Nieuws
Met WOW-NL temperatuurkaarten verbeteren
2 november 2016 – Een veel gestelde vraag is wat er met de WOW-NL waarnemingen gedaan kan worden. In een eerder stadium hebben we al een studie gepresenteerd naar de kwaliteit van de WOW-NL waarnemingen. In het verlengde daarvan heeft Thomas Merkus onderzocht of WOW-NL metingen toegevoegde waarde hebben voor de nationale temperatuurkaarten.Afstudeerder Thomas Merkus maakte voor zijn onderzoek gebruik van WOW-NL,- en KNMI metingen van de Automatische WeerStations (AWSen). Hij filterde eerst de fouten en meest onwaarschijnlijke waarnemingen eruit. De gefilterde data vergeleek hij met de metingen van de KNMI-AWSen. Vervolgens paste hij twee verschillende methodes toe om de bestaande temperatuurkaarten te verbeteren. In de eerste methode worden de WOW-NL data gelijkwaardig gemixed met KNMI-AWS data. In de tweede methode gebruikte hij WOW-NL data als secundaire voorspeller bij de interpolatie van de KNMI-AWS data.
Vergelijking van WOW-NL stations met AWS-en van
het KNMI waarneemnetwerk
WOW-NL metingen zijn in het algemeen gesteld minder nauwkeurig dan de metingen van KNMI-AWS-en. Dit heeft alles te maken met de invloed van de standplaats van het station en de kwaliteit van de sensoren. De dure gekalibreerde sensoren van de KNMI-AWSen staan op gestandaardiseerde locaties. Voor WOW-NL stations worden, uitzonderingen daargelaten, begrijpelijkerwijs concessies gedaan op de standplaats en staan de stations vaker in stedelijk gebied.
Om te onderzoeken hoe groot de verschillen in de metingen zijn, vergeleek Thomas de kaarten gebaseerd op interpolatie van de metingen van de KNMI-AWS-en met de metingen van WOW-NL. Figuur 1 geeft het gemiddelde verschil tussen de temperatuur van alle WOW-NL stations en KNMI-AWSen weer. In het blauwgroene bereik zijn de verschillen klein, in het rode bereik zijn de verschillen groter. Het blijkt dat de temperatuur van de WOW-NL stations ‘s-middags en in de zomer het meest afwijkt. Zowel het “stadseffect” als de kwaliteit van de WOW-metingen spelen hierbij een rol: door slechte afscherming zijn goedkopere sensoren vaak gevoeliger voor opwarming door direct zonlicht.
Figuur 1: Rasterdiagram van de het gemiddelde verschil tussen WOW-metingen en AWS-metingen, voor ieder uur van de dag gedurende de maanden juli tot januari.
Mixen van KNMI-metingen met WOW-NL-metingen
Landsdekkende temperatuurkaarten worden gemaakt aan de hand van interpolaties van waarnemingen van de automatische weerstations. De kwaliteit van een interpolatie kan bepaald worden door crossvalidatie die een gemiddelde fout (RMSE) in graden Celsius oplevert. Bij crossvalidatie wordt de temperatuur op een waarneemlocatie berekend op grond van de omliggende stations en vergeleken met de waargenomen temperatuur op de betreffende waarneemlocatie. Bij een lagere fout is de interpolatiemethode beter.Figuur 2 laat zien hoe de kwaliteit van de interpolaties die gebaseerd zijn op alleen KNMI AWS-metingen (AWS_TPS, rode lijn) zich verhouden tot drie verschillende methodes waarbij KNMI en WOW-NL 10-minuten waarnemingen gemixed werden. Thomas maakte daarbij gebruik van drie (3) verschillende interpolatiemethodes: Ordinary Kriging (OK), Thin Plate Splines (TPS), en Inverse Distance Weighting (IDW).
Figuur 2: Crossvalidatieresultaten van de interpolatiemethoden: AWS TPS (rood), WOWNL OK (groen), WOWNL TPS (blauw), en WOWNL IDW (roze) voor drie verschillende weken in augustus, oktober en januari.
Als we kijken naar het verschil tussen de rode en blauwe lijn (AWS-TPS en WOWNL-TPS) zijn er veel momenten waarbij het mixen van WOW-NL data met AWS data de interpolaties verbetert (de blauwe lijn ligt onder de rode lijn). Vooral in oktober en januari zijn de verschillen het grootst. In augustus lijkt er echter geen of weinig verbetering plaats te vinden, dit hangt samen met de grotere variatie in het WOW-netwerk bij hogere temperaturen.
WOW-NL metingen als secundaire voorspeller
In de tweede methode is ervoor gekozen om de WOW-NL waarnemingen minder zwaar mee te nemen in de interpolaties. De gebuikte interpolatie methode is Universal Kriging, en de kwaliteit van de interpolaties is ook gemeten aan de hand van een cross-validatie. Universal kriging neemt de WOW-NL data als externe trend mee bij de interpolatie van de KNM-AWS data. De resultaten van de interpolaties zijn wederom vergeleken met de interpolaties gebaseerd enkel op KNMI-waarnemingen.
Figuur 3: Crossvalidatie RMSE voor AWS TPS interpolatie (rood) vergeleken met WOWNL UK interpolatie (groen) voor drie verschillende weken in augustus, oktober en januari.
Figuur 3 laat zien dat de tweede methode voor grotere verbeteringen zorgt dan bij de eerste methode: de rode lijn (crossvalidatiefout van AWS-interpolatie) ligt in de meeste gevallen boven de rode lijn (fout bij WOW-NL als secundaire voorspeller). Het is duidelijk dat het gebruik van WOW-NL data de interpolaties in oktober en januari bijna in alle gevallen verbetert. In augustus is de verbetering minder groot. Dit heeft er wederom mee te maken met feit dat de WOW-NL metingen in augustus het meest afwijken van de voorspelde waarde uit de KNMI-AWS-en en hoge temperaturen registreren.
Figuur 4 illustreert hoe het gebruik van de WOW-NL data als secundaire voorspeller het kaartbeeld beïnvloedt. Er is in dit geval een voorbeeld geselecteerd waarbij gebruik van WOW-NL data resulteert in een lagere gemiddelde fout (RMSE). Dit betekent dat de interpolatie gebaseerd op WOW-NL en AWS metingen dichter bij de werkelijke temperatuur komt dan de kaart die gebaseerd is op enkel AWS-metingen.
