Feltarbeid på Svalbard
På Svalbard kan landskapet endre seg mye på korte avstander. Dette fører også til store variasjoner i været., Foto: Thea Schneider

Værvarsling i komplisert terreng

I en ny studie har forskere fra Meteorologisk institutt undersøkt mulighetene for å varsle været på enda mer detaljert nivå enn de gjør i dag. Med seg på veien har de hatt studenter på feltarbeid på Svalbard.

Denne saken ble skrevet til forskning.no.

Arktis er et område av verden der mer nøyaktige værvarsel vil være svært nyttig, på grunn av 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 frem i tid var for 10 år siden.
 
Denne utviklingen har i all hovedsak skjedd som en jevn strøm av forbedringer og teknologiske nyvinninger, og ikke gjennom store revolusjonerende omveltninger.  I en artikkel i Nature i 2015 ble derfor denne stadige, jevne forbedringen av værvarsel kalt «den stille revolusjonen i numerisk værvarsling». Dette er et navn som har satt seg blant forskere.

Forskning som 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.

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

– Det hele startet egentlig med et kurs i meteorologi ved Universitetssenteret på Svalbard, forteller førsteforfatter Teresa Valkonen, som er forsker ved Senter for utvikling av varslingstjenesten ved 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. En dal kan være trang og smal. Været inne i en fjord kan være veldig forskjellig fra været like utenfor. 

Vaerskiller
Været inne i en fjord kan være svært forskjellig fra været like utenfor. Illustrasjon: StorakerSchwartz / Alertness

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.

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.

Rutenett_Svalbard_graa
Bak alle værvarsel ligger en numerisk modell der Norge er delt inn i et rutenett og været beregnes innenfor hver rute. Illustrasjon: StorakerSchwartz/Alertness. 

Trenger flere og tettere observasjoner for å sjekke hvor gode varslene er

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 km.

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 enn tidligere, og varselet blir mer presist for deg akkurat der du er. 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, forteller Valkonen. – Men med mer detaljerte varsler følger utfordringen om hvordan man egentlig vurderer hvor gode varslene er. 

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 m 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 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 kan til og med gi feil resultater. 

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

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 observasjonene som er tilgjengelig, kan modellen få for stor frihet slik at resultatet blir 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 dette området. 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 at ikke modellen skulle gi 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 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.

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 et al.: Evaluation of a sub-kilometre NWP system in an Arctic fjord-valley system in winter, Tellus A: Dynamic Meteorology and Oceanography
 

Alertness-prosjektet

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

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.