Denne artikkelen er produsert og finansiert av Meteorologisk institutt - les mer.

Værvarsling er en avansert kunst som aldri treffer hundre prosent. Det er Meteorologisk institutt som er ansvarlig for datagrunnlaget og det faglige innholdet på Yr, og NRK for presentasjon, design, redaksjonelt innhold og leveransen av varslene til brukerne.

Derfor blir værvarselet aldri perfekt

Den kaotiske atmosfæren vår gjør at værvarselet aldri kan bli helt riktig. Også andre ting gjør at meteorologene bommer.

Plutselig kom det regn og du hadde verken jakke eller paraply. Det merkes hvis værvarselet ikke traff. Er det mulig å lage den perfekte værmelding?

– Nei, ikke i den forstand at man kan forutsi været ned til hver minste variasjon, forteller forsker ved Meteorologisk institutt Morten Køltzow.

Det er flere grunner til at det været du opplever kan være forskjellig fra det som ble varslet. Både observasjoner, metoder og naturen selv spiller inn.

Været skjer i atmosfæren

Atmosfæren er det luftlaget som omgir oss på overflaten av jordkloden og som strekker seg opp mot verdensrommet. Kort fortalt er det i de nederste delene av atmosfæren at været skjer.

Et værvarsel blir til ved at meteorologene henter inn målinger av atmosfæren, for eksempel trykk, vind, temperatur og luftfuktighet, fra så mange forskjellige steder som mulig til samme tid. Deretter lager de en analyse som beskriver hvordan atmosfæren er akkurat nå.

Med utgangspunkt i denne analysen er det mulig å regne ut hvordan atmosfæren, og dermed været, vil utvikle seg fremover i tid. Det høres kanskje enkelt ut, men enormt med detaljer ligger bak. Meteorologene må bruke avanserte numeriske værmodeller som er utviklet av forskere gjennom flere tiår. Disse modellene krever tilgang på superdatamaskiner for å kunne brukes.

For å varsle stadig mer presise meldinger må meteorologer lage værprognoser som tar hensyn til en rekke feilkilder som kan oppstå. Forsker Morten Køltzow har undersøkt hvordan varslene kan forbedres ytterligere.

Atmosfæren er kaotisk

Bare det å beskrive atmosfæren nøyaktig på et gitt tidspunkt er komplisert nok, selv uten å prøve å si noe om utviklingen fremover i tid.

Siden atmosfæren har en kaotisk natur, vil to tilstander som er svært like i utgangspunktet, ikke forbli like etter en viss tid. Det vil si at når det er små feil i analysen av atmosfæren, så vil disse feilene gjøre at værmodellene etter en stund avviker betydelig fra den virkelige atmosfæren og værvarselet blir feil.

Den oransje streken er en prognose for det kommende været. Siden det er usikkerhet knyttet til analysen lager meteorologene også et sett med alternative analyser som de beregner flere alternative prognoser fra (blå farger). Siden atmosfæren er kaotisk vil de ulike prognosene etterhvert spre seg fra hverandre. Skjer spredningen fort er det stor usikkerhet knyttet til prognosene, men skjer den sakte er prognosene mer sikre.

Det kan være umulig å beskrive atmosfæren perfekt

For å gjennomføre utregningene som et værvarsel er basert på, bruker meteorologene et verktøy som kalles en numerisk værmodell. I en slik værmodell blir utviklingen av atmosfæren beskrevet ved hjelp av fysiske lover gjennom matematiske ligninger. Ligningene blir løst på en superdatamaskin.

En værmodell vil alltid være litt unøyaktig. Selv om bedre og bedre modeller gjør at vi nærmer oss den fysiske virkeligheten mer og mer, er det kanskje umulig å beskrive atmosfæren helt perfekt.

Værmodellen vil alltid inneholde forenklinger eller mangelfulle beskrivelser av enkelte prosesser. Dette kan føre til systematiske feil i varselet, for eksempel at det i gjennomsnitt alltid blir for lite vind enkelte steder. I tillegg kan det oppstå unøyaktigheter som over tid vokser i den kaotiske atmosfæren.

Den kaotiske atmosfæren forsterker de små unøyaktighetene som introduseres i analysen og i værmodellen. Til sammen kalles dette for analyse- og modellfeil.

Værvarsling er forskningsbasert og det gjøres utrolig mye forskning, blant annet for å forbedre varslene på Yr. Men selve været får de ikke gjort noe med.

De mindre feilene kommer frem i lyset

Analyse- og modellfeil er hovedårsaken til at værmeldingen din aldri kan bli hundre prosent sikker. Men dette er ikke de eneste årsakene til at varslet og opplevd vær kan være ulike.

– For bare noen år siden var analyse- og modellfeilen så dominerende at det ikke var så stort poeng å analysere betydningen av andre feilkilder, forteller Morten Køltzow.

– Bedre værmodeller og bedre metodikk for å analysere atmosfæren, i kombinasjon med økt regnekapasitet, har imidlertid endret dette bildet, forteller han.

I en ny forskningsartikkel i regi av forskningsprosjektet Alertness, undersøker Køltzow og kolleger nøyaktig hvor mye disse andre feilkildene kan ha å si når man bruker moderne værvarslingsmodeller. Resultatene deres viser at for å forstå hvordan varslene kan forbedres ytterligere, er det helt nødvendig å ta hensyn til andre feilkilder som kan oppstå.

For å finne ut hvor godt et varsel traff må vi vite hvordan været faktisk ble

Forskerne undersøker også hvilke situasjoner som er ekstra utfordrende å varsle.

– Det er helt avgjørende for oss å forstå kvaliteten på våre egne varsler, sier Køltzow.

En værmodell kan fungere bedre i noen situasjoner enn i andre. For eksempel blir gjerne varslet temperatur feil hvis det er vindstille og ikke sol. Da blir ikke de lokale prosessene beskrevet godt nok i modellen.

– Det er også vanskeligere å varsle vindhastighet over land enn vindhastighet over hav på grunn av de mange ulike lokale effektene over land, forteller Køltzow.

Fakta: Forskningen bak yr.no

Senter for utvikling av varslingstjenesten (SUV) ved Meteorologisk institutt (MET) etablerer og gjennomfører forskningsprosjekter for å forbedre værvarslingsmodeller og -metoder. SUV utvikler dataene som ligger bak varslene du får på Yr.

Køltzow og andre forskere ved Meteorologisk institutt studerer observasjoner av hvor høy temperaturen ble, hvor sterk vinden faktisk blåste og hvor mange millimeter nedbør som kom ned.

Observasjonene blir samlet inn fra målestasjoner rundt omkring i hele Norge. Etterpå blir observasjonene sammenlignet med hva som var varslet i forkant. Slik legges grunnlaget for å gjøre varslene bedre.

For å avgjøre hvor godt et varsel har truffet, er det nødvendig med pålitelige observasjoner. Dette kan være lettere sagt enn gjort.

Når man for eksempel setter opp en nedbørsmåler, som er en beholder festet på en stang, så vil denne beholderen i seg selv påvirke vinden akkurat rundt selve instrumentet. Dette kan føre til at nedbøren ikke faller som den ellers ville gjort, hvis det ikke sto et instrument der. Nedbøren blir blåst vekk fra åpningen av nedbørmåleren. Spesielt gjelder dette når nedbøren faller som snø, fordi snø blåser lettere vekk enn de tyngre regndråpene. For å rette på dette blir nedbørsmåleren utstyrt med et vindskjold.

Det er altså ikke bare analysen og værmodellene som har feil, observasjonene har også observasjonsfeil. Andre typer observasjonsfeil kan være unøyaktige målinger eller rett og slett feil på observasjonsutstyr.

Figuren under viser hvordan utformingen av utstyr kan føre til feil målinger:

Nedbørmåleren forstyrrer vinden og skaper turbulente bevegelser som gjør at ikke all nedbør faller oppi beholderen i midten. Total mengde nedbør blir derfor underestimert, på grunn av observasjonsfeil. Vindskjoldet er metallbitene som henger ned i en ring rundt beholderen i midten. Vindskjoldet reduserer vinden (figuren til venstre), men ikke nok når det blåser mye (figuren til høyre).

Det kan være umulig å treffe akkurat det punktet der du er

En tredje grunn til at det er umulig med et perfekt værvarsel er det som kalles representativitetsfeil. Det er den feilen som kommer av at varselet for et område ikke nødvendigvis er representativt for akkurat det punktet der du befinner deg.

Spesielt vind kan variere mye på korte avstander. Inne i en vik kan det for eksempel være nærmest vindstille, mens det like utenfor blåser heftig.

I den nye forskningsartikkelen beskriver Køltzow og kollegene et funn som sier at i noen tilfeller kan så mye som 40 prosent av forskjellen mellom det været man opplever og det som var varslet, knyttes til representativitetsfeil.

Da er denne typen feil nesten like viktig som den feilen som kan knyttes til den kaotiske atmosfæren.

Det beste værvarselet er ikke nødvendigvis perfekt for deg

Se for deg at du legger ned et gigantisk ruteark over hele Norge. Hver rute er 2,5 kilometer lang og like bred. Dette er slik superdatamaskinene som beregner værvarselene ser landet vårt.

I virkeligheten varierer været innenfor en slik rute, uten at datamaskinen kan fange det opp. For eksempel vil du i noen tilfeller kunne bevege deg fra en fjord, inn på land og høyt til fjells på denne avstanden, noe som nødvendigvis vil gi variasjoner i været.

I en værmodell deles Norge inn i et rutenett og været beregnes for hver rute. Modellen i figuren under gir derfor et værvarsel for ruter av en viss størrelse. Her er størrelsen 2,5 x 2,5 kilometer:

Vi zoomer inn på rutearket mot Tromsø. Nesten hele Tromsøya er dekket av én eneste rute. Innenfor de begrensningene som rutenettet gir oss, kan vi si at det beste værvarselet for Tromsøya vil være et gjennomsnitt av det været som målestasjonene innenfor denne ruten faktisk registrerer.

I virkeligheten varierer været også innenfor hver rute. For en person som befinner seg på et bestemt punkt i en rute kan dette bidra til at opplevd vær kan være svært forskjellig fra varslet vær når det er store lokale forskjeller.

La oss se på to av målestasjonene i ruten til Tromsøya, nemlig Langnes mot nordvest i ruten, og Vervarslinga i Nord-Norge (VNN), som ligger mot sør. Se de to røde prikkene på kartet under. Dette er altså to av stedene på Tromsøya der Meteorologisk institutt samler inn offisielle målinger av temperatur, vind og nedbør.

La oss si at varselet for vind på Tromsøya i morgen er 3,1 meter per sekund. Når morgendagen kommer, kan vi samle inn observasjoner fra de to målestasjonene og se hvordan det gikk.

Hvis Vervarslinga i morgen måler 3,7 meter per sekund og Langnes måler 2,4 meter per sekund, vil gjennomsnittet av disse to målingene blir 3,1 meter per sekund. Innenfor begrensningen som ruten gir, stemte altså varselet perfekt.

Men hvor var egentlig vindhastigheten 3,1 meter per sekund? Ikke på Langnes og ikke på Vervarslinga.

Værvarslingsmodellen som brukes til å regne ut været fremover i tid, kan ikke si noe om detaljer på mindre skala enn innenfor én rute. Tallet i varselet er et gjennomsnitt av varselet for en hel rute i rutenettet. Dette er opphavet til representativitetsfeilen.

Rutene blir mindre, men aldri borte

Statistikken viser at værvarslene stadig blir bedre. Generelt har kvaliteten økt med omtrent én dag hvert tiende år. Det vil si at varselet tre dager frem i tid nå er omtrent like bra som varselet to dager frem i tid var for 10 år siden.

Årsakene er flere; i dag har vi mer observasjonsdata som vi også greier å utnytte bedre til å lage en analyse av atmosfæren, værmodellene er blitt bedre og tilgangen på regnekraft har økt.

Rutenettet vi deler Norge inn i, har jevnt og trutt blitt mer finmasket. For eksempel var rutenettet ved modellene ved Meteorologisk institutt 10 kilometer for hver rute da Yr ble lansert i 2007, mot 2,5 kilometer i dag.

Begrensningen som rutenettet gir vil bestå inntil forskere klarer å lage ruten så liten at været ikke varierer innenfor den i det hele tatt. Hit kommer vi imidlertid aldri.

Referanse:

Morten Køltzow mfl.:An NWP Model Intercomparison of Surface Weather Parameters in the European Arctic during the Year of Polar Prediction Special Observing Period Northern Hemisphere 1. Weather and Forecasting, 2019.

Fakta om forskning for bedre værvarsel i Arktis

Et fireårig forskningsprosjekt skal forbedre værvarslene i Arktis.

Prosjektet Alertness, Advanced models and weather prediction in the Arctic, er ledet av Meteorologisk institutt og finansiert av Norges Forskningsråd.

Forskere fra disse institusjonene deltar: Meteorologisk institutt (MET), Universitetet i Bergen (UiB), NORCE Klima, Universitetet i Tromsø (UiT), The Royal Netherlands Meteorological Institute (KNMI), Nansen Environmental and Remote Sensing Center (NERSC) og Universitetssenteret på Svalbard (UNIS).

Powered by Labrador CMS