Blending van radar nowcast en Harmonie: implementatie en analyse

Een alternatief om tot betere neerslagverwachtingen voor de eerste uren in de toekomst te komen is wenselijk voor het Nederlandse waterbeheer. In dit onderzoek hebben we de STEPS blendingmethode toegepast om radarnowcasts van de KNMI weerradars te combineren met Harmonie (het numerieke weermodel van KNMI). De blendingmethode is onderdeel van het open-source nowcastingplatform pysteps. Na een aantal aanpassingen, waaronder het mogelijk maken van een dynamische disaggregatie van de tijdstap van de Harmonie-verwachting van één uur naar t minuten (hetgeen een prettige bijvangst van het onderzoek was) en het versnellen en verbeteren van de pysteps software in samenwerking met het Belgische KMI, hebben we de code geoperationaliseerd in Delft-FEWS en getest voor een volledige, regenachtige zomermaand (15 juli tot en met 15 augustus 2023). Gegeven een looptijd van de geblende verwachting van 12 uur en een 10-min tijdstap, waren de rekentijden gemiddeld 3,4 minuten voor een deterministische run en 12,3 minuten voor een ensembleverwachting met 10 members. De pre-processing duurde circa 10 minuten en hoeft enkel plaats te vinden wanneer een nieuwe Harmonie-verwachting beschikbaar is. Bij een langere (kortere) looptijd van de verwachting zullen de genoemde rekentijden toenemen (afnemen). De resultaten van dit onderzoek laten zien dat de STEPS blendingmethode een goede combinatie weet te maken tussen de radarnowcast en Harmonie. Afhankelijk van de statistische score waar naar gekeken wordt (RMSE en de critical success index zijn gebruikt), is de blending beter of vrijwel even goed als het best presenterende product (de radarnowcast of Harmonie) voor de geteste looptijden. Een consistent resultaat is dat de STEPS blending de nowcastkwaliteit goed weet te volgen gedurende de eerste 1 à 2 uur van de verwachting (de nowcast had een lagere fout dan Harmonie gedurende de eerste 2 – 2,5 uur in dit onderzoek), waarna het langzaam overgaat in de Harmonieverwachting, terwijl het middels de informatie van de radarnowcast en de stochastische perturbaties in STEPS wel de lokale buienstructuren en extremen weet te behouden. Een belangrijke reden om voor een dynamische blendingmethode zoals STEPS te gaan, is dat het rekening houdt met de huidige kwaliteit van beide producten (de radarnowcast en Harmonie) om de blendinggewichten te bereken. Daarnaast houdt het ook rekening houdt met de kwaliteit van de producten in de ruimte, aangezien neerslagvelden op verschillende plaatsen kunnen liggen en het numerieke weermodel vaak het beste presteert op een grotere ruimtelijke schaal, terwijl de lokale buien veelal gemist worden. Op basis hiervan, alsmede een vergelijking met een eenvoudige, lineaire combinatie tussen de radarnowcast en Harmonie, is het gebruik van de STEPS blendingmethode aan te raden als alternatieve neerslagverwachtingsmethode voor korte looptijden.