Neem niet aan dat GFS over de hele wereld vochtmeters in de grond heeft zitten, dus de veronderstelde toestand komt puur uit modelberekeningen?
Ja exact, daarom "ettert" het zolang door. Ik vermoed dat er in het geheel geen invoer voor bodemvocht wordt gebruikt. Dat is ook lastig op een praktische en operationele manier. Sensoren in de bodem, zelfs als die er al zijn (zoals de Veenkampen), is dat heel erg lokaal representatief en lastig te vertalen naar een model op ~25km resolutie.
Voor kale bodem (de 1ste laag in GFS) zou er gebruik gemaakt kunnen worden van microgolf sensoren op satellieten (bv H-SAF producten). Voor dichte vegetatie (zoals in Europa) verzadigd het signaal al in het gewas, waardoor niet meer direct iets zegt over de bodem.
Voor vegetatie is de oppervlakte temperatuur gemeten uit satellieten te gebruiken, echter enkel bij onbewolkt weer. Je kan dan bijvoorbeeld het probleem omdraaien en net zolang het bodemvocht veranderen totdat de oppervlakte temperatuur overeenkomt met de satelliet (bijvoorbeeld de thermische band van de nieuwe MTG). Is het model te warm, dan is het bodemvocht te laag en vice versa. Ook dat is erg lastig aangezien andere parameters als wind daar ook veel invloed op hebben.
En al dat soort "oplossingen" vergt ook een hoop rekenkracht.
Wat bij GFS in mijn ervaring van de vorige keren (2022, 2023) het beste "werkt" is een echt natte periode met dusdanig veel regen dat de vier bodemlagen weer in de buurt van veldcapaciteit zitten. Dat zorgt als het ware voor een soort "reset", aangezien overtollige neerslag dan wegstroomt uit de bodem. En daarna loopt het model weer langzaam uit de pas.
Ik weet niet of andere modellen wel dergelijke invoer gebruiken. Ik vermoed van niet, omdat het zo lastig is. Waarschijnlijk modelleren andere modellen de verdamping en infiltratie wat beter waardoor ze minder snel uit de pas lopen.