Denne artikkelen er produsert og finansiert av Meteorologisk institutt - les mer.

På Svalbard kan landskapet endre seg mye på korte avstander. Dette fører også til store variasjoner i været.

Superlokal værvarsling i Longyearbyen

Studenter satte opp målestasjoner overalt. Plutselig fikk forskerne mye mer værdata fra et lite område på Svalbard.

Dette skjedde da forskere fra Meteorologisk institutt samarbeidet med studenter på feltarbeid på Svalbard.

Målet var å undersøke mulighetene for å varsle været på enda mer detaljert nivå enn det meteorologene vanligvis klarer i dag.

Arktis er et område av verden der mer nøyaktige værvarsler vil være svært nyttig. Her er det et komplisert terreng og store endringer i været fra sted til sted.

Den stille revolusjonen

Værvarslene blir stadig bedre. Statistikken viser at varselet for tre dager frem i tid er omtrent like bra som varselet to dager framover var for 10 år siden.

Det meste av utviklingen har skjedd som en jevn strøm av forbedringer og teknologiske nyvinninger, og ikke gjennom store revolusjonerende omveltninger.

I en artikkel i tidsskriftet Nature i 2015 ble denne stadige, jevne forbedringen av værvarsling kalt «den stille revolusjonen i numerisk værvarsling». Dette er et navn som har satt seg blant forskere.

Teresa Valkonen, forsker ved Senter for utvikling av varslingstjenesten ved Meteorologisk institutt.

Startet med studenter på feltarbeid

Forskere ved Meteorologisk institutt publiserte i høst en vitenskapelig artikkel som handler om hvordan værvarsel i arktiske områder kan bli enda bedre i fremtiden. Arbeidet er gjort i regi av forskningsprosjektet Alertness.

– Det hele startet egentlig med et kurs i meteorologi ved Universitetssenteret på Svalbard, forteller Teresa Valkonen. Hun er forsker ved Senter for utvikling av varslingstjenesten på Meteorologisk institutt.

– Studentene bygget sine egne værstasjoner. De brukte luftballonger til å hente inn observasjoner og de installerte til og med temperaturmålere på snøscootere, forteller Valkonen.

Dette førte til at i et område rundt Longyearbyen på Svalbard fikk forskerne tilgang til mange flere og tettere observasjoner, både i rom og tid, enn det de vanligvis har gjennom nettverket av offisielle målestasjoner.

Variert terreng gir skiftende vær

Du har sikkert lagt merke til at dalfører eller høye bygninger kan lage vindtunneler der det blåser mye. Terrenget påvirker hva slags vær vi får, i et stadig samspill mellom bakke og luft.

Terrenget på Svalbard er variert, med for eksempel mange fjorder, og det er store lokale variasjoner i været.

Været inne i en fjord kan være svært forskjellig fra været like utenfor.

En dal kan være trang og smal. Været inne i en fjord kan være veldig forskjellig fra været like utenfor.

Norges rutenett

Bak alle værvarsler ligger en numerisk værmodell. I en slik modell blir Norge, og havområdene rundt, delt inn i et rutenett.

Med hjelp av store datamaskiner blir været i fremtiden beregnet for hver av disse rutene. Det vil si at når du får et varsel for akkurat der du er, så er det egentlig et varsel som gjelder for hele den ruten du befinner deg i. Dette er en av grunnene til at det været du opplever kan være forskjellig fra det som ble varslet.

Det kan du lese om i denne saken fra Meteorologisk institutt: Derfor blir værvarselet aldri perfekt

Bak alle værvarsel ligger en numerisk modell der Norge er delt inn i et rutenett og været beregnes innenfor hver rute.

Værmeldingen du får på Yr for Svalbard i dag, er basert på ruter som har 2,5 kilometer lange sider i hver retning. Men været kan variere mye på denne avstanden, og dette får ikke modellen med seg.

Trenger flere og tettere observasjoner

Rutenettet som forskerne deler Norge inn i, har jevnt og trutt blitt mer finmasket. For eksempel var rutene i modellene til Meteorologisk institutt hele 10 kilometer lange i hver retning da Yr ble lansert i 2007. Nå er de altså 2,5 kilometer.

Hvis vi vil ha mer nøyaktige varsler, kan for eksempel rutenettet gjøres enda mindre. Da vil varselet for området der du befinner deg, være basert på en mindre rute og derfor bli mer presist. Dette er spesielt nyttig når terrenget varierer mye.

– Historisk har det vært viktig å stadig øke oppløsningen, altså gjøre rutene mindre, for å få bedre varsler. Men med mer detaljerte varsler følger utfordringen om hvordan vi kan vurdere hvor gode varslene er, forteller Valkonen.

For å sjekke hvor godt varslene treffer i et mindre rutenett, trengs nemlig flere observasjoner av hvordan været faktisk ble. Observasjonene av for eksempel temperatur, vind, trykk og luftfuktighet som forskerne gjerne vil sammenligne varselet med, er vanligvis ikke tett nok plassert til å vurdere hvor godt modellen har varslet lokale forskjeller.

Samarbeidet med studentene på Svalbard gjorde forskerne i stand til å undersøke nærmere hvor treffsikre ekstra detaljerte varsler kan være, i og med at de fikk tilgang til et mye mer finmasket nett av observasjoner av temperatur og vind. Her studerte de et rutenett som bare var 500 meter i hver retning, altså mye mindre enn det som brukes til varslene i dag.

Hvorfor kan vi ikke bare skru på oppløsningsknappen?

Hvis rutene i modellen skal gjøres enda mindre enn de er nå, trengs det mange flere observasjoner ute i naturen for å sammenligne med. Det holder ikke å vite hva slags vær det ble på målestasjonen i Longyearbyen, vi trenger også å vite hvordan forholdene var rundt hele Adventfjorden.

Likevel er det ikke bare å gjøre rutene mindre og mindre. For det første blir det svært krevende ressursmessig for datamaskiner å kjøre gjennom modellene når rutene blir veldig små. Det koster både tid og penger. For eksempel krever en halvering av rutene omtrent åtte ganger så mye regnekraft.

For det andre kan endringer i én del av værmodellen føre til overraskelser i en annen del av modellen, og det kan til og med gi feil resultater.

– Det er en fristende tankegang å stadig øke oppløsningen, men det er ikke alltid gitt at det gir bedre resultater, forklarer Valkonen.

En værmodell holdes hele tiden på plass av observasjoner av hvordan været er akkurat nå. Hvis rutene blir mindre enn det som er forsvarlig ut fra tilgjengelige observasjoner, kan modellen få for stor frihet, og da kan resultatet bli feil.

Mer forskning gir stadig bedre værvarsel

Forskerne i prosjektet på Svalbard fant at mange av prosessene i naturen ble bedre beskrevet når de brukte enda mindre ruter enn vanlig. I snitt ble varslene for temperatur og vind forbedret. Men de opplevde også at de måtte fokusere på andre deler av modellen, deler som for eksempel beskriver snø og bakke, for ikke å få gale resultater.

– I en modell som brukes til varsling, er det ikke i dag ressursmessig mulig å kjøre med så høy oppløsning som vi har gjort i dette forskningsprosjektet, forteller Teresa Valkonen.

– Men til forskningsformål er det veldig nyttig for å se hva som fungerer best og hvilke deler av modellen vi bør jobbe videre med. Det overordnete målet er alltid å gjøre varselet så bra som mulig, sier hun.

Muligheten til å gjøre rutene mindre i værvarselet som sendes ut til publikum, er der, men det krever mer forskning på effektene på alle deler av modellen.

Den stille revolusjonen fortsetter inn i fremtiden.

Referanse:

Teresa Valkonen mfl.: Evaluation of a sub-kilometre NWP system in an Arctic fjord-valley system in winter. Tellus A: Dynamic Meteorology and Oceanography, 2020. Doi.org/10.1080/16000870.2020.1838181

Alertness skal gi bedre værvarsel i Arktis

Et fireårig forskningsprosjekt skal forbedre værvarslene i Arktis. Prosjektet Alertness, Advanced models and weather prediction in the Arctic, er ledet av Meteorologisk institutt og finansiert av Norges Forskningsråd.

Forskere fra disse institusjonene deltar: Meteorologisk institutt (MET), Universitetet i Bergen (UiB), NORCE Klima, Universitetet i Tromsø (UiT), The Royal Netherlands Meteorological Institute (KNMI), Nansen Environmental and Remote Sensing Center (NERSC) og Universitetssenteret på Svalbard (UNIS).

Forskningen bak Yr

Senter for utvikling av varslingstjenesten (SUV) ved Meteorologisk institutt (MET) etablerer og gjennomfører forskningsprosjekter for å forbedre værvarslingsmodeller og -metoder. SUV utvikler dataene som ligger bak varslene du får på Yr.

Powered by Labrador CMS