Natur norge landskap web

Lurer du på hvordan sommerværet blir?

Det kan være avgjørende for mange å vite om sommeren blir kald og regnfull - eller en varm tørkeperiode. Varselet for juni måned fra Seasonal Forecasting Engine gir en pekepinn på hva som venter.

– Potensialet for sesongvarsling er enormt. Nå som værvarslingsmodellene er blitt bedre, er vi i stand til å gi bedre sesongvarsler enn før, sier klimaforsker og meteorolog Erik Kolstad i NORCE.

Slike forutsigelser om været vil inneholde interessant informasjon både for bransjer som forsikring, landbruk, kraftindustri - og de som driver innen fornybare energiløsninger.

Kolstad og NORCE leder prosjektet Seasonal Forecasting Engine. Han sier at en viktig oppgave fremover blir å avdekke hvilke klimamodeller som varsler best til hvilken tid av året.

– Vekting av modellene er viktig, og hver og en av modellene blir stadig bedre. Grunnen til det er mer tilgang på regnekraft, modellene får rett og slett høyere oppløsning, og gir dermed et mer detaljert varsel, sier Kolstad, som også er tilknyttet Bjerknessenteret.

I Seasonal Forecasting Engine vil forskernes ambisjon for eksempel være å varsle om det blir kaldere eller varmere enn normalt – eller om det vil regne mye. De vil også si noe om hvor mye snø som vil legge seg i høyfjellet, om våren kommer tidlig - og så videre.

– For bare noen år siden ble det ansett som umulig å si noe som helst om værutviklingen mer enn 5–10 dager frem i tid. Men med riktige data inn er utgangspunktet for å lykkes et ganske annet. På sikt satser vi på varsler hver måned med en gradvis forbedring av varselet, med en varighet på tre måneder fram i tid, sier Kolstad.

Her er varselet for juni

Kolstad og forskerkollegene som jobber med SFE, har akkurat kommet med et varsel for juni 2019.

Varselet er basert på fem europeiske klimamodeller, deriblant Bjerknessenterets egen varslingmodell NorCPM. Varselet i Seasonal Forecasting Enigne er en kombinasjon av modellenes varsler.

Årets varsel for juni er ikke så tydelig som fjorårets varsel for juli, da forskerne så stor enighet i modellene om høye temperaturer og mye bra vær (også for resten av sommeren) – noe som slo til for fullt.

– I år er varselet at været i juni måned omtrent blir som normalen. For sommeren er det ikke noe som peker seg veldig tydelig ut. Dette skyldes i hovedsak at modellene er såpass «uenige», sier Kolstad.

Erik kolstad
Klimaforsker Erik Kolstad i NORCE og Bjerknessenteret sier at juni-varselet fra Seasonal Forecasting Engine antyder at det både kan bli kjølige og varmere perioder i årets juni måned, som i gjennomsnitt gir små avvik fra normalen. (Foto: Andreas R. Graven)

En av modellene varsler for eksempel en varm juni, mens en annen varsler kaldt i juni. Kombinasjonen av disse blir naturlig nok hverken varm eller kald, sier Kolstad.

Men: Det er viktig å påpeke at varselet vårt ikke utelukker en varm periode i juni, fortsetter Kolstad.

Varselet sier kun noe om gjennomsnittstemperaturen over hele måneden.

– Det kan altså godt være at vi får både kjølige og varmere perioder i juni, som i gjennomsnitt gir små avvik fra normalen, legger han til.

Store datamengder og maskinlæring

I Seasonal Forecasting Engine bygger forskerne det som kan kalles en «motor». Drivstoffet er data av alle typer, fra satellitter, modeller, og observasjoner. Selve motoren er basert på avanserte statistiske metoder, der Norsk Regnesentral står for beregningene.

Fortsatt er det slik at noen tegn i naturen ikke representeres så godt i modellene, slik som stratosfærisk oppvarming. Dette ga en kald vinter i 2018 og fanges ikke nødvendigvis opp, men på sikt kan også slike ting inkluderes i vår statistiske modell, mener Kolstad.

– I Norge vet vi ikke om så mye som påvirker været lang tid i forveien på sommeren, andre steder kan for eksempel en uttørking av jordsmonnet gi varmt vær over en lengre periode, sier Kolstad.

Nå er det uansett slutt på at gjennomsnittet av historiske værdata er det beste til å forutsi hvordan været blir. Seasonal Forecasting Engine overgår klimatologien, og dette er egentlig bare begynnelsen.

– Ja, selv om det fortsatt er knyttet usikkerhet til varslene, så har vi kommet et godt stykke på vei.

Møte behov for avanserte, relevante og anvendte sesongvarsler

SFE omfattes av fem klimamodeller og store mengder data. I prosjektet er det en del for maskinlæring der forhåpningene er at modellene skal kunne lete etter systematiske feil som kan rettes opp, slik at varslene totalt sett blir bedre.

Øvrige partnere i prosjektet er Norsk Regnesentral, Nansensenteret, Univesitetet i Bergen, i tillegg er det en brukergruppe.

SFE er et prosjekt finansiert av Norges forskningsråd.

– Målet vårt er å møte det økende behovet for avanserte, relevante og anvendte sesongvarsler av vær og hav. Målgruppen vår er både offentlig og privat sektor, og vi ønsker å bidra til bedre risikohåndtering og operasjonell planlegging i Nord-Europa og i Arktis, sier Kolstad.

Kolstad og kolleger har fått med seg mange gode brukerpartnere i prosjektet: StormGeo, Kongsberg Digital i Kongsberg Gruppen, Agder Energi, Tryg Forsikring, Meteorologisk institutt, Kystvakten, Sparebank 1 Forsikring, Polygon, Lyse Produksjon og BKK Produksjon.