Stan 4 oktober 2023.
Dag allemaal,
In deze eerste analyse in een reeks van analyses waarin ik nieuwe onderwerpen vanuit een nieuwe manier probeer te bekijken, ga ik voor de eerste keer een weeranalyse maken met behulp van mijn zelfgeschreven code in het statistisch programma R. Let wel, deze code heb ik geschreven met behulp van alle informatie en formules die ik op het internet kon vinden, maar het concept denken is wel vrijwel volledig op eigen houtje gedaan. Ik ben benieuwd wat jullie van deze nieuwe manier vinden! Op deze manier ben ik minder afhankelijk van oudere tools op sites en kan ik ook veel flexibeler zelf correlaties maken en dergelijke. Gisterenavond wou ik het eens uittesten. Ik had weinig internetdata voorhanden, dus ik moest het even doen met wat ik al op mijn laptop had staan. Ik kwam op datareeksen van ACE uit.
Wat is ACE?
ACE staat voor Accumulated Cyclonic Energy, vrijuit in het Nederlands vertaald ‘Geaccumuleerde Orkaan Energie’, wat een manier is om uit te drukken hoe hevig het orkaanseizoen was.
Ik ga 3 orkaanseizoenen analyseren:
- NA: North-Atlantic. Vrijuit in het Nederlands vertaald de Noordelijke-Atlantische Oceaan. Dit is het orkaangebied waarvan wij soms ex-orkanen krijgen die soms de warme nazomers opleverden van de afgelopen jaren, zoals oktober 2017.
- NEP: North-Eastern Pacific. Vrijuit in het Nederlands vertaal de Noord-Oostelijke Stille Oceaan. Dit Orkaangebied ligt ten westen van Mexico en Midden-Amerika.
- Het orkaangebied van Oost-Azië. Dus China, Japan, Korea… Omdat daar helaas geen hapklare ACE-data van beschikbaar is, heb ik voor het orkaangebied van Oost-Azië ervoor gekozen om het totaal aantal orkanen/tropische stormen voor een heel seizoen te nemen als maatstaf voor de hevigheid van dat seizoen.
In R heb ik nu een correlatie-tool die eigenlijk hetzelfde doet als de correlatie-tools van de NOAA, die nu al meer dan 6 jaar een cruciale rol hebben gespeeld in mijn weeranalyses en lange termijn verwachtingen. Maar, met deze nieuwe in R heb ik veel meer flexibiliteit.
In mijn ogen dé grootste flexibiliteit is dat ik nu factoren met elkaar kan vergelijken in verschillende tijdsepisoden. Dus bijvoorbeeld: ik ben niet meer beperkt tot het enkel kunnen vergelijken van variabele 1 en variabele 2 in 1 maand (bv. oktober), maar kan nu de waarden van variabele 1 van september vergelijken met de waarden van variabele 2 in oktober. Dit is gigantisch interessant omdat je zo beter kunt zien of bepaalde zaken die voorafgingen van cruciale waarden zijn.
Ik heb deze correlatie-manier van R dus nu eens gebruikt.
Zeker met de orkaanseizoenen is dit heel interessant. De impact van het orkaanseizoen op onze winters is al veel besproken geweest en wordt geregeld over gediscussieerd of het nu wel of geen impact heeft. Ik wil nu van deze voor mij nieuwe tool gebruikmaken om te zien of de 3 besproken orkaanseizoenen misschien toch wel impact hebben of niet op onze luchtdrukverdeling op zeeniveau.
Dit ga ik laten zien met 2 kaarten per orkaanseizoen.
- Kaart 1 laat de correlatie-coëfficiënt Deze coëfficiënt ligt tussen +1 en -1. Wanneer deze groter dan 0 is (rode kleur), is er een positieve correlatie/samenhang: dat betekent dat wanneer het orkaanseizoen heviger is, de luchtdruk op zeeniveau op een bepaalde plek vaker ook hoger is.
Wanneer deze kleiner dan 0 is (blauwe kleur), is er een negatieve correlatie/samenhang: dat betekent dat wanneer het orkaanseizoen heviger is, de luchtdruk op zeeniveau op een bepaalde plek vaker juist lager is.
Wanneer de waarde van de correlatie-coëfficiënt rond de 0 ligt (lichte tot witte kleuren), dan is de samenhang/correlatie tussen de hevigheid van het orkaanseizoen en de luchtdruk op zeeniveau op die bepaalde plek zwak en heeft het orkaanseizoen dus niet echt een impact op de luchtdruk daar (of andersom, maar dat ga ik even achterwege laten, anders wordt het teveel voor in 1 keer).
- Kaart 2 laat de p-waarde Je mag dat zien als een waarde die aangeeft of de samenhang op die bepaalde locatie van belang is en interessant is of niet.
Als de p-waarde boven de 0.05 ligt, heeft de locatie een grijze kleur wat betekent dat de samenhang tussen het orkaanseizoen en de luchtdruk op zeeniveau daar er niét toe doet.
Als de p-waarde onder de 0.05 ligt, heeft de locatie een roze tot rode kleur wat betekent dat de samenhang tussen het orkaanseizoen en de luchtdruk op zeeniveau daar mogelijk wel heel interessant is. Hoe roder de kleur (dus hoe kleiner de p-waarde), hoe interessanter de samenhang waarschijnlijk is en hoe groter de kans dat je van die samenhang gebruik kunt maken om op basis daarvan zelfs voorspellingen te maken.
BELANGRIJK: Voor het overzichtelijker te maken voor degenen die iets minder bekend zijn met geografie, heb ik in het geel omrand waar wij in Noord-West Europa ongeveer zitten.
Correlatie-set 1: de samenhang tussen de hevigheid van het Noord-Atlantisch Orkaanseizoen en de luchtdruk op zeeniveau:
Kaart 1:
DJF SLP vs NA ACE
Kaart 2:
p-wrd DJF SLP vs NA ACE
Interpretatie van deze kaarten:
Vooral kaart 2 is van belang voor de interpretatie omdat kaart 2 het snelst in een oogopslag laat zien in welke regio’s op aarde de samenhang het sterkst lijkt te zijn.
Op basis hiervan lijken met name de tropen eruit te springen, wat ook verband houdt met de relatie tussen het Noord-Atlantisch Orkaanseizoen en El Nino en La Nina die op hun beurt vaak ook het weer in de tropen stevig beïnvloeden.
Echter is het ook cruciaal om te vermelden dat er in de gematigde regio’s van het noordelijk halfrond 3 regio’s lijken te zijn die ook een cruciale samenhang lijken te vertonen:
- Ten zuiden van Alaska (ik vermoed wederom een via-via connectie met de El Nino en La Nina hier).
- Centraal-Siberië.
- En, jawel! Ten zuiden van Ijsland.
(VOOR DEGENEN DIE HET NIET METEEN ZIEN: linksboven het gele vierkant)
Deze regio ligt net ten zuiden van de regio die traditioneel gebruikt wordt om de onder weerfanaten zeer bekende North Atlantic Oscillation (NAO) te bepalen, waardoor de correlatie tussen de hevigheid van het Noord-Atlantisch orkaanseizoen en de luchtdrukverdeling boven de Noordelijke Atlantische Oceaan en bij uitbreiding Europa vaak over het hoofd wordt gezien.
Op basis van deze resultaten lijkt het er dus wél op dat er een connectie lijkt te zijn tussen de luchtdrukverdeling van de Noordelijke Atlantische Oceaan bij uitbreiding Europa in de wintermaanden December Januari Februari en de hevigheid van het Noord-Atlantisch Orkaanseizoen die aan deze winter voorafging.
Correlatie-set 2: de samenhang tussen de hevigheid van het Noord-Oost Stille Oceaan Orkaanseizoen (ten westen van Mexico) en de luchtdruk op zeeniveau:
Kaart 1:
DJF SLP vs NEP ACE
Opnieuw: het gele vierkant is waar Nederland, België, Luxemburg en bij uitbreiding Noord-West Europa liggen.
Kaart 2:
p-wrde SLP DJF vs NEP ACE
Interpretatie:
De samenhang lijkt opnieuw het meest belangrijk en grootschalig te zijn boven de tropen (waarschijnlijk wederom gelinkt aan de samenhang van dit orkaanseizoen met El Nino en La Nina). Ondanks dat er ook in de gematigde breedten wat plekken lijken te zijn waarin de statistiek belangrijkheid vermoedt, lijkt het mij door de beperktheid meer te gaan om toeval.
Het Noord-Oostelijke Stille Oceaan orkaanseizoen lijkt dus niét samen te hangen met de luchtdrukverdeling in Europa en de Noordelijk Atlantische oceaan in de daaropvolgende winter (December, Januari en Februari).
Correlatie-set 3: de samenhang tussen de hevigheid van het Orkaanseizoen in Oost-Azië (China, Korea, Japan…) uitgedrukt in aantal tropische stormen/orkanen (‘typhoons’) en de luchtdruk op zeeniveau:
Kaart 1:
DJF SLP vs TNT
Opnieuw: gele vierkant is onze regio.
Kaart 2:
p-wrde SLP DJF vs TNT
Interpretatie:
Dit vind ik persoonlijk een hele interessante. De grijze kleuren zijn nu zeer dominant in de tropen, wat doet vermoeden dat orkaanseizoen van Oost-Azië niet echt in verband lijkt te staan met El Nino en La Nina (wat me sterk lijkt, maar dat is een ander verhaal).
Dit betekent echter niet dat er nergens correlaties van belang lijkt te zijn, integendeel.
Grotere regio’s waar er wel een samenhang lijkt te zijn:
- Noorden van Zuid-Amerika;
- Midden-Oosten en Noordoost-Afrika;
- Noordoost-Scandinavië en Noordwest-Rusland;
- En, opnieuw, jawel, hetzelfde gebied ten zuiden van Ijsland als we zagen bij het Noord-Atlantisch Orkaanseizoen. Doordat dit net buiten het gebied ligt wat belangrijk is om de bekende NAO te bepalen, wordt dit verband misschien vaak over het hoofd gezien.
Er lijkt dus mogelijk een interessante samenhang te bestaan tussen de luchtdrukverdeling van Europa en de Noordelijke Atlantische Oceaan en de hevigheid van het Oost-Aziatisch orkaanseizoen voorafgaand aan deze winter (December Januari Februari).
Dat er een verband lijkt te bestaan tussen wat het weer in Oost-Azië doet en wat het weer in West-Europa doet, is geen gloednieuwe conclusie voor mij, maar is wel 1 van de nieuwste inzichten die ik heb opgedaan qua teleconnecties.
Afgelopen zomer was ik een beetje onderzoek aan het doen naar een bepaalde Oost-Aziatische Hoogtetrog boven het Koreaanse Schiereiland en toen kwam ik ook al een bepaalde link met het weer in Europa (meer bepaald Spitsbergen) naar voren. Dit is dus de tweede keer dat ik zoiets zie, wat dus waarschijnlijk geen toeval is. Toekomstige analyses zullen hopelijk hierover meer kunnen vertellen.
Correlatie-set 4:
In deze correlatie-set heb ik eens gekeken of het optellen van de intensiteiten van alle 3 de orkaanseizoenen misschien iets interessant kon opleveren. Dit bleek niet het geval te zijn, zelfs voor een groot deel van de Tropen niet. Dit doet mij vermoeden dat ze misschien vrij onafhankelijk van elkaar zijn.
Samengevat leek het er dus op dat de hevigheid van deze 3 orkaanseizoenen iets lijken te kunnen zeggen over hoe de luchtdrukverdeling er in de maanden December, Januari en Februari erop (onze winter) eruit zou kunnen zien, met interessante samenhangen van de Stille Oceaan tot zelfs de Noordelijke-Atlantische Oceaan voor onze voordeur.
Ik dacht daarom dat het eens interessant kon zijn om te proberen een weermodel te maken die op basis van de hevigheid van deze 3 orkaanseizoenen de luchtdrukverdeling wereldwijd kon proberen voorspellen/inschatten.
Ja, mijn kleine droom is uitgekomen! Ik kan nu een weermodel maken met ongeveer hetzelfde ‘format’ als de seizoensverwachting van onder andere ECMWF! Dus, op basis van bepaalde inputfactoren maakt R (het statistisch programma) een soort weermodel die per pixel de coëfficiënten van het model berekent en deze dan in een kaart grafisch kan weergeven.
(Ik heb dit niet alleen voor de 3 orkaanseizoenen als inputvariabelen gedaan, maar ook voor voor de NAO en SCAN als inputvariabelen. Hoe dit eruit ziet en wat dat precies inhoudt, leg ik uit in een volgende analyse.)
Dus, wat maakt dat model ervan?
Het model laat een zeer interessante output zien.
Het komt erop neer dat het model voor grote delen van de wereld een statistisch gezien belangrijk en niet te verwaarlozen aandeel van de variatie in de luchtdrukverdeling kan verwachten en voorspellen.
Echter! Kleine kritische nood: dit model neemt maar 3 factoren mee, kan een aanzienlijk aandeel van de variatie van de luchtdrukverdeling niét verwachten en voorspellen en maakt dus ook aanzienlijk veel fouten. Echter, de statistiek van het model leert ons dat het toch wel een niet te verwaarlozen deel van de variatie kan verklaren, wat natuurlijk zeer interessant is om te bekijken voor beter begrip en inzicht in het weer en hoe ons weer zou kunnen reageren op de hevigheid van de orkaanseizoenen.
Performance SESWFS DJF SLP Forecast_NA ACE ; NEP ACE ; TNT
Dat laat bovenstaande kaart zien. Opnieuw: de roodgekleurde regio’s zijn regio’s waarvan het model een niet te verwaarlozen aandeel van de variatie in de luchtdrukverdeling kan verklaren/verwachten/voorspellen. De grijze regio’s zijn regio’s waar het model dat eigenlijk niet kan.
Zoals te zien is, is een groot deel van de wereld ingekleurd, wat betekent dat het model in groot deel van de wereld een interessant aandeel van de luchtdrukverdeling kan verklaren/verwachten/voorspellen.
Zoals ook te zien is op die kaart, lijkt dit ook voor een groot deel van Europa en de Noord-Atlantische Oceaan van belang. Met name ten zuiden van ijsland, Noordwest-Rusland, Noordoost-Scandinavië en Zuid-Europa springen eruit.
Ik wou dit eens bekijken voor 2 winters waarin er een bepaalde bijzondere luchtdrukverdeling aanwezig was, waarvan ik vind dat als het model die 2 winters een goede indicatie kan geven, het model toch al een mooi werk levert.
Deze 2 winters zijn: de koudste winter uit de huidige klimaatperiode (1991-2020) 1995/1996 en de zeer zachte natte winter van 2019/2020, dus 2 volledige tegenpolen.
Wat maakt het model hiervan?
1995/1996:
De luchtdrukverdeling zag er in de winter van 1995/1996 zo uit:
DJF SLP 1995/1996
De rode cirkel is waar wij ons bevinden in de Benelux. Dit was een koudere dan normale winter met meer hogedruk boven Noord-Europa dan normaal (de rode kleur boven het rode vierkant) en meer lagedruk boven Zuidwest-Europa dan normaal (de blauwe kleur rechtsonder het rode vierkant). Door deze afwijkingen kon er in onze regio meer winden uit koude oostelijke richtingen komen, waardoor koude landlucht vanuit het oosten ons kon bereiken.
Dit is wat het model verwacht voor 1995/1996 op basis van de hevigheid van de 3 onderzochte orkaanseizoenen:
SESWFS, DJF SLP Forecast 1995/1996 Outlook_NA ACE ; NEP ACE ; TNT
Ik ga het beschrijven vooral focussen op Europa en de Noordelijke Atlantische Oceaan. Zoals jullie kunnen zien, is de felheid van de kleuren rond Europa (rond rode vierkant) een stuk minder dan in de werkelijke luchtdrukverdelingkaart van 1995/1996, maar wat ik zeer boeiend vind om te zien is:
- Het model komt ook met hogedruksignalen in de omgeving van Ijsland en West-Scandinavië (rode kleuren boven en linksboven rode vierkant).
- Het model komt ook met lagedruksignalen boven het Noordpoolgebied (de blauwe kleur helemaal bovenaan de kaart).
Het lijkt er dus op dat het model in staat is geweest om de grote lijnen van de luchtdrukverdeling correct te voorspellen, wat zeer interessant is gegeven dat de 3 orkaanseizoenen de enige input zijn in dit model.
Anderzijds maakt het model ook best wat fouten, met name in de gematigde regio’s van het zuidelijk halfrond en bij de westkust van Noord-Amerika. Maar geen enkel model is perfect uiteraard.
Desalniettemin, interessant dat het weermodel in staat is om de grote lijnen van de luchtdrukverdeling van winter 1995/1996 correct te kunnen voorspellen.
Is dit ook zo voor 2019/2020?
2019/2020:
De winter van 2019/2020 had onderstaande luchtdrukverdeling (afwijking):
DJF SLP 2019/2020
De blauwe kleuren boven het rode vierkant (waar wij zitten) is heel hard aanwezig. Dit betekent dat in deze winter ten noorden van ons de luchtdruk lager was dan normaal. Dit houdt in dat lagedruk in Noord-Europa nog sterker was dan het normaal al is, met meer westenwinden en dus zacht en nat weer tot gevolg. En dat hebben we geweten: 2019/2020 was een heel zachte, natte winter.
Nu eens kijken of het weermodel dezelfde signalen opvangt:
SESWFS, DJF SLP Forecast 2019/2020 Outlook_NA ACE ; NEP ACE ; TNT
Het weermodel lijkt ook goed te presteren voor winter 2019/2020 en vrijwel alle grote lijnen in de luchtdrukverdeling correct op te vangen.
Het model voorspelt juist
- De sterkere lagedruk dan normaal boven Noord-Europa (blauwe kleur boven, link en rechts van het rode vierkant (rode vierkant is waar de België, Nederland en Luxemburg zich bevinden).
- Het hogedruksignaal voor de westkust van Noord-Amerika.
- De hogedruk boven een groot deel van Antarctica (de rode kleuren beneden de kaart).
Let wel, op hier, maakt het model wederom fouten. Zo gaat het model goed de mist in boven west Canada en boven Alaska.
Echter, lijkt het erop dat het weermodel ook voor deze winter de grote lijnen juist weet de voorspellen en op te vangen.
De kritische lezer denkt misschien dat ik er nu toevallig 2 jaren uit hebt gehaald waarin het goed gaat. Dat is een terechte kritische opmerking, en daarom heb ik de onderstaande kaart voorbereid:
Performance SESWFS DJF SLP Forecast_NA ACE ; NEP ACE ; TNT
Deze kaart geeft aan waar het weermodel een niet te verwaarlozen aandeel van de variatie in de luchtdrukverdeling weet op te vangen, en waar niet. De rode kleuren zijn de regio’s waarin het model het weet op te vangen, de grijze kleuren zijn de regio’s waar het model dat niet kan.
Zoals jullie kunnen zien, is de kaart voor een groot deel rood, inclusief boven Noord-Europa (boven gele vierkant), wat dus betekent dat het model in een groot deel van de wereld er wel toe in staat is!
Dit leidt mij tot de conclusie dat een weermodel op basis van de 3 onderzochte orkaanseizoenen blijkbaar enige indicatie kan geven over de luchtdrukverdeling over grote delen van de wereld, inclusief (Noord-)Europa.
Dus we begonnen met de hoofdvraag:
Hebben het Noord-Atlantisch, Noordoost-Pacifische en Oost-Aziatische Orkaanseizoen een significante impact op de luchtdrukverdeling in de maand December, Januari en Februari?
Die we nu kunnen beantwoorden met:
Op basis van enkele correlaties gedaan in het programma in R en het maken van een multipele lineaire regressie model met als input deze 3 orkaanseizoenen dat er signalen zijn dat dit wel degelijk het geval is. Niet alleen voor delen van de wereld als de tropen maar ook voor ons in Noord-Europa.
Dit kunnen we gieten in de korte samenvatting (onder andere voor mensen die iets minder bekend zijn met begrippen van samenhang, modellen…):
- Ik heb in deze analyse geprobeerd om na te gaan wat het verband is tussen de hevigheid van de Noord-Atlantische, Noordoost-Stille Oceanische en Oost-Aziatische orkaanseizoenen en de luchtdrukverdeling wereldwijd in de daaropvolgende maanden December, Januari en Februari.
- Eerst heb verbanden proberen maken met behulp van een computerprogramma met de naam R. Op basis van dit kwam ik tot een voorzichtige conclusie dat er verbanden lijken te zijn tussen de hevigheid van deze 3 orkaanseizoenen en de luchtdrukverdeling wereldwijd.
- Effecten op onze winter: Heel kort door de bocht, voor onze regio, lijkt het erop dat met name een heviger Noord-Atlantisch Orkaanseizoen en een zwakker Oost-Aziatisch Orkaanseizoen een grotere kans geven op hogedruk in de omgeving van Zuid-Ijsland en bij uitbreiding Noord-Europa. Dit kan geïnterpreteerd worden als grotere kansen op koudere windrichtingen in die periode, maar dit heeft natuurlijk veel maar’s.
- Ik heb ook een weermodel gemaakt die op basis van deze orkaanseizoenen de luchtdrukverdeling wereldwijd probeerde te verklaren. Dit leek deels succesvol te zijn, wat opnieuw wijst richting het bestaan van dit verband.
Dit was het dan! Een heel lange analyse, maar dat moet ook wel bij dit soort onderwerpen waarin je meerdere tools gebruikt en je deze ook graag wat wilt uitleggen.
Fijne avond verder,
Stan