Meteorologische reanalyse: het weer van gisteren opnieuw berekend
Stel dat je precies wilt weten hoe hard de wind woei boven de Noordzee op 3 januari 1987, om vier uur 's nachts, op een plek waar toen niemand een meetstation had staan. Onmogelijk, zou je zeggen: die informatie is simpelweg nooit gemeten. Meteorologische reanalyse lost dit probleem op een ingenieuze manier op. Wetenschappers voeren alle waarnemingen die er wél zijn — van weerstations, schepen, ballonnen en later satellieten — in een modern weermodel, en laten dat model de gaten opvullen volgens de natuurkundige wetten die het weer beheersen. Het resultaat is een compleet, consistent 'kaartbeeld' van de atmosfeer over tientallen jaren, alsof je alsnog overal een meetinstrument had hangen.
Reanalyse is dus geen voorspelling, maar een reconstructie achteraf. Het is te vergelijken met een rechercheur die een misdrijf reconstrueert: getuigenverklaringen (waarnemingen) worden gecombineerd met kennis van hoe mensen zich normaal gedragen (het fysische model) tot één samenhangend, plausibel verhaal. Deze reconstructies vormen tegenwoordig de ruggengraat van klimaatonderzoek, energieplanning en zelfs de nieuwste generatie kunstmatige-intelligentiemodellen die het weer voorspellen.
Wat is het precies?
Een reanalyse begint met een data-assimilatiesysteem: software die berekent wat de meest waarschijnlijke toestand van de atmosfeer was, gegeven een eerdere modeluitkomst én de binnengekomen waarnemingen. Dat proces herhaalt zich stap voor stap door de tijd, vaak meerdere keren per dag, voor de hele periode die de reanalyse beslaat — soms decennia, soms meer dan een eeuw.
Het cruciale verschil met een gewoon archief van weersverwachtingen is dat bij reanalyse steeds hetzelfde, ongewijzigde model wordt gebruikt over de hele periode. Operationele weersvoorspellingen worden namelijk voortdurend verbeterd: het model van vandaag is niet hetzelfde als dat van tien jaar geleden. Als je die oude voorspellingen zou vergelijken met recente, meet je deels de modelverbetering in plaats van echte weersverandering. Reanalyse voorkomt dat door consequent één versie van het model te gebruiken, zodat trends in de tijd betrouwbaar zijn.
De invoer bestaat uit een enorme mix van bronnen: grondstations, weerballonnen (radiosondes), boeien op zee, vliegtuigmetingen en, vanaf de jaren tachtig van de vorige eeuw in groeiende mate, satellietwaarnemingen. Voor perioden vóór de satelliettijd zijn er veel minder metingen beschikbaar, vooral boven oceanen en afgelegen gebieden — daar leunt de reanalyse zwaarder op het fysische model en is de onzekerheid groter.
Wat wil men ermee bereiken?
Het belangrijkste doel is een betrouwbaar, wetenschappelijk bruikbaar beeld van het klimaat en het weer uit het verleden te krijgen, ook op plekken en tijdstippen zonder directe metingen. Klimaatwetenschappers gebruiken reanalyses om trends in temperatuur, neerslag, wind en luchtdruk te bestuderen, extreme gebeurtenissen zoals stormen en hittegolven te analyseren, en klimaatmodellen te toetsen aan de werkelijkheid.
Daarnaast is reanalysedata praktisch onmisbaar geworden buiten de wetenschap. Ontwikkelaars van windparken en zonnepanelen gebruiken decennia aan reanalysedata om in te schatten hoeveel energie een locatie gemiddeld zal opleveren. Verzekeraars en herverzekeraars baseren risicomodellen voor overstromingen en stormschade erop. Landbouworganisaties analyseren historische groeiseizoenen, en luchtvaartmaatschappijen gebruiken de data om routes en brandstofverbruik te optimaliseren.
Een relatief nieuwe drijfveer is de opkomst van AI-weermodellen. Systemen als GraphCast van Google DeepMind en Pangu-Weather van Huawei, beide gepresenteerd in 2022 en 2023, zijn getraind op tientallen jaren reanalysedata in plaats van op fysische vergelijkingen. Zonder een consistente, foutvrije reanalysedataset als trainingsmateriaal zouden deze modellen niet kunnen bestaan.
Voorbeelden uit de praktijk
ERA5, geproduceerd door het Europees Centrum voor Middellangetermijn Weersverwachtingen (ECMWF), is momenteel de meest gebruikte reanalyse ter wereld. De dataset biedt uurlijkse gegevens met een resolutie van ongeveer 31 kilometer en beslaat de periode vanaf 1940 tot heden. ERA5 is de opvolger van het eerdere ERA-Interim en wordt gratis verspreid via de Copernicus Climate Data Store van de Europese Unie.
MERRA-2 is de reanalyse van de Amerikaanse ruimtevaartorganisatie NASA, geproduceerd door het Global Modeling and Assimilation Office. Deze dataset richt zich sterk op atmosferische samenstelling, zoals aerosolen en stofdeeltjes, naast de standaard weersvariabelen.
JRA-55 is de Japanse reanalyse van het Japan Meteorological Agency en beslaat het klimaat vanaf de jaren vijftig van de vorige eeuw. Het is een van de weinige reanalyses die probeert terug te gaan tot vóór het satelliettijdperk met een volledig modern assimilatiesysteem.
De 20th Century Reanalysis (20CR), een samenwerking tussen de Amerikaanse dienst NOAA en het CIRES-instituut in Colorado, gaat nog verder terug: de dataset reconstrueert het weer vanaf halverwege de negentiende eeuw. Bijzonder is dat deze reanalyse vrijwel uitsluitend oppervlaktedrukmetingen gebruikt als invoer, aangevuld met zeeoppervlaktetemperaturen — er waren toen simpelweg geen andere systematische metingen.
Ten slotte gebruikte NOAA de Climate Forecast System Reanalysis (CFSR) om, in combinatie met de operationele opvolger CFSv2, een doorlopende reeks te bieden vanaf 1979, met een focus op koppeling tussen atmosfeer, oceaan en zee-ijs.
Hoe ver is de techniek?
Reanalyse is een volwassen, operationeel toegepaste techniek: de grote centra brengen periodiek nieuwe, verbeterde generaties uit, meestal om de tien tot vijftien jaar. ERA5 verving ERA-Interim toen rekenkracht en satellietdata het mogelijk maakten om de resolutie en de tijdstap fors te verhogen.
De belangrijkste vooruitgang zit tegenwoordig niet meer alleen in hogere resolutie, maar in het beter benutten van schaarse historische waarnemingen en het kwantificeren van onzekerheid, bijvoorbeeld met ensemblemethoden die meerdere plausibele reconstructies naast elkaar produceren. Ook worden reanalyses steeds vaker gebruikt als trainingsmateriaal voor machine-learningmodellen, wat weer nieuwe eisen stelt aan de kwaliteit en consistentie van de data.
De grootste beperking blijft de ongelijke verdeling van historische waarnemingen. Voor de periode na ongeveer 1979, toen satellieten wereldwijd dekking begonnen te bieden, zijn reanalyses aanzienlijk betrouwbaarder dan voor de decennia daarvoor. Boven de poolgebieden en de oceanen — waar tot op de dag van vandaag relatief weinig direct wordt gemeten — verschillen de diverse reanalyseproducten onderling nog altijd merkbaar, wat aangeeft dat er onzekerheidsmarges blijven bestaan die gebruikers serieus moeten nemen.
Wie werken eraan?
Reanalyse is grotendeels het domein van grote, publiek gefinancierde meteorologische instituten. Het Europees Centrum voor Middellangetermijn Weersverwachtingen (ECMWF), gevestigd in Reading (Verenigd Koninkrijk) met een vestiging in Bonn, produceert ERA5 in opdracht van de Copernicus Climate Change Service van de Europese Unie. In de Verenigde Staten zijn NASA (via het Global Modeling and Assimilation Office) en de National Oceanic and Atmospheric Administration (NOAA, samen met het NCEP-centrum) de belangrijkste spelers. Japan draagt bij via het Japan Meteorological Agency, en in Duitsland werkt de Deutscher Wetterdienst aan eigen reanalyseproducten.
Daarnaast mengen zich de laatste jaren techbedrijven als Google DeepMind, Huawei en Nvidia in het veld — niet als producenten van reanalyses, maar als grote afnemers die de datasets gebruiken om AI-weermodellen te trainen. Deze wisselwerking tussen klassieke meteorologische instituten en AI-onderzoekslabs is een van de opvallendste ontwikkelingen in het vakgebied van de afgelopen jaren.