Het uitgangspunt punt zou moeten zijn dat het KNMI niet meet wat GFS probeert te modelleren. Beide zijn representatief voor iets anders, wat mij betreft is de meest logische aanname dan ook dat beide vrijwel altijd verschillend moeten zijn, niet hetzelfde.Het bewust grof afronden van data is geen DMO. Dat zijn eenvoudige claims die iedereen kan controleren.
Het uitgangspunt van mijn rekenmodel, is om te komen tot een betrouwbare Tx/Tn verwachting voor locatie De Bilt (KNMI station) met GFS uitvoer als basis.
Omdat GFS een globaal model is en ik er daarom vanuit ga dat detail kaartjes voor een postzegel als Nederland niet betrouwbaar zijn, gebruik ik de T2m kaarten met temperatuur categorieën als invoer.
Na ruim 7 jaar aan data verzamelen (feitelijk al langer, maar ruim 7 jaar geleden ben ik geswitcht naar een andere methode om er zodoende voor te zorgen dat de Tx/Tn uit de hele dag gehaald wordt in plaats van een specifiek tijdstip) denk ik dat er vanuit mijn rekenmodel een betrouwbaar beeld is over hoe GFS presteert qua Tx/Tn voor locatie De Bilt (heb een zelfde systeem ook voor mijn eigen weerstation, maar dat heeft allerlei extra uitdagingen omdat het een amateurstation is in het midden van een stad).
Daar is inmiddels een beeld uit gekomen dat over de volledige dataset de Tn gemiddeld 1°C te hoog wordt ingeschat, terwijl de TX gemiddeld 1°C te laat wordt ingeschat.
Naast die gemiddelde afwijkingen werd gaandeweg duidelijk dat tijdens (zoals ik ze noem) stralingscondities (opklaringen/helder en weinig of geen wind) GFS de Tn schromelijk overschat.
Om die reden heb ik daarvoor een extra parameter in het rekenmodel gezet, waarbij alle Tn afwijkingen van meer dan 4°C apart worden geregistreerd.
Daar is een gemiddelde afwijking van 4,9°C uit gekomen, wat aangeeft dat onder dergelijke condities GFS bijna 5 graden te hoog zit met de Tn.
Omdat de ene maand de andere niet is, ben ik dat op een gegeven moment ook nog gaan splitsen per maand, waarbij je kan zien wat de grootste afwijking is geweest, wat de gemiddelde afwijking is geweest en wat de statistische kans is dat een dergelijke afwijking binnen die maand kan optreden.
Daar komt dan onderstaand overzicht uit:
Tot slot maak ik voor zowel de Tn als de Tx ook nog een overzicht met de afwijkingen per maand, waarbij het op termijn de bedoeling is om het rekenmodel niet langer gebruik te laten maken met de afwijkingen over de hele dataset, maar de afwijkingen van de betreffende maand te gaan gebruiken.
