worden verwacht. Zij tonen aan dat zowel kleinschalige turbulente processen in de wolk als grootschalige atmosferische processen aan deze veranderingen ten grondslag liggen.

Zwaardere buien dus, maar leiden deze ook tot meer grote hagel zoals de hagelstenen tot wel 7 cm doorsnede die in een smalle strook in Noord-Brabant op 23 juni 2016 neerkwamen en plaatselijk enorme schade veroorzaakten? Casper Kalkhoven beschrijft in zijn artikel op pagina 8 een nieuwe manier om hagel te detecteren met behulp van de neerslagradar. Hij gebruikt daarvoor de reflectiviteitskarakteristieken van de radarbundel en het verticale temperatuurprofiel, en conclu-

Huug van den Dool

deert dat de meeste grote hagel momenteel in de maand juni valt. Binnenkort zal een klimatologie van hagel in Nederland beschikbaar worden gemaakt, gebaseerd op deze methodiek.

Diametraal tegenover deze zware buien en grote hagelstenen staat de analyse van Karin van der Wiel (pagina 14) over toekomstige veranderingen in mooi weer. Gebaseerd op zo objectief mogelijke criteria wat betreft temperatuur, vochtigheid en neerslag heeft zij de huidige verdeling (zowel per locatie als per seizoen) van mooi weer bepaald. Het blijkt dat de kans op mooi weer in Nederland in de zomer ongeveer 50% is.

Daarna heeft zij met behulp van een klimaatmodel gekeken naar hetgeen de toekomst ons qua mooi weer zal gaan brengen. En, hoera, Nederland zal meer mooi weer dagen krijgen, door het hele jaar heen. Dit in tegenstelling tot de subtropen en tropen, waar het eigenlijk te warm gaat worden om nog van mooi weer te kunnen spreken.

Wat zal de toekomst ons Nederlanders brengen, qua weer? Meer zware buien dus, vermoedelijk meer hagel, maar ook... vaker mooi weer. Kortom, voor elk wat wils.

voorjaarssymposium en algemene ledenvergadering 2017

Gert-Jan Steeneveld

26

Klimaatoverzicht – Uitdagingen bij

een attributiestudie in ontwikkelingslanden

Sjoukje Philip, Sarah Kew, Geert Jan van Oldenborgh

29

From model field to power yield

Arjan Droste, Peter Kalverla

30 Column – Valt er nog wat te lachen?

Gerard van der Schrier

31

NVBM Sponsors en Colofon

Advertenties 2 IMAU – Universiteit Utrecht 11 CaTeC 17

Wageningen Universiteit

23

Wittich en Visser

28 CaTeC – Vacature 32 KNMI

Voorkant Onweersbui boven Utrecht op 17 juni 2016. Foto: Michiel Baatsen.

Meteorologica 2 - 2017

3

Zwaardere plensbuien verwacht Geert Lenderink (KNMI), Jessica Loriaux (KNMI, TUD) Warme lucht kan meer waterdamp bevatten dan koude lucht. De maximaal mogelijke concentratie waterdamp neemt met ongeveer 7% per graad Celsius toe. In een opwarmend klimaat zal de hoeveelheid waterdamp in de atmosfeer evenredig met de temperatuurstijging toenemen. Dat dit kan leiden tot sterkere neerslagextremen ligt voor de hand en dit wordt ook voorspeld door simulaties met klimaatmodellen. Op grond van waarnemingen blijkt zelfs dat de intensiteit van extreme neerslag met zo’n 14% per graad opwarming kan toenemen – opmerkelijk genoeg een twee keer zo sterke toename als de maximaal mogelijke concentratie waterdamp [1].

Trends in neerslagintensiteit Sinds 2000 zijn een groot aantal extreme buien opgetreden.

28 juli 2014 was wellicht de natste dag in Nederland ooit. Op verschillende plaatsen viel meer dan 100 mm neerslag, met grote wateroverlast tot gevolg. Behalve de hoeveelheid neerslag was ook de intensiteit van de neerslag erg hoog; op twee stations werd meer dan 50 mm in een uur gemeten – vanaf 25 mm per uur spreekt het KNMI al van een wolkbreuk. In observaties van uurlijkse neerslag sinds 1951 in Nederland (met ongeveer evenveel waarnemingen van voor 2000 als erna) komt 50 mm/uur of meer maar acht keer voor, twee keer vóór 2000 en zes keer erna. Deze zes vormen tegelijkertijd ook de top zes hoogste waarden met als koploper 79 mm/uur in Herwijnen op 28 juni 2011.

Extreme buien leiden overigens niet altijd tot extreme neerslag. De bui die op 23 juni 2016 voor extreem grote hagelstenen en zeer veel schade zorgde, leidde nauwelijks tot wateroverlast; daarvoor was de treksnelheid van de bui te groot.

Ook worden lang niet alle neerslagextremen vastgelegd op een KNMI-meetstation. Een animatie van uurlijkse neerslag afgeleid uit de regenradar geeft aan dat 40 mm neerslag per uur de laatste tien jaren vaak voorkomt (https://www.youtube. com/watch?v=Ju74FKbc9UA).

Maar wordt extreme neerslag werkelijk intenser door klimaatverandering, of valt het allemaal wel mee? Dat is moei-

14

1.0

0

0.0

-14

waarbij lv de latente warmte is die vrijkomt bij verdamping (~2.5 106 J kg-1), Rv de gasconstante van waterdamp (461.5 J kg-1 K-1), en T de temperatuur in Kelvin. Wanneer we deze waardes gebruiken, en de temperatuur Tc in Celsius uitdrukken, geldt bij benadering:

Hieruit volgt dat es ongeveer exponentieel toeneemt met de temperatuur (zo’n 7% per graad). De maximale concentratie waterdamp qsat (in kg waterdamp per kg lucht) is evenredig met de dampspanning zodat deze ook ongeveer met 7 % per graad toeneemt. Het dauwpunt wordt gedefinieerd door de temperatuur waarbij een pakketje lucht bij afkoeling verzadigd raakt:

-1.0

mei t/m oktober

-28 1920

1940

1960

1980

-2.0

2000

Figuur 1. Het 99ste percentiel van de uurneerslag (in blauw, met de 90% onzekerheidsband in grijs) en het dauwpunt (in rood) gemiddeld over het zomerhalfjaar (mei t/m oktober). Geplot zijn de afwijkingen ten opzichte van het gemiddelde over de hele tijdsperiode. Het 99ste percentiel is berekend voor uren met neerslag en heeft een herhalingstijd van ongeveer eens per maand, dat wil zeggen, de maximale hoeveelheid neerslag die gemiddeld eens per maand valt [5].

4

Kader 1. Atmosferische thermodynamica De Clausius-Clapeyron relatie geeft de relatie tussen de verzadigingsdampspanning van waterdamp (es) en de temperatuur weer volgens:

2.0

∆Td* ∆Prh

Anomalie dauwpunt (oC)

Anomalie neerslagintensiteit (%)

28

lijk vast te stellen, vooral omdat neerslagextremen vaak erg lokaal zijn, maar ook omdat het klimaat van nature variaties op allerlei tijdschalen vertoont, zelfs voor een periode van 30 jaar (die normaal voor een langjarig klimaatgemiddelde wordt gebruikt). Gelukkig bestaat er voor De Bilt een zeer lange reeks waarnemingen van uurlijkse neerslag (vanaf 1906 tot heden). Figuur 1 toont de maximale uurlijkse neerslag die gemiddeld eens per maand voorkomt. Vanaf 1990 is er een duidelijk opgaande trend waar te nemen die overeenkomt met een toename van ongeveer 15% [2].

Figuur 1 laat ook een opvallende overeenkomst zien tussen de variaties in de neerslagintensiteit (in blauw) en de variaties in de dauwpuntstemperatuur op 2 meter hoogte (in rood). Het

Meteorologica 2 - 2017

waarbij qv de actuele (daadwerkelijke) concentratie van waterdamp is. Elke graad toename in dauwpunt betekent volgens deze vergelijking een toename van 7% in waterdamp. De relatieve vochtigheid is de verhouding tussen de hoeveelheid waterdamp en de maximale hoeveelheid waterdamp bij die temperatuur. Bij gelijkblijvende relatieve vochtigheid zal een temperatuurstijging van 1 graad ook een stijging van het dauwpunt met een graad betekenen. Bij klimaatverandering blijft de relatieve vochtigheid ongeveer onveranderd, en neemt de absolute luchtvochtigheid dus ongeveer met 7% per graad toe.

-1

Neerslagintensiteit (mm uur )

99.9% 99% 90%

30

99.9% 99% 90%

30 10

10

CC

CC 3

3 1

2 -2

CC

NL

6 14 22 Dauwpuntstemperatuur (oC)

1

2C -2

C

Hongkong

6 14 22 o Dauwpuntstemperatuur ( C)

Figuur 2. Extremen in de uurneerslag (op logaritmische as) als functie van het dauwpunt op 2 m hoogte. Het dauwpunt is 4 uur voor de bui gemeten.

Voor de neerslagintensiteit worden drie percentielen uit de verdeling gegeven: de 90ste, 99ste, en 99.9ste percentiel (eens per 10, 100 en 1000 uur met neerslag). Voor de 99 en 99.9 percentielen worden ook de resultaten van een statistische fit aan de data weergegeven (gestippeld) met bijbehorende onzekerheidsbanden. Links: op basis van gegevens van ~30 stations in Nederland, rechts op basis van een ~100 jaar lange reeks in Hong Kong.

graad temperatuurstijging. Voor het gemak gebruiken we vanaf nu 7% per graad.

De Clausius-Clapeyron relatie wordt al ruim 25 jaar in verband gebracht met de voorspelde toename van neerslagextremen door klimaatverandering. Het argument gaat als volgt.

Uit klimaatmodellen blijkt dat op wereldschaal de hoeveelheid De Clausius-Clapeyron relatie waterdamp in de atmosfeer mee zal stijgen met de maximale De relatie tussen de maximale hoeveelheid waterdamp in de hoeveelheid waterdamp. Dit kan worden begrepen vanuit de energiebalans van de aarde [3]. Iedere graad opwarming beteatmosfeer en de temperatuur wordt gegeven door de Clausiuskent daarom volgens de Clausius-Clapeyron relatie een 7% Clapeyron relatie (zie Kader 1). Deze relatie is bij benadering toename van de absolute hoeveelheid vocht in de atmosfeer in exponentieel en geeft bij de huidige temperatuur een toename in de maximale hoeveelheid waterdamp van 6 tot 7% per de vorm van waterdamp. Voor continentale gebieden kan de toename van vocht in de zomer iets a wolkentop b achterblijven, maar laterale voor Nederland is vochtflux dat geen groot effect +2 [2]. Een wijdverCC spreide hypothese is dat de toename 54% van extreme neerslag ongeveer even groot zal zijn als de toename van de hoeveelheid waterdamp w wolkenbasis in de atmosfeer.

De overeen∆P ~ 0.46·CC+0.54·2CC q vochtflux wolkenbasis -1 komst tussen de ~ 1.5CC ≈ 10 % °C +CC trend in neerslagin46% tensiteit en de trend P van het dauwpunt Figuur 3. a) Schematisch model van een buienwolk met opgaande bewegingen in blauw, en aangevoerde lucht vanuit de komt echter het best grenslaag (atmosfeer nabij het oppervlak) in groen. b) Conceptueel model van een kolom in de kern van een buienwolk overeen bij een vermet de stijgbewegingen weergegeven door de blauwe pijlen. Vochtfluxen worden weergegeven door groene pijlen (referentieband van 14% per atmosfeer) en rode pijlen (vochtigere atmosfeer). Percentuele bijdrage referentie-atmosfeer aan het totale vochtbudget graad (Figuur 1). van de wolkenkern (groen; 46% vanuit de grenslaag en 54 % lateraal in de wolk) en de verandering per graad dauwpunt Omdat ieder graad (rood) . toename van het dauwpunt is de temperatuur die bij afkoeling van de lucht tot verzadiging leidt, en is daarmee een maat voor de hoeveelheid waterdamp in de atmosfeer (zie Kader 1). Hoge waardes van de neerslagintensiteit gaan dus samen met relatief hoge absolute luchtvochtigheid.

condensatie neerslagformatie

grenslaag

Meteorologica 2 - 2017

5

dauwpunt overeenkomt met 7% meer vocht is dat twee keer zo veel als algemeen aangenomen. De neerslagintensiteit neemt dus veel sneller toe dan de hoeveelheid waterdamp.

Uit de waarnemingen in Nederland over de afgelopen 20 jaar kunnen we ook het verband tussen de neerslagintensiteit en het dauwpunt afleiden. Iedere neerslagwaarneming wordt gekoppeld aan metingen van het dauwpunt in de 4 uur voorafgaand aan de neerslag. Daarna is per interval van 2 graden in dauwpunt de verdeling van de neerslagintensiteit bepaald.

De extremen uit deze verdeling geven ook een toename van de neerslagintensiteit van 12-14% per graad voor typische zomerse waardes van het dauwpunt tussen de 10 en 20 graden (Figuur 2). Dit is een exponentieel verband waarbij elke graad overeenkomt met een toename van 12-14%, en waarbij een verdubbeling bereikt wordt tussen de 5.1 en 6.1 graden opwarming. We gebruiken nu de term 2CC voor dit verband om aan te geven dat de toename twee keer zo sterk is als op grond van de Clausius-Clapeyron relatie verwacht wordt. Voor 10 minuten neerslag wordt een 2CC verband gevonden tussen de 5 en 20 graden dauwpunt [4].

Een 2CC gedrag is kenmerkend voor kortdurende neerslag uit buien in de zomer, maar voor winterse neerslag (gekenmerkt door lage waardes van het dauwpunt in Figuur 2) en voor langere neerslagduren vinden we wel een afhankelijkheid in de buurt van Clausius-Clapeyron relatie. Hoe neerslagtype en neerslagduur een rol kunnen spelen wordt behandeld in Kader 2.

Interessant genoeg vinden we het 2CC verband ook voor een totaal ander klimaat, namelijk voor observaties in Hong Kong [5] (Figuur 2). De data voor Hong Kong laten bovendien zien dat voor een dauwpunt van meer dan 23 graden – waardes die voor Nederland uitzonderlijk zijn maar normaal voor de tropen – er een afvlakking plaatsvindt. De reden hiervan is nog onbekend.

factor twee hield echter nog niemand rekening [1]. Neerslag ontstaat in het algemeen bij stijgende luchtbewegingen in de atmosfeer. Deze kunnen het gevolg zijn van fronten (scheidingslijnen tussen koude en warme luchtmassa’s behorend bij lagedrukgebieden), gebergtes, en van verticale instabiliteit van de atmosfeer. Hier hebben we het voornamelijk over neerslag door verticale instabiliteit, buien die meestal relatief kort maar hevig zijn en die vallen uit de typische stapelwolken (onweerswolken). Dit noemen we convectieve neerslag. In de zomer zorgen convectieve buien voor de heftigste neerslag in Nederland.

Wanneer lucht aan het aardoppervlak door de zon opwarmt kunnen luchtpakketjes – een luchtpakketje is een hoeveelheid lucht die niet of nauwelijks uitwisselt de omgevingslucht – warmer en daardoor lichter worden dan hun omgeving. Deze pakketjes stijgen op en koelen af (omdat ze uitzetten door de afname van de luchtdruk). Vanaf een bepaalde hoogte kan dit leiden tot het condenseren van waterdamp: dit markeert de wolkenbasis. In de wolk vindt verdere condensatie plaats, vormen zich wolkendruppels, en uiteindelijk neerslag. Bij condensatie komt latente warmte vrij hetgeen voor een extra versnelling van de stijgende beweging kan zorgen. Bovenin de wolk is het zo koud dat de lucht nog nauwelijks waterdamp kan bevatten. Daarom zal een groot gedeelte van het vocht dat aan de wolkenbasis de wolk binnenkomt uiteindelijk worden omgezet in neerslag.

Stel dat w de typische opgaande snelheid aan de wolkenbasis is, en dat de absolute luchtvochtigheid q bedraagt (Figuur 3a). Wanneer de vochtflux aan de wolkenbasis dominant is, dan zal gelden dat de neerslagintensiteit P evenredig is met de vochtflux aan de wolkenbasis, ofwel P ~ wq. Hierbij komt latente warmte vrij, die ervoor zorgt dat de opgaande beweging w in de wolk toeneemt. Als we aannemen dat de kinetische energie van de opgaande beweging (~½w2) evenredig toeneemt met de latente warmte die bij condensatie vrijkomt, en dat deze laatste in evenwicht is met de neerslag, dan geldt w2 ~ P. Uit deze twee vergelijkingen volgt op eenvoudige wijze dat P ~ q2, ofwel de neerslagintensiteit neemt kwadratisch toe met de absolute luchtvochtigheid. Door de logaritme

Wolkenprocessen en terugkoppelingen In de literatuur is al eerder gespeculeerd over de afhankelijkheid van neerslagintensiteit groter dan de CC relatie op grond van terugkoppelingen door de wolkendynamica [6]. Met een Kader 2. Een conceptueel schema van veranderingen in neerslagextremen Twee aspecten spelen hier een rol: de hoeveelheid vocht die effectief beschikbaar is (aangegeven met de blauwe ovaal) en de sterkte van de dynamica (luchtbewegingen, aangegeven met de rode pijlen) die voor neerslag zorgt. In een warmer klimaat zal de effectief beschikbare hoeveelheid vocht toenemen met de CC relatie als het gebied waaraan de bui zijn Warmer klimaat b

6

Meteorologica 2 - 2017

tijd

tijd

C

sterkere wolken dynamica

CC C

accumulatie

CC

accumulatie

accumulatie

tijd

CC

accumulatie

gelijk gebied 7 % / °C meer vocht

gelijk gebied 7 % / °C meer vocht

>C

onveranderde wolken dynamica

CC

sterkere wolken dynamica

a

>C

Huidig klimaat

vocht kan onttrekken gelijk blijft. In situatie a) verandert de dynamica van een bui niet wezenlijk onder warmere condities. Dit kan zich voordoen bij grootschalige neerslag behorend bij fronten die kenmerkend zijn voor neerslag in de winter. In dit geval zal zowel de neerslag-intensiteit als de totale neerslag in overeenstemming met de CC relatie toenemen. Wanneer de dynamica sterker wordt zal de intensiteit van neerslag meer dan met de CC relatie toenemen (situatie b). Als de beschikbare hoeveelheid vocht toeneemt met CC betekent dit dat de c levensduur van de bui moet afnemen (of dat de bui kleinschaliger wordt). Omdat een sterkere dynamica kan zorgen voor een grotere organisatiegraad van de bui is het ook mogelijk dat de bui meer (> CC) vocht kan aantrekken uit haar omgeving. groter gebied 7 % / °C meer vocht Zowel de totale hoeveelheid neerslag als de intensiteit kunnen dan sterker toe>CC nemen vergeleken met de CC relatie (situatie c). Dit is de situatie waarbij klimaatverandering de grootste impact zal hebben. Recente resultaten lijken erop te tijd wijzen dat situatie c dominant is.

te nemen, en te gebruiken dat de logaritme van q evenredig is aan het dauwpunt, krijgen we het 2CC verband zoals weergegeven in Figuur 2.

Deze verklaring is ontegenzeggelijk een versimpeling van de werkelijkheid. Deze relatie laat echter zien hoe een toename van de hoeveelheid vocht (volgens de CC-relatie) door terugkoppeling met de dynamica van een bui aanleiding kan geven tot een toename van de neerslagintensiteit die twee keer zo groot is als de toename van de luchtvochtigheid. De werkelijkheid is echter complexer, en de bovengenoemde aannames zijn weliswaar niet onredelijk, maar ook vrij lastig te verifiëren.

Een model voor de actiefste kern van een bui In het algemeen bestaat een bui uit één of meerdere actieve kernen waarin de sterkste stijgbewegingen voorkomen en waar dus ook de meeste neerslag wordt geproduceerd. Voor zo’n actieve kern bestaan eenvoudige modellen met vergelijkingen gebaseerd op behoud van massa, en de budgetten van warmte, vocht en verticale impuls in een verticale kolom (Figuur 3b). In deze budgetten komen bron- en puttermen voor die beschrijven hoe de kolom door haar omgeving wordt beïnvloed. Is de lucht in de kolom op een bepaalde hoogte lichter dan haar omgeving dan vindt er bijvoorbeeld versnelling van de opgaande beweging plaats. Ook is er horizontale menging met de omgeving. In het model worden gemeten atmosferische profielen voor luchtvochtigheid en temperatuur uit weerballonnen gebruikt voor de omgevingscondities.

De neerslagintensiteit in dit model wordt uiteindelijk bepaald door het vochtbudget van de kolom waarbij er een balans is tussen de invoer van vocht en de neerslag. Bij de wolkenbasis komt vochtige lucht vanuit de grenslaag (de atmosfeer nabij het oppervlak) in de wolk. De stijgbewegingen in het onderste gedeelte van de wolk nemen toe met de hoogte omdat de lucht daar warmer is en dus lichter dan de omgeving. Vanwege massabehoud induceert dit een horizontale convergentie van lucht. De versnelling van de lucht in de kolom zuigt als het ware vochtige luchtmassa’s vanuit de wolk en haar omgeving aan. Nabij de wolkentop wordt de lucht afgeremd en vindt er horizontale divergentie plaats. Dit kan men goed waarnemen voor typische buienwolken waarbij de wolken op grote hoogte breed uitwaaieren.

We vinden in dit model een verband dat ongeveer anderhalf keer zo groot is als de CC relatie [4]. De bijdrage van de vochtflux aan de wolkenbasis schaalt ongeveer met de CC relatie, terwijl de laterale flux zich gedraagt als 2CC. De verticale snelheid in de wolk neemt inderdaad toe voor een vochtigere atmosfeer en dit zuigt lateraal meer vochtige lucht aan. In het model treedt dit dynamische effect echter niet aan de wolkenbasis op omdat de verticale snelheid daar nog niet beïnvloed wordt door de latente warmte die vrijkomt in de wolk.

Hoge-resolutie modellen van buienwolken De turbulente bewegingen in en rond buienwolken zijn in werkelijkheid veel complexer dan in de hierboven beschreven eenvoudige conceptuele modellen. Daarom gebruiken we ook simulaties van buien met een model op een zeer fijn rekenrooster, van 100 tot 200 meter. Dit model is gebaseerd op de vergelijkingen voor de turbulente bewegingen in de atmosfeer die in essentie worden gegeven door de Navier-Stokes vergelijkingen. Deze computersimulaties zijn zeer rekenintensief, en we kunnen daarom slechts enkele dagen op een domein van een aantal honderd kilometer simuleren. Met dit model kunnen we echter wel zeer realistisch buien simuleren. Figuur 4 laat een voorbeeld zien van een simulatie van een bui.

Figuur 4. Simulatie op 100 m resolutie van een bui boven Rotterdam (kijkend vanaf zee) voor 28 juni 2009 (met dank aan Jerome Schalkwijk [7]).

Uit ons onderzoek blijkt echter niet alleen het belang van de zeer kleinschalige turbulente bewegingen, die we in de computer kunnen simuleren, maar ook dat van atmosferische processen op schalen die veel groter zijn dan de bui. Zware buien treden vaak op wanneer een hogedrukgebied zich naar het oosten terugtrekt terwijl vanuit het westen een koufront nadert. Bij deze situatie wordt vanuit het zuiden warme en vochtige lucht aan de grond aangevoerd terwijl op de nadering van het koufront de bovenlucht afkoelt – deze combinatie van instabiliteit en vochtigheid is ideaal voor het ontstaan van heftige neerslag. Deze grootschalige processen vallen nog niet binnen het bereik van zulke zeer hoge resolutie computersimulaties, maar worden wel goed in klimaatmodellen gesimuleerd. Klimaatmodellen hebben echter weer een sterk vereenvoudigde representatie van de buienprocessen.

Deze grote verscheidenheid aan ruimtelijke schalen en processen zorgt ervoor dat het nog onzeker is hoe neerslagextremen zich in de toekomst zullen ontwikkelen. Dat buien intenser zullen worden is op grond van de voorspelde toename van luchtvochtigheid van de atmosfeer en de waargenomen relaties tussen de neerslagintensiteit en luchtvochtigheid zeer waarschijnlijk, net als de voorspelde toename van luchtvochtigheid van de atmosfeer. Door systematisch de waargenomen verbanden te vergelijken met de uitkomsten van een hiërarchie van atmosferische modellen zullen uiteindelijk betere inschattingen van toekomstige veranderingen mogelijk zijn.

Dankwoord Dit artikel is vrijwel integraal overgenomen uit het Nederlands Tijdschrift voor Natuurkunde, met instemming van de redactie, waarvoor dank.

Literatuur

[1] Lenderink, G., & van Meijgaard, E. (2008). Increase in hourly precipitation extremes beyond expectations from temperature changes. Nature Geoscience, 1(8), 511–514. http://doi.org/10.1038/ngeo262 [2] Lenderink, G. & Attema, J. A simple scaling approach to produce climate scenarios of local precipitation extremes for the Netherlands. Environ. Res. Lett. 10, 85001 (2015). 10.1088/1748-9326/10/8/085001 [3] Schneider, T., O’Gorman, P. a., & Levine, X. (2010). Water vapor and the dynamics of climate changes. Reviews of Geophysics, (48), 1–22. http://doi. org/10.1029/2009RG000302 [4] Loriaux, J. M., Lenderink, G., De Roode, S. R., & Siebesma, a. P. (2013). Understanding Convective Extreme Precipitation Scaling Using Observations and an Entraining Plume Model. Journal of the Atmospheric Sciences, 70(11), 3641–3655. http://doi. org/10.1175/JAS-D-12-0317.1 [5] Lenderink, G., Mok, H. Y., Lee, T. C., & van Oldenborgh, G. J. (2011). Scaling and trends of hourly precipitation extremes in two different climate zones – Hong Kong and the Netherlands. Hydrology and Earth System Sciences, 15(9), 3033–3041. http:// doi.org/10.5194/hess-15-3033-2011 [6] Trenberth, K. E., Dai, A., Rasmussen, R. M., & Parsons, D. B. (2003). The Changing Character of Precipitation. Bulletin of the American Meteorological Society, 84(9), 1205–1217. http://doi.org/10.1175/BAMS-84-9-1205 [7] Schalkwijk, J., Jonker, H. J. J., Siebesma, A. P., & Van Meijgaard, E. (2015). Weather Forecasting Using GPU-Based Large-Eddy Simulations. Bulletin of the American Meteorological Society, 96(5), 715–723. http://doi.org/10.1175/BAMS-D-14-00114.1

Meteorologica 2 - 2017

7

Database) verzamelt gegevens van weeramateurs die toevallig in de buurt zijn van extreem weer.

Denk hierbij aan extreme regenval, harde wind, tornado’s/windhozen, extreme sneeuwval, maar ook grote hagel. Hoewel deze database groeiende is, blijft het grootste deel van de hagelbuien Casper Kalkhoven (KNMI, Uonopgemerkt. niversiteit Utrecht) Om onderzoek te doen naar grote (> 2 23 Juni 2016 was voor veel meteorologen een dag om niet cm) snel te vergeten. supercell het zuidoosten hagel is hetEen uiteraard vanin belang dat alle van Noord-Brabant veroorzaakte enorme overlast en schade.

Grote hagel verwoestte hierbij daken (grote) hagel wordt vastgelegd.

Bij kassen, de Universiteit en autoruiten. Volgens het Verbond van Verzekeraars bedroeg de schade door deze bui meer dan 500 van Oklahoma is door Witt et al. (1998)miljoen een euro; veruit de hoogste schadelast door extreem weer in de laatste 15 jaar. Hieruit is duidelijk geworden dat hageldetectie algoritme (HDA) ontwikkeld dat daar er veel behoefte aan hageldetectie is, maar aan een klimatologie en een verwachtingsmethodiek voor Zomerhageldetectie met behulp vanook radar tot op de dag van vandaag in de operationele grote hagel. meteorologie wordt gebruikt. Het algoritme gebruikt Casper Kalkhoven (KNMI, Universiteit Utrecht)‘single polarization’ radardata in combinatie met het van de atmosfeer.

Hageldetectie totverticale op de dagtemperatuurprofiel van vandaag in de operationele meteorologie 23 Juni 2016 was voor veel meteorologen een dag om niet snel te vergeten.

Een ‘single supercell invan het Het KNMI heeft ongeveer 350 regenmeters verspreid over het wordt gebruikt.

Het algoritme gebruikt polarization’ Vroeger werd vooral gebruik gemaakt Zomerhageldetectie met behulp van radar zuidoosten van Noord-Brabant veroorzaakte enorme overlast en schade.

Grote hagel verwoestte land. Deze geven, gecombineerd met de radar, een goed beeld radardata in combinatie het verticale temperatuurprofiel radiosondes om dit met temperatuurprofiel te bepalen, van de hierbij neerslag.

Helaas kunnen dezeautoruiten. geen hagel Volgens detecteren.het Verbond van de op atmosfeer.

Vroeger werd vooraldegebruik kassen, daken en van bedroeg schadegemaakt door maar dit Verzekeraars moment worden hiervoor weermodellen Daarnaast is, door het lokale karakter van de gemiddelde van radiosondes om dit temperatuurprofiel te bepalen, maar Casper Kalkhoven (KNMI, Universiteit Utrecht) gebruikt.

De radardoor heeft de mogelijkheid de deze bui meer dan 500 miljoen euro; veruit de hoogste schadelast extreem weer in deomlaatste hagelbui, de kans gering dat een hagelbui daadwerkelijk over op dit moment worden hiervoor weermodellen gebruikt. De atmosfeer aan te scannen in 14is,verschillende hoeken 15 jaar.trekt.

Hieruit is duidelijk geworden dat er veel radar behoefte hageldetectie maar ook aan eenin een meetstation heeft de snel mogelijkheid om de Een atmosfeer te scannen 23 Juni 2016 was voor veel meteorologen een dag om niet te vergeten. supercell in het ten opzichte van het aardoppervlak.

Hierdoor kan klimatologie en Severe een verwachtingsmethodiek voor grote hagel.

Het ESWD (European Weather Database) verzamelt 14 verschillende hoeken ten opzichte van het aardoppervlak. zuidoosten van Noord-Brabant veroorzaakte enorme overlast en schade.

Grote hagel verwoestte een verticaal profiel profiel van de worden gegevens van weeramateurs die toevallig in de buurt zijn van Hierdoor kan een verticaal vanreflectiviteit de reflectiviteit worden gemaakt.

De volgende formule laat zien dat de hierbij kassen, daken en autoruiten.

Volgens het Verbond van Verzekeraars bedroeg de schade door extreemHageldetectie weer. Denk hierbij aan extreme regenval, harde wind, gemaakt. formule laateen zien reflectiviteit dat de reflectiviteit groter De zijnvolgende dan 0.5 cm zal boven reflectiviteit (in dBZ) een relatie heeft met het (in dBZ) eendBZ relatie heeft het met aantal deeltjes per laatste volume tornado’s/windhozen, extreme sneeuwval, maar grotede hoogste deze KNMI bui meer dan ongeveer 500 miljoen350 euro;ook veruit schadelast doormet extreem weer in groter de de 50 overeenkomen deeltjes dan Het heeft regenmeters hagel. Hoewel database groeiende is, blijft het grootste ) met diameter : volume diameter Di:anders aantal deeltjes per (ni)is,met 15 jaar.deze Hieruit duidelijk dat er veel (nbehoefte aan D hageldetectie maar ook aan een het aantal deeltjes per volume verspreid over hetisland.

Deze geworden geven, gecombineerd i 1 cm, omdat i deel vanmet de hagelbuien onrealistische waarde heeft. Tussen 40 dBZ en de radar, een beeld van de neerslag. klimatologie enonopgemerkt. een goed verwachtingsmethodiek voor groteeen hagel.

Om onderzoek te doen naar grote (> 2 cm) hagel is het 50 dBZ zal er sprake zijn van een mix van hagel Helaas kunnen deze geen hagel detecteren. uiteraard van belang dat alle (grote) hagel wordt vastgelegd. en regen.

40 zal dBZeen zal reflectiviteit het voornamelijk Daarnaast is, Oklahoma door het islokale karakter van de groter zijn Onder dan 0.5decm boven Hageldetectie Bij de Universiteit van door Witt et al. (1998) Waarbij de index ‘i’ aangeeft hoeveel verschillende regen zijn.

Het algoritme gebruikt een gemiddelde hagelbui, de kans gering dat een de 50 dBZ overeenkomen met deeltjes groter dan Het KNMI heeft ongeveer 350 regenmeters een hageldetectie algoritme (HDA) ontwikkeld dat daar Waarbij de index ‘i’ aangeeft hoeveelzijn. verschillende groottes groottes per volume aanwezig Volgens deze wegingsfunctie om hiervoor te corrigeren.

Vervolgens hagelbui over eengeven, meetstation trekt.

1 cm, omdat het aantal deeltjes per volume anders verspreid daadwerkelijk over het land.

Deze gecombineerd per volume aanwezig zijn. Volgens deze vergelijking heeft de vergelijking heeft de diameter een veel voor grotere wordt een relatie gebruikt (European Severe Weather diameter een veelempirische grotere invloed op deTussen reflectiviteit danhet het een onrealistische waarde heeft.

40 dBZ en met de Het radar,ESWD een goed beeld van de neerslag. invloed op de reflectiviteit dan het aantal deeltjes per er volume. niet verband tussen de Aangezien kinetische energie hagel Database) verzamelt 50deeltjes dBZ zal sprake zijn vanregendruppels een mix van vanvaak Helaas kunnen dezegegevens geen van hagelweeramateurs detecteren. aantal per zijn volume.

Aangezien regendruppels niet 0.5 cm zal boven de 50 dBZ die toevalligis,in door de buurt zijn van extreemvanweer. endande reflectiviteit (Waldvogel et vaak al., 1978). en regen.

Onder deeen 40reflectiviteit dBZ zal het voornamelijk Daarnaast het lokale karakter de groter overeenkomen met deeltjes groter dan 1 cm, omdat het aantal Denk hierbij aan extreme regenval, harde wind, Deze energie wordt geïntegreerd vanaf de regen zijn.

Het algoritme gebruikt eengemiddelde hagelbui, de kans gering dat een deeltjes per volume anders een van onrealistische heeft. tornado’s/windhozen, sneeuwval, maar de hiervoor hoogte de bui, ofwaarde wolkentop grens ( ) tot om wegingsfunctie te corrigeren.

Vervolgens hagelbui daadwerkelijkextreme over een meetstation trekt.ook Tussen 40 dBZ en 50 dBZ zal er sprake zijn van een mix van grote hagel. database groeiende is, om te komen totrelatie een uitdrukking voor het de (wordt ), een empirische gebruikt voor Het Hoewel ESWD deze (European Severe Weather hagel en regen. Onder de 40 dBZ zal het voornamelijk regen blijft het grootste deel van de hagelbuien verband tussen de kinetische energie vanomhagel Database) verzamelt gegevens van weeramateurs zijn.Severe Hail Indexgebruikt (SHI): Het algoritme een wegingsfunctie hieronopgemerkt. die toevallig in de buurt zijn van extreem weer. voor te corrigeren. en de reflectiviteit (Waldvogel et al., 1978).

Vervolgens wordt een empirische relatie naar harde grote (> 2 gebruikt Om onderzoek te doen Denk hierbij aan extreme regenval, wind, Dezevoor energie wordt tussen geïntegreerd vanaf energie de van het verband de kinetische cm) hagel is het uiteraard van belang dat alle (Ė) en reflectiviteit (Waldvogel et al.,of1978).

Deze tornado’s/windhozen, extreme sneeuwval, maar ook hagel de hoogte van de bui, wolkentop grens ( de) tot de 0ºC-grens ) tot de de (grote) hagel Hoewel wordt vastgelegd.

Bij degroeiende Universiteit grote hagel. deze database is, energie ), omgeïntegreerd te komen vanaf tot een uitdrukking(Hvoor ( wordt 0 van de bui, of wolkentop (H ), om te komen tot een van is door et al. een hoogte blijft Oklahoma het grootste deelWittvan de (1998) hagelbuien top Severe Hail Index (SHI): voor de Severe Hail Index (SHI): hageldetectie onopgemerkt. algoritme (HDA) ontwikkeld dat daar uitdrukking Deze index bevat een tweede wegingsfunctie ( ) tot op Om de dag van vandaag de grote operationele (> 2 onderzoek te doeninnaar die gebaseerd is op de temperatuur. In het meteorologie gebruikt cm) hagel iswordt het gebruikt. uiteraard Het van algoritme belang dat alle onderzoek wordt aangenomen dat de ‘single in combinatie met het (grote) polarization’ hagel wordtradardata vastgelegd.

Bij de Universiteit omstandigheden voor het produceren van grote verticale temperatuurprofiel de (1998) atmosfeer. van Oklahoma is door Wittvan et al. een ideaal hagel bij temperaturen onder de Vroeger werdalgoritme vooral (HDA) gebruik gemaakt van Deze index bevat een tweede wegingsfunctie (W ) die gebahageldetectie ontwikkeld dat daar zijn.

Daarom zal onder deze omstandigheden T Deze index bevat een tweede wegingsfunctie ( ) radiosondes om dit bepalen, seerd is op de temperatuur. In het onderzoek wordt aangenotot op de dag van temperatuurprofiel vandaag in de te operationele de 1 hebben.

Wanneer de temperatuur die waarde gebaseerd is op de temperatuur.

In het dat de omstandigheden voor het produceren van grote maar op dit moment worden Het hiervoor weermodellen meteorologie wordt gebruikt. algoritme gebruikt menhoger is kan wordt er nog steeds hagel geproduceerd onderzoek aangenomen dat de gebruikt.

De radar radardata heeft deinmogelijkheid om het de hagel bij temperaturen onder de -20 �C ideaal zijn. Daarom zal ‘single polarization’ combinatie met worden maar dit zal dan minder efficiënt gaan. omstandigheden voor het produceren van grote atmosfeer te scannen in 14 van verschillende hoeken onder deze omstandigheden WT de waarde 1 hebben. Wanverticale temperatuurprofiel de atmosfeer. eenis kan waarde de 0geproduen 1 Daarom ideaal hagel bijzaltemperaturen onder de de temperatuur hoger er nogtussen steeds hagel ten opzichte van vooral het aardoppervlak.

Hierdoor kan Vroeger werd gebruik gemaakt van neerhebben, afhankelijk van de temperatuur.

Boven de zijn.

Daarom zal onder deze omstandigheden een verticaalomprofiel van de reflectiviteit worden ceerd worden maar dit zal dan minder efficiënt gaan. Daarom radiosondes dit temperatuurprofiel te bepalen, -grens geldt . zal W waarde1tussen de 0 en Wanneer 1 hebben, afhankelijk van de det een waarde hebben. de temperatuur gemaakt.

De moment volgendeworden formule laat zien dat de temperatuur. maar op dit hiervoor weermodellen Boven de geldt hagel WT =blijkt 0.geproduceerd er een hoger isUit kanditzelfde er 0ºC-grens nog onderzoek steeds reflectiviteit dBZ)heeft een derelatie heeft met gebruikt. De(inradar mogelijkheid om het de Uit ditzelfde onderzoek blijkt een empirische empirische relatie tussen de SHIrelatie en dete worden maar dit tezalbestaan daner minder efficiënt gaan. ) met diameter D : aantal deeltjes per volume (n atmosfeer te scannen in 14 verschillende hoeken i i Figuur 1. Het hageldetectie-algoritme van Witt et al. (1998) toegepast op bestaan tussen de SHI en de MEHS (“Maximum Expected MEHS (“Maximum Expected Hail Size”): een waarde tussen de 0 en 1 Daarom zal ten 18:35 opzichte vantransparante het aardoppervlak.

Hierdoor 23 juni 2016 UTC. De kleuren geven een indicatie kan Hail Size”): hebben, afhankelijk van de temperatuur. Boven de van de reflectiviteit.

De fellereprofiel kleuren zijn berekende hagelgroottes een verticaal vande de reflectiviteit worden -grens geldt . op basis gemaakt. van het algoritme.

De volgende formule laat zien dat de Uit ditzelfde onderzoek blijkt er een Waarbij de index ‘i’ aangeeft hoeveel verschillende reflectiviteit (in dBZ) een relatie heeft met het Met dit algoritme het mogelijk voorenelke empirische relatie teisbestaan tussen om de SHI de 8 Meteorologica - 2017 aanwezig zijn. Volgens deze groottes per 2volume aantal deeltjes per volume (ni) met diameter Di: radarscan (per 5 minuten 1x1Size”): km) de maximale MEHS (“Maximum ExpectedenHail

Zomerhageldetectie met behulp van radar

verban e Deze grens ) ( Severe

Deze die g onderz omstan hagel zijn. D de wa hoger worden Daarom hebben -gr

empiris MEHS

Met d radarsc hagelg zien o

Figuur 2. Het aantal dagen per 1x1 km waarin hagel groter is dan 2 cm, berekend met het HDA tussen 2008 en 2016.

Figuur 3. De maximale hagelgrootte berekend met het HDA tussen 2008 en 2016.

Met dit algoritme is het mogelijk om voor elke radarscan (per 5 minuten en 1x1 km) de maximale hagelgrootte te bepalen.

Figuur 1 laat de MEHS zien op 23 juni 2016 bepaald volgens bovenstaand algoritme. De definitie van de MEHS is zo gekozen dat de kans op waargenomen hagelgrootte kleiner dan de MEHS 75% is en dus is kans dat de waargenomen hagelgrootte groter is dan de MEHS 25%.

Er zijn naast bovenstaande methode meer HDA’s ontwikkeld. Waldvogel et al. (1979) gebruiken bijvoorbeeld het verschil tussen de 45 dBZ-hoogte en de 0ºC-grens als indicatie voor de kans op grote hagel. Aangezien de methode van Witt et al. (1998) de enige is die een indicatie geeft van de hagelgrootte, is besloten om deze methode te gebruiken voor een hagelklimatologie. Uiteraard is het verifiëren van deze berekende hagelgroottes een grote uitdaging door de geringe hoeveelheid observaties. Witt et al. (1998) stelt dan ook dat correlaties tussen de SHI en de hagelgrootte niet altijd even goed zijn, maar dat het wel een relatieve indicatie geeft van de hagelgrootte.

het algemeen wat groter dan in de rest van het land. Figuur 4 toont de gemiddelde maandelijks frequentie van hagel. Bijna alle (85%) grote hagel valt in juni, juli of augustus. Opvallend is dat het aantal dagen met hele grote hagel (>3 cm en >4 cm) het hoogst is in juni.

Hagelklimatologie Vanaf 2008 archiveert het KNMI de volumescans van de radar.

Daarom is het mogelijk een klimatologie te maken voor de periode 2008 – 2016. Doordat het algoritme nogal rekenintensief is, is ervoor gekozen om alleen dagen wanneer de CAPE (“Convective Available Potential Energy”) boven de 1500 J/ kg en de CIN (“Convective Inhibition”) boven de -100 J/kg komt mee te nemen in de klimatologie. Hiermee wordt dus aangenomen dat er geen grote hagel voorkomt wanneer niet aan deze voorwaarden wordt voldaan. In deze negen jaar zien we vooral (Figuur 2) dat volgens het HDA in het (zuid)oosten van het land de meeste grote hagel is voorgekomen (tot maximaal vier keer in negen jaar op sommige locaties). Langs de westkust en in het Waddengebied is dit aantal aanzienlijk minder (tot maximaal twee dagen per negen jaar). Ook lijkt de maximale hagelgrootte (Figuur 3) in het zuidoosten over

Verwachten van hagel Om een verwachtingsmethodiek te maken voor grote hagel moet eerst onderzocht worden welke meteorologische variabelen samenhangen met grote hagel. Door middel van het HDA, dat ons ‘observaties’ verschaft, is het mogelijk het weer op de dagen die grote hagel produceerden te analyseren. Het is vanzelfsprekend dat er flinke verticale snelheden moeten optreden om de hagelstenen in de lucht te houden. Daarnaast moet de windschering voldoende zijn om organisatie te creëren.

Johnson en Sugden (2014) vergelijken (onder andere) de

Figuur 4. De procentuele distributie van hagelgrootte per maand. Bijvoorbeeld, 70% van alle hagel groter dan 4 cm kwam voor in juni.

Meteorologica 2 - 2017

9

Figuur 5. De waarde van MUCAPE uitgezet tegen de maximale hagelgrootte in een tijdvak van ±2 uur rond elke HiRLAM run (ingedeeld in klassen). De rode lijn is de mediaan, de uiteinden van de boxplots zijn het eerste en derde kwartiel en de whiskers geven het 5e en 95e percentiel aan. Tevens is de grootte van elke klasse zichtbaar onder de x-as.

meest onstabiele CAPE (MUCAPE) en de windschering tussen 0 en 6 km in de Verenigde Staten. Om dit te reconstrueren voor Nederland is het weermodel HiRLAM gebruikt om deze variabelen te bepalen. Voor elke HiRLAM run (iedere 3 uur) worden de variabelen vergeleken met de uitkomsten van het HDA. We zien een gemiddelde toename van de MUCAPE wanneer de maximale hagelgrootte toeneemt (Figuur 5).

Recent onderzoek door Taszarek et al. (2017) laat zien dat de kans op grote hagel in Europa toeneemt met hogere CAPE-waardes. Dit onderzoek laat bovendien zien dat voor hagelgroottes boven de 4 cm de CAPE-waardes niet meer toenemen. Hagelstenen groter dan 4 cm zullen afhankelijk zijn van de windschering, aangezien bij weinig windschering de bui zichzelf snel uitdooft. Daardoor bestaat de bui te kort om hagelstenen groter dan 4 cm te vormen. Voor grotere hagelstenen zijn dus condities met hoge CAPE-waardes en veel windschering nodig.

In veel literatuur wordt gebruik gemaakt van de Energy Shear Index (ESI), gedefinieerd als het product van MUCAPE en windschering tussen 0 en 6 km. Figuur 6 laat zien dat de ESI gemiddeld hoger is bij hagelgroottes vanaf 4 cm, vergeleken met kleinere hagelstenen. Dit is in lijn met onderzoek van Taszarek et al. (2017). Helaas komen de extreem grote hagel situaties in Nederland zo weinig voor, dat het lastig is om hieraan voor de Nederlandse situatie conclusies te verbinden.

Op basis van de bovenstaande methodes is het mogelijk om een verwachtingsmethodiek te maken. Er is echter nog meer onderzoek nodig naar situaties met extreem grote hagel om een betrouwbare methodiek te creëren.

Hagel en klimaatverandering Volgens de KNMI’14 klimaatscenario’s zullen regenbuien in de zomer intensiever worden onder invloed van een veranderend klimaat. Hoe zit dat met de hagel? Zoals eerder gezegd lijken vooralsnog de CAPE en windschering belangrijke factoren voor het ontstaan van grote hagel. Volgens de ClausiusClapeyronvergelijking neemt het totale vochtgehalte in de atmosfeer toe met de temperatuur. Dit zorgt op zijn beurt voor hogere gemiddelde CAPE-waardes. Hogere CAPE-waardes zullen in ieder geval zorgen voor meer situaties waarin hevige onweersbuien kunnen ontstaan. Daarnaast is de kans aanwezig, volgens de resultaten die ik eerder liet zien, dat hagelbuien die in het huidige klimaat hagel tussen 2 en 4 cm produceren in de toekomst heviger worden en dus grotere hagel zullen produceren.

Zoals eerder gezegd is het gezamenlijk optreden van hoge CAPE-waardes en windschering belangrijk voor het vormen van hagel groter dan 4 cm. Windschering wordt voor een belangrijk deel veroorzaakt door de polaire straalstroom.

Deze straalstroom wordt bepaald door het temperatuurverschil tussen de polen en de lagere breedtegraden. Volgens de thermische windbalans neemt de verticale windschering af als het temperatuurverschil tussen de polen en lagere breedtegraden afneemt. Ongeveer twee derde van de modellen die gebruikt zijn voor het IPCC 4th assessment report laten zien dat dit inderdaad zal gaan gebeuren. Daarom verwachten we een zwakkere straalstroom en dus een afnemende verticale windschering. Een lagere gemiddelde verticale windschering zal zorgen voor minder situaties waar hagel groter dan 4 cm geproduceerd wordt. Hoewel dit effect veel sterker is in de Verenigde Staten, is het niet uit te sluiten dat dit ook in Nederland te merken zal zijn.

Mogelijkheden voor de toekomst Al met al lijkt het HDA een bruikbaar instrument om een indicatie te verkrijgen van de hagelgrootte. Daarnaast blijkt het goed mogelijk een klimatologie te maken op basis van een HDA. Deze klimatologie zal binnenkort publiek beschikbaar zijn.

Tegenwoordig beschikt het KNMI over ‘dual polarization’ radars. Deze nieuwe radars kunnen onderscheid maken tussen hagel en regen. Het lijkt mij nuttig om het HDA te combineren met deze radar zodat het HDA betrouwbaarder wordt. Verder lijkt het een optie om de gevonden hagelgroottes te vergelijken met MUCAPE en windschering bepaald met een hoog resolutie model zoals HARMONIE. Wanneer nader onderzoek inderdaad uitwijst dat hagelgrootte vooral bepaald wordt door CAPE en windschering zal een verwachtingsmethodiek gemaakt kunnen worden op basis van deze variabelen.

Literatuur

De KNMI ’14 Klimaatscenario’s.

Johnson, A. & Sugden, K. Evaluation of Sounding-Derived Thermodynamic and WindRelated Parameters Associated with Large Hail Events. E-Journal Sev. Storms Meteorol. 9, 1–42 (2014).

Taszarek, M., Brooks, H. E. & Czernecki, B. Sounding-Derived Parameters Associated with Convective Hazards in Europe. Mon. Weather Rev. 145, 1511–1528 (2017).

Waldvogel, A., Schmid, W. & Federer, B. The kinetic energy of hailfalls. Part I: Hailstone spectra. Journal of Applied Meteorology 17, 515–520 (1978).

Waldvogel, A., Federer, B. & Grimm, P. Criteria for the Detection of Hail Cells. Journal of Applied Meteorology 18, 1521–1525 (1979).

Figuur 6. Als in Figuur 5, maar voor de Energy Shear Index (ESI).

10

Meteorologica 2 - 2017

Witt, A. et al. An Enhanced Hail Detection Algorithm for the WSR-88D. Weather Forecast. 13, 286–303 (1998).

MEETINSTRUMENTATIE Apogee Instruments - Net Radiometer SN-500 De compacte lichtgewicht Radiometer 2 voor meting van de netto straling in W/m • vier componenten; op en neerwaarts kijkende pyranometer en pyrgeometer • individuele radiometer verwarming • A/D conversie en SDI-12 uitgang

LI-COR Enviromental - CO2 / H2O Gas Analyzers LI-7200RS & LI-7500RS Hoge precisie gas analyzers voor in het veld.

• metingen van CO2 flux en water verdamping • open en gesloten pad uitvoering • laag in stroomverbruik en onderhoud

Turfschipper 114 | 2292 JB Wateringen | Tel. 0174 272330 | info@catec.nl | www.catec.nl Meteorologica 2 - 2017

11

Geostrofische druk Huug van den Dool Enkele jaren geleden bespraken twee artikelen in Meteorologica de windsnelheid gedurende een storm die op 28 oktober 2013 flink huishield in Noordwest Europa. Het is verre van simpel om de wind uit het drukveld uit te rekenen zodanig dat deze in perfecte overeenstemming is de met waargenomen waarden. Dat heeft allerlei redenen: 1. wrijving, 2. kromming van trajectoriën, 3. niet-stationair (systemen bewegen en of veranderen van vorm en intensiteit), 4. middelingstijd van waarnemingen in een turbulente omgeving, 5. veronderstelde middelingstijd van modelvariabelen, 6. veronderstelde of herleide hoogte waarop windsnelheid van toepassing is, 7. (boven zee) de mate van evenwicht tussen de wind (fetch) en het golfveld. Een van de reviewers gooide er de volgende hartenkreet uit: “Zelfs de geostrofische wind is niet hetzelfde in de diverse berekeningen.” Dit is inderdaad merkwaardig. Dat we moeite hebben met de totale wind, nou ja vooruit, maar de geostrofische wind, die is toch simpel genoeg uit te rekenen? Of niet? Nee dus. Voor die storm in 2013 vonden Mureau et al. (2013) een maximale geostrofische wind van 53 m/s, Van den Dool en De Bruin (2014) 39 m/s, en in Cabauw werd 47 m/s berekend, grote verschillen dus. We laten hier even terzijde dat dit trouwens allemaal fantastische windsnelheden zijn – bedenk dat dit de in Nederland zeer zeldzame Beaufort 12 windsnelheden van “maar” 33 m/s of meer betreft. In dit artikel gaan we in op een weinig bekende maar wel fundamentele onduidelijkheid in de definitie van geostrofische wind die een en ander zou kunnen verklaren.

Ik vermoed dat ALLE lezers van dit blad meer dan bekend zijn met de geostrofische wind en de wet van Buys Ballot.

Daarvan gaat ons nationalistisch hart sneller kloppen. En dat minstens 80% van de lezers de geostrofische wind wel eens eigenhandig hebben uitgerekend. Dus wat kan het probleem zijn? Vermoedelijk heeft niemand gehoord van de geostrofische druk; vandaar dat ik juist die kreet uitdagend boven dit stukje heb gezet. Praktische overwegingen hebben ons historisch geleid in de richting van een definitie van de geostrofische wind zoals bepaald uit het waargenomen drukveld, maar de aloude praktijk is minder logisch dan men zou verwachten.

Waar gaat het hier om?

Op bepaalde (voldoend grote) tijd- en ruimteschalen bestaat er in eerste orde een evenwicht tussen de luchtdrukgradientkracht en de Corioliskracht. De algemeen bekende bewegingsvergelijkingen luiden:

Δ2

∂u/∂t = - (1/ρ) ∂p/∂x + fv - ku + D

+ uv tan(φ)/a (1a)

u – (u ∂u/∂x + v ∂u/∂y)

Δ2

∂v/∂t = - (1/ρ) ∂p/∂y - fu - kv + D

uu tan(φ)/a (1b)

v – (u ∂v/∂x + v ∂v/∂y) -

deze laten zich vereenvoudigen, in eerste orde benadering, tot: 0 = - (1/ρ) ∂p/∂x + fv

(2a)

0 = - (1/ρ) ∂p/∂y - fu

(2b)

Hierin is p de druk, u en v zijn de horizontale windcomponenten langs de x- en y-as, en ρ is de dichtheid. De hogere orde termen in (1) doen pas mee als we meer nauwkeurigheid willen, andere ambities hebben (verwachtingen maken) of werken op veel kleinere schalen. In de praktijk wordt (2) vaak geschreven als 0 = - (1/ρ) ∂po/∂x + fvg (3a) 0 = - (1/ρ) ∂po/∂y - fug

(3b)

waarbij de indices g en o voor geostrofisch en observed staan.

12

Meteorologica 2 - 2017

Vergelijking (3) is een rekenrecept om de geostrofische wind uit het waargenomen drukveld uit te rekenen. Maar, en dit is de crux, voor zover (2) geldig is kan men net zo goed het omgekeerde poneren: 0 = - (1/ρ) ∂pg/∂x + fvo (4a) 0 = - (1/ρ) ∂pg/∂y – fuo

(4b)

Voilà, de geostrofische druk. Dit is een rekenrecept om de geostrofische druk pg uit de waargenomen wind af te leiden.

Historisch waren er goede redenen om (3) te doen en niet (4), want dat is makkelijker te doen zonder rekenmachines. Met drie drukwaarnemingen en wat driehoeksmetingen kan men eenvoudig de beide componenten van de geostrofische wind uitrekenen. Het moet in bijvoorbeeld 1905 of 1940 praktisch onmogelijk hebben geleken om met behulp van (4) de druk uit de wind uit te rekenen. Wel is het aloude windschaaltje toepasbaar à la (4) voor de nu uitgestorven (hand)analist om in een gebied met windwaarnemingen (maar zonder druk) iets over de afstand tussen isobaren te zeggen. Met computers en numerieke methoden is (4) vandaag de dag natuurlijk wel oplosbaar. Men krijgt dan het drukveld, op een constante na.

Waar het hier om gaat is dat (3) en (4) enigszins extreme interpretaties zijn van (2). Vergelijking (2) zegt alleen maar dat er in eerste orde evenwicht is tussen druk- en windveld, niet dat je druk(wind) kan of moet berekenen uit de waargenomen wind(druk). In feite laat (2) oneindig veel wind- en drukvelden toe die met elkaar in evenwicht zijn. We moeten dus concluderen dat DE geostrofische wind (of druk) niet bestaat. Maar er bestaat wél een “sweet spot” waar we niet alleen quasi-geostrofisch evenwicht hebben, maar waar tevens waarnemingen van zowel druk en wind tot hun recht komen.

Zo gesteld is het een analyseprobleem en zoeken we naar het geostrofische evenwicht (tussen een nog te bepalen p, u en v) en tegelijkertijd naar een minimum voor het kwadratisch verschil tussen enerzijds de waargenomen en de te bepalen druk en anderzijds de waargenomen en de te bepalen wind.

Men moet daarbij ook een weging meenemen die met de nauwkeurigheid van het meten van wind en druk samenhangt (windwaarnemingen zijn veel onnauwkeuriger dan die van

Low Pressure Pressure gradient force

Isobars

Geostrophic Current Coriolis force High Pressure Figuur 1. De geostrofische balans is het evenwicht tussen de luchtdrukgradientkracht en de Corioliskracht, in het plaatje voor het Noordelijk Halfrond.

Het berekenen van de geostrofische wind uit gemeten luchtdrukgegevens is standaard. Niettemin kwamen enkele onderzoekers voor een synoptische situatie in oktober 2013 tot schattingen van de geostrofische wind die meer dan 10 m/s uiteen liepen (zie tekst).

de druk). We nemen aan dat de analyses gemaakt door NCEP of ECMWF zoiets doen. Mureau et al. (2013) berekenen een geostrofische wind van 53 m/s uit de werkelijk waargenomen druk op drie stations, terwijl de waargenomen wind in de buurt van 30 m/s lag. In een analyse wordt de drukgradient in zo’n situatie bijna zeker wat verminderd. Dat mag allemaal binnen de veronderstelde fout van druk en windmeting.

Van den Dool en de Bruin (2014) berekenden de geostrofische wind uit het geanalyseerde NCEP drukveld, dat is dus niet het waargenomen drukveld, maar het waargenomen drukveld aangevuld met informatie van de waargenomen wind en druk (ook op eerdere tijden via het gisveld), inclusief hun veronderstelde onzekerheid. Dat is in principe dus geheel anders dan wat Mureau et al. (2013) doen en ook verschillend van de Cabauw methode (~15 stations), want die halen de geostrofische wind traditioneel uit de waargenomen druk op dat ene moment. Het laatste is minder goed. Niet dat we dit kunnen verifiëren, want er is geen gemeten geostrofische wind. Het argument is echter logisch. Modelanalyses strijken om diverse redenen het waargenomen veld namelijk altijd een beetje glad. De bijkomende reden is het rekenrooster (met roosterafstand dx), waarop schalen < 2dx (effectief soms < 4dx) niet helemaal opgelost kunnen worden. Kleinschalige gebieden met hogere windsnelheden en een steilere drukgradient komen dus in een modelanalyse niet helemaal tot hun recht.

De verschillende formuleringen van de wet van Buys Ballot leggen ook de nadruk op (3) dan wel (4), althans kwalitatief.

“Staat men met de wind in de rug dan ligt de lage druk op het Noordelijk Halfrond ter linkerzijde” komt overeen met vergelijking (4). “Is de druk in Maastricht hoger dan in Groningen, dan waait het in De Bilt uit het westen” komt overeen met (3).

De geostrofische druk als notie en een gemengde aanpak in de praktijk zijn vrijwel onbekend. Alleen Trenberth en Chen (1988) hebben laten zien dat een aloud quasi-geostrofisch model erop vooruit gaat als we de gemengde geowind en druk gebruiken. In wat modernere vorm kun je al deze vragen stellen in termen van rotationele en divergente wind en druk; dat is bijna (maar niet helemaal) hetzelfde als geostrofisch en ageostrofisch. Aangezien de ageostrofische wind van enorm belang is voor wolken en neerslag is de definitie en bepaling van de geostrofische wind in feite van hetzelfde enorme belang. We moeten desalniettemin leven met enige onduidelijkheid.

Literatuur

Trenberth, K.E., en S. Chen, 1988: Rotational and divergent geopotential components. J. Atmos. Sci., 45, 2949–2960, doi: http://dx.doi.org/10.1175/15200469(1988)045<2949:RADGC>2.0.CO;2 van den Dool, H., H. de Bruin, 2014: Rekenen aan de wind op 28 oktober 2013. Meteorologica, 3, 13-18.

Mureau R, W. van den Berg, S. Tijm, R. Groenland en A. van Delden, 2013: Stormen verwachten kunnen we goed. Meteorologica, 4, 4-8.

Meteorologica 2 - 2017

13

Mooi weer op komst?

Karin van der Wiel (KNMI) Velen in Nederland kijken reikhalzend uit naar de zomermaanden met mooi weer en lange zomeravonden.

Ideaal voor een dag aan het strand, een fietstocht, of de buurtbarbecue. Ook de jaarlijks terugkerende files op de Route du Soleil zijn het resultaat van ons gezamenlijk verlangen naar zon en warmte. In dit artikel zal ik mijn onderzoek naar het fenomeen ‘mooi weer’ bespreken. Ik zal de mondiale patronen van mooi weer in het huidig klimaat laten zien, en hoe deze zullen veranderen door klimaatverandering. De opwarming zal wereldgemiddeld paradoxaal genoeg leiden tot minder vaak mooi weer.

Klimaatverandering wordt meestal geassocieerd met de oploEr is geen criterium voor het aantal zonuren omdat het modelpende mondiaal gemiddelde temperatuur, de stijgende zeeleren van bewolking op mondiale schaal erg lastig is. Deze spiegel of de toename van extremen, bijvoorbeeld zware criteria kunnen in vervolgonderzoek uitgebreid of verfijnd regenbuien en hittegolven. Extremen hebben een directe, worden. Het aantal milde dagen in een jaar houdt rekening negatieve impact op de samenleving, en in Nederland is het met het weer van dag-tot-dag; deze variatie is van belang want belang van kennis over zeespiegelstijging ook duidelijk. Het is dat is wat men buiten meemaakt. dan ook logisch dat de focus in het onderzoek op deze onder Het onderzoek is gebaseerd op simulaties met een gekopwerpen is komen te liggen. Desondanks wil ik hier een andere peld klimaatmodel met hoge resolutie, GFDL HiFLOR (25 kant van de gevolgen van klimaatverandering belichten. Het km resolutie in de atmosfeer/land, 100 km in de oceaan/zee dagelijks weer, zoals iedereen weet, is nogal wisselvallig maar ijs; Murakami et al., 2015). Vanwege deze vrij hoge resolutie toch zelden extreem te noemen. Het onderzoek naar gemidkunnen de effecten van bergketens en kustlijnen meegenomen delden en extremen beschrijft daarom veranderingen die niet worden. De modelsimulaties gebruiken een middenscenario altijd direct op onze beleving van het weer van toepassing voor de toename van broeikasgassen (RCP4.5) in de nabije zijn. Deze afstand is een van de redenen dat het publiek moeite toekomst (2016 - 2035) en aan het eind van de 21ste eeuw heeft om het klimaatprobleem Gemiddeld: 74 d/jr als een persoonlijk probleem te a) Jaarlijks aantal milde dagen zien (Gifford, 2011). Mooi weer is van belang voor recreatieve doeleinden, maar kan ook van invloed zijn op bijvoorbeeld de transportsector en de bouw.

Afwezigheid van mooi weer kan daardoor negatieve economische gevolgen hebben.

Hier beschrijf ik de resultaten van mijn onderzoek naar het dagelijks voorkomen van mooi weer, gebaseerd op eenvoudige criteria waarvan iedereen zich een voorstelling kan maken.

0 40 80 120 160 Natuurlijk is de definitie van d/jr 20 60 100 140 ‘mooi weer’ sterk persoonlijk, en wisselt deze bovendien per b) Verandering eind 21ste eeuw (RCP4.5) Gemiddeld: -10 d/jr geplande activiteit. Het is daarom niet eenduidig waaraan een mooi weer dag moet voldoen.

Daarom zal ik vanaf hier de term mild weer gebruiken, want de criteria daarvoor zijn minder subjectief en persoonsafhankelijk. Gebaseerd op de volgende criteria, wordt het aantal milde dagen in een jaar of seizoen geteld: - Maximale temperatuur

tussen 18 °C en 30 ºC -25 -10 5 15 50 - Totale neerslag niet meer d/jr -50 -15 -5 10 25

dan 1 mm - Dauwpuntstemperatuur niet Figuur 1. a) Gemiddeld jaarlijks aantal dagen met mild weer. b) Verandering in het gemiddeld jaarlijks aantal dagen met mild weer aan het eind van de 21ste eeuw (2081-2100, onder RCP4.5 klimaatforcering). Waarden

boven 20 ºC. in de rechterbovenhoek geven het gemiddelde over de landoppervlakte.

14

Meteorologica 2 - 2017

Figuur 2. a-d) Jaarlijkse gang van de kans dat een dag mild is, voor vier locaties in het huidige klimaat (TND), en voor alle limiterende criteria (T18, T30, N, D). e-h) Verandering aan het eind van de 21ste eeuw: blauw geeft een toename en oranje een afname van de kans dat een dag mild is. Er is een 15-daags voortschrijdend gemiddelde toegepast.

(2081 - 2100). Als referentie is er een simulatie gedaan voor de periode 1986 - 2005. Een gevoeligheidsanalyse laat zien dat kleine veranderingen in de waardes van de criteria geen noemenswaardige invloed op de resultaten hebben.

Milde dagen in het huidige klimaat Gemiddeld over het land wereldwijd komen er 74 milde dagen per jaar voor, 20% van de dagen in een jaar. Natuurlijk zijn er grote regionale verschillen (Figuur 1a); deze regionale verschillen veroorzaken bijvoorbeeld voor een belangrijk deel de jaarlijkse trek van Nederlandse caravans naar Zuid-Frankrijk.

Dichtbij de evenaar is mild weer gelimiteerd door regen en hoge luchtvochtigheid, en op onze gematigde breedten is het meestal te koud. Subtropische en mediterrane gebieden zijn de hotspots voor mild weer, al komen ook daar grote verschillen voor. In hooggelegen gebieden is het vaak te koud of te nat.

Droge gebieden, zoals de Sahara en het Australische binnenland, zijn alleen hitte-gelimiteerd en komen dus naar voren met grote aantallen milde dagen.

Het voorkomen van milde dagen is onderhevig aan een sterke jaarlijkse cyclus. Aan de hand van de opgestelde criteria is de kans op mild weer voor elke dag van het jaar in het referentie experiment berekend. Deze berekening is daarna herhaald voor ieder criterium apart, zodat de limiterende factor(en) voor verschillende locaties en jaargetijden bepaald kan worden.

Op de gematigde breedtes komt mild weer voornamelijk in de zomer voor. In Nederland is er van ongeveer april tot september kans op milde dagen; ‘s winters is de temperatuur de limiterende factor, en ‘s zomers zit regen regelmatig in de weg (Figuur 2a). In warme locaties is die verdeling andersom en komen milde dagen voornamelijk in de wintermaanden voor; ‘s zomers is het te warm of is de luchtvochtigheid te hoog (bijvoorbeeld in Miami, Figuur 2c). Mediterrane gebieden hebben de interessantste jaarlijkse cyclus, met twee pieken van mild weer in de overgangsseizoenen. In Rome, bijvoorbeeld, is het ‘s zomers vaak boven de 30 ºC en zakken de temperaturen ‘s winters onder de 18 ºC. In de lente en herfst kan het in Rome echter heel aangenaam zijn (Figuur 2b).

Milde dagen in de toekomst Door toenemende concentraties broeikasgassen zullen de temperatuur-, neerslag- en vochtigheidspatronen zich wereld-

wijd aanpassen. Hierdoor verandert de mondiale verdeling van milde dagen (Figuur 1b). Tropische gebieden zullen veel milde dagen verliezen, terwijl de gematigde breedtes er enkele milde dagen per jaar bij krijgen. Gemiddeld resulteert dit in een wereldwijde afname van 10 milde dagen per jaar.

Toenemende temperaturen maken de tropen vaker te warm, terwijl die toename er bij ons voor in Nederland juist voor zorgt dat meer dagen binnen het criterium 18 - 30 ºC zullen vallen. Verschuivingen in neerslag limiteren de toename van milde dagen in de polaire gebieden. Ten slotte gooit toenemende luchtvochtigheid op steeds meer locaties wereldwijd roet in het eten voor diegenen die van milde dagen houden. In de bergen neemt echter het aantal milde dagen toe, voornamelijk doordat temperaturen hogerop ook toenemen. Het patroon van verandering in mild weer is grotendeels hetzelfde in een ensemble van CMIP5 modellen en in een analyse gebaseerd op de MERRA-2 heranalyse.

De beschreven veranderingen zijn niet evenredig verdeeld over het jaar, met andere woorden: de kaart in Figuur 1b maskeert grote seizoensverschuivingen. Bijvoorbeeld in Noord-Afrika en Zuid-Australië zien we een toename van het aantal milde dagen in de lokale winter, maar deze wordt (deels) tenietgedaan door afnemende milde dagen in de overgangsseizoenen. De Verenigde Staten zullen als gevolg van klimaatverandering vooral in de zomer een groot aantal milde dagen moeten inleveren, al wordt dit verlies in het noorden en westen grotendeels gecompenseerd in andere seizoenen.

Voor ons dichter bij huis en voor een ieder die graag zijn zomers aan de Middellandse Zee doorbrengt, zijn de seizoensverschuivingen in Europa van belang. Zuid-Europa zal een groot aantal milde zomerse dagen gaan verliezen (Figuur 3c); slechts een deel van dit verlies wordt gecompenseerd door een toename van het aantal milde dagen in de lente en herfst (Figuren 3b, d). Het noorden van Europa profiteert van toenemende temperaturen en zal, afhankelijk van de precieze locatie, een kleine toename in milde dagen zien in lente, zomer en/of herfst. Winters zijn overal in Europa te koud, ook in de toekomst (Figuur 3a).

De verschillen in timing en het teken van de verandering tussen Noord- en Zuid-Europa zijn ook duidelijk te zien in de jaarlijkse gang van Amsterdam en Rome (Figuren 2e, f).

Voor Amsterdam, maar bijvoorbeeld ook voor Parijs, Londen en Stockholm, is er een netto toename van het aantal milde Meteorologica 2 - 2017

15

a) Winter

Gemiddeld: +1 d/jr

b) Lente

Gemiddeld: +5 d/jr

c) Zomer

Gemiddeld: -3 d/jr

d) Herfst

Gemiddeld: +3 d/jr

-10 -15

-5 -7.5

2.5 -2.5

7.5 5

15 10

d/jr

Figuur 3. Verandering in het gemiddeld aantal dagen met mild weer per seizoen aan het eind van de 21ste eeuw (2081 - 2100, voor RCP4.5). Waarden in de rechterbovenhoek geven het gemiddelde over het landoppervlakte. a) Winter, DJF. b) Lente, MAM. c) Zomer, JJA. d) Herfst, SON.

dagen per jaar. Voor Rome, Madrid en Athene simuleert het model een netto afname. Figuur 2f laat ook de Zuid-Europese verschuiving van mild weer van de zomer naar de winter zien.

In Miami en andere locaties met voornamelijk mild winterweer neemt het aantal milde dagen af. De jaarlijkse verdeling van mild weer in Kaapstad verschuift richting het patroon dat in Rome zichtbaar is: de temperatuur zal in de toekomst ‘s zomers vaker boven de 30 ºC uitkomen waardoor mild weer relatief meer in de lente en herfst voor zal komen.

Door middel van lineaire regressie ten opzichte van de multivariate ENSO index (Wolter en Timlin, 2011) zijn lokale veranderingen ten gevolge van El Niño gekwantificeerd.

De toekomstveranderingen onder RCP4.5 zoals hierboven beschreven zijn groter dan de verschillen veroorzaakt door El Niño. Het middenscenario dat gebruikt is voor de analyse heeft hoogstwaarschijnlijk invloed op de sterkte van het signaal: de veranderingen zullen groter zijn als de modelexperimenten herhaald zouden worden voor het hoog-scenario (RCP8.5). De veranderingen in de nabije toekomst volgen hetzelfde patroon, maar zijn minder sterk. De wereldwijde afname van milde dagen in de jaren 2016 - 2035 ten opzichte van de referentieperiode is 4 dagen per jaar (voor RCP4.5).

Conclusie Het mondiaal gemiddelde aantal milde dagen zal door klimaatverandering naar verwachting afnemen. De grootste verliezers zijn tropische gebieden, terwijl de gematigde breedtes een kleine winst zullen boeken; dit patroon van winnaars en verliezers komt overeen met eerder onderzochte economi16

Meteorologica 2 - 2017

sche consequenties van klimaatverandering. Er zullen ook verschuivingen van milde dagen tussen de seizoenen zijn: veel locaties verliezen ‘s zomers milde dagen vanwege de toegenomen warmte en krijgen die slechts deels terug in de lente en herfst.

De reden om milde dagen te onderzoeken was dat het weersomstandigheden betreffen waar veel mensen naar uitkijken en hun plannen op afstemmen. Gegeven het belang van mild weer voor buitenactiviteiten en voor het ‘welslagen’ van vakanties, zijn de resultaten, vooral die met betrekking tot de periode 2016 - 2035, dan ook uitermate geschikt om klimaatverandering op een persoonlijke manier te communiceren naar een breed publiek. Voor u is het waarschijnlijk te laat om uw vakantielokatie of -periode aan de hand van de gepresenteerde mondiale verdeling van mild weer nog te wijzigen. Desondanks wens ik u een goede zomer toe.

Volledig onderzoek: Van der Wiel K, Kapnick SB, Vecchi GA (2017): Shifting patterns of mild weather in response to projected radiative forcing. Climatic Change 140:649-658.

Referenties

Gifford R (2011): The dragons of inaction: Psychological barriers that limit climate change mitigation and adaptation. American Phychologist 66:290-302.

Murakami H, Vecchi GA, Underwood S, Delworth TL, Wittenberg AT, Anderson WG, Chen J-H, Gudgel, RG, Harris LM, Lin S-J, Zeng F (2015): Simulation and prediction of category 4 and 5 hurricanes in the high-resolution GFDL HiFLOR coupled climate model. Journal of Climate 28:9058–9079 Wolter K, Timlin MS (2011): El Niño/Southern Oscillation behaviour since 1871 as diagnosed in an extended multivariate ENSO index (MEI. ext). International Journal of Climatology 31:1074–1087

Meteorologica 2 - 2017

17

Simulaties van toekomstig weer Frank Selten (KNMI) Om verwachtingen te kunnen maken hebben we twee dingen nodig. We moeten weten hoe de toestand nu is en we moeten weten hoe deze toestand verandert. We tellen vervolgens de verandering voor de komende tijd op bij de toestand van nu en we hebben dan een verwachting voor de toestand later. Dit klinkt heel eenvoudig maar het is precies de manier waarop weer- en klimaatverwachtingen gemaakt worden. Ik bespreek eerst weersverwachtingen en zal vervolgens uitleggen hoe klimaatverwachtingen hiervan verschillen.

Het maken van een weersverwachting: de begintoestand Voor een weersverwachting moeten we allereerst weten hoe de toestand nu is. We dienen overal in de atmosfeer te weten hoe snel en waarheen de lucht beweegt, hoe warm het is, hoeveel vocht er in de lucht zit en wat de samenstelling is van de lucht. Niet alleen op de plek waarvoor we de weersverwachting willen maken, maar over de hele wereld. Binnen een dag of tien kan de lucht zich namelijk over vele duizenden kilometers verplaatsen en warmte en water transporteren. Figuur 1 laat zien dat je voor een goede tiendaagse verwachting van Simulaties van toekomstig weer de regen op 26 augustus 2010 boven Nederland moest weten Frank Selten, KNMI hoe de toestand van de atmosfeer op 17 augustus was over het hele gebied van de Noord-Atlantische Oceaan.

Figuur 1. Oorsprong van de lucht die boven Nederland op 26 augustus

opgedeeld in 137 lagen van 6.6 miljoen blokken van zo’n 9 bij 9 km in de horizontaal. De grootte van de blokken bepaalt de resolutie waarmee de atmosfeer beschreven wordt. Elke dag worden alle meetgegevens van grondstations, schepen, vliegtuigen, satellieten gecombineerd tot een beste schatting van de temperatuur, wind, vochtigheid en druk in elk roosterblok.

Het maken van een weersverwachting: het weermodel De huidige toestand is nu bekend. Voor elk roosterblok kan vervolgens uitgerekend worden hoe de temperatuur, wind, vochtigheid en druk veranderen door gebruik te maken van de natuurwetten. Voor de temperatuurverandering wordt berekend hoeveel warmte er per tijdseenheid elk roosterblok in- en uitgaat in de vorm van zonnestraling, warmtestraling, de inen uitstroom van lucht met een bepaalde temperatuur, en het vrijkomen van warmte door condensatie van waterdamp. Deze warmte vermenigvuldigd met de warmtecapaciteit van de lucht in het roosterblok leidt tot een temperatuurverandering.

Simulaties Opgeteldvan bij toekomstig de huidigeweer temperatuur geeft dit de temperatuur Frank Selten, KNMI een tijdstap in de toekomst. Vervolgens wordt de berekening herhaald voor de dan geldende hoeveelheid zonnestraling, warmtestraling, enzovoort en wordt de toestand voor weer een tijdstap later berekend. Door dit te herhalen voor alle roosterblokken en niet alleen de temperatuur maar ook de overige toestandsvariabelen (wind, druk, vochtigheid) kan het verloop van het weer in de toekomst door de computer worden berekend. Dit proces wordt een tijdsintegratie genoemd. De vergelijkingen die de ontwikkeling van de atmosfeer in de tijd beschrijven worden in de tijd geïntegreerd.

Figuur 1: Oorsprong van de lucht die boven Nederland op 26 augustus 2010van heeleen veelklimaatverwachting: regen bracht.

2010 heel veel regen bracht. Iedere lijn representeert het pad (dat in Het maken het kliFiguur 1: Oorsprong van de lucht die boven Nederland op 26 augustus 2010 heel veel regen bracht.

Iedere lijnvariëren) is de weg dielucht de aflegde lucht aflegde 17 en 26 augustus, hoe roder, hoe meer waterdamp hoogte kan dat de tussen 17tussen en 26 augustus; maatmodel Iedere lijn is de weg die de lucht aflegde tussen 17 en 26 augustus, hoe roder, hoe meer waterdamp deVoor lucht bevat. de hoelucht roder, bevat. hoe meer waterdamp de lucht bevat. de temperatuur van de lucht boven zee is de temperatuur

Verder moeten we niet alleen de toestand van de atmosfeer vlak boven de grond weten, maar over de hele hoogte omdat wat er bovenin de atmosfeer gebeurt grote effecten heeft voor het weer aan de grond. Denk aan wolken die zonlicht tegenhouden of regen vormen of de sterke winden die het pad van bijvoorbeeld de lage druk gebieden sturen.

Je kunt je voorstellen dat het onmogelijk is om de toestand van de atmosfeer op een bepaald moment precies te kennen.

Stel bijvoorbeeld dat we de hele atmosfeer opdelen in blokken van 100 bij 100 bij 100 meter en daarvan de temperatuur zouden meten. Hoeveel temperatuurmetingen zouden dan nodig zijn? Als we tot 20 kilometer hoogte meten dan zijn dat ongeveer 4 maal 1013 meetwaardes oftewel 40 Terabytes, genoeg om 80 stuks 500 Gb harde schijven te vullen. Alleen al qua opslag loop je dus tegen praktische limieten aan, nog afgezien van de onmogelijkheid om alle metingen te verrichten. Op het Europese centrum voor middellange termijn weersverwachtingen (ECMWF) in Engeland wordt momenteel de atmosfeer

van het zeewater van belang. Tijdens een korte weersverwach-

Figuur 2: De illustratie links laat hoezien het opdelen de atmosfeer Figuur 2. De illustratie linkszien laat hoe hetvanopdelen van inderoosterblokken atmosfeer eruit ziet, rechts is te zien hoe het landoppervlak van Groot-Brittanië voorgesteld werd op een in roosterblokken eruit ziet.

De zwarte vlakken in het linker plaatje rekenrooster dat in 2011 in gebruik was op het ECMWF.

geven het verticale rooster weer (en de paarse representeren een subgebied daarvan voor ‘nesting’ van een gedetailleerder model op een kleiner gebied). Rechts is te zien hoe het landoppervlak van Groot-Brittannië voorgesteld werd op een rekenrooster dat in 2011 in gebruik was op het ECMWF.

Figuur 2: De illustratie links laat zien hoe het opdelen van de atmosfeer in roosterblokken eruit 18 Meteorologica 2 - 2017 ziet, rechts is te zien hoe het landoppervlak van Groot-Brittanië voorgesteld werd op een

verschillende uitkomsten geven voor bijvoorbeeld de gemiddelde temperatuurstijging op aarde als reactie op toenemende concentraties broeikasgassen.

De groei van fouten in de begintoestand Het zal duidelijk zijn dat we de toestand van de atmosfeer (en oceaan) op een bepaald moment niet perfect kennen. Met andere woorden, de toestand waarmee we de simulaties beginnen bevat fouten. Nu hebben de wiskundige vergelijkingen die de ontwikkeling van de toestand van de atmosfeer beschrijven de vervelende eigenschap dat ze deze fouten laten groeien.

Stel we maken een tiendaagse weersverwachting, startend vanuit een bepaalde begintoestand. We brengen vervolgens Figuur 3. Het klimaatmodel EC-Earth bestaat uit een koppeling van guur 3: Het modellen klimaatmodel bestaatcomponenten uit een koppeling vanklimaatsysteem: modellen voor de verschillende voor EC-Earth de verschillende van het opzettelijk kleine veranderingen in de beginconditie aan en mponenten van het klimaatsysteem.

HetECMWF weermodel van het ECMWF voor de atmosfeer, het opnieuw een tiendaagse weersverwachting, startend het weermodel IFS van het voorIFS de atmosfeer, het Franse maken anse oceaan model NEMO, hethet Belgische model LIM, LIM,het hetNederlandse Nederlandse modelvanaf voor deze verstoorde beginconditie. We zien dan dat de oceaanmodel NEMO, Belgischezeeijs zee-ijsmodel mosferische chemie TM5, het Zweedse vegetatie model LPJ en het ECMWF land model H-Tessel. model voor atmosferische chemie TM5, het Zweedse vegetatie model LPJ verschillen tussen beide verwachtingen steeds groter worden e software die de communicatie tussen de verschillende componenten regelt is de Franse en het ECMWF landmodel H-Tessel.

De software die de communicatie naarmate de modeltijd verstrijkt. Als we de vergelijkingen ppelaar OASIS. tussen de verschillende componenten regelt is de Franse koppelaar steeds verder in de tijd integreren worden beide verwachOASIS. tingen uiteindelijk compleet verschillend. Deze eigenschap wordt gevoelige afhankelijkheid van begincondities genoemd, ting blijft deze ongeveer gelijk vanwege de grote warmtecaen is er de oorzaak van dat het weer beperkt voorspelbaar is. paciteit van de zee. Maar als je langer doorrekent dan moet De bekende wiskundige/meteoroloog Edward Lorenz toonde je ook in rekening brengen dat door de warmte-uitwisseling al in 1963 deze eigenschap aan in een zeer eenvoudig wismet de atmosfeer, de inkomende zonnestraling en de oceaankundig model en leidde hiermee een ware wetenschappelijke stromingen de temperatuur van het zeewater op een bepaalde revolutie in die uiteindelijk uitmondde in de chaostheorie. locatie verandert. Voor een klimaatberekening, waarbij al snel het verloop van het weer over een periode van 30 jaar of lanEen simpel klimaatmodel als voorbeeld ger wordt doorgerekend, dient dus een soortgelijke berekening Het Lorenzmodel uit 1963 bestaat uit drie vergelijkingen die voor de oceaan te worden uitgevoerd als hierboven beschrede ontwikkeling in de tijd beschrijven van drie variabelen, x, ven voor de atmosfeer. De oceaan wordt daartoe ook opgey en z. Het is voor dit verhaal niet belangrijk wat deze drie deeld in roosterblokken, en voor iedere roosterblok worden variabelen voorstellen en hoe de vergelijkingen eruit zien, de natuurwetten toegepast om de verandering in temperatuur, dus laten we zeggen dat ze de temperatuur aangeven op drie zoutgehalte en de stroming te berekenen. Als het oceaanwater verschillende locaties; we kunnen met deze vergelijkingen te koud wordt en bevriest, moet rekening gehouden worden uitrekenen hoe de temperatuur op een bepaald moment vermet de vorming van zee-ijs. Daarnaast moet er ook berekend andert. Als we de temperatuur van nu kennen, dan kunnen we guur 4 Belangrijkste in een klimaat worden. worden processen hoe het die water datsimulatie op het van landhetvalt weerberekend naar de ocedeze waardes voor x, y en z in de vergelijkingen invullen en aan terugstroomt en onderweg mogelijk weer verdampt en in uitrekenen hoe snel de temperatuur verandert en zo in kleine de atmosfeer wordt opgenomen. Als er sneeuw op het land stapjes de temperatuur in de loop van de tijd uitrekenen. Een valt moet het sneeuwdek (dikte, temperatuur) worden bijgevoorbeeld hiervan is gegeven in Figuur 5 (blauwe lijn). VerFiguur 3: brengen Het klimaatmodel EC-Earth bestaat uit een koppeling van modellen voor de ve houden. In een klimaatmodel moeten dus ook de langzamer volgens we kleine veranderingen aan in de begintemcomponenten van het klimaatsysteem.

Het weermodel IFS van het ECMWF variĂŤrende processen meegenomen en beschreven worden. In peraturen en berekenen opnieuw de ontwikkeling in de tijd. voor de atm Franse oceaan model NEMO, het Belgische zeeijs model LIM, het Nederlandse m Figuur 3 is schematisch weergegeven uit welke componenDe grafiek (rode lijn) laat zien dat de verschillen tussen de atmosferische chemie TM5, het Zweedse vegetatie model LPJ en het ECMWF land mode ten het klimaatmodel EC-Earth bestaat waarmee het KNMI twee verwachtingen steeds groter worden, voor alle drie de De software die de communicatie tussen de verschillende componenten regelt is onderzoek doet naar klimaatverandering. locaties.

Met andere woorden, de fouten in de beginconditie koppelaar OASIS. De processen die een rol spelen bij het maken van een van de verwachting groeien in de tijd en de verwachting wordt klimaatverwachting zijn schematisch weergegeven in Figuur 4. De invloed van deze processen op de verandering in de temperatuur, stroming en de samenstelling van de lucht of het water wordt in iedere roosterblok in rekening gebracht.

Omdat er voor klimaatsimulaties langere tijdsintegraties moeten worden uitgevoerd en meer processen doorgerekend moeten worden, is het rooster waarop gerekend wordt grover dan dat van de weermodellen. De huidige versie van ECEarth rekent voor de atmosfeer met blokken van 80 bij 80 km en 91 lagen in de hoogte. Het is duidelijk dat door de opdeling in zulke grote blokken het ontstaan van individuele wolken die veelal kleiner dan een kilometer zijn niet expliciet berekend kan worden. Voor alle invloeden met een kleinere ruimtelijke schaal worden benaderingen toegepast die niet exact beschrijven wat er in de werkelijkheid gebeurt. Deze benaderingen worden parameterisaties genoemd. Deze zijn Figuur 4 Belangrijkste hethet klimaat berekend worden.

Figuur 4.

Belangrijkste processen processendie dieinineen eensimulatie simulatievan van klimaat verschillend in de verschillende weer- en klimaatmodellen en berekend worden. zijn er de belangrijkste oorzaak van dat individuele modellen Meteorologica 2 - 2017

19

en de ontwikkeling in de tijd berekenen, dan zal na enige tijd de trajectorie weer op de vorm zijn aangeland en deze verder niet meer verlaten (groene lijn). Deze vorm heet dan ook een aantrekker. Alle punten in de toestandsruimte worden als het ware naar deze vorm getrokken en verlaten deze niet meer. De aantrekker geeft weer dat er een bepaalde samenhang is tussen de temperaturen op de drie locaties. De toestand met een temperatuur van 10, 25 en 0 graden op de drie locaties tegelijkertijd ligt niet op deze aantrekker en wordt dus door het systeem uit zichzelf nooit gerealiseerd. De aantrekker geeft aan welke temperaturen kunnen voorkomen en ook hoe groot de kans op bepaalde temperatuurwaarden is. Deze aantrekker heet een vreemde aantrekker omdat hoewel de verwachtingen door foutengroei uit elkaar gaan lopen, de verwachtingen nooit de aantrekker verlaten, maar dat tegelijkertijd de ontwikkelingen zich nooit exact herhalen.

Figuur 5. Ontwikkeling van de op temperatuur locatiede x,vergelijkingen y en z Figuur 5: Ontwikkeling in de tijd in vande de tijd temperatuur locatie x, y en op z volgens van Lorenz (blauwe lijn) en voor een kleine verstoring in de lijn) begintemperaturen lijn).

In de volgens de vergelijkingen van Lorenz (blauwe en voor een(rode kleine verrechterfiguur is dezelfde ontwikkeling weergegeven in de toestandsruimte met op iedere as de storing in de begintemperaturen (rode lijn).

In de rechterfiguur is dezelfde waarde van x of y of z van dat moment. De grijze lijn geeft de ontwikkeling weer als deze voor hele langeontwikkeling tijd wordt voortgezet.

De groene de ontwikkeling met weer op vaniedere een begintoestand weergegeven in lijn de geeft toestandsruimte as de die niet op de aantrekker ligt, maar snel richting de aantrekker loopt. De grafiek rechtsonder is voor waarde van de temperatuur in x, y of z van dat moment.

De grijze lijn een ander aanzicht. geeft de ontwikkeling weer als deze voor hele lange tijd wordt voortgezet.

De groene lijn geeft de ontwikkeling weer van een begintoestand die niet op de aantrekker ligt, maar snel richting de aantrekker loopt. De grafiek rechtsonder geeft een ander aanzicht op de aantrekker.

daardoor steeds onnauwkeuriger.

We kunnen de ontwikkeling in de tijd van de drie temperaturen ook in één figuur weergeven door de temperatuurwaardes te gebruiken als coördinaten in een driedimensionale ruimte. De temperatuur in x bepaalt de afstand langs de x-as, in y langs de y-as en in z langs de z-as. De temperatuur op een bepaald moment in x, y en z correspondeert op deze manier met een punt in de driedimensionale ruimte, en de ontwikkeling in de tijd wordt een lijn in deze ruimte, ook wel een trajectorie genoemd. De ruimte die aldus gevormd wordt heet een toestandsruimte omdat hierin alle toestanden van het systeem worden vastgelegd. Het systeem ‘leeft’ als het ware in deze ruimte. In één oogopslag is te zien dat de beide ontwikkelingen van de temperatuur, de rode en de blauwe lijn, eerst pal naast elkaar lopen maar zich later van elkaar verwijderen.

Als we de ontwikkeling verder in de tijd doorrekenen en de bijbehorende lijn in de toestandsruimte tekenen (in grijs), dan ontstaat er een bepaalde geometrische vorm (rechterpanel Figuur 5). Alleen de toestanden op deze vorm worden door het systeem gerealiseerd. Stel dat we de berekeningen beginnen met temperaturen van 10, 25 en 0 op locaties x, y en z

Klimaat is de kansverdeling van het weer We nemen het Lorenzmodel nog even als analogie voor de atmosfeer. We kunnen op basis van een lange tijdserie van de temperaturen op locaties x, y en z een analyse maken van de kans op een bepaalde waarde van de temperatuur. We tellen simpelweg het aantal keren in de tijdserie dat de temperatuur in punt x tussen T en T + ΔT ligt en delen dit aantal door de totale lengte van de tijdserie. Stel dit getal is gelijk aan 0.01 dan kunnen we concluderen dat op een willekeurig tijdstip de kans dat de temperatuur tussen T en T + ΔT ligt gelijk is aan 1%. We herhalen dit voor alle waardes van de temperatuur die voorkomen. De grafiek die dan ontstaat heet de klimatologische kansverdeling. In principe hangt deze kansverdeling af van de lengte van de tijdserie. Als de tijdserie lang genoeg is en het systeem in de tussentijd niet verandert dan benadert de kansverdeling de ‘echte’ kansverdeling van het systeem. Uit deze kansverdeling zijn allerlei andere statistieken af te leiden, zoals de gemiddelde temperatuur, de variantie, en de kans op extreme temperaturen. In Figuur 6 zijn de kansverdelingen gegeven voor x, y en z. De meest waarschijnlijke temperatuur voor x en y is 0 graden, die voor z iets minder dan 20 graden.

De kansen op extreme temperaturen nemen snel af; die komen namelijk niet zo vaak voor.

Het Lorenzmodel heeft maar drie variabelen die in de tijd variëren en de aantrekker is daardoor te visualiseren in een driedimensionale ruimte. De complexe weer- en klimaatmodellen vertonen hetzelfde gedrag als het Lorenz model, alleen bevatten ze veel meer variabelen. Elke variabele is een extra as, en dus een extra dimensie. Een weer- of klimaatsysteem ‘leeft’ in een hoog-dimensionale toestandsruimte die veel lastiger voor te stellen en te visualiseren is vergeleken met het Lorenzmodel. De ontwikkeling van het weer vindt echter ook plaats op een aantrekker in de hoog-dimensionale toe-

Figuur 6. Kansverdeling van temperaturen in x, y en z volgens het Lorenzmodel.

Figuur 6: Kansverdeling van temperaturen in x, y en z volgens het Lorenz model.

20

Meteorologica 2 - 2017

Figuur 6: Kansverdeling van temperaturen in x, y en z volgens het Lorenz model.

zich niet meer onderscheidt van de klimatologische kansverdeling. Op dat moment is de beginconditie volledig â&#x20AC;&#x2DC;vergetenâ&#x20AC;&#x2122; en levert de weersverwachting geen extra informatie meer op ten opzichte van de klimatologie. In Figuur 8 is dit weergegeven voor de kansverdeling van de temperatuur in punt z.

In het begin is de spreiding in de verwachte temperatuur in z nog beperkt, maar hoe verder de tijd vordert des te groter de spreiding wordt en dus hoe onzekerder de verwachting is. Het duurt bij echte weersverwachtingen gemiddeld ongeveer twee weken totdat alle voorspelbaarheid verloren is gegaan. Kleine onvoorspelbare fluctuaties in de atmosfeer zorgen ervoor dat hoe goed we de begintoestand ook kennen, het weer een eindige voorspelbaarheidshorizon heeft van ongeveer twee weken.

Afhankelijk van waar je op de aantrekker begint is het weer soms wat langer, en soms iets korter vooruit te voorspellen.

Dit heeft te maken met de toestand van de atmosfeer op dat moment, die er voor zorgt dat fouten snel of juist langzamer Figuur 7. Ontwikkeling in de tijd van de temperatuur in x, y en z volgens Figuur 7: Lorenzmodel Ontwikkeling invoor de tijd vanset de begintemperaturen temperatuur in x, y en die z volgens een het een dicht het bij Lorenz elkaar model lig- voor groeien. set begintemperaturen dievan dichtlinks bij elkaar liggen. en De van tijd loopt vannaar linksbeneden. naar rechts en van boven gen. De tijd loopt naar rechts boven Weersverwachtingen hebben als doel de toestand van het naar beneden. weer op de aantrekker te voorspellen. Voorbij de voorspeltermijn van het weer zijn mogelijk verwachtingen in de veranstandsruimte. Per definitie wordt het klimaat vastgelegd door dering van de klimatologische kansverdeling te maken als de de kansverdeling van bijvoorbeeld temperatuur, neerslag en aantrekker door bekend veronderstelde, externe oorzaken in wind op een bepaalde plaats uit te rekenen over een periode de toekomst verandert. van dertig jaar, de zogenaamde klimaatnormalen.

Het verschil tussen een weersverwachting en een klimaatverwachting We gebruiken hier opnieuw het Lorenzmodel als analogie voor de atmosfeer. De begintoestand voor een weersverwachting kennen we niet precies. De onzekerheid in de begintoestand geven we weer door een bolletje met een straal die de grootte van de fout in de begintoestand karakteriseert (Figuur 7). We volgen de ontwikkeling van toestanden binnen dit bolletje. Door de gevoelige afhankelijkheid van begincondities gaan de toestanden steeds verder uit elkaar lopen totdat de toestanden willekeurig verspreid over de aantrekker liggen.

Als we de kansverdeling van toestanden binnen het bolletje in de loop van de tijd volgen dan zien we de smalle kansverdeling van de begintoestand steeds verder verbreden totdat deze

Klimaatverandering door externe oorzaken: scenarioâ&#x20AC;&#x2122;s Op langere termijn, maanden tot tientallen jaren, ondervindt de atmosfeer invloeden die ervoor kunnen zorgen dat de aantrekker verandert. Bijvoorbeeld de hoeveelheid kooldioxide in de lucht neemt toe, of de zon straalt meer of minder energie uit, of de temperatuur van het oceaanwater verandert. We kunnen dit illustreren aan de hand van het Lorenzmodel door een verandering aan te brengen in de vergelijkingen en vervolgens een lange tijdsintegratie te maken met deze veranderde vergelijkingen. Figuur 9 laat zien dat de aantrekker in locatie z naar hogere temperaturen verschuift terwijl ook de variaties rond het gemiddelde toenemen. Dit is duidelijk te zien aan de kansverdeling van z, die opschuift naar warmere temperaturen en breder wordt. Alhoewel we al na twee weken niet meer kunnen zeggen waar de atmosfeer zich op de aantrekker bevindt, kunnen we wel aangeven hoe de kansverdeling verandert en daarmee iets zeggen over de veranderingen in het gemiddelde, in de variaties en in de kans op extreme temperaturen. Zo kunnen we aflezen dat in het veranderde klimaat een temperatuur van 10 graden in punt z nog steeds voorkomt, alleen is de

FiguurFiguur 8. Ontwikkeling detijdtijdvanvan de temperatuur inhetz Lorenz volgens hetvoor een set 8: Ontwikkeling in in de de temperatuur in z volgens model begintemperaturen die dicht elkaar liggen (zelfde setdie als dicht in figuur De tijd liggen loopt van links Lorenzmodel voor een set bij begintemperaturen bij7).elkaar naar rechts en van boven naar beneden. (dezelfde set als in Figuur 7). De tijd loopt van links naar rechts en van boven naar beneden.

Figuur 9. Ontwikkeling in de tijd van de temperatuur volgens het stanFiguur 9: Ontwikkeling in de tijd van de temperatuur volgens het standaard Lorenz model (linksboven) en volgens het(linksboven) Lorenz model waarin een verandering is aangebracht (rechtsboven).

De daard Lorenzmodel en volgens het Lorenzmodel waarin een bijbehorende kansverdeling van de temperatuur in z is in de onderste panels weergegeven. verandering is aangebracht (rechtsboven). De bijbehorende kansverdeling van de temperatuur in z is in de onderste panelen weergegeven.

Meteorologica 2 - 2017

21

Figuur 10. Links is de fout weergegeven in het gesimuleerde klimaat voor de verschillende klimaatmodellen die meededen aan de internationale modelvergelijkingen CMIPLinks (Coupledis Model Project). Elk rondje stelt gesimuleerde een model voor, het klimaat zwarte rondje is de score het gemiddelde Figuurvan10: de Intercomparison fout weergegeven in het voor de voor verschillende over alle modellen en heeft doorgaans de kleinste afwijking.

Rechts is de spreiding in de gesimuleerde mondiale opwarming ten opzichte van het tijdvak klimaatmodellen die meededen aan de internationale modelvergelijkingen van CMIP (Coupled 1986-2005 weergegeven voor de CMIP5 modellen voor een scenario met veel (RCP8.5) en weinig CO2 uitstoot (RCP2.6).

Model Intercomparison Project). Elk rondje stelt een model voor, het zwarte rondje is de score voor gemiddelde alle modellen en heeft de kleinste fout.afspraken Rechts gemaakt is de spreiding in de die kanshet daarop heel kleinover geworden.

Een temperatuur vandoorgaans 50 Internationaal worden tussen instituten graden kwam eerst niet voor, maar in het veranderde klimaat voor klimaatmodellen voor dezelfde voorgeschregesimuleerde mondiale opwarming weergegeven de CMIP5ontwikkelen modellen om voor een scenario met is deveel kans (RCP8.5) op 50 gradenenongeveer even groot als de kans op 37 ven veranderingen in de samenstelling van de atmosfeer in weinig CO2 uitstoot (RCP2.6). graden in het normale klimaat. De temperatuur die het meeste voorkomt gaat van rond de 20 graden naar rond de 35 graden.

Hoeveel het klimaat verandert hangt bijvoorbeeld af van de hoeveelheid kooldioxide die de atmosfeer in de toekomst zal bevatten. Dit hangt weer af van de hoeveelheid kooldioxide die in de toekomst zal worden uitgestoten. Hiervoor zijn scenario’s opgesteld. Bijvoorbeeld een scenario waarin de hoeveelheid kooldioxide sterk zal blijven toenemen omdat de maatschappij veel fossiele brandstoffen zal blijven verbranden. Of een scenario waarin versneld wordt overgegaan op andere energiebronnen zodat de uitstoot van kooldioxide beperkt blijft. Voor de verschillende scenario’s worden klimaatintegraties uitgevoerd om te kijken hoe groot de verwachte klimaatverandering zal zijn.

het verleden en in de toekomst te simuleren hoe het klimaat reageert. De uitkomsten van alle modellen worden gestandaardiseerd opgeslagen en zijn toegankelijk voor klimaatonderzoekers wereldwijd. Op basis van deze berekeningen over de ontwikkeling van het klimaat worden prognoses gemaakt voor de te verwachten klimaatverandering in de loop van deze eeuw. Ook het KNMI baseert haar scenario’s voor het toekomstige klimaat in Nederland op deze internationale dataset.

Het blijkt dat als de uitkomsten van de verschillende klimaatmodellen gemiddeld worden het gesimuleerde klimaat steeds dichterbij het waargenomen klimaat ligt. Voor de gesimuleerde klimaatverandering geeft de spreiding in de resultaten van de verschillende modellen een indruk van de onzekerheid in de uitkomsten (zie Figuur 10).

Klimaatschommelingen door toevallige, interne oorzaken Stel we integreren een klimaatmodel 1000 jaar vooruit in de tijd. We houden alle externe invloeden zoals de hoeveelheid kooldioxide in de lucht en de hoeveelheid zonnestraling constant. Vervolgens berekenen we de kansverdeling van temperaturen in Nederland over tijdvakken van 30 jaar. Het blijkt dat de kansverdeling nog behoorlijke schommelingen kan vertonen. Deze schommelingen hebben niet te maken met een systematische verandering in het klimaat: we hebben de externe invloeden immers constant gehouden. Ze hebben deels te maken met het toevallige chaotische gedrag van de atmosfeer; in sommige perioden van 30 jaar komen nu eenmaal toevallig vaker (bijvoorbeeld) hete zomers voor dan in andere periodes.

Deels komen ze ook voort uit de interactie tussen atmosfeer en oceaan; tijdelijk kan er voor zekere tijd warmte in de oceaan worden opgeslagen, die decennia later weer aan de atmosfeer wordt afgegeven. Als we de beginconditie van de oceaan goed kennen, zouden we een deel van deze schommelingen in de kansverdeling wellicht een beperkt aantal jaren van tevoren kunnen voorspellen. In de analogie van het Lorenzmodel kunnen we het ons zo voorstellen dat de aantrekker niet verandert, maar dat het systeem voor langere tijd een bepaald deel van de aantrekker vaker bezoekt. Hierdoor kan de kansverdeling over een periode van 30 jaar van de ‘echte’ klimatologische kansverdeling afwijken.

Wat staat ons te wachten?

Wat als we CO2 blijven uitstoten door het gebruik van fossiele brandstoffen? Het KNMI maakt bovengenoemde klimaatscenario’s die het baseert op berekeningen met klimaatmodellen.

Deze modellen worden sinds de jaren zestig van de vorige eeuw op verscheidene instituten en universiteiten in de wereld ontwikkeld, en blijken steeds nauwkeuriger te worden. Het blijkt namelijk dat de verschillen tussen het berekende klimaat en de waarnemingen voor nieuwe generaties klimaatmodellen steeds kleiner worden.

Een andere belangrijke vraag is of de verwachtingen die tien jaar geleden zijn gemaakt met klimaatmodellen daadwerkelijk zijn uitgekomen. De 0.3 graad stijging van de wereldgemiddelde temperatuur blijkt inderdaad binnen de verwachtingen van destijds te vallen. Wel is de spreiding in de verwachte opwarming groot. Veel van het klimaatonderzoek probeert deze onzekerheid te verkleinen. Dat gebeurt door de processen die hiervoor verantwoordelijk zijn te bestuderen. Voorbeelden hiervan zijn het ontstaan van wolken, het uitdrogen van de bodem en invloeden van luchtvervuiling.

Het KNMI neemt met zijn mondiale klimaatmodel EC-Earth deel aan deze internationale modelvergelijkingen. Samen met Europese partners ontwikkelen KNMI-onderzoekers momenteel de volgende versie van EC-Earth die in 2021 aan nieuwe klimaatverwachtingen gaat bijdragen.

Verschillende klimaatmodellen geven verschillende uitkomsten: onzekerheden 22

Meteorologica 2 - 2017

Dankwoord Dit artikel is grotendeels overgenomen uit Zenit, met instemming van de Zenit-redactie, waarvoor dank.

Meteorologica 2 - 2017

23

Organisatie in de VS Huug van den Dool (NOAA)

Op teletekst verscheen medio januari 2017 het bericht dat “de NASA en het oceaaninstituut NOAA” hebben berekend dat 2016 erg warm was geweest. Gealarmeerd door bekenden deden zich hierbij enkele vragen voor. Niet over temperatuurrecords, want dat is de nieuwe normaal. De eerste vraag betreft de formulering “oceaaninstituut NOAA”. Jullie zijn toch geen oceaaninstituut? Nee, nou dan. Het zit zo: NOAA is een samenraapsel van allerlei losse kleine organisaties binnen het Departement of Commerce (DoC) in de Verenigde Staten. Zoals daar zijn visserij, kartering van kustwateren, een nationale oceaan service, een onderzoeksafdeling (waaronder GFDL en andere laboratoria te Boulder), en een (operationele) satellietafdeling. Deze kleintjes zitten constant in de verdrukking omdat ook de grote National Weather Service (NWS) onderdeel van NOAA is. Een ongeschreven wet wil dat het hoofd van NOAA nooit een figuur uit de NWS mag zijn, maar altijd iemand die de minderheden vertegenwoordigt – positieve discriminatie zeg maar. En dus voeren oceanografen vaak het hoogste woord namens NOAA. Al sinds de oprichting in 1973 heeft NOAA veel moeite met de NWS. Als er een orkaan is, of een groot aantal tornado’s, of verlammend winterweer, dan staat alleen NWS in de spotlight, de rest doet er dan niet toe. Als de overheid dichtgaat wegens budgettaire perikelen dan blijft 70% van de NWS open ten behoeve van de publieke veiligheid, dit tot grote ergernis van de rest van NOAA dat werkeloos thuis zit zonder dat het land daar nadelen van ondervindt. Ook overschrijdt het NWS arrogant haar jaarlijks budget en het rode verschil moet door de rest van NOAA met nauwelijks ingehouden woede worden bijgepast.

NOAA is dus niet zo maar een “oceaaninstituut”, dames en heren van teletekst.

De andere vraag, waarom ook NASA (van de raketten en ruimtemissies) volgens teletekst aan klimaat doet, moet worden voorafgegaan door een opmerking over de VS-overheid in het algemeen. Talloze overheidsactiviteiten worden dubbelop gedaan. Je zou denken dat dat verspilling is, of beroerde organisatie, maar het is mede gebaseerd op een zelden expliciet uitgesproken filosofie dat concurreren uiteindelijk tot de hoogste kwaliteit leidt. Moge de beste winnen. Je vindt dus activiteiten met betrekking tot weer en klimaat in de federale overheid binnen de volgende departementen: commercie, energie (DoE), defensie, en in onafhankelijke agentschappen zoals de NASA, de Environmental Protection Agency (EPA) en de National Science Foundation. Die ontvangen en verdelen met z’n allen de tweede geldstroom, zodat iedereen bij iedereen voorstellen indient. Een Darwiniaans oerwoud. Geld is doorslaggevend in het land van de dollar. Als er geld voor het klimaat is dan wil iedereen ineens aan klimaat doen.

NASA is een instantie waarin enorm veel geld omgaat vanwege de vele aansprekende missies. Nadat satellieten mondiale stralingsdatasets in allerlei golflengtes gingen produceren is NASA ‘data-assimilatie’ gaan doen in de veronderstelling dat satellietwaarnemingen uiteindelijk zouden helpen bij de weersverwachting. Met data-assimilatie kom je tegenwoordig meteen uit bij “Reanalysis” dat wordt gemotiveerd als zijnde essentieel voor klimaatonderzoek. Dat doet het NASA-Goddard Space Flight Center met overgave, en in goede samenwerking met NOAA. Bepaalde tradities beginnen toevallig, maar als de traditie er eenmaal is dan lijkt het wel 24

Meteorologica 2 - 2017

alsof het zo moest zijn. Er is een NASA-GISS instituut in New York dat door James Hansen werd geleid, een toevalligheid.

Hansen is een van de eersten die voor de senaat getuigenis kwam afleggen over Global Warming. Hij werd daardoor een nationale bekendheid en het GISS instituut is grotendeels ten dienste van het Global Warming idealisme gaan werken. De NASA die in het persbericht wordt genoemd is in feite Hansens GISS. Hansen is inmiddels gepensioneerd en opgevolgd door Gavin Schmidt. NASA gebruikt dezelfde metingen als de door NOAA verzamelde en bewerkte metingen, zoals het Global Historical Climate Network boven land. Verder doen ze niets dat NOAA niet in z’n eentje zou kunnen. Alleen is NASA ambitieuzer/roekelozer om via extra- en interpolatie getallen op roosterpunten te krijgen daar waar de traditionele metingen schaars zijn. Maar NASA heeft een fantastische public relations (PR) afdeling, en dat helpt in dit geval zowel NOAA als NASA. Het grapje is dat de NASA-PR een groter buget heeft dan alle activiteiten van NOAA bij elkaar.

Het bovenstaande schreef ik medio januari 2017. Misschien is dit nu geschiedenis, want de ‘deconstructie van de administratieve staat’ is inmiddels begonnen; de ontmanteling van de overheid die ‘de vijand van het volk’ bleek te zijn. Het taalgebruik alleen al. De Trump regering houdt vooral van defensie, veiligheid en dergelijke. Verklaarde tegenstanders van klimaatverandering zijn benoemd als hoofd van de DoE en EPA; men zoekt nog naar een NOAA hoofd (= tegenstander, maar van wat?). Ruimtevaart (NASA) doet het goed in het eerste budget van Trump, maar iemand heeft wel met een precisiemes het klimaat uit NASA weggesneden. NOAA (sans NWS) zou wel eens tientallen procenten gekort kunnen gaan worden omdat a) de NWS, dat toch ook veiligheid behartigt, niet veel gekort kan worden, en b) de rest van NOAA buitengewoon kwetsbaar is omdat ze aan klimaat doen en klimaat is nepnieuws gebleken. Toch moet ook NWS vrezen, want de taakverdeling overheid – privébedrijven kan zomaar weer gaan opspelen. Waar dit toe leidt weten we pas over tien jaar (soep is zelden zo heet als opgediend), maar de aanzet is verontrustend. Men zou kunnen hopen of veronderstellen dat het Congres (dat uiteindelijk over het geld gaat) met een ander budget komt, of dat de Trump regering door verregaande incompetentie weinig schade kan aanrichten.

Men kan zich tot troost een analogie uit 1994 voor de geest halen. In 1994 ging het huis van afgevaardigden voor het eerst in decennia over in handen van de Republikeinen. Zij werden gekozen op grond van een ‘Contract with America’. Daar in stond, agressief, dat het DoC moest worden afgeschaft. Dat blijkt makkelijker gezegd dan gedaan. Als vingeroefening werd toen eerst het minuscule NOAA-corps opgedoekt. Dat bestaat uit aardige jongens in uniform, maar zonder wapens, die NOAA boten bemannen voor vredelievende onderzoeksmissies. Vijf jaar later: breaking news op TV! Een NOAA boot was als eerste ter plaatse toen het vliegtuig met JFK junior in de oceaan neerstortte. Was het NOAA corps dan niet afgeschaft? TV kijkers waren natuurlijk allang vergeten dat het DoC geschrapt had moeten worden, het NOAA-corps voorop, en politici waren overgegaan tot de orde van de dag. Zo ging dat toen, en wellicht ook nu.

Meteorologisch Nachtwerk – Samenvatting voorjaarssymposium en algemene ledenvergadering 2017 Gert-Jan Steeneveld (NVBM) Op 7 april 2017 organiseerde de NVBM haar jaarlijkse algemene ledenvergadering (ALV) gecombineerd met het voorjaarssymposium Meteorologisch Nachtwerk. Het symposium vond plaats bij MeteoGroup in Wageningen en was druk bezocht met circa 50 deelnemers. Op de ALV keken we eerst terug op ons vijfde lustrumjaar. Hierin organiseerden we samen met de Nederlandse Hydrologische Vereniging een excursie naar Twente rondom het thema Natura2000. Het feestelijke hoogtepunt van het jaar was natuurlijk het drukbezochte lustrumsymposium The Future Weather Factory: Weather, Climate and Society in het Oude Magazijn in Amersfoort, waarbij de NVBM awards werden uitgereikt. Daarna werd op de ALV het nieuwe, door Hans Nienhuis ontworpen, NVBM logo verkozen (Figuur 1).

Na de ALV startte het daadwerkelijke symposium. De eerste spreker en winnaar van één van de NVBM awards, Bert Holtslag van Wageningen Universiteit, presenteerde zijn werk, getiteld ‘De Stille Nacht’. De kwaliteit van weer- en klimaatmodellen is de afgelopen decennia via een stille revolutie toegenomen. Maar verrassend genoeg geldt dit in mindere mate voor hun score voor nachtelijke en polaire stabiele grenslagen. Systematische fouten in de wintergemiddelde 2-m temperatuur van 5-10 K zijn in polaire gebieden niet ongebruikelijk. Het gedrag van de stabiele grenslaag, met name bij weinig wind, is een subtiel resultaat van meerdere kleinschalige natuurkundige processen, en waar die balans eindigt is soms lastig te voorspellen. Wel heeft de representatie van de stabiele grenslaag in modellen een relatief grote invloed op de synoptische schaal. Modellen moeten daardoor hinken op twee gedachten: een goede verwachting van de grenslaag gaat vaak ten koste van de score op de synoptische schaal, en vice versa. Bert liet zien dat vergelijkingsstudies waarbij meerdere modellen dezelfde nacht doorrekenen en vergeleken worden met waarnemingen een succesvolle manier zijn om stap voor stap de modellen te verbeteren. Voor een relatief simpele zomernacht op Cabauw kwamen de modellen toch nog met een spreiding van ~7 K voor de minimumtemperatuur uit de bus.

Figuur 1. Het nieuwe NVBM logo.

Folmer Krikken (KNMI/WUR) vervolgde de lezingenreeks waarbij hij zich richtte op de ‘poolnacht van 2016/2017’.

Die poolnacht verliep nogal mild en Folmer zocht de achterliggende mechanismes uit. Het minimum van de zee-ijs bedekking (in september) in het Noordpoolgebied daalt de laatste jaren rap, maar deze winter viel juist de achterblijvende ijsaangroei in de herfst van 2016 op. In november 2016 was

de zee-ijsbedekking 10 standaarddeviaties onder de normaal!

Wat was er qua mechanisme deze winter zo speciaal? Daarvoor werd het publiek meegevoerd langs een tijdlijn die al in december 2015 begon. Storm Frank bracht veel warmte en vocht noordwaarts en dit leverde in sommige delen van het Arctisch gebied een temperatuuranomalie op van ~10 K. Dit zorgde voor een “pre-conditioning” van het winterseizoen met relatief warm zeewater in de Karazee en Barentszzee. Meer van dit soort intrusies van warme en vochtige lucht volgden in januari, februari en maart 2016, en in de daaropvolgende herfst. Verder is de afgelopen jaren juist het relatief dikke en robuuste meerjarige zee-ijs afgenomen, en is veel van de huidige ijsbedekking jong (éénjarig). Dit ijs is relatief vatbaar voor warm weer met veel wind. Samen leidde dit complexe samenspel tot deze unieke poolnacht.

De middag werd afgesloten met een presentatie door Jelle Wisse (MeteoGroup) over ontwikkelingen in de gladheidsbestrijding ‘Grip op Gladheid’. Jaarlijks worden typisch 20-40 strooiacties uitgevoerd, maar de interjaarlijkse variabiliteit is groot. Om wegdektemperatuur en conditie (ijzel, sneeuw, etc.) te verwachten heeft MeteoGroup een wegdekmodel ontwikkeld op basis van de oppervlakte-energiebalans die afhangt van de staat van de atmosfeer en van het type wegdek. Het model maakt verwachtingen voor de locaties in het gladheidsmeldsysteem. Maar omdat voor strooiwagens puntwaardes onvoldoende zijn is het model uitgebreid voor gehele strooiroutes, onder meer, op basis van de lokale sky-view factor (hoe open het landschap is) en bijvoorbeeld grondsoort.

Hiermee kan een te strooien route geoptimaliseerd worden qua timing, en kan de strooi-intensiteit op ruimtelijk fijne schaal worden aangepast. De laatste stap in het verwachtingsproces is een applicatie voor strooiadvies die de verwachte wegdekverwachting combineert met de zogenaamde beslismatrix van de wegbeheerder. Hoe gaat dit verder in de toekomst?

Jelle toonde een voorbeeld van een ensemble-verwachting voor wegdektemperatuur en conditie. Verder kan ruimtelijke informatie ten behoeve van de verwachting verfijnd worden via crowdsourcing, dus het inzamelen van weergegevens door burgers, via privé weerstations of observaties door privé auto’s. Wellicht ligt zelfs nowcasting voor zelfrijdende auto’s al spoedig in het verschiet!

Symposium gemist? Alle presentaties zijn terug te vinden op de NVBM website www.nvbm.nl (inloggen vereist).

Meteorologica 2 - 2017

25

KLIMAATOVERZICHT Uitdagingen bij een attributiestudie in ontwikkelingslanden Sjoukje Philip, Sarah Kew, Geert Jan van Oldenborgh (KNMI) Het jaar 2015 was in Ethiopië extreem droog. Na zo’n gebeurtenis wordt vaak de vraag gesteld hoe waarschijnlijk deze droogte was en of dit te koppelen is aan klimaatverandering. Om deze vragen te beantwoorden zijn goede gegevens en geschikte modellen van groot belang. In dit artikel doen we verslag van de uitdagingen in de attributiestudie van dit extreem droge jaar in Ethiopië die we in samenwerking met onze partners van World Weather Attribution (WWA) en lokale partners hebben gedaan. We hebben in ditzelfde samenwerkingsverband tevens de droogte in Kenia en Somalië van 2016 geanalyseerd; de resultaten daarvan zijn te vinden op wwa.climatecentral.org.

Droogte in Ethiopië in 2015 Ethiopië heeft een complex neerslagpatroon, met verschillende regenseizoenen in de diverse delen van het land. In centraal tot noordoost Ethiopië was het in 2015 erg droog. Dit deel van Ethiopië is een relatief homogene neerslagzone en kent twee regenseizoenen: Belg (feb-mei als de intertropische convergentiezone (ITCZ) naar het noorden trekt) en Kiremt (jun-sep, als de ITCZ terug naar het zuiden schuift). De gemiddelde seizoencyclus voor dit gebied is te zien in Figuur 1. In 2015 kwam de neerslag laat, met neerslagtekorten van 50–75% en de regens waren bovendien erg grillig. Hierdoor mislukten vele oogsten en ontstonden voedseltekorten. Dit wordt al snel aan de opwarming van de aarde toegeschreven. Tegenwoordig kunnen we op basis van waarnemingen en klimaatmodellen bepalen of dit inderdaad zo is.

neerslag [mm/dag]

7 6 5

2.5%,17%,83%,97.5% percentiles CenTrends neerslag 38-43E 8-13N

4 3 2 1 0

J F M A M J J A S O N D J F M A M J J A S O N D

Observaties De volgende uitdaging is het vinden van alle bruikbare datasets en het controleren van de beschikbaarheid en kwaliteit van de gegevens. Stationsdata zijn schaars en moeilijk te verkrijgen. Er zijn maar weinig data publiekelijk verkrijgbaar en er wordt vaak niet gewerkt met een ‘open data beleid’. Een aantal tijdreeksen voor deze studie zijn met permissie geleverd door het lokale meteorologische instituut (NMA). Sommige beschikbare tijdreeksen zijn te kort om een herhalingstijd of trend te berekenen, of bevatten veel gaten. Ter illustratie hiervan: in deze studie kon data van drie stations gebruikt worden.

Vanwege het grote aantal missende data in 2015 zijn de stations Alem Ketema en Combolcha (Figuur 2) alleen gebruikt voor het bepalen van de trend. In de tijdreeks van Addis Ababa miste slechts één maand van 2015. Gelukkig zijn er door Chris Funk en collega’s van de universiteit van Californië in Santa Barbara twee datasets voor dit gebied gemaakt op basis van alle stations die hij kon vinden (CenTrends, 1900-2014) én satellietdata (CHIRPS 1981-nu). Hiermee kon de ontbrekende maand in Addis Ababa ingevuld worden en was deze dataset geschikt om zowel de herhalingstijd als de Risk Ratio (de relatieve verandering in herhalingstijd tussen 1960 en 2015) te bepalen.

Figuur 1. Gemiddelde seizoencyclus van neerslag in het bestudeerde droge gebied (zie ook Figuur 2) in mm/dag. De cyclus wordt twee keer vertoond in de rode lijn en laat de Belg (feb-mei) en Kiremt (jun-sep) regens zien. De groene lijnen tonen verschillende percentielen. Bron: CenTrends dataset.

De eerste stap in een attributiestudie is het definiëren van de gebeurtenis in samenwerking met lokale partners, zowel ruimtelijk als in de tijd. Hiervoor is input van lokale partners onontbeerlijk. Zij gaven aan dat een aanhoudende droogte gedurende twee achtereenvolgende regenseizoenen de grootste impact op de bevolking heeft. Daarom is ervoor gekozen om de totale neerslag over de twee regenseizoenen te bestuderen, dus over de maanden februari – september. De grenzen van het gebied (Figuur 2) zijn, wederom in overleg met onze Ethiopische partners, bepaald op basis van homogeniteit in neerslag (de homogene neerslagzones) en topografie (onder andere de scheiding tussen het hoogland in het westen en zuiden, het laagland in het noordoosten, en de Rode Zee in het noorden).

26

Meteorologica 2 - 2017

Figuur 2. Neerslaganomalie (CHIRPS dataset, neerslag minus 19812010 klimatologie) gemiddeld over februari – september 2015 (mm/ dag). De rechthoek geeft de geanalyseerde regio weer en de cirkels tonen de locaties van drie meetstations.

reeks. De lijnen laten de fit zien, de waarnemingen 5 zijn tweemaal ingetekend: 4 eenmaal door alle data 3 2 te schalen naar het kli1 maat van 2015 en eenmaal 0 20 201101 201201 201301 201401 201501 201601 door alle data te scha18 len naar het klimaat van 16 1960. Vanwege de relatief Feb-Sep summed precipitation CenTrends-ext 1960:2014 (95% CI) 24 14 korte lengte van de tijd22 12 reeks ten opzichte van de 20 18 10 beste schatting (260 jaar) 16 8 voor de berekende her14 2 5 10 100 1000 10000 12 halingstijd in het klimaat -0.1 0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 return period [yr] Global mean surface temperature (smoothed) van 2015 is het zinvoller alleen de ondergrens Figuur 3. Linksboven: CenTrends-ext neerslag anomalieën voor 2011-2015 ten opzichte van 1981-2010. Rood is van de herhalingstijd te droger, blauw is natter dan gemiddeld. Linksonder: neerslag anomalieën voor elk jaar tussen 1960-2015, uitgezet gebruiken, namelijk 60 tegen de 4-jaar gemiddelde wereldgemiddelde temperatuur in dat jaar. De rode lijnen geven het gemiddelde (bovenste jaar (95% betrouwbaarlijn) en de een en twee standaarddeviaties (onderste twee lijnen) van een lineaire regressie op de 4-jaar gemiddelde heidsinterval). We vinden wereldgemiddelde temperatuur. Het paarse vierkantje geeft de 2015 waarde (niet meegenomen in de fit). Rechts: geen significant verschil herhalingstijden in het huidige klimaat (rood) en in het klimaat van 1960 (blauw), gefit aan een Gaussische verdeling tussen de fits voor 2015 die opschuift met de wereldgemiddelde temperatuur. De kortere rode en blauwe lijnen geven de significantie van de fit en 1960 en kunnen hieruit aan. Dagelijkse gemiddelde neerslaghoeveelheden zijn gesommeerd over de acht maanden. concluderen dat er geen significante trend is naar nattere of drogere jaren.

Voor observaties gebruiken we een statistische methode om Dezelfde analyses zijn ook gedaan op basis van de tijdde herhalingstijd van de gebeurtenis te bepalen en een evenreeksen van de drie individuele stations. De herhalingstijd tuele trend te detecteren. Om het hele gebied te bestuderen berekend met data van Addis Ababa is slechts drie jaar. Er zijn gebruiken we een combinatie van CenTrends en CHIRPS. De verschillende mogelijke redenen voor het verschil tussen dit CenTrends dataset is voor Ethiopië te gebruiken vanaf 1960, station en het gebiedsgemiddelde. Ten eerste is het mogelijk maar loopt slechts tot 2014. De pre 1960 data kunnen niet dat vanwege schaarste aan gegevens vooral de data in 2015 gebruikt worden omdat er simpelweg te weinig stationsdata die gebruikt zijn voor het tot stand brengen van de CenTrendsbeschikbaar waren voor het vullen van de dataset. De CHIRPS ext dataset wat betreft de neerslagsommen over het hele dataset loopt wel door tot heden maar start pas in 1981. De gebied voor 2015 worden onderschat. Daarnaast is de droogte twee datasets zijn gebaseerd op dezelfde data en aannames toch niet homogeen over de hele regio. Ten slotte bekijken we (stationsdata, satellietwaarnemingen, assimilatietechnieken) met CenTrends-ext een gebiedsgemiddelde en in Addis Ababa en zijn daardoor wel goed te combineren (vanaf nu de een puntlocatie. De verschillen tussen de drie stationslocaties CenTrends-ext dataset genoemd). Helaas zijn er voor het jaar en het gebiedsgemiddelde zijn ook zichtbaar (hoewel kleiner) 2015 niet veel gegevens van stations vrijgegeven die in deze in de berekening van de Risk Ratio (Fig. 4). Een Risk Ratio dataset verwerkt konden worden, zodat de analyse voor dit van 1 betekent dat er geen verandering in herhalingstijd van jaar vrijwel geheel op satellietdata gebaseerd is, wat de exacte een droogte zoals in 2015 of erger is, een Risk Ratio groter neerslagsom minder betrouwbaar maakt. dan 1 geeft een trend naar minder neerslag aan.

Om de herhalingstijd van een droogte zoals die van febsep 2015 te berekenen fitten we een Gaussische distributie Invloed van El Niño aan het gebiedsgemiddelde neerslagtekort met een mogelijke Naast attributie naar klimaatverandering kunnen we ook de trend. Als maat voor de trend nemen we de wereldgemiddelde attributie naar bijvoorbeeld El Niño berekenen. In deze studie temperatuur (met een 4-jaars lopend gemiddelde om natuuris dit een belangrijke analyse omdat men hierover in Ethiopië lijke variaties te onderdrukken). De vraag is dan of de kans op graag uitsluitsel wil hebben. In Ethiopië kan El Niño leiden droogte is veranderd samen met de wereldwijde opwarming. tot drogere condities, voornamelijk in het noordwesten van het Figuur 3 geeft zo’n fit weer voor de CenTrends-ext tijdland in het Kiremt regenseizoen. Een factor die mogelijk bij de droogte in 2015 meespeelde was dat er een sterke El Niño 0.1 1 10 100 1000 gaande was. Over het algemeen brengt dit in het bestudeerde gebied van Ethiopië droge condities met zich mee, vooral van CenTrends-ext juni tot september. Als er in 2015 geen El Niño was opgeAddis Ababa treden, zou het gehele regenseizoen ongeveer 7% natter zijn Alem Ketema geweest. De herhalingstijd zou daarmee van 260 jaar naar 80 jaar zijn gedaald. Kortom, de 2015 droogte was uitzonderlijk Combolcha en werd bovendien versterkt door El Niño.

7

Precipitation CenTrends-ext Ethiopia

6

[mm/season]

[mm/season]

precip [mm/day]

Feb-Sep summed precipitation CenTrends-ext 1960:2014 (95% CI) 26 gauss scale fit 1960 gauss scale fit 2015 24 observed 2015 22

Figuur 4. Risk ratio (relatieve verandering in herhalingstijd tussen 1960 en 2015) voor het gebiedsgemiddelde en de drie stations. Zwarte balken geven de beste schatting weer, en de blauwe balken het 95% betrouwbaarheidsinterval. Een Risk Ratio (horizontale as) groter dan 1 betekent een trend naar minder neerslag.

Modellen Om de kans op droogte te koppelen aan klimaatverandering selecteren we een set van verschillende typen klimaatmodellen. Het voordeel van klimaatmodellen is dat er meer data Meteorologica 2 - 2017

27

0.1

1

10

CenTrends-ext EC-Earth CMIP5 weather@home Weighted average inflated 1.82

Figuur 5. Risk ratio (relatieve verandering in herhalingstijd tussen 1960 en 2015) voor het gebiedsgemiddelde in observaties (blauw) en modellen (rood). Het gewogen gemiddelde is weergegeven in roze. Zwarte balken geven de beste schatting weer, en de kleuren tonen het 95% betrouwbaarheidsinterval.

beschikbaar zijn, en dus een eventueel signaal beter van de natuurlijke variabiliteit kan worden onderscheiden. Het nadeel is dat modellen systematische afwijkingen ten opzichte van de werkelijkheid kunnen bevatten. Het gebruik van meerdere klimaatmodellen geeft een indruk hoe groot deze afwijkingen ten minste zijn. Eerst controleren we of deze klimaatmodellen het klimaat van Ethiopië goed na kunnen bootsen. Van de complete set klimaatmodellen hebben we er aldus drie goed genoeg bevonden.

Twee van deze drie klimaatmodellen laten geen trend zien, en de derde toont een verhoogde kans op droogte, zie de Risk Ratio’s in Figuur 5. De trends in de modellen komen overeen met de natuurlijke variabiliteit in de observaties. De modellen verschillen onderling echter nogal, wat erop wijst dat modelonzekerheden groter zijn dan de natuurlijke variabiliteit in de modellen. De drie klimaatmodellen samen laten echter geen trend naar meer kans op droogte zien.

M E E T I N S T R U M E N T A T I E

Conclusie Uit deze attributiestudie blijkt dat een dergelijke studie alleen zin heeft als een redelijk lange reeks van redelijk betrouwbare waarnemingen beschikbaar is, zowel om trends te detecteren als om modellen te (in)valideren. Daar waar sets niet volledig zijn, of tijdreeksen relatief kort, worden de onzekerheden in de uitkomsten steeds groter.

Voor Ethiopië hebben we voldoende lange reeksen weten te vinden. Daarmee hebben we bepaald dat de herhalingstijd van de droogte in noordoost Ethiopië in 2015 minstens 60 jaar is, maar waarschijnlijk enkele honderden jaren. Met behulp van observaties vinden we geen trend als gevolg van klimaatverandering, maar vanwege de grote natuurlijke variabiliteit is het mogelijk dat we deze simpelweg nog niet kunnen detecteren. Klimaatmodellen laten ook geen trend zien. Wel kunnen we een bandbreedte van een mogelijke trend aangeven: de risk ratio (de relatieve verandering in herhalingstijd tussen 1880 en 2015) voor zo’n droogte of erger ligt tussen de 0.6 en 4.

Bij dit soort attributiestudies is niet alleen het berekenen van de invloed van klimaatverandering op extreem weer een uitdaging, maar ook de communicatie van de resultaten in vormen anders dan een wetenschappelijk artikel. Niet alleen zijn de onzekerheden en andere complexiteiten van de analyse vaak lastig over te brengen, ook zien we vaak dat tegenstrijdige ideeën en belangen de acceptatie van de uitkomsten bemoeilijken. Gelukkig hebben we andere partners in ons samenwerkingsverband die deze taak op zich nemen.

Referentie

S. Philip, S.F. Kew, G.-J. van Oldenborgh, F. Otto, S. O’Keefe, K. Haustein, A. King, A. Zegeye, Z. Eshetu, K. Hailermariam, R. Singh, E. Jemba, C. Funk and H. Cullen, Attribution analysis of the Ethiopian Drought of 2015, submitted to Journal of Climate, 2017.

Vacature: Applicatie en Product specialist

CaTeC b.v (Wateringen) is exclusief importeur voor de Benelux van een brede lijn van meetinstrumenten en sensoren.

De kern van de meetinstrumentatie is gericht op het meten van klimaat-parameters en het registreren en analyseren van meetsignalen.

Voor ons producten pakket dat gericht is op het meten en analyseren van broeikasgassen en onze toplijnen van meteorologische- en bodemonderzoek gerelateerde meetinstrumenten zoeken wij een applicatie specialist die verantwoordelijk is voor de ondersteuning en verkoop van de genoemde meetinstrumenten.

Bovengenoemde meetinstrumenten worden voornamelijk toegepast door: Universiteiten, onderzoeksinstituten en instanties zoals het KNMI, ECN etc.

Profiel van de kandidaat: Voor deze functie zoeken wij een kandidaat met de volgende mogelijkheden en opleidingen.

•Opleiding Universitair, HBO in één van de volgende studierichtingen - Klimatologie, - Bodem, Water, Atmosfeer, - Plant fysiologie •Kennis van klimatologische ontwikkelingen •Sterke interesse in bovengenoemde vakgebieden, technisch goed onderlegd gecombineerd met een klantvriendelijke instelling., •Oplossingsgerichte werkwijze •Ervaren in omgang met computers en onderlegd in digitale communicatie.

•Ervaren in het presenteren van producten en meet- en analyse-oplossingen •Kennis van Engelse taal •Enthousiaste instelling en team speler.

•Commerciële instelling •Bereidheid tot reizen en het onderhouden van de relaties met onze internationale toeleveranciers.

Wij bieden: •Een afwisselende baan binnen een enthousiast team met een collegiale werksfeer.

•Een inwerkperiode met diverse trainingen (internationaal) •Een passend salaris conform aan de functie en opleiding •Goede secundaire arbeidsvoorwaarden •Goede opleidingsmogelijkheden •Een enthousiast team collega's Voor contact kunt u zich wenden tot : mevrouw M.J. Spaans, hoofd PZ - tilly.spaans@catec.nl – tel. 0174 272332 Voor meer informatie : www.catec.nl

28

Meteorologica 2 - 2017

From model field to power yield Arjan Droste, Peter Kalverla (WUR) Donderdag 11 mei vond het Buys-Ballot voorjaarssymposium plaats aan de Wageningen Universiteit. Het symposium, georganiseerd door promovendi Peter Kalverla en Arjan Droste, behandelde de rol van de meteorologie in de opkomende duurzame-energiesector.

Wageningse promovendi worden gestimuleerd hun onderzoek in een bredere context te plaatsen: wat is het maatschappelijk belang van het onderzoek? Arjan onderzoekt wind en turbulentie in steden en Peter houdt zich bezig met wind op de Noordzee, dus de link met duurzame energie is duidelijk. Er is binnen de energiesector een toenemende aandacht voor meteorologie: Wageningse afgestudeerden vinden er dikwijls hun eerste baan. Desondanks is dit onderwerp vooralsnog beperkt zichtbaar in de opleiding en in het Wageningse onderzoek.

Met het symposium hopen de organisatoren dit interessante en relevante onderwerp meer onder de aandacht te brengen.

Overzicht van de dag Dagvoorzitter Maarten Krol (voorzitter van BBOS, de BuysBallot Onderzoeks-School) opende het symposium met een anekdote over een artikel dat claimde dat zonnepanelen de energiebalans aan het oppervlak kunnen veranderen: illustratief voor de wisselwerking tussen energie en meteorologie.

De organisatoren gaven zelf een inleidende presentatie, waarin ze het kader schetsten voor de latere presentaties.

Wind- en zonne-energie zijn variabel in tijd en ruimte, en omdat energieopslag technisch nog steeds erg lastig is, zijn goede weersvoorspellingen vooralsnog erg belangrijk. Daarnaast brengt het energiebeleid investeringen met zich mee, waaronder in (meteorologisch) onderzoek: dit roept nieuwe onderzoeksvragen op over bijvoorbeeld de mariene grenslaag, de koppeling tussen wind- en zonneparken en het klimaat, en het weer in de stad.

Vervolgens werden vier thema’s belicht door een internationaal panel van experts. De meteorologische aspecten van windenergie werden toegelicht door Dr. Martin Dörenkämper, werkzaam bij het Fraunhofer IWES. Een belangrijk onderzoeksthema is het zogenaamde zogeffect: hoeveel wind wordt door naburige turbines weggevangen? Metingen en modelsimulaties tonen aan dat de kust hieraan sterk bijdraagt, zelfs op grote afstand buitengaats (50 km). De zogeffecten zijn kleiner in onstabiele omstandigheden doordat er dan meer menging met de luchtlaag boven de windmolens kan plaatsvinden.

Na wind komt zonneschijn: dr. Stefan Wilbert van het Duitse lucht- en ruimtevaarcentrum presenteerde meteorologische aspecten en observatietechnieken ten behoeve van zonne-energie. Al bij het ontwerp van een zonne-energiecentrale is meteorologische kennis cruciaal om de optimale energietechniek te selecteren. Daarnaast dragen nauwkeurige kortetermijnvoorspellingen over (voornamelijk) inkomende straling bij aan de benodigde kostenverlaging. Om snelle variaties in bewolking boven een centrale te kwantificeren wordt gebruik gemaakt van nowcasting gebaseerd op foto’s van de hemel. Op de langere termijn zijn ook voorspellingen van deeltjes (aërosolen, stof, Saharazand!) belangrijk omdat die de opbrengst sterk kunnen reduceren. Vanuit het publiek wordt gevraagd naar hagelverwachtingen: deze kunnen van belang zijn op noordelijke breedtegraden.

Wind- en zonne-energie hangen sterk van het klimaat af, dus wat gebeurt er als het klimaat verandert? Dr. Robert Vau-

tard van het Franse onderzoekscentrum voor klimaat en milieu vertelde over de interactie tussen windparken en het regionale klimaat. Klimaatmodellen verwachten dat de Hadley cellen poolwaarts zullen opschuiven, waardoor Zuid-Europa relatief meer windstille omstandigheden (“wind-droogtes”) te verduren zal krijgen. Een verandering van de gemiddelde windrichting kan bovendien de bovengenoemde zogeffecten negatief beïnvloeden. Andersom suggereren metingen dat de extra menging van windparken op land de nachtelijke oppervlaktetemperatuur doet stijgen, en laten modelsimulaties voor het jaar 2050 slechts kleine veranderingen in temperatuur zien (~0.4 °C) in gebieden met grootschalige windparken. Dr. Vautard beargumenteerde dat het lokale effect van zonnepanelen op de energiebalans niet significant zal zijn.

Ten slotte vertelde Dr. Sanda Lenzholzer van de Wageningense leerstoelgroep landschapsarchitectuur hoe we ook in het ontwerp van steden rekening kunnen houden met duurzame energie. Aan de hand van studentenprojecten schetste ze een beeld van de toekomstige stad, waarin stedelijke warmtefluxen worden gebruikt om zoveel mogelijk in de energiebehoefte te voorzien. Voorbeelden hiervan zijn de stuwende oriëntatie van huizenblokken gecombineerd met stijlvolle windturbines in het Amsterdamse Oostenburg, zonnepanelen op zuidelijke gevels, en een heuse “energy canopy” (beweegbare overkapping van zonnepanelen) in het Arnhemse Spijkerkwartier.

Hoewel de aanwezige meteorologen sceptisch waren over de daadwerkelijke energieopbrengst van zulke projecten was het duidelijk dat een slimme en aantrekkelijke vormgeving wel degelijk kan bijdragen aan de perceptie en ontwikkeling van duurzame energie.

Outreach Het doel van het symposium was om belangstelling op te wekken voor energie-meteorologie, maar ook om samen na te denken over uitdagingen en vragen op dit gebied. Dit kon alleen bereikt worden door actieve deelname van het publiek, en dat verliep erg succesvol. Halverwege het programma werd een discussie op gang gebracht aan de hand van prikkelende stellingen over duurzame energie, waarop men kon stemmen via de smartphone. Ook aan het einde van de dag werd er levendig gediscussieerd over opslag, benodigde rekenkracht maar ook het imago van duurzame energie (oude windmolens zijn toeristentrekpleisters, maar nieuwe windmolens vervuilen het landschap...?).

De presentaties van alle sprekers, en een samenvatting van de discussie zijn terug te vinden op https://peter9192.github. io/energy-meteo/, vooral om de informatie van dit symposium te bewaren en uit te dragen naar een breder publiek. Er zijn veel kansen voor de meteorologie op het gebied van duurzaamheid, en we hopen dat hiermee een belangrijke stap is gezet naar toekomstig onderzoek.

Meteorologica 2 - 2017

29

Valt er nog wat te lachen?

column

Gerard van der Schrier

30

Meteorologica 2 - 2017

‘We don’t do pun!’ kreeg ik te horen toen ik de euvele moed had om een stukje naar Physical Review E te sturen met een grapje in de titel. Het artikeltje ging over een bijzondere en nét geen regelmatige beweging in de differentiaalvergelijkingen van de meteoroloog Edward Lorenz. Mijn co-promotor en ik vonden het grappig om deze beweging, met een vette knipoog naar Stanley Kubricks film, een ‘Clockwork Lorenz’ te noemen. Achteraf is het maar goed dat de redacteur van het tijdschrift ingreep: zo grappig was het eigenlijk niet.

Maar het bevestigt wel het beeld dat leeft over de wetenschap: dood- en doodsaai.

Toch zijn er wetenschappers die het lukt om – op een nerdy-achtige manier – grappig te doen in hun wetenschappelijke artikelen. Een groepje Zweedse onderzoekers doet onderling een wedstrijdje wie de meeste citaten van Bob Dylan nummers in de titel van een publicatie kan verwerken. De wedstrijd schijnt al bijna 20 jaar te lopen, met – tjongejonge – een gratis lunch in het vooruitzicht voor de winnaar. Je krijgt dan titels als: ‘Nitric Oxide and Inflammation: The answer is blowing in the wind’.

Een korte zoektocht op Google Scholar geeft dat ‘Blowing in the wind’ ondertussen te pas en te onpas gebruikt wordt voor (populair) wetenschappelijke stukjes, maar het wordt al een stuk leuker als collega’s de uitdaging oppakken en ‘Blood on the tracks: a simple twist of fate?’ weten te publiceren. Hoppa!

Twee verwijzingen in één titel!

Misschien past het succes om grapjes met de titel uit te halen wel in de trend dat wetenschappers in de laatste jaren veel minder formeel zijn gaan schrijven dan voorheen gebruikelijk was. Traditioneel is het gebruik van de “ik-vorm” uit den boze, net als samenvoegingen. Het starten van een zin met een aanname is ook uit den boze en directe vragen dienen te allen tijde vermeden te worden. Ook uitroeptekens zijn te strengste verboden!

Academisch geschrijf is dan ook meer een codetaal, waarbij overtuigingskracht en – hemeltjelief! – emotie sterk beperkt worden met als enige doel informeel taalgebruik te vermijden en een beeld te schetsen dat zo duidelijk mogelijk is, zonder enige dubbelzinnigheid. Bij het schrijven heb je een beeld in het hoofd van het publiek waarvoor je schrijft, en je probeert je publiek dan ook niet te verrassen met iets wat ze niet verwachten. Als de geldende mores voorschrijft dat je formeel schrijft, dan is het handig om daar niet van af te wijken. Stijlvormen, gebruikelijk in ‘gewone’ tijdschriften of een boek, worden afgeraden als je een wetenschappelijk stuk schrijft. Maar er

lijken nu toch straaltjes zonlicht door de eerste barsten in deze rigide manier van schrijven te komen. In deze tijd waar veel wetenschappers gemotiveerd worden om ook buiten de wetenschappelijke literatuur, wat slechts een handvol lezers trekt, actief te zijn en voor het grote publiek populair-wetenschappelijke stukjes of blogs te maken, is een formele schrijfstijl hopeloos ontoereikend. Het overleven van de moderne wetenschapper is deels afhankelijk geworden van het schrijven van onderzoeksvoorstellen, waarbij het overtuigen van de beoordelingscommissie van de waarde van je idee en aanpak essentieel zijn om de subsidie binnen te slepen. Het juiste taalgebruik helpt daarbij enorm.

In een recente studie is gekeken naar de vraag of de moderne wetenschapper nog steeds zo stijfjes communiceert als zijn de voorgangers uit vervlogen tijden, of dat het taalgebruik toch langzamerhand iets informeler wordt. Het blijkt dat het geschrijf in wetenschappelijke tijdschriften nog steeds niet bedoeld is voor op het nachtkastje of het strand, laat staan voor het menselijk oor, maar desalniettemin zijn er veranderingen gaande. In deze studie springt de biologie eruit, met een toename van 24% in informele bewoordingen en een drievoudige toename in het gebruik van “ik” en “wij”! Dit soort woordgebruik werd lange tijd vermeden door vooral in de lijdende vorm te schrijven (wij nemen nooit wat waar in onze studies – iets wordt waargenomen). Een verklaring voor de toename van het gebruik van de “ik-vorm” is de afgenomen populariteit van de lijdende vorm, aldus de studie. De reden hiervoor lijkt mij voor de hand liggend: hoewel deze vorm een zekere objectiviteit suggereert, creëert de lijdende vorm ook afstand tussen schrijver en lezer. Deze afstand is bij een deel van de schrijfsels van de moderne wetenschapper ongewenst.

De enige plek in een wetenschappelijk artikel waar de formele en rigide regels niet gelden is het dankwoord aan het eind van het artikel. Hier bedanken de auteurs collega’s voor de discussies die tot het werk geleid hebben, en geldschieters voor het financieren van het werk. De paleontoloog Caleb Brown gebruikte ooit de vrijheid van het dankwoord maximaal: in zijn studie waarin hij de ontdekking van een bijzondere triceratops, een 70 miljoen jaar oude dinosaurus, beschrijft, vraagt hij zijn collega ten huwelijk. Hij schrijft: “C.M.B. would specifically like to highlight the ongoing and unwavering support of Lorna O’Brien. Lorna, will you marry me?” Het zijn toch net mensen, die wetenschappers!

Sponsors van de Nederlandse Vereniging ter Bevordering van de Meteorologie

Werken bij KNMI: the best place to be voor onderzoekers!

Colofon Redactie Hoofdredacteur: Richard Bintanja (e-mail: bintanja@gmail.com, tel: 030-2206499).

Redactieleden: Wim van den Berg, Aarnout van Delden, Robert Mureau, Rob Sluijter en Fiona van der Burgt.

Artikelen en bijdragen Deze dienen uitsluitend digitaal (bv. per e-mail) te worden aangeleverd, als Word document met figuren apart. Uiterste inleverdata hiervoor zijn: 1 februari, 1 mei, 1 augustus en 1 november voor respectievelijk nummer 1, 2, 3 en 4.

Voor meer informatie over de procedure, zie http://www.nvbm.nl/meteorologica/informatie_voor_auteurs/ Artikelen uit Meteorologica mogen uitsluitend worden overgenomen na voorafgaande schriftelijke toestemming van de redactie.

Meteorologica (ISSN 0929-1504) verschijnt vier maal per jaar en is een uitgave van de Nederlandse Vereniging ter Bevordering van de Meteorologie (NVBM).

Penningmeester en administratie: Olaf vellinga (penningmeester@nvbm.nl)

Vormgeving: Colorhouse, Almelo Vermenigvuldiging: Colorhouse, Almelo Abonnementen Alle leden van de NVBM zijn automatisch geabonneerd op Meteorologica. Ook niet-leden kunnen zich abonneren door 28,- euro voor vier nummers over te maken naar IBAN: NL66INGB0000626907, BIC: INGBNL2A, ten name van: NVBM-Meteorologica Postbus 464 6700 AL Wageningen onder vermelding van: “Abonnement Meteorologica” en uw adres.

Abonnementen worden telkens aangegaan voor een heel kalenderjaar; bij tussentijdse betaling worden de reeds verschenen nummers van dat jaar toegestuurd. Voor abonnees in het buitenland zijn de kosten 34,- euro per jaar.

Ook losse nummers kunnen op deze manier worden besteld (zolang de voorraad strekt) voor 9,- euro per stuk, onder vermelding van de gewenste jaargang en nummer(s). Instellingen betalen 59,- euro voor een abonnement. Opzeggingen per email naar het bestuur (bestuurnvbm@gmail.com); hierbij geldt een opzegtermijn van drie maanden.

Lid worden van de NVBM Het lidmaatschap van de NVBM kost 50,euro per jaar. Meer informatie hierover is te vinden op de NVBM website: www.nvbm. nl. Opzeggingen per email naar het bestuur (bestuurnvbm@gmail.com); hierbij geldt een opzegtermijn van drie maanden.

Advertenties Adverteren in Meteorologica is mogelijk.

Advertenties worden geplaatst op 3 formaten: A5, A4 of A3.

Uiterste inleverdata voor advertenties zijn: 1 februari, 1 mei, 1 augustus en 1 november voor respectievelijk nummer 1, 2, 3 en 4. Tarieven zijn op te vragen bij Richard Bintanja (e-mail: bintanja@gmail.com, tel: 030-2206499).

Sponsorschap NVBM Men kan sponsor worden van de NVBM. Een sponsorschap wordt afgesloten voor minimaal 1 jaar. Een sponsor heeft diverse rechten, o.a.: – Het plaatsen van advertenties in Meteorologica – Plaatsing van het firmalogo in het blad.

– Het bijwonen van congressen e.d. georganiseerd door de NVBM. Voor meer informatie over het sponsorschap kunt u contact opnemen met Richard Bintanja of Olaf Vellinga (zie boven).

Meteorologica 2 - 2017

31

Werken bij het KNMI: the best place to be voor onderzoekers!

Het weer is grillig, de bodem beweegt en het klimaat verandert. Voor onze veiligheid en welvaart moeten we weten welke risico’s en kansen dit oplevert.

En: hoe we ons het beste kunnen voorbereiden.

Die kennis heeft het Koninklijk Nederlands Meteorologisch Instituut (KNMI) in huis als het nationale kennis- en datacentrum voor weer, klimaat, oceanografie en seismologie. Betrouwbaar, onafhankelijk en gericht op wat Nederland nodig heeft. Voor een veilig Nederland dat voorbereid is op de invloed van weer, klimaat en aardbevingen.

Voorbereiden, waarschuwen en adviseren

In ons dichtbevolkte land van water, wind en dijken leven we al eeuwenlang met de elementen. Nu de aarde opwarmt, de zeespiegel stijgt en extreem weer vaker voorkomt, groeit de kans dat het weer ons onaangenaam verrast.

De weerkamer van het KNMI staat 24/7 paraat om Nederlanders te waarschuwen als er gevaarlijk of extreem weer dreigt. Tijdig, gericht en met oog voor de impact van het verwachte weer.

Evalueren, onderzoek en wetenschap

Na elke gebeurtenis maken we de balans op. We plaatsen incidenten in een bredere context. We willen ervan leren en nieuwe kennis opdoen. Zodat we risico’s preciezer kunnen bepalen en onze kwaliteit als kennisinstituut kunnen waarborgen. Uniek aan het KNMI is de koppeling tussen operationeel en wetenschap. Praktijkervaringen kunnen meteen wetenschappelijk onderzocht worden. Kennis kan direct ingezet worden ten behoeve van de operationele diensten van het KNMI.

Uniek onderzoek bij het KNMI

In de R&D vakgroepen van het KNMI wordt gewerkt aan verbetering van het waarneemsysteem en van de modellen.

Unieke expertise ligt op het gebied van satellietmetingen van de atmosferische samenstelling. Het KNMI heeft de wetenschappelijke leiding over het TROPOMI satellietinstrument dat in 2017 zal worden gelanceerd. TROPOMI is de opvolger van OMI, en zal de mondiale luchtkwaliteit in kaart brengen. Ook wordt gewerkt aan innovatieve metingen met kleine sensoren op de grond. Op het gebied van modellering wordt gewerkt aan het HARMONIE hoge-resolutie model.

Werken bij het KNMI?

Voor onze R&D vakgroepen zoeken we regelmatig onderzoekers, zowel OIO’s als post-doc’s, die een bijdrage willen leveren aan ons internationaal hoog gewaardeerde onderzoek.

Kijk voor onze actuele vacatures op www.werkenvoornederland.nl/knmi.