- Temaforside: Vejrmodeller step by step – for de nysgerrige og nør
- Præprocessering - hvad fodrer vi vejrmodellen med?
- Analysen - en simulering af atmosfærens tilstand
- Prognosen - bedste bud på vejrets udvikling
- Harmonie - DMI's vejrmodel
- Postprocessering - efterbehandling af data
- Verifikation - hvor god var vejrprognosen?
- Usikkerheder - sommerfugle-effekten
- Ofte stillede spørgsmål til DMI
DMI's vejrmodel
Der findes flere forskellige vejrmodeller. DMI bruger den der hedder HARMONIE.
DMI’s vejrmodel HARMONIE findes i forskellige setups. Generelt arbejdes der på, at modellerne skal være mere og mere finmaskede. På den måde kan processer i atmosfæren på små skalaer opfanges, og usikkerheden bliver dermed mindre.
Der arbejdes også hen mod, at modellerne opdateres oftere og oftere. Dette gøres med henblik på at skabe bedre service og kvalitet til DMI’s mange brugere af vejrprognoser.
Modellen har fokus på begivenheder, som finder sted på lille skala, men med potentielt alvorlige følger, såsom ekstrem nedbør som skybrud (konvektiv nedbør) og hurtigt udviklende stormlavtryk.
De to vigtigste modelopsætninger vises nedenfor til højre.
Figuren viser den geografiske dækning af de to vigtigste modelopsætninger ved DMI. Begge opsætninger anvender en gittermaske på 2.5 km, men ambitionen er på sigt at forudsige vejret på kilometerskala eller mindre.
Modellen IGB dækker hele Grønland mens COMEPS, der er et setup baseret på et ensemble af prognoser med HARMONIE-modellen, dækker Nordvest-Europa. Dette ensemble har 25 medlemmer, dvs lidt forskellige prognoser for den samme vejrsituation. Herudfra beregnes særlige parametre som tryk, temperatur og så videre, der belyser sikkerhed/usikkerhed i den aktuelle vejrsituation.
COMEPS er særlig raffineret i sit setup, fordi der hver time produceres flere nye prognoser baseret på den seneste analyse. Der er konstant 25 prognoser til rådighed i et såkaldt ensemble, som belyser den usikkerhed, der er i forbindelse med vejrprognoserne.
De enkelte prognoser er forskellige bl.a. fordi de repræsenterer usikkerhed i atmosfæreanalysen (startbetingelser for modellen) og modellens beskrivelse af atmosfærens fysiske processer.
Ensembler er betydningsfulde for mange brugere, der ønsker at vide hvor sikre prognoserne er.
Temaansvarlig Bent Hansen Sass
Opdateret 4. september 2018