Als weergoden zich bemoeien met de economie
KENNIS OVER HET WEER BIEDT GROTE ECONOMISCH VOORDELEN
zaterdag 10 juli 2010Auteur: Christof Vanschoubroek Aanraden 2 Delen Bewaar Corrigeer E-mail Print
Vaak vragen verzekeringsmaatschappijen een rapport over het noodweer in een bepaalde regio.Olivier Matthys/belga
© OLIVIER MATTHYS
Lees ook
Concurrenten op de weermarkt
Beleggen in het weer
Dossiers
Het zal weer zweten worden dit weekend. De ijsjesverkopers kunnen zich in de handen wrijven. En ze zullen zeker niet de enigen zijn die de weergoden danken voor de stralende zon. Volgens de Zwitserse herverzekeraar Swiss Re is meer dan twee derde van de Europese economie direct en indirect gelinkt aan het weer. Kennis van het weer geeft dan ook een economische macht. Weersvoorspellingen hebben dan ook grote economische waarde. Maar zekerheid over het weer is er nooit.
'Het viel mij een paar dagen geleden nog op in hoeveel winkelkarretjes een watermeloen ligt', zegt Marc Christiaens, commercieel verantwoordelijke bij het Belgische weersinstituut KMI. 'Brits onderzoek heeft aangetoond dat watermeloenen vlot verkopen vanaf 26graden. Wie ze op dat moment aanbiedt, doet gouden zaken. Maar het duurt wel drie dagen vooraleer die meloenen in de rekken liggen. Het is dus van het allergrootste belang dat de aankopers van de supermarkt weten dat er hoge temperaturen aankomen.'
Het weer maakt niet alleen u en mij gelukkig of ongelukkig, het maakt voor heel wat bedrijven ook het verschil tussen winst en verlies. Kennis over het weer geeft grote economisch voordelen. Daarom zijn heel wat bedrijven sterk geïnteresseerd in de weersinformatie waarover onder meer het KMI beschikt. Hoewel die weersvoorspellingen nog altijd maar voor de eerste drie tot vier dagen echt betrouwbaar zijn. 'Verder kijken dan tien dagen wordt echt al heel moeilijk', zegt Alex Deckmyn, onderzoeker bij het KMI. 'Elk jaar, dikwijls voor de zomer, duiken langetermijnvoorspellingen op. Maar eigenlijk is de waarde daarvan heel klein. Er zullen altijd voorspellers zijn die de nagel op de kop slaan, maar er zijn er net zoveel die de bal misslaan. Van die laatsten hoor je nadien dan ook meestal niets meer.'
Energie
Tien dagen, of zelfs minder, kunnen vooruitkijken, kan al het verschil maken tussen winst en verlies. 'We hebben verschillende winkelketens als klant', zegt Christiaens. 'De aankoopdiensten van die groepen maken in meer of mindere mate gebruik van onze informatie om te beslissen wat er in de winkelrekken komt. Maar ook de beslissing of een lading chocolade met een gewone vrachtwagen of een veel duurdere koelwagen de weg op moet, hangt af van de weersvoorspellingen. Ook drankenproducent Chaudfontaine baseert zich onder meer op onze gegevens om zijn productie aan te passen aan de vraag.'
Maar de belangrijkste afnemer van weersinformatie blijft de energiesector. 'Wat bewolking kan ervoor zorgen dat het licht een uur vroeger wordt aangestoken. Die simpele druk op de knop leidt onmiddellijk tot een flinke stijging in het verbruik. De energieleveranciers weten het liefst op voorhand of ze eventueel extra energie op de internationale markt moeten bijkopen. Op voorhand wat extra energie kopen, is een stuk goedkoper dan een dag op voorhand extra capaciteit op de kop tikken.'
Te algemeen
Het zwakke punt in de voorspellingen van vandaag is nog altijd dat ze deterministisch zijn. Ze proberen te voorspellen hoe het weer de dagen nadien zal zijn, maar maken nog niet duidelijk hoe groot de kans is dat de dagen nadien bijvoorbeeld de zon schijnt of de temperatuur een bepaalde grens zal overschrijden. In plaats van bijvoorbeeld te zeggen dat het morgen tussen de 25 en 27graden warm wordt, geef je bij een probabilistische voorspelling de kans weer dat de temperatuur effectief tussen de 25 en 27graden zal liggen, naast de kans dat het minder dan 25graden wordt of meer dan 27graden.
'Het European Centre for Medium-Range Weather Forecasts (ECMWF) in het Britse Reading doet dat bijvoorbeeld al wel, maar voor de hele wereld', zegt Deckmyn, die onderzoek doet naar die zogenaamde probabilistische voorspellingen. 'Die voorspellingen zijn nog te algemeen om lokaal al toegepast te worden. Ze beslaan een te grote oppervlakte. Wij werken samen met zestien andere meteorologische instituten uit verschillende landen aan een verfijnder systeem.'
Vlindereffect
Een van de grote problemen is dat daarvoor heel veel computerkracht nodig is. Je gaat als het ware vijftig voorspellingen tegelijk doen waarin telkens een minieme parameter wordt veranderd. Het kleinste verschil kan binnen gevoelige systemen na verloop van tijd grote gevolgen hebben. Dat is het zogenaamde butterfly effect (vlindereffect). Die naam is gebaseerd op een metafoor van de Amerikaanse metereoloog Edward Lorenz om aan te geven dat de vleugels van een vlinder in Brazilië maanden later een tornado in Texas zouden kunnen veroorzaken. Het is niet eenvoudig om in dit soort 'chaotische' systemen voorspellingen te doen.
'Probabilistische voorspellingen zullen bedrijven toelaten om nog beter beslissingen te nemen', zegt Geert Smet, ook onderzoeker bij het KMI. Hij is nu volop bezig met onderzoek om aan die voorspellingen beslissingsmodellen te koppelen. 'Stel dat onze voorspellingen tonen dat er tien procent kans is op zware sneeuwval. Als de kosten om te strooien tien keer kleiner zijn dan de economisch kosten van mogelijk besneeuwde wegen, kan ik mij voorstellen dat de beslissing om te strooien genomen wordt.'
Windenergie
Ook windenergieproducenten kunnen garen spinnen bij die probabilistische voorspellingen. Ze moeten, net als andere energieproducenten, telkens de dag voordien melden hoeveel energie ze op het net zullen zetten. Dat hoogspanningsnet is een broos systeem dat altijd min of meer in balans moet zijn, zo niet ontstaan er problemen. Daarom worden energieproducenten beboet wanneer ze te veel of te weinig op het net zetten en moeten ze elders energie aankopen als ze zelf niet voldoende kunnen produceren. Dat is geen eenvoudige oefening. Als de wind te hard waait, moeten de molens stilgelegd worden om schade te vermijden. Als er te weinig wind waait, zal de windenergieproducent energie moet bijkopen. 'Het zal die windenergieproducenten al een hele stap vooruit helpen in hun beslissingsproces als ze bijvoorbeeld kunnen inschatten hoe groot de kans is dat ze de dag nadien bijvoorbeeld de windmolens zullen moeten stilleggen', zegt Smet.
Verzekeringen
Maar niet iedereen wil op voorhand weten wat de volgende dagen zullen geven. Verzekeringsmaatschappijen bijvoorbeeld zijn al zeer tevreden als ze precies weten wat er de dag voordien is gebeurd. 'Sommige klanten krijgen van ons dagelijks een rapport met de abnormale weersomstandigheden van de dag voordien', zegt Christiaens. 'Daarin staan dan bijvoorbeeld alle plaatsen waar de windsnelheid een bepaald niveau overschreden heeft of de bliksem ingeslagen is. Dat laat de verzekeringsmaatschappij toe om onmiddellijk een dossier te openen als er ergens pannen van het dak gewaaid zijn. Wat wel opvalt, is dat de verzekeringsmaatschappijen verschillende windsnelheden hanteren om te bepalen of ze de schade al dan niet vergoeden.'
Dierenartsen
Maar naast verzekeringsmaatschappijen zijn ook heel wat dierenartsen geïnteresseerd in de blikseminslagen. 'Als een dier dood in de wei wordt teruggevonden, wordt het nog al eens bij de verzekering aangegeven als getroffen door de bliksem', zegt Christiaens. 'In dat geval wordt de landbouwer vergoed door de verzekeringsmaatschappij. De dierenarts wordt er dan op uitgestuurd om de doodsoorzaak vast te stellen en zeer regelmatig vragen ze bij ons informatie op over de blikseminslagen.'
De weersinformatie is van goudwaarde, maar kan de bedrijven ook pakken geld kosten als de voorspelling niet klopt. 'Als we al klachten krijgen, is het van particulieren die een dagje aan zee hebben laten schieten omdat er regen voorspeld was. Als ze dan van buren horen dat het daar niet geregend heeft, hebben we het geweten', lacht Christiaens. 'In al onze professionele contracten staat dat we niet verantwoordelijk zijn voor de beslissingen die de bedrijven nemen op basis van onze voorspellingen. En dat is niet omdat we geen vertrouwen hebben in onze voorspellingen, maar omdat we niet weten hoe de bedrijven onze voorspellingen in hun modellen integreren.'
Quote selectie