Dit is wat NOAA er zelf over zegt, het komt er op neer dat GFS in de LT slechter presteert en in de nabije toekomst beter:
Michael Farrar, who heads the Environmental Modeling Center (EMC), which is the lead office within the National Oceanic and Atmospheric Administration (NOAA) that develops and operates computer models, said "it’s no secret” that the GFS has been behind the competition.
"While it’s continued to improve remarkably over time... it’s consistently behind the European model," Farrar said in an interview.
Het is maar net waar je naar kijkt en wat je wil zien, wat niet wegneemt dat modellen als geheel met elkaar en de werkelijkheid worden vergeleken en daaruit prestatie-indexen komen.
Al jaren staat EC hierbij steevast bovenaan en was GFS in het verleden het tweede model maar of dat nu nog zo is, weet ik niet.
Maar statistisch bovenaan staan, vertelt ook niet het hele verhaal.
De trouwe Weerwoorders weten dat EC (vooral in de winter) te scheutig is met de opbouw van hogedrukruggen, daar waar GFS juist vaak te zonaal is en pas in een later stadium aansluit bij een geblokkeerd scenario of dit alweer eerder verlaat dan EC (en daarmee dan trendsetter is).
Zo is er voor en tegen elk model wat te zeggen en aan het einde van de lijn is er nog geen enkel model dat in staat is het weer exact te voorspellen voor een termijn van 5 dagen, laat staan als we gaan praten over een termijn die langer is dan 5 dagen (heel specifieke situaties kunnen dit soms verlengen tot 8 a 10 dagen, maar dat zijn uitzonderingen).
Heb voor de 'grap' eens gekeken hoe GFS tot nu toe (toegeven, dat is met de door mij verzamelde correcties) heeft gepresteerd in november, daar waar het gaat om de Tx verwachting.
Onderstaand zie je daarvan het resultaat, waarbij opvalt dat het model echt mis zat op 8, 11, 12, 15 en 20 november.
Daar staat tegenover dat er vele dagen zijn, waarop het rekenmodel (met Opers van GFS als input) akelig dicht bij of zelfs precies op de waarheid zat.
Datum | Meest waarschijnlijke Tx (°C) | Daadwerkelijke Tx (°C) | Verschil (°C) |
01-11-17 | 14,6 | 13,5 | -1,1 |
02-11-17 | 14,2 | 14,0 | -0,2 |
03-11-17 | 12,8 | 12,4 | -0,4 |
04-11-17 | 14,0 | 13,1 | -0,9 |
05-11-17 | 11,6 | 10,9 | -0,7 |
06-11-17 | 11,6 | 10,9 | -0,7 |
07-11-17 | 9,0 | 9,8 | +0,8 |
08-11-17 | 9,6 | 7,6 | -2,0 |
09-11-17 | 11,2 | 11,1 | -0,1 |
10-11-17 | 12,2 | 11,8 | -0,4 |
11-11-17 | 11,0 | 9,4 | -1,6 |
12-11-17 | 8,8 | 6,4 | -2,4 |
13-11-17 | 10,6 | 10,3 | -0,3 |
14-11-17 | 9,8 | 9,9 | +0,1 |
15-11-17 | 11,6 | 10,2 | -1,4 |
16-11-17 | 11,4 | 10,7 | -0,7 |
17-11-17 | 10,8 | 11,0 | +0,2 |
18-11-17 | 9,2 | 9,6 | +0,4 |
19-11-17 | 10,2 | 9,9 | -0,3 |
20-11-17 | 10,0 | 11,8 | +1,8 |
21-11-17 | 12,0 | 12,4 | +0,4 |
Voor afwijkingen die veelal binnen een halve graad liggen, zou ik het wel doen als opsteller van een weerbericht.
Al staat daar tegenover dat de echte missers nog geringer in aantal moeten worden.
Kortom, er is nog werk aan de winkel en dus ga ik vrolijk door met het verder finetunen van dit rekenmodel in de hoop dat afwijkingen binnen een halve graad uiteindelijk de norm worden.
Overigens is de T2m (en dan ook nog eens aangepast met verzamelde correcties) maar een klein onderdeel van een model als GFS, dus zeker niet representatief voor de prestaties van het model als geheel.
De reden dat ik hierop inzoom is omdat ik er al jaren lang tijd en energie in steek (en daarbij overwegend goede resultaten boek (Tx gaat over het algemeen beter dan Tn)), waarmee goede prestaties gehaald kunnen worden en je gaandeweg leert in welke situaties je een model (als is het maar op één specifieke parameter) bij moet sturen als je de uitvoer gezien hebt.