Een website als Meteologix zal ongetwijfeld dezelfde interpolatie methode gebruiken voor alle modellen.
Geen interpolatie, of correcter gezegd nearest-neighbor, geeft goed weer dat de grove resolutie de voornaamste oorzaak is. Standaard interpolatie methoden doen daar niks aan. Bepaalde regressie methoden die metadata als land/water fractie meenemen kunnen wellicht verbetering geven maar dat komt ook met nadelen voor wat betreft de interpretatie van het resultaat.
Om de uitvoer van GFS goed te begrijpen doe ik dat vaak. Het interpoleren van allerlei niet-lineaire processen maakt dat lastiger.
Bijvoorbeeld de opvallende ~50°C oppervlaktetemperatuur bij Ninove in GFS een paar dagen terug. Als je zoiets ruimtelijke interpoleert smeert het uit naar de omgeving en is het minder duidelijk als een (mijn inziens) vreemd artefact.

