Naar aanleiding van een paar postings eerder vanmiddag, leek het me handig mijn persoonlijke GFS correctie systeem (nog) eens uit te leggen, zodat men een idee heeft hoe ik tot bepaalde cijfers kom.
De basis voor dit systeem ligt in de dagelijkse uitdraaien van GFS en om precies te zijn, de 00z en 12z runs van dit model. Om er voor te zorgen dat ik altijd precies hetzelfde punt op de T2m kaarten aflees, heb ik bepaald welke pixel correspondeerd met de ligging van Leiden. Het rood gekleurde pixel representeerd Leiden en heeft coordinaten 438/352 (zie afbeelding 1, let op! dit is een extreem vergrootte kaart)
Vervolgens heb ik een PHP-script geschreven wat van een GFS-run alle kaarten afleest van +12 tot en met +180 in stappen van 12 uur (+12,+24,+36,+48,+60 enz.) Dit doe ik via de volgende website:
Website aflezen temperaturen GFS
Ik heb daarbij een aantal keuzes gemaakt. Zo neem ik voor de invoer van de minimum temperatuur de kaarten die de temperatuur aangeven voor dag X om 00z en voor de maximum temperatuur de kaarten die de temperatuur aangeven voor dag X om 12z. Verder heb ik destijd besloten om niet meer dan 2 runs per dag hiervoor te gebruiken omdat er anders teveel tijd gaat zitten in het verwerken van de data. Tot slot heb ik besloten te werken met temperatuur categoriën zoals GFS ze gebruikt op onderstaande kaart. (zie afbeelding 2)
Vanaf het moment dat de 00z kaart van een dag op +180 uur in de runs zit, wordt de temperatuur categorie hiervan 2x per dag uitgelezen en verwerkt in een Excel-sheet. Zo zie je op afbeelding 3 dat Tx voor vrijdag 26-11 vanmorgen voor het eerst in het spreadsheet is verwerkt. (zie afbeelding 3)
Dit gebeurd tot het moment dat een datum op +12 uur in de kaarten staat en levert een reeks van 15 afgelezen temperatuur catergoriën op, voor zowel Tx als Tn.
Wanneer een dag uiteindelijk voorbij is, vul ik in het zelfde spreadsheet de daadwerkelijk behaalde temperatuur in zoals ik die heb afgelezen op mijn weerstation. Het mag dan ook duidelijk zijn dat de door GFS berekende Tx/Tn gecorrigeerd wordt met lokale factoren om uiteindelijk tot een zo goed mogelijke verwachting te komen voor Tx en Tn voor Leiden-centrum. (of als je het wat breder wil zeggen, verstedelijkt leids gebied)
De opgetreden verschillen tussen directe GFS uitvoer en daadwerkelijk gemeten temperaturen komen op een tweetal tabbladen terecht die elk een correctie getal berekenen. Tabblad 1 (zie afbeelding 4) registreert de verschillen per dag binnen één week, zodat er uiteindelijk een afwijking uit komt voor die week. Al die afwijkingen samen vormen het totale correctie getal wat op mijn grafieken is terug te vinden als DMO+overall corr.
Tabblad 2 (zie afbeelding 5) registreert de weekafwijkingen en plaatst deze per jaar onder elkaar. Zodoende is er een reeks weekafwijkingen ontstaan vanaf 2003 tot en met heden en is er gemiddelde week afwijking te berekenen, welke op mijn grafieken is terug te vinden als DMO+gem.week.corr.
Tot slot maak ik ook nog een vergelijking met dezelfde week in het vorig jaar en deze is op de grafieken terug te vinden als DMO + gem.week.cor '09
Uiteindelijk komen er twee grafieken per gewenste temperatuur verwachting (Tx of Tn) uit mijn model. De eerste grafiek laat de verschillende leden in mijn mini ensemble zien, aangevuld met een lijn welke de werkelijk behaalde waarden over de laatste 7 dagen laat zien. De twee grafiek laat de afwijkingen ten opzichten van de directe model uitvoer (DMO) per week zien, over de verschillende jaren. (zie afbeelding 6 en 7)
Hopelijk is met dit verhaal enige duidelijkheid geschapen over hoe mijn rekenmodel wordt gevoed, welke correcties er worden toegepast en wat de uitvoer laat zien. Mochten er nog vragen zijn dan ben ik uiteraard bereid die te beantwoorden.
Afbeelding 1:
Afbeelding 2:
Afbeelding 3:
Afbeelding 4:
Afbeelding 5:
Afbeelding 6:
Afbeelding 7:
[edit]typo's[/edit]
De basis voor dit systeem ligt in de dagelijkse uitdraaien van GFS en om precies te zijn, de 00z en 12z runs van dit model. Om er voor te zorgen dat ik altijd precies hetzelfde punt op de T2m kaarten aflees, heb ik bepaald welke pixel correspondeerd met de ligging van Leiden. Het rood gekleurde pixel representeerd Leiden en heeft coordinaten 438/352 (zie afbeelding 1, let op! dit is een extreem vergrootte kaart)
Vervolgens heb ik een PHP-script geschreven wat van een GFS-run alle kaarten afleest van +12 tot en met +180 in stappen van 12 uur (+12,+24,+36,+48,+60 enz.) Dit doe ik via de volgende website:
Website aflezen temperaturen GFS
Ik heb daarbij een aantal keuzes gemaakt. Zo neem ik voor de invoer van de minimum temperatuur de kaarten die de temperatuur aangeven voor dag X om 00z en voor de maximum temperatuur de kaarten die de temperatuur aangeven voor dag X om 12z. Verder heb ik destijd besloten om niet meer dan 2 runs per dag hiervoor te gebruiken omdat er anders teveel tijd gaat zitten in het verwerken van de data. Tot slot heb ik besloten te werken met temperatuur categoriën zoals GFS ze gebruikt op onderstaande kaart. (zie afbeelding 2)
Vanaf het moment dat de 00z kaart van een dag op +180 uur in de runs zit, wordt de temperatuur categorie hiervan 2x per dag uitgelezen en verwerkt in een Excel-sheet. Zo zie je op afbeelding 3 dat Tx voor vrijdag 26-11 vanmorgen voor het eerst in het spreadsheet is verwerkt. (zie afbeelding 3)
Dit gebeurd tot het moment dat een datum op +12 uur in de kaarten staat en levert een reeks van 15 afgelezen temperatuur catergoriën op, voor zowel Tx als Tn.
Wanneer een dag uiteindelijk voorbij is, vul ik in het zelfde spreadsheet de daadwerkelijk behaalde temperatuur in zoals ik die heb afgelezen op mijn weerstation. Het mag dan ook duidelijk zijn dat de door GFS berekende Tx/Tn gecorrigeerd wordt met lokale factoren om uiteindelijk tot een zo goed mogelijke verwachting te komen voor Tx en Tn voor Leiden-centrum. (of als je het wat breder wil zeggen, verstedelijkt leids gebied)
De opgetreden verschillen tussen directe GFS uitvoer en daadwerkelijk gemeten temperaturen komen op een tweetal tabbladen terecht die elk een correctie getal berekenen. Tabblad 1 (zie afbeelding 4) registreert de verschillen per dag binnen één week, zodat er uiteindelijk een afwijking uit komt voor die week. Al die afwijkingen samen vormen het totale correctie getal wat op mijn grafieken is terug te vinden als DMO+overall corr.
Tabblad 2 (zie afbeelding 5) registreert de weekafwijkingen en plaatst deze per jaar onder elkaar. Zodoende is er een reeks weekafwijkingen ontstaan vanaf 2003 tot en met heden en is er gemiddelde week afwijking te berekenen, welke op mijn grafieken is terug te vinden als DMO+gem.week.corr.
Tot slot maak ik ook nog een vergelijking met dezelfde week in het vorig jaar en deze is op de grafieken terug te vinden als DMO + gem.week.cor '09
Uiteindelijk komen er twee grafieken per gewenste temperatuur verwachting (Tx of Tn) uit mijn model. De eerste grafiek laat de verschillende leden in mijn mini ensemble zien, aangevuld met een lijn welke de werkelijk behaalde waarden over de laatste 7 dagen laat zien. De twee grafiek laat de afwijkingen ten opzichten van de directe model uitvoer (DMO) per week zien, over de verschillende jaren. (zie afbeelding 6 en 7)
Hopelijk is met dit verhaal enige duidelijkheid geschapen over hoe mijn rekenmodel wordt gevoed, welke correcties er worden toegepast en wat de uitvoer laat zien. Mochten er nog vragen zijn dan ben ik uiteraard bereid die te beantwoorden.
Afbeelding 1:
Afbeelding 2:
Afbeelding 3:
Afbeelding 4:
Afbeelding 5:
Afbeelding 6:
Afbeelding 7:
[edit]typo's[/edit]
Bericht laatst bijgewerkt: 19-11-2010 20:20
Weerpoll | Weerwoord voetbalpool | 8 jaar GFS data | Mijn verhaal | ik ben anders, maar ook ik mag er zijn