Het is wat mij betreft nuttiger om te kijken hoe een model geparameteriseerd is, dat te vertalen naar de lokale omstandigheden waarin je geïnteresseerd bent. Als GFS rekent voor bos, dan weet je dat de 2m temperatuur (onder de bomen) niet hoeft te vergelijken met een gemeten 2m temperatuur boven een grasveldje. Net zo min als dat iets als de hoge ruwheidslengte in bijvoorbeeld Zuid-Friesland representatief is voor het lege graslandschap dat daar juist dominant is.
Je kunt niet hard maken dat het in het midden van het land gemiddeld onder de bomen, boven de meren en rivieren, in de steden én op het platteland, dat het grootste deel van het oppervlak uitmaakt, slechts één graad heeft gevroren vannacht, op anderhalve of twee meter hoogte.
Met de metingen die ik toon moet het daar gemiddeld meerdere graden boven nul zijn geweest, compenserend voor de voor het model 'niet representavieve' kou van de officiële meetstations. Ik garandeer je dat het bijvoorbeeld in een bos bovenop de Utrechtse Heuvelrug vannacht significant kouder is geweest dan dat.
Een ander punt van aandacht is het dat het model voor zijn input wel gebruik maakt van de metingen van de officiële stations, daar signaleer ik een discrepantie. Consequent zou het zijn die waarnemingen, bijvoorbeeld door remote sensing, eerst te middelen voor het grid waar gebruik van gemaakt wordt.
