Korte beschrijving

Een weersvoorspelling is waardeloos zonder inschatting van diens onzekerheid. Deze onzekerheid kan gelinkt worden aan zowel fouten in de begintoestand van de voorspelling (observaties) als aan de modelfout (vereenvoudigingen ten opzichte van de realiteit). In de praktijk worden beide bronnen van onzekerheid in rekening gebracht door enerzijds in de begintoestand en anderzijds in de modelvergelijkingen verstoringen aan te brengen, waarna niet één maar een veelvoud aan voorspellingen voor dezelfde periode gedaan wordt. De spreiding van het ensemble van voorspellingen is dan een maat voor de onzekerheid. Tijdens dit doctoraatsonderzoek is specifiek de modelfout en onzekerheid gelinkt aan de modellering van diepe convectie (onweer) in het numeriek weermodel ALARO onderzocht. Eerst werd de modelfout nauwkeurig gekarakteriseerd aan de hand van een tweeling-experiment. Vervolgens werd een verstoringsschema ontwikkeld dat de belangrijkste kenmerken van de modelfout kan reproduceren. Activering van het verstoringsschema leidde tot een positieve impact op de probabilistische performantie van de ensemble-voorspelling, vooral voor neerslag en voor de prognostische variabele in de bovenste lagen van de troposfeer. Deze verbetering in performantie kon vooral gelinkt worden aan een verbetering van de spreiding op die plaatsen waar het model het moeilijk heeft de diepe convectie correct te modelleren.