Maar hoe had je dat in gedachten dan? De modelresolutie gewoon maar ophogen, wat meer rekentijd kost?
Of een of andere statistische methode loslaten op een databestand met orografie, bodem en land? Hoe bepaal je dan welke methode/uitkomst gewenst is? Wat voor de ene situatie geschikt is hoeft dat niet voor de andere te zijn.
Je hebt natuurlijk MOS, maar een stap er nog voor zou zijn de data van het grootschalige model inladen in een model met veel kleinere schaal waarbij een grotere resolutie mogelijk is (mesoschaal model). Dan kun je ook de dataset voor de orgrafie, bodemsoort en landgebruik op een hogere resolutie gebruiken.
HIRLAM en ALADIN zijn trouwens voorbeelden van een mesoschaal model welke meer detail geeft voor korte termijn verwachtingen. En ook uitvoer van die modellen kan in MOS gebruikt worden natuurlijk.
Trouwens wij zien natuurlijk alleen maar die modeluitvoer van GFS, wij weten niet of Europese grootschalige weermodellen zoals ECMWF en UKMO op dit gebied beter presteren dan GFS. Zelfde geldt voor mesoschaal modellen zoals voornoemde HIRLAM en ALADIN.
En last but not least: je moet ook in gedachten houden dat de bodemgesteldheid en het landgebruik niet de enige factor zijn die de Tmin bepalen (in stralingsnachten). Het wel of niet wegvallen van wind kan zo een paar graden schelen. Als het model mis blijkt te zitten qua wind klopt de temperatuursberekening van het model ook niet meer.
Verder kan het gedurende de nacht ontstaan van mist of het binnen komen drijven van (lage) bewolking de afkoeling temperen. Als dat niet in de modelberekeningen zit kan het model ook naast de werkelijke Tn zitten.
Of een of andere statistische methode loslaten op een databestand met orografie, bodem en land? Hoe bepaal je dan welke methode/uitkomst gewenst is? Wat voor de ene situatie geschikt is hoeft dat niet voor de andere te zijn.
Je hebt natuurlijk MOS, maar een stap er nog voor zou zijn de data van het grootschalige model inladen in een model met veel kleinere schaal waarbij een grotere resolutie mogelijk is (mesoschaal model). Dan kun je ook de dataset voor de orgrafie, bodemsoort en landgebruik op een hogere resolutie gebruiken.
HIRLAM en ALADIN zijn trouwens voorbeelden van een mesoschaal model welke meer detail geeft voor korte termijn verwachtingen. En ook uitvoer van die modellen kan in MOS gebruikt worden natuurlijk.
Trouwens wij zien natuurlijk alleen maar die modeluitvoer van GFS, wij weten niet of Europese grootschalige weermodellen zoals ECMWF en UKMO op dit gebied beter presteren dan GFS. Zelfde geldt voor mesoschaal modellen zoals voornoemde HIRLAM en ALADIN.
En last but not least: je moet ook in gedachten houden dat de bodemgesteldheid en het landgebruik niet de enige factor zijn die de Tmin bepalen (in stralingsnachten). Het wel of niet wegvallen van wind kan zo een paar graden schelen. Als het model mis blijkt te zitten qua wind klopt de temperatuursberekening van het model ook niet meer.
Verder kan het gedurende de nacht ontstaan van mist of het binnen komen drijven van (lage) bewolking de afkoeling temperen. Als dat niet in de modelberekeningen zit kan het model ook naast de werkelijke Tn zitten.
Bericht laatst bijgewerkt: 10-10-2008 13:13
Uitleg Wetterzentrale-kaarten (klikbaar 
)
)