Hoe moderne weersverwachtingen werken: van satellieten tot supercomputers

Elke weersvoorspelling, of het nu een zeven-daagse vooruitzicht in een telefoon-app is of een orkaan-spoor uitgegeven door een nationaal agentschap, begint op dezelfde manier: met waarnemingen van de atmosfeer zoals deze op dit moment is. Het Europees Centrum voor Middellangetijdse Weersvoorspellingen (ECMWF) zegt dat het ongeveer 800 miljoen waarnemingen per dag ontvangt, meestal van ongeveer 90 satellietinstrumenten die de atmosfeer, oceaan, land, sneeuw en zeeijs monitoren; na kwaliteitscontrole worden ongeveer 60 miljoen van deze waarnemingen daadwerkelijk gebruikt in het voorspellingssysteem.

Waarnemingen omzetten in een voorspelling: datassimilatie

Ruwe waarnemingen beslaan niet elk punt op aarde, dus meteorologen kunnen het huidige weer er niet zomaar van aflezen. In plaats daarvan gebruiken agentschappen een techniek genaamd datassimilatie om onvolledige waarnemingen te combineren met een kortetermijnvoorspelling uit de vorige run, waardoor een volledig, fysisch consistent beeld van de atmosfeer ontstaat dat een analyse wordt genoemd. Het ECMWF gebruikt een methode genaamd vierdimensionale variatiële assimilatie (4D-Var), die het beschrijft als het combineren van 'een eerste schatting van het huidige weer met nieuw bewijs uit waarnemingen' over zowel ruimte als tijd. Het Britse Met Office beschrijft dezelfde stap eenvoudiger: datassimilatie 'vult gaten in waar directe waarnemingen ontbreken... door beschikbare gegevens met modelverwachtingen te mengen.'

Onder de observatietypen die door het ECMWF voorrang krijgen, zijn temperatuur- en vochtigheidsmeetingen van microgolf- en infrarood-satellietinstrumenten, windschattingen afgeleid van wolkenbijhouden en van radar-, lidar- en scatterometer-instrumenten, en een techniek genaamd 'all-sky'-assimilatie die satellietgegevens uit bewolkte en regenachtige gebieden gebruikt in plaats van ze weg te gooien.

De modellen uitvoeren: fysische vergelijkingen op supercomputers

Zodra de analyse is opgesteld, neemt een numeriek weersvoorspellingsmodel het over. Deze modellen verdelen de atmosfeer in een driedimensionaal raster en lossen vergelijkingen op die beweging, energie, massa en vochtigheid op elk rasterpunt regelen, en vervolgens beweegt het gehele systeem in de tijd naar voren. Het Amerikaanse Global Forecast System (GFS), beheerd door NOAAs National Centers for Environmental Prediction, gebruikt een basishalfstijdresolutie van ongeveer 28 kilometer (18 mijl) tussen rasterpunten voor de eerste week van output, vergrofft tot ongeveer 70 kilometer (44 mijl) voor voorspellingen na zeven dagen, en koppelt afzonderlijke modellen van de atmosfeer, oceaan, land/bodem en zeeijs. Het produceert vier keer per dag een volledige voorspelling tot 16 dagen vooruit.

Het equivalente systeem van het ECMWF, het Integrated Forecasting System (IFS), werd in november 2024 geupgraded onder een release genaamd Cycle 49r1. Volgens het ECMWF assimileerde die upgrade voor het eerst waarnemingen van twee meter temperatuur, herzag hoe het model onzekerheid in zijn natuurkunde vertegenwoordigt, en combineerde het raster van het golfmodel van de oceaan met de atmosferische modelresolutie van ongeveer 9 kilometer voor middellangetijdse voorspellingen. Het ECMWF rapporteerde meetbare winsten van de upgrade, inclusief ongeveer 0,5% verbetering in voorspellingsscores in de buurt van Antarctica tot dag vier, deels aangedreven door nieuwe microgolfgegevens over zeeijs.

Ensemble-voorspelling: het voorspellen van de onzekerheid zelf

Een enkele modelrun van een enkele analyse geeft één versie van de toekomst, maar de atmosfeer is wat wetenschappers een chaotisch systeem noemen: volgens het Met Office kunnen 'zeer kleine fouten in de begintoestand leiden tot grote fouten in de voorspelling.' Omdat waarnemingen de werkelijke toestand van de atmosfeer nooit perfect kunnen vastleggen, voeren agentschappen hetzelfde model tientallen keren uit vanuit iets verschillende, even plausibele beginvoorwaarden. Deze verzameling van parallelle voorspellingen wordt een ensemble genoemd, en elke individuele run is een 'ensemble-lid.'

Waarom voorspellingen verder in de toekomst minder zeker worden

Het ECMWF rapporteerde dat zijn november 2024 Cycle 49r1-upgrade meetbare winsten in voorspellingsnauwkeurigheid opleverde, inclusief ongeveer 0,5% verbetering in voorspellingsscores in de buurt van Antarctica tot dag vier, wat het gedeeltelijk toeschreef aan nieuwe microgolf-satellietgegevens over zeeijs. Meer algemeen gezegd, omdat kleine fouten in de begincondities van een chaotisch systeem in de loop van de tijd groeien, geven agentschappen ook afzonderlijke maandelijkse en seizoensgebonden vooruitzichten uit, gebaseerd op verschillende statistische methoden, zodra dagelijkse voorspellingen hun bruikbaarheid verliezen.

De opkomst van op AI gebaseerde voorspellingen

Naast deze natuurkundig gebaseerde modellen hebben nationale agentschappen machine learning-systemen ingezet die op decennia van voorbije weergegevens zijn getraind. De NOAA kondigde in december 2025 aan dat het drie van zulke systemen operationeel had gemaakt: AIGFS (een AI-versie van het Global Forecast System), AIGEFS (een AI-ensemble-systeem) en HGEFS, een 62-lid ensemble dat AI- en natuurkundig gebaseerde voorspellingen combineert. Volgens de NOAA kan AIGFS een 16-daagse wereldwijde voorspelling in ongeveer 40 minuten produceren met ongeveer 0,3% van de computerbronnen die het traditionele GFS nodig heeft, en AIGEFS heeft ongeveer 9% van de bronnen van het standaard ensemble nodig. NOAA-beheerder Neil Jacobs beschreef de systemen als 'een significante sprong voorwaarts in Amerikaanse weersmodelvernieuwing,' aanhalend verbeterde nauwkeurigheid voor grote patronen en orkaan-sporenvoorspellingen, hoewel de NOAA ook erkende dat AIGFS momenteel verminderde prestaties toont bij het voorspellen van orkaan-intensiteit, een gebied dat ambtenaren zeiden nog verder moet worden ontwikkeld.

Van modeloutput naar de voorspelling die je ziet

Modelgegevens zijn meestal niet het eindproduct. Het Met Office zegt dat na afloop van de supercomputerläufe meteorologen de modeloutput interpreteren, rekening houden met lokaal terrein en omstandigheden die de resolutie van het model niet volledig kan vastleggen, en de voorspelling voor publicatie aanpassen, menselijk oordeel met computationele output combineren om een bruikbare voorspelling te produceren.