Gezien je spreekt van afwijkingen die gebasseerd zijn over een gehele dataset. Het zegt dus eigenlijk: DMO is 15°C. Werkelijke TX zal ergens liggen tussen bv. 13 en 17°C? Ik zeg maar iets. De dataset kent dus niet het verschil tussen straling met gortdroge lucht met oorsprong NW-Rusland of vochtige lucht uit het oosten met oorsprong MZ niet? Het lijkt mij dan veel waardevoller om de windrichting en oorsprong in rekening te brengen dan dit een maanden te gaan opsplitsen.
Dit is mijn inziens echt wel zeer simplistisch voorgesteld, en dit is dan ook nog eens gebasseerd op één operrun (met daarover een wel zeer algemene dataset). Met alle respect, maar doe mij dan maar de mosjes van een meteoroloog die het hele ensemble van EC en de andere modellen bekijkt, wikt en weegt welke oplossing realistisch is en hoe de situatie evolueert.
Zoals ik ook al schreef in reactie op Gerard, kent GFS die parameters uiteraard wel en komt op basis daarvan tot de T2m-kaarten die wij te zien krijgen.
Ik doe niet meer dan die uitvoer uitlezen, verwerken in een sheet, samenvatten en vervolgens vergelijken met wat er daadwerkelijk voor temperaturen in De Bilt behaald zijn.
De DMO's zoals ik die laat zien, zijn dus niets meer (of minder) dan een letterlijke vertaling van hetgeen GFS ons laat zien.
Verder denk ik dat correcties per maand weldegelijk van waarde zijn, omdat bijvoorbeeld de DMO van november nu gecorrigeerd wordt met een gemiddelde afwijking van -1,1 graad (dat is over de hele dataset), terwijl als je de gemiddelde afwijkingen in november over de laatste jaren bekijkt, je het volgende ziet:
november 2013: -0,5
november 2014: -0,6
november 2015: -0,8
november 2016: -0,3
november 2017: -0,5 (data bijgewerkt tot en met 19 november)
De gemiddelde afwijking voor november zou dan uitkomen op: -0,5
Wat aangeeft dat DMO+gemiddelde afwijking nu met 0,6 teveel gecorrigeerd wordt.
Ook voor andere maanden zijn dergelijke verschillen te vinden.
De reden dat ik nu nog corrigeer op basis van de hele dataset, is dat ik van mening ben dat je minstens 5 jaar aan data moet hebben om een redelijk beeld te krijgen wat de afwijkingen per maand zijn.
Dan nog kan het gebeuren dat er volgend jaar een extreme november komt die helemaal buiten het patroon van de voorgaande jaren valt, maar die kans blijft altijd aanwezig, waarbij deze wel kleiner wordt naarmate je meer data verzameld hebt.
