Vi erbjuder
Heiner Körnich är chef för FoU-avdelningen, analys och prognos, på SMHI. Foto: Peter Holgersson

Sakta men säkert blir väderprognoserna bättre

I takt med att datakraften blir billigare och modellerna slipas blir väderprognoserna allt bättre. Många små förbättringar, snarare än stora genombrott är prognosforskarnas vardag. Internationella samarbeten skapar nya möjligheter. Men det finns gränser för hur långt fram i tiden vi kan förutsäga vädret.

Publicerad: Uppdaterad:

Det visar sig att det är lätt att hitta till SMHI i Norrköping. Tidningen Naturvetare är här för att ta reda på hur forskningen kan göra dagens väderprognoser ännu bättre. Vad är det egentligen som gör att det är så svårt att förutsäga exakt vilket väder det blir imorgon? Eller för den delen nästa vecka? Och när kommer vi redan i början på sommaren veta vilket väder som väntar oss under semestern?

Heiner Körnich är chef över forskning- och utvecklingsavdelningen analys och prognos. Målet med verksamheten är att göra dagens väderprognoser ännu bättre och alla på avdelningen arbetar med olika delar som är viktiga för att uppnå just detta. Jag får snabbt klart för mig att detta med att förutsäga väder är allt annat än enkelt och att det är ett tålamodskrävande arbete att metodiskt arbeta sig fram mot allt bättre beskrivningar av verkligheten. Den prognosmodell som används idag kallas HIRLAM och utvecklas gemensamt av Sverige, Norge, Holland m.fl. länder i ett konsortium.

– Det finns alltid en osäkerhet i prognoserna, därför görs inte bara en utan flera, säger Heiner.

Han berättar att säkerheten ökar med flera prognoser, men att detta tyvärr är en möjlighet som används för lite. Anledningen till det är dels att de är svårare att använda, eftersom svaret uttrycks i sannolikheter, dels att det tar längre tid att göra.

 

Norskt samarbete

Korrekta prognoser är så viktigt att regeringen har engagerat sig i frågan. Målet är en träffsäkerhet på 85 procent för endygnsprognoserna och 80 procent när det gäller kulingvarningar. Enligt den senaste sammanställningen för 2011 var det en bit kvar med en träffsäkerhet på 83 respektive 75 procent. Detta oroar emellertid inte Heiner som är övertygad om att SMHI är på väg åt rätt håll. När jag frågar om norska meteorologer är skickligare skrattar han.

– Nej, det handlar mer om sättet att kommunicera.
Han berättar att Norges motsvarighet till SMHI sedan länge har ett samarbete med Norges största mediabolag NRK. För den som längtar efter att väderprognoserna ska bli bättre kan det trots det vara bra att veta att ett svensk-norskt samarbete är på gång.

– 2014 kommer en ny modell med betydligt högre upplösning på 2,5 km jämfört med 5 eller 11 idag. Då går vi ihop med Norska värdertjänsten för att göra gemensamma prognoser.

Samarbetet är nödvändigt för att klara den höga upplösningen, som är så dyr att SMHI inte kommer att kunna köra någon egen back-up.  Datakostnaderna är hela tiden det som begränsar och i slutändan handlar det om att göra bästa möjliga avvägning mellan upplösning och fler prognoser.  Frågan är också hur vi mäter prognoskvalitet.

– Extremväder är det som kostar pengar för samhället. Men är det bara en eller ett par sådana situationer under ett år spelar dessa inte så stor roll för avvikelserna totalt under året, förklarar Heiner.

 

Landskapet påverkar

När meteorologer pratar om upplösning, menar de hur stora de rutor är som modellen delar in verkligheten i. Varje ruta har en viss volym och inom den sker en mängd fysikaliska processer, som modellerna förenklat beskriver i termer av parametrar såsom vind, temperatur, fuktighet, moln m.m.

– Låga moln är ett stort problem i våra prognosmodeller, säger Stefan Gollvik.
Låga moln är väldigt viktiga för vilken temperatur vi har nära marken och om vi ska förstå detta måste vi veta mer om växelverkan mellan mark och atmosfär. Samtidigt är fysiken bakom moln och nederbörd väldigt komplex.

– Det är mycket som måste vara rätt i modellen för att vi ska kunna säga hur mycket nederbörd det blir.

 

Nuläget allt annat än självklart

 

– En korrekt beskrivning av startillståndet är ytterst viktig för att prognosen ska bli av hög kvalitet, säger kollegan Magnus Lindskog.

Att veta vilket väder det är just nu kan tyckas okomplicerat, men när det rör sig om väldigt många observationer gäller det att väga in olika sorters data såsom temperratur, molnighet och fuktighet från varje punkt så korrekt som möjligt. För vissa områden saknas dessutom data och då måste starttillståndet beräknas.

– Man kan säga att det är ett klassiskt optimeringsproblem.
Prognoskvalitén förbättrades väsentligt i och med att man började använda satellitbaserade mätningar av värmestrålning från atmosfären, vilka kan relateras till atmosfärens temperatur och fuktighet. Först ut med detta var European Centre for Medium-Range Weather Forecasts (ECMWF) i slutet av 1990-talet. I framtida mer högupplösta modellsystem kommer radarbaserade observationer användas för att beskriva initialtillståndet.

 

Matematisk gräns

Felkällor är något som Åke Johansson är expert på. På dataskärmen visar han mig några experiment som tydliggör problematiken. Eftersom väder är kaotiskt kommer det rent matematiskt aldrig att bli möjligt att förutsäga vädret mer än ett par veckor fram i tiden. I princip finns tre felkällor; initialtillståndet, modellen och att det finns en gräns för hur många decimaler som vi kan hantera. Oavsett vilket av dessa fel vi har att göra med kommer prognosen inom två veckor helt ha förlorat sin prediktabilitet eller värde.

För att öka realismen i modellerna försöker meteorologerna göra de rutor som modellen är indelad i mindre. Därmed kan allt finskaligare fenomen beskrivas. Problemet är dock att prediktabiliteten är direkt avhängigt av storleken på de fenomen som ska förutses  –  ju mindre storlek ju kortare prediktabilitet.

Med ökad upplösning ökar med andra ord också felkällorna.  Insikten om detta har lett fram till att man idag försöker göra flera prognoser med olika men lika sannolika initialvärden för att på så sätt få ett grepp om hur sannolik en viss prognos är.

Utmaningen är bara att det visat sig allt annat än lätt att simulera alla möjliga väderutvecklingar.

 

Hur görs en prognos?

 

Steg 1:

Observationsdata samlas in från väldigt många olika källor. Allt ifrån flygplan i reguljärtrafik, väderballonger, väderradar och satelliter till väderstationer som idag oftast är automatiska används.

Steg 2:

Insamlad data bearbetas av superdatorer i olika modeller. Regionala modeller och prognoser upp till två dygn görs av SMHI. European Centre for Medium-Range Weather Forecasts (ECMWF) ansvarar för globala modeller över större områden och för prognoser på upp till två veckor.

Steg 3:

Prognoserna förädlas och görs begripliga av meteorologer. Förädlingen handlar dels om en kvalitetssäkring och att justera för kända avvikelse i en region, dels om att anpassa prognosen för ett visst ändamål såsom exempelvis vinterväghållning.

Marita Teräs

utredare
08-466 24 81