Præprocessering - hvad fodrer vi vejrmodellen med?

For at gøre en vejrmodel så god som muligt, skal den fodres med flest og bedst mulige observationer, så udgangspunktet for prognosen bliver så nøjagtig som mulig.

Udover de mest gængse observationer, som fås fra målere på land, så modtager DMI mange forskellige typer af observationer, som vejrmodellen skal bruge for at arbejde bedst muligt. Disse observationer skal kvalitetssikres og behandles før de kan indgå som startværdier til en modelberegning. Denne kvalitetssikring og behandling kaldes præprocessering.

Vejrobservationer fra hele kloden ankommer via det globale telekommunikationssystem (GTS), hvor blandt andet data fra fly udgør en vigtig bestanddel.

DMI modtager også løbende en stor mængde satellitobservationer fra polære og geostationære satellitter. Disse data suppleres med lokale observationsdata fra Danmark, bl.a. fra DMI’s landsdækkende radarsystem

Observationer er kodede på forskellige måder, og i præprocesseringen bliver de ’dekodet’ og omsat til en form, som supercomputeren kan arbejde med. Dekodning betyder at analysere et kodet signal og ’oversætte’ det til en anden form. Det er således den fase, hvor de indkomne observationer bliver forberedt til at blive behandlet af vejrmodellen. Dekodningen og kvalitetskontrollen er særligt omfattende for radardata samt satellitdata.

Denne indbyggede kvalitetskontrol af indkommende data og frasortering af fejlagtige observationer er af fundamental betydning. Jo mere rigtige startværdierne er i en modelberegning, des bedre er chancen for en korrekt prognose.

Observationerne ankommer med forskellig frekvens, der er afhængig af datatype, og kan variere fra minutter til timer.

I modellens efterfølgende analyse kombineres observationer fra atmosfæren med vejrmodellens foreløbige prognose til den bedst mulige fastlæggelse af atmosfærens tilstand på et givet tidspunkt.